MSA 3rd Edisi 2 Rev 01 0ct 10

MT. Haryono Square Lt.3A No.
2
Jl. MT. Haryono kav.10 Jakarta Timur 13330
Telp: (021)-29067201-3, Fax : (021)-29067204
1 Email : sspm@sentral-sistem.com
www.sentral-sistem.com
1
MSA 3rd ,.02/Rev.01.,Copyright © Sentral Sistem, Oct 10
Contents
- Contents............................................................................ 1
-Pengantar.......................................................................... 2
-Sistem Pengukuran.......................................................................... 3
-Kalibrasi VS MSA........................................................................... 4
-Variasi Sistem Pengukuran............................................................. 9
-Terminologi..................................................................................... 12
-Kesalahan Pengukuran Lokasi........................................ 17
-Kesalahan Pengukuran Sebaran..................................... 22
-Dampak dari Kesalahan Sistem Pengukuran................ 33
-Keterkaitan Statistik dengan MSA................................. 40
-Pelaksanaan Study Gage R & R...................................... 44
-Pedoman Praktek Analisa Sistem Pengukuran
“ Kesalahan Lokasi”........................................................... 68
2
Pengantar Materi Training MSA
1. Jangan puas dengan hanya memahami cara perhitungan
MSA, tapi pahami konsep dan cara penerapan MSA
2. MSA adalah alat bantu analisa sistem pengukuran, oleh
karena itu gunakan MSA sebagai alat bantu analisa bukan
sebagai dokumentasi.
3. Materi difokuskan pada pemahaman konsep MSA, analisa
hasil MSA dan improvement pada MSA
4. Materi menggunakan software minitab untuk pelaksanaan
MSA
3
Sistem Pengukuran
• Apakah yang dimaksud dengan measurement
(pengukuran) ?
“Pemberian suatu nilai tertentu kepada
suatu benda dimana nilai tersebut
digunakan untuk menyatakan suatu sifat
tertentu”
• Proses pengukuran dapat pula dilihat sebagai
proses manufacturing, di mana output yang
dihasilkan adalah NILAI / DATA.
Proses Pengukuran : proses pemberian
nilai tersebut
Nilai yang diberikan : hasil pengukuran
• Sistem pengukuran yang ideal adalah pengukuran

HANYA SELALU MENGHASILKAN PENGUKURAN YANG BENAR SETIAP KALI
PENGUKURAN DILAKUKAN
4
Perbedaan Kalibrasi dan MSA
• Kalibrasi :
Object :
– Object study : alat ukur Alat ukur
– Validasi akurasi dari alat ukur
• MSA :
– Object Study : Sistem Object
Pengukuran Sistem
Pengukuran
– Validasi sistem pengukuran
5
Studi Kasus : Analisa Sistem Pengukuran Plate Oil Separator
1. Pelajari video fungsi komponen sebagai berikut
6
Studi Kasus : Analisa Sistem Pengukuran Plate Oil Separator
1. Karakteristik penting adalah tinggi separator

2. Apakah proses pengecekan tinggi separator dengan
menggunakan CMM sudah tepat ? Kalau belum jelaskan
alasannya dan metode ukur apa yang tepat untuk mengukur
tinggi separator ?
Karakteristik penting
7
Kenapa Harus MSA ??
• Keputusan diambil berdasarkan hasil pengukuran, ENGINEER
PADA UMUMNYA MENGANGGAP BAHWA HASIL
PENGUKURAN SUDAH BENAR
• Jika hasil pengukuran tidak tepat, apa yang akan terjadi ??
– AKAN TERJADI KESALAHAN DALAM PENGAMBILAN
KEPUTUSAN, BARANG OK DIAGGAP REJECT ATAU SEBALIKNYA
• Oleh karena itu, kita harus melakukan validasi sistem pengukuran
untuk memastikan bahwa hasil pengukuran oleh inspector, siapapun
dan kapanpun, selalu benar
TUJUAN MSA : VALIDASI SISTEM PENGUKURAN
8
Tiga Pertimbangan Fundamental Yang Harus
Dicermati Ketika Mengevaluasi Sistem Pengukuran
1. Alat ukur harus mempunyai sensitivitas yang cukup

• Pertama, apakah alat ukur mempunyai diskriminasi yang cukup ? Discriminasi alat
ukur ditentukan dari design alat dan harus digunakan sebagai pertimbangan awal
dalam pemilihan alat ukur. Aturan umum, discriminasi alat ukur seharusnya 1/10
dari toleransi produk (atau variasi proses).
• Kedua, apakah alat ukur dapat mendemonstrasikan efektif resolusi ? Sehubungan
dengan diskriminasi tentukan apakah sistem pengukuran mempunyai kesensitifan
yang cukup untuk mendeteksi perubahan pada variasi produk atau proses
2. Alat ukur harus stabil
• Dalam kondisi pengukuran yang berulang, variasi sistem pengukuran harus hanya
disebabkan oleh common cause dan bukan oleh special cause
3. Statistical properties (error) konsisten sepanjang range dari alat ukur dan
sesuai dengan tujuan pengontrolan
9
Variasi dari Sistem Pengukuran
• Faktor penyebab variasi dari sistem pengukuran dikenal dengan istilah SWIPE
(Standard, Workspiece (part), Instrument, Person/ Procedure, Environment)
Works piece
Variasi dalam part yang
Mempengaruhi variasi pengukuran
Environment
Variasi pengukuran yang
terjadi akibat pengaruh lingkungan
1 15.00
1 13.00
11.00 11.00 1
11.00
5.00 1 23.00
Part yang sama, diukur siang

hari selalu lebih tinggi
Person/ Procedure
Perbedaan cara ukur
Instrument
Kemampuan alat
10
Variasi dari Sistem Pengukuran
• Faktor penyebab variasi dari sistem pengukuran dikenal dengan istilah SWIPE
(Standard, Workspiece (part), Instrument, Person/ Procedure, Environment)
11
Memperkecil Variasi Sistem Pengukuran
• Pelajari penyebab variasi (lihat contoh faktor penyebab variasi / SWIPE)

