Fase DMAIC
• Membuat project charter
• Update FMEA, process map • Project scope dengan pareto
dan SOP, yang dilanjutkan • Identifikasi faktor Xs dengan process
dengan training. map, fishbone dan 5Whys
• Implementasi SPC
• Standard work
1
10/9/2020
DMAIC - Funnelling
Project Charter
Update/create standardization
Control 2-3 Xs Training, Create checklist
SPC (Statistical Process Control)
2
10/9/2020
3
10/9/2020
Lost sales
Changes and revisions
Late delivery
85-95%
Expediting costs
The Hidden Factory Downtime
Employee turnover
Excess
Long cycle times Inventory
4
10/9/2020
1 691.462 30,85 %
2 308.538 69,15%
3 66.807 93,32 %
4 6.210 99,38 %
5 233 99,977 %
6 3,4 99,99966 %
BUKANLAH :
• Tambahan pekerjaan
• Program pengurangan karyawan
• Untuk mengobati semua masalah
• Penggantian karyawan yang berpengalaman
• Hanya alat pembuat keputusan
• Hanya untuk Green & Black Belts
10
5
10/9/2020
11
12
6
10/9/2020
13
Mengapa sekarang ?
• Globalisasi dan kemudahan mengakses informasi, produk
dan service, sudah mengubah customer dalam menjalankan
bisnis.
• Kondisi kompetisi sekarang ini tidak menginginkan
terjadinya kesalahan.
• Kita harus menyenangkan customer kita dan selalu mencari
cara-cara baru untuk melampaui harapan customer.
• Rata-rata persentase dari gross revenues yang dikeluarkan
karena masalah kualitas pada saat pengecekan, pembetulan
kesalahan, rework, dll, sudah mendekati 50%.
• Lean Six Sigma merubah struktur perusahaan.
• Lean Six Sigma menjadi cara kerja standar dalam setiap hal
yang dilakukan dan termasuk produk yang kita desain.
14
7
10/9/2020
Steering Commitee
Team
Member
Champion Green Belt
Team
Member
Lean Six
Sigma Leader
Team
Member
Master Black
Black Belt
Belt
Team
Member
15
Sebagai ahli dan agen perubahan yang melakukan training dan coaching
kepada Green Belt, Black Belt dan Master Black Belt yang baru.
Master dalam pengetahuan Lean Six Sigma and penggunaan dari tiap tool.
Melakukan approval terhadap semua proyek, toll gates and project closure
16
8
10/9/2020
Black Belt
BB adalah posisi yang full-time menangani semua inisiatif Lean Six Sigma.
Mengerti dasar-dasar prinsip dan statistic dari Lean Six Sigma dan mampu
mendemonstrasikan aplikasi tool yang efektif.
Melakukan training kepada team lain tentang Lean Six Sigma tools
17
Green Belt
Mengerti metodologi Lean Six Sigma dan bisa menggunakan tool dalam lean,
quality dan statistik.
18
9
10/9/2020
Steering Commitee
Menetapkan arahan dalam hal kualitas.
19
Champion
Berpartisipasi dalam identifikasi, seleksi dan support untuk pembuatan
laporan proyek.
Mendukung usaha team ke level top management and Lean Six Sigma
Steering Committee/Business Quality Council.
20
10
10/9/2020
Anggota Team
• Karyawan yang bekerja untuk proyek Lean Six Sigma.
• Diberikan tugas yang spesifik terkait dengan proyek, dan
mengikuti batas waktu yang jelas untuk mencapai target
proyek.
• Anggota team berkewajiban untuk melakukan eksekusi
terhadap penugasan yang digariskan dalam proyek Lean Six
Sigma dan bekerja dengan anggota lain sesuai dengan
jadwal proyek dalam rangka meraih target.
21
Project Charter
22
11
10/9/2020
Project Selection
Kriteria proyek Lean Six Sigma :
23
24
12
10/9/2020
25
Project Charter
26
13
10/9/2020
Project Scope
Objective/Target
Team Member
Primary Metric
Secondary Metrik
Financial Analysis
27
Opportunity Statement
• Masalah apa yang akan coba diselesaikan dalam proyek
ini ? Apa “pain” dari masalah ini ?
• The opportunity statement harus ringkas dan sangat
spesifik tentang masalah yang akan diselesaikan.
Project Scope
• Scope sangat penting dalam menjaga proyek tetap fokus.
• Kita akan selalu merujuk pada scope untuk menjaga
berjalannya proyek sesuai dengan scope proyek.
• Pastikan scope memungkinkan proyek bisa diselesaikan
dalam 4 bulan.
28
14
10/9/2020
Project Objective
• Tentang apa yang akan dicapai dalam proyek ini
• Objective harus merujuk pada opportunity statement
dan harus berisi tentang goal yang spesifik yang akan
dicapai.
