BAB 1

Bagaimana cara mengumpulkan Data

1.1 Tujuan pengumpulan data

Banyak data bisa dikumpulkan dalam situasi pabrik. Pertama perhatikan tujuan
mengumpulkan data ini.
Ketika kita memperkenalkan metode tertentu untuk melakukan pekerjaan, wajar jika
mempertimbangkan apakah metode itu tepat atau tidak. Keputusan biasanya didasarkan pada
hasil dan pengalaman masa lalu, atau mungkin dengan metode konvensional. Namun, dalam
kasus kerja pabrik, dimana data dikumpulkan melalui proses pembuatan aktual, metode
prosedural diperkenalkan berdasarkan informasi yang diperoleh. Prosedur pembuatannya
akan sangat efektif jika dilakukan evaluasi yang tepat. Data dan evaluasi selanjutnya akan
menjadi dasar tindakan dan keputusan. Karena operasi pabrik akan bervariasi sesuai prosedur
pembuatannya, data harus diklasifikasikan dalam berbagai tujuan.
(1) Data untuk membantu dalam memahami situasi aktual
Data ini dikumpulkan untuk memeriksa sejauh mana dispersi dalam ukuran bagian berasal
dari proses pemesinan, atau untuk memeriksa persentase komponen yang rusak yang terdapat
dalam lot recived. Seiring bertambahnya jumlah data, mereka dapat diatur secara statistik
untuk memudahkan pemahaman, seperti yang akan dijelaskan lebih lanjut. Perkiraan dan
perbandingan kemudian dapat dibuat mengenai kondisi lot yang diterima serta proses
pembuatannya, dengan menggunakan figur tertentu, figur standar, angka target, dll.
(2) Data untuk analisis
Data analitis dapat digunakan, misalnya untuk memeriksa hubungan antara cacat dan
penyebabnya. Data dikumpulkan dengan memeriksa hasil masa lalu dan membuat tes baru.
Dalam kasus ini, berbagai metode statik digunakan untuk mendapatkan informasi yang benar.
(3) Data untuk pengendalian proses
Setelah meneliti kualitas produk, data semacam ini bisa digunakan
menentukan apakah proses manufaktur itu normal atau tidak. Diagram kontrol digunakan
dalam evaluasi dan tindakan ini diambil berdasarkan data ini.
(4) Mengatur data
Ini adalah tipe data yang digunakan, contohnya sebagai dasar untuk menaikkan atau
menurunkan suhu tanur listrik sehingga suhu standar dapat dipertahankan. Tindakan dapat
diresepkan untuk setiap datum dan tindakan yang diambil sesuai dengan itu.

1
(5) Penerimaan atau penolakan data
Bentuk data ini digunakan untuk menyetujui atau menolak bagian dan produk setelah
diperiksa. Ada dua metode: total inspeksi dan pengambilan sampel. Berdasarkan informasi
yang diperoleh, dapat diputuskan apa yang harus dilakukan dengan bagian atau produk.

1.2 Data yang benar

Data berfungsi sebagai dasar tindakan. Setelah mengevaluasi kondisi aktual seperti
yang diungkapkan oleh data, tindakan yang tepat dapat dilakukan. Langkah kritis pertama
adalah menentukan apakah data mewakili kondisi yang khas atau tidak. Situasinya bisa
dinyatakan
I) data yang terkumpul kemungkinan mengungkap fakta?
2) data dianalisis. dan dibandingkan seperti mengungkap fakta?
Yang pertama adalah masalah metode naksir, dan yang terakhir adalah masalah
pemrosesan statistik
Poin penting dalam pengambilan sampel adalah untuk mengetahui data apa yang akan
digunakan untuk; dengan kata lain, memastikan tujuannya. Misalnya, jika masalah dengan
produk tertentu adalah dispersi pengotor, tidak cukup hanya dengan mengambil satu sampel
per hari untuk mengetahui tingkat dispersi harian. Atau dalam disperse harian yang
membandingkan cacat yang dihasilkan oleh pekerja A dan B, penting untuk mengambil
setidaknya dua sampel terpisah dari kedua produk pekerja. Pertimbangkan penuh harus
diberikan dengan alasan mengumpulkan data, teknik pengambilan sampel yang tepat, dan
stratifikasi. Seseorang tidak boleh mengambil bagian jenis data tertentu yang tidak
proporsional hanya karena dapat dikumpulkan dengan mudah.Selain itu, data parsial yang
mudah dikumpulkan tidak harus efektif dan memadai.
Tetapi penggunaan teknik pengambilan sampel yang tepat saja tidaklah cukup. Data
tersebut menunjukkan fakta dan metode statistik yang diterapkan mengarah pada evaluasi
yang objektif.
Misalnya, jika Anda memiliki 100 data yang mewakili kekerasan X, umumnya tidak
mungkin untuk menarik kesimpulan numerik dari nilai saja. Dasar keputusan hanya dapat
direalisasikan setelah mereka dengan keseluruhan situasi, seperti yang ditunjukkan dalam
histogram atau lembar cek. Dan, dalam membandingkan kekerasan material Y dengan
material x, masih perlu menggunakan teknik statistik, setelah mengukur persentasi pada
sampel masing-masing.

