YUK MEMAHAMI SIX SIGMA !

1. Latar Belakang Dari pasar bursa saham, marketing, politik (misalnya dalam Pemilu), kesehatan, internet, sampai dalam menjalankan pabrik semua memiliki data. Nah, yang menjadi tantangan kita di jaman informasi ini adalah bagaimana mengolah data tersebut menjadi sebuah informasi, dan dari informasi menjadi pengetahuan. Pengetahuan yaitu sebuah topik yang menjadi dasar Knowledge Based Management. Dengan kemajuan di bidang Teknologi Informasi (TI), kemampuan mengumpulkan dan mengolah data mengalami kemajuan yang sangat drastis. Kapasitas penyimpanan data di komputer kita sudah sangat luar biasa peningkatannya, dari skala kilo byte (KB) sampai menjadi giga byte (GB) dan masih akan terus meningkat. Namun kebanyakan dari kita terjebak dalam apa yang disebut hypermedia trap: kita terlalu sibuk mengumpulkan segala jenis data tanpa sempat mengolah dan menganalisa data tersebut. Segala data kita simpan, semua yang kita anggap penting dari email, internet, dan pekerjaan kantor, kita simpan dalam komputer tanpa sempat kita analisa apa informasi yang bisa ditarik dari semua data tersebut. Demikian juga dengan software pengolah data, dari yang hampir selalu ada di tiap komputer (misalnya Microsoft Excel) sampai yang lebih canggih seperti SPSS atau Minitab, sekarang ini bukanlah sesuatu yang susah dicari. Pada umumnya kita menggunakan software seperti Excel untuk menghitung rata-rata dan membuat analisis sederhana seperti regresi linear atau histogram. Meskipun analisis seperti itu kadang-kadang memang cukup, namun dalam banyak hal kita sering memerlukan analisis yang lebih lengkap; Six Sigma bisa membantu kita dalam menganalisis dan memecahkan permasalahan menggunakan beberapa analytical/statistical tool. Buku ini dibuat karena saya sedang bekerja di bidang yang banyak berhubungan dengan Six Sigma; jadi sambil belajar, sambil ditulis. Siapa tahu bisa menyerap ilmu lebih baik. Selain itu dalam beberapa workshop yang saya adakan, selama berdiskusi dengan engineer, teknisi, operator lapangan sampai manajer, saya sering kesulitan mencari contohcontoh sederhana yang menarik, praktis, dan gampang diingat untuk menerangkan konsep umum statistik seperti distribusi normal, standar deviasi dan istilah lainnya.

Pengertian six sigma

1. Pengertian

Six Sigma dimulai oleh Motorola ditahun 1980-an dimotori oleh salah seorang engineer disana bernama Bill Smith atas dukungan penuh CEO-nya Bob Galvin. Motorola menggunakan statistics tools diramu dengan ilmu manajemen menggunakan financial metrics (yaitu Return on Investment, ROI) sebagai salah satu metrics/alat ukur dari quality improvement process. Konsep ini kemudian dikembangkan lebih lanjut oleh Dr. Mikel Harry dan Richard Schroeder yang lebih lanjut membuat metode ini mendapat sambutan luas dari petinggi Motorola dan perusahaan lain. Six Sigma merupakan sebuah metodologi terstruktur untuk memperbaiki proses yang difokuskan pada usaha mengurangi variasi proses (process variances) sekaligus mengurangi cacat (produk/jasa yang diluar spesifikasi) dengan menggunakan statistik dan problem solving tools secara intensif. Six Sigma (6) adalah suatu besaran yang bisa kita terjemahkan secara gampang sebagai sebuah proses yang memiliki kemungkinan cacat (defects opportunity) sebanyak 3.4 buah dalam satu juta produk/jasa. Ada banyak kontroversi di sekitar penurunan angka Six Sigma menjadi 3.4 dpmo (defects per million opportunities). Namun bagi kita, yang penting intinya adalah Six Sigma sebagai metrics merupakan sebuah referensi untuk mencapai suatu keadaan yang nyaris bebas cacat. Konsep dasar Six Sigma banyak sekali diambil dari Total Quality Management (TQM) dan Statistical Process Control (SPC) dimana dua konsep besar ini diawali oleh pemikiran-pemikiran Shewhart, Juran, Deming, Crossby dan Ishikawa. Dari segi waktu, bisa dikatakan Six Sigma adalah hasil evolusi terakhir dari quality improvement yang berkembang sejak tahun 1940-an. Struktur six sigma terdiri dari lima tahapan yang disingkat DMAIC: Define, Analyze, Improve, Control. Dalam Six Sigma, konsep Variance dan Standar Deviasi memegang peran yang sangat penting. Ini karena dari pengalaman pada proses-proses produksi barang dan jasa, Fokus Six Sigma adalah mengurangi variasi. Inti dari pengurangan variasi ini sebenarnya adalah kita perlu punya standar untuk variasi. Ini disebabkan karena setiap proses adalah input dari proses berikutnya.

