Cased-Based Learning Quality by Design (Taguchi Methods)

Review Singkat mengenai Quality by Design

Definisi dan Pengertian Quality by Design (QbD)

Quality by Design (QbD) adalah pendekatan sistematis untuk memastikan bahwa kualitas produk
terbangun sejak tahap perancangan dan pengembangan proses. Konsep ini pertama kali
diperkenalkan dalam industri farmasi oleh International Council for Harmonisation (ICH) melalui
panduan Q8, Q9, dan Q10. Namun, prinsip QbD telah berkembang dan diadopsi dalam berbagai sektor
manufaktur untuk meningkatkan konsistensi kualitas produk.

QbD didasarkan pada filosofi bahwa kualitas bukan hanya hasil dari pengujian akhir produk tetapi juga
produk dari desain proses yang efektif dan terkendali. Dengan kata lain, QbD menempatkan perhatian
pada bagaimana proses dirancang untuk menghasilkan produk yang memenuhi spesifikasi sejak awal.

Prinsip Utama Quality by Design

1. Pendekatan Berbasis Ilmu Pengetahuan (Science-Based Approach): QbD menggunakan data

dan pemodelan ilmiah untuk memahami hubungan antara variabel proses dan hasil kualitas.

2. Identifikasi Kebutuhan Pelanggan: Dalam QbD, langkah pertama adalah memahami

kebutuhan dan harapan pelanggan, termasuk standar kualitas yang diinginkan.

3. Pemahaman Mendalam tentang Produk dan Proses: QbD mengharuskan analisis menyeluruh
terhadap sifat-sifat produk (critical quality attributes atau CQAs) dan faktor proses (critical
process parameters atau CPPs) yang memengaruhi kualitas.

4. Pemetaan Ruang Desain (Design Space): Ruang desain adalah wilayah di mana variasi
parameter proses masih menghasilkan produk dengan kualitas yang dapat diterima. Dengan
memanfaatkan alat statistik seperti desain eksperimen (Design of Experiments, DoE), ruang
desain ini dapat dipetakan secara akurat.

5. Strategi Kontrol Proses: Proses harus dirancang dengan langkah-langkah pengendalian untuk
menjaga konsistensi kualitas. Ini mencakup pemantauan parameter proses yang kritis untuk
mencegah penyimpangan.

6. Continuous Improvement: QbD mempromosikan perbaikan berkelanjutan berdasarkan data

yang diperoleh selama siklus hidup produk.

Langkah-Langkah Implementasi QbD

1. Definisi Tujuan Kualitas Produk:

▪ Menentukan atribut kualitas kritis (CQAs) berdasarkan kebutuhan pelanggan dan

regulasi.

2. Identifikasi Parameter Proses Kritis (CPPs):

 ▪ Parameter proses seperti suhu, tekanan, waktu, dan konsentrasi bahan aktif
dievaluasi untuk menentukan pengaruhnya terhadap CQAs.

3. Perancangan Eksperimen (DoE):

▪ Eksperimen dirancang untuk memahami hubungan antara parameter proses dan hasil
kualitas. Metode seperti Taguchi atau Response Surface Methodology (RSM) sering
digunakan.

4. Pemetaan Ruang Desain:

▪ Menentukan kombinasi parameter optimal yang memastikan hasil tetap berada

dalam spesifikasi meskipun ada variasi lingkungan.

5. Validasi dan Verifikasi:

▪ Memastikan proses yang dirancang dapat menghasilkan produk berkualitas secara

konsisten melalui uji coba dan validasi.

Manfaat Quality by Design

1. Pengurangan Tingkat Cacat: Dengan mengidentifikasi dan mengendalikan parameter kritis, QbD
membantu meminimalkan penyimpangan kualitas.

2. Efisiensi Operasional: Pendekatan berbasis desain memungkinkan pengurangan waktu produksi

dan pengujian ulang.

3. Peningkatan Kepercayaan Pelanggan: Produk yang dihasilkan dengan pendekatan QbD

cenderung memiliki kualitas konsisten, meningkatkan reputasi perusahaan.

4. Penghematan Biaya: Meskipun awalnya membutuhkan investasi pada analisis dan

pengembangan, QbD menghasilkan penghematan dalam jangka panjang melalui pengurangan
pemborosan dan klaim garansi.

5. Kepatuhan terhadap Regulasi: Dalam beberapa industri, seperti farmasi, QbD menjadi
persyaratan regulasi yang memperkuat pengakuan produk di pasar global.

