10/9/2020

Overview of Lean Six Sigma

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

• Membuat data collection

plan
• Implementasi action • Melakukan MSA
berdasarkan FMEA. • Process capability
• Solution Prioritization • Melakukan pengambilan
Matrix data berdasarkan faktor Xs
• DOE (Design of yang diindentifikasi dari
Experiment) process map, fishbone dan
• Piloting Solution pareto
• Lean Tools (SMED,
Mistake proofing, 5S,
etc.)
• Konfirmasi pencapaian • Memilah faktor Xs yang kritikal dengan
target dengan menggunakan CE Matrix , FMEA, hypothesis
hypothetis testing testing, correlation, regression, multi vary analisys.

1
 10/9/2020

DMAIC - Funnelling
Project Charter

DM 100-200 Xs Process map

Process Capability
Graphical tools,

MSA (Measure System Analysis

Analyze 30-50 Xs FMEA (Failure Mode Effect Analysis

Hypothesis, Regression, Correlation
Multi Vary Chart

FMEA, cost benefit analysis

Improve 10-20 Xs Lean Tools, Piloting Solution
Refine & Selection Solution
DOE (Design of Experiment)

Update/create standardization
Control 2-3 Xs Training, Create checklist
SPC (Statistical Process Control)

DMAIC – Flow Analisa

Practical Statistical Statistical Practical

Problem Problem Solution Solution

Define Measure – Analyze Improve

Control
Moisture produk y = f (x1, x2, x3, x4, ...) Variasi moisture
variasinya tinggi Moisture = bo + b1*moisture RM + diturunkan dengan
b2*temperature + b3* speed mesin + ... menstabilkan
temperatur

2
 10/9/2020

Tujuan Lean Six Sigma Training

• Mengerti latar belakang Lean Six Sigma dan strateginya dalam bisnis.
• Mengerti masing-masing tugas dan tanggung jawab dalam menyukseskan
Lean Six Sigma dalam organisasi.
• Belajar tentang fase DMAIC dan tools yang bisa dipakai.
• Secara aktif mengaplikasikan teori yang dipelajari terhadap project yang
sedang dijalankan.
• Mengerti tentang customer, untuk mengetahui apa yang customer
inginkan dan persyaratannya
• Menerima wawasan dalam pola fikir dan menggunakan pendekatan yang
berorientasi pada proses.
• Menghitung process capability & process performance levels
• Mendapatkan pengertian yang lebih baik tentang descriptive statistics and
basic statistical tools
• Mempraktekkan ketrampilan sebagai fasilitator dalam rangka memimpin
team dengan baik.

Lean Vs Six Sigma

LEAN SIX SIGMA
+ Reduce waste Increase Quality Level +
+ Increase speed Reduce Variation +
- Small Project Big Project +
+ Shorter time of Project Longer time of Project -
- Smaller saving Bigger Saving +
- Less Analysis Deeper Analyis -
- PDCA Analysis DMAIC Analysis +
+ 7 QC Tools Many statistical tools +
- Focus on primary metric Primary and secondary +
metric

3
 10/9/2020

Lean Six Sigma adalah …

The Cost of Poor Quality (COPQ)

Traditional COPQ
Warranty Inspection
5-15%
Scrap
Rework
Rejects

Lost sales
Changes and revisions

Late delivery

85-95%
Expediting costs
The Hidden Factory Downtime
Employee turnover
Excess
Long cycle times Inventory

Excessive Supplier Orders and

Lost Customer Loyalty Working Capital Planning

Biaya dari Hidden Factory tidak tampak, tetapi bisa

memberikan peluang improvement yang lebih besar
8

4
 10/9/2020

Six Sigma adalah …

Process Sigma Defects per Million Opportunities

Yield
(Zst) (DPMO)

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 %

Pandangan yang Salah tentang Lean Six Sigma

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

Sejarah Six Sigma

• Motorola Inc. memelopori Six Sigma pada pertengahan
1980s
• Allied Signal Inc. mengadopsi pendekatan Six Sigma pada
tahun 1994
• Pada tahun 1995 Jack Welch mengumumkan launching Six
Sigma di General Electric
• Banyak perusahaan mengikuti, seperti Sony, Whirlpool Inc,
Citibank, IEC Electronics Corp, Amazon, Dupont, Seagate
Technology, American Express, Navistar, Eastman Kodak
Company, Toshiba, Bank of America, dll.

11

Perusahaan dengan Six Sigma

3M Denso LG Group Siemens AG
Acme Markets DHL Lockheed Martin SKF
Advanced Micro Devices Dominion Resources Mando Corporation Starwood Hotels & Resorts
Agilent Technologies Dow Chemical Company McKesson Corporation Worldwide
Air Canada DSB Bank Merrill Lynch Staples Inc.
ALCAN DuPont Microflex Inc. Sterlite Optical Technologies
Amazon.com Eastman Kodak Company Teradyne
Motorola
Apple Computers EMC Trane
Mumbai Dabbawala
AXA Flextronics
National Australia Group Textron
Bank of America Ford Motor Company
Network Rail The McGraw-Hill Companies
Bausch & Lomb General Electric
Nortel Networks Toshiba Matsushita Display
Bechtel Corporation General Dynamics Technology
Black & Decker Genpact Northrop Grumman
TRW
Boeing GlaxoSmithKline Organo Corporation
TSYS (Total System Services)
CAE Aviation Training Heinz Co. Owens-Illinois
Ueki Corporation
Canada Post Honeywell Patheon
United States Air Force
Caterpillar Inc.’ Hertel Penske Truck Leasing
United States Army
Catholic Healthcare West HSBC Group Precision Castparts Corp.
United States Marine Corps
CIGNA Idearc Media Proctor & Gamble
Cisco Ingram Micro United States Navy
Quest Diagnostics
Cognizant Technology Solutions Intrawest ULC UnitedHealth Group
Radio Shack
Computer Sciences Corporation Inventec Vodafone
Raytheon
Corning ITT Corporation Volt Information Sciences
Samsung Group
CoorsTek Jabil Circuit, Inc. Wal-Mart
SGL Group
Cummins Inc. JEA Wells-Fargo
Deere & Company Kimberly-Clark Shinhan Bank
Whirlpool
Dell Korea Telecom Shinhan Card
Wipro
Delphi Corporation KTF Shop Direct Group
Xerox

12

6
 10/9/2020

Mengapa Lean Six Sigma ?

• Menekankan mindset bahwa manajemen proses harus
dimulai dan diakhiri dengan sudut pandang customer
• Memenuhi harapan customer terhadap permintaan kualitas
yang lebih tinggi.
• Memberikan competitive differentiation di market
• Membangun kebanggaan dan kepuasan yang lebih tinggi
dalam team.
• Menggerakkan target utama lainnya seperti productivity
dan growth.
• Penurunan biaya

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

Peran dalam Organisasi Lean Six Sigma

Steering Commitee
Team
Member
Champion Green Belt
Team
Member
Lean Six
Sigma Leader
Team
Member
Master Black
Black Belt
Belt
Team
Member

15

Master Black Belt

Memiliki pengertian yang mendalam tentang filosofi, target dan aplikasi dari teori
Lean Six Sigma.

