TOPIK 7
Hlm. 1
TIPE DATA
ATRIBUT
VARIABEL
UKURAN SAMPEL
UKURAN SAMPEL
Konstan
Konstan
n 25
12 < n < 25
n 12
n =1
np
X ,
X,s
X ,R
X , MR
Hlm. 2
5. Lakukan sampling & pencatatan data pada lembar data yang sesuai sesuai 6. Menghitung garis tengah & batas kendali awal
UNTUK PETA p : Tanpa p standar (po): n
Garis Tengah : p =
; maka UCL p / LCL p = p 3 g n Di : Jumlah item cacat yang ditemukan pada sampel i
i =1
Di
p( 1 p ) n
p o ( 1 po ) n
8. Implementasikan peta kendali, monitor stabilitas proses melalui melalui peta kendali; Jika terjadi signal tertentu, ambil tindakan yang perlu. perlu. 9. Hitung ulang garis tengah & batas kendali, jika terjadi perubahan perubahan proses secara signifikan.
LD, Semester II 2003/04
JUMP Hlm. 4
Suplemen
Hlm. 5
Tipe Sampel
Simple Random Sample
Setiap item dalam populasi mempunyai peluang yang sama untuk menjadi sampel. Populasi
n
Sampel
Stratified Random Sample 9 Populasi tersegmentasi menjadi lebih dari satu stratum & setiap item dipilih secara random pada setiap stratum; 9 Setiap item dalam populasi mempunyai peluang (walaupun tidak sama) untuk masuk dalam sampel; 9 Digunakan untuk meredukswi ukuran sampel dalam populasi dengan variansi yang besar; 9 Umum digunakan untuk strategi mereduksi resiko, di mana bobot lebih besar diberikan pada sampel dari strata dengan resiko tertinggi;
Stratum A Stratum B Stratum C Stratum D
Stratum A Stratum B Stratum C Stratum D
Populasi
Tipe Sampel
Cluster Sample Digunakan jika untuk mendapatkan sampel dari seluruh segmen populasi tidak mungkin, misalnya karena faktor geografis.
Stratum A Stratum B Stratum C Stratum D
Stratum C Stratum A
Populasi
Cluster Sample
Hlm. 7
Ukuran Sampel
Untuk Data Kontinyu Jika B = batas kesalahan yang dapat diterima, maka
B = Z n= Z
/2 /2
x = Z / 2
2
n
/2 /2
B2
B B
Contoh: Seorang analis ingin mengestimasi rata-rata diameter bor dari hasil pengecoran. Berdasarkan data historis, disetimasikan bahwa deviasi standar diameter bor = 4,2 mm. Jika diinginkan probabilitas rata-rata diameter bor dalam rentang 0,8 mm, tentukan ukuran sampel yang harus digunakan.
n=
/2
2
( 1,96 ) 2 ( 4 ,2 ) 2 = 105 ,88 106 ( 0 ,8 ) 2
Hlm. 8
B2
Ukuran Sampel
Untuk Data Diskrit Jika B = batas kesalahan yang dapat diterima, maka untuk data diskrit (distribusi binomial), B dirumuskan sbb.
B = Z n=
/2
x = Z / 2
p( 1-p) n
Z / 2 2 p( 1-p) B2
Nilai sebenarnya dari p tidak diketahui, diestimasi dari nilai rata-rata p historis. Jika rata-rata p historis tidak diketahui, maka p = 0,5 yang menghasilkan nilai p(1p) maksimum (nilai konservatif).
