MANAJEMEN OPERASI

STATISTICAL PROCESS CONTROL

Dosen pengampu: Sabihaini, DR. S.E., M.SI.

DISUSUN OLEH:

Kelompok 1/EM-A

1. MOKHTAR SALIM (141160035)

2. MUHAMAMD PURUSA MAHADIKA (141160279)
3. MARFUAH DWISASANTI (141170016)
4. INDANA ZULFA (141170027)
5. MUHAMMAD RIZQI ALFAREJA (141170049)

PROGRAM STUDI MANAJEMEN

FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN” YOGYAKARTA
2019
 STATISTICAL PROCESS CONTROL
A. DASAR PENGENDALIAN PROSES STATISTIK

Kontrol proses dicapai dengan mengambil sampel periodik dari proses dan memplot poin
sampel ini pada grafik, untuk melihat apakah proses tersebut dalam batas kontrol statistik.
Sampel dapat berupa item tunggal atau sekelompok item. Jika titik sampel di luar batas,
proses mungkin di luar kendali, dan penyebabnya dicari sehingga masalahnya dapat
diperbaiki. Jika sampel berada dalam batas kontrol, proses berlanjut tanpa gangguan tetapi
dengan pemantauan terus menerus. Dengan cara ini, SPC mencegah masalah kualitas dengan
memperbaiki proses sebelum mulai menghasilkan cacat.

1. SPC dalam Manajemen Kualitas

Perusahaan menggunakan SPC untuk melihat apakah proses mereka dalam kendali —
bekerja dengan baik. Ini mengharuskan bahwa perusahaan memberikan pelatihan SPC
secara berkelanjutan yang menekankan bahwa SPC adalah alat yang dapat digunakan
individu untuk memantau proses produksi atau layanan untuk tujuan melakukan
perbaikan. Melalui penggunaan kontrol proses statistik, karyawan dapat diminta
bertanggung jawab atas kualitas di area mereka: untuk mengidentifikasi masalah dan
memperbaikinya atau mencari bantuan dalam memperbaikinya. Dengan terus memantau
proses produksi dan membuat perbaikan, karyawan berkontribusi pada tujuan
peningkatan berkelanjutan dan sedikit atau tidak ada cacat.

Ketika seorang karyawan tidak dapat memperbaiki masalah, manajemen biasanya

memulai pemecahan masalah. Kegiatan pemecahan masalah ini mungkin berada dalam
kelompok seperti lingkaran kualitas, atau mungkin kurang formal, termasuk karyawan
lain, insinyur, pakar kualitas, dan manajemen. Kelompok ini akan bertukar pikiran untuk
mencari kemungkinan penyebab masalahnya. Atau, masalah kualitas dapat diperbaiki
melalui proyek Six Sigma.

2. Tindakan Kualitas: Atribut dan Variabel

Kualitas produk atau layanan dapat dievaluasi menggunakan atribut produk atau layanan
atau ukuran variabel. Atribut adalah karakteristik produk seperti warna, tekstur
permukaan, kebersihan, atau mungkin bau atau rasa. Atribut dapat dievaluasi dengan
cepat dengan respons terpisah seperti baik atau buruk, dapat diterima atau tidak, atau ya
atau tidak. Sekalipun spesifikasi kualitas rumit dan luas, uji atribut sederhana dapat
digunakan untuk menentukan apakah suatu produk atau layanan rusak. Misalnya, seorang
operator dapat menguji bola lampu hanya dengan menyalakannya dan melihat apakah
bola lampu menyala. Jika tidak, itu dapat diperiksa untuk menemukan penyebab teknis
yang tepat untuk kegagalan, tetapi untuk tujuan SPC, faktanya bahwa yang rusak telah
ditentukan.

