laporan praktek quality (2)

If you can't read please download the document

Upload: egi-friyayi

Post on 17-Sep-2015

183 views

Category:

Documents

24 download

Report

Download

Embed Size (px):

DESCRIPTION

laporan praktek

TRANSCRIPT

LAPORAN PRAKTIKUMPENJAMINAN DAN PENGENDALIAN KUALITASDiajukan sebagai syarat kelulusan

Mata Kuliah Penjaminan dan Pengendalian Kualitas

Disusun Oleh:

KELOMPOK 04PROGRAM STUDI TEKNIK INDSUTRI

FAKULTAS TEKNIK

UNIVERSITAS MERCU BUANA

2014LEMBAR PENGESAHAN

Laporan Praktikum Penjaminan dan Pengendalian KualitasKELOMPOK VI : Telah disetujui dan diterima sebagai syarat kelulusan mata kuliah

Penjaminan dan Pengendalian KualitasMengetahui

Asisten Laboratorium Penjaminan dan Pengendalian Kualitas

Asisten 1

Asisten 2

Hesti

Nova

Tanggal Pengumpulan : 28 Desember 2014KATA PENGANTAR

Puji syukur tim penyusun panjatkan kepada Tuhan Yang Maha Esa yang telah memberikan Rahmat serta Karunia-Nya, sehingga tim penyusun dapat menyelesaikan laporan ini tepat pada waktunya.

Studi kasus ini disusun untuk diajukan sebagai pelengkap tugas Pengendalian dan Penjaminan Kualitas di Universitas Mercu Buana Jurusan Teknik Industri.

Terima kasih juga penulis sampaikan kepada Dosen Pengendalian dan Penjaminan Kualitas kami yang telah membimbing dan mangarahkan kami demi lancarnya makalah ini. Dan tidak lupa Kakak-Kakak Asisten Dosen yang membimbing pada saat pratikum berlangsung.Demikianlah studi kasus ini disusun semoga bermanfaat dan dapat melengkapi tugas Pengendalian dan Penjaminan Kualitas Kami.Jakarta, 28 Desember 2014Tim PenyusunDAFTAR ISI2LEMBAR PENGESAHAN

3KATA PENGANTAR

4DAFTAR ISI

7MODUL 1 SPC 7 TOOLS

8BAB I PENDAHULUAN

81.1 Tujuan Praktikum

81.2 Manfaat Praktikum

81.3 Rumusan Masalah

81.4 Sistematika Penyusunan Laporan

9BAB II TINJAUAN PUSTAKA

92.1 Pengendalian Proses Statistik (Statistical Process Control)

18BAB III PENGUMPULAN DAN PENGOLAHAN DATA

183.1 Flow Chrt Poses di Bank

193.2 Diagram Pareto Kerusakan Produk

203.3 Histogram Tinggi Badan 40 Mahasiswa Mercubuana

22BAB IV ANALISA DATA

224.1 Analisa Flow Chart Bank

224.2 Analisa Diagram Pareto Kerusakan Produk

234.3 Analisa Diagram Histogram Tinggi Badan 40 Mahasiwa Mercubuana

24BAB V KESIMPULAN DAN SARAN

245.1 Kesimpulan

255.2 Saran

26MODUL 2 PETA KENDALI

27BAB I PENDAHULUAN

271.1Tujuan Praktikum

271.2 Manfaat Praktikum

271.3 Rumusan Masalah

271.4 Sistematika Penyusunan Laporan

28BAB II LANDASAN TEORI

282.1 Teori Singkat

292.2 Penggunaan Peta Pengendalian Data Variabel

292.2.1 Peta Kendali X-bar dan R

332.3 Penggunaan Peta Pengendaliaan Data Atribut

332.3.1 Peta Kendali P dan NP

352.3.2 Peta Kendali C

37BAB III PENGOLAHAN DATA

373.1 Peta Pengendalian Data Variabel (Peta X-bar dan R)

413.2 Peta Pengendalian Data Atribut (Peta P)

433.3 Peta Pengendalian Data Atribut (Peta NP)

453.4 Peta Pengendalian Data Atribut (Peta C)

47BAB IV ANALISA DATA

474.1 Analisa Peta Pengendalian Variabel (Peta X-bar dan R)

474.2 Analisa Peta Pengendalian Attribute (Peta P)

474.3 Analisa Peta Pengendalian Attribute (Peta NP)

474.4 Analisa Peta Pengendalian Attribute (Peta C)

48MODUL 3 PROCCES CAPABILITY

49BAB I PENDAHULUAN

491.1 Tujuan Praktikum

491.2 Manfaat Praktikum

491.3 Rumusan Masalah

491.4 Sistematika Penyusunan Laporan

50BAB II LANDASAN TEORI

512.1 Cara membuat analisis kemampuan proses

522.2 Langkah-langkah menghitung process capability

55BAB III PENGOLAHAN DATA

58BAB IVANALISA DATA

584.1 Analisa Kapabilitas Proses

58BAB V KESIMPULAN

585.1 Kesimpulan

585.2 Saran

59MODUL 4 PROSES PERBAIKAN (IMPROVEMENT)