2
1.3 jenis data
Meski mengasumsikan bahwa kebutuhan untuk memiliki data dipahami, Pada banyak
pekerjaan seringkali sulit mendapatkan data dengan nilai numerik yang rapi. Tidak mungkin
mengukur kelembutan kain, kilau pelapis, atau putih kertas, dengan angka numerik diskrit
seperti satu pertemuan untuk ukuran dan berat.
Misalnya, perbandingan relatif dapat digunakan untuk menentukan kelembutan tiga
jenis kain. Pengukuran yang tepat mungkin tidak mungkin dilakukan, namun susunan kain
agar kelembutan bisa memberikan data yang sangat baik. Getaran mobil, atau kerlip saat
proyeksi gambar film 8 mm, akan sulit diukur dengan instrumen sederhana saja. Tapi lima
orang bisa mengendarai mobil atau menonton film dan kemudian laporkan pengamatan
mereka.
Seperti yang dinyatakan sebelumnya, tujuan mengumpulkan data bukan untuk
mengkategorikan semuanya menjadi rapi namun memberikan dasar tindakan. Data itu sendiri
bisa dalam bentuk apapun. Umumnya data dapat dibagi ke dalam kelompok-kelompok ini:
1) Data pengukuran: data terus menerus Panjang, berat, waktu, dll
2) Data yang dapat dihitung: enumerasi data Jumlah cacat, jumlah cacat, persentase cacat, dll.
Selain itu, ada juga data tentang manfaat relatif, data urutan, dan data pada poin kelas,
yang agak lebih rumit namun berguna bagi mereka yang memiliki pengalaman untuk menarik
kesimpulan yang sesuai.

1.4 Analisis data

Setelah data dikumpulkan, dianalisis, dan informasi diekstraksi melalui penggunaan
metode statistik. Oleh karena itu, data harus dikumpulkan dan diatur sedemikian rupa untuk
mempermudah analisis kemudian
Pertama-tama, jelas catat sifat data. Waktu bisa berlalu antara pengumpulan dan
analisis data. Selain itu, lembar data mungkin berguna di lain waktu untuk kegunaan lain.
Jika perlu untuk mencatat tidak hanya tujuan pengukuran dan karakteristiknya tetapi juga
tanggalnya, instrumen yang digunakan, orang yang melakukannya, metode, etc.
Selanjutnya, catat data sedemikian rupa sehingga mudah digunakan. Karena total,
rata-rata, dan rentang sering dihitung kemudian, akan lebih mudah jika data dicatat dengan
mempertimbangkan hal ini. Jika 100 data diambil pada satu titik, semua bentuk lembar data
mungkin akan dilakukan. Tapi jika satu datum adalah Laken lima kali sehari pada jam 9 pagi,
jam 11 pagi, jam 14.00, dan 5 sore, lebih dari 20 hari, maka lembar data harus menunjukkan

3
waktu secara horisontal dan tanggalnya secara vertikal. Dengan cara ini, jumlah total harian
dapat dibuat untuk setiap kolom dan per jam (masing-masing untuk setiap baris. Kunci untuk
analisis yang sukses adalah membuat penggunaan lembar data dengan terampil, baik secara
vertikal maupun horizontal, Lembar data atau lembar periksa buatan cenderung memiliki
titik-titik ini digabungkan, namun bermanfaat untuk memperhatikan tujuan untuk memastikan
agar data dapat dikumpulkan dengan mudah dan dianalisis secara otomatis 1.5 Pengingat
untuk mengumpulkan data
(1) Tujuan pengumpulan data Hanya bila tujuannya jelas dapat dilakukan jenis data
yang akan dikumpulkan ditentukan dan perbandingan yang diperlukan dibuat
(2) Mengumpulkan data secara efisien Jenis yang dibutuhkan mungkin sulit
dikumpulkan, diukur, atau dicatat Kurangnya instrumen atau tenaga kerja, dimculties dalam
kuantifikasi, dan sebagainya, adalah masalah umum. Apa yang penting pada tahap ini adalah
kemauan. Kecerdikan, dan keterampilan sering kali sangat dibutuhkan untuk memikirkan
metode unik dan batasan komersil
(3) Mengambil tindakan sesuai dengan data Ingatlah untuk membuat data dasar
tindakan, jika tidak mereka tidak akan dikumpulkan dengan cara yang positif Biasakan untuk
mendiskusikan masalah berdasarkan data dan menghargai fakta yang ditunjukkan oleh
mereka.