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 coaching dan mentoring team proyek Lean Six Sigma.

Memberikan masukan pada manager dan mengomunikasikan seluruh

status improvement kepada business leadership and team proyek.

Melakukan approval terhadap semua proyek, toll gates and project closure

Membuat program training dan project di level corporate dan melakukan

monitoring terhadap semua proyek.

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.

Memimpin proyek BB Lean Six Sigma

Memiliki pengetahuan yang baik dalam hal advanced quality, statistik,

dan teknis desain.

Melakukan mentoring dan coaching Green Belts , membimbing proyek GB

dan monitor jadwal pelaksanaan proyeknya.

Melakukan training kepada team lain tentang Lean Six Sigma tools

Melakukan eksekusi dan mencapai target proyek, serta mengomunikasikan status

proyek.

17

Green Belt
Mengerti metodologi Lean Six Sigma dan bisa menggunakan tool dalam lean,
quality dan statistik.

Menggunakan tools dan metodologi Lean Six Sigma dalam pekerjaan

sehari-hari untuk membuat improvement proses.

Melakukan eksekusi proyek Lean Six Sigma, mengomunikasikan status

proyek dan mencapai target proyek.

Menjaga kestabilan performance proses setelah improvement.

GB adalah posisi “part time” sejalan dengan posisi pekerjaannya.

Sebagai “change agent” untuk memimpin dan berani mengambil resiko

menghilangkan segala tantangan untuk continuous improvement.

Mampu memimpin team improvement dan melakukan training kepada team

lain dalam implementasi tools dan teknik Lean Six Sigma tool.

18

9
 10/9/2020

Steering Commitee
Menetapkan arahan dalam hal kualitas.

Melakukan seleksi proses yang akan dilakukan improvement.

Mengidentifikasi champion untuk tiap team improvement.

Menyetujui project charters.

Melakukan koordinasi atau integrasi antar proyek yang berbeda.

Menyetujui rekomendasi solusi dan pendanaan proyek.

Menganalisa keuntungan bisnis dari tiap proyek.

Melakukan approval proyek dan sertifikasi GB dan BB.

19

Champion
Berpartisipasi dalam identifikasi, seleksi dan support untuk pembuatan
laporan proyek.

Memberikan arahan strategis untuk menetapkan goal yang rasional dan

sejalan dengan prioritas bisnis.

Mendukung implementasi proyek dengan menyediakan support dalam

bentuk waktu, dukungan, dana dan menghilangkan hambatan.

Mendukung usaha team ke level top management and Lean Six Sigma
Steering Committee/Business Quality Council.

Mengerti pentingnya data-driven management lewat partisipasi yang

kontinyu dengan team.

Berpartisipasi dalam seleksi terhadap project leader dan team

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 :

 Harus tergolong yang

masalah yang besar.
 Harus mengarah pada isu
atau program yang
Finance Process strategis dan membawa
pengaruh finansial yang
Reps. Owner
signifikan terhadap
perusahaan.
 Harus memiliki scope yang
BB/MBB Champion dapat diselesaikan dalam
4 bulan.
 Bukan masalah yang
solusinya yang sudah
diketahui

23

Mengapa membuat Project Charter

Project charter adalah dokumen yang menetapkan frame
work dari proyek improvement dan menentukan goals yang
akan dicapai.
Fungsi project charter :
• Mengklarifikasi apa yang diharapkan oleh team
• Untuk menjaga team tetap fokus
• Menjaga team tetap sesuai dengan prioritas organisasi
• Men-transfer proyek dari Champion ke team proyek
improvement

24

12
 10/9/2020

The Business Case

Business case mendeskripsikan situasi seluruhnya yang
berhubungan dengan proses, yang akan memperjelas mengapa
proyek tersebut menjadi menjadi prioritas dalam bisnis.

Pertanyaan-pertanyaan yang akan mendasari business case:

• Bagaimana proyek ini akan menggerakkan inisiatif dan goals
bisnis ?
• Bagaimana proyek ini akan berpengaruh terhadap customer ?
• Mengapa proyek perlu dilakukan sekarang ? Mengapa proyek
ini adalah prioritas ?
• Apakah konsekuensi jika proyek ini tidak dilakukan sekarang ?

25

Project Charter

• Tujuan dan target utama dari fase Define adalah Project

Charter
• Project Charter adalah tanggung jawab dari champion,
process owner, dan BB/MBB coach untuk membuatnya.
• Tetapi bagaimanapun, kandidat GB/BB harus meneliti
kembali proyek charter bersama dengan champion dan
BB coach SEBELUM memulai pekerjaan proyek, untuk
memastikan proyek benar-benar telah ditetapkan dan
dimengerti oleh seluruh team.
• Proyek charter yang tidak jelas akan membawa kegagalan
proyek.

26

13
 10/9/2020

Elemen Project Charter

Opportunity statement

Project Scope

Objective/Target

Base Line Performance

Team Member

Primary Metric

Secondary Metrik

Financial Analysis

Project time line

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

Peran Anggota Team

• Menghadiri meeting team.
• Berkontribusi dalam aktivitas yang bersifat cross-functional :
• Process map
• Fishbone diagram
• C&E Matrix
• FMEA
• Improvement ideas
• Standard work and control plans
• Membantu kandidat GB/BB dalam hal :
• Data collection
• Improvement implementation
• Lean efforts
• dll.
• Berkomitmen menyediakan waktu untuk aktivitas team, biasanya
rata-rata 2-3 jam per minggu.

32

16
 10/9/2020

Primary & Secondary Metrics

• Primary metric adalah pengukuran pada parameter yang
menjadi fokus dari proyek , sejalan dengan project objective.
• Secondary metric (or metrics) adalah parameter yang
MUNGKIN akan menghasilkan efek negatif pada saat Primary
Metric diperbaiki/di-improve.

Contoh: Kita akan menurunkan besarnya waste/reject di

line produksi.

 primary metric : % Waste

 secondary metrics : Speed mesin, output,
produktivitas.

Goal proyek adalah untuk memperbaiki primary metric tanpa menurunkan

performance dari secondary metrics,

33

Menentukan Secondary Metrics

• Jika primary metric sudah berdasar pada salah satu area tsb,
maka 2 area yang lain mungkin bisa menjadi secondary
metrics.
• Untuk mencari secondary metric, kita harus menjelaskan
proyek tsb ke team, kemudian kita diskusi untuk melihat apa
kekhawatiran mereka tentang dampak negatif dari proyek

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

Goals : Meningkatkan %yield proses HO dari 96%

menjadi 98%.