• Objective harus dinyatakan dalam bentuk primary
metric
29
Team Proyek
• Banyak pekerjaan GB/BB yang membutuhkan bantuan/support
team.
• Kesuksesan proyek sangat tergantung pada perubahan tingkah
laku dan kebiasaan, yang juga tergantung pada kemauan dan
komitmen, sehingga hal ini berkaitan dengan partisipasi seluruh
team.
• Team harus Cross-functional sehingga bisa menghasilkan solusi
yang terbaik.
• Idealnya anggota team adalah 5-8 orang.
30
15
10/9/2020
Team Proyek
• Team harus memasukkan orang-orang yang terlibat langsung
dalam tanggung jawab proses tersebut.
• Process owners harus menjadi bagian dari team, karena
tanggung jawab improvement nantinya akan dipindahkan dari
team ke process owner pada saat akhir Fase Control.
• Untuk beberapa diskusi/workshop (FMEA, improvement
meetings, dll.) kita bisa saja mengundang orang lain yang ahli
di bidang tsb untuk berpartisipasi.
• Oleh karena itu kita perlu memiliki core team (team utama)
dan ketika dibutuhkan maka bisa dilakukan penambahan.
31
32
16
10/9/2020
33
Delivery Quality
Cost
34
17
10/9/2020
Project Charter
Business Impact 6 1
Opportunity / Problem Statement
• Dengan melakukan proyek, maka diharapkan kita bisa
menyelesaikan order dengan lebih cepat sehingga • Persentase yield di produksi Head on sangat rendah
customer lebih meningkat kepuasan yang bisa berefek (96%) sejak Juni 2015, hal ini sangat rendah
pada peningkatan penjualan. dibandingkan target standar (98%).
• Hard Benefit: Rp. Xxxxxx per tahun
• Soft Benefit:
- Peningkatan profit
- Peningkatan penjualan
- Peningkatan kepuasan pelanggan
2 3
Key Metrics Project Scope
Primary metric : % yield • Scope in – Proses pembelian sampai proses penimbangan
Secondary metrics : final produk untuk produk HO.
- Jumlah customer complaint per shipment
• Scope out – Proses produk lain (HLSO, HL, PD)
- Jumlah defect per hari
- Jumlah penerimaan RM per hari
4 5
Project Plan Team Selection
Define : 31 Desember 2015 • Muzayin (Purchasing) Finance controller : Surya
Measure : 30 Januari 2016 • Endah Suhartini (Produksi)
Analyze : 15 Maret 2016
• Nisaul Hamidah (Produksi)
Improve : 30 Mei 2016
• Tutik (QC)
Control : 1 Juni 2016
35
Project Charter
Business Impact 6 1
Opportunity / Problem Statement
• Why should we do this project?
• What is happening (describe in detail)? What “Pain”
• Benefit: What is the quantified value creation of the
project according to financial guidelines? are we or our customers experiencing?
• Where is the problem occurring?
• Benefit: What EHS First risks are we aiming to
minimize? (exposure, frequency) • When did the problem start?
• Effort: What are the expected CAPEX and direct
expenses? (cash out)
• Which Operating Agenda item is supported by this
project? What program is this project in support of
(e.g. AOS)?
2 3
Key Metrics Project Scope
• Define Y = f(x) • Scope in - What are the boundaries of the project (start
and end steps of the process)?
• SIPOC – who is the Supplier, what are the Inputs, what is
the Process, what are the Outputs and who are the • Scope out – Areas not addressed.
Customers?
• What are our improvement objectives and targets?
4 5
Project Plan Team Selection
• What is the estimated completion date or the duration • What areas should be represented on the team?
• What is the overall time committed by the team in man -
for the project?
months?
36
18
10/9/2020
Project Charter
Business Impact 6 1
Opportunity / Problem Statement
• By develop system our 5S/housekeeping level will
maintain. Our plant will look clean, tidy, organize • Since 2008 AP Flexipack didn’t have any system to
and level discipline will enhance. maintain our 5S/housekeeping level.
• This project related with turn around strategy of
improve housekeeping. • This problem made our plant look dirty, lack of
discipline, quality problem occur because environment.
2 3
Key Metrics Project Scope
• Improvement objective and target: This project • Scope in – All production area start from Printing,
want to develop system that can establish people Lamination&Blown Film, Slitting, Bag Making, Cylinder
awareness of 5S/housekeeping also develop audit Making, Warehouse, and Engineering.
system for all production area. This project target is all
• Scope out – Office and outside production area.
production area can achieve acceptable level on Q1
2009 and from Q2 – Q4 2009 can achieve good level.
That result will come from cross audit.
