1 Pengantar
Banyak karakeristik kualitas dapat dinyatakan dalam pengukuran numerik.
Misalnya, diameter bantalan dapat diukur dengan mikrometer dan dinyatakan dalam
milimeter. Karakteristik kualitas pengukuran tunggal, seperti dimensi, berat, atau
volume, disebut variabel. Control chart untuk variable telah digunakan secara luas.
Control chart adalah salah satu alat utama yang digunakan dalam analisa dan langkalangka pengendalian DMAIC.
dan
control chart R. Kami juga membahas beberapa pedoman menggunakan grafik ini
dalam praktek.
Contoh 6.1
Proses hard-bake (lihat Bagian 5.3.1) yang digunakan bersama dengan
photolithography di bidang manufaktur semikonduktor. Kita ingin menetapkan
statistic control dari lebar aliran yang menolak proses ini menggunakan
dan
diagram R. 25 sampel, tiap ukuran 5 wafer, telah diambil ketika kita berpikir proses
terkendali. Interval waktu antara sampel atau subkelompok adalah satu jam. Data
pengukuran lebar aliran (dalam x mikron) dari sampel tersebut ditunjukkan pada
Tabel 6.1
TABEL 6.1
Pengukuran lebar aliran (mikron) untuk proses hard-bake
Penyelesaian
Saat membuat
kecuali variabilitas proses memegang kendali, batas-batas ini tidak akan berpengaruh.
Menggunakan data pada Tabel 6.1, kita menemukan bahwa garis tengah untuk grafik
R adalah
25
Ri
R= i=1 = 8.1302 =0.32521
25
25
untuk sampel dari n = 5, kita peroleh dari lampiran table VI bahwa D 3 = 0 dan
D4 = 2.114. oleh karna itu, batas control dari grafik R, menggunakan persamaan (6.5)
LCL =
UCL =
R
D3 = 0.32521(0) = 0
D = 0.32521(2.114) = 0.68749
R
4
xi
x = i=1 =
25
37.6400
=1.5056
25
UCL =
Dan
LCL =
x A R
= 1.5056 (0.577)(0.32521) = 1.31795
2
Grafik
diplot pada grafik ini, tidak ada indikasi kondisi diluar kontrol yang telah diamati.
Oleh karena itu, karena
proses dalam control di level tersebut dan memeriksa batas kontrol untuk digunakan
dalam tahap II, dimana memantau produksi masa depan yang saling terkait.
informasi tentang kinerja atau proses kapabilitas dari proses tersebut. Dari grafik
x , kita dapat mengestimasi rata-rata lebar aliran yang menolak proses hard-bake
sebagai
x =1.5056
2.001.5056
)
0.1398
= (3.61660 )+ 1 ( 3.53648 )
0.00015+10.99980
0.00035
Artinya, sekitar 0,035 persen [350 bagian per juta (ppm)] dari wafer yang
dihasilkan akan berada di luar spesifikasi.
USLLSL
6
6
hasil
estimasi
^p
C
dari
Cp.
Untuk
R
^ =
d2 , sehingga perkiraan
proses
hard-bake,
karena,
R
= ^ =0.1398
, kami menemukan bahwa
d2
^p = 2.001.00 = 1.00 =1.192
C
6(0.1398) 0.8388
Ini berarti bahwa batas toleransi normal dalam proses (tiga sigma di atas dan
di bawah) berada di dalam batas atas dan dibawah batas spesifikasi. Akibatnya, cukup
kecil jumlah wafer yang tidak sesuai akan diproduksi. PCR Cp dapat ditafsirkan
dengan cara lain. Kuantitasnya
P=
1
100
Cp
( )
hanya persentase spesifikasi band yang menggunakan proses up. Untuk proses
hardbake bahwa estimasi dari P adalah
1
1
^
P=
100 =
100 =83.89
^
1.192
Cp
( ) ( )
6.3.2
sampel
x
dan Peta Kendali s relative mudah untuk diterapkan dalam kasus dimana
ukuran sampel adalah variable. Dalam kasus ini, kita dapat menggunakan ukuran
n
dan s . Jika i adalah jumlah observasi
ni x i
x = i=1
m
ni
i=i
Dan
1
2 2
i
[ ]
m
( ni1 ) s
i=1
m
nim
i=1
dihitung dari persamaan (6.27) dan (6.28), tetapi konstanta A3, B3 dan B4 bergantung
pada ukuran sampel yang digunakan dalam setiap sub-kelompok individu.
Contoh 6.4
Data pada Tabel 6.4, yang merupakan modifikasi dari data piston-ring yang
digunakan pada contoh 6.3. perhatikan bahwa variasi ukuran sampel dari n = 3 ke n
= 5. Gunakan prosedur yang dijelaskan pada halaman 255 untuk mengatur
dan
peta kendali s.
Penyelesaian:
Ukuran rata-rata grand dan ukuran rata-rata standar deviasi dihitung dari persamaan
(6.30) dan (6.31) sebagai berikut:
25
ni x i
x = i=1
25
ni
i=1
8362.075
=74.001
113
( ni1 ) s
s =
1
2 2
i
[ ]
25
i=1
25
ni 25
1
2
i=1
0.009324 2
=0.0103
88
Oleh karena itu, garis tengah grafik
tengah s chart adalah
x adalah
adalah
dan peta
n . Jika n
i
tidak sangat berbedah, pendekatan ini dapat diterapkan dalam beberapa situasi; itu
sangat membantu jika grafik digunakan dalam presentasi pada manajemen.karna ratarata ukuran sampel ni bukan bilangan bulat, cara lain sangat membantu menerapkan
batas control pada ukuran sampel.
Estimasi dari
dari masing-masing nilai sampel si. pertama, rata-rata semua nilai dari si yang ni = 5
(nilai yang sering terjadi pada ni). hal ini memberikan
s =
0.1715
=0.0101
17
adalah
s 0.0101
^ = =
=0.01
c 4 0.9400
Dimana nilai dari c4 dapat digunakan untuk ukuran sampel n = 5.