• Hilangkan atau monitor sumber penyebab variasi tersebut, misalnya
– Alat ukur sensitive terhadap temperatur: tempatkan alat pada ruangan yang terisolasi
(menghindari pengaruh luar) dan gunakan AC untuk mengontrol temperatur
– Kestabilan alat ukur berubah akibat sensor kotor, lakukan pembersihan sensor secara
rutin
– Perbedaan cara ukur antar orang, seragamkan dan buat instruksi kerja cara melakukan
pengukuran dan test kemampuan inspector dalam melakukan pengukuran (untuk
semua inspector baru)
– Benda bervariasi, tentukan titik/ lokasi pada part tempat dilakukannya pengukuran
12
Terminologi
1. Discrimination, readability, resolution
• Pembacaan terkecil dari alat ukur
• Alat ukur yang digunakan seharusnya
mempunyai discriminasi 1/10 dari
toleransi/ variasi part
13
Studi kasus: Instrument dengan Discriminasi Kurang
Xbar-R Chart of Discriminasi 0,1
U C L=12,8736
12,8
• Diskriminasi alat ukur yang baik,
Sample Mean
12,6
_
_
X=12,5
bisa dilihat pada grafik R chart 12,4
12,2
LC L=12,1264
dimana jenis nilai yang ada pada 1 2 3 4 5 6 7 8

Sample
9 10 11 12 13 14 15
R chart seharusnya sama atau 0,60

U C L=0,6491
Sample Range
0,45
lebih banyak dari 5 jenis 0,30

_
R=0,1987
0,15
• Indikasi kurangnya discriminasi 0,00

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
LC L=0
Sample
dari alat ukur.

• Terdapat kurang dari 4 Xbar-R Chart of Discriminasi 0,01
U C L=12,8730
12,8
jenis nilai pada R chart
Sample M ean
12,6 _
_
X=12,5317
• Terdapat 4 jenis nilai 12,4
12,2 LC L=12,1903
pada R chart dan jumlah 1 2 3 4 5 6 7 8

Sample
9 10 11 12 13 14 15
nilai 0 lebih dari 25 % 0,60
0,45
U C L=0,5930
Sample Range
0,30
_
R=0,1815
0,15
0,00 LC L=0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Sample
14
Terminologi
2. Effective resolution
• Kesensitifan dari sistem pengukuran, kemampuan mendeteksi variasi pada
proses atau spesifikasi
• Variasi dari sistem pengukuran, harus relatif lebih kecil dari
• Variasi proses (total variasi)
• Spesifikasi
15
Permasalahan Pada Sistem Pengukuran
Permasalahan dalam sistem pengukuran dapat
diklasifikasikan ke dalam 5 kategori
– Lokasi Nilai Benar
• Bias Masalah
lokasi
• Stability
• Linearity
– Lebar atau sebaran
• Repeatability
• Reproducibility Masalah
sebaran
16
Hubungan Antara Kesalahan Sebaran dengan
Kesalahan Lokasi
REPEATABILITY
Acceptable Not Acceptable

Acceptable
BIAS
Not Acceptable
17
Kesalahan
Pengukuran Lokasi
-Bias
- Stability
-Linearity
18
Pemasalahan pada Bias (Permasalahan lokasi)
Bias adalah perbedaan antara pengukuran rata-rata dan
Reference
Value harga referensi.
Harga referensi ditentukan dari beberapa pengukuran
Bias dengan menggunakan alat ukur yang lebih tinggi.
Contoh pengunaan analisa bias:
Penggunaan dial indikator yang disetting untuk
ketinggian tertentu untuk mengukur tinggi dari suatu
Observed benda
Average
Value
Terjadi perbedaan pengukuran antar supplier
dengan customer
25 ± 0,3
Contoh problem pada bias

• Hasil Pengukuran dimensi di perusahaan : 25,2
• Hasil Pengukuran dimensi di customer : 25,6
(sehingga part direject)
19
Contoh soal :
Contoh 1 :
Misalkan 5 buah pengukuran yang berulang dilakukan dengan menggunakan alat ukur Caliper , yaitu :
5.0 3.5 6.3 5.4 4.8
Kemudian 5 buah pengukuran yang berulang dilakukan lagi dengan menggunakan alat ukur Micrometer ,
yaitu :
3.1 4.1 3.6 4.8 5.7
Dari contoh ini kita dapat mengatakan bahwa pengukuran ke 2 lebih akurat daripada pengukuran 1,
karena hasil pengukurannya lebih center terhadap reference value
20
Permasalahan pada stability (Permasalahan lokasi)
Stability (drift) adalah Variasi Bias antar waktu
STABILITY
Contoh penggunaan analisa stability

time 2
• Alat ukur yang sensitive terhadap perubahan pada
lingkungan (misalnya perubahan temperatur)
time 1
• Mengukur tingkat keausan dari alat ukur
Stability
• Menentukan masa kalibrasi dari alat ukur
1 15.00
11 13.00
11.00 11.00 Contoh Problem pada Stability
11.00 Master diukur
Kalau siang hasilnya
Selalu tinggi
5.00 1 23.00
21
Kesalahan Sistem Pengukuran
(kesalahan lokasi)
LINEARITY
Reference Reference
Value Value
Linearity adalah perbedaan harga bias
Bias Bias yang terjadi sepanjang daerah operasi
Kecil Besar dari alat ukur
Observed
Contoh penggunaan analisa linearity
Observed Average
Average Value Alat ukur yang digunakan pada beberapa
Value
(Lower part of range) (Higher part of range)
daerah operasi, misalnya mesin produksi
pemotongan pelat yang menggunakan
Perbedaan harga bias pada daerah counter sebagai media pengukuran
operasi dari gage panjang pelat
Observed average
value
Bias
No bias
Reference value
22
Kesalahan
Pengukuran Sebaran
- Repeatability
- Reproducibility
23
Kesalahan sistem pengukuran (kesalahan sebaran)
REPEATABILITY
Repeatability adalah variasi dari pengukuran yang

didapat dengan satu alat pengukuran jika
dipergunakan beberapa kali oleh satu pengamat
sewaktu mengukur karakteristik yang sama pada part
yang sama
Repeatability
REPRODUCIBILITY
Reproducibility adalah variasi rata-rata

Operator C
pengukuran yang dibuat oleh pengamat yang
berbeda dengan menggunakan alat ukur yang
sama sewaktu mengukur karakteristik yang
Operator B
identik pada part yang sama
Operator A Reproducibility juga bisa menceritakan

Reproducibility
perbedaan antar sistem, antar alat, antar kondisi
24
Sample yang sama diukur 3 kali oleh Widy dan 3 kali oleh Helmi
Permasalahan Sebaran
Sample 1 Sample 2 32,9
Pengukuran 1 32,9 32,74 32,8

* Repetability Widi
Sample 2 : 0,28
Variasi
Widy
Pengukuran 2 32,79 32,56
32,7
* Pengukuran
sample 2
Reproducibility R&R
Pengukuran 3 32,78 32,84 sample 2
32,6 * Widy vs Helmi
Repeatability Widy
0,12 0,28 * *
32,5 *
32,82 32,71
Rata-rata pengukuran Widy
Pengukuran 1 32,8 32,53 Operator C σ R2&R = σ repeatabil

