STATISTICAL PROCESS CONTROL

Miftah Nuriel Rizki (032)

Rizka Noor Rachmasari (044)
Ismi Lailiyana Yushfianti (053)
 PENGERTIAN

Statistical Process Control (SPC) adalah suatu metodologi pengumpulan dan

analisa data kuantitatif, serta penentuan dan interprestasi dari pengukuran-
pengukuran yang telah dilakukan yang dapat menjelaskan proses dalam
peningkatan kualitas produk untuk memenuhi kebutuhan dan ekspektasi
pelanggan (Gaspersz 1998).
Statistical Process Control (SPC) merupakan suatu metode pengumpulan dan
analisis data menggunakan data statistik berupa bagan pengendalian untuk
memantau dan meningkatkan performansi proses dalam menghasilkan produk
yang bermutu.
 SEJARAH

SPC dicetuskan pertama kali oleh Walter Andrew Shewhart ketika bekerja di Bell Telephone Laboratories,
Inc. pada tahun 1920-an. Dalam dokumen sejarah Western Electric diceritakan pada tahun 1918, Shewhart
bergabung di Departemen Inspection Engineering, Western Electric di Hawthorne, manajamen kualitas
industri masih terbatas pada kegiatan inspeksi produk jadi dan memperbaiki/membuang barang-barang
cacat. Semuanya berubah pada bulan Mei 1924, atasan Shewhart, George Edwards, menceritakan:
“Dr. Shewhart telah menyiapkan sebuah  memo kecil yang panjangnya hanya sekitar satu halaman.
Sepertiga halaman berisi sebuah skema sederhana yang sekarang dikenal sebagai peta kendali.
Dalam skema tersebut, dan teks singkat yang mendahului dan mengikutinya, tercantum semua
prinsip-prinsip  dan pertimbangan-pertimbangan penting tentang apa yang kita kenal sekarang
sebagai proses pengendalian kualitas.”
Pada tahun yang sama, Shewhart menciptakan peta kendali statistik pertama untuk proses manufaktur
melalui prosedur-prosedur sampling statistik dan mempublikasikan penemuannya dalam buku Economic
Control of Quality of Manufactured Product pada tahun 1931.
 JENIS-JENIS SPC

• Proportion defective control chart (P-chart)

• Number defective control chart (NP-chart)
• Defects per count/subgroup control chart (C-chart)
• Defects per unit control chart (U-chart)
 PROPORTION DEFECTIVE CONTROL
CHART (P-CHART)

P dalam P-chart berarti “proportion“, yaitu proporsi unit-unit yang tidak sesuai (nonconforming units)
dalam sebuah sampel. Proporsi sampel tidak sesuai didefinisikan sebagai rasio dari jumlah unit-unit yang
tidak sesuai
Peta kendali P (Proporsi) digunakan untuk data yang terdiri dari proporsi jumlah kejadian terhadap total
jumlah kejadian dan digunakan dalam pengendalian kualitas untuk melaporkan unit unit yang tidak sesuai
dalam produk. Karakteristik kualitas dengan “jumlah n tidak harus konstan”.
Rumus menghitung P :

pi = proportion defective in delivery I

xi = number of defectives in delivery I
ni = size (number of items) of the ith delivery
 NUMBER DEFECTIVE CONTROL CHART
(NP-CHART)

Jika P-chart memonitor proporsi cacat (p) dalam jumlah sampel (n), maka NP-
chart memonitor jumlah cacat itu sendiri. N dalam NP-chart berarti “number”
atau “jumlah”, yaitu jumlah unit-unit yang tidak sesuai (nonconforming units)
dalam sebuah sampel. NP-chart hanya menggunakan pengukuran sampel konstan.
Rumus menghitung NP :

 NP =
 DEFECTS PER COUNT/SUBGROUP
CONTROL CHART (C-CHART)

• C pada C-Chart berarti “count” atau hitung cacat, ini bermaksud bahwa C-chart

dibuat berdasarkan pada banyaknya titik cacat dalam suatu item. C-chart  berbeda
dengan P-chart maupun NP-chart yang menilai satu item sebagai “cacat” atau
“tidak cacat”, C-chart menghitung banyaknya cacat dalam satu item tersebut.
• Rumus menghitung C :

Dimana :
ci = number of defects on the i unit
k = number of units examined
 DEFECTS PER UNIT CONTROL CHART
(U-CHART)

