Indonesia - Basic Six Sigma Modul (New)
Indonesia - Basic Six Sigma Modul (New)
001-TM-SS0-09-2002
Pendahuluan
7 Tujuan
Memahami konsep dasar Six Sigma Memahami Teknik Pengoperasian Aktifitas Six Sigma
7 Bahasan
Apakah Aktifitas 6 ? Kenapa Kita Sebaiknya Menjalankan 6 ? Bagaimana Menggulirkan 6 ?
Sejarah 6
Start : Motorola
Prosperity :GE
Pada permulaan tahun 1980-an, kehilangan marketnya karena perbedaan kualitas dibandingkan dengan perusahaan Jepang Pada tahun 1981 Motorola menghadapi tantangan tersebut dengan mengevaluasi kualitasnya hingga 5 kali dalam 5 tahun namun tetap saja tidak berhasil. Motorola mengembangkan suatu proses yang konsisten berdasarkan pendekatan statistik. Pada tahun 1987, Motorola berhasil menerapkan 6 sebagai kunci sukses
Motorola has won the prize of Malcolm Baldrige in 1988
Pada tahun 1995 GE menggulirkan 6 di segala aspek bisnisnya guna menghadapi tantangan kualitas world class. GE memperbaharui prosesnya seperti produktivitas, Inventory Return namun improvement tersebut tertunda karena adanya defect diprosesnya. GE berpikir bahwa World Class Quality adalah suatu hal yang menantang. GE akan memfokuskan prosesnya berdasarkan 6 untuk generasi berikutnya
T T
USL USL USL USL
Turunkan Variasi
6 5 4 3 2
11kata kesalahan eja dalam semua buku kata kesalahan eja dalam semua buku yang terdapat pada suatu perpustakaan mini yang terdapat pada suatu perpustakaan mini 1.8 menit keterlambatan per tahun 1.8 menit keterlambatan per tahun
1.5 kesalahan eja per halaman dalam 1.5 kesalahan eja per halaman dalam satu buku satu buku 24 hari keterlambatan per tahun 24 hari keterlambatan per tahun
Proses Design, Manufacturing, dan Service Aplikasi untuk 6 statistic Tools & Proses Mengidentifikasikan faktor penyebab defect Analisa dan Improvement (perbaikan) Melalui penurunan defect ratio akan meningkatkan Yield & Total Kepuasan pelanggan Management Innovation Tool memberikan kontribusi thd Management Output PPM : Parts per Million
Basic Six Sigma
001-TM-SS0-09-2002
Batasan untuk 5
Buah yang berada di tengan pohon Karakterisasi poses dan Optimisasi
Batasan untuk 4
Buah yang tergantung rendah Seven Basic Tools
Batasan untuk 3
Buah yang jatuh Logis dan intuisi
Manufacturing Process
Improvement terhadap masalah yang serius Real Time Monitoring system ( CTQ Control system )
R&D
6
R&D Transaction
Maximizing for sales & SVC Transaction Improvement cycle time dan akurasi
Cost Improvement
Untuk setiap produk atau Proses CTQ Measure, Analyze, Improve, & Control 6 is a rigorous analytical process for solving problem!!!
M A I C
Benchmarking Cause & Effect Diagram Pareto Chart & Stratification DOE Brainstorming Mekanisme Control Control Chart Teknik Percobaan Prosedur
* CTQ(Critical To Quality) : Customers Anda merasa bahwa karakteristik product, service atau proses adalah kritikal. Basic Six Sigma
001-TM-SS0-09-2002
10
Analysis
Improvement
Control
- Dikontrol oleh control chart - Process 4M control
- Analisa kondisi - Improve oleh Saat ini Orang yang Fokus/ berpenga laman Pengalaman/ teknologi
- Define - Optimasi - Analisa - Measurement statistik kondisi - Variasi CTQ - Analisa pengaruh dengan analisis yg disebabkan oleh faktor secara statistik
11
12
13
93
96
97
98
2002
14
Loss Opp. Sales Delivery Delay Brand Image Down Over Storage
Potential(Additional) F-Cost
(Difficult to measure)
15
Perbandingan 6 dengan 3
Perusahaan 3
Menghabiskan 15~25% dari hasil penjualan terhadap failure cost Menghasilkan 66,807 ppm Menyadari bahwa dengan inspeksi dapat menemukan defect Percaya bahwa kualitas tinggi adalah mahal. Tidak ada metode pendekatan yang tepat untuk mengumpulkan dan menganalisa data Benchmarks agar dapat lebih baik dari competitornya. Percaya 99 % cukup bagus Menemukan CTQ secara internal
Perusahaan 6
Menghasilkan 5 % dari hasil penjualan terhadap Failure cost . Menghasilkan 3.4 ppm Menyadari bahwa dengan proses yang capable tidak akan memproduksi produk cacat Paham bahwa menghasilkan produk yang berkualitas adalah murah. Menggunakan tahap Measure, Analyze, Improve, Control . Benchmarks guna mencapai yang terbaik didunia. Percaya 99 % belum cukup bisa diterima Define CTQs externally
16
Traditional Approach
%(Defect Rate) Data diskret (tdk terukur) Kepuasan thd Mfg Proses Spec Outlier Experience + Job Bottom Up Mfg Process
6
(Sigma)
Approach
Data Discrete + Continuous Kepuasan konsumen Variation Improvement Experience + Job + Statistical Ability Top Down Design, Mfg, Sales, SVC
18
Keunggulan 6
Mengejar common goal Kontrol faktor-faktor utama (penting) Aplikasi Statistics dalam semua bisnis. Didukung oleh Statistics Software Analisa data melalui experiment Membuat keputusan berdasarkan data
Innovasi disegala aspek bisnis. Reduksi claim dan rework Solusi yang mudah untuk Permasalahan sulit Statistik menjadi hal yang mudah Membuat hal yang tidak nyata jadi nyata Tidak berdasarkan ide-ide yang salah dan praduga
19
Superiority
20
Bagaimana Menggulirkan 6 ?
x Kunci Sukses 6
Sistem
Butuh Top Down Drive
Butuh kekuatan dari Top Management Kekuatan dari Top Management yang secara periodik mengumumkan kebijakan 6 .
Metodologi
Berawal dari Customers Voice
CTQ berasal dari Customers Voice Perbaiki item yang mempunyai dampak paling besar terlebih dahulu.
Butuh Case study project Sebagai bahasa umum .(CTQ, , Cp, Z ....) Semua tujuan dan target digambarkan sebagai skala Resource Information untuk organisasi dan sistem. Proses Dasar untuk semua proses. Proses Dasar untuk semua proses Penilaian yang berdasar dan Reward System
21
Bagaimana Menggulirkan 6 ?
x Sistem Pengoperasian 6
Chief of executive division
- 6 Driving - 6 Involvement & Commitment
Champion
- Pelaksanaan 6
Su pp Ko or m t itm en
Champion Review
* Champion Review : Pertemuan untuk pengambilan keputusan yang mengontrol perkembangan berdasarkan tahapan project (Pemilihan tema Output review) Basic Six Sigma
001-TM-SS0-09-2002
n ra po en La itm m ko
Project Team
- Pelaksanaan Project - Mencapai tingkat 6 untuk CTQ
22
Bagaimana Menggulirkan 6 ?
x Sistem Pengoperasian 6
Sertifikasi Belt
Belt Master Black Belt Tugas Utama
6 Technical Leader Harus paham Statistik & menyebarkannya
Peran
Syarat-syarat
Dedicated 6 Resource Lebih dari 4 Projects Konsultasi lebih dari Mentor BB/GB 8 Project setahun Seleksi Project Training Full Time Dedicated Eksekusi Project Leader dari Pjt. team Training GB/WB 4 Project Setahun
Black Belt
Green Belt
White Belt
Part time Leader Pjt. Team Memberikan Basic 6 Training Part time Member of Pjt. Team
Telah ditraining Advanced Six Sigma (DMAIC) 2 Projects setahun Telah ditraining Basic Six Sigma (DMAIC)
23
Bahasa 6
x CTQ
Definisi CTQ
Pernyataan Konsumen merupakan CTQ untuk suatu produk, service dan proses Kebanyakan CTQ berasal dari konsumen, namun bisa juga dari resiko, ekonomi, dan Peraturan. Contoh : Spesifikasi Part Waktu Perbaikan
24
Bahasa 6
x DPU/DPMO
DPU DPU
Defects Per Unit : Jumlah Defect per unit Menentukan proses tidak bagus atau kita tidak dapat mengetahui bahwa bahwa proses tersebut mengandung defet. 6 dapat mengatasi hal tersebut. Contoh : Sebuah Laporan claim terdiri dari 10 halaman, 2 halaman diantaranya salah DPU= Defect / Unit = 2 / 1 = 2
DPO DPO
Defects Per Opportunity : Jumlah Defect disesuaikan dengan kesempatan defect per unit Pengembangan dari konsep DPU ditambah dengan variabel opportunity (Kemungkinan) Contoh : Sebuah claim report terdiri dari 10 halaman, 2 halaman diantaranya salah 2 Defect / (1 unit X 10 opportunity) = 0,2 DPO = 0,2
DPMO DPMO
Defect Per Million Opportunities : Nilai dari DPO X 1,000,000, Mengubah DPO menjadi sejuta unit karena dalam 6 biasanya menggunakan PPM (Part Per Million) Contoh : DPMO = 0.2 DPO x 1,000,000 = 200,000
25
Bahasa 6
x Z-Value Definisi nilai Z
Merupakan Standard terhadap nilai normal untuk Variasi Normal Distribusi sehingga memudahkan untuk analisa statistik Z adalah Perbandingan Nilai Perbedaan antara X (USL atau LSL) dan target dibagi dengan standard deviation ( ).