3. SPC Diterapkan untuk layanan/Jasa

Diagram kontrol secara historis telah digunakan untuk memantau kualitas proses
manufaktur. Namun, SPC juga berguna untuk memantau kualitas dalam layanan.
Perbedaannya adalah sifat "cacat" yang diukur dan dipantau. Menggunakan definisi
Motorola — kegagalan memenuhi persyaratan pelanggan dalam produk atau layanan
apapun — cacat dapat berupa dispenser sabun kosong di kamar kecil atau kesalahan
dengan pemesanan katalog telepon, serta cacat pada selembar kain atau nampan yang
rusak pada pemutar DVD. Peta kendali untuk proses layanan cenderung menggunakan
karakteristik dan pengukuran kualitas seperti waktu dan kepuasan pelanggan (ditentukan
oleh survei, kuesioner, atau inspeksi). Berikut ini adalah daftar beberapa layanan berbeda
dan karakteristik kualitas untuk masing-masing yang dapat diukur dan dipantau dengan
diagram kontrol.

1. Rumah Sakit: Ketepatan waktu dan kecepatan perawatan, respons staf terhadap
permintaan, keakuratan tes laboratorium, kebersihan, kesopanan, keakuratan
dokumen, kecepatan masuk dan waktu keluar.
2. Toko bahan makanan: Waktu tunggu untuk check out, frekuensi barang yang
tidak tersedia, kualitas barang makanan, kebersihan, keluhan pelanggan,
kesalahan register kasir.
3. Maskapai: Penundaan penerbangan, kehilangan bagasi dan penanganan bagasi,
waktu tunggu di konter tiket dan check-in, agen dan sopan santun petugas
penerbangan, informasi penerbangan yang akurat, kebersihan dan pemeliharaan
kabin penumpang.
 4. Restoran cepat saji: Waktu tunggu untuk layanan, keluhan pelanggan, kebersihan,
kualitas makanan, akurasi pesanan, kesopanan karyawan.
5. Catalogue-order companies: Order accuracy, operator knowledge and courtesy,
packaging, delivery time, phone order waiting time.
6. Perusahaan asuransi: Akurasi penagihan, ketepatan waktu pemrosesan klaim,
ketersediaan agen, dan waktu respons.
4. Dimana Menggunakan Bagan Pengendalian

Sebagian besar perusahaan tidak menggunakan diagram kontrol untuk setiap langkah
dalam suatu proses. Meskipun itu mungkin saja cara paling efektif untuk memastikan
kualitas tertinggi, itu mahal dan memakan waktu. Di sebagian besar manufaktur dan
proses layanan (jasa), ada poin yang dapat diidentifikasi dengan jelas di mana diagram
kontrol harus digunakan. Secara umum, diagram kontrol digunakan pada titik-titik kritis
dalam proses di mana secara historis proses telah menunjukkan kecenderungan untuk
keluar dari kendali, dan pada titik-titik di mana jika proses tidak berjalan
mengendalikannya sangat berbahaya dan mahal. Misalnya, diagram kontrol sering
digunakan pada permulaan dari proses untuk memeriksa kualitas bahan baku dan bagian,
atau persediaan dan pengiriman untuk operasi layanan. Jika material dan bagian-
bagiannya jelek, itu hanya buang-buang waktu dan uang untuk memulai proses produksi
dengan. Diagram kontrol juga digunakan sebelum mahal atau tidak dapat diubah dalam
proses, setelah itu produk sulit untuk dikerjakan ulang atau diperbaiki; sebelum dan
setelah operasi perakitan atau pengecatan yang mungkin mencakup cacat; dan sebelum
final keluar produk atau layanan dikirim atau dikirim.

