Design of Experiments

Tujuan dari DOE :

• Untuk menemukan faktor yang dominant pada produk atau proses

yang mempengaruhi mutu product

Misalnya :
Kita mempunyai 100 faktor yang mungkin dapat
berpengaruh terhadap variasi output. Dari 100 faktor tersebut
yang mana yang paling dominant ?
• Melihat interaksi antar faktor dominant tersebut
misalnya :
dari ke 100 faktor tersebut ditemukan bahwa faktor
yang dominant adalah ketebalan material dan temperatur mesin,
apakah ada interaksi antara ke 2 faktor tersebut ?

1
Grafik hal 28

2
 3 Metode DOE

1. Classical method

2. Taguchi Method

3. Shanin Method

Dari ke tiga metode ini metode yang paling mudah adalah

metode shanin sedangkan metode taguchi dan classical
membutuhkan pemahaman statistik yang lebih mendalam
dan komputer untuk perhitungan.
3
Tabel halaman 41

4
Design of Experiments Metode Shanin

1. Multi-vari Charts.
2. Components Search
3. Paired Comparisons
4. Variable Search
5. Full Factorials
6. B vs C
7. Realistic Tolerance Parallelogram (Scatter Plot)

5
DOE Seven Tools Flow Charts

6
 Multi-Vari Charts
Multi-Vari charts dapat digunakan untuk mengurangi kemungkian faktor
penyebab yang sangat banyak (misalnya 100 faktor kemungkinan penyebab) ke
group yang lebih kecil dimana faktor dominan tersebut berada (Red X)

Dalam Multi-Vari kita mengelompokkan variasi ke dalam

– Positional,
• variasi dalam 1 unit (contohnya porosity dalam 1 barang coran)
– Cyclical
• variasi antar unit/ unit to unit
– Temporal
• variasi antar waktu
Dengan mengetahui dimana letak variasi maka kita dapat mempersempit masalah
karena kita telah mengetahui dimana sebenarnya faktor dominan itu berada.
Misalnya: dengan mengetahui bahwa variasi terletak pada kelompok temporal
diketahui bahwa variasi dalam 1 unit dan variasi antar unit cenderung stabil,
faktor dominan berasal dari variasi antar waktu

7
Figure 6-1 halaman 61

8
 Contoh kasus

Pembuat silinder rotor shaft menghasilkan lebar variasi process 0.0025”, sedangkan specifikasi
ditentukan 0.0250± 0.001, yang berarti lebar spesifikasi 0.002” (cpk 0.8) akibatnya banyak
yang discrap. Faktor yang menyebabkan variasi proses tidak diketahui. Engineer
mengatakan bahwa mesin tidak mampu untuk menghasilkan output dengan lebar variasi
hanya 0.002”, untuk itu engineer mengusulkan untuk membeli mesin baru yang mempunyai
kemampuan lebih tinggi. Management memutuskan untuk melakukan DOE sebelum
sampai pada keputusan untuk membeli mesin baru.

DOE dilakukan.
– 4 posisi pengukuran dilakukan untuk setiap part, menggambarkan variasi antar part, taper antara
shaft kiri dan kanan dan round-out, max dan min diameter pada setiap sisi, gambar terlampir
– Dari gambar disimpulkan bahwa variasi terletak pada kelompok temporal (variasi antar waktu).
Variasi terbesar terletak antara jam 10.00-11.00 yang mana bertepatan dengan waktu break.
Setelah dianalisa ternyata penyebabnya adalah temperatur mesin yang berlebihan. Setelah istirahat,
mesin dingin kembali sehingga hasil produk kembali normal. Setelah dianalisa lebih mendalam
ternyata diketahui bahwa cooling pemotongan ternyata tinggal setengah. Perbaikan dilakukan
dengan menambah cooling pemotongan setiap hari.

9
Figure 6-2 halaman 62

10
 Component search

• Metode ini terutama dapat diterapkan pada assembly operation

• Performance output harus dapat terukur dan mempunyai kemampuan

pengulangan

• Unit test harus dapat dibongkar pasang tanpa merubah/ merusak

output

• Harus ada paling sedikit 2 produk asembly yang berbeda. Satu

dikategorikan good, yang lain dikategorikan Bad

11
 Prosedure component search

1. Pilih part yang terbaik dan terburuk

2. Tentukan quantitative parameter yang akan diukur. Ukur kedua part tersebut dan catat hasilnya
3. Bongkar dan pasang kembali part yang BAIK 2 kali dan catat hasilnya. Demikian pula untuk
part yang jelek.
• Ketiga hasil pengukuran part yang BAIK harus labih baik dari part yang JELEK
• Perbandingan nilai D (nilai tengah dari part yang BAIK dikurangi nilai tengah dari part
yang JELEK) dengan d (rata-rata range dari part yang BAIK dan part yang JELEK)
harus mempunyai perbandingan 1,25 : 1
• Buat rangking dari komponen yang menurut engineer merupakan faktor utama yang
menyebabkan variasi pada produk (misalnya A-G)
• Komponen dengan rangking paling tinggi (part A) dari part yang BAIK diassembly pada
part yang JELEK, demikian pula sebaliknya. Ukur masing-masing part.
1. Apabila part yang BAIK dan part yang JELEK berada dalam control limit
berarti A bukan part yang dominan, lanjutkan untuk part B
2. Jika salah satu part, baik yang BAIK atau yang JELEK keluar kontrol limit,
berarti A merupakan salah satu part yang penting, tetapi A tidak berdiri sendiri.
A berinteraksi dengan part yang lain.
3. Jika kedua part baik yang BAIK maupun yang JELEK keluar kontrol limit,
maka A adalah faktor satu-satunya yang dominan dan experiment selesai
• Ulangi percobaan ini untuk part yang lain, part A, B, C dst
12
 Contoh kasus

