TI 3221 PENGENDALIAN KUALITAS STATISTIK

TOPIK 10

ANALISIS KAPABILITAS PROSES

LD, Semester II 2003/04

Hlm. 1

TI 3221 PENGENDALIAN KUALITAS STATISTIK

1. PENDAHULUAN
Deskripsi :
Merupakan ukuran keseragaman proses dalam menghasilkan produk dengan
karakteristik kualitas tertentu;
Mereprensentasikan kinerja proses dalam kondisi statistical control;
Ditentukan oleh variabilitas random proses;

Persyaratan Estimasi :
Proses dalam konsisi statistical control: variasi hanya disebabkan oleh faktor random.

LD, Semester II 2003/04

Hlm. 2

TI 3221 PENGENDALIAN KUALITAS STATISTIK

Analisis Kapabilitas Proses (AKP) :

Prosedur untuk mengestimasi kapabilitas proses;
Manfaat AKP:
1. Menciptakan keseragaman produk;
2. Menjaga atau meningkatkan kualitas produk;
3. Memfasilitasi desain produk dan proses;
4. Membantu pemilihan dan pengendalian vendor;
5. Mereduksi ongkos total dengan menurunkan external & internal failure costs.
Natural Tolerance Limits (NTL) :
= process capability limits;
Ditentukan atau dupengaruhi oleh proses itu sendiri;
Merepresentasikan variabilitas yang melekat pada karakteristik kualitas dari item
output individual dari proses dalam kondisi statistical control;
Diestimasikan berdasarkan nilai populasi atau sampel yang representatif dengan ukuran
besar.

Upper : UNTL = + 3
Lower : LNTL = 3

Produk yang berada dalam

batas UNTL & LNTL = 99,74%

LD, Semester II 2003/04

Hlm. 3

TI 3221 PENGENDALIAN KUALITAS STATISTIK

2. HUBUNGAN SPESIFIKASI & KAPABILITAS PROSES

Kasus 1: Rentang Proses (6) < Rentang Spesifikasi (USL LSL)
Pp =

USL LSL
>1
6

Kondisi yang mungkin terjadi:

(a)

(a) Rata-2 & DS proses pada nilai

nominal;

(b)

(b) Rata-2 proses bergeser ke 1,

tetapi masih dalam rentang
spesifikasi;
(c) DS proses bergeser ke 1, tetapi
masih dalam rentang spesifikasi.

LSL

(c)

USL

Kasus 2: Rentang Proses (6) = Rentang Spesifikasi (USL LSL)

Pp =

USL LSL
=1
6

Kondisi yang mungkin terjadi :

(a) Rata-2 & DS proses =
rata-2 & DS target;
(b) Rata-2 & DS proses
rata-2 & DS target.

LD, Semester II 2003/04

Hlm. 4

TI 3221 PENGENDALIAN KUALITAS STATISTIK

Kasus 3: Rentang Proses (6) > Rentang Spesifikasi (USL LSL)

Pp =

USL LSL
<1
6

Kondisi yang mungkin terjadi:

Terjadi produk dengan
karakteristik kualitas yang
tidak memenuhi spesifikasi.

Pendekatan penanganannya:
Pertimbangkan kemungkinan memperlebar rentang spesifikasi (pertimbangkan
tuntutan konsumen yang riel);
Pertimbangkan kemungkinan mereduksi variabilitas proses melalui:
Proses baru;
Penggunaan material yang lebih baik;
Penggunaan operator yang lebih terlatih.
Menggeser rata-rata proses untuk menyeimbangkan biaya sekrap dan kerja ulang
(catatan: umumnya biaya sekrap > biaya kerja ulang).
Perketat inspeksi untuk mencegah diterimanya produk cacat (tidak memenuhi
spesifikasi) oleh konsumen (solusi ini tidak disarankan untuk jangka panjang, karena
tidak menyelesaikan akar permasalahan).
LD, Semester II 2003/04

Hlm. 5

TI 3221 PENGENDALIAN KUALITAS STATISTIK

3. RASIO KAPABILITAS PROSES

Indeks Kapabilitas Proses (Cp) :
Ukuran potensi proses dalam memenuhi spesikasi: perbandingan rentang spesifikasi &
rentang proses.
USL LSL
6
USL LSL