Contoh: Untuk membuat pipa karet, pertama-tama batangan karet dipotong menjadi ukuran tertentu. Potongan tersebut kemudian dilengkungkan membentuk lingkaran & tepinya dilekatkan dengan tekanan dengan temperatur yang tepat. Keterampilan operator dan parameter proses seperti temperatur, tekanan dan ukuran cetakan mempengaruhi produksi pipa karet yang baik. Jika diinginkan dengan probabilitas 90% proporsi pipa karet yang cacat di antara rentang 4%, berapa sampel yang harus digunakan ? . 2
n=
Z / 2 p( 1-p) B2
Z 0 ,5 = 1,645 maka n =
LD, Semester II 2003/04
Proporsi p) Cacat ( 0,24 0,3 0,16 0,2 0,08 0,14 0,32 0,18 0,28 0,2 0,1 0,12 0,34 0,24 0,44
Proporsi p) Cacat ( 0,16 0,2 0,1 0,26 0,22 0,4 0,36 0,48 0,3 0,18 0,24 0,14 0,26 0,18 0,12
Hlm. 10
Peta kendali p :
TAHAP KONSTRUKSI : Perhitungan-1
Garis Tengah : p =
i =1
Di
30
( 30 )( 50 )
347 = 0 ,2313 ( 30 )( 50 ) p( 1 p ) ( 0 ,2313 )( 0 ,7687 ) = 0 ,2313 + 3 = 0 ,4102 n 50 p( 1 p ) ( 0 ,2313 )( 0 ,7687 ) = 0 ,2313 3 = 0 ,0524 n 50
Material baru Operator baru
0,5 0,45 0,4 Proporsi Cacat (p) 0,35 0,3 0,25 0,2 0,15 0,1 0,05 0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
BKA = 0,4012
GT = 0,2313
BKB = 0,0524
17 18 19 20 21 22 23 24 25 26 27 28 29 30
No Sam pel
LD, Semester II 2003/04 Hlm. 11
Di
30
( 30 )( 50 )
347 = 0 ,2313 ( 30 )( 50 )
p( 1 p ) ( 0 ,2313 )( 0 ,7687 ) = 0 ,2313 + 3 = 0 ,4102 n 50 p( 1 p ) ( 0 ,2313 )( 0 ,7687 ) Batas Kendali Bawah : BKB = p 3 = 0 ,2313 3 = 0 ,0524 n 50 Batas Kendali Atas : BKA = p + 3
Random Material baru
BKA = 2313
0,3
0,5
Operator baru
0,4
Proporsi Cacat
0,2
GT = 0,2313
0,1
0,0
1 2 3 4 5
BKB = 0,0524
6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
No Sam pel
LD, Semester II 2003/04 Hlm. 12
TAHAP IMPLEMENTASI I :
p= 133 = 0 ,1108 ( 24 )( 50 ) ( 0 ,1108 )( 0 ,8892 ) 50 ( 0 ,1108 )( 0 ,8892 ) 50
i 31 32 33 34 35 36 37 38 39 40 41 42 43
Di 9 6 12 5 6 4 6 3 7 6 2 4 3
i 44 45 46 47 48 49 50 51 52 53 54 44 45 Jumlah
Di 6 5 4 8 5 6 7 5 6 3 5 6 5 133
0,18 0,12 0,24 0,1 0,12 0,08 0,12 0,06 0,14 0,12 0,04 0,08 0,06
0,12 0,1 0,08 0,16 0,1 0,12 0,14 0,1 0,12 0,06 0,1 0,12 0,1
0,5
0,4
Pro p o rsi Cacat
BKA = 2313
Material baru
Operator baru
0,3
GT = 0,2313
0,2
0,1
BKB = 0,0524
BKB = 0
0,0
1 2 3 4 5 6 7 8 9 1 0 1 1 1 2 1 3 1 4 1 5 1 6 1 7 1 8 1 9 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54
No Sampel
Hlm. 13
1.
Uji hipotesis perubahan rata - rata proses : H 0 = p1 = p 2 H 1 = p1 > p 2 2. Penentuan kriteria penerimaan (tingkat kepercayaa n & Z ) : = 0 ,05 Z = 1,645 3. Perhitunga n Z 0 : : a. Estimasi p 1 , p 2 & p p1 = p1 = 0 ,2150 ; p 2 = p 2 = 0 ,1108 n1 p1 + n 2 p2 ( 1400 )( 0 ,2150 ) + ( 1200 )( 0 ,1108 ) p= = = 0 ,1669 n1 + n 2 1400 + 1200 p1 p2 Z0 = 1 1 p( 1 p )( ) + n1 n 2 Z0 = 0 ,2150 0 ,1108 ( 0 ,1669 )( 0 ,8331 )( 1 1 ) + 1400 1200 = 7 ,10
4.