Perbedaan
Definisi 1.

dan

memiliki tingkat akurasi 93,3%

2. Melihat pada prediktabilitas hasil, serta penyimpangan dari nilai rata-rata. Jika cacat

yang hadir, tiga sigma meletakkan menyalahkan sistem itu sendiri. Digunakan untuk melihat apa yang mempengaruhi hasil dari proses tertentu 3. Tiga Sigma dapat digunakan untuk menentukan kualitas suatu proses.
4. Tiga sigma hanya diterapkan pada proses manufaktur

5. Tiga sigma dimaksudkan bahwa "mampu" proses adalah salah satu yang memiliki standar deviasi proses tidak lebih dari seperenam dari penyebaran diijinkan total
6. Tiga Sigma Proses dengan 0.0 Shift di Mean. Fungsi akuntansi disebut sebagai

proses 3-sigma karena proses mean plus atau minus tiga standar deviasi adalah sama dengan batas spesifikasi, dalam hal lain, USL = +3 dan LSL = -3. Ini akan menghasilkan 2.700 cacat per satu juta. Gambar 2: Tiga Sigma Proses dengan 0.0 di Mean

Tiga Sigma Proses dengan 1,5 Sigma Shift di Mean. 1,5 pergeseran standar deviasi pada hasil rata-rata di 66.807 cacat per satu juta

Gambar 3: Tiga Sigma Proses dengan 1,5 Sigma Shift di Mean

Definisi 1.

memiliki tingkat akurasi 99,99966%

2. Six Sigma digunakan untuk menetapkan dan mudah-mudahan mencapai target hasil kualitas.
3. Six Sigma dapat digunakan oleh perusahaan untuk mencapai target baru kualitas hasil 4. Six Sigma diterapkan pada semua proses bisnis penting. memiliki dua metodologi

utama: DMAIC dan DMADV. DMAIC digunakan untuk meningkatkan proses bisnis yang ada. DMADV digunakan untuk membuat desain produk baru atau proses desain sedemikian rupa sehingga menghasilkan kinerja, lebih dapat diprediksi dewasa dan cacat-bebas. 5. Six Sigma membutuhkan proses standar deviasi tidak lebih dari satu-dua belas penyebaran total diijinkan.
6. Proses Six Sigma dengan Shift 0.0 di Mean. ini, keluaran yang dihasilkan akan

menunjukkan 2 cacat per miliar

Gambar 4: Proses Six Sigma dengan Shift 0.0 di Mean

Proses Six Sigma dengan 1,5 Sigma Shift di Mean. Para 1,5 pergeseran standar deviasi pada hasil berarti dalam 3,4 cacat per satu juta. Gambar 5: "Six Sigma" Proses dengan 1,5 Sigma Shift di Mean

Perbedaan antara proses sigma 3 (66.807 cacat per juta peluang) dan sigma proses 6 (3,4 cacat per satu juta kesempatan) dapat dilihat di sebuah pelayanan dengan 20 langkah komponen. Jika setiap dari 20 langkah komponen memiliki tingkat kualitas 66.807 cacat per satu juta kesempatan, dengan asumsi setiap langkah tidak mengijinkan pengerjaan ulang, maka kemungkinan cacat pada setiap langkah 0,066807 (66.807 / 1.000.000). Dengan pengurangan, kemungkinan bebas langkah cacat adalah 0.933193 (1,0-,066807) Akibatnya, kemungkinan memberikan pelayanan yang terakhir yang bebas cacat adalah 25,08 persen. Hal ini dihitung dengan mengalikan 0.933193 dengan sendirinya 20 kali ([1,0-0,066807]
20

= 0,2508 = 25,08%).