60BAB I PENDAHULUAN

601.2 Tujuan Praktikum

601.3 Manfaat Praktikum

601.4 Rumusan Masalah

601.5 Sistematika Penyusunan Laporan

61BAB II LANDASAN TEORI

612.1 Analisis Varian (ANOVA)

632.2 Anova Dua Arah

652.3 Desain Eksperimen Faktorial

69BAB III PENGOLAHAN DATA

693.1 Tugas Praktikum

74BAB IV ANALISA DATA

744.1 Analisa

75BAB V KESIMPULAN

755.1 Kesimpulan

755.2 Saran

76DAFTAR PUSTAKA

77LAMPIRAN

MODUL 1 PETA KENDALI

BAB I PENDAHULUAN

1.1 Tujuan Praktikum Tujuan dari praktikum ini yaitu diharapkan para mahasiswa mampu mengetahui macam-macam atau jenis-jenis peta pengendalian, mampu membuat peta kendali ( Control Chart ) baik secara manual maupun dengan menggunakan MINITAB. 1.2 Manfaat Praktikum

Manfaat dari praktikum ini yaitu mahasiswa memehami cara menganalisa sumber atau penyebab timbulnya variasi sumber atau penyebab timbulnya variasi, dan memahami penggunaan peta penegndalian data variable.1.3 Rumusan Masalah

1. Apakah Peta Kendali itu ?2. Bagaimana penggunaa peta pengendalian data variabel ?3. Apa manfaat dari Peta Kendali ? 1.4 Sistematika Penyusunan Laporan

Bab I: Pendahuluan

1.1 latar belakang

1.2. maksud dan TujuanBab II: Landasan Teori

Mencakup seluruh teori ringkas, serta prisip yang saudara

gunakan untuk membah seluruh pembahasan dari modul yang

akan dibuat laporannya dan berkaitan erat dengan kegiayan

praktikum. Bab III

: Pengumpulan Data Berisikan seluruh bahan yang dikumpulkan saat praktikum Bab IV: Pengolahan danAnalisa data Mencakup seluruh pengolahan data dengan menggunakan

Hitungan manual/menggunakan rumu. Pada bab ini seluruh

praktikum dari awal hingga akhir praktikum ditampilkan

berikut cakupan analisanya. Bab V: Kesimpulan dan SaranMencakup hasil kesimpulan dari keseluruhan praktikum yang telah dilakukan

Lampiran

: Berupa pengolahan data yang menggunakan bantuan software

dilampirkan pada halaman lampiran.

Daftar Pustaka: Mencakup daftar referensi tambahan dari pengmbilan teori

diluar praktikum

BAB II LANDASAN TEORI

2.1 Teori Singkat

Pada dasarnya dikenal dua sumber atau penyebeb timbulnya variasi, yaitu variasi penyebab khusus dan variasi penyebab umum.1. Variasi Penyebab Khusus adalah kejadian-kejadian di luar system yang mempengaruhi variasi. Penyebab khusus dapat bersumber dari manusia, peralatan, material, metode kerja dan lain-lain. Dalam statistical dengan menggunakan peta kendali, jenis variasi ini sering ditandai dengan titk-titik yang melewati atau keluar dari batas-batas pengendalian (Out of Statistical Control).2. Variasi Penyebab Umum adalah factor-faktor di dalam system atau yang melekat pada proses yang memyebabkan timbulnya variasi. Penyebab ini biasanya disebut juga sebagai penyebab acak. Karena penyebab umum selalu melekat pada system, untuk menghilangkan kita bisa menelusuri elemen-elemen system itu dan hanya pihak manajemen yang dapat memperbaikinnya. Jenis variasi ini sering ditandai dengan titik-titik pengamatan yang berada pada batas-batas pengendalian ( In Statistical Control ).

Jenis jenis Peta Pengendalian :

1. Peta Pengendalian Data Variabel, merupakan data kualitatif yang dapat diukur untuk keperluan analisis. Contoh: Berat, Temperatur,Panjang,dll.