2
ity + σ reproducibility
2
Pengukuran 2 32,78 32,62 Operator B

Helmi
Operator A
Pengukuran 3 32,75 32,55
Total Repro. A,B,C
Repeatability Helmi 0,05 0,09

Repeatability A
Rata-rata pengukuran Helmi 32,78 32,57 Variasi sistem

pengukuran (R&R)
25
Contoh soal :
Contoh 2.
Suatu part dilakukan 5 pengukuran yang berulang dengan menggunakan Caliper dan hasilnya :
10.0 7.1 6.5 11.1 9.2
dan 5 pengukuran yang berulang dilakukan pada part sejenis tetapi berbeda part dengan
menggunakan Micrometer, dan hasilnya :
7.9 8.7 9.3 8.5 9.6
Alat ukur Caliper
Alat ukur Micrometer
Dari grafik diatas jelas bahwa penyebaran data menggunakan Caliper lebih besar dari pada
menggunakan Micrometer , jadi pengukuran ke-2 mempunyai repeatibility yang lebih baik dari
pengukuran-1.
Catatan :
ketika kita berbicara mengenai repeatibility kita tidak membahas mengenai reference value
26
Contoh soal :
Contoh 3
Gage mana yang mempunyai R&R yang lebih baik ?
Misalkan kita mengukur part yang sama 5 kali menggunakan 2 alat ukur dan 2 operator
Operator 1 Operator 2
Caliper 2.3, 1.5, 6.1, 4.2, 2.5 2.7, 1.9, 5.9, 6.5, 3.2
Micrometer 2.7, 4.1, 3.4, 2.2, 3.1 6.1, 2.5, 5.2, 4.7, 5.9
Caliper
Micrometer
Overlap pengukuran dari operator 1 (x) dan operator 2 (o) lebih besar pada Pengukuran 1 daripada
Pengukuran 2. Karena itu Pengukuran 2 mempunyai kemampuan R&R yang lebih baik
27
Studi Kasus : Analisa Penyebab Variasi Pengukuran
Studi kasus 1
Apa yang menjadi penyebab besarnya
variasi pengukuran pada studi kasus 1 ?
Operator C
Operator B
Operator A
Variasi pengukuran
Studi kasus 2
Apa yang menjadi penyebab besarnya
variasi pengukuran pada studi kasus 1 ?
Operator C
Operator B
Operator A
Variasi pengukuran
28
Variasi Part - Variasi Pengukuran - Variasi Total
Total Variasi (TV) Variasi hasil pengukuran (observed variation) /
2 2 Variasi total/
TV = PV + R & R • Data pada check sheet (data hasil pengukuran),
sebenarnya adalah DATA TOTAL VARIASI , sudah
Operator C
Variasi pengukuran (R&R) Variasi dari part (PV) merupakan gabungan dari variasi part dan variasi
Operator B
pengukuran
R & R = EV 2 + AV 2
Operator A
Total Repro. A,B,C
Repeatability A
Variasi sistem
Variasi part
pengukuran (R&R)
Repeatability (EV) Reproducibility (AV) • Tidak diketahui kecuali dihitung dengan mengkoreksi
data pada check sheet dengan variasi pengukuran
Variasi pengukuran (R&R)

• Variasi perbedaan hasil pengukuran yang
berulang dan oleh operator/ metode yang
berbeda
R &R % Gage R&R (total variasi) :

% Gage R & R = X 100% Kontribusi variasi alat ukur
TV terhadap total variasi
29
Pengertian ndc (number of distinct categories)
 PV 
Formula : ndc = 1,41  
 GR & R 
Number of categories Variasi Pengukuran dan Variasi Part Contoh Data dan Efeknya
Untuk part dengan nilai
Variasi dari benar 17 , maka part akan
part (PV) dibaca 15,8 ~ 18,2
Variasi pengukuran
(GR&R) Untuk part dengan nilai
benar 18 , maka part akan
dibaca 16,8 ~ 19,2
Hasil pembacaan
pengukuran part 17 dan part
15 16 17 18 19 15 16 17 18 19 18 ada beberapa yang sama
15,8 16,8 18,2 19,2
2 Data category

dibaca 16,8 ~ 17,8
dibaca 17,2 ~ 18,8
Hasil pembacaan
15 16 17 18 19 15 16 17 18 19
16,2 17,2 17,8 18,8
3 Data category 18 ada beberapa yang sama
30
Pengertian ndc (number of distinct categories)
Number of categories Variasi Pengukuran dan Variasi Part Contoh Data dan Efeknya

dibaca 16,5 ~ 17,5
dibaca 17,5 ~ 18,5
Hasil pembacaan
15 16 17 18 19 15 16 17 18 19
16,5 17,5 18,5
18 berbeda , kecuali pada
5 Data category
batas atas dan batas
bawahnya

dibaca 16,7 ~ 17,3
dibaca 17,7 ~ 18,3
Hasil pembacaan
15 16 17 18 19 15 16 17 18 19 pengukuran part 17 dan part
16,7 17,3 17,7 18,3 18 pasti berbeda
6 Data category
31
Spesifikasi Spesifikasi
bawah Atas
toleransi
Ukuran part
sebenarnya
Variasi Pengukuran - Spesifikasi
Part OK kadang-kadang
Diukur Reject
R &R
% Gage R & R = X 100%
Toleransi
Variasi pengukuran
Part OK selalu
dianggap OK
% Gage R&R (toleransi):
Perbandingan antara besarnya
variasi pengukuran terhadap
Part Reject Kadang toleransi
diukur OK Ukuran part
sebenarnya
32
Variasi Pengukuran – Variasi Total - Spesifikasi
32 Toleransi : 1 mm 33
% G R&R berdasarkan total variasi

32,78 Variasi part :
0,29 R &R
% Gage R & R = X 100%
TV
0,3635
Variasi = x 100% = 77,73%
0,4676
Pengukuran:
0,36
32,55 Total Variasi : 0,46 % G R&R berdasarkan toleransi

33,01
R &R
% Gage R & R = X 100%
Toleransi
Study Var %Study Var %Tolerance 0,3635
Source StdDev (SD) (6 * SD) (%SV) (SV/Toler) = x 100 % = 36,35 %
Total Gage R&R 0,0605823 0,363494 77,73 36,35 1
Repeatability 0,0565846 0,339508 72,60 33,95
Reproducibility 0,0216424 0,129854 27,77 12,99
C1 0,0216424 0,129854 27,77 12,99
Part-To-Part 0,0490285 0,294171 62,91 29,42
Total Variation 0,0779359 0,467616 100,00 46,76
33
Dampak Dari
Kesalahan Sistem
Pengukuran
34
Efek dari Sistem Pengukuran
• Efek pada keputusan produk