Estimasi IKP
: Cp =
di mana = R / d 2

6
Persentase penggunaan rentang spesifikasi oleh proses : P = 1 Cp 100%
Indeks Kapabilitas Proses :

Cp =

Indeks Kapabilitas Proses untuk offoff-center process (Cpk) :

Ukuran potensi proses dalam memenuhi spesifikasi untuk off-center process.
Cp = Min {CPU ; CPL}
k

LSL
USL

; CPL =
Cp = CPU =

k
3
3

Preferensi:
PROSES
Existing process
New process
Safety, strength, or citical parameter existing process
Safety, strength, or citical parameter existing process

SPEK 2 SISI
1,33*
1,50
1,50
1,67

SPEK 1 SISI
1,25
1,45
1,45
1,60

Catatan: * untuk mendapatkan maks. 0,007% item cacat. Cpk1,67 : untuk mendapatkan 1/10 (USL-LSL)
LD, Semester II 2003/04

Hlm. 6

TI 3221 PENGENDALIAN KUALITAS STATISTIK

Hubungan Cp dan Cpk :

LD, Semester II 2003/04

Hlm. 7

TI 3221 PENGENDALIAN KUALITAS STATISTIK

4. PROSEDUR ANALISIS KAPABILITAS PROSES

a. Dengan observasi tunggal
Estimasi rata-rata & variabilitas proses.

i =1 X i
n

=X=

=s=

n
i =1

(X

n 1

i =1 X i 2 (i =1 X i ) /n
n

n 1

Cek distribusi frekuensi karakterisktik kualitas untuk mengetahui perilaku dari

karakterisktik kualitas.
Hitung Indeks Kapabilitas Proses sesuai dengan perilaku karakteristik kualitas.
Analisis kondisi kapabilitas proses, ambil tindakan yang diperlukan.
b. Dengan informasi peta kendali
Estimasi rata-rata & variabilitas proses.

i =1 X i
k

=X=

k
= R/d 2 atau
= s /c 4

Hitung Indeks Kapabilitas Proses.

Analisis kondisi kapabilitas proses, ambil tindakan yang diperlukan.
LD, Semester II 2003/04

Hlm. 8

TI 3221 PENGENDALIAN KUALITAS STATISTIK

Contoh :
Data hasil observasi diameter dalam pipa (mm):
49,94
49,98
49,92
50,02
50,09
50,09
50,00
50,00
49,95
50,03
50,02
49,92
49,95
49,94
49,96
49,97
50,01
50,00
49,93
50,02

Histogram data observasi :

25
20
15
10
5

50,10

50,08

50,06

50,04

50,02

50,00

49,98

49,96

0
49,94

50,00
50,01
50,00
50,10
50,00
50,02
49,99
50,02
49,99
49,92
50,00
50,03
50,01
49,97
50,08
49,96
50,01
50,05
49,99
49,99

49,92

50,02
50,03
50,01
50,02
50,00
49,97
49,96
50,04
49,99
50,08
49,98
50,00
49,98
49,95
50,03
49,97
50,03
49,99
50,02
49,95

49,90

50,03
49,99
50,01
49,97
50,01
50,05
49,99
50,00
49,93
49,93
49,96
49,94
49,90
50,01
49,98
50,00
50,04
49,98
50,00
50,06

Frekuensi

50,041
49,96
50,01
49,95
50,00
50,02
50,01
50,02
50,06
49,96
50,01
50,04
49,97
50,00
49,97
49,98
50,03
49,98
50,07
49,99

V ariabel Random (X )

Perlu ditambah: uji distribusi normal

Spesifikasi yang ditetapkan: 500,5 mm

LD, Semester II 2003/04

Hlm. 9

TI 3221 PENGENDALIAN KUALITAS STATISTIK

Perhitungan :

RATA - RATA :

i =1 X i = 4.999 ,75 ;
100

X = 4.999 ,75 / 100 = 49 ,998

DEVIASI STANDAR :

i =1 X i 2 =249.975 ,16 ; (i =1 X 1 )
100

100

= 24.997 .500 ,06

i =1 X i 2 (i =1 X 1 )
100

100

/n
249.975 ,16 24 .997 .500 ,06 / 100
=
= 0 ,0402
n 1
100 1
BATAS - 2 KAPABILITAS PROSES :
s=

X 3 s = 49 ,998 3 ( 0 ,040 ) = 49 ,958 0 ,120 = ( 49 ,878 ; 50 ,118 )