4
BAB 2
Histogram

2.1 Data memiliki persebaran

Bab 1 mendiskusikan tipe-tipe data yang berbeda dan bagaimana cara
mengumpulkannya. Sekarang pertimbangkan cara untuk menyusun data-data tsb.
Data dikumpulkan dengan cara yang beragam di pabrik. Sebagai contoh, kita
mengumpulkan data pada saat panen, persentase barang-barang yang rusak, laju
pengoperasian, ketidakhadiran, diameter kutub, kepadatan kawat, dan berat atau konsentrasi
produk, dengan tujuan untuk mencatat data-data tersebut dalam laporan, grafik dan diagram
kontrol harian.
Ada tujuan untuk mengumpulkan seluruh data ini. Coba pikirkan tentang alasan di
balik data yang anda kumpulkan. Apakah tujuannya jelas? Contohnya, misalkan anda telah
mengambil sampel dari sebuah undian dan telah mengukur sampel-sampel itu. Digunakan
sebagai basis data dari sampel-sampel ini, yang dipilih secara acak, kita bisa membuat
inferensi tentang pengukuran artikel dari keseluruhan undian tempat diambilnya data-data
ini, atau dari proses produksi, dan lantas mengambil beberapa tindakan (lihat gambar 2.1)

Tujuan - Populasi - Sampel - Data

Tindakan untuk undian (inspeksi) - Undian -> Pengambilan sampel (sampling) -> sampel ->
Pengukuran -> Tindakan -> Data
Tindakan untuk proses (kontrol proses) - Proses -> Lot -> Sampling -> Sampel ->
Pengukuran --- Tindakan -> Data

Gambar 2.1 Populasi dan sampel

5
 Data dibutuhkan untuk menghasilkan dimensi rerata dan derajat persebaran sehingga
kita bisa menentukan apakah tepat untuk menerima atau mengirim undian, dan apakah proses
produksi yang digunakan untuk pembuatan undian itu cocok, atau apakah beberapa tindakan
harus diambil. Dengan kata lain, tindakan dapat diambil dari suatu lot atau proses dalam
basis data yang diperoleh dari sampel / contoh.
Produk-produk dari lini produksi yang sama biasanya sedikit berbeda dalam dimensi,
kekerasan, atau kualitas lainnya. Jika, setelah mengukur sepuluh sampel, mereka ditemukan
berukuran 10.0, 10.0, 0.0, ... 10.0, maka akan ada penyebab untuk merasa ragu. Kita dapat
menyangka bahwa alat pengukurannya keliru atau kita mungkin bahkan bertanya-tanya
apakah mereka memang diukur sebenarnya! Mirip seperti kita yang bepergian pulang pergi
kerja setiap hari dan bahkan mengambil rute yang sama dan kendaraan yang sama, kita
biasanya menemukan bahwa pada beberapa hari tertentu perjalanan itu tidak selama biasanya.
Jika kita mencoba membuat perjalanan itu benar-benar sama lamanya setiap hari, itu akan
membutuhkan usaha yang sangat keras. Ketika kita melihat pada sejumlah data, kita dapat
mengharapkan dan mendeteksi beberapa dispersi / penyimpangan. Sesungguhnya, kita hidup
dalam dunia dispersi. Untuk mengetahui kualitas dari sejumlah produk yang diberikan, kita
harus menggunakan rerata dan dispersi.
Anggap, sebagai contoh, kehidupan sebuah peralatan elektronik. Meskipun, pada rata-
rata, masa hidup alat elektronik adalah panjang, jika terdapat banyak dispersi, maka beberapa
peralatan akan menjadi rusak dengan cepat. Hal ini menandakan suatu kehilangan keandalan
produk. Satu kriteria untuk menentukan kualitas produk adalah apakah, pada rata-rata, masa
pakainya relatif panjang dan di waktu yang sama dispersinya kecil.
Asumsikan bahwa empat sampel dari suatu bagian tertentu diambil dari lini produksi
setiap hari selama sebulan dan dilakukan pengukuran. Ada dua cara untuk melihat data dari
100 sampel:
1) Kenampakan keseluruhan bagian-bagian tersebut sebagai sebuah kelompok.
2) Perubahan dalam pengukuran sehari-hari selama sebulan.
Untuk 1), suatu tabel frekuensi dapat dibuat menunjukkan jumlah bagian untuk setiap
dimensi. Lalu dengan menyusun histogram, akan mudah untuk mencatat bentuknya, nilai
tengah, dan sifat persebaran pengukuran ukuran. Untuk 2), untuk melihat perubahan dalam
data secara kronologis, grafik kontrol dengan data disusun vertikal dan dimensi secara
horisontal sering kali digunakan.

6
2.2 Bagaimana Cara Mempersiapkan Histogram
Data pada tabel 2.1 mewakili ketebalan (dalam satuan milimeter) dari 100 balok metal
yang merupakan bagian dari instrumen optis. Ketika ada sebanyak 100 data sampel di sini,
adalah sulit untuk menentukan distribusi data hanya dengan melihat gambarnya. Dalam
situasi semacam ini, mengatur data dalam urutan sekuens akan menunjukkan berapa banyak
gambar yang mirip (lihat Tabel 2.1). Suatu plot dari data ini pada sebuah grafik akan menguk
keseluruhan kecenderungan. Terdapat banyak jenis grafik, namun satu yang paling umum
digunakan adalah histogram (gambar).
ayo kita bahas cara membuat histogram
1) hitung datanya N = 100
2) seperti yang terlihat di tabel 2.1, bagi datanya swcara kasar menjadi 10 grup. catat nilai
terbesar sebagai XL dan nilai terkecil sebagai XS (ini sebanding dengan pemilihan lokal).
selanjutnya catat XL terbesar dan XS terkecil secara keseluruhan. (sebanding dengan
pemilihan nasional) XL =3.68 XS =3.30

Table 2.1 ketebalan blok logam

o= nilai terbesar dalam

deretan
x= nilai teekecil dalam
deretan

gambar 2.2 ketebalan blok logam

7
3. Rentang (R) dari semua data adalah: (rumus). Rentang ini dapat dipisahkan menjadi kelas-
kelas dan jumlah data yang masuk ke dalam setiap kelas dapat diketahui / dihitung. Jumlah
kelas (jumlah batangan histogram) dapat ditentukan berdasarkan tabel 2.3. Akan tetapi, untuk
memecah data menjadi suatu jumlah kasar kelas-kelas, pilihlah K = 10 dari Tabel 2.3 yang
menyarankan jumlah kasar divisi-divisi kelas untuk digunakan pada jumlah data yang
beragam.