Project Plan 4
Team Selection
5
• The line project will be closed on April 2009 and will • Cross functional team: EHS and CI
discuss again to develop next stage. Sponsor : Jauharin H, Leader: Arshad, Member : FX
Suhartanto.
• D =6 March 2009, M = 13 March 2009, A = 31
Marchl 2009, I = 17 April 2009, C = 30 April 2009.
37
38
19
10/9/2020
39
Mengirimkan email
Stakeholder akan
invitation toll gate
memberikan masukan-
review dan materi
masukan
presentasi
Stakeholder akan
Menyetujui langkah-
mempelajari materi
langkah project
presentasi sebelum
selanjutnya
review dilakukan
40
20
10/9/2020
41
21
10/9/2020
22
10/9/2020
DEFINE Checklist
45
MEASURE Checklist
46
23
10/9/2020
ANALYZE Checklist
47
IMPROVE Checklist
48
24
10/9/2020
CONTROL Checklist
49
PROCESS MAP
50
25
10/9/2020
51
Pemetaan Proses
Harus mendeskripsikan :
• Major activities/tasks
• Key-sub processes
• Flow of activity
• Process step input (Xs)
• Process step output (Ys)
52
26
10/9/2020
Pemetaan Proses
Proses nantinya …
Ini adalah apa yang
Apa yang ada pikirkan harus didokumentasikan
di Measure Phase…
Aktualnya …
53
54
27
10/9/2020
Tambahkan
data proses
Evaluasi untuk tiap
Input untuk step
Evaluasi tiap step
Output
Klasifikasikan untuk tiap
setiap step step
Identifikasi sebagai
step proses Value Added
Tentukan untuk
scope dan Non
membuat Value Added
flowchart
55
56
28
10/9/2020
Extrusion Cooling
57
Graphical Tools
=
58
29
10/9/2020
Session
window
Data window
59
Worksheet
Terdiri dari rows dan columns
Variable diisi di columns
Hasil observasi diisi di rows
Hanya boleh 1 nama pada tiap kolom.
Nama kolom
bisa diketik di
sini
60
30
10/9/2020
Tipe Data
• Minitab menyediakan 3 tipe data: numeric, text, date/time.
• Masing-masing kolom dapat terdiri hanya satu tipe data.
• Tipe data dilihat dari tanda di kolom atas.
numeric (default, text date/time
no extension)
61
62
31
10/9/2020
Navigation
• Untuk bernavigasi dalam Minitab project, tekan ctrl-tab.
Ini akan memindahkan antara data sheet, grafik, session
window, project manager, dll.
• Terdapat kunci special yang bisa membuat navigasi lebih
mudah.
• Tanda panah di kiri atas dari data sheet memperlihatkan apakah
“enter” key memindahkan cursor ke atas atau ke bawah.
• Home key akan memindahkan ke kolom teratas.
• End akan memindahkan ke kolom terbawah.
• Ctrl-Home akan memindahkan ke cell pertama dalam kolom
pertama dari worksheet yang aktif.
• Ctrl-End akan memindahkan ke cell di row dan kolom terakhir di
worksheet yang terakhir.
63
64
32
10/9/2020
65
66
33
10/9/2020
Minitab Menus
67
Input Data
• Data dapat dimasukkan secara langsung dalam
spreadsheet
• Ketik data tsb.
• Masukkan data dari file lain.
• Gunakan tanda panah untuk memilih di mana data akan
dimasukkan.
• Data dapat di-copy paste
• Dari MINITAB
• Dari Excel atau software “Windows” lainnya.
• Data dapat dibangkitkan
• Set Patterned Data, Subscripts, Random Data, Storage
• Data dapat di-import
• Dari software lainnya, seperti Excel
• Dari text atau ASCII files
68
34
10/9/2020
Generating Data
69
70
35
10/9/2020
71
72
36
10/9/2020
Minitab vs Excel
Minitab tidak didesain untuk menjadi spreadsheet yang
bisa melakukan manipulasi program seperti halnya
Excel (walaupun ada hal-hal yang sama dengan Excel)
Kelebihan Minitab adalah memiliki menu grafik dan
statistical tools
Oleh karena itu, kita lakukan manipulasi dan kalkulasi
dalam Excell dulu, baru kemudian diimport ke Minitab
untuk grafik dan analisa statistiknya.
vs.
73
MINITAB
GRAPHICAL TOOLS
74
37
10/9/2020
75
Stacking Columns
• Minitab menyarankan bentuk “stacked” data untuk berbagai analisa
dan grafik.
• Data yang di - “stacked” adalah satu kolom berisi seluruh data dengan
kolom tambahan sebagai deskripsi untuk data tsb.
• C3-C6 merepresentasikan customer “on-hold” times untuk 4 customer
service call center di sites yang berbeda.