INDEKS KAPABILITAS PROSES :
USL LSL 50 ,5 49 ,5
Cp =
=
= 4 ,167
6s
6 ( 0 ,040 )
INDEKS KAPABILITAS PROSES SATU SISI :
USL X
50 ,5 49 ,998 49 ,998 49 ,5
X LSL
C pk = Max
,
,
= Max

3s
3( 0 ,040 )
3s
3( 0 ,040 )
0 ,5025 0 ,4975 0 ,4975
C pk = Max
,
= 4 ,150
=
0 ,120 0 ,120
0 ,120
LD, Semester II 2003/04

Hlm. 10

TI 3221 PENGENDALIAN KUALITAS STATISTIK

5. PENETAPAN BATAS TOLERANSI RAKITAN & KOMPONEN

a. Toleransi Rakitan
Contoh 1 : Rakitan dengan 4 komponen
A

X1

X2

X3

X4

Y = X1 + X 2 + X3 + X4
Dimensi rakitan dlm kombinasi linear :
Y = a1 X 1 + a2 X 2 + ..... + ak X k
Y = i = 1 ai X i
k

Y = i = 1 ai i
k

Y = 1 + 2 + 3 + 4

dimana :
i = rata 2 var . X i & ai = kons tan ta

Variansi :
Var(Y) = Y2
Var(Y) = Var(X 1 ) + Var(X 2 ) + Var(X 3 ) + Var(X 4 )
Var(Y) = 12 + 22 + 32 + 42
Y = i = 1 ai X i
k

Y = i = 1 ai i
k

LD, Semester II 2003/04

Hlm. 11

TI 3221 PENGENDALIAN KUALITAS STATISTIK

Contoh numerik 1 :
Suatu rakitan dengan 4 komponen masing-masing dengan panjang rata-rata & toleransi
sebagai berikut.
KOMPONEN

PANJANG RATA-2 (CM)

TOLERANSI (CM)

2
5
6
7

2 0,3

B
C
D

5 0,2
6 0,2
7 0,1

a. Jika diasumsikan bahwa dimensi komponen berdistribusi normal, tentukan batas

toleransi natural untuk panjang rakitan tersebut.
b. Jika ditetapkan spesifikasi desain panjang rakitan adalah 200,3cm, berapa proporsi
rakitan yang tidak memenuhi spesifikasi tersebut?
BATAS TOLERANSI (CM)
BAWAH
ATAS

KOM.

PANJANG
RATA-2 (CM)

TOLERANSI
(CM)

DEVIASI
STANDAR

(1)

(2)

(3)

(4)

(5)

(6)

(7)

2 0,3

1,7

2,3

0,100

0,010

VARIANSI

5 0,2

4,8

5,2

0,067

0,004

6 0,2

5,8

6,2

0,067

0,004

7 0,1

6,9

7,1

0,033

0,001

RAKITAN

20

0,141

0,020

Y = 1 + 2 + 3 + 4
LD, Semester II 2003/04

(6)={(5)-(4)}/6

Y2 = 12 + 22 + 32 + 42
Hlm. 12

TI 3221 PENGENDALIAN KUALITAS STATISTIK

Panjang rakitan :
Y = X1 + X 2 + X3 + X4
Rata rata panjang rakitan :
Y = 1 + 2 + 3 + 4 = 2 + 5 + 6 + 7 = 20cm
Variansi panjang rakitan :
Y2 = 12 + 22 + 32 + 42 = ( 0 ,1 )2 + ( 0 ,067 )2 + ( 0 ,067 )2 + ( 0 ,033 )2 = 0 ,020

Y = 0 ,020 = 0,141 cm
Batas toleransi natural :
Y 3 Y = 20 3( 0 ,141 ) = 20 0 ,423 = (19,477 ; 20,423)
Jika ditetapkan batas spesifikasi (20 0,3)cm, proporsi rakitan yang
tidak memenuhi spesifikasi adalah sbb.
20 ,3 20
= 2 ,13
ZA =
0,0166
0 ,141
0,0166
19 ,7 20
= 2 ,13
ZB =
Y=20
LSL=19,7
USL=20,3
0 ,141
Y=0,141
Proporsi rakitan yang tidak memenuhi spesifikasi adalah :
= P( Z < Z A ) + P( Z > Z B ) = 0 ,0166 + 0 ,0166 = 0 ,0332 = 3,32%
LD, Semester II 2003/04

