T 06 Pemodelan Kualitas PK
T 06 Pemodelan Kualitas PK
TOPIK 6
PEMODELAN KUALITAS
PROSES
LD/SEM II-03/04 1
1. KERANGKA DASAR
Sampling Pengendalian
Penerimaan Proses
Proses Produksi
PRODUK
MATERIAL PRODUK
BAIK
PRODUK
KERJA ULANG
PRODUK
SEKRAP
Lingkup perusahaan
LD/SEM II-03/04 2
1
Departemen Teknik Industri - ITB TI-3221 PENGENDALIAN KUALITAS STATISTIK
2. PENGERTIAN DASAR
Pengendalian kualitas: suatu sistem untuk menjaga tingkat kualitas yang diinginkan
dalam produk atau jasa.Kategori: Off-line Quality Control, Statistical Process
Control (SPC), Acceptance Sampling.
Jenis pengukuran:
Variabel → karakteristik kualitas yang dapat diukur & diekspresikan dalam
skala numerik.
Atribut: → karakteristik kualitas yang diklasifikasikan atas “sesuai” atau
“tidak sesuai” terhadap spesifikasi (tidak dapat diukur dengan skala numerik).
LD/SEM II-03/04 3
Skala pengukuran:
Skala Nominal : merepresentasikan KATEGORI suatu kondisi. Nilai numerik
yang digunakan tidak mencerminkan nilai yang sebesarnya.
Contoh:
9 Klasifikasi keadaan produk: (1) Baik, (2) Cacat.
9 Klasifikasi jenis cacat: (1) Kritikal, (2) Mayor, (3) Minor.
Skala Ordinal : merepresentasikan RANKING/URUTAN suatu kondisi.
Contoh:
9 Kualitas layanan suatu toko:
(1) Sangat Buruk, (2) Buruk, (3) Rata-rata, (4) Baik, (5) Sangat Baik
Skala Interval : merepresentasikan ORDER & PERBEDAAN NUMERIK, tetapi
dengan titik origin tidak absolut (berbeda antar skala pengukuran).
Contoh: temperatur dalam oC dan oF.
LD/SEM II-03/04 4
2
Departemen Teknik Industri - ITB TI-3221 PENGENDALIAN KUALITAS STATISTIK
Skala Pengukuran:
LD/SEM II-03/04 5
Sampling Pengukuran
Tindakan pada
proses PROSES LOT SAMPEL DATA
(Kontrol proses)
(Analisis proses)
Tindakan
Sampling Pengukuran
Tindakan pada lot LOT SAMPEL DATA
(Estimasi inspeksi
kualitas produk)
Tindakan
LD/SEM II-03/04 6
3
Departemen Teknik Industri - ITB TI-3221 PENGENDALIAN KUALITAS STATISTIK
(3) DISTRIBUSI-
DISTRIBUSI-DISTRIBUSI PENTING
a. Distribusi Diskrit
DISTRIBUSI HIPERGEOMETRIK: Model probabilitas untuk sampling tanpa
pengembalian.
Untuk lot dengan ukuran N dan produk cacat sebanyak D, maka probabilitas
sampel dengan ukuran n mengandung produk cacat sebanyak x adalah:
D N − D
x n − x
p ( x) = , x = 0, 1, 2, ....., min (n, D)
N
n
nD
Rata - rata : E ( X ) = N Baik: N-D n
N Baik: n-x
Variansi : Cacat: x
nD D N − n
Var( X ) = 1 − Cacat: D
N N N − 1 Sampel
Populasi
LD/SEM II-03/04 7
Jika probabilitas perolehan produk cacat adalah p & konstan untuk setiap
pengambilan sampel, maka probabilitas diperolehnya x produk cacat
adalah:
n
p( x) = p x (1 − p) n − x x = 1, 2, 3, .... n
x
Rata - rata : E(X) = np
Contoh:
1. Untuk menentukan diterima-tidaknya kiriman lot lampu, dilakukan pengujian. Kiriman
diterima jika seluruh produk yang diuji baik semua. Ukuran lot 24 unit, jumlah rata-rata
cacat dalam setiap lot 3 unit, jumlah produk yang diuji 4 unit. Berapa probabilitas
penerimaan setiap lot lampu tersebut?
2. Asumsikan produk lampu yang dikirim dihasilkan dari proses kontinyu dengan proporsi cacat
1/8. Lot lampu akan diterima jika produk yang diuji seluruhnya baik. Jumlah produk yang
diuji 4 unit. Berapa probabilitas diterimanya lot lampu tersebut?
LD/SEM II-03/04 8
4
Departemen Teknik Industri - ITB TI-3221 PENGENDALIAN KUALITAS STATISTIK
λ x e −λ
p( x ) = , x = 0 , 1, 2 , .....
x!
Rata - rata : E ( X ) = λ
Variansi : Var( X ) = λ
Contoh:
1. Rata-rata jumlah cacat komponen elektronik dalam kemasan adalah 3. Berapa
probabilitas mendapat 2 komponen cacat yang diambil secara random dari kemasan
tersebut?
LD/SEM II-03/04 9
b. Distribusi Kontinyu
2
1 1 x−µ
f(x)= exp − , -∞ < x <∞
σ 2π 2 σ
dimana,
Rata - rata : - ∞ < µ < ∞ dan
Variansi : σ2 >0
LD/SEM II-03/04 10
5
Departemen Teknik Industri - ITB TI-3221 PENGENDALIAN KUALITAS STATISTIK
HIPERGEOMETRIK
n/N ≤ 0,1
BINOMIAL
p < 0,1
n besar
POISSON np > 10
p < 1/2
λ ≥ 10
NORMAL
LD/SEM II-03/04 11
X −µ X −µ
Z = =
Batas Spesifikasi Bawah (posisi optional) σ σ/ n
X
LD/SEM II-03/04 12
6
Departemen Teknik Industri - ITB TI-3221 PENGENDALIAN KUALITAS STATISTIK
B (µ0, σ1)
A = akurat, kurang presisi
B = akurat, presisi
C = kurang akurat, kurang presisi
C (µ1, σ1)
A (µ0, σ0)
µ0 =
nilai target
LD/SEM II-03/04 13
+3σX
Garis Tengah Variasi alamiah, terkandung dalam proses & disebabkan
X0 oleh sebab-sebab umum (ada selama proses tidak diubah;
tanggung jawab: manajemen).
− 3σ X
LD/SEM II-03/04 14
7
Departemen Teknik Industri - ITB TI-3221 PENGENDALIAN KUALITAS STATISTIK
n besar
Peta-X , s
n kecil Peta-X , R
Peta Variabel
n=1 Peta-X,
moving range
Peta Kendali
n konstan
Peta p or np
Item cacat
Peta p
n variabel
Peta Atribut
n konstan Peta c or u
Cacat
Peta u
n variabel
LD/SEM II-03/04 15
LD/SEM II-03/04 16
8
Departemen Teknik Industri - ITB TI-3221 PENGENDALIAN KUALITAS STATISTIK
LD/SEM II-03/04 17
LD/SEM II-03/04 18
9
Departemen Teknik Industri - ITB TI-3221 PENGENDALIAN KUALITAS STATISTIK
DISTRIBUSI
NORMAL
KUMULATIF
LD/SEM II-03/04 19
LD/SEM II-03/04 20
10