Diterjemahkan dari bahasa Inggris ke bahasa Indonesia - www.onlinedoctranslator.

com

Bagian 40.3/Kontrol Proses Statistik 1061

MEJA • 40.1 Tingkat cacat ketika toleransi didefinisikan dalam hal jumlah standar deviasi
dari proses, mengingat bahwa proses tersebut beroperasi dalam kendali statistik.

Jumlah Standar Kemampuan memproses Bagian Cacat per

Penyimpangan Indeks Tingkat Cacat, % Juta
61.0 0,333 31,74% 317.400

62.0 0,667 4,56% 45.600

63.0 1.00 0,27% 2.700
64.0 1.333 0,0063% 63
65.0 1.667 0,000057% 0,57
66.0 2.00 0,0000002% 0,002

Tabel 40.1 menunjukkan pengaruh berbagai kelipatan standar deviasi pada tingkat cacat
(yaitu, proporsi bagian di luar toleransi). Keinginan untuk mencapai tingkat cacat fraksi yang
sangat rendah telah menyebabkan gagasan populer tentang batas "six sigma" dalam kontrol
kualitas. Mencapai batas enam sigma hampir menghilangkan cacat pada produk manufaktur,
dengan asumsi proses dipertahankan dalam kendali statistik. Seperti disebutkan kemudian
dalam bab ini, program kualitas Six Sigma tidak cukup sesuai dengan namanya. Sebelum
membahas masalah itu, bagian selanjutnya membahas teknik pengendalian kualitas yang
banyak digunakan di industri: pengendalian proses statistik.

40.3 Kontrol Proses Statistik

Kontrol proses statistik (SPC) melibatkan penggunaan berbagai metode statistik untuk menilai
dan menganalisis variasi dalam suatu proses. Metode SPC mencakup hanya menyimpan catatan
data produksi, histogram, analisis kemampuan proses, dan diagram kendali. Diagram kontrol
adalah metode SPC yang paling banyak digunakan, dan bagian ini akan berfokus pada mereka.

Prinsip yang mendasari peta kendali adalah bahwa variasi dalam setiap proses dibagi
menjadi dua jenis: (1) variasi acak, yang merupakan satu-satunya variasi yang ada jika proses
berada dalam kendali statistik, dan (2) variasi yang dapat ditentukan yang menunjukkan
penyimpangan dari statistik. kontrol (Bagian 40.2). Ini adalah tujuan dari peta kendali untuk
mengidentifikasi ketika proses telah keluar dari kendali statistik, sehingga menandakan bahwa
beberapa tindakan korektif harus diambil.
A peta kendali adalah teknik grafis di mana statistik yang dihitung dari nilai
terukur dari karakteristik proses tertentu diplot dari waktu ke waktu untuk
menentukan apakah proses tetap dalam kendali statistik. Bentuk umum dari peta
kendali diilustrasikan pada Gambar 40.1. Bagan terdiri dari tiga garis horizontal yang
tetap konstan sepanjang waktu: pusat, batas kendali bawah (LCL), dan batas kendali
atas (UCL). Pusat biasanya ditetapkan pada nilai desain nominal. Batas kendali atas
dan bawah umumnya ditetapkan pada63 standar deviasi rata-rata sampel.
Sangat tidak mungkin bahwa sampel acak yang diambil dari proses akan berada di
luar batas kendali atas atau bawah saat proses berada dalam kendali statistik. Dengan
demikian, jika terjadi nilai sampel yang berada di luar batas ini, hal itu ditafsirkan
sebagai proses di luar kendali. Oleh karena itu, penyelidikan dilakukan untuk
menentukan alasan kondisi di luar kendali, dengan tindakan korektif yang tepat untuk
menghilangkan kondisi tersebut. Dengan alasan yang sama, jika proses ditemukan
dalam kendali statistik, dan tidak ada bukti tren yang tidak diinginkan dalam data,
1062 Bab 40/Kontrol Kualitas dan Inspeksi

UCL

Tengah (CL)

LCL

GAMBAR 40.1
Bagan kendali.

maka tidak ada penyesuaian yang harus dilakukan karena mereka akan memperkenalkan
variasi yang dapat dialihkan ke proses. Filosofi, "Jika tidak rusak, jangan perbaiki," berlaku untuk
diagram kendali.
Ada dua tipe dasar bagan kendali: (1) bagan kendali untuk variabel dan
(2) diagram kendali untuk atribut. Diagram kendali untuk variabel memerlukan
pengukuran karakteristik kualitas yang diinginkan. Bagan kendali untuk atribut hanya
memerlukan penentuan apakah suatu bagian rusak atau berapa banyak cacat yang ada
dalam sampel.