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

Project Charter
Business Impact
• By develop system our 5S/housekeeping level will
maintain. Our plant will look clean, tidy, organize
and level discipline will enhance.
• This project related with turn around strategy of
improve housekeeping.
2 3
Key Metrics
• Improvement objective and target: This project
want to develop system that can establish people
awareness of 5S/housekeeping also develop audit
system for all production area. This project target is all
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
• The line project will be closed on April 2009 and will
discuss again to develop next stage.
• D =6 March 2009, M = 13 March 2009, A = 31
Marchl 2009, I = 17 April 2009, C = 30 April 2009.
Toll Gate Review for Projects
10/9/2020
6 1
Opportunity / Problem Statement
• Since 2008 AP Flexipack didn’t have any system to
maintain our 5S/housekeeping level.
• This problem made our plant look dirty, lack of
discipline, quality problem occur because environment.
Project Scope
• Scope in – All production area start from Printing,
Lamination&Blown Film, Slitting, Bag Making, Cylinder
Making, Warehouse, and Engineering.
• Scope out – Office and outside production area.
4
Team Selection
5
• Cross functional team: EHS and CI
Sponsor : Jauharin H, Leader: Arshad, Member : FX
Suhartanto.
37
38
19
 10/9/2020

Fungsi Toll Gate Review

• Mereview progress proyek, memastikan suksesnya proyek
dan menghilangkan hal-hal yang tidak terprediksi.

• Untuk membantu mengembangkan organizational

learning and development.

• Review harus tetap “positive pressure” kepada team

untuk membuat progress dan mencapai hasil bisnis yang
signifikan.
• Untuk mengurangi resiko kegagalan project
• Untuk memastikan standarisasi pelaksanaan tiap fase
project

39

Toll Gate Review Process

Memastikan progress
project sudah Menyetujui project
Melakukan presentasi
memenuhi checklist untuk melanjutkan ke
toll gate review
toll gate review tiap fase berikutnya
fase

Memastikan action toll

Meminta waktu kepada
gate review Menjadwalkan toll gate
para stakeholder untuk
sebelumnya sudah review berikutnya
toll gate review
close

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

Persyaratan Toll Gate Reviews

• Reviews harus formal, terjadwal sebelumnya
dengan baik dan diadakan pada tiap akhir fase
dalam proses DMAIC

• Review harus diadakan dan dihadiri oleh Steering

Committee, project sponsor dan process owner

• Team tidak boleh berlanjut ke fase berikutnya jika

fase sebelumnya tidak lengkap atau tidak
memenuhi persyaratan.

41

Struktur Meeting Toll Gate Review

• Waktu
• Dilakukan setelah masing-masing fase akan di-close.
• Project leader dan Coach bersama-sama akan menentukan
waktu pelaksanaan toll gate meeting
• Total 30 menit, terdiri dari 15 menit presentasi, 15 menit diskusi
• Peserta meeting
• Project Leader
• Anggota team proyek, sesuai kebutuhan
• Sponsor
• Steering Committee
• Stakeholders, sesuai kebutuhan
• Coach
• CI Plant Manager
42

21
 10/9/2020

Struktur Toll Gate Review Meeting

• Persiapan
• Project leader mengirimkan presentasi project update kepada seluruh peserta
3 hari sebelum meeting.
• Peserta harus membaca presentasi sebelumnya dan mempersiapkan
pertanyaan.
• Project leader akan berkomunikasi dengan coach, jika dibutuhkan bantuan
sehubungan dengan persiapan toll gate review.
• Jika ada isu dengan tanggal meeting, perubahan scope dll maka :
• Diskusi isu tsb terlebih dahulu dengan sponsor dan coach dan menyiapkan
recovery plan untuk dipresentasikan dalam meeting
• Poin-poin Agenda/Diskusi :
• Seluruh Project Plan/Milestones dan status sekarang
• Review kesimpulan dari pencapaian proyek.
• Tantangan/peluang, dan Recovery Plan jika dibutuhkan
• Bagaimana tahapan selanjutnya
• Minutes
• Perbaharui “Tollgate Checklist” dan kirim ke pihak terkait paling lambat 2 hari
setelah meeting
43

Struktur Toll Gate Review Meeting

• Persiapan
• Project leader mengirimkan presentasi project update kepada seluruh peserta
3 hari sebelum meeting.
• Peserta harus membaca presentasi sebelumnya dan mempersiapkan
pertanyaan.
• Project leader akan berkomunikasi dengan coach, jika dibutuhkan bantuan
sehubungan dengan persiapan toll gate review.
• Jika ada isu dengan tanggal meeting, perubahan scope dll maka :
• Diskusi isu tsb terlebih dahulu dengan sponsor dan coach dan menyiapkan
recovery plan untuk dipresentasikan dalam meeting
• Poin-poin Agenda/Diskusi :
• Seluruh Project Plan/Milestones dan status sekarang
• Review kesimpulan dari pencapaian proyek.
• Tantangan/peluang, dan Recovery Plan jika dibutuhkan
• Bagaimana tahapan selanjutnya
• Minutes
• Perbaharui “Tollgate Checklist” dan kirim ke pihak terkait paling lambat 2 hari
setelah meeting
44

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

Process Map - Overview

Process Map adalah fondasi/dasar
dari proyek Lean Six Sigma

Process Map adalah representasi dari proses yang menggambarkan

serangkaian step atau aktivitas yang dilalui produk atau service,
yang memiliki batas-batas area, Input dan Output.

• Semuanya merupakan proses !

• Untuk mendapatkan gambaran yang jelas, anda harus
menentukan apa , di mana dan kapan dikerjakan.
• Pemetaan proses akan mendokumentasikan flow (aliran) dan
akan memberikan informasi pada titik-titik mana kita berpeluang
untuk melakukan improvement.

51

Pemetaan Proses

Harus mendeskripsikan :
• Major activities/tasks
• Key-sub processes
• Flow of activity
• Process step input (Xs)
• Process step output (Ys)

Harus direview dan di-update secara kontinyu

(sebagai bagian dari Control Plan)

52

26
 10/9/2020

Pemetaan Proses

Proses nantinya …
Ini adalah apa yang
Apa yang ada pikirkan harus didokumentasikan
di Measure Phase…

Aktualnya …

53

Persyaratan Pemetaan Proses

 Pemetaan proses harus dibuat oleh seluruh team, terutama

yang terlibat langsung dengan proses tsb.
 Jika memungkinkan, datang ke lokasi proses dan amati.
 Anda bisa memulai dengan menggunakan proses map yang
sudah ada sebelumnya, tapi jangan terlalu tergantung pada
map tsb karena ada kemungkinan tidak akurat.
 Yang kritikal adalah memunculkan “hidden factory” supaya
dapat melakukan improvement.

54

27
 10/9/2020

6 Tahap untuk membuat LSS Process Map

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

Value Added vs NVA

Step yang Value Added harus memiliki SELURUH 3 karakteristik

berikut ini :
1. Harus merubah bentuk
2. Harus berkontribusi sesuatu yang diinginkan oleh customer
3. Sesuatu yang harus dilakukan dengan pertama kali dengan
benar

Jika suatu step tidak memenuhi SELURUH 3 karakteristik tersebut,

maka akan digolongkan sebagai Non Value Added

56

28

Contoh Proses Map
Y : Extruded plastic
Extrusion
X1 : RM Plastic bervariasi kualitasnya
X2 : RM Master Batch tidak stabil
X3 : Operator Skill rendah
X4 : Machine start-up lama
X4 : Temperature tinggi
X5 : Machine speed tidak stabil
NVA X6 : Machine adjustment berkali-kali
Graphical Tools
=
10/9/2020
Y : Cooled plastic
Cooling
X1 : Viscosity rendah
X2 : Machine speed tidak stabil
X3 : Operator Skill rendah
X4 : Water temperature tinggi
X4 : Plastic Temperature tinggi
X5 : Machine speed tidak stabil
X6 : Water temperature bervariasi
57
58
29
 10/9/2020

Main Minitab Windows

Menu bar

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)

Perhatian : Pastikan bahwa kolom yang berisi nilai numerik seharusnya

TIDAK ada tanda T atau D di kolom atasnya.