B. DIAGRAM KONTROL
Diagram control adalah grafik yang secara visual menunjukkan jika sampel berada dalam
batas kontrol statistik. Diagram kontrol memiliki dua tujuan dasar: untuk menetapkan batas
kontrol untuk suatu proses dan kemudian memantau proses untuk menunjukkan ketika itu di
luar kendali. Diagram kontrol ada untuk atribut dan variabel; dalam setiap kategori ada
beberapa jenis bagan kendali. Kami akan menyajikan empat diagram kontrol yang umum
digunakan, dua di setiap kategori: p-chart dan c-chart untuk atribut dan mean (X̅) dan rentang
(R) diagram kontrol untuk variabel. Meskipun diagram kontrol ini berbeda dalam cara
mereka mengukur kontrol proses, mereka semua memiliki karakteristik serupa yang sama.
Mereka semua terlihat sama, dengan garis melalui pusat grafik yang menunjukkan rata-rata
proses dan garis di atas dan di bawah garis tengah yang mewakili batas atas dan bawah
proses.
Rumus untuk melakukan batas atas dan bawah dalam diagram kontrol didasarkan pada
sejumlah standar deviasi, "z," dari rata-rata proses (garis tengah) sesuai dengan distribusi
normal. Kadang-kadang, z sama dengan 2,00 tetapi yang paling sering adalah 3,00. Nilai z
2,00 sesuai dengan probabilitas normal keseluruhan 95%, dan z 3,00 sesuai dengan
probabilitas normal 99,73%. Distribusi normal pada Gambar 3.2 di halaman 114
menunjukkan probabilitas yang sesuai dengan nilai z yang setara dengan 2,00 dan 3,00
standar deviasi (X̅).

Manajemen biasanya memilih z = 3,00 karena jika prosesnya terkendali ia menginginkan

probabilitas yang tinggi bahwa nilai sampel akan berada dalam batas kontrol. Dengan kata
lain, dengan batas manajemen yang lebih luas lebih kecil kemungkinannya (secara keliru)
menyimpulkan bahwa prosesnya di luar kendali ketika poin di luar batas kontrol disebabkan
oleh variasi acak yang normal. Atau, batas yang lebih luas mempersulit mendeteksi
perubahan dalam proses yang tidak acak dan memiliki penyebab yang dapat ditentukan.
Suatu proses mungkin berubah karena nonrandom, penyebab yang dapat ditentukan dan
dapat dideteksi dengan batas yang lebih sempit tetapi tidak dengan batas yang lebih luas.
Namun, perusahaan secara tradisional menggunakan batas kontrol yang lebih luas.

Setiap kali sampel diambil, rata-rata matematika sampel diplot sebagai titik pada bagan
kontrol seperti yang ditunjukkan pada Gambar 3.1. Suatu proses umumnya dianggap
terkendali jika, misalnya,

1. Tidak ada titik sampel di luar batas kontrol.

2. Sebagian besar poin berada di dekat rata-rata proses (garis tengah), tanpa terlalu dekat
dengan batas kontrol.
3. Kira-kira jumlah titik sampel yang sama terjadi di atas dan di bawah garis tengah.
4. Titik-titik tampaknya didistribusikan secara acak di sekitar garis tengah (tidak ada pola
yang terlihat).

C. BAGAN PENGENDALIAN UNTUK ATRIBUT

Ukuran kualitas yang digunakan dalam diagram kontrol atribut adalah nilai diskrit yang
mencerminkan kriteria keputusan sederhana seperti baik atau buruk. P-chart menggunakan
proporsi item yang cacat dalam sampel sebagai sampel statistik; sebuah c-chart
menggunakan jumlah cacat aktual per item dalam sampel. Sebuah p-chart dapat digunakan
ketika dimungkinkan untuk membedakan antara item yang cacat dan tidak efektif dan untuk
menyatakan jumlah barang cacat sebagai persentase dari keseluruhan. Dalam beberapa
proses, proporsi cacat tidak biasa ditentukan. Misalnya, ketika menghitung jumlah noda pada
gulungan bahan pelapis (interval periodik), tidak mungkin untuk menghitung proporsi.
Dalam hal ini c-chart diperlukan.
1. p –Chart

Dengan p-chart sampel n item diambil secara berkala dari proses produksi atau layanan,
dan proporsi item yang cacat dalam sampel ditentukan untuk melihat apakah proporsi
berada dalam batas kontrol pada grafik. Meskipun p-chart menggunakan ukuran atribut
diskrit (yaitu, jumlah item yang rusak) dan dengan demikian tidak kontinu, diasumsikan
bahwa ketika ukuran sampel (n) semakin besar, distribusi normal dapat digunakan untuk
memperkirakan distribusi proposisi rusak. Ini memungkinkan kami untuk menggunakan
formula berikut berdasarkan distribusi normal untuk menghitung batas kontrol atas
(UCL) dan batas kontrol yang lebih rendah (LCL) dari p-chart:

Di mana

Standar deviasi sampel dihitung sebagai

2. c –Chart

C-chart digunakan ketika tidak mungkin untuk menghitung proporsi yang cacat dan
jumlah cacat yang sebenarnya harus digunakan. Misalnya, ketika mobil diperiksa, jumlah
cacat (rusak) pada pekerjaan cat dapat dihitung untuk setiap mobil, tetapi proporsi tidak
dapat dihitung, karena jumlah total kemungkinan noda tidak diketahui. Dalam hal ini satu
mobil adalah sampel. Karena jumlah cacat per sampel diasumsikan berasal dari beberapa
populasi yang sangat besar, probabilitas cacat tunggal sangat kecil. Seperti halnya p-
chart, distribusi normal dapat digunakan untuk memperkirakan distribusi cacat. Rata-rata
proses untuk c-chart adalah jumlah rata-rata cacat per item, dihitung dengan membagi
jumlah total cacat dengan jumlah sampel. Rumus berikut untuk batas kontrol yang
digunakan

CONTOH:

The Ritz Hotel memiliki 240 kamar. Departemen tata graha hotel bertanggung jawab
untuk menjaga kualitas penampilan dan kebersihan kamar. Setiap penjaga rumah individu
bertanggung jawab atas area yang mencakup 20 kamar. Setiap kamar yang digunakan
dibersihkan dan persediaannya, peralatan mandi, dan sebagainya diisi ulang setiap hari.
Kerusakan apa pun yang diperhatikan staf rumah tangga yang bukan bagian dari layanan
rumah tangga normal seharusnya dilaporkan ke pemeliharaan hotel. Setiap kamar
diinspeksi secara singkat setiap hari oleh pengawas rumah tangga. Namun, manajemen
hotel juga melakukan tur inspeksi secara acak untuk pemeriksaan yang terperinci dan
menyeluruh untuk tujuan pengendalian kualitas. Inspektur manajemen tidak hanya
memeriksa cacat layanan rumah tangga biasa seperti seprai bersih, debu, persediaan
kamar, literatur kamar, atau handuk, tetapi juga untuk cacat seperti monitor TV yang
tidak beroperasi atau hilang, kualitas gambar atau penerimaan TV yang buruk, rusak
lampu, jam yang tidak berfungsi, air mata atau noda di bedcover atau tirai, atau tarikan
tirai yang tidak berfungsi. Sampel inspeksi mencakup 12 kamar, yaitu, satu kamar yang
dipilih secara acak dari masing-masing dua belas 20 kamar blok dilayani oleh pembantu
rumah tangga. Berikut ini adalah hasil dari 15 sampel inspeksi yang dilakukan secara
acak selama periode satu bulan:

Hotel percaya bahwa sekitar 99% dari cacat (sesuai dengan batas 3-sigma)
disebabkan oleh variasi acak alami dalam layanan pemeliharaan kamar dan kamar,
dengan 1% disebabkan oleh variabilitas non-acak. Mereka ingin membuat c-chart untuk
memantau layanan tata graha.
 Solusi

Karena c, rata-rata proses populasi, tidak diketahui, perkiraan sampel,, dapat digunakan
sebagai gantinya:

Batas kontrol dihitung menggunakan z=3.00, sebagai berikut

C-chart yang dihasilkan, dengan titik-titik sampel, ditunjukkan pada gambar berikut:

D. BAGAN KONTROL UNTUK VARIABEL

Diagram kontrol variabel digunakan untuk variabel kontinu yang dapat diukur, seperti berat
atau volume. Dua bagan kontrol variabel yang umum digunakan adalah bagan rentang, atau
bagan-R, dan bagan rata-rata, atau X̅-chart. Rentang (R-) grafik mencerminkan jumlah
dispersi yang ada di setiap sampel; grafik mean (X̅) menunjukkan bagaimana hasil sampel
berhubungan dengan rata-rata atau rata-rata proses. Bagan ini biasanya digunakan bersama
untuk menentukan apakah suatu proses terkendali.