40.3.1 BAGAN KONTROL UNTUK VARIABEL

Suatu proses yang berada di luar kendali statistik memanifestasikan kondisi ini dalam bentuk
perubahan signifikan dalam rata-rata proses dan/atau variabilitas proses. Sesuai dengan
_
kemungkinan ini, ada dua jenis utama diagram kendali untuk variabel:x grafik dan R bagan. NSx
_
grafik (sebut saja “x diagram batang”) digunakan untuk memplot nilai rata-rata terukur dari
karakteristik kualitas tertentu untuk setiap rangkaian sampel yang diambil dari proses produksi. Ini
menunjukkan bagaimana proses berarti berubah dari waktu ke waktu. NSgrafik R memplot kisaran
setiap sampel, sehingga memantau variabilitas proses dan menunjukkan apakah itu berubah dari
waktu ke waktu.
Karakteristik kualitas yang sesuai dari proses harus dipilih sebagai variabel yang
_
akan dipantau pada: x dan R grafik. Dalam proses mekanis, ini mungkin diameter
poros atau dimensi kritis lainnya. Pengukuran dari proses itu sendiri harus digunakan
untuk membangun dua peta kendali.
Dengan proses yang beroperasi dengan lancar dan tidak adanya variasi yang dapat ditentukan,
serangkaian sampel (misalnya, M 5 20 atau lebih umumnya direkomendasikan) berukuran kecil
(misalnya, n 5 4, 5, atau 6 bagian per sampel) dikumpulkan dan karakteristik yang diinginkan diukur
untuk setiap bagian. Prosedur berikut digunakan untuk membangun pusat,LCL, danUCL untuk setiap
grafik:

_
1. Hitung rata-ratanya x dan jangkauan R untuk masing-masing M sampel.
__
2. Hitung mean besar x, yang merupakan rata-rata dari nilai M sampel; ini akan
_
menjadi pusat untukx bagan.
__
3. Hitung R, yang merupakan rata-rata dari R nilai untuk M sampel; ini akan menjadi
pusat untukR bagan.
 Bagian 40.3/Kontrol Proses Statistik 1063

_
MEJA • 40.2 Konstanta untuk x dan R grafik.

R Bagan
_
Ukuran sampel n x Bagan A2 D3 D4
3 1.023 0 2.574
4 0,729 0 2.282
5 0,577 0 2.114
6 0,483 0 2,004
7 0,419 0,076 1.924
8 0,373 0.136 1,864
9 0,337 0,184 1.816
10 0.308 0.223 1.777

_
4. Tentukan batas kendali atas dan bawah, UCL dan LCL, Untuk x dan Rgrafik. Pendekatan
ini didasarkan pada faktor-faktor statistik yang ditabulasikan pada Tabel 40.2 yang
telah diturunkan secara khusus untuk diagram kontrol ini. Nilai faktor
_
tergantung pada ukuran sampel n. Untukx bagan:

__ __ __ __
LCL 5 x 2 A2R dan UCL 5 x 1 A2R (40.3)

dan untuk R bagan:

__ __
LCL 5 D3R dan UCL 5 D4R (40.4)

Contoh 40.1 Delapan sampel (M 5 8) ukuran 4 (n 5 4) telah dikumpulkan dari proses manufaktur
__ yang berada dalam kendali statistik, dan dimensi yang diinginkan telah diukur untuk
x dan R grafik
setiap bagian. Hal ini diinginkan untuk menentukan nilai-nilai pusat,LCL, dan UCL
_ _
untuk x dan R grafik. Yang dihitung x nilai (satuan cm) untuk delapan sampel adalah
2,008, 1,998, 1,993, 2,002, 2,001, 1,995, 2,004, dan 1,999. Rnilai (cm) berturut-turut
adalah 0,027, 0,011, 0,017, 0,009, 0,014, 0,020, 0,024, dan 0,018.
_
Larutan Perhitungan x dan R nilai di atas terdiri dari langkah 1 dalam
prosedur. Pada langkah 2, mean grand rata-rata sampel dihitung:
__
x 5 (2.008 1 1.998 1 . . . 11.999)/8 5 2.000
Pada langkah 3, nilai rata-rata dari R dihitung:
__
R 5 (0,027 1 0,011 1 . . . 10,018)/8 5 0,0175
Pada langkah 4, nilai LCL dan UCL ditentukan berdasarkan faktor pada Tabel
_
40.2. Pertama, gunakan Persamaan (40.3) untukx bagan,

LCL 5 2.000 2 0,729(0,0175) 5 1.9872

UCL 5 2.000 1 0,729(0,0175) 5 2.0128
dan untuk R grafik menggunakan Persamaan (40.4),

LCL 5 0(0.0175) 5 0UCL 5

2.282(0.0175) 5 0,0399
Kedua diagram kontrol dibangun pada Gambar 40.2 dengan data sampel diplot
dalam diagram.
1064 Bab 40/Kontrol Kualitas dan Inspeksi

UCL

Tengah (CL)

LCL

UCL

Tengah (CL)

LCL
GAMBAR 40.2 Kontrol
grafik untuk Contoh 40.2.

