PENGENDALIAN KUALITAS

JURUSAN TEKNIK INDUSTRI

UNIVERSITAS GUNADARMA

JAKARTA

REVOLUSI INDUSTRI

Quality :

- performance

- kebanggaan

Quality :

- kepemimpinan

- komitmen

Pionir Penggunaan teknik statistik

Quality :

- objectif ~ performance

- subjectif ~ konsumen

simultan

Quality :

ongkos penolakan

• keuntungan ( jumlah produksi )

• keseragaman kualitas

• sebaran toleransi

• ongkos pemeriksaan

Konsep PDCA

Mengaitkan :

• kepuasan konsumen

• SQC

• “respect” terhadap SDM ~ skill

RANTAI REAKSI DEMING

Q Biaya :

- pekerjaan diulang

- keterlambatan

- penggunaan mesin

Produktivitas

Pangsa pasar

( Q , Price )

Stay in business

Jobs opportunity

TRILOGI :

• Q planning

• Q control

• Q improvement

Q planning :

• menentukan konsumen

• menentukan kebutuhan konsumen

• mengembangkan produk = f (kebutuhan)

•mengembangkan proses = f ( produk)

Q control :

• evaluasi produk

• membandingkan dengan tujuan

• perbaikan

Q improvement

• infrastruktur

• melihat kemajuan yang dicapai

• motivasi tim

Manajemen kualitas :

• uncertainty

• awakening

• enlightment

• wisdom

•certainty

4 filosofi :

• Q ~ kebutuhan

• Q ~ pencegahan

• “zero defect”

• pengukuran kualitas ketidaksamaan

kebutuhan

Tujuan industri ~ persaingan

• produk/jasa berkualitas

• economical cost (desain, produksi, market)

• kebutuhan konsumen berubah

Sistem efektif untuk integrasi usaha

Q development, Q maintenance dan

Q improvement

Memasukkan “pendekatan sistem” dalam kajian kualitas ~ KESATUAN ANTAR BAGIAN

Mengubah “image” produk Jepang

( murah dan cepat rusak)

• Orang Jepang :

- pekerja keras

- tidak cepat putus asa

- saling menolong

- rasa kebangsaan tinggi

• faktor pembeda dengan QC barat :

- partisipasi seluruh anggota

- pendidikan dan latihan aktif

- QC circle aktif dan QC audit

- penggunaan SQC

- diterima secara nasional

Memasukkan faktor engineering untuk menurunkan gangguan proses sehingga dapat meningkatkan keuntungan

“ zero defect”

action Check and feedback

defectscause

Error, check, action

PENGGUNAAN 7 OLD TOOLS :

(KAORU ISHIKAWA)

•check sheet,

•histogram,

•cause - effect diagram,

•scaterred diagram,

•stratification,

• pareto diagram,

•Control chart

SAMURAI WITH SEVEN PORTABLE WEAPONS

Gusoku (armor)

Hoyo (Hood) Kabuto (Helmet)

Tachi (long sword)

Katana (sword)

Ya (arrow)

Yumi (bow)

77

Fungsi

Menyajikan data yang berhubungan dgn :

• Distribusi proses produksi

• Defective item

• Defective location

• Defective cause

• Check up confirmation

CHECK SHEETCHECK SHEET

CHECK SHEET

Product : Plant :

Usage : Dept. :

Specification : Inspector :

Inspection number :

Lot No. :

Lot Size :

Supplier :

Measurement unit :

Weight (g) Tally Frequency

Total

Date :

1. Guna : menyajikan data secara visual sehingga lebih mudah dilihat oleh pelaksanan

2. Mekanisme :

1. Kumpulkan data pengamatan (N)

data : minimum rumus statistik tentukan

2. Pilih harga maksimum & minimum

a) Susun data dalam baris & kolom

b) Pilih angka max. Tiap baris

c) Pilih angka min. tiap baris

d) Tentukan max & min dari keseluruhan

3. Hitung range ( R ) = max min

4. Tentukan jumlah kelas ( K )

K = f(R) = 1 + 3.3 log R

Atau

K =

atau

K = 10 ~ tentukan

N

HISTOGRAM

5. Tentukan kelas interval ( KI)

KI = R/K

6. Tentukan batas bawah KI terendah

BB = min – KI/2

7. Tentukan BB, batas atas dan setiap nilai kelas

8. Kelompok data setiap kelas = f(data) nyatakan “tally – mark”

9. Hitung f ( frekwensi )

X (minus, 0, plus)

10. Hitung rata-rata & tandar deviasi

KI

K ?