2. Peta Pengendalian Data Atribut, merupakan data kualitatif yang dapat dihitung untuk pencatatan dan analisis. Contoh: Banyaknnya cacat yang ditemukan, banyaknya ketidaksesuaian,dll.

2.2 Penggunaan Peta Pengendalian Data Variabel

2.2.1 Peta Kendali X-bar dan R

Peta kendali (rata-rata) dan R (selisih pengamatan atau range) biasa digunakan untuk memantau proses yang diukur berdasarkan data variabel. Peta kendali khusus untuk memantau perubahan suatu sebaran atau distribusi suatu variabel asal dalam hal lokasinnya (pemusatannya) sedangkan peta R khusus untuk memantau perubahan dalam hal penyebarannya.Menurut besterfield (1998) dalam melakukan pengendalian kualitas proses statistic untuk variabel diperlukan beberapa langkah yaitu :

1. Pemilihan Karakteristik kualitas.

Yang dimaksud karakteristik kualitas misalnya panjang, berat, diameter, waktu, dan sebagainnya.Karakteristik kualitas tersebut mempengaruhi kinerja produk dan harus mendapatkan perhatian. Pemilihan karakteristik kualitas tersebut dapat dilakukan dengan menggunakan analisis Pareto.

2. Pemilihan Sub Kelompok.

Data yang digambarkan dalam peta pengendalian bukan data individu, melainkan sekelompok data yang dipilih dan diberi nama dengan sub kelompok. Pemilihannya dilakukan secara acak. Idelannya, penyimpanan yang terjadi dalam sub kelompok ini disebabkan oleh sebab umum. Penyimpangan atau variasi dalam sub kelompok tersebut akan digunakan untuk menentukan peta pengendalian. Sementara itu, penyimpangan atau variasi anatara sub kelompok digunakan untuk evaluasi stabilitas jangka panjang. Ada pedoman singkat dalam pemilihan sub kelompok dari ANSI/ASQC ZI.9 1993, untuk inspeksi normal level 3 seperti pada Tabel 1 tersebut, misalnnya proses diharapkan akan mampu menghasilkan 4000 unit per hari, Maka 75 inspeksi total dibutuhkan. Oleh karenannaya sebagai hak awal yang baik.

Tabel 1 Ukuran sample Menurut ANSI/ ASQC Z1.9 1993

Inspeksi Normal, Level 3

Banyaknya Produk

Yang dihasilkan (unit)Ukuran Sample

91 -1510

151 28015

281 40020

401 50025

501 120035

1201 320050

3201 1000075

10001 35000100

35001 150000150

Sumber : Besterfield,19983. Pengumpulan Data

Pengumpulan data didasarkan pada banyaknnya sub kelompok dan ukuran masing-masing sub kelompok yang telah ditentukan sebelumnya. Rata-rata pada masing masing sub kelompok tersebut nantinya akan di petakan pada peta pengendalian kualitas proses untuk data variabel. Apabila dugunakan peta pengendalian tingkat keakurasiannya proses (range atau standar deviasi), maka range atau standar deviasi tersebut juga diukur pada tiap-tiap sub kelompok tersebut.

4. Penentuan Garis Pusat (Center Line) dan batas-batas pengendalian (Control Limit). Garis pusat untuk mean dan range dicapai dengan perhitungan :

= = rata-rata pengukuran untuk setiap kali observasi

= = garis pusat untuk peta pengendali rata-rata

R = X max X min = range data sample pada setiap kali observasi

= garis pusat untuk peta pengendali range

Dimana :

n = banyaknnya sample dalam tiap observasi atau sub kelompok

g = banyaknya observasi yang dilakukan

Ri = range untuk setiap sub kelompok

Xi = data pada sub kelompok atau sample yang diambil

Xi = rata-rata pada setiap sub kelompok

Menurut konsepnya, batas pengendali 3 untuk peta pengendali rata-rata (mean chart) adalah :

X 3 X, dimana

Batas-batas peta pengendali untuk pengendali rata-rata (-chart) adalah:

CL=

UCL = + A2. R bar

LCL= - A2. R barBatas batas peta pengendali untuk range (R )adalah :

CL=

UCL R = . D4

LCL R = . D3

5. Penyusunan revisi terhadap garis pusat dan batas batas pengendalian.

Peta pengendalian kualitas proses untuk data variabel dibuat untuk dapat mengetahui adannya sebab khusus yang ada dalam ketidaksesuaian proses. Biasannya, ketidaksesuaiaan tersebut ditunjukkan dengan adannya data yang berada diluar batas pengendali statistic (in statistical control). Sementara kondisi yang berada dalam batas pengendalian statistic (in statistical control) juga dapat menunjukan ketidaksesuaian proses, tetapi disebabkan oleh sebab umum. Idealnya, baik data rata-rata proses maupun keakurasian proses berada pada garis pusat (center line). Namun, apabila kondisi data berada diluar batas pegendali statistic sedangkan penyebab ketidaksesuian dikarenakan oleh sebab umum, maka data tersebut dikatakan sebagai berada dalam pengendali statistic (in statistical control).