– Produk yang baik, terkadang dianggap jelek • Suatu part dengan “nilai benar” 6
LSL USL (OK) dan variasi pengukuran 5, ketika
dilakukan pengukuran bisa “terbaca”
4 (NG) , atau
• Suatu part dengan “nilai benar” 12
(OK), ketika dilakukan pengukuran
4 5 6 7 8 9 10 11 12 13 14 bisa “terbaca” 14 (NG)
– Produk yang jelek, terkadang dianggap baik

LSL USL
(NG) dan variasi pengukuran 5, ketika
dilakukan pengukuran bisa
“terbaca” 6 (OK) , atau
(NG), ketika dilakukan pengukuran
4 5 6 7 8 9 10 11 12 13 14 bisa “terbaca” 11 (OK)
35
• Efek pada keputusan produk (lanjutan)

– Kesalahan dalam mengambil keputusan dapat terjadi pada area II
I II III II I
• Area I : Produk reject akan selalu dibilang reject

• Area II : Berpotensi terjadi kesalahan dalam pengambilan keputusan
• Area III : Produk yang baik akan selalu dianggap baik
– Untuk memaksimalkan keputusan YANG BENAR sehubungan dengan

status produk, 2 pilihan dapat diambil
• Meningkatkan performa proses produksi, mengurangi variasi output proses
produksi, sehingga variasi output proses produksi selalu berada pada area III
• Memperbaiki sistem pengukuran, mengurangi error dari sistem pengukuran
sehingga variasi sistem pengukuran (area II) menjadi lebih kecil, sehingga
hasil pengukuran dapat jatuh pada area III
36
• Efek pada pengambilan keputusan pada Hasil pengukuran

19
proses 18
1
– Kesalahan dalam penentuan special cause 17

UCL=16,238
maupun common cause 16
Sample Mean
15
.
– Common cause dianggap sebagai special _
_
14 X=13,9
cause
13
– Special cause dianggap sebagai common
12
cause LCL=11,562
11
1 2 3 4 5
Sample
Nilai benar “data”

– Grafik hubungan antara aktual variasi
proses, variasi pada gage dan variasi
berdasarkan hasil observasi
Actual process variation = Variasi part

Definisi
Production gage variation = Variasi pengukuran (R&R)
Observed process variation = Total variasi
37
– Hubungan antara aktual variasi proses dengan observasi variasi proses digambarkan
dengan rumus sebagai berikut
σ obs
2
= σ actual
2
+ σ GR
2
&R
total part Pengukuran
– Hubungan antara aktual proses capability dengan observasi proses capability digambarkan
dengan rumus sebagai berikut
−2
(C P ) obs = (C p ) −aktual
2 −2
+ (C p ) GR &R
– Contoh kasus : Hasil pengukuran (studi statistik) menyatakan bahwa Cp dari suatu proses
adalah 2 (lihat digram di halaman berikut)
– Jika variasi dari sistem pengukuran GRR 10 %, maka aktual proses variasi, Cp yang
sebenarnya adalah 1.86
– Jika produksi menggunakan alat ukur dengan variasi yang lebih besar GRR 30%, maka
aktual proses variasi, Cp yang sebenarnya adalah 1.96
– Kasus terjelek, jika variasi sistem pengukuran GRR 60%, maka aktual proses variasi, Cp
yang sebenarnya adalah hanya 2.46
Perbedaan Cp kasus 1 , kasus 2 dan kasus 3, bukan diakibatkan dari proses akan tetapi diakibatkan
oleh sistem pengukuran
38
• Observasi vs aktual Cp (berdasarkan proses)
3.5
10%
3
Observed Cp
30%
2.5 50%
2 70%
1.5
90%
1
0.5
0
0.5 1 1.5 2 2.5 3
Actual Cp
39
• Observasi vs aktual Cp (berdasarkan spesifikasi)
%GRR 70% 60% 50%
6.0
5.0
Actual Cp
4.0
40%
3.0
30%
2.0 10%
1.0
0.0
0.5 0.6 0.7 0.8 0.9 1.0 1.1 1.2 1.3 1.4 1.5 1.6 1.7 1.8 1.9 20
Observed Cp
40
Keterkaitan Statistik
dengan MSA
41
Variasi dalam perhitungan statistik
sebenarnya menggunakan variasi total
Lebar toleransi
C observed =
Toleransi
p
Lebar Variasi
Lebar variasi
didapat dari hasil
pengukuran
Total Variasi
Lebar variasi sudah

merupakan gabungan dari
“variasi part”
dan
“variasi pengukuran”
Atau Total Variasi
42
Cp sebenarnya (Cp aktual) lebih besar dari Cp hasil
perhitungan (Cp observe)
Toleransi
Lebar toleransi
C aktual =
p
Lebar variasi part
Cp aktual > Cp Observed
3.5
10%
3 30%
Observed Cp
50%
Variasi part sebenarnya 2.5
2 70%
1.5
90%
Total Variasi 1
0.5
0
0.5 1 1.5 2 2.5 3
Actual Cp
Perbandingan Cp Observed vs Cp Aktual
43
Studi Kasus : SPC vs MSA Bracket Car Coal
3.5
10%
Hasil setelah Perbaikan : 3
30%
50%
Observed Cp
- Cp : 1,57 2.5
70%
- Cpk : 0,85 2
1.5 90%
1
Jarak 32.5 Trial VI
0.5
LSL USL
P rocess D ata Within
LS L 32 Ov erall 0
Target *
0.5 1 1.5 2 2.5 3
USL 33 P otential (Within) C apability
S ample M ean 32.729 Cp 1,57
S ample N 30 C PL 2,29
S tD ev (Within) 0.106077 C PU
C pk
0,85
0,85
Actual Cp
S tD ev (O v erall) 0.111011
C C pk 1,57
O v erall C apability
Pp
PPL
1,50
2,19
Cp Sebenarnya lebih tinggi
PPU 0,81
P pk 0,81
C pm *
32,00 32,16 32,32 32,48 32,64 32,80 32,96

O bserv ed P erformance E xp. Within P erformance E xp. O v erall P erformance
% < LS L 0,00 % < LS L 0,00 % < LS L 0,00
% > U S L 0,00 % > U S L 0,53 % > U S L 0,73
% Total 0,00 % Total 0,53 % Total 0,73
Proses sebenarnya sudah tidak masalah