• Kita akan stack data untuk membuat satu kolom berisi seluruh data
dengan kolom kedua adalah site dari data tsb.
76
38
10/9/2020
Stacking Columns
2. Tempatkan kursor ke
dalam field dan klik kiri
3. highlight C3-C6
5. Masukkan “c9”
6. Masukkan “c8”
4. Tekan Select
7. Tekan OK
77
Stacking Columns
78
39
10/9/2020
Coding Data
• Kita ingin mengganti Site 1 adalah Chicago, Site 2 adalah Los Angeles, Site 3
adalah New York, dan Site 4 adalah Boston.
• Kita dapat mengubah text dalam C8 untuk menampilkan lokasi yang benar
dengan coding data:
79
Minitab Menus
Diketik
40
10/9/2020
Coding Data
81
discrete continuous
(classification) (measurement)
counting relationship
distribution of behavior
occurrences in between
data over time
categories “x” & “y”
compare
single
multiple
group
groups
Boxplot Time
Graphical
Pareto chart Dotplot (with Series Scatterplot
Summary
groups) Plot
82
41
10/9/2020
Graphical Summary
Graphical Summary menjelaskan tentang “segala yang ingin
anda ketahui tentang data”
Harusnya menjadi tool analisa yang pertama yang digunakan
untuk memahami tentang distribusi dari sekelompok data.
83
Graphical Summary
Kolom C1 berisi data berat (dalam oz.) box produk yang keluar dari
line packaging.
Pilih Stat > Basic Statistics > Graphical Summary…
Tempatkan kursor pada kolom Variables, pilih box weight, tekan OK
84
42
10/9/2020
Graphical Summary
normal fit histogram Jika P-value > 0.05, kita
akan mempertimbangkan
data sebagai normal
distribution
sample size
85
Dotplot
• Dotplot akan menunjukkan titik-titik setiap data dalam
distribusi.
• Bentuk datanya cenderung melebar untuk menampilkan
setiap titik data.
86
43
10/9/2020
Dotplot
• Pilih Graph > Dotplot… kemudian pilih Simple
• Di dalam kolom Graph variables, pilih box weight dan tekan OK
87
Dotplot
44
10/9/2020
3. Window
menampilkan
list nomer row
dari data yang
di-brush
2. Gunakan
telunjuk brush
4. Row juga akan
untuk membuat
muncul
drag box di
tandanya pada
sekitar titik-titik
worksheet
data
89
Boxplot
• Boxplot memberikan kesimpulan visual secara sederhana tentang
distribusi data.
• Boxplots sering digunakan untuk membandingkan beberapa distribusi.
90
45
10/9/2020
Boxplot
Nilai maksimum
middle
50% of 50th Percentile (median)
data
91
Boxplot
Bandingkan distribusi dari customer hold time untuk 4 call center sites…
• Pilih Graph > Boxplot…
• Pilih With Groups dan tekan OK
• Untuk graph variable pilih hold time, untuk category pilih site, tekan OK
92
46
10/9/2020
Boxplot
Scatterplot
• Scatterplot digunakan untuk melihat hubungan antara dua variable
yang diukur dalam skala data continuous.
• Biasanya digunakan untuk menentukan apakah ada hubungan antara
output (y) dan input (x)
94
47
10/9/2020
Scatterplot
• Kita ingin mengetahui bagaimana tingkat kontaminasi (dalam ppm) di dalam bak
air pencucian yang diakibatkan oleh jumlah cleaning chemicals (dalam gram) yang
digunakan dalam proses pencucian (kolom C11-C12)
• Pilih Graph > Scatterplot…
• Pilih Simple dan tekan OK
• Pilih contamination untuk Y variable dan chemicals untuk X variable, tekan OK
95
Scatterplot
Klik kanan pada grafik untuk
memunculkan menu ini
• Klik kanan pada grafik untuk menambahkan gridlines, reference lines, dll.
• Double-click pada axes, labels, dll. Untuk membuat perubahan.
• Dalam Analyze Phase, kita akan menjalankan linear regressions untuk mengukur
correlations antar variable.
96
48
10/9/2020
97
98
49
10/9/2020
• Catatan : Data dalam kolom harus di-list dalam bentuk kronologis terhadap
time series plot supaya kelihatan polanya.
• Dalam Control Phase, kita akan menambahkan batas-batas grafik statistik dari
run charts untuk menentukan apakah “in control” atau tidak.
99
Pareto Chart
• Untuk data discrete, di samping nilai numerik, kita akan memiliki juga
jumlah/frekuensi per kategori yang sering disebut defect atau
penyebab masalah.
• Tipe data yang seperti ini dapat ditampilkan dalam Pareto chart…
100
50
10/9/2020
Pareto Chart
• Vilfredo Pareto adalah ahli ekonomi Italia yang mengatakan
bahwa berdasarkan data history di seluruh dunia, 80% dari
kekayaan dimiliki oleh hanya 20% dari jumlah orang seluruhnya.