4. Interval kelas (/panjang kelas), h, yang mana akan digunakan sebagai unit graduasi untuk
menyusun histogram ditentukan dengan cara membagi rentang data (R) dengan jumlah kelas.
Interval kelas ini (h) haruslah dinyatakan sebagai suatu perkalian dari sebuah integer
(bilangan bulat) (datanya memiliki nilai, sebagai contoh: 3,56, maka unit pengukurannya
adalah 0,01). Di sini h dapat dianggap sama dengan 0,04, namun untuk membuat pembagian
kelas menjadi lebih sederhana ia bisa diatur menjadi 0,05.

5. Nilai tepi kelas, yang mana harus kita tentukan untuk membuat suatu grafik batang,
membatasi awalan pada satu ujung rentang. Itu merupakan beberapa ketika actuals jatuh pada
batas kelas. Untuk menghindarinya, Unit batas diambil sebagai setengah dari unit pengukuran

8
aktual, di Kasus ini adalah 0,005. Dengan kata lain, batas-batasnya – lebar bar akan menjadi
3.275 ~ 3.325, 3.325 ~ 3.375, dll. Dengan tanda cek seperti /, II, III, ll / l, UU, dll, data yang
dimiliki masing-masing kelas busur yang disebutkan seperti ditunjukkan pada tabel 2.2 dan
tabel frekuensi dibuat Jumlahnya harus sesuai dengan N seperti yang diuraikan pada langkah
(I) di atas.(Kesalahan terjadi disini, jadi hati-hati.)

6. Setelah memeriksa tabel frekuensi, Anda bisa mendapatkan ide tentang Gambaran
keseluruhan, tapi jika diindikasikan pada grafik itu menjadi banyak lebih jelas Pada kertas
grafik, tandai batas kelas secara horisontal dan frekuensi secara vertikal seperti pada
histogram pada gambar 2.2. Dalam area kosong menuliskan latar belakang data N, nilai rata-
rata, standar deviasi, dll. Jika ada perusahaan atau standar industri itu baik untuk
memasukkan ini juga. Dalam contoh ini, spesifikasinya Batas pada blok logam busur 3,28 ~
3,60 mm, yang juga busur dicatat pada grafik.

Karena histogram adalah grafik dengan batang, itu juga disebut grafik batang u.
Setiap bar disebut sebagai kelas. Ketebalan bar adalah interval kelas; itu Nilai numerik yang
sesuai dengan batas bar adalah kelasnya batas; nilai sentral kelas disebut nilai representatif
atau nilai tengah Banyak informasi bisa didapat hanya dengan menyiapkan fre- tabel quency
dan histogram, seperti yang akan dijelaskan pada bagian berikut. Nilai rata-rata, 3r, adalah
3,476 dan standar deviasi, s. adalah 0,065; Penjelasan untuk menghitung nilai-nilai ini
ditunjukkan dalam masalah praktik 2.

2.3 Cara menggunakan histogram

(1) Bagaimana bentuk distribusinya?
Mari kita coba menjawab pertanyaan berikut dengan melihat histogram pada gambar 2.2.
Apa ketebalan blok logam yang paling umum? Bagaimana besar adalah dispersi? Apakah
distribusi simetris? Apakah itu miring? Aku s hanya ada satu puncak? Apakah itu tebing?
Apakah itu terlihat seperti cogwheel? Ada setiap bar terisolasi? Dengan kata lain, apa
karakteristik dari produk?
Menurut gambar 2.2, sebagian besar blok logam berada di 3.425 - 3.525 kisaran
ketebalan. Jumlah balok di luar rentang ini lebih tebal atau thinner lebih sedikit di setiap arah.
Ada distribusi simetris, dan 3,3 mni untuk 3.7 111111 dispersi. Tidak ada data abnormal yang
terisolasi nilai.

9
contoh 1
Satu Lingkaran QC perusahaan A berfokus pada masalah terbengkalai saya tentang
edema jumlah logam bekas yang dipangkas dari produk selama maim facturing. Hasil
flikalnya dari tindakan mereka ditunjukkan pada gambar 2 3, yaitu a histogram
membandingkan logam yang dipangkas sebelum dan sesudah perbaikan Tidak hanya jumlah
logam terpotong yang dikurangi (penurunan x). Tapi Juga terjadi penurunan dispersi
(penurunan s). Efek ini bisa jadi terlihat di histogram.