Keputusan : Karena Z 0 > Z Tolak H 0 atau Tela h terjadi perubahan rata-rata proses, per lu dilakuk an konstru ksi ulang batas-bata s kendali. Garis Tengah : p = 01108 BKA/BKB = p 3 p( 1 p ) ( 0 ,1108 )( 0 ,8892 ) = 0 ,1108 3 n 50 BKA = 0 ,2440 ; BKB = - 0 ,0224 = 0
Hlm. 14
TAHAP IMPLEMENTASI II :
i 55 56 57 58 59 60 61 62 63 64 65 66 67
Di 8 7 5 6 4 5 2 3 4 7 6 5 5
p
0,16 0,14 0,10 0,12 0,08 0,10 0,04 0,06 0,08 0,14 0,12 0,10 0,10
i 68 69 70 71 72 73 74 75 76 77 78 79 80 81
Di 3 7 9 6 10 4 3 5 8 11 9 7 3 5
p
0,06 0,14 0,18 0,12 0,20 0,08 0,06 0,10 0,16 0,22 0,18 0,14 0,06 0,10
i 82 83 84 85 86 87 88 89 90 91 92 93 94 Jml
Di 2 1 4 5 3 7 6 4 4 6 8 5 6 218
p
0,04 0,02 0,08 0,10 0,06 0,14 0,12 0,08 0,08 0,12 0,16 0,10 0,12
Hlm. 15
{ } { = P{x < 8 ,65 p = 0,10} P{x 3,35 p = 0,10} = P{x 8 p = 0,10} P{x 3 p = 0,10}
8 3
n = 50
i =0
( )
50 i
i =0 8
0 ,1i
0 ,9 50 i
i =0 3
i =0
(i50 ) 0 ,1i 0 ,9 50 i
Hlm. 16
Hlm. 17
Contoh 2: 25 sampel masing-masing berukuran 50 dipilih dari mesin plastic injection molding yang menghasilkan gelas plastik kecil. Jumlah item cacat per sampel dapat dilihat pada tabel berikut. Buat peta kendali yang dapat digunakan untuk memonitor proses dan buat peta OC curve untuk peta kendali tersebut.
i 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
Tgl 6/10 6/10 6/10 6/10 7/10 7/10 7/10 7/10 8/10 8/10 8/10 8/10 9/10 9/10 9/10 9/10 10/10 10/10 10/10 10/10 11/10 11/10 11/10 11/10 11/10
Jam 8 : 30 9 : 30 10 : 00 10 : 20 8 : 40 9 : 50 10 : 10 10 : 50 9 : 10 9 : 40 10 : 40 11 : 20 8 : 20 9 : 10 9 : 50 10 : 20 8 : 40 9 : 30 10 : 10 11 : 30 8 : 20 9 : 10 9 : 50 10 : 20 11 : 30
ni 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50
Di 4 2 5 3 2 1 3 2 5 4 3 5 5 2 3 2 4 10 4 3 2 5 4 3 4 90
pi 0,08 0,04 0,10 0,06 0,04 0,02 0,06 0,04 0,10 0,08 0,06 0,10 0,10 0,04 0,06 0,04 0,08 0,20 0,08 0,06 0,04 0,10 0,08 0,06 0,08
Catatan
Drop in pressure
Hlm. 18
BKA = 0 ,182 BKB = 0 ,038 BKB = 0 Rata rata sampel ke - 18 di luar BKA dengan penyebab non random (penurunan temperatur). Keluarkan nilai rata - rata sampel ke - 18 dari perhitungan parameter batas kendali.
