MSA 3rd Edisi 2 Rev 01 0ct 10
MSA 3rd Edisi 2 Rev 01 0ct 10
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
MSA 3rd ,.02/Rev.01.,Copyright © Sentral Sistem, Oct 10
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
MSA 3rd ,.02/Rev.01.,Copyright © Sentral Sistem, Oct 10
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
4
MSA 3rd ,.02/Rev.01.,Copyright © Sentral Sistem, Oct 10
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
MSA 3rd ,.02/Rev.01.,Copyright © Sentral Sistem, Oct 10
Studi Kasus : Analisa Sistem Pengukuran Plate Oil Separator
6
MSA 3rd ,.02/Rev.01.,Copyright © Sentral Sistem, Oct 10
Studi Kasus : Analisa Sistem Pengukuran Plate Oil Separator
Karakteristik penting
7
MSA 3rd ,.02/Rev.01.,Copyright © Sentral Sistem, Oct 10
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
8
MSA 3rd ,.02/Rev.01.,Copyright © Sentral Sistem, Oct 10
Tiga Pertimbangan Fundamental Yang Harus
Dicermati Ketika Mengevaluasi Sistem Pengukuran
9
MSA 3rd ,.02/Rev.01.,Copyright © Sentral Sistem, Oct 10
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
Person/ Procedure
Perbedaan cara ukur
Instrument
Kemampuan alat
10
MSA 3rd ,.02/Rev.01.,Copyright © Sentral Sistem, Oct 10
Variasi dari Sistem Pengukuran
• Faktor penyebab variasi dari sistem pengukuran dikenal dengan istilah SWIPE
(Standard, Workspiece (part), Instrument, Person/ Procedure, Environment)
11
MSA 3rd ,.02/Rev.01.,Copyright © Sentral Sistem, Oct 10
Memperkecil Variasi Sistem Pengukuran
12
MSA 3rd ,.02/Rev.01.,Copyright © Sentral Sistem, Oct 10
Terminologi
1. Discrimination, readability, resolution
• Pembacaan terkecil dari alat ukur
• Alat ukur yang digunakan seharusnya
mempunyai discriminasi 1/10 dari
toleransi/ variasi part
13
MSA 3rd ,.02/Rev.01.,Copyright © Sentral Sistem, Oct 10
Studi kasus: Instrument dengan Discriminasi Kurang
Xbar-R Chart of Discriminasi 0,1
U C L=12,8736
12,8
Sample Mean
12,6
_
_
X=12,5
12,2
LC L=12,1264
Sample Range
0,45
Sample
Sample M ean
12,6 _
_
X=12,5317
12,2 LC L=12,1903
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
MSA 3rd ,.02/Rev.01.,Copyright © Sentral Sistem, Oct 10
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
MSA 3rd ,.02/Rev.01.,Copyright © Sentral Sistem, Oct 10
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
MSA 3rd ,.02/Rev.01.,Copyright © Sentral Sistem, Oct 10
Hubungan Antara Kesalahan Sebaran dengan
Kesalahan Lokasi
REPEATABILITY
17
MSA 3rd ,.02/Rev.01.,Copyright © Sentral Sistem, Oct 10
Kesalahan
Pengukuran Lokasi
-Bias
- Stability
-Linearity
18
MSA 3rd ,.02/Rev.01.,Copyright © Sentral Sistem, Oct 10
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
19
MSA 3rd ,.02/Rev.01.,Copyright © Sentral Sistem, Oct 10
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
MSA 3rd ,.02/Rev.01.,Copyright © Sentral Sistem, Oct 10
Permasalahan pada stability (Permasalahan lokasi)
Stability (drift) adalah Variasi Bias antar waktu
STABILITY
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
MSA 3rd ,.02/Rev.01.,Copyright © Sentral Sistem, Oct 10
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
MSA 3rd ,.02/Rev.01.,Copyright © Sentral Sistem, Oct 10
Kesalahan