Gambar 2.3 Perbandingan histogram

Contoh 2.
Setelah mengukur bagian yang dikirimkan oleh perusahaan B, hasilnya didapat seperti yang
ditunjukkan pada gambar 2.4. Histogram ini memiliki tampilan seperti tebing

Tepi kiri dan karena itu nampaknya tidak biasa. Ada kemungkinan sebelum bagian-bagiannya
dikirim dari perusahaan B, mereka semua diperiksa dan yang jatuh di bawah nilai pengukuran
tertentu telah dihapus. Selanjutnya, jadinya Dianjurkan untuk benar-benar memeriksa semua
bagian yang masuk dan juga untuk memastikannya Perusahaan B menjamin kualitas bagian-

10
bagiannya, bukan melalui inspeksi tapi melalui proses yang lebih baik.

Contoh 3.
Data yang dikumpulkan pada viskositas produk tertentu menghasilkan sisir- seperti histogram
pada gambar 2.5.

Histogram ini tampak abnormal, jadi metode pengukurannya adalah diperiksa Ditemukan
bahwa meskipun instrumen telah ditetapkan Hanya menunjukkan angka genap, juga memberi
pembacaan angka ganjil. Dengan demikian, jumlah angka kebanjiran aneh sangat kecil
dibandingkan dengan rasio cvcn-angka numbcr (Selain kesalahan seperti ini, hati-hati dengan
histogram interval kelas dan kelipatan bilangan bulat dari unit pengukuran, mis. kelipatan
dari 1, 2, 3. . . dll, untuk menghindari jenis histogram ini.)

Contoh 4.
Semua contoh sejauh ini telah dilakukan untuk menunjukkan histogram nilai data Namun,
angka untuk jumlah komponen cacat, absen,cacat, dll. (yang kita sebut nilai diskrit) dapat
digunakan sebagai data untuk histogram dengan cara yang sama dengan bus data kontinyu.
Gambar 2.6. menunjukkan jumlah kegagalan mesin sehari-hari dalam histogram yang
dilakukan untuk membantu preventif main-tenance Distribusi miring ke kanan. Dengan jenis
diskrit ini nilai - jumlah komponen yang rusak, persentase komponen yang rusak, jumlah
kecelakaan, jumlah cacat - distribusi data ini akan sering terjadi ditemukan untuk
menganggap bentuk asimetris. Tentu saja, meski terus menerus data dinyatakan dalam
jumlah, dengan data hasil 100 persen dan 100 sen Kemurnian, angka distribusi terkadang
berjalan ke kiri karena limn ditetapkan 100 persen

11
 Gambar 2.6 Kegagalan terjadinya distribusi
(2) Apa hubungan dengan spesifikasi? Berapakah persentase produk out-of-specification?
Lakukan produk sepenuhnya memenuhi spesifikasi? Apakah nilai rata-rata di pusat yang
tepat dari batasan spesifikasi? Mari kita bandingkan histogram dengan spesifikasinya. Di
Gambar 2.2, dimana ketebalan blok logam ditunjukkan, kita melihat bahwa Nilai rata-rata
kira-kira berada di tengah batas spesifikasi, tapi dispersi lebih besar dari lebar batas
spesifikasi. Entah ini dispersi perlu dikurangi atau spesifikasi harus diperiksa ulang.

Contoh 5.
Sebuah histogram yang menunjukkan karakteristik beban microswitch diberikan gambar 2.7.
Ada banyak mikroswitch yang cacat, dan di atas grafik setengah cacat karena karakteristik
beban. Untuk alasan ini, datanya pada karakteristik beban yang diambil selama proses
pembuatannya dipelajari dengan menggunakan histogram. Seperti bisa dilihat dengan jelas,
nilai rata-rata condong ke batas spesifikasi atas dan dispersinya luas. Masalah ini dianalisis
melalui diagram kontrol dan berbagai statistik metode; Hasilnya adalah pengurangan jumlah
cacat. Ini adalah sebuah contoh bagus untuk menunjukkan bagaimana histogram dapat
digunakan untuk memahami keadaan proses manufaktur, untuk membantu orang belajar apa
masalahnya adalah, dan dengan demikian untuk meningkatkan kemampuan proses dan
mengurangi cacat. Sebuah proses Indeks kemampuan digunakan untuk menentukan apakah
dispersi cukup kecil dibandingkan dengan batasan spesifikasi.

12
 Gambar 2.7 histogram karakteristik beban

(3) apakah ada kebutuhan untuk mengubah histogram?

Bila data distratifikasi sesuai dengan bahan, mesin, shift, pekerja, bulan, dll,
distribusinya bisa berbentuk dua puncak (bi modal distribution). Dalam kasus distribusi bi
modal atau dispersi luas, pola frekuensi naik dan turun dua kali. Saat ini terjadi, periksa
faktor stratifikasi. Jika alasan jenis distribusi jenis ini dapat dilihat, persiapan dua histogram
mungkin lebih membantu.