Sebuah hourmeter dibuat oleh electronic company mempunyai defect rate 20 %, karena beberapa
part gagal dalam test reliability pada kondisi suhu -40. Unit yang terjelek gagal pada suhu 0
Experiment dilakukan dengan hasil sebagai berikut

HIGH (GOOD) LOW (BAD)

Hasil pertama H1 -40 L1 0

Hasil kedua setelah dibongkar H2 -35 L2 -5

kemudian dipasang kembali

Hasil ketiga setelah dibongkar H3 -37 L3 -7

kemudian dipasang kembali

13
 Rangking komponen yang penting

Rank Components Label

1 solenoid, pin, and shield A
2 idler gear shaft B
3 Numeral shaft C
4 Mainframe D
5 Bell crank E
6 idler gear F
7 Numeral wheels G
8 Circuit board H
9 part yang lain R (remainder)

Catatan :
• Testing simbol
• ALRH = A dari part yang JELEK, sisanya (R) dari part yang BAIK
• AHRL = A dari part yang BAIK, sisanya (R) dari part yang JELEK
• perhitungan kontrol limit = median ± 2.776 d / 1.81
14
Tabel halaman 74

15
Figure 7-1 halaman 76

16
Main effect and interaction effect

Halaman 79

17
 Variable Searchs

• Experiment pada variable search mirip dengan component

search, hanya pada variable search, experiment dilakukan
bukan pada produk yang bisa dibongkar-pasang

• Dilakukan pada produk yang mempunyai 5 atau lebih variable

yang perlu dianalisa

• Tentukan variable-variable penting yang menurut engineer

paling penting, beri label misalnya A, B, C, D, E, F, G.
Tentukan 2 parameter untuk masing-masing label
• High untuk yang menghasilkan ouput yang BAIK
• Low untuk yang menghasilkan output yang JELEK

18
 Contoh kasus

Pada stamping plant, part yang diproduksi mempunyai lebar variasi proses
0,020 sedangkan lebar spesifikasi hanya 0,010 (cpk 0,5).

DOE dilaksanakan dengan menggunakan metode variable search, 6 faktor

yang kemungkinan penyebab variasi pada ouput telah ditentukan,
2 parameter pada masing-masing faktor juga telah ditentukan
(lihat tabel terlampir)

19
Halaman 97

20
Halaman 98

21
 Penyelesaian Masalah Dengan Methode DOE

Product Name : RB Packing

Type of Mould : Tranfers
Cavity : 15 dari 16

Berdasarkan analisa yang dilakukan dari Pareto Diagram diambil kesimpulan ada 3
(tiga) besar jenis kegagalan yang terjadi, yaitu :
- Tidak mengisi
- Kotor
- Bersentuhan dengan body

Langkah - langkah yang dilakukan :

Langkah 1. Analisa Penyebab (Diagram Fishbone)

22
 Steps of Activity

Langkah 1. Analisa Penyebab (Diagram Fishbone)

machine Product NG
Temperatur - tidak mengisi
- kotor
manusia - kena body

Penyemprotan Potongan / ukuran

silicon
Standard SO
methode Jenis karet
material

23
 Steps of Activity

Langkah 2. Penyebab Dominan

2.1. Mencatat parameter proses lama dan menentukan parameter proses baru.

Faktor Proses baru Proses lama

Standard SO 20 kg / lot 60 kg / lot
Jenis Karet RSS 3 SIR 10
Potongan Material 330 x 360, t = = 3 mm, 280 x 310, t = 4 mm,
w = 405 +/- 5 gr w = 400 gr
Temperatur 140 o C +/- 5 155 oC +/- 5
Penyemporotan Silicon Setiap cycle dibag pot tidak beraturan

2.1. Data hasil trial proses lama dan proses baru.

Cycle Reject Proses Baru Reject Proses Lama
1 ~ 3 0 9
4 ~ 6 0 9
7 ~ 9 1 7

24
 Steps of Activity

2.3. Mencari nilai D dan d

D = 9-0=9

d = (2+1)/2
= 1,5

D/d  1.25 : 1 dan 9/1,5 = 6 : 1

Dari nilai di atas dianggap pengambilan sample dilakukan dengan benar.

2.4 Melakukan Trial Combinasi

Control limit = Median +/- (2,776 x 1,5) / 1,81

= Median +/- 2,30

Control limit proses lama = 6,70 s/d 11,30

Control limit proses baru = -2,30 s/d 2,30

25
Data Trial Combinasi

26
2.5 Menentukan faktor yang berpengaruh

27
2.5 Menentukan faktor yang berpengaruh

28
 Kesimpulan

Dari perhitungan di atas didapat kesimpulan

bahwa faktor yang paling dominan adalah faktor E
dan C, kedua faktor ini ada hubungan satu sama
lain, tetapi sangat lemah.

29
 Tindakan Yang Dilakukan

1. Cara penyemporatan silicon

- Semprot silikon di pot sebanyak 8 kali tiap cycle.
- Penyemporotan harus merata di semua bagian pot.
- Penyemporotan di bgain cord dilakukan per 5 cycle

2. Cara pemotongan material

- Material dipotong langsung di mixing dengan menggunakan mal +
fasilitas (dibuatkan mal)

3. Menetapkan standard SO 20 kg / lot.

- Karena ini berpengaruh terhadap scorch time dari material.

30