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.
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.
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
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
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.
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.
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
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)
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.
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
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 2.12 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
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.
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
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
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.
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