M Measurement

Tujuan

Mengklarifikasi dan menentukan Y baseline dengan mengukur capability proses saat ini yang
berguna untuk menentukan arahan dan target improvement.

Step Output Tools

- Klarifikasi terhadap Y
Step 4. Setup Rencana Pengumpulan Data
- Pengumpulan data yang tepat - Sampling
- Validasi sistem pengukuran - Gage R&R

- Mengetahui kapabilitas proses saat ini - Capability analysis

Step 5. Memeriksa kondisi saat ini
- Menentukan arah perbaikan - 4 Blok diagram

Fast Execution toward Zero Defect

Step 4. Setup Rencana Pengumpulan Data Tipe Data

Solusi 3. Skala Interval, Ciri :

• Sebagai pembeda

Data Discrete
• Tidak berlaku operasi Matematika
Skala Ratio • Terdapat tingkatan.
• Nilai nol tidak absolut/patokan tidak harus dari
Skala Interval Kategori
Data Continuous

nilai nol.
Jumlah Contoh : Temperatur, dsb.
Skala Ordinal Frekuensi
4. Skala Rasio, Ciri :
Skala Nominal • Sebagai pembeda
Data Attribute atau kategori
• Tidak berlaku operasi Matematika
Problem / Issue • Terdapat tingkatan.
• Nilai nol absolut/patokan dari nilai nol.
Dalam statistik terdapat 4 skala data: Contoh : Temperatur, dsb.
1. Skala Nominal, Ciri :
• Sebagai pembeda Secara umum tipe data terbagi menjadi 2 :
• Tidak berlaku operasi Matematika 1.Data Continuous, yaitu data hasil pengukuran, biasanya
Contoh : Jenis Kelamin, Jenis Warna, dsb. berupa desimal (Interval & Ratio). bisa dibuat kategori
(discrete). Cnth : 20oC; 22,1 cm, dsb.
2. Skala Ordinal, Ciri :
2.Data Discrete, yaitu data hasil menghitung, tidak
• Sebagai pembeda
• Tidak berlaku operasi Matematika terdapat desimal (Nominal & ordinal).  tidak bisa dibuat
• Terdapat tingkatan. jadi continuous. Cnth: 100 Orang, 200 Kulkas, dsb.
Contoh : Jenjang Pendidikan, Jabatan, dsb.
1
Step 4. Setup Rencana Pengumpulan Data Gage R&R Studies

Sampling Types

 Random  Pengambilan sampel secara random dimana unit

Sampling populasinya mempunyai probabilty yang sama untuk
diambil sebagai sampel.

 Stratified  Pengambilan random sampling dari masing – masing

Sampling group kemudian memisahkan dari populasi menjadi
beberapa group yang sama.

 Systematic  Pengambilan sampling dengan interval tertentu

Sampling ( Waktu, Tempat )
( Contoh : ekstrak dari setiap 3 kategori unit )

 Membagi seluruh data ke dalam beberapa group

 Cluster yang disebut cluster, dan pilih secara random
Sampling bebrapa sampel group untuk mengukur semua data
yang ada di dalam cluster.

2
Step 4. Setup Rencana Pengumpulan Data Pegumpulan Data Project Y

Definisi Rational Subgroup

adalah suatu metode untuk menentukan variasi di dalam suatu Subgroup (Within Group Variation) maupun
variasi antara subgroup (Between Group Variation). Rational subgrouping merupakan pengambilan sampel
yang hanya terdiri dari white noise, sedangkan black noise terjadi diantara beberapa sampel.

RATIONAL
PROCESS RESPONSE

SUBGROUPS Black Noise


White noise

TIME
Black Noise
- Black noise adalah keadaan (variasi) yang disebabkan karena dipengaruhi oleh perbedaan faktor 4M1E
- Merupakan variasi yang dapat dikontrol

White Noise
- White noise adalah keadaan (variasi) yang disebabkan karena dipengaruhi oleh di luar perbedaan faktor
4M1E
- Merupakan variasi yang tidak dapat dikontrol
3
Step 4. Setup Rencana Pengumpulan Data Pemeriksaan Measurement System

Variasi proses yang diamati bukan berarti hanya actual variation saja tapi juga variation dari
measurement system.
Pemeriksaan Measurement System adalah prasyarat dari keseluruhan analisis measurement.