6. Interprestasi Terhadap Pencapaian Tujuan

Peta pengendali yang harus diperkenalkan pada semua karyawan bertujuan untuk mengadakan perbaaikan pada kinerja proses. Hal ini dapat dilihat bahwa pada setiap data yang berada di luar batas-batas pengendali statistic pasti akan disusun tindakan perbaikan atau perbaikan tidak mungkin dilakukan, maka data tersebut akan dibuang. Data yang dibuang tersebut juga berarti bahwa produk yang dihasilkan pada proses tersebut harus dibuang dengan segala konsekwensinnya. Peta pengendali hasil refisi tanpa data yang out of statistic control merupakan data yang lebih baik, karena dalam proses tersebut walaupun terjadi ketidaksesuaian atau penyimpangan pasti bukan disebabkan oleh sebab khusus, melainkan oleh sebab umum. Selain itu,setelah disusunya peta pengendali kualitas proses statistic untuk data variabel (Control Chart for Variabel ), maka dapat diketahui penyebeb terjadinya kesalahan atau penyimpanan, baik tergolong dalam khusus maupun dalam sebab umum. Kondisi yang ideal memang yang berada di sepanjang garis pusat (Center Line). Hal ini dapat terjadi dengan melakukan revisi berulang pada data yang ada.

2.3 Penggunaan Peta Pengendaliaan Data Atribut

2.3.1 Peta Kendali P dan NP Pengendaliaan proporsi kesalahan ( p chart) dan banyaknya kesalahan (np chart) digunakan untuk mengetahui apakah cacat produk yang dihasilkan masih dalam batas yang disyaratkan. Untuk peta pengendali proporsi dan banyak digunakan bila kita memakai ukuran cacat berupa proporsi produk cacat dalam setiap sample yang diambil. Bila sample yang diambil untuk setiap kali melakukan observasi jumlahnya sama maka kita dapat menggunakan peta pengendali proporsi kesalahan ( p chart ) maupun banyaknnya kesalahan ( np chart ).Namun bila sample yang diambil bervariasi untuk setiap kali melakukan observasi berubah-ubah jumlahnya atau memang perusahaan tersebut akan melakukan 100% inspeksi maka kita harus menggunkan peta pengendali proporsi kesalahan (p-chart). Pengguna sample yang besarnya bervariasi tersebut selain perusahaan menggunkan 100% inspeksi atau inspeksi total, juga dapat disebabkan karena kurangnya karyawan dan biaya. Perubahan dalam banyaknnya sample yang diambil atau ukuran sub kelompok tersebut menyebabkan perubahan dalam batas-batas pengendali, meskipun garis pusatnnya tetap. Apabila ukuran sample atau sub kelompok yang digunakan pada setiap kali observasi naik atau lebih banyak, maka batas-batas pengendali menjadi lebih rendah . Namun apabila banyaknnya sample atau sub kelompok yang digunakan pada setiap kali observasi turun atau berkurang, maka batas-batas pengendali menjadi lebig tinggi atau meningkat. Kondisi ini dapat mempengaruhi karakteristik kualitas proses prosuksi yang dimilik perusahaan. Hal inilah yang merupakan kelemahan dalam pegendalian kualitas proses statistic untuk data atribut. Selanjutnnya, formulasi yang digunakan untuk menyelesaikan kasus pengendali kualitas proses statistic untuk data atribut sesuai dengan langka-langkah diatas adalah: Untuk banyaknnya sample Konstan Mengetahui proporsi kesalahan atau cacat pada sample atau sub kelompok untuk setiap kali melakukan observasi: P = X/N Dimana: p = Proporsi kesalahan dalam setiap sample

x = Banyaknnya produk yang salah dalam setiap sample

n = Banyaknnya sample yang diambil dalam inspeksi

Garis pusat (Center Line) peta pengendali proporsi kesalahan ini adalah :

CL = = Dimana :