Cpk rendah karena adanya
variasi pengukuran yang terlalu besar
44
Pelaksanaan
Studi Gage R & R
45
Persiapan Untuk Melakukan Study Sistem Pengukuran
• Pendekatan yang dipakai harus direncanakan
• Jumlah pengamat, sample part dan pengambilan data harus ditentukan
• Pengamat harus dipilih dari seseorang yang biasa mengoperasikan alat ukur tersebut
• Sample part harus dipilih dari proses dan mewakili seluruh daerah operasi. Part harus mewakili
seluruh part variasi yang ada di produksi. Karena setiap part akan diukur beberapa kali, setiap
part harus diberi nomor untuk identifikasi.
• Alat ukur harus mempunyai kecermatan paling sedikit 1/10 dari proses variasi.
• Pastikan metoda pengukuran yang dipakai oleh masing-masing pengamat mengikuti
prosedur yang ditetapkan.
Metode Untuk Melakukan Study Sistem Pengukuran

• Range method ( Short Method )
• Metode Rata – rata dan Range
• Metode ANOVA
46
SHORT METHODE
PETUNJUK MELAKSANAKAN R&R
SHORT METHOD - METODE RANGE
•Perkiraan cepat variasi pengukuran

•Hanya menggambarkan sistem pengukuran secara keseluruhan
•Biasanya menggunakan 2 inspector & 5 part
•Tiap operator mengukur masing-masing part sekali
•Range = | Pengukuran Inspector A - Pengukuran Inspector B |
•Range rata-rata = R = ∑R
Jumlah Part
R 5.15
•Total variasi pengukuran (Gage R&R) = ; d2 didapat dari table 2,
d2 m = jumlah appraiser dan g = jumlah part
• % Gage R & R =  Gage R & R  x 100 %

 Variasi Proses 
Pada Short Method - Metode Range,
GAGE REPEATABILITY & REPRODUCIBILITY
TIDAK DAPAT DIPISAHKAN
Hasilnya merefleksikan kombinasi dari kedua tipe kesalahan gage.
47
SHORT METHODE
SHORT METHOD - METODE RANGE
Contoh perhitungan :
48
Xbar – R METHODE
METODE RATA-RATA & RANGE
•Sistem pengukuran dipisahkan Repeatability dengan Reproducibility, tetapi tidak
interaksinya
•Mempunyai informasi sehubungan dengan sebab-sebab dari kesalahan sistem
pengukuran atau Gage. (Measurement System atau gage error)
•Jika Repeatability lebih besar dibanding dengan Reproducibility, maka sebab-
sebabnya sbb:
•Peralatan butuh perawatan
•Gage (alat ukur) harus didesain lebih baik.
•Point (lokasi tertentu) perlu dikembangkan
•Banyak variasi dalam part ( within-part variation)
• Jika Reproducibility lebih besar dibanding dengan Repeatability maka sebab-
sebabnya sbb:
•Pelatihan dalam bagaimana menggunakan dan membaca alat ukur
•Kalibrasi alat ukur dial
•Alat bantu yang mungkin bisa digunakan untuk membantu operator
menggunakan alat ukur lebih konsisten
49
Xbar – R METHODE Cara-cara Melakukan Study Gage R&R
Ambil 10 part sebagai sample Siapkan operator untuk study Kalibrasi alat ukur
(sesuaikan dengan jumlah
operator actual yang melakukan
pengukuran)
Beri nomor tiap part
Lakukan pengukuran tiap part oleh tiap

operator di lokasi actual pengukuran
(lakukan secara random)
Masukkan data dalam GR&R data check sheet
Ulangi 2
atau 3 kali
trial
Lihat hasil pengukuran (GR&R report) Buat corrective action
tidak
Nilai GR&R Lakukan analisa grafik
< 10%
ya
Simpan record
50
Xbar – R METHODE
ANALISA METODE RATA-RATA & RANGE
(Numerical Calculation)
Hitung selisih angka pengulanga n dari hasil Jumlahkan nilai hasil trial tiap operator Hitung nilai rata - rata dari pengukuran
pengukuran tiap - tiap operator dan bagi dengan jumlah trial tiap part
Jumlahkan angka range tersebut dan bagi Jumlahkan angka rata - rata dan bagi Kurangi part average yang terkecil dari
dengan jumlah sample , sehingga diperoleh jumlah sample , sehingga diperoleh part average yang terbesar , dan nilai
rata - rata range dari operator (contoh : Ra) rata - rata dari tiap operator (contoh : Xa) ini kita sebut RP (range dari part average).
Jumlahkan rata - rata range dari tiap operator , Ambil nilai maksimum dan minimum dari
dan bagi dengan jumlah operator untuk average tiap operator. Bagi nilai tersebut dengan
mendapatka n nilai rata - rata semua range (R) jumlah operator. Perbedaan nilai tersebut
kita sebut sebagai XDIFF
Gunakan nilai R , XDIFF dan RP untuk

menghitung Repeatability , Reproducibility
dan Part Variation (dalam form GR & R report)
51
Lembar Hasil Pengukuran Studi Kasus
Characteristic : Type : Date :
Appraiser's Appraiser's Appraiser's
Appraiser = 3 Name
Average Range
Name
Average Range
Name
Average Range
Part Average
( Xp )
Trial # = 3 #1 #2 #3 #1 #2 #3 #1 #2 #3
4 max =
5 min =
PART
6
10
Xa = Ra = Xb = Rb = Xc = Rc = X= Rp =
AVERAGE
( Ra + Rb + Rc ) / ( # of Appraisers ) = R R =
Max X - Min X = XDIFF Trial D4 XDIFF =
R x D4 = UCLR 2 3,27 UCLR =
3 2,58
* D4 = 3.27 for 2 trials and 2.58 for 3 trials. UCLR represents the limit of individual R's. Circle these that are beyond this limit. Identify the cause and correct. Repeat these
readings using the same appraiser and unit as originally used or discard
Notes :
52
Xbar – R METHODE
Definisi Standard Devisiasi % Study Variasi
Repeatability R
σe =
Ra = rata - rata perbedaan pengukuran oleh opr 1
Ra + Rb + Rc d2 σ 
Rb = rata - rata perbedaan pengukuran oleh opr 2 R= %EV =  e  × 100%
Jumlah operator d2 = Σ trial (m=3) dan Σ part
dikali Σ oprt (g=5x2=10)
 σt 
Rc = rata - rata perbedaan pengukuran oleh opr 3
Reproducibility XDIFF
σ0 =
Xa = rata - rata hasil pengukuran oleh opr 1 d2
Xb = rata - rata hasil pengukuran oleh opr 2 XDIFF = max X - min X d2 = Σ oprt (m=2) dan g =1 σ 
Xc = rata - rata hasil pengukuran oleh opr 3 ,1 range kalkulasi. %AV =  O  × 100%
 σt 
Adjusted appraiser standard deviation
 2
 σ e2 
XDIFF 