Observed variation of Measurement system adalah

process/product
keseluruhan system yang
digunakan untuk memperoleh nilai
pengukuran (Measurement).
Actual variation of Measurement variation of
process/product process/product Contoh :
Metode operasi, Prosedur, Mesin
within-group Between-group Pengukur dan Peralatan yang
variation variation Precision Accuracy
lainnya, software, dsb.
Z LT Z ST
1.5σ
Repeatability Bias

Reproducibility Linearity

Stability
LSL Target
USL

4
Step 4. Setup Rencana Pengumpulan Data Pemeriksaan Measurement System

Measurement harus dilakukan dengan metode, alat, dan proses yang tepat Accuracy
Actual
value

Accuracy Gage Assessment & Adjustment

Praysarat

Perbedaan antara nilai standard (true value) dan Average of treatment

Bias hasil nilai yang diukur.
Change of time
Linearity Bias dari keseluruhan Spec. Limit atau Gage Range Time 1 Time 2

Perbedaan dari rata-rata hasil pengukuran oleh Stability

Stability
gage yang sama secara berulang pada waktu yang
berbeda

Precision Gage R&R

Item yang diperiksa

Repeatability :
“to get result with consistency”
Variasi pengukuran yang disebabkan oleh
Repeatability pengukuran yang berulang-ulang oleh operator yg
sama dengan alat ukur dan part yang sama.
Variasi yang diakibatkan oleh alat ukur
Variasi pengukuran yang disebabkan oleh variation at measuring repeatedly
Reproducibility pengukuran dari operator yang berbeda terhadap
Operator B
part yang sama oleh alat ukur yang sama Operator A Operator C
Variasi yang disebabkan oleh operator

Precision rendah, Precision rendah, Precision tinggi, Precision tinggi,

Accuracy rendah Accuracy tinggi Accuracy rendah Accuracy tinggi
Reproducibility

5
Step 4. Setup Rencana Pengumpulan Data Pemeriksaan Measurement System

• Apakah anda percaya terhadap hasil Pengukuran ?

• Misalkan hasil pengukuran suatu part tidak sesuai dengan Spesifikasi, apakah
anda dapat mengatakan bahwa part tersebut bermasalah?
• Jika part tersebut tidak terlalu bermasalah lalu apa masalahnya ?
• Apakah ada yang salah dalam sistem pengukuran ?

• Dalam mengukur jumlah variasi dalam proses yang diamati bisa saja
terjadi kesalahan dalam sistem pengukuran.
• Guna mengevaluasi alat ukur (Gage) sebelum dipakai.
• Guna membandingkan dengan tipe alat ukur yang lain
• Guna mengevaluasi apakah gage masih laik pakai atau tidak

6
Step 4. Setup Rencana Pengumpulan Data Gage R&R Studies

Tujuan Gage R&R Study

Untuk memeriksa apakah metoda sistem pengukuran yang telah dilakukan dapat
diterima secara analisis statistik.

+ =
Variation of
Actual process variation Observed process variation
Measurement System

• Total variation of measurement = process variation + variation of measurement system

• Change of measurement system = repeatability + reproducibility

Analysis of variation of measurement system is called Gage R&R Study.

Gage R&R Study Method

• X bar – R : Analisa yang dilakukan apabila di asumsikan bahwa tidak ada interaksi antara Part & Operator
• ANOVA : Analisa yang dilakukan apabila adanya interaksi antara part dan operator

7
Step 4. Setup Rencana Pengumpulan Data Gage R&R Studies

Tipe Data Kontinu Data Diskrit Gage R&R Studies

Data
- Gage R&R Studies adalah
sebuah percobaan.
- Pengontrolan kondisi adalah
Kemungkinan penting.
Crossed Studies Nested Studies Crossed Studies
Replikasi
Crossed
- Pengukuran unit yang sama
secara berulang oleh operator
Cara ANOVA Xbar - R ANOVA Significant Test
Analisis yang berbeda.
Nested
Graphical Summaries
- Tidak dapat mengukur unit
yang sama secara berulang
Pemeriksaan
oleh operator yang berbeda.

O O O O (Contoh) Destroy inspection,

Repeatability
tidak dapat memperoleh
Reproducibility sampel yang sama.
Operators O O O O

Operators X Parts O X X X

O = ada
X = tidak ada

8
Step 4. Setup Rencana Pengumpulan Data Gage R&R Studies

Kriteria penerimaan Gage R&R

1. % Study Variance ( Variasi dari semua komponen)

2. % Tolerance ( Apabila dibandingkan dengan part Spec)
3. Number of Distinct Categories

≤ 20% : Acceptable
% Study Variance
20% to 29% : Conditionally accept
% Tolerance
≥ 30% : Impossible to apply (improvement action)
Number of Distinct
>5
Categories (NDC)

Resolusi measurement equipment

Dalam melakukan pengukuran, alat ukur di haruskan memiliki resolusi minimal 10%
dari satuan pengukuran yang actual.
•Resolusi : Tingkat keakuratan pengukuran yang bisa di berikan oleh Gauge ( alat ukur)
Contoh : Toleransi dari part : + 0.01 , maka resolusi dari gage harus < 0.001

9
Step 4. Setup Rencana Pengumpulan Data Gage R&R Studies

Panduan Gage R&R

Persiapan

- Kemungkinan untuk mengklasifikasikan kesalahan repeatability dan

Metode memilih operator reproducibility. Mendapatkan informasi tentang penyebab kesalahan.