P= Garis pusat peta pengendali proporsi kesalahan

Pi = Proporsi kesalahan setipa sample atau sub kelompok dalam setiap observasi

n = Banyaknya sample yang diambil setiap kali observasi

g = Banykannya observasi yang dilakukan

Sedangkan Batas Pengendali Atas ( BPA ) dan Batas Pengendali Bawah ( BPB ) untuk peta pengendali proporsi kesalahan (p-chart) tersebut adalah:

CL= P bar

UCL= P bar + 3.Sp

LCL= P bar 3.Sp

S p = atau

S p= Apabila banyaknnya sample atau sub group kelompok yang diambil setiap kali observasi sama, maka dapat digunakan pula peta pengendali banyaknnya kesalahan (np-chart) tersebut adalah :

Oleh karenanya, Batas Pengendali Atas (BPA) dan Batas Pengendali Bawahnya (BPB) menjadi :

UCL Np= Np bar + 3. S Np

LCL Np= Np bar - 3. S Np

S Np

= 2.3.2 Peta Kendali C

Peta kendali p dan np berkaitan dengan istilah unit atau produk yang cacat (defective product). Berbeda dengan peta kendali C dan U. Ukuran jumlah kecacatan terdapat dalam suatu produk juga menentukan kualitas dari produk. Peta kendali C digunakan untuk memantau jumlah cacat yang timbul dari produk yang dihasilkan, bukan jumlah produk yang cacat. Sebagai contoh kita akan mengamati cacat pada pembuatan baju seragam sekolah, cacat didefinisikan dengan jumlah kancing kurang, jahitan lepas san lain-lain. Dalam hal ini peta Kendali C digunakan untuk mengetahui jumlah cacat-cacat tersebut dalam 1 baju seragam. Jadi, jika ada 10 cacat atau hanya 1 cacat, cacat ini didefinisikan sebagai jumlah cacat dalam 1 produk tersebut sebanyak 10 atau hanya 1. Bukan 10 produk baju seragam cacat, untuk peta kendali C satuan yang digunkan selalu sama, misalnnya per satuan unit atau per hari dan lain-lain.Langkah-langkah pembuatan peta Kendali C :

1. Kumpulkan k = banyaknnya subgroup yang akan diinspeksi

2. Hitung jumlah cacat setiap subgroup C

3. Hitung rata-rata jumlah cacat , ini juga merupakan garis pusat (Center Line )

= 4. Hitung Batas Kendali Peta Kendali C :

CL= C bar

UCL= C bar + 3 Sc

LCL= C bar 3 Sc

Sc= 5. Plot data jumlah cacat dari setiap subgroup yang diperiksa.

BAB III PENGOLAHAN DATA3.1 Peta Pengendalian Data Variabel (Peta X-bar dan R)

Dua buah silinder besi dihaluskan untuk mencapai suatu ukuran tertentu untuk dipakai sebagai tiang penyangga. Ukuran awal diameternnya 30,02 mm dihaluskan untuk menghasilkan tiang penyangga jug hanger yang berdiameter setelah dihaluskan yang diukur menggunkan micrometer dari 10 sample dengan pengukurannya sebanyak 5 kali (sample pada tiang penyangga sebelah kiri), berikut Tabel pengukuran pada sample :

NO. SAMPLEDIAMETER 5 KALI PENGUKURAN ( n ) --> mm

12345

124,9828,03 25,01 25,00 26,05

224,9227,02 24,97 21,88 26,05

326,0524,98 24,00 28,03 24,98

423,0225,00 25,01 24,97 27,02

527,0225,01 25,01 26,05 25,00

628,0128,03 28,03 25,01 26,05

728,0324,97 23,95 27,08 22,87

824,9727,02 24,98 24,97 26,05

922,5024,98 27,02 28,03 25,01

1024,9225,01 28,03 25,01 24,97

Dengan demikian untuk pengolahan datanya sbb;