σ0 =   − 
 d 2   nr 


n = Σ part & r = Σ trial
σ 
Variasi Pengukuran (GR&R)
σm = 
 σ e2 + σ o2  %GR & R =  m  × 100%
  σt 
Variasi Part RP = max XP - min XP RP

σp =
XP = rata − rata variasi dari part d2 σ 
%PV =  P  × 100%
d2 = Σ parts (m=5) dan g =1,
1 range kalkulasi
 σt 
Total Variasi σt =  2
σm + σ 2p 
 
53
Contoh form
perhitungan
GR&R
menggunaka
n metode
Xbar-R
54
Contoh Soal
Sebanyak 5 sample part diambil dari produksi. 2 inspector yang biasanya melakukan
pengukuran dipilih. Setiap inspector mengukur masing-masing part sebanyak 3 kali.
Hasilnya adalah sbb :
55
Penyelesaian contoh soal dengan Xbar-R Method
Definisi Standard Devisiasi % Study Variasi
Repeatability 2,5
1+ 4 + 1+ 2 + 4 σe = = 1,45  ....... 
Ra = = ....... ..... + ..... 1,72 %EV =   × 100%
5 R= = 2,5  ........ 
... d2 = Σ trial (m=3) dan Σ part
4 + 4 + 1+ 4 + 0 dikali Σ oprt (g=5x2=10) = .........
Rb = = .......
5
0,6
Reproducibility σ0 = = 0,42
XDIFF = ...... - ....... 1,41  ...... 
d2 = Σ oprt (m=2) dan g =1 ,1 range %AV =   × 100%
= 0,6 kalkulasi.  ....... 
Xa = .........
Adjusted appraiser standard deviation = ........
  2 
Xb = ......... 2  1,45 
σ 0 = (0,42 ) −  = 0,20
  5 × 3 
  
n = Σ part & r = Σ trial
Variasi Pengukuran (GR&R)  ..... 

σm = 
1,45
2
+ 0,20 2  = 1,47 %GR & R =   × 100%
   ...... 
= .......
6,2
Variasi Part
RP = ......... - ......... σp = = 2,5  ...... 
2,48 %PV =   × 100%
XP1 = 217,3 ; XP2 = 217,7  ...... 
= 6,2 d2 = Σ parts (m=5) dan g =1,
XP3 = 216,0 ; XP4 = 213,0 ; XP5 = 219,2 1 range kalkulasi = ........
Total Variasi σt = 
1,47
2
+ 2,5 2  = 2,9
 
56
Xbar – R METHODE
57
Xbar – R METHODE
(Graphical Analysis)
D3, D4 diambil dari tabel 3

D3 = 0……; D4 = 2.575…….
UCLR = R x D 4 ; LCLR = R x D3
6.4375
UCLR = .......... 0
. ; LCLR = ..........
X = ...........
Karena hanya 30 %, atau kurang dari setengah

dari average keluar dari control limit, maka
sistem pengukuran pada contoh ini tidak dapat
mendeteksi part to part variation
58
59
Analisa Grafik MSA dengan Software Minitab

Agus pola variasi berbeda, 1.Pola variasi antar

Variasi repeatabilitynya hanya 1 jenis orang relatif sama
2.Garis mendekati
Repeatability per-part per-orang
Hasil pengukuran per-orang garis horisontal
R Chart by C1
C7 by C6
Agus Dwi Noval Suyanta
UCL=0.05749 1. Berada dalam control limit 11,70
0.050
Sample Range

2. Titik lebih dari 4 jenis
11,55
0.025
_ 3. Pola variasi antar operator Variasi didi
R=0.02233
relatif sama 11,40 relatif lebih
Didi Pandu Subari
0.000 LCL=0 C6 besar
dibanding
dengan yang
Rata-rata per-part per-orang lain
Xbar Chart by C1
Agus Dwi Noval Suyanta
1. Diluar kontrol limit > 50%
10.90 2. Pola variasi antar operator Multivari chart rata-rata pengukuran
UCL=10.8917
Sample Mean
_
Relatif sama per-orang Pandu memiliki
X=10.8689
10.85 LCL=10.8460
C rata-rata yang
Noval pola variasi berbeda C7 * C6 Interaction suka berbeda
10.80
Dengan yang lain 11,6 C7 Dari inspector
Didi
yang lain
Average
Pandu
Subari
11,5
R&R part 1 relatif
Variasi pengukuran (R&R) per part besar dibanding 11,4
R&R untuk part 1 2 3 4 5 6 7 8 9 10
C6
C4 by C2
yang lain, karena
Noise ? 2,4 noise ?

2,2 1. Grafik harus acak, tidak boleh

1. Tidak ada noise terbentuk pola
2,0
2. Variasi pengukuran per part
1 2 3 4 5 6 7 8 9 10
C2 Relatif sama
60
ANOVA METHODE

METODE ANOVA
• Anova tabel melakukan membagi total variasi menjadi 4 komponen

– Variasi Part
– Appraiser (inspector)
– Interaksi antara appraiser dengan part
– Dan repeatability dari alat ukur
• Kelebihan metode Anova adalah kemampuannya melihat interaksi antara
appraiser dengan part
61
METODE ANOVA
Tabel 9 halaman 121
62
ANOVA METHODE
Contoh : suatu pengukuran dengan spec. = 2.3 ± 1.5