40.3.2 BAGAN KONTROL UNTUK ATRIBUT

Bagan kendali untuk atribut tidak menggunakan variabel kualitas terukur; sebagai
gantinya, mereka memantau jumlah cacat yang ada dalam sampel atau tingkat cacat fraksi
sebagai statistik yang diplot. Contoh dari jenis atribut ini termasuk jumlah cacat per mobil,
fraksi bagian yang buruk dalam sampel, ada atau tidaknya flash dalam cetakan plastik,
dan jumlah cacat dalam gulungan baja lembaran. Dua jenis utama bagan kendali untuk
atribut adalah:bagan p, yang memplot tingkat cacat fraksi dalam sampel yang berurutan;
danbagan c, yang memplot jumlah cacat, cacat, atau ketidaksesuaian lainnya per sampel.

P Bagan Dalam P grafik, karakteristik kualitas yang menarik adalah proporsi (P untuk
proporsi) unit yang tidak sesuai atau cacat. Untuk setiap sampel, proporsi iniPSaya
adalah rasio jumlah item yang tidak sesuai atau cacat DSaya lebih dari jumlah unit dalam sampel n
(mengasumsikan sampel dengan ukuran yang sama dalam membangun dan menggunakan
peta kendali)

(40,5)
Saya

n
PSaya 5 _D_

di mana Saya digunakan untuk mengidentifikasi sampel. jikaPSaya nilai untuk jumlah sampel yang
__
cukup dirata-ratakan, nilai rata-rata P adalah perkiraan yang masuk akal dari nilai sebenarnya
 Bagian 40.3/Kontrol Proses Statistik 1065

dari P untuk proses. NSP grafik didasarkan pada distribusi binomial, di mana P adalah
probabilitas unit yang tidak sesuai. Pusat diP grafik adalah nilai yang dihitung dari P untuk
__
M sampel dengan ukuran yang sama n dikumpulkan saat proses beroperasi dalam kendali
statistik. M

__ Hai P Saya

P 5 _Saya=_1___ (40.6)
M
Batas kendali dihitung sebagai tiga simpangan baku di kedua sisi pusat. Dengan
demikian,
_ __________ _ __________
_P
LCL 5 P 2 3
__
!n __(12___
_ P_)
Adan
__
!
LCL 5 P 1 3 _P_(_n1_2___P_) (40.7)
__
dimana simpangan baku dari P dalam distribusi binomial diberikan oleh
_ __________

SP 5 !_Pn_(_1__2P___)
__
Jika nilai P relatif rendah dan ukuran sampel n kecil, maka batas kendali bawah yang
dihitung dengan persamaan pertama mungkin bernilai negatif. Dalam hal ini, mari
LCL 5 0 (tingkat cacat fraksi tidak boleh kurang dari nol).

C Bagan Dalam C bagan (C untuk menghitung), jumlah cacat dalam sampel diplot dari waktu ke
waktu. Sampel dapat berupa produk tunggal seperti mobil, dan C 5 jumlah cacat kualitas yang
ditemukan selama pemeriksaan akhir. Atau sampelnya bisa berupa panjang karpet di pabrik
sebelum dipotong, danC 5 jumlah ketidaksempurnaan yang ditemukan di strip itu. NSC grafik
didasarkan pada distribusi Poisson, di mana C 5 parameter yang mewakili jumlah kejadian yang
terjadi dalam ruang sampel yang ditentukan (cacat per mobil, ketidaksempurnaan per panjang
karpet tertentu). Estimasi terbaik dari nilai sebenarnya dariC adalah nilai rata-rata dari sejumlah
besar sampel yang diambil saat proses berada dalam kendali statistik:
M

__ Hai C Saya

C5 M
_Saya=_1__ (40.8)
_
Nilai ini dari C digunakan sebagai pusat untuk peta kendali. Dalam distribusi Poisson,
standar deviasi adalah akar kuadrat dari parameterC. Jadi, batas kendalinya adalah:
_ ___ _ ___
LCL 5 C 2 3!C dan UCL 5 C 1 3!C (40.9)