61

Open – Save File

• Membuka files
• Untuk membuka project Minitab (file extension .mpj), klik open
file icon atau pilih File > Open project.
• Untuk membuat project baru (project yang sedang dibuka akan
tertutup setelah disave), pilih File > New > project
• Menyimpan files
• Jalankan File > Save Project

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

Project Manager untuk Session Windows

• Menampilkan list folder
seluruh session windows

64

32
 10/9/2020

Project Manager untuk Worksheet

• Menampilkan list folder
seluruh worksheet

65

Project Manager untuk Grafik

• Menampilkan list folder
seluruh grafik

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

• Terdapat beberapa kondisi di mana anda butuh

untuk melakukan generate data dengan
menggunakan beberapa opsi di dalam Minitab :
• Calc > Make Patterned Data
• Digunakan untuk melakukan studi statistik di mana kita ingin
mengetahui sumber data.
• Calc > Random Data
• Random data dapat di-generate dari banyak tipe distribusi.
• Kita akan sering menggunakannya selama training untuk
mendemonstrasikan berbagai konsep statistik.

69

Membuat Pola Data

Terdapat 4 mesin (A-D), kita akan mengambil 4 kali pengukuran untuk 2 shift.
Kita dapat seting data collection sheet dengan sangat mudah di Minitab menggunakan menu Make
Patterned Data :
 Pertama, pilih Calc > Make Patterned Data > Text Values…
 Untuk Store patterned data in, masukkan “c1”
 Untuk Text values, ketik “A B C D” (ada spasi di antara kata-kata tsb)
 Untuk Number of times to list each value, ketik “8”
 Untuk Number of times to list the sequence, ketik “1” dan klik OK

70

35
 10/9/2020

Membuat Pola Data

• Kemudian pilih Calc > Make Patterned Data > Simple Set of Numbers…
• Untuk Store patterned data in: ketik “c2”
• Masukkan From first value: “1” To last value: “2” In steps of: “1”
• Untuk Number of times to list each value, ketik “4”
• Untuk Number of times to list the sequence ketik “4” dan klik OK
• Terakhir, tambahkan label/nama pada kolom-kolom pengambilan data
Tambahkan nama
kolom

71

Membuat Data Random

• Angka random dapat di-generate oleh Minitab dari berbagai distribusi.
• Pilih Calc > Random Data > Normal…
• Generate “32” row data di kolom C4 data values dengan mean “8” dan standard
deviation “3”, kemudian klik OK.
• Minitab kemudian meng-generate sebuah kolom dari 32 angka yang secara random
diambil dari normal distribution, yang memiliki mean 8 dan standard deviation 3.

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

Memasukkan Data ke Minitab

• Buka Minitab project yang baru
• Buka file Excel sheet : graphical
• Highlight/blok seluruh kolom dan copy (atau ctrl-c)
• Tempatkan kursor di kolom kiri atas dari Worksheet 1
• Pilih paste (atau ctrl-v)

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.

1. Pilih Data > Stack > Columns…

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

8. Ketik “site” untuk C8 9. Ketik “hold time” untuk C9

Kolom sekarang sudah stacked:

• C9 berisi data hold time.
• C8 berisi data sites untuk hold time.

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:

1. Pilih Data > Code > Text to Text…

79

Minitab Menus

Diketik

• Buat dialog box seperti di atas, kemudian klik OK

• Untuk text yang ada spasinya (seperti site 1, dll.) pastikan untuk menggunakan
tanda petik.
• Jika text tidak ada spasinya, maka tidak dibutuhkan tanda petik.
80

40
 10/9/2020

Coding Data

C8 sekarang berganti dari nomer site menjadi nama lokasi site

81

Graphical Analysis Roadmap

Type of Data

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

Kita pasti 95% bahwa nilai

populasi yang benar
boxplot
berada dalam interval ini

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

• Klik kanan pada grafik untuk memunculkan graphing editor

window
• Di sini kita dapat menambahkan gridlines, reference lines,
mengubah dimensi grafik, “brush” titik-titik data, dll.
88

44
 10/9/2020

Brushing dalam Minitab

1. Klik pada tombol brush

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

75th Percentile (Q3)

middle
50% of 50th Percentile (median)
data

25th Percentile (Q1)

outliers (titik-titik di luar

batas maksimum atau
minimum)

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

• Apakah ada masalah dari 4 call centers tersebut?

• Dalam Analyze Phase kita akan menggunakan statistical tests untuk mengerti
perbedaan yang lebih detail.
93

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

Time Series Plot

• Grafik-grafik sebelumnya menampilkan data yang tidak ada
hubungannya atau tidak tergantung pada aspek waktu.
• Jika kita memiliki data yang berdasar pada waktu, maka time series
plot menampilkan bagaimana bentuk data sepanjang waktu tersebut.

97

Time Series Plot

• Kita asumsikan nilai berat box adalah berurutan sesuai waktunya.
• Untuk melihat pola/trend data terhadap waktu, maka kita akan menggunakan Time
Series Plot
• Pilih Graph > Time Series Plot…
• Pilih Simple
• Pilih box weight untuk kolom series

98

49
 10/9/2020

Time Series Plot

• 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

Pertama kita fokus pada masalah yang mana?

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

Multi-level Pareto Analysis

1st level Pareto
Untuk membuat grafik multi-level Pareto, kita bisa
memecah kategori tertinggi menjadi “sub” Pareto
untuk mencari penyebab-penyebab kategori yang
lebih detail. Kita dapat melanjutkan sebanyak
beberapa kali.
2nd level Pareto
Pareto Chart of Missing Screw Locations
300
100
250
80
200
Percent
Counts

60
150

40
100
3rd level Pareto
sub-causes 50 20

Pareto Chart of Missing Screw Type within Motor

0 0
Locations motor cover housing circuit board frame 160
Counts 144 50 33 27 20
140 100
Percent 52.6 18.2 12.0 9.9 7.3
Cum % 52.6 70.8 82.8 92.7 100.0
120
80
100
Percent
Counts

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.

Apakah grafik-grafik tsb mengindikasikan masalah dengan timbangan?

105

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

Discrete (countable) Continuous

(measurable)
Binary Unordered Ordered Count
categories categories
(nominal) (ordinal)
Classified No rankings Rankings Counted Measured
Description: into one of or ratings discretely on a
two categories continuum
or scale

Example: Good/Bad Types of Customer Number of Time to

Correct/Incorrect products satisfaction people process an
Yes/No rating on a working a shift purchase order
1-5 scale

109

Mengapa Tipe Data itu Penting?