Untuk menyesuaikan dengan system pengukuran , digunakan 3 operators dengan
masing – masing 2 kali pengukuran ulang pada tiap-tiap part sebanyak 10 part.
Masukkan data pada minitab , dengan jumlah

data 10 part dan dilakukan oleh 3 operator.
Setiap operator melakukan pengukuran 2 kali
pada tiap part.
63
ANOVA METHODE
Selanjutnya pilih : Stat ▷ Quality Tools ▷ Gage R&R Study
Pilih ANOVA
64
ANOVA METHODE
• Jika p > 0,05 , maka tidak ada

interaksi
Artinya : nilai menggunakan metode
Xbar-R dan metode Anova
mempunyai nilai sama
• Jika p < 0,05 , maka ada interaksi
Artinya : perhitungan menggunakan
Xbar-R methode dan Anova
methode , mempunyai selisih
nilai
65
GR&R Untuk Atribut Data
Appraiser 1 Appraiser 2
Number
1 2 1 2 Gunakan Hypothesis Test Analysis –
1 G G G G Cross-Tab Method = ( 8 x 36 ) / 40 = 7,2
2 G G G G
= ( 8 x 4 ) / 40 = 0,8
3 NG G G G App 2
4 NG NG NG NG NG GO Total
5 G G G G Count 4 4 8
NG
6 G G G G
Expec Count 0,8 7,2 8
7 NG NG NG NG App 1
Count 0 32 32
8 NG NG G G GO
Expec Count 3,2 28,8 32
9 G G G G
Count 4 36 40
10 G G G G Total
Expec Count 4 36 40
11 G G G G
12 G G G G
13 G NG G G
Count= jumlah yang match antara opr 1 dan 1 pada saat
masing-masing menunjukkan NG atau GO
14 G G G G
15 G G G G Exp count = 'peluang/harapan dari nilai count. = total baris X
16 G G G G total colum/ total all
17 G G G G = (32 x 36) : 40
18 G G G G
19 G G G G
20 G G G G
66
Untuk mengambil keputusan, kita gunakan metoda Kappa, yaitu : jika nilai kappa > 0,75 maka
kedua operator mempunyai “good agreement” , jika < 0,40 maka kedua operator mempunyai
poor agreement.
Po - Pe
Kappa =
1 - Pe
Po = jumlah diagonal untuk keputusan yang beda, yaitu pada saat app 1=NG , App2 =GO
dan App 1=Go ,App 2=NG
Po= 4+0=4
Pe= Po,hanya gunakan expec count
Pe= 7,2+3,2 = 10,4
Kappa A B
A - 0,68
B 0,68 -
Analisa tersebut diatas diperlukan untuk menentukan bahwa disana ada perbedaan antara
operator tetapi tidak menceritakan kepada kita bagaimana sistem pengukurannya.
67
Untuk menghitung effectifitas dari sistem pengukuran , maka gunakan formula :
Effektifitas = jumlah keputusan yang benar

total pengujian
Effektifitas dari perhitungan diatas yaitu :
Source Operator A Operator B
Total inspected 20 20 Tabel Effektifitas Sistem Pengukuran

# Matched 17 20
Decision
Effektifitas
Score 85% 100% Sistem Pengukuran
Diterima > 90%
Butuh improvement > 80%
Ditolak < 80%
68
Pedoman praktis
untuk menganalisa
sistem pengukuran
“Kesalahan Lokasi”
69
Pedoman untuk Pelaksanaan Stability
Pelaksanaan studi
1. Ambil sample dan tentukan sebagai reference value yang bisa di-traceable ke
standard. Jika tidak ada, ambil dari produksi dan ukur part tersebut dengan
menggunakan alat ukur yang presisi (misalnya CMM). Ukur part tersebut
dengan n ≥ 10. Hitung rata-rata dari part tersebut dan gunakan nilai tersebut
sebagai reference value (misalnya reference value 6.01)
2. Ukur produk tersebut 3 s/d 5 kali dan lakukan hal tersebut pada frekuensi yang
telah ditetapkan (misalnya 5 kali setiap shift selama 4 minggu (20 subgroup)
3. Plot data tersebut kedalam control chart
Analisa Grafik
1. Cek kontrol chart, apakah ada data yang keluar dari kontrol limit
2. Jika tidak ada, maka stability dari sistem pengukuran tersebut sudah baik, jika
ada data yang keluar limit maka stability dari sistem pengukuran perlu
ditingkatkan
70
Pedoman untuk Pelaksanaan Stability
Contoh Xbar/ R Chart untuk Stability
71
Pedoman untuk Pelaksanaan Bias
independent sample method
Pelaksanaan studi
1. Ambil sample dan tentukan sebagai reference value yang bisa di-traceable ke
standard. Jika tidak ada, ambil dari produksi dan ukur part tersebut dengan
menggunakan alat ukur yang presisi (misalnya CMM). Ukur part tersebut
dengan n ≥ 10. Hitung rata-rata dari part tersebut dan gunakan nilai tersebut
sebagai reference value (misalnya reference value 6.01)
2. Minta satu inspector untuk mengukur produk tersebut sebanyak n ≥ 10
Analisa Grafik
1. Plot data kedalam histogram dan pelajari histogram tersebut
72
Contoh Kasus Study Bias
Suatu sistem pengukuran melakukan study bias dengan data

dibawah ini :
73
Pedoman untuk Pelaksanaan Bias
Analisa Numeric Hasil Perhitungan Contoh Soal
Hitung rata-rata dan bias dari pengukuran
n
X = 6,0067
∑x Bias = 6,0067 – 6
Bias = X - ref value
i
= 0,0067
X= i=1
n
Hitung standard deviasi dari repeatability
6,4 - 5,6
   
max  x  − min x  σ repeatibility = = 0,22514
σ repeatability =  i  2
3,55
d∗
2
d2 diambil dari tabel dengan g = 1 dan m = n
Hitung standard error dari rata-rata

σ 0,22514
b =σ r
n σ b = σr = = 0,05813
n 15
Tentukan t statistic untuk bias

bias 0,0067
bias t= = = 0,1153
t= σb 0,05813
σb
0,0067 − [0,05813 × 2,145 ] ≤ 0 ≤ 0,0067 + [0,05813 × 2,145 ]
Keputusan Study Bias
[ ( )]≤ zero ≤ Bias + [σ (t )]

Bias − σ b t v,1−α
2
b v,1− α
2
− 0,1180 ≤ 0 ≤ 0,1314
Bias diterima jika angka nol jatuh diantara dua batas Karena hasil akhir adalah negatif (-) dan positif (+) ,
perhitungan maka study bias diterima
74
Pelaksanaan Study Bias dengan Menggunakan Minitab
Masukkan data dalam session Klik Stat>Basic Statistics> 1-Sample t Masukkan nilai bias
Masukkan nilai 0
Histogram of Bias
Hasil (with Ho and 95% t-confidence interval for the mean)
One-Sample T: Bias 3
Frequency
Test of mu = 0 vs not = 0 2
Variable N Mean StDev SE Mean 95% CI T P

0 _
Bias 15 0,006667 0,212020 0,054743 (-0,110746 ; 0,124079) 0,12 0,905 X
Ho
-0,4 -0,2 0,0 0,2 0,4