- 3 ( Jika terdapat 3 operator, sangat sulit untuk mengetahui operator mana yang
Jumlah operator menyebabkan kesalahan.

Jumlah sampel 10

Jumlah pengukuran 2 ~ 3 kali untuk setiap operator

- Blind Test : Tentukan jumlah untuk tiap sampel, dan ulangi dengan sampel
yang berbeda untuk mengetahui apakah itu sudah pernah diukur sebelumnya.
Metode measurement - Randomized Trials : Menentukan secara acak urutan setiap pengukuran
operator, urutan untuk setiap sampel dan urutan untuk pengulangan.

- Gage R&R adalah untuk memverifikasi sistem pengukuran, sehingga siapkan

Metode sampling Gage sampel yang berada dalam batas spec, yang mungkin terjadi dalam proses
R&R
dan rencana kedepan.

Peringatan
- Jangan memodifikasi Gage selama pengukuran.
- Membuat daftar dan mencatat penyebab yang dapat mempengaruhi pengukuran.

10
Step 4. Setup Rencana Pengumpulan Data Gage R&R Studies – Manual calculation

Gage R&R
Source VarComp StdDev 5.15*Sigma %Contribution %Study Var %Tolerance

Total Gage R&R 0.004438 0.066615 0.34306 10.67 32.66 11.44

Repeatability 0.001292 0.035940 0.18509 3.10 17.62 6.17
Reproducibility 0.003146 0.056088 0.28885 7.56 27.50 9.63
Operator 0.000912 0.030200 0.15553 2.19 14.81 5.18
Operator*Part 0.002234 0.047263 0.24340 5.37 23.17 8.11
Part-To-Part 0.037164 0.192781 0.99282 89.33 94.52 33.09
Total Variation 0.041602 0.203965 1.05042 100.00 100.00 35.01

Number of Distinct Categories = 4

Source VarComp StdDev 5.15*Sigma %Contribution %Study Var %Tolerance

Total Gage R&R A SQRT (A) = a 5.15*SQRT (A) A/G a/g 5.15*SQRT (A) / T
Repeatability B SQRT (B) = b 5.15*SQRT (B) B/G b/g 5.15*SQRT (B) / T
Reproducibility C SQRT (C) = c 5.15*SQRT (C) C/G c/g 5.15*SQRT (C) / T
Operator D SQRT (D) = d 5.15*SQRT (D) D/G d/g 5.15*SQRT (D) / T
Operator*Part E SQRT (E) = e 5.15*SQRT (E) E/G e/g 5.15*SQRT (E) / T
Part-To-Part F SQRT (F) = f 5.15*SQRT (F) F/G f/g 5.15*SQRT (F) / T
Total Variation G SQRT (G) =g 5.15*SQRT (G) G/G g/g 5.15*SQRT (G) / T

Number of Distinct Categories = 4

A=B+C Sigma = StdDev = SQRT(VarComp)

C=D+E
Process Tolerance (T) = USL – LSL
G=A+F

11
 Gage R&R Studies - Contoh

James, Bryan dan Michael adalah 3 orang staff QA yang diminta untuk melakukan pengukuran
sample terhadap suatu part. Dari hasil pengukuran dibawah, apakah kita bisa terima sistem
pengukuran yang telah mereka lakukan?

Gage R&R Sheet (Continuous Data)

James Bryan Michael
Part
No 1st 2nd 1st 2nd 1st 2nd
Measure Measure Measure Measure Measure Measure
1 10.3 10.3 10.2 10.2 10.3 10.3
2 9.9 9.8 9.8 9.7 9.8 9.8
3 10.0 9.9 10.0 10.0 9.9 10.0
4 10.8 10.7 10.8 10.8 10.7 10.7
5 10.5 10.5 10.4 10.5 10.4 10.4
6 10.8 10.8 10.8 10.8 10.8 10.8
7 10.8 10.8 10.8 10.8 10.8 10.8
8 10.7 10.7 10.6 10.7 10.7 10.7
9 9.7 9.8 9.8 9.8 9.8 9.8
10 10.0 10.1 10.1 10.0 10.0 10.0
Part Spec : 10 + 0.8

12
 Gage R&R Studies - Contoh

13
 Gage R&R Studies - Contoh

14
Step 5. Memeriksa Kondisi Saat ini Short & Long Term

Operator Baru Shift ke-1

Shift ke-2 Material berbeda

Short Term:

Long Term:

Lower Limit Upper Limit

15
 Gage R&R Studies - Contoh

% Tolerance < 20%

% Std Variance < 20%

N.D.C > 5

Sistem Pengukuran Dapat diterima !!