Contoh Penerapan QbD dalam Manufaktur, Kasus Industri Plastik

Pada proses produksi komponen plastik untuk otomotif, atribut kualitas kritis (CQAs) seperti
ketebalan, kekuatan tarik, dan kekerasan permukaan ditentukan. Melalui eksperimen terstruktur,
parameter proses seperti suhu cetak, tekanan injeksi, dan waktu pendinginan dianalisis untuk
memahami pengaruhnya terhadap CQAs. Ruang desain kemudian dirancang untuk memastikan
bahwa variasi parameter tetap menghasilkan produk dalam spesifikasi.

Hasil:

▪ Tingkat cacat berkurang hingga 20%.

▪ Proses produksi lebih konsisten dan efisien.
▪ Kepuasan pelanggan meningkat karena produk memenuhi standar internasional.

Quality by Design adalah pendekatan proaktif yang menekankan pada pencegahan masalah kualitas
melalui perancangan yang matang. Dengan memahami proses secara mendalam, QbD memungkinkan
perusahaan untuk meningkatkan efisiensi, mengurangi biaya, dan memenuhi standar kualitas yang
ketat. Dalam konteks industri modern, QbD bukan hanya alat teknis tetapi juga strategi bisnis untuk
menciptakan produk berkualitas tinggi yang kompetitif di pasar global.

Definisi dan Pengertian Metode Taguchi

Metode Taguchi adalah pendekatan statistik untuk perancangan eksperimen (Design of

Experiments/DoE) yang dikembangkan oleh Genichi Taguchi. Metode ini dirancang untuk
meningkatkan kualitas produk dan proses melalui identifikasi parameter optimal yang meminimalkan
variasi hasil meskipun terdapat pengaruh faktor yang tidak terkendali (noise factors).

Keunggulan utama metode Taguchi adalah penggunaan pendekatan yang sistematis dan efisien untuk
eksperimen, yang memerlukan lebih sedikit percobaan dibandingkan metode konvensional tanpa
mengurangi validitas hasilnya. Pendekatan ini difokuskan pada robust design, yaitu menghasilkan
produk yang tahan terhadap variasi lingkungan dan gangguan lainnya, sehingga kualitas tetap terjaga.

Ortogonal Array dalam Metode Taguchi

Ortogonal array (OA) adalah kerangka desain eksperimen yang digunakan dalam metode Taguchi
untuk mengatur kombinasi parameter dan level yang diuji. Array ini memiliki karakteristik khusus,
yaitu setiap kombinasi parameter diatur sedemikian rupa agar setiap level parameter muncul secara
seimbang dan independen.

Sebagai contoh, jika ada tiga parameter dengan masing-masing tiga level (misalnya suhu, tekanan, dan
waktu), maka array ortogonal L9 (3^3) digunakan, yang terdiri dari 9 percobaan dengan kombinasi
unik dari parameter tersebut. Ortogonal array membantu mengurangi jumlah percobaan tanpa
kehilangan informasi penting tentang pengaruh setiap parameter.

Contoh Ortogonal Array L9 (3^3):

Perhitungan Signal-to-Noise Ratio (S/N Ratio)

S/N Ratio adalah metrik utama dalam metode Taguchi yang digunakan untuk mengevaluasi stabilitas
dan kualitas hasil percobaan. S/N Ratio bertujuan untuk memaksimalkan sinyal (signal, yaitu performa
yang diinginkan) dan meminimalkan noise (variabilitas yang tidak diinginkan).
Tiga kategori umum perhitungan S/N Ratio adalah:

Analisis Data dalam Metode Taguchi

Setelah semua percobaan selesai dan data dikumpulkan, langkah-langkah analisisnya adalah:

1. Hitung Rata-Rata Respon untuk Setiap Level Parameter:

▪ Menghitung rata-rata hasil (output) untuk setiap level parameter, membantu

menentukan level optimal.

2. Hitung S/N Ratio untuk Setiap Percobaan:

▪ Menentukan S/N Ratio sesuai kategori (smaller is better, larger is better, atau nominal is
best).

3. Analisis Pengaruh Parameter:

▪ Membandingkan S/N Ratio rata-rata pada tiap level parameter untuk menentukan
parameter yang paling signifikan.

4. Interaksi Antarparameter:

▪ Jika diperlukan, analisis dilakukan untuk mempelajari interaksi antarparameter.