Bias
Nilai bias menunjukkan negatif dan positif ; Bias diterima
75
Pedoman untuk Pelaksanaan Linearity
Pelaksanaan studi
1. Ambil 5 part dan tentukan reference value nya yang bisa di-
traceable ke standard (gunakan referensi value pada saat
pengujian bias) (misalnya reference value 6.01)
2. Minta satu inspector untuk mengukur produk tersebut sebanyak
n ≥ 10 setiap partnya
Analisa Grafik
1. Plot data kedalam scatter dan pelajari grafik tersebut
76
Analisa Grafik
1. Hitung individual bias part dan bias rata-rata pada setiap
part
m
∑ biasi , j
biasi , j = xi , j − (reference value )i j =1
biasi =
m
2. Plot individual bias dan rata-rata bias pada grafik

3. Hitung dan plot “best fit line” dan “confidence band line”
menggunakan rumus yi = a xi + b
Untuk “best fit line”, gunakan xi = reference value
Dimana yi = bias average
77
 1 
∑ xy −  ∑ x∑ y 
a=  gm  = slope b = y − ax = int ercept
1
∑x −
2
(∑ x )2
gm
Untuk nilai x 0 , and α level maka diperoleh " level confidence band"
  1 ( x0 − x )  2 
1
∑ y − b ∑ yi − a ∑ xi − yi
2 2
s= i
lower : b + a x0 − t gm − 2,1−α / 2  +  s
2 
gm − 2 
  gm ∑ ( xi − x )  
  1 ( x0 − x )  2 
2
1
upper : b + a x0 + t gm − 2,1−α / 2  +  s
2 

  gm ∑ ( xi − x )  
4. Plot “bias = 0” line dan review grafik untuk indikasi special

cause dan keberterimaan linearity. Linearity dinyatakan ok jika
“bias = 0” harus berada didalam confidence band line
78
Contoh Linierity
Linearity example :
5 part dipilih dari operating range berbeda Perhitungan Linearity
Setiap part diukur dengan layout inspection
untuk menentukan reference valuenya.
Setiap part diukur 12 kali oleh satu inspector/
appraiser. Part average dan bias average
dihitung sesuai dengan tabel di bawah ini.
79
Contoh Linierity (Dengan MiniTab)
“Klik” Regression < Fited Line Plot
1. Masukkan data pada worksheet
Klik disini
untuk batas CI
2. Isi nilai Y dengan data bias dan X dengan Ref Val
80
Contoh Linierity (Dengan MiniTab)
Hasil Linearity
Bias = 0,7375 - 0,1321 Reference Values
Regression
1 95% CI
S 0,239771
R-Sq 71,5%
R-Sq(adj) 71,0%
Bias
-1
1 2 3 4 5 6 7 8 9 10
Reference Values
Linearity dinyatakan ok jika “bias = 0” harus berada didalam confidence band line
81
JANGAN LUPA
• ISI SURVEY KEPUASAN PELANGGAN

• COPY DAFTAR HADIR PESERTA UNTUK SERTIFIKAT
• DAFTAR KE MAILING LIST Sentral Sistem Consulting:
– hse-community@sentral-sistem.com
– quality-technique@sentral-sistem.com
– business-improvement@sentral-sistem.com
• Diskusi dengan para profesional, konsultan dan berbagai pihak terkait pada forum
SSPM websit . http://www.sentral-sistem.com
• SEGERA IMPLEMENTASIKAN PELATIHAN INI DI PERUSAHAAN ANDA
82

MSA 3rd Edisi 2 Rev 01 0ct 10

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

MSA 3rd Edisi 2 Rev 01 0ct 10

Diunggah oleh

Hak Cipta:

Format Tersedia

MT. Haryono Square Lt.3A No.

• Sistem pengukuran yang ideal adalah pengukuran

1. Pelajari video fungsi komponen sebagai berikut

1. Karakteristik penting adalah tinggi separator

TUJUAN MSA : VALIDASI SISTEM PENGUKURAN

1. Alat ukur harus mempunyai sensitivitas yang cukup

Part yang sama, diukur siang

• Pelajari penyebab variasi (lihat contoh faktor penyebab variasi / SWIPE)

• Diskriminasi alat ukur yang baik,

bisa dilihat pada grafik R chart 12,4

dimana jenis nilai yang ada pada 1 2 3 4 5 6 7 8

R chart seharusnya sama atau 0,60

lebih banyak dari 5 jenis 0,30

• Indikasi kurangnya discriminasi 0,00

dari alat ukur.

jenis nilai pada R chart

• Terdapat 4 jenis nilai 12,4

pada R chart dan jumlah 1 2 3 4 5 6 7 8

nilai 0 lebih dari 25 % 0,60

Acceptable Not Acceptable

Contoh problem pada bias

Contoh penggunaan analisa stability

Repeatability adalah variasi dari pengukuran yang

Reproducibility adalah variasi rata-rata

Operator A Reproducibility juga bisa menceritakan

Pengukuran 1 32,9 32,74 32,8

Pengukuran 1 32,8 32,53 Operator C σ R2&R = σ repeatabil

Pengukuran 2 32,78 32,62 Operator B

Repeatability Helmi 0,05 0,09

Rata-rata pengukuran Helmi 32,78 32,57 Variasi sistem

Alat ukur Caliper

Alat ukur Micrometer

Gage mana yang mempunyai R&R yang lebih baik ?

Total Repro. A,B,C

Variasi pengukuran (R&R)

R &R % Gage R&R (total variasi) :

Untuk part dengan nilai

Untuk part dengan nilai

Untuk part dengan nilai

% G R&R berdasarkan total variasi

32,55 Total Variasi : 0,46 % G R&R berdasarkan toleransi

• Efek pada keputusan produk

– Produk yang jelek, terkadang dianggap baik

• Efek pada keputusan produk (lanjutan)

• Area I : Produk reject akan selalu dibilang reject

– Untuk memaksimalkan keputusan YANG BENAR sehubungan dengan

• Efek pada pengambilan keputusan pada Hasil pengukuran

– Kesalahan dalam penentuan special cause 17

Nilai benar “data”

Actual process variation = Variasi part

Production gage variation = Variasi pengukuran (R&R)

Observed process variation = Total variasi

Lebar variasi sudah

Cp aktual > Cp Observed

Perbandingan Cp Observed vs Cp Aktual

32,00 32,16 32,32 32,48 32,64 32,80 32,96

Proses sebenarnya sudah tidak masalah

Metode Untuk Melakukan Study Sistem Pengukuran

•Perkiraan cepat variasi pengukuran

• % Gage R & R =  Gage R & R  x 100 %

Beri nomor tiap part

Lakukan pengukuran tiap part oleh tiap

Masukkan data dalam GR&R data check sheet

Lihat hasil pengukuran (GR&R report) Buat corrective action