16
 Gage R&R Studies - Contoh

Analisis Grafik Analisis Grafik adalah alat yang sangat berguna untuk menentukan penyebab, bersamaan
dengan metode ANOVA . C
- Xbar chart berdasarkan operator
- Menampilkan rata – rata pengukuran untuk setiap
part yang berhubungan dengan operator
- Mengevaluasi konsistensi pengukuran untuk
A
D setiap operator dan validiatas dari gage
- (AIAG)
Pola – pola dalam grafik yang diinginkan untuk
setiap operator sama dan setidaknya 50% titik
harus keluar dari control limit
B E D
- Pengukuran berdasarkan part
- Menampilkan rata – rata efek untuk part
- Dispersi yang diinginkan dalam setiap operator
adalah kecil dan perbedan antara part adalah
C F besar
E
- Pengukuran berdasarkan operator
- Menampilkan rata – rata efek untuk operator
- Diinginkan ketika perbedaan antara operator
A B kecil.( Hubungan garis teteap horizontal )
- Visualisasi hasil dari penelitian - Range chart berdasarkan operator F
- Diinginkan ketika variasi total - Menampilkan variasidalam - Operator bedasarkan interaksi part
Gage R&R jauh lebih sedikit dari pengukuran yang dibuat oleh - Menampilkan operator berdasarkan efek part
variasi Part-to-Part operator untuk perbandingan - Diinginkan perbedaan antara setiap kombinasi
operator/part kecil, (Garis yang melewati beberapa
part menunjukan adanya beberapa interaksi )

17
Step 5. Memeriksa Kondisi Saat ini Short & Long Term Capability

Short Term Capability Untuk Short Term pada proses six sigma,
untuk Six Sigma
terdapat 6 sigma (standard deviasi) diantara SL
dan .

Short Term Capability menggambarkan

masalah penyebaran (spread) pada proses
LSL  USL kita.

Estimasi Long Term

Titik tengah untuk Capability :
Short Term Capability 1.5 Sigma dikurangkan dari
dalam Six Sigma jarak antara  & SL

LSL  USL
Estimasi reduksinya adalah 1.5 Sigma.

18
Step 5. Memeriksa Kondisi Saat ini Capability Analisis

Proces Perhitungan sigma level

Proses perhitungan sigma level dibedakan berdasarkan jenis data yaitu data diskrit
maupun data kontinyu.

Data Analysis

Discrete Type of material Continuous

Data Data

Number of defect Location,

DPU Spread,
DPO Shape

Transformation
of sigma level

19
Step 5. Memeriksa Kondisi Saat ini Capability Analisis

Berdasarkan distribusi Berdasarkan Count/Proportion

: Shape, Location, Spread : Ratio on interested Attribute

Continuous Data Attribute Data

Cp, Cpk, (Cpm) Z(Bench)-Value Defect Ratio DPU

Pp, Ppk (ST, LT), Zshift PPM DPO,DPMO

Sigma-level, RTY

20
Step 5. Memeriksa Kondisi Saat ini Capability Analisis

Estimasi Dari Capability Index (Short Term Vs Long Term)

Jika kapabilitas proses kita telah mencapai Six Sigma maka nilai dari kapabilitas
adalah sebagai berikut :

 Short term  Long term

Zst = 6 Zlt = 4.5

ppm = 3.4 ppm = 3.4

21
 Zshift = Zst - Zlt = 6 - 4.5 = 1.5 !!!
Step 5. Memeriksa Kondisi Saat ini Capability Analisis-Kontinyu

Z-Bench One-side Spec. Z-Bench value Two-side Spec.

value N(0,1)

N(0,1)

Probability
of Defects : PL Probability of
Probability of Defects : PU
Z-value Defects : P
Execution 0 Execution
0 Execution Limits 1 Limits 2
Limits

Contoh :
Dari hasil data didapatkan σST=2Ω , σLT=2.5Ω, average =100Ω CTQS dari proses Parts Resistence USL=110Ω,
LSL=88Ω. Hitunglah ZLT.Bench dalam long term proses.