40.3.3 MENAFSIRKAN GRAFIK

Ketika peta kendali digunakan untuk memantau kualitas produksi, sampel acak diambil dari proses
_
dengan ukuran yang sama n digunakan untuk membuat grafik. Untukx dan Rgrafik, x dan R nilai
_
karakteristik yang diukur diplot pada peta kendali. Dengan konvensi, titik-titik biasanya terhubung,
seperti pada gambar. Untuk menginterpretasikan data, seseorang mencari tanda-tanda yang
menunjukkan bahwa proses tersebut tidak berada dalam kendali statistik. Tanda yang paling jelas
_
adalah ketikax atau R (atau keduanya) terletak di luar LCL atau UCL batas. Ini menunjukkan penyebab
yang dapat ditentukan seperti bahan awal yang buruk, operator baru, perkakas rusak, atau faktor
_
serupa. Di luar batasx menunjukkan pergeseran rata-rata proses. Di luar batasR menunjukkan bahwa
variabilitas proses telah berubah. Efek yang biasa adalah ituR meningkat, menunjukkan variabilitas
telah meningkat. Kondisi yang kurang jelas dapat mengungkapkan
1066 Bab 40/Kontrol Kualitas dan Inspeksi

masalah proses, meskipun titik sampel terletak di dalam 63S batas. Kondisi tersebut
meliputi (1) tren atau pola siklus dalam data, yang dapat berarti keausan atau faktor lain
yang terjadi sebagai fungsi waktu; (2) perubahan mendadak pada tingkat rata-rata data;
dan (3) menunjuk secara konsisten di dekat batas atas atau bawah.
Jenis interpretasi yang sama yang berlaku untuk x grafik dan R grafik juga
berlaku untuk P grafik dan C bagan.

40.4 Program Kualitas di Manufaktur

Kontrol proses statistik banyak digunakan untuk memantau kualitas suku cadang dan produk
yang diproduksi. Beberapa program kualitas tambahan juga digunakan dalam industri, dan
bagian ini menjelaskan secara singkat empat di antaranya: (1) manajemen kualitas total, (2) six
sigma, (3) metode Taguchi, dan (4) ISO 9000. Program-program ini bukan alternatif untuk
pengendalian proses statistik; pada kenyataannya, alat yang digunakan dalam SPC termasuk
dalam metodologi manajemen kualitas total dan six sigma.

40.4.1 MANAJEMEN KUALITAS TOTAL

Total quality management (TQM) adalah pendekatan manajemen terhadap kualitas yang
mengejar tiga tujuan utama: (1) mencapai kepuasan pelanggan, (2) mendorong keterlibatan
seluruh tenaga kerja, dan (3) perbaikan terus-menerus.
Pelanggan dan kepuasan pelanggan adalah fokus utama TQM, dan produk dirancang
dan diproduksi dengan mempertimbangkan fokus ini. Produk harus dirancang dengan
fitur yang diinginkan pelanggan, dan harus dibuat bebas dari kekurangan. Dalam lingkup
kepuasan pelanggan adalah pengakuan bahwa ada dua kategori pelanggan: (1) pelanggan
eksternal dan (2) pelanggan internal. Pelanggan eksternal adalah mereka yang membeli
produk dan jasa perusahaan. Pelanggan internal berada di dalam perusahaan, seperti
departemen perakitan akhir perusahaan yang merupakan pelanggan dari departemen
produksi suku cadang. Agar organisasi total menjadi efektif dan efisien, kepuasan harus
dicapai dalam kedua kategori pelanggan.
Dalam TQM, keterlibatan pekerja dalam upaya kualitas organisasi meluas dari eksekutif
puncak melalui semua tingkatan di bawahnya. Ada pengakuan akan pengaruh penting
yang dimiliki desain produk terhadap kualitas produk dan bagaimana keputusan yang
dibuat selama desain mempengaruhi kualitas yang dapat dicapai dalam manufaktur.
Selain itu, pekerja produksi bertanggung jawab atas kualitas output mereka sendiri,
daripada mengandalkan inspektur untuk mengungkap cacat setelah suku cadang sudah
diproduksi. Pelatihan TQM, termasuk penggunaan alat kontrol proses statistik, diberikan
kepada semua pekerja. Mengejar kualitas tinggi dianut oleh setiap anggota organisasi.

Tujuan ketiga TQM adalah perbaikan terus-menerus; yaitu, mengadopsi sikap bahwa
selalu mungkin untuk membuat sesuatu menjadi lebih baik, apakah itu produk atau
proses. Perbaikan berkelanjutan dalam suatu organisasi umumnya diimplementasikan
dengan menggunakan tim pekerja yang telah diatur untuk memecahkan masalah spesifik
yang diidentifikasi dalam produksi. Masalahnya tidak terbatas pada masalah kualitas.
Mereka mungkin termasuk produktivitas, biaya, keselamatan, atau bidang lain yang
menarik bagi organisasi. Anggota tim dipilih berdasarkan pengetahuan dan keahlian
mereka di bidang masalah. Mereka diambil dari berbagai departemen dan bekerja paruh
waktu dalam tim, bertemu beberapa kali per bulan sampai mereka mampu membuat
rekomendasi dan/atau memecahkan masalah. Kemudian tim dibubarkan.