1. Mean (X̅ -) Chart

Dalam diagram kontrol rata-rata (atau), setiap kali sampel dari sekelompok item diambil
dari proses, rata-rata sampel dihitung dan diplot pada grafik. Setiap mean sampel (X‾)
adalah titik pada bagan kontrol. Sampel yang diambil cenderung kecil, biasanya sekitar 4
atau 5. Garis tengah dari diagram kontrol adalah rata-rata keseluruhan proses, yaitu rata-
rata mean sampel.

X̅-Chart didasarkan pada distribusi normal. Ini dapat dibuat dalam dua cara
tergantung pada informasi yang tersedia tentang distribusi. Jika standar deviasi distribusi
diketahui dari pengalaman masa lalu atau data historis, maka rumus menggunakan
standar deviasi dapat digunakan untuk menghitung batas kontrol atas dan bawah. Jika
standar deviasi tidak diketahui, maka tabel nilai berdasarkan rentang sampel tersedia
untuk mengembangkan batas kontrol atas dan bawah. Pertama-tama kita akan melihat
bagaimana membangun -chart ketika standar deviasi diketahui. Rumus untuk menghitung
batas kontrol atas (UCL) dan batas kontrol bawah (LCL) adalah

2. Range ( R -) Chart

Dalam R-chart, rentangnya adalah perbedaan antara nilai terkecil dan terbesar dalam
sampel. Kisaran ini mencerminkan variabilitas proses bukannya kecenderungan menuju
nilai rata-rata. Rumus untuk menentukan batas kontrol adalah R̅ adalah rentang rata-rata
(dan garis tengah) untuk sampel.

D3 dan D4 adalah nilai tabel seperti A2 untuk menentukan batas kontrol yang telah
dikembangkan berdasarkan nilai rentang daripada standar deviasi.
CONTOH:

Perusahaan Alat Goliath dari Contoh 3.3 dan 3.4 ingin mengembangkan R-chart untuk
mengendalikan variabilitas proses. Dari Contoh 3.4, 0.115; dari Tabel 3.1 untuk n 5, D3 0
dan D4 2.11. Dengan demikian, batas kontrol adalah

Batasan-batasan ini mendefinisikan grafik-R yang ditunjukkan pada gambar berikut.

Ini menunjukkan bahwa proses tersebut tampaknya terkendali; setiap variabilitas yang
diamati adalah hasil dari kejadian acak alami.

Contoh ini menggambarkan kebutuhan untuk menggunakan grafik-R dan diagram-

bersama. R-chart dalam contoh ini menunjukkan bahwa prosesnya dalam kontrol, karena
tidak ada rentang untuk sampel yang dekat dengan batas kontrol. Namun, -chart pada
Contoh 3.4 menunjukkan bahwa proses tidak terkendali. Bahkan, kisaran untuk sampel 8
dan 10 relatif sempit, sedangkan rata-rata untuk sampel ini relatif tinggi. Penggunaan
kedua grafik bersama-sama memberikan gambaran yang lebih lengkap dari keseluruhan
proses variabilitas.

3. Menggunakan X̅ dan R-Bagian Bersama

Bagan x̅ digunakan dengan R-chart di bawah premis bahwa baik rata-rata proses dan
variabilitas harus di kontrol agar proses menjadi terkendali. Dua grafik mengukur proses
secara berbeda. Adalah mungkin bagi sampel untuk memiliki rentang yang sangat sempit,
menunjukkan variabilitas proses yang sedikit, tetapi rata-rata sampel mungkin berada di
luar batas kontrol.