Zlt.usl = (USL-X)/σlt = (110-100)/2.5

= 4.0 P(NG) : 31.8 ppm
Zlt.lsl = (X-LSL)/σlt = (100-88)/2.5
P(L) P(U) = 4.8 P(NG): 0.818 ppm

total NG = 32.618 ppm => Zlt.bench = 4.0 s

LSL=88Ω Target=99Ω USL=110Ω

22
Step 5. Memeriksa Kondisi Saat ini Capability Analisis-Kontinyu

Stat > Quality Tools > Capability Analysis > Normal

Supplier 1 Supplier 2 Supplier 3 Supplier 4 Supplier 5 Supplier 6

10 9.8 10.3 10.4 9.9 9.6
10.4 9.7 10 10 10.4 10.2
10.1 9.9 10.2 10.2 10 10.4
10.2 10.1 10.1 10.1 10.1 10.1
10.3 10 10.4 10.3 10.2 10
10.2 10 10.1
Spec 10+ 0.5

StDev(Within) = 0.18769

ZBench.Lt Calculation
ZBench.LT = 1.91

Process capability
measured from current Process capability in
data (PPM) terms of Long-term

23
Step 5. Memeriksa Kondisi Saat ini Capability Analisis-Kontinyu

ZBench.St Calculation

USL + LSL
= StDev (Within)
2
9.5 + 10.5
=
2
= 10

Process capability Process capability ZBench.ST = 2.42

measured from current estimated in terms of
data (PPM) Short-Term

24
Step 5. Memeriksa Kondisi Saat ini Menentukan arah perbaikan

Continuous Case

- Merupakan penggambaran dari suatu permasalahan di proses

- Tujuan kita adalah kotak D

4 Block Diagram

Z shift
Poor A B
Lack of Control
Lack of Control
Lack of Technology Proper Technology Pada tahap Measurement 4 Blok
Control

diagram digunakan untuk

1.5
DProper Control menentukan improvement direction,
C Proper Control apakah memperbaiki control atau
Proper Technology
Lack of Technology
technology
Good
4.5 ZST
Poor Technology Good

Zshift = ZBench.St – ZBench.Lt

25
Step 5. Memeriksa Kondisi Saat ini Capability Analisis-Diskrit

Tahapan setiap Proses Tahapan Dengan sebagian/keseluruhan Proses

DPU DPO DPMO YFT YRT YNorm

Defect
DPU 
Unit YRT  e  dpu

DPO 
Defect YRT  YFT 1  YFT 2  YFT 3  ....YFT n
(Unit  opportunit y ) ZLT
1
DPMO  DPO 10 6
YNorm  YNA  (YRT ) Opportunity

Sigma-level ZST
YNorm  YNA  (YRT ) Pr ocess

Zst = Zlt + 1.5

26
Step 5. Memeriksa Kondisi Saat ini Capability Analisis-Diskrit

Defects & Opportunities

Defects Defects
DPU = DPO =
Unit (Unit*Opportunity)

Opportunity  +
Unit
Defect 

• Apa yang dimaksud dengan DPU ?

• Apa yang dmaksud dengan DPMO ?

27
Step 5. Memeriksa Kondisi Saat ini Capability Analisis-Diskrit

DPMO
• Suatu Opportunities (kesempatan) dipilih karena :
Critical To Quality (CTQ) dan Kemauan konsumen adanya Cost Of Failure
(COF)
• DPMO adalah jumlah defect yang terjadi dalam satu juta kesempatan, atau
defect per sejuta kesempatan

Defects
DPMO = X 1,000,000
(Unit*Opportunities)

Pertanyaan : Apakah PPM sama dengan DPMO?

Jawaban : benar ! PPM sama dengan DPMO sebab kesempatan
(opportunities) sama dengan jumlah unit yang diproses
atau diproduksi.
28
Step 5. Memeriksa Kondisi Saat ini Capability Analisis-Diskrit

Contoh : Membandingkan Proses manakah yang lebih baik?

Process (A) Process (B)

Process (A) Process (B)

Unit number
Total Opportunity No.
Total Defect No.
DPU
DPO
DPMO

29
Step 5. Memeriksa Kondisi Saat ini Capability Analisis-Diskrit

Contoh : Cara mengitung sigma level untuk process discrete dengan menggunakan
DPU,DPO,DPMO?
Jika terdapat 34 buah defect dari 750 unit, Hitunglah sigma level melalui DPU/DPO/Yield/DPMO.
Diketahui bahwa terdapat 10 buah opportunity per unit.