Pengukuran Sebaran
- Repeatability
- Reproducibility
23
MSA 3rd ,.02/Rev.01.,Copyright © Sentral Sistem, Oct 10
Kesalahan sistem pengukuran (kesalahan sebaran)
REPEATABILITY
REPRODUCIBILITY
24
MSA 3rd ,.02/Rev.01.,Copyright © Sentral Sistem, Oct 10
Sample yang sama diukur 3 kali oleh Widy dan 3 kali oleh Helmi
Permasalahan Sebaran
Sample 1 Sample 2 32,9
Repeatability Widy
0,12 0,28 * *
32,5 *
32,82 32,71
Rata-rata pengukuran Widy
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
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
MSA 3rd ,.02/Rev.01.,Copyright © Sentral Sistem, Oct 10
Contoh soal :
Contoh 3
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
MSA 3rd ,.02/Rev.01.,Copyright © Sentral Sistem, Oct 10
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
MSA 3rd ,.02/Rev.01.,Copyright © Sentral Sistem, Oct 10
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
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
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
Hasil pembacaan
15 16 17 18 19 15 16 17 18 19
16,2 17,2 17,8 18,8
pengukuran part 17 dan part
3 Data category 18 ada beberapa yang sama
30
MSA 3rd ,.02/Rev.01.,Copyright © Sentral Sistem, Oct 10
Pengertian ndc (number of distinct categories)
Number of categories Variasi Pengukuran dan Variasi Part Contoh Data dan Efeknya
Hasil pembacaan
15 16 17 18 19 15 16 17 18 19
pengukuran part 17 dan part
16,5 17,5 18,5
18 berbeda , kecuali pada
5 Data category
batas atas dan batas
bawahnya
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
MSA 3rd ,.02/Rev.01.,Copyright © Sentral Sistem, Oct 10
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
MSA 3rd ,.02/Rev.01.,Copyright © Sentral Sistem, Oct 10
Variasi Pengukuran – Variasi Total - Spesifikasi
32 Toleransi : 1 mm 33
33
MSA 3rd ,.02/Rev.01.,Copyright © Sentral Sistem, Oct 10
Dampak Dari
Kesalahan Sistem
Pengukuran
34
MSA 3rd ,.02/Rev.01.,Copyright © Sentral Sistem, Oct 10
Efek dari Sistem Pengukuran
35
MSA 3rd ,.02/Rev.01.,Copyright © Sentral Sistem, Oct 10
Efek dari Sistem Pengukuran
I II III II I
36
MSA 3rd ,.02/Rev.01.,Copyright © Sentral Sistem, Oct 10
Efek dari Sistem Pengukuran
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
37
MSA 3rd ,.02/Rev.01.,Copyright © Sentral Sistem, Oct 10
Efek dari Sistem Pengukuran
– 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
MSA 3rd ,.02/Rev.01.,Copyright © Sentral Sistem, Oct 10
Efek dari Sistem Pengukuran
• 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
MSA 3rd ,.02/Rev.01.,Copyright © Sentral Sistem, Oct 10
Efek dari Sistem Pengukuran
• 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
MSA 3rd ,.02/Rev.01.,Copyright © Sentral Sistem, Oct 10
Keterkaitan Statistik
dengan MSA
41
MSA 3rd ,.02/Rev.01.,Copyright © Sentral Sistem, Oct 10
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 toleransi
C aktual =
p
Lebar variasi part
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
43
MSA 3rd ,.02/Rev.01.,Copyright © Sentral Sistem, Oct 10
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 *
45
MSA 3rd ,.02/Rev.01.,Copyright © Sentral Sistem, Oct 10
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.