NTmaxmin

Gambarkan histogram dari data berikut ini :

10121011.5121211

13.51717161513.514

10141413121110

9111110.59.510.59

11.514.514.513.514.51213

11181811121514

11131311.5121211

11.51919181211.511

111413.51412.51112

minmaxData

• R = max min = 19 9 (19 – 9 = 10)

• K = = 50/7 7,…. 8 ~ 10

• KI = R/K = 10/7 = 13/7 1.5 ~ 1

• BB = 9 – 1.5/2 = 8.25 ~ 8.5

• BA = 8.25 dst untuk setiap kelas. ~ 9.5

N

50

1……19.518.75 – 20.25

2……1817.25 – 18.75

2……16,515.75 – 17.25

5……1514.25 – 15.75

11……13.512.75 – 14.25

17……1211.25 – 12.75

10IIII IIII10.59.75 – 11.25

2II98.25 – 9.75

TalliesNTBatas Kelas

8.25 20.25

5

11

22 1

17

10

2

X

10

f X

= 12.78 , SD = 2.31

~ Petunjuk hierarki kepentingan persoalan cacat produk

~ Mekanisme1. Buat klasifikasi cacat2. Tentukan absis~ordinat3. Buat diagram % jumlah cacat

~ manfaat• membuat orang mau bekerja sama• dampak perbaikan besar• identifikasi tujuan terpilih

a b c d e

Kumulatif % cacat

DIAGRAM PARETODIAGRAM PARETO

Pareto Diagram

99.9 %9.7 %209

17.2 %1.7 %36Length defectives (Ld)

4.3 %0.4 %9Corner defectives (Cd)

24.9 %2.4 %52Bolt defectives (Bd)

6.2 %0.6 %13Material defectives (Md)

47.4 %4.6 %99Head defective (Hd)

Per cent of Compodition

Per cent DefectiveNumber of DefectivesDefective Item

Date : Jumlah yang diinspeksi N = 2160Catatan produk cacat

Hd Bd Ld Md Cd

Jum

lah

c ac a

t

(jumlah) 200 100 (%)

75

50

25

00

100

~ MANFAAT :• mengarahkan diskusi faktor sebab dominan• petunjuk pengumpulan dan pencatatan data• menunjukkan kemampuan pekerja

Menggambarkan hubungan sebab~akibat

C.E. DIAGRAMC.E. DIAGRAMC.E. DIAGRAMC.E. DIAGRAM

~ GUNA

• menganalisa kondisi aktual perbaikan mutu

efisiensi sumber daya

biaya • eliminasi kondisi ~ cacat / keluhan konsumen

• standarisasi

TAHAPAN

1. Kelompok analisa masalah

2. Anak panah

3. “tulang” penyebab

sebelah kanan masalah mutu

4. Identifikasi

5. evaluasi

CONTOH

“ Sangat sulit mengontrol kualitas pada saat proses berlangsung karena banyak sekali faktor yang mempengaruhi kualitas dan faktor-faktor tersebut saling terkait ”

IDE

Cari hubungan antar faktordengan cara mencari hubungan sebab akibatnya dengan tanda panah sbb :

Yield (y)Yield (y)

Steam pressure (P)

Moisture content (m)

Reaction Liquid temperature (t)

1. Yield (y) dipengaruhi oleh moisture content ‘m’.

2. The content ‘m’ dipengaruhi oleh reaction liquid temp. (t).

3. The temperature ‘t’ dipengaruhi oleh steam pressure ‘P’.

Cara membuat CE DiagramCara membuat CE DiagramStep 1. Tentukan karakteristik

Step 2. Tuliskan pada sebelah kanan. Gambarkan panah

dari arah kiri ke arah kanan.

Step 3. Buatlah daftar semua faktor yang mempengaruhi

karakteristik tersebut ( di lembar kertas lain)

(Brain Storming)

Step 4. Temukan hubungan sebab akibat antar faktor. (relation of perents-children).

Ex. Temp. of solution effects reaction.

Yield (y)Yield (y)

Yield (y)Yield (y)

• Temp. of solution

• Crystalization hours

• Moisture content

Step 5. Tulis faktor utama yang menyebabkan terjadinya karakteristik tersebut. Biasanya per tahapan proses.