NO. SAMPLEDIAMETER 5 KALI PENGUKURAN ( n ) --> mm PETA X PETA R

12345X X Bar RLCLCL UCLLCLCL UCL

124,9828,03 25,01 25,00 26,05 129,0725,8143,0523,4725,6127,7503,717,85

224,9227,02 24,97 21,88 26,05 124,8424,9685,1423,4725,6127,7503,717,85

326,0524,98 24,00 28,03 24,98 128,0425,6084,0323,4725,6127,7503,717,85

423,0225,00 25,01 24,97 27,02 125,0225,0044,0023,4725,6127,7503,717,85

527,0225,01 25,01 26,05 25,00 128,0925,6182,0223,4725,6127,7503,717,85

628,0128,03 28,03 25,01 26,05 135,1327,0263,0223,4725,6127,7503,717,85

728,0324,97 23,95 27,08 22,87 126,925,385,1623,4725,6127,7503,717,85

824,9727,02 24,98 24,97 26,05 127,9925,5982,0523,4725,6127,7503,717,85

922,5024,98 27,02 28,03 25,01 127,5425,5085,5323,4725,6127,7503,717,85

1024,9225,01 28,03 25,01 24,97 127,9425,5883,1123,4725,6127,7503,717,85

JUMLAH 1280,56256,1137,11

Pengujian Data

1. X bar = 2. Observasi dilakukan selama 5 kali sehingga ,

A2 = 0,577

D3 = 0

D4= 2,114

D2= 2,326

Rbar ( ) = = 3,711S = = Sehingga untuk grafik Peta Xbar dan R sbb ;

3.2 Peta Pengendalian Data Atribut (Peta P)

OBSERVASI UKURAN SAMPLE BANYAKNNYA PRODUK CACAT P ( Proporsi Cacat )LCLCL UCL

1100100,10,0240,1220,220

2100110,110,0240,1220,220

310090,090,0240,1220,220

4100160,160,0240,1220,220

5100150,150,0240,1220,220

6100140,140,0240,1220,220

7100130,130,0240,1220,220

8100120,120,0240,1220,220

9100100,10,0240,1220,220

10100120,120,0240,1220,220

11100140,140,0240,1220,220

12100160,160,0240,1220,220

13100120,120,0240,1220,220

14100130,130,0240,1220,220

15100140,140,0240,1220,220

1610090,090,0240,1220,220

17100100,10,0240,1220,220

18100130,130,0240,1220,220

19100120,120,0240,1220,220

20100100,10,0240,1220,220

2110090,090,0240,1220,220

22100100,10,0240,1220,220

23100120,120,0240,1220,220

24100140,140,0240,1220,220

25100150,150,0240,1220,220

JUMLAH 25003053,05

Sp = = = 0,0327286

3.3 Peta Pengendalian Data Atribut (Peta NP)

OBSERVASI UKURAN SAMPLE BANYAKNNYA PRODUK CACAT P

(Proporsi Cacat )LCLCL UCL

1100100,12,3812,2022,02

2100110,112,3812,2022,02

310090,092,3812,2022,02

4100160,162,3812,2022,02

5100150,152,3812,2022,02

6100140,142,3812,2022,02

7100130,132,3812,2022,02

8100120,122,3812,2022,02

9100100,12,3812,2022,02

10100120,122,3812,2022,02

11100140,142,3812,2022,02

12100160,162,3812,2022,02

13100120,122,3812,2022,02

14100130,132,3812,2022,02

15100140,142,3812,2022,02

1610090,092,3812,2022,02

17100100,12,3812,2022,02

18100130,132,3812,2022,02

19100120,122,3812,2022,02

20100100,12,3812,2022,02

2110090,092,3812,2022,02

22100100,12,3812,2022,02

23100120,122,3812,2022,02

24100140,142,3812,2022,02

25100150,152,3812,2022,02

JUMLAH 25003053,05

S Np = = = 3,272858078

3.4 Peta Pengendalian Data Atribut (Peta C)

a) Pengumpulan Data

Penelitian dilakukan selama 20 hari untuk menemukan jumlah jenis cacat. Pada penelitian ini didapatkan jenis-jenis cacat rusak, berlubang,kotor, dan sebagainnya. Berikut Tabel jenis cacat yang rusak ;

HARI CACAT ( Reject )LCLCL UCL

120,0002,3506,949

2202,3506,949

3002,3506,949

4102,3506,949

5102,3506,949

6202,3506,949

7402,3506,949

8002,3506,949

9302,3506,949

10202,3506,949

11202,3506,949

12402,3506,949

13502,3506,949

14302,3506,949

15102,3506,949

16102,3506,949

17502,3506,949

18402,3506,949

19302,3506,949

20202,3506,949

JUMLAH 47

S c = = = 1,53297097

BAB IV ANALISA DATA

4.1 Analisa Peta Pengendalian Variabel (Peta X-bar dan R)

Dari hasil pengolahan data pada peta X-bar dan R di atas didapatkan hasil dimana semua variabel pengukuran tidak melewati dari batas control (UCL/LCL). Jadi dapat kita katakan bahwa dari 10 sampel tersebut semua lolos uji kualitas dan perbaikan tidak perlu dilakukan.