• Menentukan pilihan dari analisa statistik dan grafik yang
akan digunakan.
• Menentukan jumlah data yang dibutuhkan. Umumnya
data continuous membutuhkan jumlah sample yang lebih
sedikit daripada data discrete.
• Data continuous adalah tipe data yang disarankan.
• Ketika menggunakan data yang sangat banyak, biasanya
dapat dianggap sebagai data continuous.

110

55
 10/9/2020

Mengapa Data Continuous Lebih Baik ?

spec limit

vs.

in out of
spec spec

• Data continuous memiliki sebuah nilai • Data discrete hanya

numerik untuk masing-masing titik mengklasifikasikan kategori
data.
• Tidak menjelaskan “berapa” sebuah
• Menjelaskan tentang “berapa” sebuah nilai di dalam dan luar spec.
nilai di dalam atau di luar spec
 Data discrete berisi informasi yang lebih sedikit, sehingga membutuh
kan sample yang lebih banyak daripada data continuous.
 Diusahakan selalu melakukan pengukuran menggunakan data continuous
jika memungkinkan.
111

Tipe Data
Apa tipe data di bawah ini :

1. Konsumsi power dari sebuah equipment

2. Warna yang tersedia dari suatu consumer product
3. Jumlah defect dari suatu produk
4. Berat dari produk.
5. Konsumsi bahan bakar mobil.
6. Tingkat kebersihan restoran (A, B, C, D, or F)
7. Persentase dari inspection yang fail.

112

56
 10/9/2020

Bagaimana dengan Persentase?

Apakah persentase termasuk data discrete atau continuous ?

Jika suatu persentase merepresentasikan proporsi dari klasifikasi

pass/fail atau good/bad maka akan digolongkan sebagai data
discrete :
 72/77 units yang passed final inspection untuk yield 93.5%
 41/52 survei customer yang satisfy untuk customer satisfaction
rating sebesar 78.8%
Jika persentase merepresentasikan rasio dari yang diukur, maka
data variable dipertimbangkan sebagai data continuous :
 40% alcohol by volume
 62.3% of total power consumption

113

Precision vs Accuracy

Precise but not accurate Accurate but not precise

Describes variation Describes centering
Mana yang lebih sulit untuk dibetulkan, kurang akurat atau presisi?

114

57
 10/9/2020

Pengukuran Central Tendency (Accuracy)

3 pengukuran dari central tendency atau accuracy:
• mean
• median
• mode

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 i1

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

Histogram of Right 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

Contoh : Manakah median dari angka berikut ini ( 9, 7, 15, 10, 9) ?

117

Mode
• Untuk data discrete, mode adalah nilai yang paling banyak muncul.
• Untuk data continuous, mode adalah puncak dari distribusi.

discrete data continuous data

Histogram of Discrete
16

14

12

10
Frequency

0
2 4 6 8
Discrete

mode

mode

Contoh : Manakah mode dari angka berikut ini : ( 9, 7, 15, 10, 9) ?

118

59
 10/9/2020

Pengukuran Dispersion (Precision)

• 4 pengukuran dispersion, atau sebaran data:
• range
• interquartile range
• variance
• standard deviation

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

Range  Max - Min

8
Frequency

0
10 15 20 25 30 35
Output

Contoh: Berapakah range data berikut ini : ( 9, 7, 15, 10, 9) ?

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.

Contoh : Berapa variance dari data berikut ini : ( 9, 7, 15, 10, 9) ?

122

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

Graphical Summary in Minitab

Seluruh pengukuran centering dan dispersion dapat diperoleh
dari Graphical Summary

Summary for Hours

A nderson-D arling N ormality Test
A -Squared 0.29
P -V alue 0.590
M ean 39.767
S tD ev 2.171
V ariance 4.715
S kew ness 0.179432
Kurtosis -0.432322
N 52
M inimum 35.800
1st Q uartile 38.350
M edian 39.400
3rd Q uartile 41.475
36 38 40 42 44 M aximum 45.200
95% C onfidence Interv al for M ean
39.163 40.372
95% C onfidence Interv al for M edian
38.801 40.500
95% C onfidence Interv al for S tD ev
95% Confidence Intervals
1.820 2.693
Mean

Median

39.0 39.5 40.0 40.5

Menu : Stat> Basic Statistics> Graphical Summary…

124

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

Apakah Datanya Normal ?

normal fit

• Anderson-Darling Normality Test adalah penentuan pertama apakah

datanya normal atau tidak :
• Jika P-value > 0.05, maka data dapat digolongkan sebagai normal
• Jika P-value ≤ 0.05, maka data TIDAK DAPAT digolongkan sebagai
normal
• Simetris di sekitar mean
• mean = median = mode

126

63
 10/9/2020

Penentuan Normal Distribution - Praktikal

Mulai

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

Area di Bawah Kurva Normal

68.26 % dari data akan berada dalam  1s dari mean
95.46 % dari data akan berada dalam  2s dari mean
99.73 % dari data akan berada dalam  3s dari mean
99.9937 % dari data akan berada dalam  4s dari mean
99.999943 % dari data akan berada dalam  5s dari mean
99.9999998 % dari data akan berada dalam  6s dari mean

68.26 %

95.46 %

99.73 %

-3.0 s -2.0 s -1.0 s -0.0 1.0 s 2.0 s -3.0 s

standard deviations

128

64
 10/9/2020

Basic Statistic Summary

• Dua tipe data yang utama : discrete and continuous
• Accuracy: pengukuran centering
 mean, median, mode
• Precision: pengukuran spread (sebaran)
 range, IQ range, variance, standard deviation
.

129

Measurement System Analysis

130

65
 10/9/2020

Measurement System Analysis (MSA)

Mengapa kita melakukan MSA ?
• Pengukuran adalah bagian yang esensial untuk suatu analisa
proses dan improvement proses.
• Hal yang krusial adalah untuk mengukur “the right way”.

Measurement system analysis akan menjawab pertanyaan

berikut ini :
• “Seberapa besar kita dapat percaya terhadap hasil
pengukuran?”
• “Seberapa besar variasi yang disebabkan oleh sistem
pengukuran?”
• “Seberapa besar variasi yang merupakan variasi proses yang
riil sebenarnya ?”

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

• Resolution tidak bagus : Jika sistem pengukuran tidak cukup presisi

untuk menangkap variasi produk.
• Resolusi terlalu kecil : Kita menimbang berat orang dalam satuan Ton,
kita tidak bisa melihat variasi data.
• Resolusi terlalu besar : Kita menimbang orang dalam satuan gram,
menyebabkan waste biaya dan usaha.

A good Resolution is > 10

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

Standard value Observed average

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.

s 2process + s 2measurement system = s 2total

Tujuan MSA:
Mengetahui seberapa besar variasi yang terjadi pada
sistem pengukuran sehingga action yang tepat bisa
diambil

137

Komponen dari Variasi Proses

Process Variability Measurement Total Variability

(Actual variability) Variability (Observed variability)

+ =

s 2process s observed
+ s meas. system
2 2
= (total)

s repeatability
2
+ s reproducibility
2

138

69
 10/9/2020

Konsekuensi Mengabaikan MSA

 Mengirimkan produk reject, padahal MS mengatakan bagus.
 Scrap atau rewok produk bagus, padahal MS mengatakan
jelek.
 Mengambil action yang tidak benar terhadap suatu masalah
karena MS tidak mampu mengidentifikasi penyebab
masalah.
 Karyawan waste time dan waste effort dengan banyaknya
adjustmen proses, ketika variasi ditimbulkan oleh MS, bukan
oleh input.
 Tidak bisa memberikan tanggapan yang tepat terhadap isu
customer karena MS tidak mampu mengenali isu tersebut.