Hlm. 13

TI 3221 PENGENDALIAN KUALITAS STATISTIK

b. Batas toleransi pada komponen individu

Contoh 1 : Rakitan dengan 4 komponen
A

X1

X2

X3

X4

KOMPONEN

PANJANG RATA-2 (CM)

6
7

Jika spesifikasi untuk panjang rakitan adalah 200,3cm, dan diasumsikan toleransi untuk
setiap komponen sama serta spesifikasi = batas toleransi natural (Cp=1), tentukan
toleransi untuk setiap komponen tersebut.

Y = ( 20 ,3 19 ,7 ) / 6 = 0 ,100cm
Y2 = 12 + 22 + 32 + 42
Karena 2
1

=2
2

=2
3

= 2 , maka
4

Y2 = 4 12 atau 12 = Y2 / 4 =

KOMPONEN

TOLERANSI (CM)

2 3(0,05) = (1,85 ; 2,15)

5 3(0,05) =(4,85 ; 5,15)

6 3(0,05) =(5,85 ; 6,15)

7 3(0,05) =(6,85 ; 7,15)

( 0 ,100 )2
= 0 ,0025
4

1 = 0 ,0025 = 0 ,05
Maka 2 = 3 = 4 = 1 = 0 ,05
LD, Semester II 2003/04

Hlm. 14

TI 3221 PENGENDALIAN KUALITAS STATISTIK

c. Toleransi pada komponen berpasangan

Contoh komponen :
Shaft & bearing;
Pin & sleeve;
Piston & silinder.
Klarifikasi :
1. Clearance fit:
Ukuran lubang bearing sebelum perakitan selalu lebih besar dari diameter
shaft;
Dalam perakitan, selalu ada sela antara shaft & lubang bearing.

LD, Semester II 2003/04

Hlm. 15

TI 3221 PENGENDALIAN KUALITAS STATISTIK

2. Interference fit:
Ukuran lubang dalam bearing
sebelum perakitan lebih
kecil dari diameter luar
shaft; Perakitan shaft dan
bearing dilakukan dengan
paksa.
Batas spesifikasi natural
diameter shaft lebih besar
dari batas spesifikasi natural
diameter bearing.

HOLE

B
XB

SHAFT

S
Xs

3. Transition fit:
Dapat merupakan clearance
fit (S > B) atau
interference fit (S < B).
Rentang toleransi natural
shaft & bearing dapat saling
overlap, tergantung pada
posisi relatif nilai rata-2 &
variabilitas diameter.

LD, Semester II 2003/04

Hlm. 16

TI 3221 PENGENDALIAN KUALITAS STATISTIK

d. Contoh :
Diameter luar shaft = 9,00,10 cm & diameter dalam bearing 9,10,13 cm.
Asumsi:
Untuk setiap komponen: batas-batas toleransi natural = batas spesifikasi (Cp=1).
Komponen diproduksi secara independen, diameter masing-masing berdistribusi normal dengan
rata-rata pada nilai nominal.

Pertanyaan: jika digunakan clearance untuk pasangan bearing & shaft, berapa proporsi
rakitan tersebut tidak dapat diterima.
Jawab:
Jika : X S = luar shaft , X B = diameter dalam bearing , d = X B - X S , maka
d = B S = 9 ,1 9 ,0 = 0 ,1cm

d = B2 + S 2
6 B = 9 ,23 8 ,97 = 0 ,26 S = 0 ,043
6 S = 9 ,1 8 ,9 = 0 ,2 S = 0 ,033
d = ( 0 ,043 )2 + ( 0 ,033 )2 = 0 ,00294 = 0 ,054
Karena bearing & shaft masing - masing berdistribusi normal &
independen satu sama lain, maka d juga berdistribusi normal dengan
d = 0 ,1cm dan d = 0 ,054cm
Karena clearance fit, maka rakitan dinilai cacat jika d < 0.
Proporsi rakitan yang ditolak adalah P(d < 0) :
0 d
0 0 ,1
Z0 =
=
= 1,85
d
0 ,054
Dari tabel Distribusi Normal diperoleh : P(d < 0 ) = 0,0322 (3,22%)
LD, Semester II 2003/04