4.2 Analisa Peta Pengendalian Attribute (Peta P)

Dari hasil pengolahan data dimana banyak observasi yang dilakukan yaitu sebanyak 25 buah dengan jumlah sampel 100 di setiap observasi, dapat kita lihat bahwa banyak produk cacat dari setiap observasi masih masuk ke dalam batas kendali atas dan batas kendali bawah, sehingga perbaikan tidak perlu dilakukan.

4.3 Analisa Peta Pengendalian Attribute (Peta NP)

Dengan menggunakan data yang sama yaitu observasi dilakukan sebanyak 25 kali dengan jumlah sample 100 pada setiap observasi, didapatkan data dimana masih berada di dalam batas kendali atas dan bawah, sehingga perbaikan tidak perlu dilakukan.

4.4 Analisa Peta Pengendalian Attribute (Peta C)

Dari data penelitian yang dilakukan selama 20 hari, didapatkan data produk cacat tiap harinya, yang kemudian diolah sehingga mengetahui apakah data-data cacat tersebut masih berada dalam batas control.

MODUL 3 PROCCES CAPABILITY

BAB I PENDAHULUAN

1.1 Tujuan Praktikum

Tujuan dari praktimum ini yaitu diharapkan para mahasisiwa mampu menghitung nilai kemampuan suatu proses (Process Capability) baik secara manual maupun menggunakan MINITAB, mampu menilai kemampuan proses dengan kondisi yang ada untuk menghasilkan produk yang sesuai dengan spesifikasi kualitas yang diinginkan, juga dapat mengartikan analisis kemampuan proses sebagai pelajaran menaksir kemampuan proses. Mampu menganalisis kemampuan proses bagian dari keseluruhan program perbaikan kualitas.1.2 Manfaat Praktikum

Manfaat dari praktimkum ini yaitu mahasiswa menjadi paham dalam menghasilkan suatu produk/jasa yang sesuai dengan kebutuhan/syarat dari konsumen atau spesifikasi yang diharapkan, dan mampu memantau/memonitor proses yang sedang berjalan. 1.3 Rumusan Masalah

1. Apakah Procces Capability itu?2. Bagaimana cara mengolah data Proscces Capability?3. Apakah kegunaan dari data Procces Capability itu?1.4 Sistematika Penyusunan Laporan

Bab I: Pendahuluan

1.1 latar belakang

1.2. maksud dan Tujuan

Bab II: Landasan Teori

Mencakup seluruh teori ringkas, serta prisip yang saudara

gunakan untuk membah seluruh pembahasan dari modul yang

akan dibuat laporannya dan berkaitan erat dengan kegiayan

praktikum. Bab III

: Pengumpulan Data Berisikan seluruh bahan yang dikumpulkan saat praktikum Bab IV: Pengolahan danAnalisa data Mencakup seluruh pengolahan data dengan menggunakan

Hitungan manual/menggunakan rumu. Pada bab ini seluruh

praktikum dari awal hingga akhir praktikum ditampilkan

berikut cakupan analisanya. Bab V: Kesimpulan dan SaranMencakup hasil kesimpulan dari keseluruhan praktikum yang telah dilakukan

Lampiran

: Berupa pengolahan data yang menggunakan bantuan software

dilampirkan pada halaman lampiran.