5. Verifikasi Eksperimen Optimal:

▪ Menguji kombinasi parameter optimal yang ditentukan untuk memastikan hasil sesuai
dengan prediksi.

Metode Taguchi memberikan pendekatan yang efektif untuk memahami dan mengoptimalkan proses
produksi dengan jumlah eksperimen yang minimal. Dengan memanfaatkan ortogonal array dan S/N
Ratio, metode ini dapat:

• Mengidentifikasi parameter yang memiliki pengaruh signifikan terhadap kualitas.

• Mengurangi variabilitas hasil dengan fokus pada robust design.
• Meningkatkan efisiensi produksi melalui perancangan eksperimen yang efisien.
Langkah-Langkah Implementasi Metode Taguchi

1. Identifikasi Parameter dan Level

Dalam kasus ini, misalkan ada tiga parameter yang dipertimbangkan:

▪ Parameter A: Suhu Cetak (°C) → Level 1 (200), Level 2 (210), Level 3 (220).
▪ Parameter B: Tekanan Injeksi (bar) → Level 1 (50), Level 2 (60), Level 3 (70).
▪ Parameter C: Waktu Pendinginan (detik) → Level 1 (10), Level 2 (12), Level 3 (14).

2. Pemilihan Ortogonal Array

Karena ada 3 parameter dengan 3 level, kita menggunakan array ortogonal L9 (3³) yang mencakup 9
kombinasi percobaan.

3. Pengumpulan Data Eksperimen

Misalnya, hasil ketebalan komponen plastik (mm) dari setiap percobaan adalah sebagai berikut:
4. Perhitungan S/N Ratio

Karena kita ingin ketebalan mendekati nilai nominal (misalnya target = 2.10 mm), kategori S/N Ratio
adalah Nominal is Best:

Di mana μ adalah rata-rata dan σ2\sigma^2σ2 adalah variansi.

Sebagai contoh:

• Percobaan 1: Ketebalan = 2.05 mm

o Rata-rata (μ\muμ) = 2.05

o Variansi (σ2\sigma^2σ2) = 0 (hanya 1 pengukuran).

o S/N Ratio = Tidak dapat dihitung (gunakan nilai kelompok untuk pengamatan
berulang).

Namun, jika data memiliki pengukuran berulang, nilai S/N akan dihitung secara agregat.

5. Visualisasi Data

Grafik dapat digunakan untuk memvisualisasikan pengaruh tiap parameter terhadap hasil. Berikut
adalah langkah visualisasi yang dapat dilakukan:

1. Hitung rata-rata respon dan S/N Ratio untuk setiap level parameter.

2. Plot hasil dalam grafik pengaruh parameter (Main Effects Plot).

Grafik di atas menunjukkan pengaruh setiap parameter terhadap rata-rata ketebalan komponen
plastik. Berikut adalah analisisnya:

1. Parameter A (Suhu Cetak): Grafik menunjukkan tren hubungan antara suhu cetak dan
ketebalan. Peningkatan suhu cenderung meningkatkan konsistensi ketebalan.
2. Parameter B (Tekanan Injeksi): Grafik menunjukkan perubahan tekanan memiliki dampak
signifikan terhadap ketebalan produk, dengan nilai optimal berada di tengah level (60 bar).

3. Parameter C (Waktu Pendinginan): Pengaruh waktu pendinginan terhadap ketebalan lebih

stabil, tetapi level tertentu mungkin menghasilkan sedikit variasi dalam hasil.
 Rancangan Pembelajaran Kasus (Dikerjakan dalam kelompok home)
Sebelum perkuliahan berlangsung, pelajari video materi mengenai Quality by Design (M 12)

1. Pendahuluan:

▪ Mahasiswa akan diperkenalkan pada prinsip Quality by Design dan metode Taguchi.

▪ Diskusi kelompok tentang pentingnya mengontrol variabilitas dalam proses manufaktur.

2. Studi Kasus:

▪ Data awal dari proses produksi di ABC Plastics diberikan, mencakup parameter proses dan
tingkat reject.

▪ Mahasiswa diminta untuk merancang eksperimen dengan metode Taguchi menggunakan

matriks ortogonal L9.

3. Analisis Data:

▪ Mahasiswa melakukan analisis hasil eksperimen untuk menentukan kombinasi parameter

optimal.