Contoh 6.
sebuah perusahaan subkontrak yang memproses panci logam lembaran untuk pembuat
mesin listrik, dengan lembaran logam yang dipasok oleh perusahaan induknya. Berapa pun,
produk yang ditekan memiliki banyak keriput dan keretakan, dan ukurannya seringkali tidak
tepat. Oleh karena itu, tes kekerasan dilakukan pada lembaran, dan hasilnya ditunjukkan
dalam histogram (gambar 2.8)

Gambar 2.8 lembar metal kekerasan histogram

13
 Karena penyebarannya luas, penyelidikan dilakukan. ditemukan bahwa perusahaan
induk memiliki lembaran ordinasi dari dua pemasok, A dan B. lembaran dari pemasok ini
diuji secara terpisah, hasilnya.
Dalam histogram bertingkat pada gambar 2.9. Jelas bahwa ada perbedaan dalam
kekerasan lembaran kedua pemasok. Ketika dua grafik terpisah fajar seperti ini, perbedaan
semacam itu cenderung menjadi jelas namun tidak akan muncul sebagai dua puncak terpisah
dalam satu histogram. Dua puncak yang terpisah hanya akan muncul bila perbedaan antara A
dan B besar, sebuah kasus yang cukup langka. Jika ada kekhawatiran bahwa ada perbedaan,
maka riwayat data harus dijaga meski agak merepotkan, ini penting dalam memperbaiki dan
mengendalikan proses pembuatannya.

Gambar 2.9 kekerasan histogram oleh perusahaan A dan B

Selain histogram yang sudah dipaparkan, ada grafik lain yang relevan. Histogram
digunakan untuk menunjukkan distribusi kegagalan mesin seperti pada contoh 4, bila dua
kasus (gambar 2.6 garis horizontal) digolongkan sebagai satu. tetapi juga mungkin ton
menghitung jumlah defek dengan frekuensi dan menunjukkannya dalam grafik batang,
seperti gambar 2.10

Gambar 2.10 distribusi cacat (bar chart)

14
 Grafik menunjukkan distribusi jumlah cacat dan, meskipun ada cara lain untuk menilai
hal ini, jika Anda tahu tentang grafik histogram dan batang yang seharusnya cukup. Diagram
pareto yang menunjukkan cacat dan kehilangan uang, stratifield dengan alasan dan alasan
yang sesuai, juga dapat dianggap sebagai semacam histogram.

Gambar 2.11 adalah diagram pareto yang digunakan untuk memusatkan perhatian pada
masalah yang harus diatasi untuk mengurangi jumlah cacat mikroswitch (contoh 5). Dengan
grafik ini analisis difokuskan pada karakteristik beban. Bab 5 membahas diagram pareto
secara lebih rinci.
Akan lebih mudah untuk membuat tabel distribusi frekuensi melalui penggunaan
lembar cek tanpa harus meletakkan setiap datum ke lembar data.

1. Karakteristik beban
2. Karakteristik 'E'
3. Caulking
4. Penampilan eksternal,
5. Lain-lain

Gambar 2.11 diagram pareto cacat mikroswitch

Gambar 2.12 menunjukkan lembar periksa kemampuan proses untuk pembuatan TV, yang
dapat disesuaikan untuk memenuhi kebutuhan yang berbeda, dalam distribusi frekuensi,
seringkali sulit untuk menemukan perubahan waktu, jadi inilah yang terbaik untuk tetap
mengetahui waktu saat memeriksa, atau untuk mengkodekan kode natations untuk nshow
perbedaan waktu.

15
 Jika histogram digunakan seperti yang digariskan, misalnya untuk laporan bulanan,
masalah akan menjadi jelas dengan cepat dan data akan jauh lebih bermakna daripada hanya
beberapa baris gambar. histogram sering digunakan dalam charting.

Ketepatan mesin atau dalam kemampuan proses studi. histogram juga dapat digunakan
secara efektif dalam kegiatan QC citcle saat mencoba menghilangkan cacat dan hasil dan
quqlity produk, saat menyelidiki hubungan antara spesifikasi dan hasil, saat mempelajari data
abnormal, saat memeriksa penyebab yang menyebabkan perubahan dalam proses
pembuatannya dengan stratifikasi bahan, peralatan, dan lain-lain, dan, akhirnya, ketika
mencoba untuk meningkatkan kesadaran pekerja akan kontrol kualitas melalui pencapaian
pekerjaan aktual.

16
BAB 3
Diagram Sebab Akibat

3.1 Mengapa dispersi kualitas terjadi?

Setelah mengumpulkan data, persiapan histogram dapat mengungkapkan bahwa
barang-barang yang tampaknya diproduksi dengan cara yang persis sama bisa berubah secara
berbeda. Dalam banyak kasus, dispersi ini terjadi karena perbedaan;
1) bahan bakunya
2) alat; mesin atau peralatan
3) metode atau proses kerja
4) pengukurannya
Bahan baku sedikit berbeda komposisi menurut sumber pasokan dan perbedaan
ukuran akan terjadi dalam batas yang diterima. Mesin mungkin tampak berfungsi secara
seragam namun dispersi dapat timbul dari perbedaan di bagian mesin itu sendiri. Demikian
juga, peralatan mungkin beroperasi optimal hanya sebagian waktu saja. Metode kerja,
walaupun diprogram sesuai dengan proses yang ditentukan, dapat menyebabkan variasi yang
mungkin lebih besar lagi. Akhirnya, tugas acak seperti pengukuran tidak selalu tepat tercapai.
Bahkan perbedaan kecil pun bisa menambah dispersi kualitas produk dan bisa dilihat pada
histogram.
Faktor kausal dispersi yang ditunjukkan pada gambar 3.1 menunjukkan hubungan
sebab dan akibat. Tujuan peningkatan kualitas keluaran terlebih dahulu harus didekati dengan
analisis faktor penyebabnya. tetapi perlu diketahui sebab dan akibatnya secara lebih rinci dan
lebih konkret untuk menggambarkan hubungan mereka pada diagram dan membuatnya lebih
bermanfaat. variabel yang dapat menyebabkan dispersi ------ misalnya, komposisi kimia,
diameter, pekerja, dll. ----- dapat disebut faktor (penyebab). Angka yang mewakili panjang,
kekerasan, persentase cacat, dll dapat disebut karakteristik kualitas (efek).