LSL
1
Z= X -T
USL
Dalam suatu proses, Jika Std.Dev menunjuk kan 6 yaitu antara Spec (USL,LSL), hal tersebut disebut 6 level Ini adalah bagian dari Level Ini adalah bagian dari Level Bila nilai ZZadalah 6, ini merupakan 6 Level Bila nilai adalah 6, ini merupakan 6 Level Suatu proses yang bagus mempunyai 3,4 PPM, ini artinya terdapat 3 atau 4 defect per sejuta produk
* Normal distribution : Menunjukkan suatu bentuk distribusi, Sisi kanan dan sisi kiri jaraknya sama dengan axis mean( ) ** Standard normal distribution : Standard Deviasi 0 maka Normal Distribusinya adalah 1 *** USL : Upper Spec Limit / LSL : Lower Spec Limit Basic Six Sigma
001-TM-SS0-09-2002
26
Bahasa 6
x Indeks Process Capability Apa yang dimaksud dengan Kapabitas Proses
Adalah suatu kemampuan proses yang merefleksikan derajat keseragaman dalam memproduksi suatu produk.
Proses akan stabil bila derajad pengukuran sesuai dengan limit. Penghitungan Cp, Cpk dapat mengetahui pergeseran Mean dan apakah variasinya bagus atau tidak Penghitungan Cpk berdasarkan pergeseran mean Nilai K adalah perbedaan Target (T) dari mean.
-6 -3 1 process variation design tolerance +3 +6
Cp =
Cpk = Cp(1-K)
| T- |
(Upper limit-Lower limit)/2
27
Bahasa 6
x Rolled Throughput Yield
= rasio kemungkinan Output yang dihasilkan dari seluruh proses
Object
Meningkatkan Produktivitas melalui quality improvement Defect di seluruh proses, Equipment Model Change Loss
Apply
Tool
Final Inspection : 97% Process defect ratio Control
6
1orang 1 Project, Team activity
Method
Loss by un-control
Final Good
28
MINITAB
7 Tujuan
Paham dalam menjalankan Program Minitab
7 Bahasan
x Pengenalan Minitab x Komponen Minitab x Worksheet x Menu File x Menu Edit x Menu Manip x Menu Calc
Basic Six Sigma
001-TM-SS0-09-2002
29
Pengenalan Minitab
Apa yang dimaksud dengan Minitab x Minitab adalah software statistik yang digunakan untuk menganalisa data lalu menggambarkannya dalam bentuk grafik. Membukan program Minitab x Double click Minitab icon ( )
exit (keluar) dari program Minitab x File>Exit x Klik exit icon ( x ) Pada program window x Klik Minitab icon ( ) Pada program window
30
Komponen Minitab
(Toolbar) (Menu-bar) (Session Window) (History Window)
(Graph window)
Basic Six Sigma
001-TM-SS0-09-2002
(Shortcut menus)
31
Klasifikasi
Project
x Seluruh unit yang tersusun dari seluruh komponen pada program Minitab
32
Klasifikasi
Worksheet x Merupakan suatu unit yang terdiri dari hanya data window pada program Minitab Membuat Worksheet baru x File > New... > Minitab Worksheet Membuka (open) Project x File > Open Worksheet dan pilih nama file (*.mtw) Menyimpan (save) Worksheet x File > Save Current Worksheet x File > Save Current Worksheet Asdan nama file anda(*.mtw)
Basic Six Sigma
001-TM-SS0-09-2002
33
Worksheet
(Masukkan nama kolom) (Nomor kolom) (Masukkan Data)
(Nomor Kolom)
34
Worksheet
35
Menu File
36
Menu Edit
Guna mengeksekusi Minitab file makro atau analisa lain dengan data
37
Menu Manip...
38
Menu Manip...
Menunjukkan kategori
39
40
Menu Manip...
41
42
Menu Calc
Cek Operasi Melalui data ini
43
Menu Calc
Hasil
44
Menu Calc
Masukkan jumlah replikasi dari tiap nilai Masukkan jumlah replikasi dari seluruh pola data Masukkan nilai awal dari pola data Masukkan nilai akhir dari pola data Masukkan langkahnya (step)
45
Menu Calc
Hasil
46
47
Statistika Dasar
7 Tujuan
Memahami konsep statistika dasar & penggunaan MINITAB
7 Bahasan
Mengapa menggunakan statistika ? Data Statistika Deskriptif Statistical Inference
48
x Tujuan penggunaan Statistika adalah untuk memprediksi & mencegah, bukan sekedar inspeksi & deteksi x Statistika adalah ilmu yg membahas tentang pengumpulan, penyusunan, analisa, interpretasi & penyajian DATA x STATISTIKA DESCRIPTIF - memberikan informasi tentang kinerja dari sebuah proses x STATISTIKA INFERENSIAL - Memberikan informasi tentang prediksi tentang kinerja sebuah proses (Peluang)
49
x Untuk mengumpulkan fakta-fakta tentang suatu masalah atau kesempatan yang dapat dikuantifikasi x Untuk menyampaikan fakta-fakta ini dalam bahasa yang sama x Untuk menetapkan informasi mendasar tentang sebuah proses x Untuk mengukur jumlah dan arah perubahan-perubahan yang terjadi x Untuk membandingkan gambaran proses sebelumnya dan sesudahnya x Untuk memfasilitasi analisa keuntungan (Cost Benefit Analysis) dari solusi yang diusulkan x Untuk mengkuantifikasi dampak dari sebuah solusi
50
Pengumpulan Data
Apakah data-data dalam proses yang ada sekarang sudah tersedia ? Apakah data-data yang ada sekarang sudah cukup menggambarkan proses yang bersangkutan ? Sudahkah kita menetapkan kategori data apa yang diperlukan untuk dikumpulkan ?
x Defects x Waktu x Biaya (Cost) x Efisiensi x Kinerja (Performance)
51
Jenis Data
Berdasarkan jenisnya, data dapat dibagi menjadi : DATA KUALITATIF (Atribut)
yaitu data yang berbentuk kategori atau kualitas (tidak berbentuk bilangan). Contoh : Bagus, Manis, Pahit, Cantik, Tinggi, Setuju, dll
Berdasarkan cara memperoleh datanya, data kuantitatif (Variabel) dapat dibagi menjadi :
Data Diskrit Contoh : (Discrete Data) yaitu data yang diperoleh berdasarkan hasil penghitungan atau penjumlahan terhadap objek yang dipelajari. 200 orang, 369 CTV, 500 mobil, dll (Yang ditanyakan Berapa Banyak ?)
Data Kontinyu (Continous Data) yaitu data yang diperoleh berdasarakan hasil pengukuran terhadap objek yang dipelajari. Contoh : 250 milimeter, 35 derajat celcius, 20 DB, 58 kg, dll (Yang ditanyakan Berapa Ukurannya ?)
Basic Six Sigma
001-TM-SS0-09-2002
52
Jenis Data
JENIS DATA
DATA KUANTITATIF (Berupa Bilangan) DATA DISKRIT (Hasil Penjumlahan) DATA KONTINYU (Hasil Pengukuran)
53
Jenis-jenis Distribusi
Histogram bisa bermanfaat untuk menjelaskan distribusi data.