▪ Signal-to-noise ratio (S/N ratio) digunakan untuk mengevaluasi stabilitas proses.

4. Presentasi dan Diskusi:

▪ Kelompok mahasiswa mempresentasikan hasil temuan dan rekomendasi mereka.

▪ Diskusi difokuskan pada bagaimana penerapan hasil analisis dapat meningkatkan Quality by
Design.
 Optimalisasi Proses Produksi untuk Meminimalkan Variasi
Kualitas Produk Plastik dengan Metode Taguchi

Abstrak. Perusahaan ABC Plastics memproduksi komponen plastik untuk keperluan otomotif yang
harus memenuhi spesifikasi ketat dari pelanggan. Namun, akhir-akhir ini terdapat peningkatan klaim
pelanggan terkait variasi kualitas produk, terutama pada ketebalan komponen. Hal ini menyebabkan
penurunan tingkat kepuasan pelanggan serta peningkatan biaya akibat klaim garansi. Dalam upaya
meningkatkan quality by design (QbD), manajemen memutuskan untuk mengadopsi metode Taguchi,
yang dikenal efektif dalam merancang eksperimen untuk mengoptimalkan parameter proses dan
meminimalkan variasi.

Latar Belakang

Dalam era globalisasi, persaingan industri manufaktur semakin ketat dengan tuntutan untuk
menghasilkan produk berkualitas tinggi secara efisien. Sektor industri plastik, terutama yang
mendukung kebutuhan otomotif, menjadi salah satu sektor yang paling terdampak. Komponen plastik
dalam otomotif memegang peran penting karena digunakan dalam aplikasi yang membutuhkan
presisi tinggi dan keandalan jangka panjang (Shah et al., 2019).

Industri otomotif memiliki standar kualitas yang sangat ketat, mencakup parameter utama seperti
ketebalan, kekuatan, dan presisi komponen. Ketidaksesuaian dalam spesifikasi dapat menyebabkan
konsekuensi serius, termasuk klaim garansi yang mahal dan berpotensi menurunkan reputasi
produsen (ISO 9001:2015). Variasi sekecil apa pun dalam ketebalan dapat berdampak pada integritas
struktural komponen kendaraan, yang pada akhirnya memengaruhi kinerja kendaraan secara
keseluruhan.

Perusahaan ABC Plastics, penyedia komponen plastik untuk industri otomotif, menghadapi tantangan
berupa variasi ketebalan produk yang signifikan. Data awal menunjukkan bahwa meskipun parameter
proses telah ditentukan berdasarkan pengalaman sebelumnya, hasil akhir produk masih menunjukkan
penyimpangan yang tidak konsisten. Hal ini menunjukkan bahwa metode pengendalian yang ada
belum dioptimalkan untuk mengatasi sumber variabilitas (Montgomery, 2020).

Dampak utama dari variasi ini adalah meningkatnya tingkat reject produk. Tingkat reject yang tinggi
tidak hanya menambah biaya produksi, tetapi juga mengurangi efisiensi operasional karena
memerlukan inspeksi ulang dan pemrosesan ulang produk yang cacat. Selain itu, variasi yang tidak
terkendali memaksa perusahaan untuk mengalokasikan lebih banyak sumber daya untuk memastikan
kualitas, yang seharusnya dapat dicegah dengan perancangan proses yang lebih baik (Basu et al.,
2015).

Konsep Quality by Design (QbD) muncul sebagai solusi untuk mengatasi tantangan ini. QbD adalah
pendekatan yang terstruktur untuk memastikan kualitas produk melalui perancangan dan
pengendalian parameter proses sejak awal. Prinsip utama QbD adalah memahami hubungan antara
parameter proses dan hasil akhir, sehingga memungkinkan perusahaan untuk merancang proses yang
robust dan konsisten (ICH Q8 Guidelines, 2009).

Metode Taguchi dikenal sebagai alat yang efektif dalam penerapan QbD. Metode ini memungkinkan
perancangan eksperimen yang efisien untuk mengidentifikasi kombinasi parameter proses yang
optimal sambil meminimalkan pengaruh faktor-faktor yang tidak terkendali (noise factors). Dengan
menggunakan matriks ortogonal, metode Taguchi membantu mengurangi jumlah percobaan yang
diperlukan tanpa mengurangi validitas hasil eksperimen (Taguchi & Konishi, 1987).