3.2 membuat diagram sebab akibat (langkah umum)

Faktor-faktor yang terlibat dalam masalah dengan kualitas di pabrik kita hampir tidak
terhitung. Diagram sebab dan akibat berguna dalam memilah penyebab dispersi dan mengatur
hubungan timbal balik. Langkah-langkah berikut untuk membuat diagram sebab dan akibat
disusun berdasarkan Ms.

17
atrikel milik Tomiko Hashimoto, “ Penghapusan kerusakan rotasi volume melalui kegiatan
lingkaran QC”, muncul di pabrik majalah dan QC no.33.

langkah 1
Tentukan karakteristik kualitasnya (goyangan saat putaran mesin). Ini adalah sesuatu
yang ingin kita tingkatkan dan kontrol. Dalam kasus ini, sebagian besar defek pabrik
disebabkan goyangan selama rotasi dan untuk menghilangkan goyangan penyebabnya harus
ditentukan. tulis karakteristik kualitas di sisi kanan, dengan panah lebar pergi dari kiri ke
kanan (gambar 3.2).

langkah 2
tuliskan faktor utama yang mungkin menyebabkan goyangan, arahkan panah cabang ke
panah utama (lihat gambar 3.3). disarankan untuk mengelompokkan faktor penyebab utama
dispersi ke dalam item seperti bahan baku (bahan), peralatan (mesin atau peralatan), metode
kerja (pekerja), pengukuran (metode (inspeksi), dll. masing-masing kelompok akan terbentuk
sebuah cabang.

18
langkah 3
ke masing-masing item cabang ini, tuliskan dalam faktor terperinci yang dapat
dianggap sebagai penyebabnya; ini akan seperti ranting. Pada masing-masing, tuliskan faktor
yang lebih rinci lagi, buat ranting yang lebih kecil (gambar 3.4). menentukan dan
menghubungkan hubungan faktor penyebab yang mungkin terjadi menyebabkan sumber
karakteristik kualitas.

Seseorang harus memeriksa untuk memastikan semua barang yang mungkin

menyebabkan dispersi disertakan. anggota kelompok harus berbicara secara terbuka satu
sama lain untuk menyusun diagram sebab dan akibat secara memadai. Jika memang
demikian, dan hubungan sebab akibat dengan benar digambarkan, diagramnya lengkap.

3.3 Jenis - jenis diagram sebab akibat.

Kemungkinan penyebab dispersi dalam karakteristik kualitas adalah cabang di dalam
diagram sedemikian rupa sehingga semua hubungan secara jelas terlihat. Ada berbagai

19
metode untuk membuat diagram sebab dan akibat tergantung pada organisasi dan
pengaturannya. metode ini dapat dibagi menjadi tiga jenis berikut:
1) jenis analisis dispersi
2) jenis klasifikasi proses produksi
3) menyebabkan jenis enumerasi

(1) Jenis analisi dispersi

Gambar 3.5 memberikan bentuk diagram sebab dan akibat yang lengkap, yang
menunjukkan sepenuhnya penyebab dispersi. Dalam kasus ini, hubungan sekuensial dapat
diartikan sebagai berikut;
1) mengapa terjadi kerusakan proses produksi? Karena goyangan mesin (dispersi). Oleh
karena itu goyangan mesin merupakan karakteristik kualitas.
2) Mengapa goyangan mesin (dispersi) terjadi? karena dispersi dalam bahan. "bahan" ditulis
pada diagram sebagai cabang.
3) mengapa dispersi dalam bahan terjadi? karena dispersi pada bearing G axle. bantalan poros
G menjadi ranting di cabang.
4) mengapa dispersi pada bantalan as roda G terjadi? karena dispersi dalam ukuran bantalan
as roda G. Ukuran menjadi ranting pada ranting lain.
Diagram sebab dan akibat yang baru saja dijelaskan berada di bawah tipe ini. Kunci
keefektifannya terletak pada pengulangan pertanyaan, "Mengapa penyebaran ini terjadi?"
Ingatlah bahwa setiap dispersi dapat diperbaiki. Titik kuat dari jenis ini adalah membantu
mengatur dan menghubungkan faktor-faktor penyebaran. titik lemahnya adalah bahwa bentuk
diagram sering kali membela individu yang membuatnya, dan terkadang penyebab kecil tidak
terisolasi atau diamati.
(2) Jenis klasifikasi proses produksi
Dengan metode ini, jalur utama diagram mengikuti proses produksi dan semua hal yang dapat
mempengaruhi kualitas ditambahkan ke berbagai tahap pemrosesan. Jika diagram sebab dan
akibat yang ditunjukkan pada gambar 3.5 digambar sebagai diagram klasifikasi proses
produksi, maka akan muncul seperti pada gambar 3.6. Jenis ini juga bisa dilakukan sebagai
diagram jalur perakitan dengan sebab tambah. Gambar 3.7 adalah contohnya, menunjukkan
bagaimana jaringan parut terjadi selama tabung baja. Karena dispersi terjadi selama proses
produksi, analisis langkah-langkah dalam proses pembuatan satu per satu untuk mencari
penyebabnya. Titik kuat dari jenis diagram ini adalah bahwa, karena mengikuti urutannya