• Prinsip Pareto sering diaplikasikan dalam area di luar ekonomi,
termasuk process defects
• Prinsip Pareto untuk defects: 80% dari total defects datang dari
20% sumber penyebab.
• Analisa ini membantu mem-fokuskan improvement pada area
yang masalahnya terbesar.
101
Pareto Chart
102
51
10/9/2020
Pareto Data
• Kolom C14-C15 berisi hasil analisa failure untuk root causes dari shutdown line
produksi.
• Pilih Stat > Quality Tools > Pareto Chart…
• Klik “Chart defect table”
• Untuk Label in, pilih cause
• Untuk Frequencies in, pilih count
• Tekan OK
103
60
150
40
100
3rd level Pareto
sub-causes 50 20
60
80
60 40
40
20
sub-sub-causes 20
0 0
Screw Type 8-32 1/4-20 M6 5-32 Other
Counts 90 20 15 14 5
Percent 62.5 13.9 10.4 9.7 3.5
Cum % 62.5 76.4 86.8 96.5 100.0
104
52
10/9/2020
Minitab Exercise
• Kolom C18-C20 adalah hasil dari berat produk yang diukur dengan 3
timbangan yang berbeda di pabrik kita.
• C17 berisi data tanggal kapan produk ditimbang (satu sample per hari untuk
masing-masing timbangan).
• Kita mau melihat apakah ada potensi masalah terhadap timbangan-
timbangan tsb dengan melakukan analisa berikut ini :
• Stack data
• Graphical summary pada masing-masing timbangan.
Masukkan seluruh unstacked columns (C18-C20) ke dalam the Variables field
(klik OK)
• Dotplot untuk masing-masing timbangan
Apakah grafik-grafik itu mengindikasikan masalah?
• Boxplot membandingkan tiga timbangan (gunakan With Groups untuk stacked
data)
Bagaimana membandingkan timbangan-timbangan tsb?
• Time series plot dengan skala waktu pada timbangan-Scale 3 (Petunjuk : untuk
menambah data sumbu waktu, klik pada tombol Time/Scale…, pada menu Time
pilih Stamp, dan dalam kolom Stamp pilih C17 date.
Minitab Exercise
• Kolom C22 adalah waktu yang dipakai suatu produk di
dalam oven (dalam menit) dan C23 adalah data diameter
produk (dalam mm)
• Buat scatterplot untuk diameter vs. oven time
• Apakah ada hubungan antara kedua variable itu?
• Kolom C25 adalah list dari kategori failure untuk 200
produk reject yang akan dianalisa.
• Buat Pareto chart untuk failure yang ada.
106
53
10/9/2020
Basic Statistics
107
Definisi Statistics
• Statistics adalah pengambilan, pengaturan, analisa, interpretasi
dan presentasi data.
• Salah satu alat yang diperlukan untuk memecahkan masalah
proses.
• Descriptive statistics memberikan informasi tentang
performance sebelumnya dari suatu proses (mendeskripsikan
parameter-parameter dari sampel)
• Inferential statistics membuat kita bisa memprediksi
performance selanjutnya dari suatu proses berdasarkan data
pengukuran yang sekarang (menduga parameter-parameter
populasi dengan benar)
• Tujuan utamanya adalah lebih untuk predict & prevent daripada
inspect & detect
108
54
10/9/2020
Types of Data
Types
Of
Data
109
110
55
10/9/2020
vs.
in out of
spec spec
Tipe Data
Apa tipe data di bawah ini :
112
56
10/9/2020
113
Precision vs Accuracy
114
57
10/9/2020
115
Mean
Mean adalah nilai rata-rata : n = # titik data
n i = index
x i
n
= sum, from i = 1 to n
x i 1 i1
n
Digunakan ketika datanya simetris
Histogram of Output
12
10
8
Frequency
0
10 15 20 25 30 35
Output
mean
116
58
10/9/2020
Median
~
• Median (x) data adalah nilai tengah.
• Setengah nilai adalah lebih kecil dan setengahnya adalah lebih besar dari
median.
• Jika jumlah datanya genap, median adalah rata-rata dari 2 angka tengah.
• Digunakan ketika data skewed
20
15
Rata-rata tidak tepat
digunakan di sini karena
Frequency
10
berada di kanan mengarah ke
5
ujung.
0
0.0 1.6 3.2 4.8 6.4
Right Skewed
median mean
Mode
• Untuk data discrete, mode adalah nilai yang paling banyak muncul.
• Untuk data continuous, mode adalah puncak dari distribusi.