Daftar Pustaka: Mencakup daftar referensi tambahan dari pengmbilan teori

diluar praktikum

BAB II LANDASAN TEORI

Analisis kemampuan proses merupakan suatu tahapan yang harus dilakukan dalam mengadakan pengendalian kualitas proses statistik (statistical process control). Statistical Process Control (SPC) dikenal pada berbagai organisasi sebagai bagian penting dalam Total Quality Management (TQM). Lebih dari itu, SPC merupakan cara berpikir mengenai perubahan pada proses yang sangat penting dalam perbaikan kualitas produk atau jasa yang tidak pernah berakhir. Yang terpenting dalam menerapkan SPC adalah memahami dan mengidentifikasi karakteristik produk yang paling penting bagi pelanggan, atau variabel-variabel proses yang mempunyai pengaruh paling kuat dalam variasi proses (Rungasamy et al.,2002).Situasi yang menjadi bahan pertimbangan adalah proses produksi berada dalam batas pengendalian {in control) tetapi produk yang dihasilkan tidak memenuhi spesifikasi atau proses produksi berada di luar batas pengendalian (out of control) tetapi produk yang dihasilkan justru memenuhi spesifikasi.Analisis kemampuan proses mendefinisikan kemampuan proses memenuhi spesifikasi atau mengukur kinerja proses. Analisis kemampuan proses juga merupakan prosedur yang digunakan untuk memprediksi kinerja jangka panjang yang berada dalam batas pengendali statistik.Sementara itu, dalam analisis kemampuan proses ada dua asumsi penting yang digunakan dalam membentuk analisis kemampuan proses dengan data kontinyu, yairu proses berada dalam batas pengendali statistik dan distribusi proses adalah distribusi normal (Bower 1997). Hal ini disebabkan apabila proses tidak berada dalam batas pengendali statistik, proses tidak dapat diperkirakan kemempuannya dari sudut pandang pelanggan. Selain itu, kemampuan proses juga diartikan sebagai variabilitas proses yang bukan disebabkan oleh sebab khusus (special cause atau assignable cause), tetapi karena sebab umum (common cause) (systma. 1997).Manfaat mempelajari analisis kemampuan proses antara lain: Dapat menciptakan output yang seragam Kualitas dapat dipertahankan atau bahkan ditingkatkan Membantu dalam membuat perancangan produk maupun proses Membantu dalam pemilihan pemasok yang memenuhi persyaratan Mengurangi biaya mutu total dengan memperkecil biaya kegagalan internal dan ekstemal Memperkirakan seberapa baik proses akan memenuhi toleransi Mengurangi variabilitas dalam proses produksi Membantu dalam pembentukan interval untuk pengendalian interval antara pengambilan sampel Merencanakan urutan proses produksi apabila ada pengaruh interaktif proses pada toleransi Menetapkan persyaratan penampilan bagi alat baru2.1 Cara membuat analisis kemampuan proses

Berikut cara membuat analisis kemampuan proses antara lain :1. Rasio kemampuan proses atau Indeks Kemampuan Proses. (Process Capability Ratio atau Capability Process Index / Cp).Apabila proses berada dalam batas pengendali statistik dengan peta pengendali proses statistik "normal" dan rata-rata proses terpusat pada target, maka rasio kemampuan proses atau indeks kemampuan proses dapat dihitung dengan:

Di mana:

USL= Upper specification limit-batas spesifikasi atas

LSL= Lower specification limit - batas spesifikasi bawah6s= enam simpangan bakuJika didapatkan hasil:

Cp > 1 proses masih baik {capable)

Cp < 1 proses tidak baik (not capable)

Cp = 1 proses = spesifikasi konsumen2. Index Kemampuan Proses Atas dan Kemampuan Proses Bawah {Upper and Lower Capability Index).3. Indeks Kemampuan proses CPKIndeks Kemampuan Proses di atas mengukur kemampuan potensial, dengan tidak memperhatikan kondisi rata-rata proses.Nilai Cpk mewakili kemampuan sesungguhnya dari suatu proses dengan parameter nilai tertentuIndeksBanyaknya produk yang berada

Kemampuandiluar kedua sisi batas-batas

proses (Cp)Spesifikasi

0,513,36%

0,674,55%

1,000,3%

1,3364ppm

1,631 ppm

2,000

2.2 Langkah-langkah menghitung process capability

Berikut langkah-langkah dalam menghitung proses capability :

1. Tentukan Upper dan Lower Specification Limit (USL dan LSL) dataBesar nilai USL dan LSL ditentukan sendiri oleh manajemen atau desainer demi menjaga kepentingan kualitas produksi barang atau jasa, biasanya ditentukan berdasarkan riset kebutuhan pada konsumen.

2. Hitung taksiran simpangan bakudari data

3. Hitung Process Capability atauKemampuan Proses

atau

Dimana :USL = Upper Specification limit = batas spesifikasi atas.

LSL = Lower Specification limit = batas spesifikasi bawah.

6s = enam simpangan baku.

Jika didapatkan hasil :Cp > 1 proses masih baik (capable)

CP < 1 proses tidak baik (not capable)

Cp = 1 proses = spesifikasi konsumen

Jadi :

Bila Cpk 1 Proses disebut baik (capable)Bila Cpk 1 Proses kurang baik (not capable)BAB III PENGOLAHAN DATA

Gunakan data perhitungan yang telah di buat pada P2, dengan soal peta X dan R. Dari acuan data tersebut sampel yang diambil sebanyak 10 dengan pengukuran dilakukan sebanyak 5 kali. Ditetapkan nilai spesifikasinya sebesar 29+1 mm. Maka hitunglah berapa besar CPK apakah baik atau tidak dan berapa besar banyaknya produk yang berada diluar kedua sisi batas spesifikasi, acuan menggunakan Tabel 1 diatas.. (hitung juga hasilnya dengan menggunakan minitab)

1. Data diameter 5 kali pengukuranNO. SAMPLEDIAMETER 5 KALI PENGUKURAN ( n ) --> mm