20
Diagram “cause and effect’’ dari proses produksi. Itu mudah untuk dikumpulkan dan. Titik
lemah adalah bahwa sebab sebab yang mirip akan muncul lagi dan lagi dan penyebab-
peyebab selama menuju kombinasi yang mana lebih dari 1 faktor akan sulit untuk di
ilustrasikan.
3. Tipe Sebab Enumerasi

Didalam tipe ini semua penyebab-penyebab yang kemungkinan akan di urutkan

/sortir. Ketika melakukan itu, gagasan dari semua orang sangat dibutuhkan dan penggunaan
dari papan tulis atau papan sketsa sangat membantu. Permasalahan-permasalahan itu harus di
atur sesuai dengan kualitas produksi yang menunjukkan kaitan antara penyebab dan
akibat/efek dan kemudian sebuah diagram dapat dibuat. Diagram yang sudah jadi mungkin
menyerupai gambar 3.5 tapi untuk suatu permulaan, hanya urutkan (tuliskan) sebanyak
mungkin masalah-masalah yang bias jadi relevan (penting). Jangan membatasi gagasan-
gagasan (ide-ide) kamu hanya tipe-tipe dari penyebab urutan proses melainkan berpikirlah
sebebas mungkin, penyebab utama atau petunjuk dari permasalahan akan muncul dari
pemikiran yang bebas seperti ini. Penjabaran dalam jumlah besar dari permasalahan-
permasalahan seperti ini mengurangi kemungkinan dari terbaiknya area masalah
utama.keuntungan dari tipe ini adalah semua permasalahan-permasalahan telah diurutkan
sehingga tidak ada penyebab-penyebab utama yang terlewatkan. Jadi dengan
mempertimbangkan hubungan antara sebab dan akibat (effek),diagram tersebut akan
dipenuhi.

Kerugiannya adalah itu mungkin sulit untuk mengaitkan cabang cabang dari masalah
masalah tersebut ke hasil akhirnya yang mana membuat diagram tersebut akan sulit
untuk di gambar.

3.4 Bagaimana cara menggunakan diagram Permasalahan

Diagram-diagram Sebab dan Akibat di ilustrasikan untuk menjelaskan dengan
jelas berbagai macam Permasalahan-permasalahan yang berhubungan dengan kualitas
produk dengan cara memilah dan mengkaitkan dengan permasalaha-permasalahan.
Meskipun demikian, sebuah diagaram sebab-akibat yang baik adalah dia yang cocok dan
pas dengan tujuan dan tidak ada bentuk yang pasti. Ada beberapa cara untuk
menggunakan mereka tapi yang paling utama adalah :
1) mempersiapkan diagaram sebabakibat adalah sangat edukasi.

Dapatkan/carilah ide-ide dari berbagai orang orang sebanyak mungkin. Tanyakan

orang apakah penyebab dari dispersi (penyebaran) ? Hubungan dan Permasalah apa yang
dari dispersi (penyebaran) ? Hubungan dan Permasalah apa yang ada pada kualitas ?.
Saran dan Konsultasi dengan orang lain seperti ini memungkinkan untuk presentasi
dari pengalaman dan teknik. Setiap orang memiliki bagian dalam pembuatan diagram
ini akan menghasilkan pengetahuan baru. Bahkan orang orang yang belum tahu suatu
persetujuan yang bagus untuk pekerjaanya dapat belajar yang banyak dari pembuatan
diagram sebab-akibat atau belajar dari diagaram sebab-akibat yang sudah jadi.edukasi.

24
2) diagram sebab-akibat adalah pembimbing dalam diskusi
sebuah diskusi tidak dapat terlaksana

sebab-akibat atau belajar dari diagaram sebab-akibat yang sudah jadi edukasi. Diagram
sebab-akibat adalah pembimbing dalam diskusi sebuah diskusi tidak dapat terlaksana
dengan tujuan yang jelas ketika pembicra keluar jalur dari topik atau tema. Ketika
diagaram sebab-akibat hadir sebagai sebuah fokus untuk diskusi, hadirin akan tahu tema
dan arah dari pembicaraan. Keluar jalur dari tema dan pengulangan dari keluhan atau
komplain dan kesalahan dapat dihindari. Kesimpulan dari aksi apa yang akan segera di
ambil di tentukan jauh lebih cepat.

25