Penyelesaian
1. DPU = Banyaknya defect di bagi dengan banyaknya unit ,
Tabel Z
DPU = ( 34 ) ÷ ( 750 ) = ( 0.045 ) . P(defect) = 1 – YNA
= 1 – 0.996 = 0.0045
2. DPO = Banyaknya defect di bagi dengan (Banyaknya unit × opportunity) , = 4.5 x 10-3
DPO = ( 34 ) ÷ ( 750 × 10 ) = ( 0.0045 )
Zlt = 2.61 atau
3. Yield Value Zero Defect (r = 0), Poision Distribution is YRT= e (-dpu)

YRT = 2.7183 -0.045 = ( 0.956 ) = 95.6% MINITAB

YNA = (YRT)1/Opp = (0.956)1/10 = 0.9955 Calc + Probability Dist + Normal
Zlt
4. DPMO = DPO × 1,000,000,
DPMO = ( 0.0045 ) × 1,000,000 = 4,500 PPM
5. Sigma Level (Zst) = Zlt + 1.5 shift = 2.61 + 1.5 = 4.11
Nilai YNA
Inverse Cumulative Distribution Function
Normal with mean = 0 and standard deviation = 1

P( X <= x ) x
0.995510 2.61284
Hasil MiNITAB
30
Step 5. Memeriksa Kondisi Saat ini Capability Analisis-Diskrit

Model Yield YRT (Rolled Throughput Yield)

• First Time Yield (YFT)

Receive from Supplier
Hasil Akhir dari proses yield
 Tidak termasuk internal rework loops
 Kemungkinan zero defect diukur dari akhir 95.5% Yield
45,000
proses ppm
waste 97% Yield
• Rolled Throughput Yield (YRT)
28,650
Total proses yield ppm
waste 94.4% Yield
 Termasuk internal rework loops 51,876
ppm
 Kemungkinan menghasilkan zero defects waste

dari keseluruhan proses

Right
• Normalized Yield (YNA) 125,526 parts per million First
Time
Rata-rata yield dari proses yang berurutan atau wasted opportunities

process steps
YRT = 0.955*0.97*0.94.4 = 87.4%

31
Step 5. Memeriksa Kondisi Saat ini Capability Analisis-Diskrit

Contoh :
Hitunglah nilai-nilai YRT, YF dan YNA !
Dengan menggunakan Minitab, berapakah sigma level proses tersebut ?

CTQ CTQ CTQ CTQ

YIELD
INPUT S1 S2 S3 S4 S5 S6 S7 S8 test
275
300

Scrap
Scrap Rework Defects - Tuning &
5
20 48 Cleaning 25

YFT (S2) = 280/300 = 0.93

YFT (S5) = 232/280 = 0.83 Zlt MINITAB Calc + Probability Dist + Normal
YFT (S7) = 255/280 = 0.91
YFT (test) = 275/280 = 0.98 Inverse Cumulative Distribution Function
Normal with mean = 0 and standard deviation = 1
YRT = 0.93 * 0.83 * 0.91 * 0.98 = 0.688 P( X <= x ) x = Zlt
Nilai YNA
YF = YIELD / INPUT = 275/300 = 0.917 0.9107 1.34508

YNA = (YRT)1/4 = 0.9107

Sigma Level (Zst) = 1.34508 + 1.5 = 2.85

32
Step 5. Memeriksa Kondisi Saat ini Capability Analisis-Diskrit

• YRT (Rolled Throughput Yield)

Jika suatu produk dibuat melalui 3 proses yang saling berurutan
Tentukan YRT dan YNA jika YFT and YF diketahui.

Process 1 Process 2 Process 3 Output

YFT1 = 80% YFT2 = 70% YFT3 = 90%

• YRT ?
YRT = YFT1x YFT2 x YFT3 Zlt MINITAB
YRT = 0.8 x 0.7x 0.9 = 0.504 = 50.4% Calc + Probability Dist + Normal

• YNA ? Inverse Cumulative Distribution Function

YFT 1  YFT 2  YFT 3

Normal with mean = 0 and standard deviation = 1
YNA = 3
P( X <= x ) x Nilai YNA
0.965 1.81191
YNA = 3
YRT  3 0.504  0.965
Sigma Level (Zst) = 1.812 + 1.5 = 3.31
33
Contoh Kasus (Tahap Measurement)

Melanjutkan kasus pada tahap DEFINE, langkah selanjutnya adalah meneruskan ke

Tahap MEASUREMENT :