Distribusi Miring
k Leta
Penyebaran
55
Kesimpulan Data
UKURAN LETAK
Rata-rata (Mean)
Jumlah semua data dibagi banyaknya data Sangat dipengaruhi oleh nilai-nilai yang ekstrim
UKURAN PENYEBARAN
Rentang (Range)
Nilai Terbesar - Nilai Terkecil
Median
Nilai tengah dari sederetan data yang sudah terurut dari nilai terkecil hingga terbesar (diranking) Tidak dipengaruhi oleh nilai-nilai yang ekstrim Jika banyaknya data adalah ganjil, median sama dengan nilai data yang berada di tengah-tengah Jika banyaknya data adalah genap, median sama dengan rata-rata 2 nilai yang berada paling tengah
Varians (Variance)
Rata-rata kuadrat dari deviasi setiap nilai dari nilai rata-ratanya
Modus (Mode)
Nilai yang paling banyak atau paling sering muncul
56
Perhitungan
Rata-rata Median
i n
x (x x= =
i =1
+ x2 + + xn ) n
GANJIL
Banyaknya Data
GENAP
Median =
Jumlah 2 Nilai Paling Tengah 2
Varians
S =
2
( x x)
i =1
n 1
( x1 x ) 2 + ( x2 x ) 2 + + ( xn x ) 2 =
n 1
S = S2
57
Latihan
Hitung nilai-nilai berikut ini berdasarkan data di samping ! Rata-rata = 106,63 Median = 84 Rentang (Range) = Varians = s2 = Simpangan Baku (Standard Deviation) = s =
Data
107 169 131 84 81 67 81 122 52 233 46
58
Perhitungan
Data:S_Diameter
59
Perhitungan
Descriptive Statistics Descriptive Statistics Variable Variable Diameter Diameter Variable Variable Diameter Diameter N N 50 50 Mean Median TrMean Mean Median TrMean 30.491 30.287 30.465 30.491 30.287 30.465 StDev SE Mean StDev SE Mean 0.771 0.109 0.771 0.109
Minimum Maximum Q1 Q3 Minimum Maximum Q1 Q3 29.199 32.253 29.869 31.170 29.199 32.253 29.869 31.170
Keterangan :
Variable N Mean Median StDev = Data yang sedang diproses = Banyaknya data = Rata-rata = Nilai Tengah data = Standard Deviation = Simpangan Baku
60
61
Sampel
(x dan S)
( & )
Populasi
62
Estimasi Titik Estimasi Estimasi Uji Hipotesis Uji Hipotesis x Nilai Inferensial
STATISTIK, yaitu sebuah nilai yang diperoleh dari sebuah sampel ( x , S , , dll)
Estimasi Interval
x Target inferensial
PARAMETER, yaitu sebuah nilai yang diperoleh dari sebuah populasi ( , ,
, dll)
63
x Peluang (p)
Perbandingan jumlah sebuah kejadian diantara semua kejadian yang mungkin terjadi Nilainya = 0 Contoh :
p 1
Pada saat seseorang melemparkan sebuah koin, berapa peluang bahwa sisi angka akan berada di bagian atas
64
Distribusi Normal
Banyak kejadian yang muncul secara acak (Random) menghasilkan data dengan distribusi sebagai berikut Bell shaped Symmetrical
Kurva yang menghubungkan puncak-puncak batang disebut Kurva Peluang Normal yang digunakan untuk meng-estimasi Distribusi Normal dari kejadian-kejadian yang muncul secara acak (Random)
, Standard Deviation
Distribusinya simetris terhadap rata-ratanya Ujung kurvanya asymptotic terhadap sumbu-X Mean = Median = Mode Peluang dibawah kurva = 1
65
Distribusi Normal
Kita dapat menggunakan rata-rata sampel dan standar deviasi untuk menjelaskan populasinya dan menggambarkan histogramnya (data diskrit) untuk melihat distribusi normalnya (data kontinyu)
1 1
Normal Distribution Function
1 y= e- ( X - 2
Basic Six Sigma
001-TM-SS0-09-2002
) 2/ 2
T T
3
66
Distribusi Normal
Sifat-sifat 68.26 % data akan berada diantara +1 dan -1 dari rata-ratanya 95.44 % data akan berada diantara +2 dan -2 dari rata-ratanya 99.73 % data akan berada diantara +3 dan -3 dari rata-ratanya 99.9937 % data akan berada diantara +4 dan -4 dari rata-ratanya 99.999943 % data akan berada diantara +5 dan -5 dari rata-ratanya 99.9999998 % data akan berada diantara +6 dan -6 dari rata-ratanya
-4
Basic Six Sigma
001-TM-SS0-09-2002
-3
-2
-1
4
67
Distribusi Normal
Standard Deviation
Rata-rata
68
Transformasi - Z
Misalkan, sebuah proses mempunyai nilai-nilai sebagai berikut : Rata-rata = 10 & Standard Deviation = 2 Berapa persen data akan mempunyai nilai antara 6 dan 14? Transformasi - Z
Z=
Z1 =
6 - 10 = 2 2
Z2 =
14 - 10 =2 2
69
Definisi
D
Basic Six Sigma
001-TM-SS0-09-2002
7 Tujuan
Memahami konsep tentang CTQ dan mengetahui cara menemukan CTQ (Critical To Quality)
7 Bahasan
- Apa yang dimaksud CTQ ? - Siapa Customer kita ? - Pemetaan Proses (Process Mapping)
70
CTQ
CTQ
Critical To Quality
CTQ adalah sebuah karakeristik dari sebuah produk atau jasa yang memenuhi kebutuhan customer (internal atau eksternal)
71
CTQ
Hal-hal Utama x CTQ adalah elemen-elemen dasar yang merupakan pedoman pengukuran proses, improvement dan kontrol. x Dalam memastikan CTQ yang dipilih merupakan hal yang sangat penting sebab hal ini akan merepresentasikan secara akurat semua yang penting bagi customer.
72
Contoh-contoh CTQ
Pengiriman yang tepat waktu Tidak ada defects Tempat kerja aman Produk yang aman Ruang hotel yang bersih Pembayaran yang tepat waktu
JalanTol yang aman Part yang sesuai Spec. Penggunaan form-form yang tepat Pembayaran yang tepat Pelayanan yang ramah Pengiriman sepanjang malam
73
x Semua organisasi/personnel x Orang yang menerima pekerjaan yang sudah kita proses x Departemen-departemen yang berhubungan
74
Customer biasanya tidak secara jelas menyatakan apa yang mereka inginkan atau mereka butuhkan. Setelah kita menerjemahkan kebutuhan customer ke dalam kebutuhan internal, kita harus bisa mengukur dan menggambarkan kapabilitas produk dan proses.
Basic Six Sigma
001-TM-SS0-09-2002
Kita perlu memanfaatkan metoda-metoda yang membantu kita dalam memahami kebutuhan customer dan menterjemahkannya ke dalam kebutuhan internal.
75
1. Siapa customer saya ? 2. Pelayanan dan produk apa yang saya sediakan untuk customer saya ? 3. Apa yang menjadi CTQ bagi customer saya ?
76
77
78
Aktifitas
79
Job = Process
Customer
Sales Logistics Manufacturing
Control
R&D
Sourcing
80
2. Considering Points
- Strategic Goal - Profits - Overall Business efficiency - Customer Requirement - Customer Satisfaction
*Suatu project dipilih dengan melihat dampaknya terhadap customers dissatisfaction dan mengarah ke Companys Goal
3. Project Type
1. Process Improvement 2. Problem Solving
Basic Six Sigma
001-TM-SS0-09-2002
81
H rcut and other servi ces ai Ti m Pl anni ng e Accepti ng Reservati ons Recrui ti ng Keepi ng the staf f
82
>> Defect Reduction >> Culture change >> Cycle Time Reduction (Quick response to customer req.)
requirements - Profits
6s P ect ! roj
D i very el
D o
N eed
S p l i er up
C stom u er
C e Ti m ycl e
Pri ce
N eed
D o
C ost
Q i ty ual D ect ef
83
I
I nput
O
O put ut
C
-What is key materials, information or product ?
Cust om er
Suppl i er
Pr ocess
84
Identifikasi Benefit
Customer view Royalty 6 Theme Referrals Satisfaction LGs View - From External Customer Competitiveness Cost/Benefit Income - From Internal Customer Effective Process Cost/Benefit
Review Thema
Nilai terhadap business dan customer Companys goal and Customer dissatisfaction Resources Required
Basic Six Sigma
001-TM-SS0-09-2002
85
Di Unit anda ..
Theme
86
2) Why create ?
Klarifikasi project goal & Tujuan Define project scope (cakupan project) Communicate with colleagues
4) Considering Points
What is the core value to customers ? What is the core benefit to businesses ? Is it easy to collect data from a process ? Basic Six Sigma
001-TM-SS0-09-2002
87
Team
6 si gm a
20 00. 2. 1 ~ 2000 5. 3 .
Cham on : 000 pi MB B : 000 M ber em : 000
Support : 000
< Hard Benefit > G oal & B efi t en S tock C e Ti m ycl e 50%R u on ed cti C ost S n : 50 avi g % C ost
2/ 15
< Soft Benefit > R u U ess ed ce sel S tock R eserved S tock C ost S n avi g
B ttl e o N ect
3/ 31 (I mrove) p
4/ 25 (C trol ) on
5/ 3
P rocess S ed l e ch u A vi ty cti
D i ne ef
D a at M SA s Level
I dent i f y Vi t al f ew
M ake i t St i ck
88
S p lie up r
In u pt
O tp t u u
C sto e u mr
P ce ro ss
3) Procedure - Define Start & End Points - Draw Tree Chart : Identify main step or phase, Identify main sub-step which is below, main step - Draw detail map(Cross Functional Process Map) - Review the process map to identify non value added activity or white space.
Basic Six Sigma
001-TM-SS0-09-2002
89
2) Tips
- When you identify the main step, use simple words. - Focus on critical steps to perform - Identify at least 3 main steps - Use verbs to identify sub-steps(activities)
Ordering Process
Order
Stock Order Customer Order S-form
Coding
Coding Adjust Release After Service Master Set up Control
Check Credit
Check Credit Approval/Reject
Routing
Stock Searching Select Transportation
Delivery
Check Pick List Producing/Purchasing Carrier Scheduling
Producing
Work order OQC Wrapping Master Set up Control
Procurement
Raw Material Least-cost Supplier Chain Management
Request Payment
Invoice, A/R Assign Budget Collect Money
90
S rt ta
Ed n
Uit A n
A ti v ty c i a
Uit B n
Dc s o ei i n a Dc s o ei i n b
Uit C n
A ti v ty c i b
Uit D n
A ti v ty c i c
91
Drawing Procedure 1. Define the Start and End Points 2. Write each step in regular sequence 3. Mark the proper symbol at each step 4. Review the process.
Tips
Simple is the best. Make it as simple as possible. Include all persons who have some connection with a process Choosing Subject Matter Experts Remember that disagreements do occur due to not having standard process at first. Promote a discussion to agreement.
92
2) How ?
Marking non value added activities within process mapping
Does this activity give a benefit to customers or cost to customers ? If I remove this activity, can the quality be damaged ? Without this activity, is there any danger ? Can this activity meet the external requirements ?
Example Correction Estimate amount of assigned job Confirmation Rework Approval Moving Meeting
5) Check Points
- If you get great result after quick action, jump to the control phase. - Check whether a project chart is revised.
Basic Six Sigma
001-TM-SS0-09-2002
94
2) What to do
Listen VOC(Voice of Customer) Identify CTQ(Critical To Quality) Set the performance requirements(spec).
2. Listen VOC
Survey
Interview Focus Group Interview Questionnaires Observation Dissatisfaction Details After Service history Sale Division Paying Price Outstanding Fee Collection Internal Data Specialist Processing Information Competing Firm
Customer Information
95
In tervi ew
- Personal - M l . E- m l ai ai
Type
O ect bj
Characteri sti c
I dent i f y m or cust om aj er N eeds/ w s at a ni che ant M arket . O j ect b Identify concrete customer needs/wants. Get information about human activity pattern at a circumstance.