46
MSA 3rd ,.02/Rev.01.,Copyright © Sentral Sistem, Oct 10
SHORT METHODE
PETUNJUK MELAKSANAKAN R&R
SHORT METHOD - METODE RANGE
•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
Contoh perhitungan :
48
MSA 3rd ,.02/Rev.01.,Copyright © Sentral Sistem, Oct 10
Xbar – R METHODE
PETUNJUK MELAKSANAKAN R&R
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
MSA 3rd ,.02/Rev.01.,Copyright © Sentral Sistem, Oct 10
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)
Ulangi 2
atau 3 kali
trial
tidak
Nilai GR&R Lakukan analisa grafik
< 10%
ya
Simpan record
50
MSA 3rd ,.02/Rev.01.,Copyright © Sentral Sistem, Oct 10
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
51
MSA 3rd ,.02/Rev.01.,Copyright © Sentral Sistem, Oct 10
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 =
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
MSA 3rd ,.02/Rev.01.,Copyright © Sentral Sistem, Oct 10
Xbar – R METHODE
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
Total Variasi σt = 2
σm + σ 2p
53
MSA 3rd ,.02/Rev.01.,Copyright © Sentral Sistem, Oct 10
Contoh form
perhitungan
GR&R
menggunaka
n metode
Xbar-R
54
MSA 3rd ,.02/Rev.01.,Copyright © Sentral Sistem, Oct 10
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
MSA 3rd ,.02/Rev.01.,Copyright © Sentral Sistem, Oct 10
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
57
MSA 3rd ,.02/Rev.01.,Copyright © Sentral Sistem, Oct 10
Xbar – R METHODE
(Graphical Analysis)
UCLR = R x D 4 ; LCLR = R x D3
6.4375
UCLR = .......... 0
. ; LCLR = ..........
X = ...........
58
MSA 3rd ,.02/Rev.01.,Copyright © Sentral Sistem, Oct 10
59
MSA 3rd ,.02/Rev.01.,Copyright © Sentral Sistem, Oct 10
Analisa Grafik MSA dengan Software Minitab
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 ?
61
MSA 3rd ,.02/Rev.01.,Copyright © Sentral Sistem, Oct 10
PETUNJUK MELAKSANAKAN R&R
METODE ANOVA
62
MSA 3rd ,.02/Rev.01.,Copyright © Sentral Sistem, Oct 10
ANOVA METHODE
63
MSA 3rd ,.02/Rev.01.,Copyright © Sentral Sistem, Oct 10
ANOVA METHODE
Pilih ANOVA
64
MSA 3rd ,.02/Rev.01.,Copyright © Sentral Sistem, Oct 10
ANOVA METHODE
65
MSA 3rd ,.02/Rev.01.,Copyright © Sentral Sistem, Oct 10
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
MSA 3rd ,.02/Rev.01.,Copyright © Sentral Sistem, Oct 10
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
MSA 3rd ,.02/Rev.01.,Copyright © Sentral Sistem, Oct 10
Untuk menghitung effectifitas dari sistem pengukuran , maka gunakan formula :
68
MSA 3rd ,.02/Rev.01.,Copyright © Sentral Sistem, Oct 10
Pedoman praktis
untuk menganalisa
sistem pengukuran
“Kesalahan Lokasi”
69
MSA 3rd ,.02/Rev.01.,Copyright © Sentral Sistem, Oct 10
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
MSA 3rd ,.02/Rev.01.,Copyright © Sentral Sistem, Oct 10
Pedoman untuk Pelaksanaan Stability
71
MSA 3rd ,.02/Rev.01.,Copyright © Sentral Sistem, Oct 10
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
MSA 3rd ,.02/Rev.01.,Copyright © Sentral Sistem, Oct 10
Contoh Kasus Study Bias
73
MSA 3rd ,.02/Rev.01.,Copyright © Sentral Sistem, Oct 10
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
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
75
MSA 3rd ,.02/Rev.01.,Copyright © Sentral Sistem, Oct 10
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
MSA 3rd ,.02/Rev.01.,Copyright © Sentral Sistem, Oct 10
Pedoman untuk Pelaksanaan Linearity
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
77
MSA 3rd ,.02/Rev.01.,Copyright © Sentral Sistem, Oct 10
Pedoman untuk Pelaksanaan Linearity
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 )
79
MSA 3rd ,.02/Rev.01.,Copyright © Sentral Sistem, Oct 10
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
MSA 3rd ,.02/Rev.01.,Copyright © Sentral Sistem, Oct 10
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
MSA 3rd ,.02/Rev.01.,Copyright © Sentral Sistem, Oct 10
JANGAN LUPA
– 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 ,.02/Rev.01.,Copyright © Sentral Sistem, Oct 10