Dari hasil survey diperoleh data mengenai rata- Akan dilakukan Validasi Measurement System
rata lama waktu terbang beberapa kompetitor. melalui Gage R&R.
Dengan operator 2 orang, part 10 Unit pesawat
1.65 mainan, dan alat stop watch.
1.6 1.58
1.6
Dari hasil pengambilan data diperoleh :
1.55
1.51
1.5
Dudung Totong
Part
1.45 Lama Waktu Terbang 1 2 1 2
1.4 (Menit) 1 1.32 1.32 1.32 1.31
1.4
2 1.34 1.34 1.38 1.37
1.35
3 1.42 1.42 1.42 1.42
1.3 4 1.52 1.51 1.51 1.51
LG SS TO CC
5 1.55 1.54 1.55 1.55
6 1.52 1.51 1.52 1.51
Y = Lama Waktu Terbang (menit) 7
8
1.42
1.43
1.41
1.43
1.42
1.43
1.41
1.43
Spec : > 1.65 Menit 9 1.51 1.51 1.52 1.53
Alat ukur : Stop Watch 10 1.52 1.51 1.51 1.51

Note : Spec diambil 1.65 menit supaya bisa

mengalahkan kompetitor dipasaran

34
Contoh Kasus (Tahap Measurement) Hasil Perhitungan Gage R&R
Gage R&R (ANOVA) for Y
Gage R&R Study - ANOVA Method Reported by :
G age name: Tolerance:
Date of study : M isc:
Two-Way ANOVA Table With Interaction
Components of Variation Y by Part
Source DF SS MS F P 100 % Contribution
% Study Var 1.5

Percent
50
Part 9 0.21814 0.0242378 156.935 0.000 1.4

1.3
0
Gage R&R Repeat Reprod Part-to-Part 1 2 3 4 5 6 7 8 9 10
Opr 1 0.00016 0.0001600 1.036 0.335 R Chart by Opr
Part

1 2
Y by Opr
0.016 UCL=0.01634
Part * Opr 9 0.00139 0.0001544 6.178 0.000

Sample Range
1.5

0.008 _ 1.4

Repeatability 20 0.00050 0.0000250 R=0.005

1.3
0.000 LCL=0
1 2
Opr
Total 39 0.22019 1
Xbar Chart by Opr
2 Opr * Part Interaction
Opr

Sample Mean
1.5 _ 1.5 1

Average
UCL=1.4639
X=1.4545 2
LCL=1.4451
1.4
Gage R&R 1.4

1.3
1.3 1 2 3 4 5 6 7 8 9 10

%Contribution Part

Source VarComp (of VarComp) Study Var %Study Var

Total Gage R&R 0.0000900 1.47 Source StdDev (SD) (6 * SD) (%SV)

Repeatability 0.0000250 0.41 Total Gage R&R 0.0094868 0.056921 12.14 < 20%
Repeatability 0.0050000 0.030000 6.40
Reproducibility 0.0000650 1.06
Reproducibility 0.0080623 0.048374 10.31
Opr 0.0000003 0.00
Opr 0.0005270 0.003162 0.67
Opr*Part 0.0000647 1.06
Opr*Part 0.0080450 0.048270 10.29
Part-To-Part 0.0060208 98.53
Part-To-Part 0.0775940 0.465564 99.26
Total Variation 0.0061108 100.00
Total Variation 0.0781718 0.469031 100.00

Number of Distinct Categories = 11 >5 Measurement System Acceptable.

35
Contoh Kasus (Tahap Measurement) Hasil Perhitungan Capability Analysis

Data Lama Waktu Terbang (Menit) Process Capability of Data

No subgroup1 subgroup2 subgroup3 subgroup4 subgroup5 subgroup6 LSL
1 1.64 1.35 1.79 1.36 1.39 1.72 P rocess Data Within
LS L 1.65000 Ov erall
2 1.59 1.44 1.60 1.55 1.21 1.59 Target *
P otential (Within) C apability
USL *
3 1.36 1.82 1.66 1.43 1.63 1.66 S ample M ean 1.52933 Z.Bench -0.59
S ample N 30 Z.LS L -0.59
4 1.29 1.24 1.81 1.72 1.53 1.08 S tDev (Within) 0.20361 Z.U S L *
S tDev (O v erall) 0.19549 C pk -0.20
5 1.56 1.62 1.41 1.75 1.73 1.35 C C pk -0.20
O v erall C apability
LSL = 1.65
Z.Bench -0.62
T = 1.7 Z.LS L -0.62
Z.U S L *
P pk -0.21
C pm *