139

Kapan Melakukan MSA

• Ketika melakukan feasibility analysis, saat melakukan setting proses baru.
• Sebelum meluncurkan metode tes yang baru.
• Ketika melakukan training kepada karyawan baru.
• Ketika measurement system dinilai tidak bagus.
• Sebagai bagian sinkronisasi antara evaluasi customer dengan evaluasi kita.
• Selama Measure Phase :
• Process map sudah dibuat dan titik-titik pengambilan data sudah
diidentifikasi.
• Capability terlihat jelek.
• Sebelum dilakukan analisa dan improvement.

• MSA tidak dibutuhkan jika :

 Sistem pengukuran tidak digunakan untuk control proses, evaluasi
kualitas atau memberikan keputusan yang berdasarkan data.
 Process capability sudah sangat bagus dan tidak ada benefit lebih
lanjut dalam menurunkan variasi atau menggeser mean.

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

Dua Tipe Gage

• Jika measurement system mengukur data continuous, maka

disebut sebagai “variable” gage.
 Pengukuran temperature
 Pengukuran dimensi
 Pengukuran berat, dll.

• Jika measurement system mengukur data discrete, maka

disebut sebagai “attribute” gage.
 order fulfillment determination
 software bug detection
 product defect assessment
 failure mode classification, etc.

142

71
 10/9/2020

Sumber Variasi
Observed Process Variation

Actual Process Measurement Variation

Variation

Variasi Variasi yang

Long-term Process Short-term Process antar dikarenakan
Variation Variation operator atau alat ukur gage

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

Actual Process Measurement Variation

Variation

Long-term Process Short-term Process Variation Variation

Variation Variation between due to
operators or test stands the gage itself

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

Kalibrasi atau Gage R&R Study ?

True Measured
values values
Bias di dalam Measurement
System bisa dievaluasi
dengan “Calibration Study”

measurement error

 total   p roduct   measurement

Measured value = True value + measurement error

Variasi Measurement System True Measured

values values
bisa dievaluasi dengan
“Variable gage R&R Study”

s 2 total  s 2 p roduct  s 2 measurement

Total Variation = Part variation + measurement variation
145

Kalibrasi & Training Sebelum Gage R&R Study

• Seluruh alat pengukuran harus dikalibrasi dahulu dan

karyawan ditraining berdasarkan standar, SEBELUM
menjalankan gage R&R study.
• Gage R&R study harus menjadi bagian yang TERAKHIR dari
Measurement System Analysis.

146

73
 10/9/2020

Gage Repeatibility

Gage Repeatability adalah variasi dalam pengukuran yang

dihasilkan saat satu operator menggunakan gage yang sama
untuk mengukur karakteristik yang identik dari part yang
sama. Hal ini dievaluasi menggunakan gage R&R Study.

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

Classic Variable Gage R&R Study

 10 unit  10 unit
 2 operator -ATAU-  3 atau lebih operator
 3 trial  2 trial

 Jika hanya tersedia 2 operator, maka 3 trial/percobaan

dibutuhkan untuk memperoleh data repeatability yang
mencukupi.
 Jika jumlah operator sebanyak 3 atau lebih, maka cukup
melakukan 2 trial.

149

Persiapan Gage R&R Study

1. Persiapkan paling sedikit 2 operator, tapi lebih baik semua operator terlibat
di dalam pengukuran. Masing-masing unit diukur sebanyak 2 atau 3 kali oleh
masing-masing operator. Pastikan anda ikut mengamati studi ini.
2. Kalibrasi gage atau cek apakah gage sudah dikalibrasi.
3. Pilih 10 unit bisa yang merepresentasikan minimal 80% dari variasi proses
dan buatlah prosedur untuk blind sampling.
4. Persiapkan lembar pengambilan data (dapat menggunakan Minitab):
Stat > Quality Tools > Gage Study > Create Gage R&R Study Worksheet…

150

75
 10/9/2020

Eksekusi Gage R&R

5. Operator pertama melakukan sekali pengukuran pada seluruh sample secara
random.
6. Kemudian operator kedua mengukur seluruh sample sebanyak satu kali
dengan urutan random dan berlanjut sampai semua operator melakukan
sekali pengukuran terhadap seluruh sample, hal ini disebut Trial 1.
7. Acaklah urutan dari sample dan ulangi steps 5 dan 6 untuk seluruh trial.
Pastikan untuk selalu mengacak untuk masing-masing trial selanjutnya.
8. Masukkan data dan toleransi ke dalam Minitab.
 Stat > Quality Tools > Gage Study > Gage R&R Study (Crossed)
 Stat > Quality Tools > Gage Study > Gage Run Chart
9. Lakukan analisa berdasarkan guideline pada halaman selanjutnya.
10. Buat corrective action, termasuk mengulang gage R&R study.

Alat ukur bisa disubstitusikan dengan operator jika gage R&R

study dilakukan terhadap beberapa alat ukur.

151

Gage R&R % Tolerance

• Perbandingan variasi gage terhadap range toleransi.
• Lebar variasi gage adalah kombinasi repeatability dan reproducibility dari
gage.
• Digunakan untuk menentukan apakah measurement system memiliki
kemampuan untuk mengatakan “good” dan “bad”

gage variation width 6σgage R&R

gage R&R % tolerance = =
tolerance width tolerance width

6σgage R&R
gage R&R % tolerance =
tolerance width

152

76
 10/9/2020

Evaluasi Gage R&R % Tolerance

Gage R&R % Tolerance: Persentase lebar gage R&R terhadap
lebar toleransi.
Good = <10%
Acceptable = <30%
Unacceptable = >30%

LSL USL
tolerance
gage R&R

153

Gage R&R % Process

% Process adalah perbandingan dari variasi gage terhadap
history variasi proses :

gage variation width 6σgage R&R

gage R&R % process = =
process variation width 6σprocess

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

Evaluasi Gage R&R % Process

Gage R&R % Process: Perbandingan persentase lebar variasi
gage R&R terhadap lebar data history proses variasi.

Good = <10%
Acceptable = <30%
Unacceptable = >30%
historical process variation
gage R&R

155

Number of Distinct Categories

Descriptive metric lain yang sering dipakai untuk measurement system
analysis, adalah membandingkan variasi measurement system terhadap
the part-to-part variation.

 s 
Distinct Categories  round down  2 part - to - part 
 s gauge R & R 

Angka tsb merepresentasikan angka non-overlapping confidence intervals

yang berada dalam range dari variasi part yang digunakan dalam study ini.
Distinct categories sebesar minimal 5 menyatakan acceptable measurement
system.
Yang perlu dicatat, bahwa metrik ini sangat tergantung pada variasi part yang
dipilih untuk study. Jika part-part yang diambil tidak merepresentasikan proses
aktual maka distinct categories menjadi tidak valid.
156

78
 10/9/2020

Number of Distinct Categories

Unacceptable

Acceptable

2 Distinct Categories

Good

5 Distinct Categories

10 Distinct Categories

157

Criteria Acceptance for Gage R&R

% Tolerance % Process Evaluation Action

<10% <10% good Tidak perlu action lebih lanjut

Perbaiki SOPs, fixture/jig, training, dll.