Define customer needs Ranking customer needs Get feedback from major Customer C aracteri sti c h Personal Personal G roup M echani cal Tel ephone, e- m l ai Audi t Trace anal ysi s ont - C ent anal ysi s Personal - M l . E- m l ai ai
I ntervi ew
Identify concrete custom er Per sonal - Gr oup needs/w ants. - Tel ephone, e- m l ai
In tervi ew O servati on b
- Per sonal - M l . E- m l ai ai
Fo cu s G ro up s Interview
I dent i f y m or cust om D efine custom er needs aj er Needs/ want s at a ni che R anking custom er needs M ket . ar G et feedback from m ajor C ustom er
D ssat i sf act i on D ai l s i et based on data at cust om customer Define er Servi ce hi st ory Af t customer needs I dent i f y m or aj er Sal e D vi si on i Ranking customer needs contact ant s at a ni che divisions. N eeds/ w Get feedback from major M arket . Customer Start point to collect data for improving Get information about human activity pattern at a circumstance. Internal biz related data. Personal M echani cal Audi t Trace anal ysi s Cont ent anal ysi s
Per sonal G et inform ation about O bservati on hum an activity pattern Basic Six Sigma at a 001-TM-SS0-09-2002 circum stance. M echani cal Audi t Tr ace anal ysi s
C stom u er
D ssat i sf act i on D ai l s i et
96
2) Usages
Very useful to clarify customer needs/wants. After interviewing, we can rank the defined needs/wants using questionnaires.
3) Interview Process
What Need ?
Method
-Personal -Phone -Focus Group Interview
Interviewee
Question
Engage
- Place to meet - Time
Do
Summary
97
What
Who
Question
Questionnaire 1. .. 2. ..
Interviewing Process
Introduction
Rapport
Asking
Closing To be a good Listener If hard to understand, ask detail information. For example ?, Why ? Do you know a digit ?
-easy to difficult -Past to present -Good to Bad -Indirect to direct -Abstract to concrete
98
2) Usages
Effective way to get useful information from a large population. Identify hidden customer need using statistical analysis. Measure causality.
3) Survey Process
Clarify object to do a survey. Define proper sample size considering a population. Choose Scale. Develop Questionnaires. Develop Coding Sheet. Do and analyze.
99
What need
Develop Questionnaires
Sampling
Do Survey
Pre Test
Testing
100
Main
- Easy to understand, concrete word. - Avoid vague word (hindari kata-kata). example : frequency adverb. Sometimes, always - A just one question. (example) Are you satisfied with service and price ? - Avoid induction questions. (example) arent you ?, dont you ? When you return to home, what do you usually do except watching TV ? Specialist says.. Do you agree ? Induction Word. -- Good, Bad. Do you agree increasing tax to clean Earth ? Basic Six Sigma
001-TM-SS0-09-2002
101
Choice : Select one or more among showing examples. example) What is most important thing to the prime minister ? 1. Managerial Experience 2. High Morale
102
- 5 or 7 points Scale.
Order : Define order the showing examples. Example) Please order favorite color in the box.(Red, Blue, Orange, Yellow)
103
104
VOC
CCI
CCR
CCI
Waiting time to fix
CCR
If possible, waiting time should be limited to 20 min.
105
CCR
Weight
Value To Customer
Biz Impact
Rank
106
Aktivitas utama dalam tahap DEFINE adalah menemukan CTQ (Critical to Quality), yaitu sebuah fokus permasalahan yang menjadi hal yang paling penting untuk memenuhi keinginan customers.
107
M
Basic Six Sigma
001-TM-SS0-09-2002
7 Tujuan
Pengertian Analisa Sistem Pengukuran dan Eksekusi Minitab.
7 Bahasan
Kenapa mempelajari Analisa Sistem Pengukuran ? Attribute Gage R&R Metode Gauge R&R Latihan Minitab
108
x Apakah anda percaya terhadap hasil Pengukuran ? x Misalkan hasil pengukuran suatu part tidak sesuai dengan Spesifikasi, apakah anda dapat mengatakan bahwa part tersebut bermasalah? x Jika part tersebut tidak terlalu bermasalah lalu apa masalahnya ? x Apakah ada yang salah dalam sistem pengukuran ?
109
x Dalam mengukur jumlah variasi dalam proses yang diamati bisa saja terjadi kesalahan dalam sistem pengukuran. x Guna mengevaluasi alat ukur (Gage) sebelum dipakai. x Guna membandingkan dengan tipe alat ukur yang lain x Guna mengevaluasi apakah gage masih laik pakai atau tidak
110
kualitas
inspektor
dalam
hal
Guna mengetahui kualitas inspektor dalam hal skill dan pengetahuan Guna menentukan kriteria seorang inspektor dalam hal pengambilan sampel
111
x Pilih lebih dari 100 part termasuk part yang Good maupun NG x Dua atau tiga pengukur (operator) secara indenpenden mengukur setiap part sebanyak dua kali dengan cara random. x Gunakan tabel untuk mencatat data dan menghitung nilainya x Nilai pengukuran yang diterima minimal 90 % atau lebih
112
Contoh
SCORING REPORT
DATE NAME PRODUCT SBU : : : : 3/10/96 B&D Employee Northstar Screwgun Easton
Y/N Agree Y Y N Y N Y Y Y Y N Y Y Y N Y/N Agree Y Y N Y N Y N Y N N Y Y Y N
Known Population Operator #1 Sample # Attribute Try #1 Try #2 1 pass pass pass 2 pass pass pass 3 fail fail fail 4 fail fail fail 5 fail fail fail 6 pass pass pass 7 pass fail fail 8 pass pass pass 9 fail pass pass 10 fail pass pass 11 pass pass pass 12 pass pass pass 13 fail fail fail 14 fail fail fail 15 16 17 % APPRAISER SCORE (1) 100.00% 18 (2) 19 % SCORE VS. ATTRIBUTE 78.57% 20
Operator #2 Try #1 Try #2 pass pass pass pass fail pass fail fail pass fail pass pass fail fail pass pass pass pass fail fail pass pass pass pass fail fail pass fail
78.57% 64.29%
0% 0.00% 71.43%
(4)
SCREEN % EFFECTIVE SCORE (3) SCREEN % EFFECTIVE SCORE vs. ATTRIBUTE Basic Six Sigma
001-TM-SS0-09-2002
57.14%
113
Gauge Repeatability adalah variasi pengukuran yang dihasilkan ketika seorang operator mengukur Part yang sama dengan karakteristik yang identik dg menggunakan alat ukur yang sama
114
Paling sedikit 2 orang operator (biasanya 2 ~ 3 Operator) Paling sedikit 2 orang operator (biasanya 2 ~ 3 Operator) Paling sedikit 10 unit sampel yang diukur. Paling sedikit 10 unit sampel yang diukur. Setiap unit diukur paling sedikit 2 kali oleh tiap operator Setiap unit diukur paling sedikit 2 kali oleh tiap operator Kualifikasi operator yang akan mengukur harus sama Kualifikasi operator yang akan mengukur harus sama
!!!!
115
Kriteria Penerimaan
Terdapat empat kriteria untuk menentukan kualifikasi dari sistem pengukuran -- % Contribution -- % Study Variation -- Distinct Categories Aturan tiap kriteria tersebut ditunjukkan pada tabel dibawah ini
% Contribution % Contribution Diterima Diterima Dipertimbangkan Dipertimbangkan Ditolak Ditolak <1% <1% 1 % --9 % 1% 9% >9% >9% %Study %Study Variation Variation < 10 % < 10 % 10 % --30 % 10 % 30 % > 30 % > 30 % Distinct Distinct Categories Categories > 10 > 10 4 --9 4 9 <4 <4
!!!
116
Analisa MINITAB
x Filename : Gage_r&r.mtw
default method
117
Analisa MINITAB
USL - LSL
118
Total variasi
119
Number of Distinct Categories = 4 Source Total Gauge R&R Repeatability Reproducibility Operator Oper*Part Part-To-Part Total Variation
Basic Six Sigma
001-TM-SS0-09-2002
Analisis Capability
7 Tujuan
Paham konsep analisa Process capability dan eksekusi MINITAB
7 Bahasan
- Variasi Proses - Rational subgrouping - Indeks Process capability (continuous case) - Latihan Minitab - Indeks Process capability (discrete case)
Basic Six Sigma
001-TM-SS0-09-2002
121
Variasi Proses
x Apa masalah dari proses kita ? Dari perspektif Statistik, terdapat dua masalah, yaitu :
Problem dengan spread (variation) Problem dengan centering (location)
Target
Target
Situasi Sekarang
Situasi sekarang
LSL
USL
LSL
USL
122
Process Capability
x Kenapa kita perlu process capability ?
- Guna mengukur jumlah Defect yang dihasilkan oleh proses - Guna mengetahui sifat permasalahan dari defect Process Location Process Variation
123
Rational Subgrouping
Operator baru Shift ke-2 Shift ke-1 Material Beda
Lower Limit
Basic Six Sigma
001-TM-SS0-09-2002
Upper Limit
124
Rational Subgrouping
RATIONAL
PROCESS RESPONSE
SUBGROUPS
Black Noise
White noise
TIME
125
Rational Subgrouping
x Black Noise - Black noise adalah keadaan (variasi) yang disebabkan karena dipengaruhi oleh perbedaan faktor 4M1E - Merupakan variasi yang dapat dikontrol x White Noise - White noise adalah suatu keadaan (variasi) yang didipengaruhi faktor- faktor diluar perbedaan faktor 4M1E - Variasi yang tidak dapat dikontrol x Rational Subgrouping Pengambilan Sampel yang hanya terdiri dari White Noise. Black noise terjadi diantara beberapa sample
126
Distribusi Normal
Ciri-ciri?