Histogram of Discrete
16
14
12
10
Frequency
0
2 4 6 8
Discrete
mode
mode
59
10/9/2020
Histogram of Output
12
10
8
Frequency
0
10 15 20 25 30 35
Output
119
Range
• Range adalah perbedaan antara nilai maksimum dan
minimum.
• Digunakan karena mudah dimengerti.
Histogram of Output
12
10
0
10 15 20 25 30 35
Output
120
60
10/9/2020
Interquartile Range
• Interquartile Range adalah perbedaan antara nilai Q3 dan Q1.
• Merupakan 50% dari data Q3 = 75th percentile
Q1 = 25th percentile
• Merupakan bagian kotak dari boxplot
Histogram of Output
12
10
8
Frequency
IQ range
6
0
10 15 20 25 30 35
Output
IQ Range Q3 - Q1
121
Variance
Variance data dihitung sebagai berikut :
1. Hitung rata-rata dari titik-titik data (x)
2. Hitung deviasi dari masing-masing titik terhadap mean (xi – x)
3. Hitung kuadrat dari masing-masing deviasi (xi – x)2
4. Jumlahkan kuadrat dari seluruh data.
5. Dibagi oleh jumlah titik data kurangi satu (n – 1)
Catatan: n-1 merupakan degrees of freedom (n) dari variance
x
n
x x
xi x 2
x i
xi s2 i 1
n 1
• Tidak seperti pengukuran dispersion yang lain, variance memiliki unit-unit yang merupakan
kuadrat dari unit aslinya, sehingga susah dimengerti.
• Variance digunakan dalam banyak perhitungan, tapi aplikasi praktis yang sering dipakai adalah
standard deviation, yang merupakan akar pangkat dua dari variance.
61
10/9/2020
Standard Deviation
• Standard deviation adalah akar pangkat dua dari variance.
• Pengukuran dispersion yang paling umum dipakai.
• Mengukur semua titik yang ada (tidak seperti range dan IQ range)
• Memiliki unit yang sama sesuai aslinya.
Histogram of Output
Normal
Mean 20.51
12
n
x x
StDev 5.477
N 50
10 2
8
i
s
Frequency
6
i 1
4 n 1
2
0
10 15 20 25 30 35
Output
Contoh : Berapa standard deviation dari data ini: ( 9, 7, 15, 10, 9)?
123
Median
62
10/9/2020
Normal Distribution
• Untuk situasi di mana datanya bervariasi random di sekitar central tendency,
maka distribusi data sering dianggap sebagai “normal”.
• Contoh dari normal distribution (perkiraan):
• Tinggi badan pria dan wanita
• Deviasi posisi dari pick-and-place machine
• Profil dari sinar laser
• national test scores
• Berat produk dari line produksi
• Jika data bisa dianggap “normal”, maka kita dapat menggunakan banyak statistical
tools di dalam analisa data.
• Nama lain dari normal distribution :
• Gaussian distribution
• Bell curve
125
126
63
10/9/2020
Y P > 0.05
Distribusi N
Normal Y Kurva
bel ?
N
Selesai Investigasi
Koreksi Data
special cause
Y Kurva N
Non Normal Selesai
bel ?
127
68.26 %
95.46 %
99.73 %
128
64
10/9/2020
129
130
65
10/9/2020
131
Key Terms
Resolution
Linearity
Accuracy (precision)
Gage R&R – repeatability & reproducibility (continuous)
Discrimination of continuous measurement
Gage R&R – repeatability & reproducibility (discrete)
Stability
132
66
10/9/2020
Resolution
Resolution = Customer specification range (tolerance)
Smallest Unit of measure
133
Accuracy
Akurasi adalah perbedaan antara nilai hasil pengamatan dengan
nilai standarnya.
Kita menghitung akurasi ketika melakukan kalibrasi. Kalibrasi bisa
menampilkan perbedaan (bias) antara hasil pengukuran terhadap
suatu standar.
Accuracy
134
67
10/9/2020
Repeatibility
Repeatability adalah variasi dari hasil pengukuran jika
pengukuran diulang pada kondisi yang identik :
Dengan part yang sama.
Dilakukan oleh operator yang sama.
Dengan alat ukur yang sama.
Repeatibility fokus pada variasi yang disebabkan oleh alat ukur (mirip
dengan “stability”, tetapi tanpa aspek waktu)
Repeatability
(Minimal variation)
135
Reproducibility
Mirip dengan repeatability, reproducibility adalah melakukan
pengukuran pada kondisi yang identik dan sama alat ukurnya,
tetapi :
Beberapa units
Beberapa operator
Repeatibility fokus pada pengaruh operator terhadap variasi dari
hasil pengukuran.
Data collector 1
Data collector 2
Reproducibility
136
68
10/9/2020
Pentingnya MSA
Pentingnya Measurement System Analysis adalah:
• Kita membuat keputusan berdasarkan data.