Hlm. 17

TI 3221 PENGENDALIAN KUALITAS STATISTIK

7. ESTIMASI BATAS TOLERANSI NATURAL PROSES

Dari konstruksi peta kendali diperoleh :

= X dan = R /d 2
Batas toleransi natural mengacu pada Cp (ideal) yang diinginkan.
Misalnya Cp = 1,33, maka :
1,33 =

BSA-BSB
BKA-BKB
1
4243
= 6

BSA-BSB = 1,33 ( 6 ) = 8
Batas toleransi natural : 4

LD, Semester II 2003/04

Hlm. 18

8. ESTIMASI TOLERANSI STATISTIK

TI 3221 PENGENDALIAN KUALITAS STATISTIK

Teoritis :
Untuk karakteristik X yng berdistribusi normal dengan rata-2 dan deviasi standar ,
batas toleransi yang mencakup (1-)100% produk adalah: Z.
Praktek :
dan yang sebenarnya tidak diketahui.
& populasi diestimasi dengan parameter X & s yang tergantung pada ukuran sampel ,
sehingga batas toleransi X Z /2 s tidak selalu mencakup (1 - )100% dari distribusi produk.
Catatan :
X & s variabel random sampel yang berbeda menghasilkan X & s yang berbeda.
X Z / 2 s Z / 2
X Z / 2 s : tidak mencakup (1 - )100% dari distribusi produk.

Solusi :
Batas toleransi X ks , dimana k = konstanta yang tergantung pada ukuran sampel n,
tingkat kepercayaan (level of confidence) & persentase distribusi produk ( 1-100%.
X ks mencakup ( 1-100% dari distribusi produk dengan tingkat kepercayaan .
Batas toleransi statistik 2 sisi :
X ks
Batas toleransi statistik 1 sisi atas :
X + ks
Batas toleransi statistik 1 sisi atas :
X ks
LD, Semester II 2003/04

Hlm. 19

TI 3221 PENGENDALIAN KUALITAS STATISTIK

Catatan : Perbedaan antara interval confidence & batas toleransi statistik

Confidence interval : terkait dengan parameter proses.
95% confidence interval untuk rata-2 proses : jika dibuat sejumlah besar confidence
interval, 95% interval tsb. akan mencakup rata-2 proses.
Batas toleransi statistik : dirancang untuk sedikitnya mencakup proporsi tertentu,
yaitu (1-)100%, dari distribusi produk dengan tingkat probabilitas
Contoh :
Dari sampel n = 20, diperoleh rata-2 & deviasi standar kekuatan tarik dari tali sbb.:
X = 250 g , s = 20 g

Tentukan interval toleransi statistik 2 sisi untuk kekuatan tarik dengan =1% & =0,95.
Jawab:

Dari tabel :
(1 - ) =,99 ; = 0,95 ; n = 20 k = 3,62
Batas toleransi statistik :
250 3,62(20) = 250 72,4 = (177,6 ; 322,4) g

LD, Semester II 2003/04

Hlm. 20

10

TI 3221 PENGENDALIAN KUALITAS STATISTIK

9. BATAS TOLERANSI STATISTIK NON PARAMETRIK

Tidak tergantung pada distribusi;
Ditentukan berdasarkan nilai pengukuran minimum & maksimum;
Masalah pada ukuran sampel (n) untuk menjaga akurasi estimasi.
Penentuan n :

2 Sisi :
2

2- X 1- ,4
n 0 ,5 +

4

X 12- , 4 : titik persentil atas dari distribusi X 2 dengan dof = 4
1 Sisi :
n

ln ( 1- )
ln ( 1 )

Batas toleransi sehingga (1-)100% distribusi berada dalam

rentang toleransi dengan probabilitas

LD, Semester II 2003/04

Hlm. 21

TI 3221 PENGENDALIAN KUALITAS STATISTIK

Bahan selanjutnya :
1. Penetapan toleransi untuk rakitan & komponen.
Topik selanjutnya :
1. Acceptance Sampling
2. Product & process design: reliability, experimental design, taguchi
method.
3. Six Sigma

LD, Semester II 2003/04

Hlm. 22

11