Step 6. Pada setiap cabang tulis secara rinci faktor yang mempengaruhi terjadinya karakteristik tersebut.

Yield (y)Yield (y)

Raw material Raw material Raw materialRaw material

Catalyzer Transportation Moisture content

Yield (y)Yield (y)

Raw material Raw material Raw materialRaw material

Catalyzer Transportation Moisture content

Temp.

Steam Pressure

Step 7. Lanjutkan langkah 6 sampai semua sebab terjadinya karakteristik tersebut tergambar pada diagram

Step 8. Lihat kembali dan tambahkan bila perlu faktor lain yang belum ada padadiagram

~ MANFAAT :

• mengarahkan diskusi faktor sebab dominan• petunjuk pengumpulan dan pencatatan data• menunjukkan kemampuan pekerja

SCATTERED DIAGRAM

Melihat hubungan antar faktor

91.273.522

91.473.121

91.372.020

90.972.819

90.573.718

91.472.817

90.774.516

90.574.315

91.572.114

91.073.713

90.374.912

90.874.211

90.873.610

91.272.99

91.671.58

90.674.37

90.673.06

91.073.05

91.372.14

90.873.23

90.873.82

91.172.51

Yield Y (%)Reaction TemperatureNo.

X

X

X

X

X

X

X

Pop

ula

tion in P

ari

s

The Number of Stork’s Nest in Paris

LELUCON : Bagaimana bayi lahir ? Burung bangau yang

membawa bayi

~ MANFAAT :

• mencari penyebab utama faktor kualitas• memisahkan data (kategorisasi) sesuai dengan

kelompok datanya• memudahkan pengambilan keputusan peta kontrol• mempelajari secara menyeluruh masalah yang dihadapi

STRATIFIKASI

Mud stratum

Sand stratum

Stone stratum

Rock

Stratifikasi kategorisasi

Mencari faktor penyebab utama

Ilustrasi :

Contoh : Contoh : analisa produk cacat distratifikasi berdasarkan analisa produk cacat distratifikasi berdasarkan penemuan operatornyapenemuan operatornya..

Defective PercentageDefectives (Pieces)Production (in pieces)Suppliers

20.0 %40200Total

18.4 %1476Yuhi Chemical Co

Statify the defectives by the material suppliers

21.0 %26124Asahi chemical Co.

20.0 %40200Total

12.7 %863Kohmo

19.4 %1262Sato

26.7 %2075Tanaka

Defective PercentageDefectives (Pieces)Production (in pieces)Operators

N=200

~ MANFAAT :• mengendalikan proses• kecenderungan proses• identifikasi kebutuhan konsumen

pH

t

PETA KONTROL

GAFIK KENDALIGAFIK KENDALIGrafik yang dilengkapi garis-garis kendali

~garis kendali atas (UCL)~garis pusat (CL)~garis kendali bawah (LC)

~garis kendali atas (UCL)~garis pusat (CL)~garis kendali bawah (LC)

Grafik kendali X – R Grafik kendali P Grafik kendali X – R Grafik kendali P

GRAFIK KENDALI ~ proses normal / tidak normal

semua titik terkendali tidak ada bentuk ‘khas’

semua titik terkendali tidak ada bentuk ‘khas’ “RUN”

“trend” “periodicity” “hugging of the control line

PENGGUNAAN SEVEN NEW TOOLS:(MIZUNO DAN YOJI AKAO)

- RELATION DIAGRAM- AFFINITY DIAGRAM- SYSTEMATIC DIAGRAM- MATRIX DIAGRAM- MATRIX DATA ANALYSIS- PROCESS DECISION PROGRAM CHART- ARROW DIAGRAM

KONSEP TQC :

• Q first

• consumer orientation

• the next process is your customer

• using facts and data ( statistics)

• respect for humanity

• cross functional management

STATISTICAL PROCESS CONTROL (SPC)

• Control chart (Peta kontrol):

Metoda grafis untuk memonitor aktivitas dari suatu proses yang sedang berlangsung (Disebut juga ‘Peta Kontrol Shewart).