• Untuk membuat keputusan yang tepat, maka data harus akurat.
• Variasi data terdiri dari variasi proses dan variasi measurement system.
Tujuan MSA:
Mengetahui seberapa besar variasi yang terjadi pada
sistem pengukuran sehingga action yang tepat bisa
diambil
137
+ =
s 2process s observed
+ s meas. system
2 2
= (total)
s repeatability
2
+ s reproducibility
2
138
69
10/9/2020
139
140
70
10/9/2020
Definisi MSA
• Measurement System – Faktor orang, SOP (standard operating procedure),
equipment (termasuk software), dan sistem yang dipakai bersama untuk
menentukan nilai atau klasifikasi pada suatu karakteristik dari produk atau
service.
• Measurement System Analysis (MSA) – Evaluasi sistem pengukuran yang
berguna untuk menentukan validitas dari respon yang diukur.
• Gage – Equipment, orang, dan SOP yang dipakai untuk membuat pengukuran.
• Gage R&R Study – Serangkaian langkah MSA yang menganalisa seluruh variasi
dari measurement system.
• Repeatability – Variasi yang dihasilkan ketika satu operator menggunakan alat
yang sama untuk mengukur part yang sama dan memiliki karakteristik yang
identik.
• Reproducibility – Variasi yang dihasilkan ketika beberapa operator mengukur
part yang sama.
141
142
71
10/9/2020
Sumber Variasi
Observed Process Variation
Repeatability
Reproducibility
Untuk memperoleh variasi proses
Accuracy
yang sebenarnya, variasi yang
disebabkan measurement system
harus yang pertama diidentifikasi Stability
dan dipisahkan dari variasi
process.
Linearity
143
Sumber Variasi
Observed Process Variation
Repeatability
Reproducibility
Accuracy
Sistem kalibrasi yang bagus dan alat
ukur yang benar bisa mengontrol Stability
sumber-sumber variasi
total p roduct measurement Linearity
144
72
10/9/2020
measurement error
146
73
10/9/2020
Gage Repeatibility
147
Gage Reproducibility
Gage Reproducibility adalah rata-rata variasi dari pengukuran yang
dihasilkan oleh operator yang berbeda (atau alat yang berbeda) ketika
mengukur part yang sama dan identik.
Reproducibility error diperoleh dengan mengadakan gage R&R Study.
Reproducibility
Operator A Operator B
148
74
10/9/2020
10 unit 10 unit
2 operator -ATAU- 3 atau lebih operator
3 trial 2 trial
149
150
75
10/9/2020
151
6σgage R&R
gage R&R % tolerance =
tolerance width
152
76
10/9/2020
LSL USL
tolerance
gage R&R
153
6σgage R&R
gage R&R % process =
6σprocess
Jika proses adalah baru dan tidak ada data history variasi proses, maka
% Study Variation bisa digunakan untuk menggantikan % Process (dengan
asumsi sample dalam gage study merepresentasikan 80-100% dari variasi
proses yang aktual.
154
77
10/9/2020
Good = <10%
Acceptable = <30%
Unacceptable = >30%
historical process variation
gage R&R
155
s
Distinct Categories round down 2 part - to - part
s gauge R & R
78
10/9/2020
Acceptable
2 Distinct Categories
Good
5 Distinct Categories
10 Distinct Categories
157
79
10/9/2020
Guard Bands
• Jika konsekuensi untuk menerima produk/service yang ada di ambang spec sangat
beresiko, maka kita bisa menambahkan “guard band” pada spec customer.
• Hal ini akan mem-protect lewatnya produk-produk yang sebenarnya di ambang luar
batas spec.
• Tetapi, ini akan menyebabkan kita mereject banyak produk yang sebenarnya bagus.
• Solusi terbaik : Kurangi variasi gage R&R sehingga kita bisa menghindari guard band.
LSL USL
gage R&R Peluang
width (6s) lewatnya
Peluang produk jelek
lewatnya
produk jelek
159
80
10/9/2020
161
Analisa Minitab
• Stat > Quality Tools > Gage Study > Gage R&R Study (Crossed)…
• Masukkan data part number, operator dan measurement data sesuai gambar di bawah.