Sebaliknya, mungkin rata-rata sampel berada dalam kendali, tetapi kisarannya

mungkin sangat besar. Misalnya, dua sampel keduanya dapat memiliki 5,00 sentimeter,
 tetapi sampel 1 dapat memiliki kisaran antara 4,95 dan 5,05 (R 0,10 sentimeter) dan
sampel 2 dapat memiliki kisaran antara 4,80 dan 5,20 (R 0,40 sentimeter). Contoh 2
menunjukkan bahwa proses ini di luar kendali.

Juga dimungkinkan bagi R-chart untuk menunjukkan tren penurunan yang berbeda
dalam nilai kisaran, menunjukkan bahwa rentang semakin sempit dan ada lebih sedikit
variasi. Ini akan direfleksikan pada x̅-chart dengan nilai rata-rata lebih dekat ke garis
tengah. Meskipun kejadian ini tidak menunjukkan bahwa proses di luar kendali, itu
menunjukkan bahwa beberapa penyebab nonrandom mengurangi variasi proses.
Penyebab ini perlu diselidiki untuk melihat apakah itu berkelanjutan. Jika demikian, batas
kontrol baru perlu dikembangkan. Kadang-kadang -chart digunakan sendiri untuk melihat
apakah suatu proses membaik, mungkin menuju tujuan kinerja tertentu.

E. POLA PENGENDALIAN BAGAN

Meskipun bagan kontrol dapat menunjukkan bahwa suatu proses terkendali, ada
kemungkinan variasi sampel dalam batas kontrol tidak acak. Jika nilai sampel menampilkan
pola yang konsisten, bahkan dalam batas kontrol, ini menunjukkan bahwa pola ini memiliki
penyebab nonrandom yang mungkin memerlukan penyelidikan. Nilai sampel "melambung"
di atas dan di bawah garis tengah, mencerminkan variasi alami dan acak dalam proses yang
akan hadir. Namun, jika nilai sampel konsisten di atas (atau di bawah) garis tengah untuk
jumlah sampel yang diperluas atau jika mereka bergerak secara konsisten ke atas atau ke
bawah, mungkin ada alasan untuk perilaku ini; Artinya, ini tidak acak.
 Pola dalam diagram kontrol dicirikan oleh urutan pengamatan sampel yang menampilkan
karakteristik yang sama — juga disebut run. Salah satu jenis pola adalah urutan pengamatan
baik di atas atau di bawah garis tengah. Sebagai contoh, tiga nilai di atas garis tengah diikuti
oleh dua nilai di bawah garis mewakili dua run dari suatu pola. Jenis pola lainnya adalah
urutan nilai sampel yang secara konsisten naik atau turun dalam batas kontrol. Beberapa tes
tersedia untuk menentukan apakah suatu pola nonrandom atau acak.

Satu jenis tes pola membagi peta kendali menjadi tiga "zona" di setiap sisi garis tengah,
di mana setiap zona adalah satu lebar standar deviasi. Ini sering disebut sebagai batas 1-
sigma, 2-sigma, dan 3-sigma. Pola pengamatan sampel di zona ini kemudian digunakan
untuk menentukan apakah ada pola nonrandom. Ingatlah bahwa rumus untuk menghitung x̅-
chart menggunakan A2, yang mengasumsikan 3 batas kontrol deviasi standar (atau batas 3-
sigma). Jadi, untuk menghitung garis pemisah antara masing-masing dari tiga zona untuk x̅
chart, menggunakan A2. Ada beberapa pedoman umum yang terkait dengan zona untuk
mengidentifikasi pola dalam peta kendali, di mana tidak ada pengamatan yang melampaui
batas kendali:

1. Delapan poin berurutan di satu sisi garis tengah

2. Delapan poin berurutan naik atau turun
3. Empat belas poin bergantian naik atau turun
4. Dua dari tiga titik berurutan di zona A (di satu sisi garis tengah)
5. Empat dari lima poin berturut-turut di zona A atau B di satu sisi garis tengah
 1. Penentuan Ukuran Sampel
Dalam contoh diagram kendali, ukuran sampel bervariasi secara signifikan. Untuk p-chart
dan c-chart, menggunakan ukuran sampel dalam ratusan dan sekecil satu item untuk c-
chart, sedangkan untuk x̅- dan R-chart menggunakan sampel empat atau lima. Secara
umum, ukuran sampel yang lebih besar diperlukan untuk atribut grafik karena diperlukan
lebih banyak pengamatan untuk mengembangkan ukuran kualitas yang dapat digunakan.
Diagram kontrol variabel membutuhkan yang lebih kecil ukuran sampel karena setiap
pengamatan sampel memberikan informasi yang dapat digunakan — misalnya, berat,
panjang, atau volume. Setelah beberapa pengamatan sampel (sesedikit mungkin dua),
dimungkinkan untuk menghitung rentang atau rata-rata sampel yang mencerminkan
karakteristik sampel. Diinginkan untuk mengambil sedikit sampel pengamatan sebanyak
mungkin, karena membutuhkan waktu operator untuk membawanya.
Beberapa perusahaan menggunakan ukuran sampel hanya dua. Mereka hanya
memeriksa item pertama dan terakhir dalam banyak produksi di bawah premis bahwa jika
tidak ada yang di luar kendali, maka prosesnya dalam kendali. Ini membutuhkan produksi
banyak kecil (yang merupakan karakteristik dari beberapa perusahaan Jepang), sehingga
proses tidak akan lepas kendali terlalu lama sebelum masalah ditemukan.
Ukuran mungkin bukan satu-satunya pertimbangan dalam pengambilan sampel.
Mungkin juga penting bahwa sampel berasal dari sumber yang homogen sehingga jika
prosesnya di luar kendali, penyebabnya bisa akurat ditentukan. Jika produksi terjadi pada
salah satu dari dua mesin (atau dua set mesin), mencampur sampel pengamatan di antara
mereka membuat sulit untuk memastikan yang mana operator atau mesin yang
menyebabkan masalah. Jika proses produksinya lebih dari satu bergeser, mencampur
sampel observasi antar shift mungkin membuatnya lebih sulit untuk menemukan
pergeseran mana yang menyebabkan proses untuk keluar dari kendali.

F. SPC DENGAN EXCEL AND OM TOOLS

Sejumlah perangkat lunak komputer dan paket spreadsheet tersedia melakukan analisis
statistic kontrol kualitas, termasuk pengembangan diagram kontrol proses. Lembar kerja
Excel di Tampilan 3.1 menunjukkan data untuk Contoh 3.1 yang kami bangun p-chart untuk
memantau proses produksi jeans denim di Western Jeans Company. Nilai untuk p, UCL dan
LCL telah dihitung menggunakan rumus yang tertanam dalam sel I4, I5, dan I6. Untuk
membuat diagram kendali, perlu memasukkan nilai untuk diagram kendali rata-rata (p) dan
batas kontrol atas dan bawah (UCL dan LCL) di kolom B, C, D dan E untuk semua 20 titik
sampel. Ini akan memberikan titik data untuk membangun garis UCL dan LCL pada diagram
kontrol.

G. KEMAMPUAN MEMPROSES

Batas kontrol kadang-kadang keliru untuk toleransi; Batas kontrol menyediakan sarana untuk
menentukan variasi alami dalam proses produksi. Hasil statistik berdasarkan pengambilan
sampel. Toleransi adalah spesifikasi desain yang mencerminkan kebutuhan pelanggan untuk
suatu produk. Menentukan rentang nilai di atas dan di bawah nilai target yang dirancang
(juga disebut sebagai nilai nominal), di mana unit produk harus jatuh agar dapat diterima.
Sebagai contoh, sekantong keripik kentang mungkin dirancang untuk memiliki berat bersih
9,0 ons dengan toleransi 0,5 oz. Toleransi desain adalah antara 9,5 oz (batas spesifikasi atas)
dan 8,5 oz (batas spesifikasi bawah). Proses pengemasan harus mampu dilakukan dalam
toleransi desain ini atau bagian tertentu dari tas akan rusak, kurang atau kelebihan berat
badan. Toleransi tidak ditentukan dari proses produksi; tetapi dipaksakan secara eksternal
oleh perancang produk atau layanan. Batas kontrol, pada sisi lain, didasarkan pada proses
produksi, dan mencerminkan variabilitas proses.
 Dimungkinkan untuk suatu proses dalam sebuah contoh secara statistik "dalam kendali"
sesuai dengan diagram kontrol, namun prosesnya mungkin tidak sesuai dengan spesifikasi
desain. Untuk menghindari situasi seperti itu, proses harus dievaluasi untuk melihat apakah
bisa memenuhi spesifikasi produk sebelum proses dimulai, atau produk atau layanan harus
didesain ulang.