Kurva berbentuk Lonceng (Bell Shaped) Simetris Area dibawah kurva, Probabilitas (Peluang) sama dengan 1
127
Transformasi Z
Distribusi Normal
Standard Deviasi Mean
X1
? Z 1
Z=
128
( x ) = ( x x ) Z=
Transformasi ini menghasilkan suatu nilai dari suatu distribusi dimana Mean = 0 dan sigma = 1 Nilai dari Z mengindikasikan seberapa jauh sebuah data (X) dari nilai rataratanya (Mean) dalam satuan standard deviasi Sebagai contoh, jika Z=2, berarti data yang kita miliki (X) berada pada jarak 2 kali standard deviasi ( ) dari Mean (rata-ratanya). Guna memperkirakan Defect level (atau estimasi yield), kita dapat menggunakan Lower Spec Limit (LSL) dan Upper Spec Limit (USL) untuk X. Dengan menggunakan metode ini, kita dapat mengkalkulasikan proporsi dari produk yang keluar dari Spec berdasarkan proses sekarang. Cobalah analisa contoh berikut ini
129
Contoh Transformasi Z
Mean = 1.034 s = 0.0553
700 600 500
LSL
USL
F r e q ue nc y
400 300 200 100 0 0.8 0.9 1.0 1.1 1.2 1.3
130
Contoh Transformasi Z
700
LSL
600 500
USL
raw
LSL
USL
Frequency Frequency
C2 C2
131
Contoh Transformasi Z
Estimasi nilai yang berada diluar batas spesifikasi dapat dihitung dengan cara :
Z L= (L L x ) S (0.9-1.0 4 3 = .0 5 53 =-2 2 .4
ZU = (U L x ) S (1.1-1.034 = .0 5 53 = 1. 9 1
Lower Spec
Upper Spec
0.80
0.85
0.90
0.95
1.00
1.05
1.10
1.15
1.20
0.85
0.90
0.95
1.00
1.05
1.10
1.15
1.20
1.25
132
Shift ke-1
Material berbeda
Shift ke-2
Long Term:
Lower Limit
Basic Six Sigma
001-TM-SS0-09-2002
Upper Limit
133
LSL
USL
Untuk Short Term pada proses six sigma, terdapat 6 sigma (standard deviasi) diantara SL dan . Short Term Capability menggambarkan masalah penyebaran (spread) pada proses kita.
Basic Six Sigma
001-TM-SS0-09-2002
134
LSL
1.5 Sigma
USL
Untuk proses six sigma yang sama, dalam konteks long-term, jarak antara SL dan adalah 4.5 sigma (standard deviasi). Long term capability menggambarkan permasalahan spread dan centering
135
LSL
USL
136
Cp(best)
(Nilai range max yang diperbolehkan dari karakteristik) (Variasi normal dari proses)
Cp =
(USL - LSL)
6*
Zst=3*Cp
Basic Six Sigma
001-TM-SS0-09-2002
137
C pk = (1-k)*Cp
(X - Target) (USL - LSL) 2
k =
Zlt=3*Cpk
138
x Short term
x Long term
Zst = 6 Cp = 2
Zlt
= 4.5
!!!
139
(USL LSL ) Cp =
6 * S ST
!!!
(USL LSL ) Pp =
6 * S LT
ZST = 3 Cp
Basic Six Sigma
001-TM-SS0-09-2002
ZLT = 3 Ppk
140
A C
1 2 3 4 5
B D
6 Good
Zshift
Good Poor
Zst
x Merupakan penggambaran dari suatu permasalahan di proses x Tujuan kita adalah kotak D
141
142
Klik OK
143
LSL
USL
ST LT
36
38
Observed P erform ance
40
E xpected ST P erform ance P M < LSL P P M> U P SL P M Total P 18510.77 18661.53 37172.30
42
44
E xpected LT P erform ance P M < LSL P P M> U P SL P M Total P 45116.53 45372.82 90489.34
Cpk, Zlt=Cpk*3
Basic Six Sigma
001-TM-SS0-09-2002
Cp, Zst=Cp*3
ppm
144
145
Unit
Opportunity x Warna hitam adalah defect x Apa yang dimaksud dengan DPU ? x Apa yang dmaksud dengan DPMO ?
146
DPMO
x Suatu Opportunities (kesempatan) dipilih karena : Critical To Quality (CTQ) dan Kemauan konsumen adanya Cost Of Failure (COF) x DPMO adalah jumlah defect yang terjadi dalam satu juta kesempatan, atau defect per sejuta kesempatan
DPMO =
Defects Opportunities
X 1,000,000
Pertanyaan : Apakah PPM sama dengan DPMO? Jawaban : benar ! PPM sama dengan DPMO sebab kesempatan (opportunities) sama dengan jumlah unit yang diproses atau diproduksi.
Basic Six Sigma
001-TM-SS0-09-2002
147
Model Yield
x First Time Yield (YFT ) Akhir dari proses yield Tidak termasuk internal rework loops Kemungkinan zero defect diukur dari akhir proses x Rolled Throughput Yield (YRT ) Total proses yield Termasuk internal rework loops Kemungkinan menghasilkan zero defects dari keseluruhan proses x Normalized Yield (YNA ) Rata-rata yield dari proses yang berurutan atau process steps x Final Yield (YF) Berdasarkan proses akhir (merupakan konsep tradisionla yield )
148
Model Yield
x YFT (First Time Yield)
Hidden Factory INPUT 100 Units Process 70 Units Scrap 15 Unit 30 Units Rework OUTPUT 85 Units
YFT = 70% YF = 85% x The hidden factory berpengaruh terhadap the cost of failure (COF) x Yang bagaimana tepatnya bagi konsumen
149
Model Yield
x YRT (Rolled Throughput Yield)
Jika suatu produk dibuat melalui 3 proses yang saling berurutan Tentukan YRT dan YNA jika YFT and YF diketahui.
Process 1 Process 2 Process 3
Output
x Apa artinya YRT ? YRT = YFT1 x YFT2 x YFT3 YRT = 0.8 x 0.7 x 0.9 = 0.504 = 50.4% x Apa artinya YNA ? 3 Y YNA = FT 1 YFT 2 YFT 3
3
YNA =
Basic Six Sigma
001-TM-SS0-09-2002
YRT
150
INPUT
100
S1
S2
Scrap
S3
S4
S5
Defects - Rework
S6
S7
S8
test
Scrap
YIELD
93
5 2 1 x Internal Yield - diukur berdasarkan CTQs Y2 = 1 - (2 / 100) = 0.98 (98%) Y5 = 1 - (1 / 98) = 0.99 (99%) Y7 = 1 - (5 / 98) = 0.95 (95%) YF = 1 - (5 / 98) = 0.95 (97%) x Rolled Throughput Yield (YRT ) - kemungkinan menghasilkan zero defects pada setiap pengukuran CTQ untuk satu unit produksi. YRT = Y2 * Y5 * Y7 * YFP = 0.98 * 0.99 * 0.95 * 0.95 = 0.876 (87.6 %) atau kira-kira sama dengan : YRT = e -d/u YRT = e -13/100
Basic Six Sigma
001-TM-SS0-09-2002
(YRT )1/#ofprocess
ATAU
e-DPU
152
YRT
Basic Six Sigma
001-TM-SS0-09-2002
153
154
Aktivitas utama dalam tahap MEASUREMENT adalah menghitung kondisi kapabilitas proses kita saat ini (Cp, Cpk, Z Value, Sigma level) CURRENT PROCESS CAPABILITY
155
Analisis Faktor
A
Basic Six Sigma
001-TM-SS0-09-2002
7 Tujuan
- Memahami konsep tentang pemilihan faktor-faktor yang tepat - Memahami konsep dari data analisis secara statistik - Penggunaan MINITAB
7 Bahasan
- Metode pemilihan faktor-faktor - Uji Hipotesis - ANOVA - Analisis Regresi - Analisis Korelasi
156
f(X)
Bagian ini disebut FAKTOR x Pada saat kita hendak menyelesaikan masalah, kita semestinya berfokus pada faktor-faktor, sebab faktor-faktor tersebut adalah penyebab atas masalah tersebut.
Basic Six Sigma
001-TM-SS0-09-2002
157
x Jenis-jenis Brainstorming
- Free Wheeling - Round Robin - Card Method : Semua anggota tim proyek memberikan ide-ide mereka dalam sebuah obrolan : Semua anggota tim proyek memberikan ide-ide mereka secara berputar bergiliran : Mencatat ide-ide dari setiap anggota tim proyek dalam secarik kertas tanpa diskusi
Tidak boleh mengkritik setiap ide yang disampaikan oleh setiap anggota tim Catat semua ide yang disampaikan tanpa kecuali Semua anggota tim harus hadir dalam kegiatan Brainstorming Hargai semua ide-ide yang disampaikan walaupun terkadang tidak masuk akal
158
159
Pernyataan Masalah
AKIBAT
Pengukuran
160
Why Electromagnetic
RPM
Fokuskan pada bagian ini Tiga kategori ini merupakan MECE untuk masalah RPM.
Basic Six Sigma
001-TM-SS0-09-2002
161
162
163
-- Jika p-value LEBIH BESAR dari 0.05, maka kita MENERIMA H00 Jika p-value LEBIH BESAR dari 0.05, maka kita MENERIMA H -- Jika p-value LEBIH KECIL dari 0.05, maka kita MENOLAK H00 Jika p-value LEBIH KECIL dari 0.05, maka kita MENOLAK H
!!!
164
Uji Hipotesis
x Uji Normalitas
- Data : S_Diameter - Stat > Basic Statistics > Normality test
165
Uji Hipotesis
Normal Probability Plot
Probability
.80 .50 .20 .05 .01 .001 29.2 30.2 31.2 32.2
Diameter
Average: 30.4908 StDev: 0.770719 N: 50 Anderson-Darling Normality Test A-Squared: 0.897 P-Value: 0.020
166
Uji Hipotesis
x Test for equal variance (Menguji kesamaan varians dalam beberapa group yang berbeda)
Contoh : Kita ingin mengetahui bahwa sigma perusahaan A sama dengan sigma perusahaan B - Data : hov - Stat > ANOVA > Homogeneity of variance...