• U dalam U-chart berarti “unit” cacat dalam kelompok sampel. U-chart menghitung  titik cacat per unit laporan
pemeriksaan dalam periode yang mungkin memiliki ukuran sampel bervariasi (banyak item yang diperiksa).
Jika C-chart menghitung  titik cacat dalam satu item yang sama, maka U-chart digunakan dalam kasus di
mana sampel yang diambil bervariasi atau memang seluruh produk  yang dihasilkan akan diuji. Hal ini berarti
bahwa U-chart digunakan jika ukuran sampel lebih dari satu unit atau mungkin bervariasi dari waktu ke waktu.
• Pada U-chart, kita  perlu menghitung terlebih dahulu u cacat untuk setiap n sampel, yaitu:

Xi = jumlah cacat dalam subgrup ke-i 

Ni = jumlah unit laporan pemeriksaan dalam subgrup ke-i.
ATTRIBUTE DATA – CONTROL CHARTS
 PETA KENDALI (CONTROL CHART)

Secara umum, peta kendali dalam SPC selalu terdiri dari tiga garis horisontal, yaitu:
• Garis pusat (center line), garis yang menunjukkan nilai tengah (mean) atau nilai rata-rata dari
karakteristik kualitas yang di-plot pada peta kendali SPC.
• Upper control limit (UCL), garis di atas garis pusat yang menunjukkan batas kendali atas.
• Lower control limit (LCL), garis di bawah garis pusat yang menunjukkan batas kendali bawah.
Garis-garis tersebut ditentukan dari data historis. Shewhart menggunakan kurva distribusi normal
(distribusi Gauss) dengan μ sebagai garis pusat yang menunjukkan  nilai rata-rata sebaran karakteristik
proses, dan ±σ yang dirubah menjadi UCL dan LCL sebagai landasannya.
 DATA ATRIBUT

Data atribut bersifat diskrit (discrete distribution). Data ini umumnya diukur dengan cara dihitung menggunakan
daftar pencacahan atau tally untuk keperluan pencatatan dan analisis, sebagai contoh:
• jumlah cacat dalam satu batch produk,
• jenis kelamin (laki-laki/perempuan),
• jenis warna cat (merah, gold, silver, hitam), dan lain-lain
Sifat discrete distribution memberi gambaran data atribut berbentuk bilangan cacah yang nilai data harus integer
atau tidak pecahan, dapat dihitung, dan terhingga. Pengukuran data atribut akan jauh lebih sederhana
dibandingkan dengan pengukuran data variabel karena data diklasifikasikan sebagai cacat atau tidak cacat
berdasarkan perbandingan dengan standar yang telah ditetapkan. Pengklasifikasian ini tentunya menjadikan
kegiatan inspeksi lebih ekonomis dan sederhana.
Sebagai contoh diameter poros dapat diperiksa dengan menentukan apakah akan bisa melewati alat pengukur
berupa jig atau template berlubang. Pengukuran ini tentunya lebih cepat dan sederhana ketimbang mengukur
diameter langsung dengan vernier caliper atau mikrometer.
Pemilihan peta kendali ini tergantung apakah kita mau menghitung jumlah cacat per item atau hanya
menghitung cacat total. Jika kita hanya akan membedakan antara cacat atau tidak cacat, maka kita
menggunakan P-chart atau NP-chart. Namun jika kita menghendaki analisis yang lebih mendalam, misal
berapa banyak cacat pada semua item, maka kita menggunakan C-chart atau U-chart.
Pemilihan peta kendali yang tepat juga dipilih berdasarkan pada apakah ada jumlah konstan di setiap subgrup
peta kendali. Peta kendali atribut umumnya membutuhkan ukuran sampel yang jauh lebih besar daripada
peta kendali variabel (Montgomery & Runger, 2003, p. 625).
 CONTROL CHART LIMIT

• Control Chart adalah sebuah grafik yang memberi gambaran tentang perilaku
sebuah proses. Diagram kontrol ini digunakan untuk memahami apakah sebuah
proses manufakturing atau proses bisnes berjalan dalam kondisi yang terkontrol
atau tidak.
 MENENTUKAN CONTROL LIMIT

•  Menentukan StandarDeviasi (σ) sample data

• Mengkalikan SD (σ) dengan 3
• Menjumlahkan 3σpadauntuk Upper Control Limit
• Mengurangkan3σpadauntukLower Control Limit

± 3σ
 CONTROL CHART LIMIT MENURUT
AMERICAN AUTOMOTIVE

• American
  Automotive telahmembuat control chart yang
telahdisederhanakanuntukmencari UCL dan LCL
UCL =
LCL =
CONTROL CHART
BATASAN MEAN CHART