Produksi komponen plastik melibatkan parameter proses utama seperti suhu cetak, tekanan injeksi,
dan waktu pendinginan. Interaksi antarparameter sering kali menambah kompleksitas, sehingga
sulit untuk menentukan kombinasi optimal tanpa pendekatan berbasis data. Pengujian manual
terhadap semua kombinasi parameter tidak hanya memakan waktu tetapi juga memerlukan biaya
yang besar (Phadke, 1989).

Penerapan metode Taguchi di ABC Plastics bertujuan untuk mengidentifikasi kombinasi parameter
proses yang menghasilkan variasi ketebalan minimum. Melalui eksperimen terstruktur, metode ini
tidak hanya dapat mengoptimalkan parameter proses tetapi juga memberikan pemahaman
mendalam tentang hubungan antarparameter dan hasil kualitas produk.

Hasil yang diharapkan dari penerapan ini meliputi penurunan tingkat reject, peningkatan efisiensi
operasional, penurunan biaya produksi, dan peningkatan kepuasan pelanggan. Selain itu, keberhasilan
dalam penerapan metode Taguchi akan memperkuat posisi perusahaan dalam pasar global dengan
memenuhi standar kualitas internasional (Juran, 1998).

Dari data hasil 100 percobaan, ketebalan komponen plastik (output) menunjukkan variasi yang
dipengaruhi oleh tiga faktor utama: suhu cetak, tekanan injeksi, dan waktu pendinginan. Hasil awal
analisis menunjukkan:

1. Ketebalan rata-rata adalah 2.35 mm, dengan simpangan baku (standard deviation) sebesar 0.07
mm.

2. Kombinasi parameter suhu 180°C, tekanan 50 bar, dan waktu pendinginan 20 detik menghasilkan
ketebalan tertinggi, yaitu 2.48 mm, sementara suhu 220°C, tekanan 100 bar, dan waktu
pendinginan 10 detik menghasilkan ketebalan terendah, yaitu 2.26 mm.

Dengan menggunakan matriks ortogonal L9 dari metode Taguchi, variasi ini dapat dievaluasi secara
sistematis untuk mengidentifikasi parameter yang memiliki pengaruh terbesar terhadap kualitas
produk, serta menentukan kombinasi optimal untuk meminimalkan penyimpangan. Penerapan
analisis Signal-to-Noise Ratio akan memberikan panduan tambahan dalam menilai stabilitas proses
dan memperbaiki desain kualitas produk.

Permasalahan

1. Variasi Kualitas: Ketebalan komponen plastik sering kali melebihi toleransi yang ditetapkan.
2. Efisiensi Proses: Parameter proses seperti suhu cetak, tekanan injeksi, dan waktu pendinginan
tidak dioptimalkan secara sistematis.
3. Biaya Operasional: Tingginya reject rate akibat variasi kualitas meningkatkan biaya produksi.

Pertanyaan Penelitian

1. Parameter proses mana yang paling memengaruhi kualitas produk (ketebalan komponen)?
2. Bagaimana kombinasi parameter optimal untuk meminimalkan variasi ketebalan?
3. Bagaimana penerapan metode Taguchi dapat mendukung prinsip Quality by Design di perusahaan
ini?

Berikut adalah parameter proses awal yang diberikan:

Hasil produksi (dalam mm) dari matriks ortogonal L9 adalah sebagai berikut:

Pertanyaan penelitian selanjutnya adalah:

1. Hitung Signal-to-Noise Ratio untuk masing-masing percobaan.

2. Tentukan kombinasi parameter proses optimal berdasarkan hasil analisis.

3. Diskusikan bagaimana hasil ini dapat diterapkan untuk meningkatkan Quality by Design.
Referensi

1. Basu, R., Wright, J. N., & Kumar, D. (2015). Quality management: Theories and practices.
Routledge.

2. International Council for Harmonisation (ICH). (2009). Q8 (R2) Pharmaceutical Development

Guidelines.

3. Montgomery, D. C. (2020). Design and Analysis of Experiments. Wiley.

4. Phadke, M. S. (1989). Quality engineering using robust design. Prentice Hall.

5. Shah, R., Ward, P. T., & Zhou, H. (2019). Defining and developing measures of lean production.
Journal of Operations Management, 41(3), 13-34.

6. Taguchi, G., & Konishi, S. (1987). Taguchi methods: Orthogonal arrays and linear graphs.
American Supplier Institute.

7. Juran, J. M. (1998). Juran's Quality Handbook. McGraw Hill.