167
Uji Hipotesis
Homogeneity of Variance F-Test (normal distribution) Test Statistic: 76.271 P-Value : 0.000 Levene's Test (any continuous distribution) Test Statistic: 26.200 P-Value : 0.000
Interpretasi hasil :
Jika anda memilih suplier antara A dan B, mana yang lebih layak ?
F c r L v ls a to e e 1 2
F e -T T s S tis : 7 .2 1 e t ta tic 6 7 P a e -V lu : 0 0 .0 0
0 .0
0 .2
0 .4
0 .6
0 .8
1 .0
1 .2
P a e -V lu
2 3 4
: 0 0 .0 0
W ig t e h
168
Uji Hipotesis
x One Sample Z-Test (Uji untuk rata-rata; jika sigma diketahui)
Contoh : Perusahaan A yang memproduksi TVCR Cover menyatakan bahwa rata-rata berat cover yang diproduksi perusahaan A adalah 3,5 kg dan standar deviasi 0,15 kg. Kita akan menguji apakah pernyataan tentang rata-rata tersebut bisa diterima atau tidak - Data : 1-Ztest - Stat > Basic Statistics > 1-Sample Z Sigma : 0.15 Solusi (1) Solusi (2) Test mean : 3.5
169
Uji Hipotesis
- Hasil dari solusi (1)
Z Confidence Intervals The assumed sigma = 0.150 Variable Weight N 20 Mean 3.5240 StDev 0.0860 SE Mean 0.0335 ( 95.0 % CI 3.4583, 3.5897)
- Interpretasi hasil :
170
Uji Hipotesis
x One Sample T-Test (Uji rata-rata; Jika sigma TIDAK diketahui)
Contoh : Perusahaan B memproduksi TVCR cover dan menyatakan bahwa rata-rata berat cover yang mereka produksi 3,5 kg. Kita ingin mengetahui apakah pernyataan tentang ratarata tersebut bisa diterima atau tidak. - Data : 1-ttest - Stat > Basic Statistics > 1-Sample t... Solusi (1) Solusi (2) Test mean:3.5
171
Uji Hipotesis
- Hasil dari solusi (1)
T Confidence Intervals Variable Weight N 20 Mean 3.483 StDev 0.751 SE Mean 0.168 95.0 % CI 3.131, 3.835)
- Interpretasi hasil :
- Interpretasi hasil :
172
Uji Hipotesis
x Two sample T-Test (Uji kesamaan rata-rata antara dua sampel)
Contoh : Kita ingin mengetahui apakah rata-rata berat barang yang berasal dari perusahaan A sama dengan rata-rata barang (sejenis) yang berasal dari perusahaan B - Data : 2-ttest - Stat > Basic Statistics > 2-Sample t...
Jika sigma perusahaan A sama dengan sigma perusahaan B, maka beri tanda check
173
Uji Hipotesis
- Hasil
Two Sample T-Test and Confidence Interval Two sample T for A.Weight vs B.Weight A.Weight B.Weight N 20 20 Mean 3.5240 3.693 StDev 0.0860 0.322 SE Mean 0.019 0.072 DF = 21
95% CI for mu A.Weight - mu B.Weight: ( -0.324, -0.015) T-Test mu A.Weight = mu B.Weight (vs not =): T = -2.28 P = 0.033
- Interpretasi hasil :
174
Uji Hipotesis
x One sample proportion Test (Uji proporsi atau perbandingan jika jumlah sampel yang dipelajari adalah satu sampel)
Contoh : Seseorang di perusahaan A menyatakan bahwa yield ratio di perusahaannya adalah 80%. Kemudian diperiksa 100 part dan hasilnya 78 diantaranya adalahbagus dan 22 part adalah jelek. Kita ingin mengetahui apakah pernyataan orang tersebut tadi bisa diterima atau tidak.
175
Uji Hipotesis
- Hasil
Test and Confidence Interval for One Proportion Test of p = 0.8 vs p not = 0.8 Sample 1 X 78 N 100 Sample p 0.780000 95.0 % CI (0.698809, 0.861191) Z-Value -0.50 P-Value 0.617
- Interpretasi hasil :
176
Uji Hipotesis
x Two sample PROPORTION Test (Uji proporsi atau perbandingan jika jumlah sampel yang dipelajari adalah dua sampel)
Contoh : Kita ingin mengetahui apakah yield ratio perusahaan A dan B sama atau tidak. Diperiksa 100 part dari masing-masing perusahaan. Hasilnya, 78 part dari perusahaan A bagus sedangkan dari perusahaan B diperoleh 74 part adalah bagus. - Stat > Basic Statistics > 2 Proportion...
Check
Basic Six Sigma
001-TM-SS0-09-2002
177
Uji Hipotesis
- Hasil
Test and Confidence Interval for Two Proportions Sample 1 2 X 78 74 N 100 100 Sample p 0.780000 0.740000
Estimate for p(1) - p(2): 0.04 95% CI for p(1) - p(2): (-0.0782494, 0.158249) Test for p(1) - p(2) = 0 (vs not = 0): Z = 0.66
P-Value = 0.508
- Interpretasi hasil :
178
=..=
179
180
MS 63.78 5.74
F 11.12
P 0.002
Pooled StDev =
Individual 95% CIs For Mean Based on Pooled StDev ----+---------+---------+---------+-(------*-------) (-----*------) (-----*-----) ----+---------+---------+---------+-10.5 14.0 17.5 21.0
- Interpretasi hasil :
181
182
One-way ANOVA: 3.0, 3.3, 3.6, 3.9, 4.2 Analysis of Variance Source DF SS Factor 4 2030.2 Error 15 292.3 Total 19 2322.5 Level 3.0 3.3 3.6 3.9 Basic Six Sigma
001-TM-SS0-09-2002
MS 507.5 19.5
F 26.04
P 0.000
N 4 4 4 4
Individual 95% CIs For Mean Based on Pooled StDev ----------+---------+---------+-----(---*---) (---*---) (---*---) (---*---) 183
Regresi
x Analisis Regresi :
Analisis Regresi adalah analisis secara statistik mengenai hubungan (penyebab) antara variabel dependen (Y) dan variabel independen (X) Menduga sebuah persamaan Matematika untuk melihat hubungan (sebab-akibat) Mengestimasi sebuah model melalui data Melakukan pengujian hipotesis melalui model tersebut
184
Regresi
x Jika jumlah variabel independen (X) adalah satu, disebut Regresi Sederhana (Simple Regression) x Jika jumlah variabel independen (X) lebih dari satu, disebut Regresi Multipel (Multiple Regression) x Langkah-langkah Analisis Regresi :
Pengumpulan Data
Uji Hipotesis
Analisis
185
Regresi
1) Pengumpulan Data
Dollar Tahun setelah kelulusan
812.52 822.50 1211.50 1348.00 1301.00 2567.50 2526.50 2755.00 430.50 5581.50 5548.00 6086.00 5764.00 8903.00
1 2 3 4 8 9 10 11 12 13 14 15 16 17
186
Regresi
2) Gambar plot data
Memahami bahwa hubungan antara
9000 8000 7000 6000
dua variabel adalah linier atau bentuk lain Jika hubungan adalah linier, tanda (+/-) menunjukan hubungan positif atau negatif dari kedua variabel tersebut Perhatikan outlier (titik yang terpencil)
0 5 10 15
dollar
year
187
Regresi (Y = + X)
4) Uji Hipotesis H0 : = 0 : X tidak berpengaruh terhadap Y H1 : 0 : X berpengaruh terhadap Y
Predictor Constant X Coef -628.9 403.42 StDev 878.4 80.31 T -0.72 5.02 P 0.488 0.000
Analysis of Variance Source Regression Residual Error Total DF 1 12 13 SS 60740687 28883452 89624139 MS 60740687 2406954 F 25.24 P 0.000
S = 1551
R-Sq = 67.8%
R-Sq(adj) = 65.1%
188
Regresi
x MINITAB - Data : Simreg - Stat > Regression > Regression...
189
Regresi
Regression Analysis The regression equation is dollar = - 629 + 403 year Predictor Constant year S = 1551 Coef -628.9 403.42 StDev 878.4 80.31 T -0.72 5.02 P 0.488 0.000
R-Sq = 67.8%
R-Sq(adj) = 65.1%
Analysis of Variance Source Regression Residual Error Total DF 1 12 13 SS 60740548 28883493 89624041 MS 60740548 2406958 F 25.24 P 0.000
Fit 4212
Residual -3782
St Resid -2.55R
Korelasi
Koefisien Korelasi : Selalu bernilai antara -1 dan +1 Nilainya positif (+), artinya jika salah satu variabel bertambah maka variabel yang lainnya akan bertambah pula. Nilainya negatif (-), artinya jika salah satu variabel bertambah maka variabel yang lainnya akan berkurang.
Formula :
n ( X i X )( Yi Y ) i= 1 r= n n 2 (Y Y )2 ( X i X ) i i= 1 i= 1
191
Korelasi
r = 0.3
r = 0.7
r = -0.5
r = -0.9
Jika nilai absolut dari koefisien korelasi mendekati 1, mengindikasikan hubungan dua variabel kuat. Jika nilai absolut dari koefisien korelasi mendekati 0, mengindikasikan hubungan dua variabel lemah. Kuadrat koefisien korelasi sama dengan R-Square dalam Regresi
192
Korelasi
Uji Hipotesis untuk koefisien korelasi populasi H0 : H1 :
= 0 : Tidak ada korelasi antara kedua variabel 0 : Ada korelasi antara kedua variabel
193
Korelasi
- Hasil :
Correlations (Pearson)
Math GPA
Math
0.194 0.006
p-value untuk uji hipotesis hubungan antara nilai Matematika dan IPK
194
Aktivitas utama dalam tahap ANALYSIS adalah memilih faktor-faktor yang paling berpengaruh terhadap CTQ (masalah). SELECTING FACTORS
195
I
Basic Six Sigma
001-TM-SS0-09-2002
7 Tujuan
- Memahami konsep DOE - Eksekusi Minitab
7 Bahasan
- Konsep Dasar DOE - Desain Full Factorial - Latihan
196
Input
Output (Y)
Proses
Controllable Factor
Basic Six Sigma
001-TM-SS0-09-2002
...