10-30% 10-30% acceptable Gage masih bisa lanjut dipakai. Buat
guard band jika dibutuhkan.

Perlu ganti Fixture/jig dan/atau SOP &

>30% >30% unacceptable Training. Gage tidak bisa dipakai.

Catatan : Jika % Tolerance acceptable, tetapi % Process tidak acceptable,

maka gage dapat digunakan untuk evaluasi pass/fail, tetapi tidak bisa untuk
menentukan apakah ada perubahan/improvement proses. Begitu juga
sebaliknya.
158

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

actual value actual value actual value

(part #2) (part #1) (part #3)

159

Menentukan Guard Band

lower guard upper guard
LSL band band USL

3sgage R&R 3sgage R&R

• Guard bands biasanya diset pada 3 standard deviation gage R&R di sisi dalam
batas spec customer.
• Hal ini bisa menghilangkan kemungkinan lewatnya part yang keluar dari spec.
• Guard band yang lebih kecil (2s or 1.5s) bisa digunakan, tergantung bagaimana
impactnya terhadap customer.
• Catatan : Janganlah memakai guard bands, kecuali part yang di ambang out-of-
spec memang secara jelas menyebabkan akibat negatif ke customer atau bisnis.
160

80
 10/9/2020

Contoh : Variable Gage R&R

• Sekarang, kita monitor berat produk di line produksi secara random
sampling 5 pcs tiap shift, dengan cara manual mengukur berat produk
menggunakan timbangan yang terkalibrasi.
• Untuk studi Gage R&R, kita pilih 10 pcs yang merepresentasikan seluruh
variasi berat berdasarkan data long term.
• Kemudian kita minta 3 operator untuk berpartisipasi dalam studi
pengukuran.
• Tiap operator akan menimbang masing-masing pcs sebanyak dua kali
dengan urutan yang random.
• Spec berat adalah 8.2 dan 8.8 oz.
• Berdasarkan data history, standar deviation adalah 0.02 oz.
• Hasilnya ada di file excel (sheet MSA), silakan dicopy paste ke Minitab,
kemudian lihat kolom C1-C3.

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

Jika historical standard deviation

tidak diketahui, maka Do not display
study variation jangan diklik.

162

81
 10/9/2020

Minitab Output

163

Komponen Variasi

• Menampilkan gage R&R % Tolerance dan % Process.

• Menampilkan part-to-part variation.
• Gage R&R dibagi menjadi komponen repeatability dan reproducibility.
• Kita dapat menempatkan kursor pada batang diagram untuk melihat
nilainya.
• Apakah grafiknya bagus?

164

82
 10/9/2020

R Chart by Operator
range (max–min) dari pengukuran
berulang yang dilakukan oleh Bill

• Menampilkan RANGE dari pengukuran berulang yang dilakukan pada

masing-masing part oleh seluruh operator.
• Satu titik di luar batas kontrol menunjukkan adanya “special cause”.
• Apakah grafik kelihatan bagus ?

165

Xbar Chart By Operator

Rata-rata pengukuran berulang
yang dilakukan Bill pada part 1

• Menampilkan RATA-RATA pengukuran yang dilakukan oleh seluruh

operator pada masing-masing part.
• Apakah grafiknya bagus ?

166

83
 10/9/2020

Pengukuran Tiap Part Number

• Menampilkan seluruh pengukuran dari seluruh operator

untuk TIAP PART (enam pengukuran per part)
• Apakah grafik itu bagus ?

167

Pengukuran Sebaran Data oleh Tiap Operator

• Menampilkan BOXPLOT untuk masing-masing pengukuran

tiap operator (20 pengukuran tiap operator)
• Angka rata-rata dihubungkan untuk menampilkan perbedaan
antar operator.
• Apakah grafiknya kelihatan bagus ?
168

84
 10/9/2020

Part * Operator Interaction

Rata-rata pengukuran
berulang yang dilakukan
Fred pada part 1

• Menampilkan RATA-RATA pengukuran berulang oleh TIGA OPERATOR untuk

TIAP PART.
• Menggambarkan apakah ada part yang perbedaannya lebih besar antar
operator daripada part lainnya. Hal ini disebut operatorpart interaction.
• Apakah grafiknya kelihatan bagus ?

169

Minitab Session Windows Output

Two-Way ANOVA Table With Interaction

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

Alpha to remove interaction term = 0.25

P-value menyatakan apakah masing-masing term signifikan

secara statistik.
Jika P  0.05, maka term tsb adalah statistically significant
Dalam hal ini :
• part-to-part variation : signifikan
• operator variation : signifikan
• operator ▪ part interaction : signifikan

170

85
 10/9/2020

Minitab Session Windows Output

Gage R&R

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

• Kolom ini memberikan informasi tentang berbagai komponen variasi dalam

studi ini.

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

Minitab Session Windows Output

gage R&R gage R&R
sgage R&R % tolerance % process
Process tolerance = 0.6
Historical standard deviation = 0.02

Study Var %Tolerance %Process

Source StdDev (SD) (6 * SD) (SV/Toler) (SV/Proc)
Total Gage R&R 0.0086482 0.0518890 8.65 43.24
Repeatability 0.0046035 0.0276212 4.60 23.02
Reproducibility 0.0073211 0.0439266 7.32 36.61
operator 0.0054232 0.0325395 5.42 27.12
operator*pouch 0.0049180 0.0295080 4.92 24.59
Part-To-Part 0.0129153 0.0774917 12.92 64.58
Total Variation 0.0155433 0.0932601 15.54 77.72

Number of Distinct Categories = 2

• 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

Interpretasi Gage R&R

 Jika % Tolerance acceptable tapi % Process tidak acceptable, maka gage dapat
digunakan untuk evaluasi pass/fail, tetapi tidak bisa untuk melihat apakah ada
perubahan/improvement proses.
 Sebaliknya, jika % Process acceptable tapi % Tolerance tidak acceptable, maka gage
bisa dipakai untuk melihat apakah ada perubahan/improvement proses, tetapi tidak
bisa dipakai untuk evaluasi pass/fail.
 Jika variasi reproducibility besar maka ada perbedaan antar operator (alat ukur) :
 Untuk operator:
 Apakah tiap orang sudah ditraining dengan benar?
 Apakah semua orang melakukan proses yang sama?
 Dapatkah diubah menjadi pengukuran yang otomatis?
 Untuk Alat Ukur (sebagai operator) :
 Apakah ada perbedaan hasil antar alat?
 Apakah ada perbedaan system/software/script?
 Apakah ada perbedaan kondisi lingkungan?
 Apakah ada perbedaan fixture/koneksi antar alat ukur?