Kemampuan proses mengacu pada variasi alami dari suatu proses terhadap variasi yang
diizinkan oleh spesifikasi desain. Dengan kata lain, seberapa mampu proses menghasilkan
unit yang dapat diterima sesuai dengan spesifikasi desain. Bagan kendali proses digunakan
untuk kapabilitas proses menentukan apakah proses yang ada mampu memenuhi spesifikasi
desain.

Tiga elemen utama yang terkait dengan kapabilitas proses adalah variabilitas proses
(rentang variasi proses yang alami), pusat proses (rata-rata), dan spesifikasi desain.

1. Mengukur Kemampuan Proses

Salah satu ukuran kemampuan suatu proses untuk memenuhi spesifikasi desain adalah
kemampuan proses rasio (Cp). Ini didefinisikan sebagai rasio rentang spesifikasi desain
(rentang toleransi) untuk kisaran variasi proses, yang bagi sebagian besar perusahaan
biasanya ±3𝜎 atau 6𝜎.

𝑡𝑜𝑙𝑒𝑟𝑎𝑛𝑐𝑒 𝑟𝑎𝑛𝑔𝑒
Cp = 𝑝𝑟𝑜𝑐𝑒𝑠𝑠 𝑟𝑎𝑛𝑔𝑒

𝑢𝑝𝑝𝑒𝑟 𝑠𝑝𝑒𝑐𝑖𝑓𝑖𝑐𝑎𝑡𝑖𝑜𝑛𝑠 𝑙𝑖𝑚𝑖𝑡−𝑙𝑜𝑤𝑒𝑟 𝑠𝑝𝑒𝑐𝑖𝑓𝑖𝑐𝑎𝑡𝑖𝑜𝑛 𝑙𝑖𝑚𝑖𝑡

= 6𝜎
 Jika Cp kurang dari 1.0, rentang proses lebih besar dari rentang toleransi, dan proses
tidak mampu memproduksi dalam spesifikasi desain setiap saat. Jika Cp sama dengan
1.0, rentang toleransi dan rentang proses hampir sama. Jika Cp lebih besar dari 1.0,
rentang toleransi lebih besar dari rentang proses. Dengan demikian, perusahaan secara
logis menginginkan Cp sama dengan 1,0 atau lebih besar, karena ini akan menunjukkan
bahwa proses tersebut mampu memenuhi spesifikasi.

Ukuran kedua dari kapabilitas proses adalah indeks kapabilitas proses (Cpk). Cpk
berbeda dari Cp yang mengindikasikan jika rata-rata proses telah bergeser dari target
desain, dan ke arah mana ia bergeser — yaitu, jika berada di luar pusat. Indeks
kapabilitas proses secara khusus mengukur kapabilitas proses relatif terhadap spesifikasi
atas dan bawah.

x̅−lower specification 𝑢𝑝𝑝𝑒𝑟 𝑠𝑝𝑒𝑐𝑖𝑓𝑖𝑐𝑎𝑡𝑖𝑜𝑛−x̅

Cpk = minimum[ , ]
3𝜎 3𝜎

Jika indeks Cpk lebih besar dari 1,00, maka proses tersebut mampu memenuhi
spesifikasi desain. Jika Cpk kurang dari 1,00, maka rata-rata proses telah bergerak lebih
dekat ke salah satu desain spesifikasi atas atau bawah, dan itu akan menghasilkan cacat.
Ketika Cpk sama dengan Cp, iniartinya proses berpusat pada target desain (nominal).