Perhitungan tahap-2:
Hlm. 19
Pembuatan Peta OC :
0,09
0,1
0,15 p
0,2
0,28
0,3
0,4
Hlm. 20
Hlm. 21
I 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
ni 200 180 200 120 300 250 400 180 210 380 190 380 200 210 390 120 190 380 200 180 4.860
Di 14 10 17 8 20 18 25 20 27 30 15 26 10 14 24 15 18 19 11 12 353
pi 0,070 0,056 0,085 0,067 0,067 0,072 0,063 0,111 0,129 0,079 0,079 0,068 0,050 0,067 0,062 0,125 0,095 0,050 0,055 0,067
BKA basis ni 0,128 0,131 0,128 0,144 0,118 0,122 0,112 0,131 0,126 0,113 0,129 0,113 0,128 0,126 0,112 0,144 0,129 0,113 0,128 0,131
BKB basis ni 0,018 0,015 0,018 0,002 0,028 0,023 0,034 0,015 0,019 0,033 0,016 0,033 0,018 0,019 0,033 0,002 0,016 0,033 0,018 0,015
Hlm. 22
GARIS TENGAH: p = 353 / 4860 = 0,0726 BATAS KENDALI: BKA / BKB = p p( 1 p ) ni 0,0726( 1 0,0726 ) ni
Hlm. 23
ni 300 300 300 300 300 300 300 300 300 300 300 300 300 300 300 300 300 300 300 300 6.000
Di 10 12 8 9 6 11 13 10 8 9 6 19 10 7 8 4 11 10 6 7 184
GARIS TENGAH : p = 184 / 20 = 9 ,2 BATAS KENDALI : BKA / BKB = np 3 np( 1 p ) BKA / BKB = 9 ,2 9,2( 1 9,2 / 300 ) BKA = 18,159 BKB = 0 ,241
OUT
Hlm. 24
PETA c
Digunakan untuk monitoring jumlah cacat dalam sampel dengan ukuran konstan. Untuk dimensi sampel yang variabel, peta u digunakan untuk memonitor jumlah cacat per unit dimensi sampel. Basis: distribusi Poisson.
Tanpa standar:
Hlm. 25
PETA c
Untuk mengendalikan kualitas rakitan PCB (printed circuit board), dilakukan inspeksi melalui sampling terhadap cacat rakitan untuk setiap 100 unit PCB. Hasil inspeksi terhadap 25 sampel yang dilakukan secara berturut adalah sebagai berikut. I 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 Cacat (ci) 5 4 7 6 8 5 6 5 16 10 9 7 8 11 9 5 7 6 10 8 9 9 7 5 7 189
Garis Tengah = c = 189/25= 7,56 Batas Kendali : BKA/BKB= c 3 c = 7,56 3 7,56 BKA = 15,809 ; BKB = - 0,689 0
OUT
Hlm. 26
} {
{ } { } = P { x < 15 ,262 c } P { x 0 c } = P { x 15 c } P { x 0 c }
= P x < BKAc c P x BKBc c
LD, Semester II 2003/04
1,0 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0,0 0,5 1 3 5 7 8 10 12 Rata-2 jumlah cacat (c) 14 18 20
Hlm. 27
Hlm. 28
Hlm. 29
D = w1c1 + w2 c2 + w3 c3 + w4 c4 ; w i = bobot cacat berdasarkan kelasnya. Demerit per unit : D w1c1 + w2 c2 + w3 c3 + w4 c4 = , U : kombinasi linier dari variabel random Poisson. U= n n Garis Tengah peta U : U = w1u1 + w2 u 2 + w3u3 + w4 u 4 , u : jumlah rata cacat per unit per kelas cacat. w1 2 u1 + w2 2 u 2 + w3 2 u3 + w4 2 u 4 n Batas Kendali : BKA / BK = U U
U =
LD, Semester II 2003/04
Hlm. 30
Demerit per unit U 9,2 3,8 6,0 7,5 6,2 0,8 7,5 6,1 8,2 5,2 10,3 10,2 0,9 6,8 18,0 5,7 1,1 7,5 5,6 3,8
Hlm. 31
u1 = 9 /( 20 )( 10 ) = 0 ,045 u 2 = 74 /( 20 )( 10 ) = 0 ,37 u 3 = 114 /( 20 )( 10 ) = 0 ,57 U = 50( 0 ,045 ) + 10( 0 ,37 ) + 1( 0 ,57 ) = 6 ,52
U =
( 50 )2 ( 0 ,045 ) + ( 10 )2 ( 0 ,37 ) + ( 1 )2 ( 0 ,57 ) = 3,807 10 BKA / BKB = 6 ,52 3( 3,807 ) BKA = 17 ,941 ; BKB = 4 ,901 0
Hlm. 32
Tipe II Error:
Kesalahan menerima outcome dari proses yang tidak normal (telah terjadi pergeseran ratarata proses); Merupakan RESIKO KONSUME; Untuk data diskrit (peta p) :
BKB
BKA
x
Hlm. 33