173

Interpretasi Gage R&R

• Jika operator ▪ part interaction signifikan :
• Part apa yang menunjukkan variasi yang lebih tinggi di antara para
operator (atau alat ukur)?
• Part mana yang karakteristiknya lebih sulit diukur ?

• Jika variasi repeatability signifikan :

• Apakah equipment cukup memiliki capability untuk pengukuran ini?
• Apakah tahapan dari pengukuran menimbulkan variasi tambahan ?
• Apakah pengukuran sensitif terhadap setup, koneksi, dll ?

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

Destructive Testing  Gage R&R Nested

Non Destructive Destructive
1 X 6 inspection
Sample a b c Sampel no 1
2 X 6 inspection identik
d e f

3 X 6 inspection

a b c
Sampel no 10
9 X 6 inspection d e f

10 X 6 inspection “Menggunakan menu Gage R&R

Nested”
177

Attribute Gage R&R Study

• Untuk measurement system data discrete (attribute), biasanya
melibatkan “inspectors” yang mengategorikan produk, service,
transaksi, dll.
• Untuk measurement systems, kita harus menentukan gage R&R
dengan cara yang berbeda.
• Dalam studi ini tidak ada standard deviations, tolerance widths, dll.
karena data discrete.
• Metode evaluasi measurement system semacam ini disebut attribute
gage R&R study
Contohnya :
• visual product inspection
• quality “listeners” at call centers
• restaurant health inspection grading
• process error classifications
• software test and verification

178

89
 10/9/2020

Classic Attribute gage R&R Study

• 30-50 unit (atau lebih)

• Minimum 2 operators
• 2 trials

Catatan : Karena kita menggunakan data discrete (attribute),

kita butuh jumlah sample yang jauh lebih banyak daripada
variable gage R&R untuk mendapatkan hasil yang signifikan
secara statistik.

179

Classic Attribute gage R&R Study

1. Pastikan seluruh appraiser dan tools sudah dikualifikasi.
2. Pilih sedikitnya 30-50 part atau sample untuk inspection. Sample ini
harus mencantumkan seluruh kategori inspection. Pastikan sample
adalah campuran dari yang JELAS MASUK kategori dan yang berada pada
AMBANG BATAS. Untuk evaluasi good/bad, separoh sample harus
“good” dan separohnya harus “bad”.
Pengaturan sample yang DISARANKAN

Benar- OK (Ambang Reject Benar-

benar OK reject) (Ambang OK) benar Reject
25% 25% 25% 25%

30 – 50 sample
180

90
 10/9/2020

Classic Attribute gage R&R Study

3. Minimum dua appraiser yang secara terpisah melakukan evaluasi.
Pilih appraiser- appraiser yang merepresentasikan level
pengalaman yang berbeda jika memungkinkan. Idealnya mereka
tidak mengetahui nomer part/samplenya (blind study).
4. Tunggu sedikitnya sehari, kemudian evaluasi dilakukan lagi dengan
cara dirandom untuk order berikutnya.
5. Masukkan data dan informasi standar ke Minitab (anda dapat
melakukan setting worksheet dalam Minitab) :
Stat > Quality Tools > Create Attribute Agreement Analysis Worksheet…

6. Analisa hasil studi berdasarkan guideline pada halaman berikutnya.

7. Tentukan corrective action yang harus dilakukan.

181

Kapan Melakukan Attribute Gage R&R Study

• Ketika ada operator atau sistem inspection yang baru.
• Ketika kategori baru dibuat atau diubah.
• Ketika teknik inspection diubah.
• Ketika ada bukti bahwa kategorisasi tidak benar.
• Dalam Measure Phase project

• 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

Minitab Session Windows Output

Within Appraisers

Assessment Agreement

Appraiser # Inspected # Matched Percent 95% CI

Ary 50 50 100.00 (94.18, 100.00)
Budi 50 48 96.00 (86.29, 99.51)
Wati 50 46 92.00 (80.77, 97.78)

# Matched: Appraiser agrees with him/herself across trials.

Within Appraisers menghitung seberapa sering masing-masing

appraiser konsisten dengan dirinya sendiri dalam semua trial.
Ini merupakan repeatability assessment dari gage.

185

Minitab Session Windows Output

Each Appraiser vs Standard

Assessment Agreement

Appraiser # Inspected # Matched Percent 95% CI

Ary 50 50 100.00 (94.18, 100.00)
Budi 50 45 90.00 (78.19, 96.67)
Wati 50 44 88.00 (75.69, 95.47)

# Matched: Appraiser’s assessment across trials agrees with the known standard.

• Appraiser vs. Standard menghitung seberapa sering tiap appraiser

sesuai dengan standar dari SELURUH trial. (harus konsisten dengan
dirinya sendiri DAN sesuai dengan standar)
• Ini merupakan accuracy assessment dari gage.

186

93
 10/9/2020

Minitab Session Windows Output

Between Appraisers

Assessment Agreement

# Inspected # Matched Percent 95% CI

50 41 82.00 (68.56, 91.42)

# Matched: All appraisers’ assessments agree with each other.

• Between Appraisers menghitung seberapa sering para appraiser

konsisten dengan dirinya sendiri DAN sama dengan appraiser yang
lain.
• Ini adalah reproducibility assessment dari gage.

187

Minitab Session Windows Output

All Appraisers vs Standard

Assessment Agreement

# Inspected # Matched Percent 95% CI

50 41 82.00 (68.56, 91.42)

# Matched: All appraisers’ assessments agree with the known standard.

All Appraisers vs. Standard menghitung seberapa sering seluruh appraiser

konsisten dengan dirinya sendiri DAN sama dengan tiap appraiser DAN sesuai
dengan standar.
Ini dinamakan total gage assessment (accuracy + repeatability + reproducibility)

188

94
 10/9/2020

Minitab Graphical Output

Assessment Agreement Date of study:
Reported by:
Name of product:
Misc:

Within Appraisers Appraiser vs Standard

100 95.0% CI 100 95.0% CI
Percent Percent

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) :

Percentage Evaluation Action

>90% good Tidak perlu follow up

Harus melihat potensi area improvement

80-90% acceptable berdasarkan analisa, sementara gage
kontinyu bisa beroperasi.

Gage tidak boleh digunakan. Cari sumber

penyebab mengapa nilai persentase
<80% unacceptable rendah dan implementasi corrective
action segera sebelum melanjutkan
pengukuran dengan gage itu.

190

95
 10/9/2020

Interpretasi Hasil Attribute Gage R&R Study

• Jika Within Appraisers rendah untuk salah satu appraisers, maka

orang itu tidak konsisten dengan dirinya. Mungkin dibutuhkan tool,
metode dan training yang lebih baik.
• Jika Within Appraisers bagus tapi Appraiser vs. Standard rendah
untuk salah satu appraiser, maka orang-orang itu tidak memiliki
konsep terhadap standar yang seharusnya. Harus dilakukan
klarifikasi/training tentang standar kepada orang itu.
• Jika Within Appraisers bagus tetapi Between Appraisers rendah,
maka appraiser-appraiser menggunakan kriteria yang berbeda
untuk evaluasi mereka. Kita perlu mengumpulkan para appraiser
untuk membuat persetujuan bersama terhadap kriteria yang benar.

191

96