Normality Test
1.2 1.4 1.6 1.8 2.0

H0 : Data mengikuti distribusi normal O bserv ed P erformance

P P M < LS L 700000.00
E xp.
PPM
Within P erformance
< LS L 723285.71
E xp. O v erall P erformance
P P M < LS L 731460.87

H1 : Data tidak mengikuti distribusi normal

PPM > USL
P P M Total
*
700000.00
PPM
PPM
> USL
Total
*
723285.71
PPM > USL
P P M Total
*
731460.87
Zlt.Bench = -0.62
Probability Plot of Data
Normal Process Capability of Data
99
Mean 1.529
LSL
StDev 0.1938
P rocess Data Within
95 N 30 LS L 1.65000 Ov erall
AD 0.421 Target *
90 P otential (Within) C apability
P-Value 0.303 USL *
S ample M ean 1.70000 Z.Bench 0.25
80 Z.LS L 0.25
S ample N 30
70 S tDev (Within) 0.20361 Z.U S L *
C pk 0.08
Percent

60 S tDev (O v erall) 0.19549

C C pk 0.08
50
O v erall C apability
40
Z.Bench 0.26
30
Z.LS L 0.26
20 Z.U S L *
P pk 0.09
10 C pm *

1.2 1.4 1.6 1.8 2.0

1
1.0 1.2 1.4
Data
1.6 1.8 2.0 O bserv ed P erformance
P P M < LS L 700000.00
E xp.
PPM
Within P erformance
< LS L 403008.52
Zst.Bench = 0.25
E xp. O v erall P erformance
P P M < LS L 399067.59
PPM > USL * PPM > USL * PPM > USL *
P P M Total 700000.00 PPM Total 403008.52 P P M Total 399067.59

Karena P-Value (0.305) > 0.05, maka :

H0 diterima atau
“Dengan derajat kepercayaan 95% data mengikuti distribusi
Sigma Level Kondisi saat ini = 0.25s
normal”
36
Contoh Kasus (Tahap Measurement) Arahan Improvement

Berdasarkan perhitungan capability analysis maka

nilai Zbench yang diperoleh dapat dipetakan ke
dalam :

4 Block Diagram
Improvement Direction
Z shift
Poor A B Lebih fokus untuk memperbaiki
Technology
Control

1.5
C D Target Setting
0.87

Poor Technology (Minutes) (s)

Good Control 1,7 5
1,51 0.25
Good
0.25 4.5 ZST
Poor Technology Good
Current Target Current Target

Zshift = ZBench.St – ZBench.Lt

= 0.25 – (-0.62) = 0.87

37
Exercise (Tahap Measurement)

1. Dibawah ini merupakan tahapan measurement, manakah dari pernyataan berikut

yang SESUAI :
a) Penentuan Big Y
b) Proses pengumpulan data
c) Klarifikasi terhadap Y
d) Kalrifikasi vital factor
e) Memilih CTQ
2. Joni dan Budi adalah 2 orang staff QA yang diminta untuk melakukan pengukuran sample
terhadap suatu part. Dari hasil pengukuran dibawah, apakah kita bisa terima sistem pengukuran yang
telah mereka lakukan?
Joni Budi
Parts
1st Meas. 2nd Meas. 1st Meas. 2nd Meas.
1 0.8 0.8 0.8 0.8
2 1.4 1.4 1.4 1.4 Spec 1±0.5
3 1.1 1.1 1.1 1.1
4 1 1 1 1
5 1.2 1.2 1.3 1.2
6 1.1 1.1 1.1 1.1
7 1.4 1.4 1.4 1.4
8 1.3 1.2 1.2 1.2
9 1.3 1.3 1.3 1.3
10 1.2 1.2 1.2 1.2

3. Tentukanlah Zbench.Lt, Zbench.St and Zshift dari data di bawah ini (gunakan MINITAB)

1st LOT 2nd LOT 3rd LOT 4th LOT 5th LOT 6th LOT
10.3 10.1 9.8 10.0 9.9 9.8
10.1 10.0 10.2 10.2 9.7 9.8 Spec 10±0.5
9.5 10.3 10.0 9.8 10.3 9.9
9.4 9.8 10.1 10.3 10.4 10.0
9.3 9.9 10.2 10.2 10.2 9.9
Apa yang perlu diperbaiki/ditingkatkan pada proses di atas
38
 Aktivitas utama dalam tahap MEASUREMENT
adalah klarifikasi Y, data collecting, process
capability actual, dan penentuan arah
improvement.

Langkah selanjutnya adalah menentukan faktor-

faktor (X) apa saja yang menjadi Vital Factor
yang mempengaruhi Y pada tahap ANALYSIS

39