Garis vertikal memuat karakteristik kualitas yang akan dimonitor

Garis horizontal memuat sampel atau ukuran sampel (group) Garis sentral (center line) memuat nilai rata-rata dari

karakteristik Garis batas atas (upper control limit) dan garis batas bawah

(lower control limit) dibuat untuk membuat keputusan:

Rule 1: Suatu Proses diasumsikan keluar dari kontrol jika sebuah titik plot berada diluar batas kontrol atas dan kontrol bawah.

Rule 2: Suatu proses diasumsikan akan keluar dari kontrol jika dari tiga t

titik plot yang berurutan terdapat 2 titik plot berada di luar batas

kontrol 2 (warning limit) pada sisi yang sama.

Rule 3: Suatu proses diasuksikan akan keluar dari kontrol jika dari lima titik plot yang berurutan terdapat empat titik plot yang melewati batas kontrol 1 pada sisi yang sama.

Rule 4: Suatu proses diasumsikan akan keluar dari kontrol jika delapan atau lebih titik plot yang berurutan berada di satu sisi dari center line.

Rule 5: Suatu proses diasumsikan akan keluar dari kontrol jika delapan atau lebih titik plot yang berurutan berada di atas atau di bawah center line.

- Dasar Statistika Dalam Peta Kontrol

* Distribusi Normal

* Populasi, sampel, mean, standar deviasi

X bar = Σ Xi/√n

xbar = /√n

BATAS-BATAS KONTROL

• CL = E (θ bar)• UCL = E (θ bar) + k SD (θ bar)• LCL = E (θ bar) – k SD (θ bar)

Dimana:

- θ merupakan karakter kualitas

- θ bar merupakan estimator θ- SD = standar deviasi

- K = jumlah SD statistik sampel dari center line

PETA KONTROL VARIABELPETA X-Bar dan R-Bar* Digunakan untuk memantau proses yang mempunyai

karakteristik bersifat kontinyu (data variabel) berdasarkan rata-ratanya, dengan asumsi ukuran contoh (n) kecil.

• PETA X bar 3CL = X double barUCL = X double bar + A2 R barLCL = X double bar – A2 R bar

PETA R 3CL = R barUCL = D4. R barLCL = D3. R bar

PETA KONTROL X-Bar dan S

* Digunakan untuk memantau proses yang mempunyai karakteristik bersifat kontinyu (data variabel) berdasarkan rata-ratanya, dengan asumsi ukuran contoh (n) besar.

• PETA X Bar 3CL = X double bar

UCL = X double bar + A3 S bar

LCL = X double bar – A3 S bar

PETA S 3CL = S bar

UCL = B4 S bar

LCL = B3 S bar

PETA KONTROL X bar dan MR* Digunakan untuk memantau proses yang mempunyai

karakteristik bersifat kontinyu (data variabel) berdasarkan rata-ratanya, dengan asumsi ukuran contoh (n) = 1.

• PETA X bar 3CL = X barUCL = X bar + 2,66 MR barLCL = X bar – 2,66 MR bar

• PETA MR 3CL = MR barUCL = D4 MR bar = 3,267 MR barLCL = D3 MR bar = 0

PETA KONTROL ATRIBUT

PETA P 3* Digunakan untuk mengukur proporsi ketidak sesuaian dari

iyem-item dalam kelompok yang sedang diinspeksi, untuk n konstan atau berubah (variable).

CL = P bar

UCL = P bar + 3Sp

LCL = P bar – 3 Sp

Sp = √{P bar (100 – P bar) /n} ATAU

Sp = √ {P bar (1 - P bar} /n}

PETA np 3

* Digunakan untuk mengukur proporsi ketidak sesuaian dari iyem-item dalam kelompok yang sedang diinspeksi, untuk n konstan.

CL = np bar

UCL = np bar + 3Snp

LCL = np bar – 3 Snp

Sp = √ {np bar (1 - P bar)}

PETA c

* Digunakan untuk mengukur cacat terhadap spesifikasi-spesifikasi dari suatu item dengan ukuran contoh (n) yang konstan

CL = c bar

UCL = c bar + 3 Sc

LCL = c bar – 3 Sc

Sc = √c bar

PETA u

* Digunakan untuk mengukur cacat terhadap spesifikasi-spesifikasi dari suatu item dengan ukuran contoh (n) > 1, baik konstan atau berubah (variable).