• Klik Options…
• Masukkan lower spec (8.2), upper spec (8.8), dan historical st dev (0.02)
• Klik Do not display percent contribution
• Klik Do not display percent study variation
• Klik OK, OK
162
81
10/9/2020
Minitab Output
163
Komponen Variasi
164
82
10/9/2020
R Chart by Operator
range (max–min) dari pengukuran
berulang yang dilakukan oleh Bill
165
166
83
10/9/2020
167
84
10/9/2020
169
Source DF SS MS F P
pouch 9 0.0096335 0.0010704 15.3867 0.000
operator 2 0.0013156 0.0006578 9.4558 0.002
pouch * operator 18 0.0012522 0.0000696 3.2826 0.002
Repeatability 30 0.0006358 0.0000212
Total 59 0.0128371
170
85
10/9/2020
Source VarComp
s 2gage R&R
Total Gage R&R 0.0000748
Repeatability 0.0000212
s 2repeat
Reproducibility 0.0000536 s 2reproduce
operator 0.0000294
operator*pouch 0.0000242 s 2part-to-part
Part-To-Part 0.0001668
Total Variation 0.0002416 s 2total study
s total
2
study s gauge R & R s part - to - part
2 2
s gauge
2
R & R s repeat s reproduce
2 2
s reproduce
2
s operators
2
s operator
2
part
171
• Tabel ini menjelaskan nilai-nilai variasi yang ditampilkan dalam bar chart.
• Di tabel tsb, reproducibility dibagi menjadi operator dan operator*part
interaction
172
86
10/9/2020
173
174
87
10/9/2020
Destructive Testing
Dalam aplikasi tertentu, pengukuran bisa mengubah atau
menghancurkan/merusak part yang diukur.
Contoh :
burst pressure test untuk juice pouch.
melting point test untuk material packaging.
Tensile strength testing for shipping cartons
etc.
Dalam hal tersebut, kita tidak bisa melakukan pengukuran
berulang pada part yang sama.
Bagaimana kita dapat melakukan gage R&R untuk tipe
pengukuran ini?
175
Destructive Testing
• Kita harus membuat beberapa batch part yang variasinya sekecil mungkin.
• Batch-batch ini akan dibagi dalam sample sehingga tiap operator paling sedikit
mengukur 2 sample dari masing-masing batch.
• Guideline untuk persiapan sample :
• Ambil sample berurutan yang dibuat dalam waktu yang sama, operator sama, fixture sama,
batch raw material yang sama dan kondisi lingkungan yang sama.
• Buatlah batch-to-batch variation dengan mengubah kondisi di atas yang bisa memberi efek
pada karakteristik yang diukur, sehingga 80% dari variasi proses bisa direpresentasikan antar
batch.
• Kita harus membuat batch-batch dalam kondisi yang terkontrol untuk memperoleh konsistensi
antar batch.
• Sesudah 10 batch dibuat, kemudian kita lakukan gage R&R study sebagaimana
sebelumnya, kita perlakukan sample dari masing-masing batch sebagai part yang sama.
• Untuk “classic” GRR study dengan 10 part, 3 operator, 2 trial, masing-masing batch akan
membutuhkan 6 sample untuk pengukuran.
Jika sample dari masing-masing batch tidak identik, maka variasi antar
sample akan false terhadap sistem pengukuran.
176
88
10/9/2020
3 X 6 inspection
a b c
Sampel no 10
9 X 6 inspection d e f
178
89
10/9/2020
179
30 – 50 sample
180
90
10/9/2020
181
• Catatan : Attribute gage R&R study harus dilakukan setelah seluruh training
diselesaikan dan tools disertifikasi.
182
91
10/9/2020
Contoh Studi
• QA Manager sebuah perusahaan plat metal ingin mereview bagaimana
performance 3 inspektor yang bertugas melakukan inspeksi kualitas di
line produksi.
• Maka direncanakanlah studi MSA dengan menggunakan :
- 50 sample produk
- 2 kali trial pengukuran
- 3 inspektor
• Adapun defect yang akan diidentifikasi ada 4 kategori defect :
- Penyok
- Tergores
- Patah
- Bengkok
• Tiap inspektor melakukan pengecekan secara terpisah. Pengulangan
pengecekan diberikan jeda selama 2 hari.
• Hasil studi ada pada kolom C9-C16.
183
Contoh Studi
• Stat > Quality Tools > Attribute Agreement Analysis…
• Pilih Multiple Columns dan lakukan blok kolom C10-C15
• Masukkan 3 appraisers, 2 trials, dan ketik nama Ary Budi Wati dalam appraiser
name field (dengan spasi di antara nama)
• Pilih kolom C16 untuk known standard dan kemudian klik pada Results…
• Klik Percentages of assessment agreement… dan klik OK, OK
184
92
10/9/2020
Assessment Agreement
185
Assessment Agreement
# Matched: Appraiser’s assessment across trials agrees with the known standard.
186
93
10/9/2020
Between Appraisers
Assessment Agreement
187
Assessment Agreement
188
94
10/9/2020
95 95
90 90
Percent
Percent
85 85
80 80
75 75
Ary Budi Wati Ary Budi Wati
Appraiser Appraiser
189
Evaluasi Gage
Untuk All Appraisers vs. Standard (asumsi 2-3 appraiser) :
190
95
10/9/2020
191
96