Namun, jika masing-masing dari 20 bagian

komponen memiliki tingkat kualitas 3,4 cacat per satu juta kesempatan (0,0000034), maka kemungkinan memberikan pelayanan yang terakhir yang bebas cacat adalah 99,99932% ([1,0-0,0000034]
20

= ,99999966

20

= 0,9999932 = 99,99932 %).

Sebuah

sigma proses 3 menghasilkan cacat% bebas jasa 25,08, sementara proses 6 sigma menghasilkan layanan gratis cacat-99,99932%. Perbedaan antara proses sigma tiga dan "Six Sigma" proses yang cukup dramatis tentu percaya bahwa 6 Sigma tingkat masalah kinerja, khususnya dengan proses yang lebih kompleks dengan lebih banyak langkah atau kegiatan. Tiga sigma ini dapat dilihat pada gambar bahwa memiliki estimasi interval lebihlebar dib

Interpretasi :

Gambar 1: Six-Sigma Proses dengan 1,5 s Shift vs Centered-Sigma Proses Tiga Lihat lebih dekat dan perbedaan antara tigasigma-sigma asumsi untuk yang penting. proses enam di bawah normalitas, perhitungan mengikuti. Tanpa itu, yang sangat penting

(Asumsi stabilitas juga bisa seseorang tidak memprediksi pengoperasian proses atau negara probabilitas) Gambar 1 mengilustrasikan tiga-sigma (berpusat) proses dan enam-sigma (1,5 s bergeser) proses. Kedua proses distribusi tampaknya sepenuhnya dalam spesifikasi produk. Kami mendefinisikan LSL sebagai batas spesifikasi yang lebih rendah dan USL sebagai batas spesifikasi atas. Target, T, sama (USL + LSL) / 2. Untuk contoh ini, kami memilih T = 0, USL dan LSL = -6 = +6 untuk memudahkan penjelasan. Kami secara tradisional beroperasi pada tingkat tiga-sigma. Mengingat spesifikasi, variasi proses (s) harus cukup kecil sehingga dasar dari distribusi normal pas dengan spesifikasi, ketika berarti sama dengan target. Artinya, panjang dari m - 3 s ke m + 3 s, panjang 6 s, harus kurang dari USL - LSL. Maka s = (USL - LSL / 6) adalah variasi terbesar yang diijinkan. Angka ini menggambarkan situasi ini dengan distribusi normal dimana mean, m, sama dengan 0, dan variasi, s, sama 2. Sebuah proses yang beroperasi dalam mode ini akan menghasilkan 2.700 bagian per juta (PPM) barang cacat, dengan 1.350 PPM melampaui batas spesifikasi masing-masing. Dan harus proses mean shift untuk m t = 1,5 s (yang akan 3), maka akan menghasilkan 66.807 barang cacat PPM.

Setelah alasan yang sama seperti yang diberikan bagi-sigma proses tiga, variasi proses s = 1 atau lebih kecil diperlukan untuk mencapai tujuan six sigma [s = (USL - LSL) / 12]. Jika sigma mean proses-enam yang berpusat pada nilai target, proses ini akan menghasilkan barang cacat pada tingkat dua bagian per miliar (PPB), satu PPB melampaui batas spesifikasi masingmasing. Jika proses mean shift dengan 1,5 sigma, tingkat cacat akan meningkat menjadi 3,4 PPM barang cacat. Angka tersebut menggambarkan situasi yang terakhir, dengan distribusi normal dimana mean, m, sama dengan 1,5, dan variasi, s , sama 1.