CL = u bar

UCL = u bar + 3 Su

LCL = u bar – 3 Su

Su = √u bar/n

ACCEPTANCE SAMPLING PLAN

• MANFAAT SAMPLING:

- Meminimasi kerugian, untuk inspeksi yang merusak

- Lebih ekonomis untuk inspeksi dengan biaya tinggi,

waktu yang lama dan sumberdaya yang terbatas

- Dapat mengurangi kesalahan inspeksi oleh inspektor

- Memperkuat motivasi untuk meningkatkan kualitas,

karena setiap anggota lot/batch mungkin ditolak

KELEMAHAN SAMPLING

- Adanya resiko menolak lot-lot yang sebenarnya baik (the producer’s risk) atau menerima lot-lot yang sebenarnya jelek (the consumer’s risk).

- Berkurangnya informasi tentang produk secara keseluruhan.

- Seleksi dan pelaksanaan rencana sampling membutuhkan lebih banyak waktu dan usaha untuk perencanaan dan dokumentasi

TIPE RENCANA SAMPLING

1. SINGLE SAMPLING PLAN

2. DOUBLE SAMPLING PLAN

3. MULTIPLE SAMPLING PLAN

SINGLE SAMPLING PLAN

• Satu sample yang digunakan untuk memutuskan menerima atau menolak lot.

• Terdiri dari parameter n (ukuran sampel) dan c (jumlah item cacat yang menjadi dasar penerimaan)

• Contoh: N = 4000

n = 100

c = 2

• Artinya:

Suatu sampel acak berukuran 100 diambil dari 4.000 populasi. Jika jumlah item cacat kurang dari atau sama dengan 2 maka lot diterima, tetapi kalau lebih dari 2 maka lot ditolak.

DOUBLE SAMPLING PLAN

• Meliputi pembuatan keputusan menerima lot, menolak lot, atau mengambil sampling kedua. Jika hasil sampling pertama dianggap ‘bagus’ maka lot diterima, jika hasil sampling pertama ‘jelek’ maka lot tersebut ditolak, dan jika berada diantara dua kondisi itu maka dilakukan sampling kedua. Kesimpulan double samping plan diambil berdasarkan kombinasi jumlah item cacat pada kedua sampling.

• Parameter yang digunakan: n1 (ukuran sampel perta-ma), n2 (ukuran sampel kedua), c1 (jumlah penerima-an sampel pertama, c2 (jumlah penerimaan sampel ke-dua), r1 ( jumlah penolakan sampel pertama, r2 (jumlah penolakan sampel kedua).

• Contoh:N = 5.000 n1 = 40 n2 = 60c1 = 1 c2 = 5r1 = 4 r2 = 6

Artinya:Pertama dipilih 100 unit sampel dari 5.000 populasi secara acak, jika terdapat ≤ 1 item cacat maka lot diterima, jika terdapat ≥ 4 item cacat maka lot ditolak, jika cacat 2 atau 3 item maka dilakukan sampling kedua, diambil 60 sampel. Jika kombinasi item cacat sampling 1 dan 2 ≤5 maka lot diterima, jika ≥ 6 maka lot ditolak.

MULTIPLE SAMPLING PLAN

• Tiga, empat, lima, atau lebih sampel yang digunakan untuk memutuskan menerima atau menolak lot.

• Biasanya memiliki nilai ni yang sama dan cenderung kecil.

• Jika sampel pertama ‘bagus’ maka lot diterima, jika ‘jelek’ maka ditolak, jika diantarannya maka diambil sampel kedua. Jika kombinasi sampel 1 dan 2 ‘bagus’ maka lot diterima dan jika ‘jelek’ maka ditolak, jika diantaranya diambil sampel ketiga, dan seterusnya.

Contoh:

N = 4.000 n1 = 20 n2 = 20 n3 = 20

c1 = 0 c2 = 1 c3 = 4

r1 = 3 r2 = 4 r3 = 5

Artinya:Pertama dipilih 20 unit sampel dari 4.000 populasi secara acak, jika tidak item cacat maka lot diterima, jika terdapat ≥ 3 item cacat maka lot ditolak, jika cacat 1 atau 2 item maka dilakukan sampling kedua, diambil 20 sampel. Jika kombinasi item cacat sampling 1 dan 2 ≤1 maka lot diterima, jika ≥ 4 maka lot ditolak, jika item cacat 2 atau 3 dilakukan sampling ketiga. Jika kombinasi cacat sampling 1,2,3 ≤ 4 maka lot diterima, jika ≥ 5 maka lot ditolak