197
x Tujuan DOE
- Menentukan hubungan cause-effect antara proses input dan karakteristik produk - Menentukan kondisi proses dari faktor - Menentukan sumber variasi pada Critical Process - Menentukan persamaan model pada proses
198
x Level
Level suatu faktor adalah nilai-nilai dari faktor dalam suatu eksperimen. Misalkan eksperimen yang dilakukan terhadap 2 perbedaan temperatur (100C dan 200C) maka faktor temperatur mempunyai 2 level
199
200
201
202
Desain Faktorial
x Desain satu pihak (One Way)
- Menentukan hubungan sebab-akibat (cause-effect) antara sebuah faktor dengan karakteristik produk (output) - Kita ingin mengetahui apakah output dari tiap level faktor tersebut sama atau tidak. - Apakah ada hubungan sebab-akibat antara faktor dan karakteristik produksi jika dari tiap level tidak sama
203
Desain Faktorial
x Susunan Perlakuan (Array Treatment)
- Jika banyaknya level faktor (perlakuan) adalah k dan banyaknya replikasi setiap level adalah m
Treatment A1 A11 A21 : Am 1 Mean A2 A12 A22 : Am 2 . . . . . . Ak A1k A2k : Am k
204
Desain Faktorial
x Uji Hipotesis
H0 :
= . =
Jika H0 ditolak maka kita harus menguji perbedaan mean (Ratarata) diantara output pada level faktor.
205
Desain Faktorial
x Contoh
Diketahui bahwa tingkat ketebalan suatu part disebabkan karena tekanan (Pressure) pada proses. Asumsi bahwa part harus tipis, maka percobaan paling dilakukan dengan empat kondisi tekanan. Dan data dari hasil percobaan dapat dilihat pada tabel dibawah ini, tentukan level faktor mana yang berpengaruh. 10 6.1 15 4.4 4.2 3.9 20 3.1 3.3 3.1 3.2 3.6 3.5
Basic Six Sigma
001-TM-SS0-09-2002
Hasil pengukuran
Level Faktor
5.8 6.4
206
Desain Faktorial
x Desain Dua Pihak (Two-way) dengan replikasi perlakuan - Menentukan hubungan sebab-akibat diantara dua faktor dan karakteristik produk (output) - Menentukan apakah mean dari output tiap level faktor sama atau tidak - Apakah ada pengaruh interaksi (Interaction effect) atau tidak. x Main effect (Pengaruh utama) - Perubahan rata-rata variabel output yang disebabkan perubahan level pada suatu faktor
207
Desain Faktorial
x Interaksi pengaruh (Interaction effect)
- Jika Main effect diantara level-level dalam satu faktor tidak sama dengan faktor yang lain, maka terdapat interakasi pengaruh diantara faktor-faktor tersebut. A : Tekanan
Ketebalan A2 A1
A1 B1
A2 B2 Temperatur
208
Desain Faktorial
x Susunan Perlakuan (Array of Treatment) A1
X111 X121 X122 .. X12r X221 X222 .. X22r
A2
..
X1k1
Ak
X1k2 .. X1kr X2k1 X2k2 .. X2kr
B1 B2 . Bm Mean
.. .. . .. ..
.
Xm1 1 Xm2 1 .. Xmr 1
.
Xm1 2 Xm2 2 .. Xmr 2
.
Xm1 k Xm2 k .. Xmr k
X.1.
X.2.
X.k.
209
Desain Faktorial
x Uji Hipotesis H0 : 1 = 2 = . = k H1 : Paling sedikit sebuah A tidak sama H0 : 1 = 2 = . =
k
H1 : Paling sedikit sebuah B tidak sama H00 :: Tidak ada perbedaan efek interaksi H Tidak ada perbedaan efek interaksi H11 :: Ada perbedaan efek interaksi H Ada perbedaan efek interaksi
Jika
H0 ditolak
maka
kita
harus
menguji
210
Desain Faktorial
x Contoh
Diketahui bahwa daya tahan suatu part disebabkan karena tekanan (Pressure) dan temperatur. Diasumsikan bahwa part harus kuat, maka percobaan dilakukan dengan empat kondisi tekanan dan tiga kondisi temperatur, data dari hasil eksperimen dapat dilihat pada tabel dibawah. Analisalah data dari hasil eksperimen, dan tentukan level faktor mana yang berpengaruh terhadap respon.
Tekanan
10
Temp
25 98 103 122
5 10 15
94 99 116
Daya tahan
Basic Six Sigma
001-TM-SS0-09-2002
211
Desain Faktorial
x Desain Full Faktorial kn Merupakan desain eksperimen terhadap keseluruhan perlakuan kombinasi dari n faktor dengan level sama dengan k Jika terdapat r kali eksperimen pada setiap perlakuan kombinasi, maka banyaknya eksperimen dilakukan sebanyak r*kn
212
Desain Faktorial
x Desain Fraksional
Suatu desain eksperimen yang dilakukan hanya sebagian saja atau tidak dilakukan secara penuh (full factorial design). Jika terdapat banyak faktor, maka kita harus melakukan banyak biaya dan waktu. Kita dapat mereduksi banyaknya eksperimen dengan menjalankan desain fraksional faktorial. Dengan asumsi tidak terdapat perbedaan efek interaksi sehingga bisa diabaikan. Biasanya perbedaan efek interaksi diabaikan bila lebih dari 3 faktor. Biasanya desain fraksional dilakukan dengan pembauran (Comfounding) eksperimen. Bila kita melakukan banyak eksperimen berarti akan banyak membutuhkan
x Comfounding (Pembauran)
Adalah pengaruh dari faktor yang tidak dapat dipisahkan
Basic Six Sigma
001-TM-SS0-09-2002
213
Desain Faktorial
x Desain Faktorial menggunakan Minitab
214
Desain Faktorial
Putuskan apakah akan melakukan desain full faktorial atau desain fraksional
215
Desain Faktorial
216
Desain Faktorial
217
Desain Faktorial
218
Desain Faktorial
x Desain Faktorial menggunakan Minitab
Guna mengetahui daya tahan dari suatu part yang disebabkan karena Pressure (tekanan), temperatur dan density (berat jenis) dari suatu material. Asumsikan bahwa part harus kuat, maka eksperimen harus dilakukan dengan perlakuan kombinasi. Semua faktor terdiri dari dua level. Analisa dan temukan level faktor mana yang berpengaruh terhadap kekuatan material. Faktor-faktor dan level faktor A = Pressure B = Density C = Temperatur : Level 1 = 20, level 2 = 25 : Level 1 = 8.5, level 2 = 9 : Level 1 = 60, level 2 = 70
219
Desain Faktorial
- Data : Full_Design
220
Desain Faktorial
221
Desain Faktorial
Seleksi faktor-faktornya
222
Desain Faktorial
223
Desain Faktorial
Fractional Factorial Fit Estimated Effects and Coefficients for y (coded units) Term Constant A B C A*B A*C B*C A*B*C Effect 0.375 3.875 -4.125 1.625 -2.375 0.625 -0.125 Coef 49.563 0.187 1.937 -2.062 0.812 -1.187 0.312 -0.062 StDev Coef 0.6404 0.6404 0.6404 0.6404 0.6404 0.6404 0.6404 0.6404 T 77.39 0.29 3.03 -3.22 1.27 -1.85 0.49 -0.10 P 0.000 0.777 0.016 0.012 0.240 0.101 0.639 0.925
Analysis of Variance for y (coded units) Source Main Effects 2-Way Interactions 3-Way Interactions Residual Error Pure Error Total DF 3 3 1 8 8 15 Seq SS 128.687 34.688 0.062 52.500 52.500 215.937 Adj SS 128.687 34.688 0.062 52.500 52.500 Adj MS 42.8958 11.5625 0.0625 6.5625 6.5625 F 6.54 1.76 0.01 P 0.015 0.232 0.925
224
Desain Faktorial
Normal Probability Plot of the Standardized Effects
(response is y, Alpha = .10)
1.5 1.0
A: A B: B C: C
Normal Score
-3
-2
-1
Standardized Effect
225
Desain Faktorial
Pareto Chart of the Standardized Effects
(response is y, Alpha = .10) A: A B: B C: C
C B AC AB BC A ABC
226
Desain Faktorial
x Pooling ABC to the error term
227
Desain Faktorial
Fractional Factorial Fit Estimated Effects and Coefficients for y (coded units) Term Constant A B C A*B A*C B*C Effect 0.375 3.875 -4.125 1.625 -2.375 0.625 Coef 49.563 0.187 1.937 -2.062 0.812 -1.187 0.312 StDev Coef 0.6042 0.6042 0.6042 0.6042 0.6042 0.6042 0.6042 T 82.03 0.31 3.21 -3.41 1.34 -1.97 0.52 P 0.000 0.763 0.011 0.008 0.212 0.081 0.617
Analysis of Variance for y (coded units) Source Main Effects 2-Way Interactions Residual Error Lack of Fit Pure Error Total DF 3 3 9 1 8 15 Seq SS 128.687 34.688 52.562 0.062 52.500 215.937 Adj SS 128.687 34.688 52.562 0.062 52.500 Adj MS 42.8958 11.5625 5.8403 0.0625 6.5625 F 7.34 1.98 0.01 P 0.009 0.188 0.925
228
Desain Faktorial
Normal Probability Plot of the Standardized Effects
(response is y, Alpha = .10) B A: A B: B C: C
Normal Score
AC
-1
C
-3
-2
-1
Standardized Effect
229
Desain Faktorial
Pareto Chart of the Standardized Effects
(response is y, Alpha = .10) A: A B: B C: C
AC
AB
BC
230
Desain Faktorial
231
Desain Faktorial
Main Effects Plot (data means) for y
20
25
8 .5
9.0
60
70
51.5
50.5
49.5
48.5
47.5 A B C
232
Desain Faktorial
A
25 20
53
49
45
B
9 8.5
53
49
45
233
Desain Faktorial
Cube Plot (data means) for y
50.0
49.5
9.0
51.0
55.5
47.0
43.5
70
C 8.5
49.5 50.5
60
20 A
25
234
Desain Faktorial
x Contoh soal (kopi) - Kita ingin menemukan perlakuan kombinasi yang terbaik terhadap cita rasa dari kopi. - Pilihlah faktor yang berpengaruh terhadap cita rasa kopi dengan melakukan suatu eksperimen dan temukanlah kombinasi terbaik dari faktor-faktor yang ada.
235
Desain Faktorial
x Latihan (Helikopter kertas)
236
Desain Faktorial
- Kita ingin menemukan waktu terlama bila helikopter kertas tersebut dijatuhkan. Oleh sebab itu kita ingin menemukan perlakuan kombinasi yang mempunyai waktu jatuh terlama. - Pilihlah faktor-faktor yang berpengaruh terhadap lama jatuhnya helikopter kertas tersebut. Temukan kombinasi terbaiknya.
237
Aktivitas utama dalam tahap IMPROVEMENT adalah membuat ide-ide perbaikan terhadap faktor-faktor yang telah ditemukan dalam tahap Analisis.
238
Kontrol
C
Basic Six Sigma
001-TM-SS0-09-2002
7 Tujuan
- Memahami konsep Control Chart - Eksekusi Minitab
7 Bahasan
- Sekilas tentang Control Step - Konsep Control chart - Variasi control chart
239
Kepuasan konsumen
240
Contoh : Kesalahan operator, Defect karena material, Ketidaktahuan dalam pengoperasian mesin - Bila hanya terjadi pada proses biasanya kita sebut proses dalam kontrol - Ketika terdapat penyebab khusus didalam proses, biasanya kita katakan proses berada diluar kontrol.
241
242
243
244
Nilai data
3 x
2 x
CL
LCL
Jumlah data
245
Pengawasan Lemah
Penyebab Umum
Kesalahan Pengukuran
Penyebab Khusus
Kesalahan Operator
Kesalahan mesin
246
Test 1
Dua titik berada lebih Dua titik berada lebih dari 33sigma dari dari sigma dari garis tengah. garis tengah.
Outliers (Titik pencilan) Unit tunggal atau pengukuran yang sangat beda dari lainnya Suatu pola yang tergambar jelas dan mudah untuk menemukan penyebabnya. Kemungkinan disebabkan oleh : Kesalahan dalam penggambaran atau pengukuran Kerusakan yang kemungkinan terjadi pada saat proses
247
Test 2
Sembilan titik berada Sembilan titik berada pada lajur baris yang pada lajur baris yang sama dari center line sama dari center line
3 2 1 1 2 3
Sudden Shift (pergeseran tiba-tiba) Menunjukkan satu level perubahan dalam satu arah. Polanya sangat mudah dibaca. Kemungkinan disebabkan oleh : Operator baru, test, mesin baru dan perubahan setting Perubahan material atau supplier baru
248
Test 3
Enam titik pada gambar Enam titik pada gambar kecenderungannya kecenderungannya semuanya naik atau semuanya naik atau turun turun
3 2 1 1 2 3
Level perubahan/Trends (Kecenderungan) Pergerakan yang kontinu apakah itu turun atau naik Kemungkinan disebabkan oleh: Pemakaian perkakas, Cara pemakaian perkakas Operator lelah Penggantian material Peralatan yang kotor
249
Test 4
Keempat belas titik Keempat belas titik yang terdapat pada yang terdapat pada gambar naik dan gambar naik dan turun. turun.
3 2 1 1 2 3
Mixture (Memperlihatkan proses stabil) Menunjukkan kebanyakan data berada diatas dan dibawah CL, sedangkan yang berada ditengah jarang Kemungkinan disebabkan oleh : Perbedaan lot material atau mesin Perbedaan dalam tes atau alat ukur (gage) R chart - Perbedaannya kadangkala besar. Operator tidak stabil (over adjusting process)
250
Test 5
Titik-titik yang dilingkari Titik-titik yang dilingkari berada lebih dari 22sigma berada lebih dari sigma pada CL pada CL
3 2 1 1 2 3
Ketidakstabilan Menunjukkan fluktuasi yang besar dan tidak lazim Karakterisasi kenaikan dan penurunan Kemungkinan disebabkan oleh : Over adjustment Mesin Salah posisi dalam memegang alat kerja. Setting yang hati-hati terhadap X variabel input: temp, pressure Part yang tercampur dengan yang lain.
Basic Six Sigma
001-TM-SS0-09-2002
251
Test 6
Titik-titik yang dilingkari Titik-titik yang dilingkari melebihi 11sigma dari CL melebihi sigma dari CL
Bunching or Clustering (berkelompok / berdekatan) Kebanyakan tergambar pada Xbar, R charts atau p charts Kemungkinan disebabkan oleh : Pengukuran yang sulit Perubahan dalam kalibrasi atau instrumen Pengukuran yang diambil oleh orang yang berlainan R charts: Campuran dari distribusi
252
Test 7
Kelima belas titik Kelima belas titik berada pada batas berada pada batas 11sigma dari CL sigma dari CL
3 2 1 1 2 3
Stratifikasi Merupakan satu bentuk yang stabil. Mendekati center line dengan deviasi yang kecil dan jarak yang berdekatan. Dapat terlihat jelas pada R chart dan Xbar chart. Kemungkinan disebabkab oleh : Sampel-sampel yang diambil memiliki distribusi yang berbeda. Xbar : Penghitungan yang salah dari limit kontrol (UCL & LCL)
253
Test 8
Kedelapan titik yang Kedelapan titik yang dilingkari melebihi 11 dilingkari melebihi sigma dari CL sigma dari CL
3 2 1 1 2 3
Cycling Short trend yang terjadi pada data terjadi pada pola yang berulang Kemungkinan disebabkan oleh : Variabel proses berfluktuasi secara reguler Pengaruh musiman seperti temperatur atau kelembaman Fluktuasi Voltage. R charts: Maintenance schedules, operator fatigue (Lelah)
254
255
3. Tentukan perencanaan pengambilan sampel. Subgroup Size , Subgroup Frequency 4. Tentukan jarak CL yang akan digunakan untuk menentukan UCL dan LCL 5. Kumpulkan data. 6. Hitung nilai tengah dan nilai LCL dan UCL 7. Buat peta kontrol.
256
x
i =1
x
130. 93 131. 30 131. 20 131. 20 131. 30 131. 20 131. 23 131. 37 131. 23 131. 17 1312. 13
R 0. 1 0. 0 0. 0 0. 2 0. 0 0. 0 0. 1 0. 4 0. 1 0. 1 1. 0
392. 8 393. 9 393. 6 393. 6 393. 9 393. 6 393. 7 394. 1 393. 7 393. 5 3936. 4
x = x = 131.213 k
Basic Six Sigma
001-TM-SS0-09-2002
R = R = 0.1 k
257
P Control Chart
#p sl 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 2 0 2 1 2 2 2 3 2 4 2 5 S me a pl 20 0 10 0 10 5 10 7 10 7 20 0 10 0 10 0 20 0 20 0 10 7 10 5 10 6 10 0 10 0 10 0 20 0 20 2 20 5 20 5 10 8 20 0 20 0 20 0 20 0 47 20
Jm De c (Pn l fe t ) Pro rs (P) po i
7 2 0 6 3 5 4 3 1 0 6 7 4 5 0 2 5 1 1 1 0 1 5 9 7 4 1 0 7 1 2 14 5
3% .5 2% .0 0% .0 3% .5 1% .8 2% .5 4% .0 3% .0 5% .0 3% .0 4% .1 2% .7 3% .1 0% .0 2% .0 5% .0 5% .5 4% .5 6% .0 3% .6 3% .9 2% .0 5% .0 3% .5 6% .0 3 % .6
UCL 7% .6 9% .2 8% .2 7% .9 7% .9 7% .6 9% .2 9% .2 7% .6 7% .6 7% .9 8% .2 8% .0 9% .2 9% .2 9% .2 7% .6 7% .4 7% .1 7% .1 7% .8 7% .6 7% .6 7% .6 7% .6
LCL 0% .0 0% .0 0% .0 0% .0 0% .0 0% .0 0% .0 0% .0 0% .0 0% .0 0% .0 0% .0 0% .0 0% .0 0% .0 0% .0 0% .0 0% .0 0% .1 0% .1 0% .0 0% .0 0% .0 0% .0 0% .0
P P=
258
Control Chart
x Xbar-R Chart - Data:XbarR.mtw
259
Control Chart
260
Control Chart
Xbar/R Chart for Sample
42 1 11 UCL=41.29 Mean=40.00 LCL=38.71
Sample Mean
41 40 39 38 1 0 10 1 1 20 30 40 50 1
Subgroup
UCL=4.735
Sample Range
4 3 2 1 0 LCL=0 R=2.239
261
Control Chart
x P Chart - Data:Pcontrol.mtw
262
Control Chart
263
Control Chart
P Chart for Defects
0.10
3.0SL=0.07562
Proportion
0.05 P=0.03607
0.00 0 5 10 15 20 25
-3.0SL=0.000
Sample Number
264
Control Chart
x C Chart - Data:C_Control.mtw
265
Control Chart
266
Control Chart
Sample Count
5 4 3 2 1 0 0 10 20 30 40 LCL=0 C=2.725
Sample Number
267
Aktivitas utama dalam tahap CONTROL adalah menjaga dan mempertahankan kondisi dari hasil ide-ide perbaikan
268