Kendali

Proses
Statistik
Kelompok 8
Bia Haqqulimara F0218018
Indah Lestari Setyaningrum F0218048
Mutia Retno Dewayani F0218076
Shania Surya Pratiwi F0218109
Kendali Proses Statistik
Suatu proses yang digunakan untuk memonitor
standar dengan menetapkan pengukuran dan
tindakan korektif atas suatu produk atau jasa yang
dihasilkan.
Kendali Proses Statistik (SPC)

Variasi Khusus
Variasi Natural
dalam suatu proses dapat
banyak sumber variasi yang
ditelusuri pada suatu alasan
terjadi di dalam suatu proses,
tertentu. Faktor-faktor,
bahkan salah satu yang ada di
misalnya keausan mesin,
dalam pengendalian statistik.
perlengkapan yang
Variasi natural membentuk suatu
tidakdiperbaiki, kelelahan,
pola yang dapat digambarkan
atau para pekerja yang belum
sebagai distribusi.
terlatih, atau batch bahan
material yang Baru semuanya
merupakan sumber yang
berpotensial bagi variasi-
variasi khusus.
Grafik Kendali
menunjukan3 distribusi yang merupakan
hasil output dari 3 tipe proses. Kita memplot
sampel kecil dan kemudian memeriksa
karakteristik dari data yang dihasilkan untuk
melihat jika proses berada di dalam "batas
kendali. Tujuan dari diagram kendali adalah
untuk membantu membedakan di antara
variasi natural dengan variasi yang
sehubungan dengan penyebab khusus.
Grafik Kendali
untuk Variabel
Dua tipe grafik akan berjalan beriringan ketika memonitor
variabel karena mereka mengukur dua parameter yang
kritikal: kecenderungan sentral (central tendency) dan
penyebaran (dispersion).
Dalil Batas Sentral

Fondasi teoretis untuk grafik x bar adalah dalil batas sentral

(central limit theorem). Dalil ini menyatakan bahwa terlepas
dari distribusi populasi, distribusi atas x (masing-masing di
mana adalah rata-rata dari sampel yang ditarik dari populasi)
akan cenderung untuk mengikuti kurva normal sebagai jumlah
dari sampel yang meningkat.
AWESOME
SLIDE
LOREM IPSUM
DOLOR SIT AMET,
Menetapkan Batas
Grafik Rata-Rata
(Grafik )
Apabila kita mengetahui,
melalui dala masa lalu,
standar deviasi dari populasi
(proses),0, kita dapat
menetapkan batas kendali
atas dan bawah’dengan
menggunakan formula berikut.
 Contoh - MENETAPKAN SOLUSI
 Berat rata-rata dalam sampel per jam pertama =
BATAS KENDALI Juga, standar deviasi populasi (proses) yang diketahui menjadi 1 ons. Kami tidak
PENGGUNAAN SAMPEL menunjukkan tiap-tiap kotak yang dipilih secara acak dalam jam 2 hingga 12, tetapi di
sini terdapat seluruh 12 sampel setiap jam:

Bobot kotak Oat Flakes di dalam suatu lot produksi yang besar disampel setiap
jam. Manajer ingin menetapkan batas kendali yang mencakup 99,73% dari rata- Berat Sampel Berat Sampel Berat Sampel
rata sampel. jam 9 kotak jam 9 kotak jam 9 kotak
PENDEKATAN – Pilih secara acak dan timbang 9 (n = 9) kotak tiap jam. 1 16,1 5 16,5 9 16,3
Kemudian, temukan keseluruhan rata-rata dan gunakan Persamaan (S6-3) dan 2 16,8 6 16,4 10 14,8
(S6-4) untuk menghitung batas kendali. Berikut 9 kotak yang dipilih Jam 1:
3 16,5 7 16,2 11 14,2
4 16,5 8 16,4 12 17,3
Rata-rata mean atas 12 sampel dihitung dengan persis tepat 16 ons
Oleh karena itu, kita memiliki . Batas kendali adalah:

Sebanyak 12 sampel ini kemudian diplot pada grafik kendali berikut:

Karena rata-rata dari sampel rata-rata terkini berada di luar batas kendali atas dan
bawah, yaitu 17 dan 15, kita dapat menyimpulkan bahwa proses menjadi tidak
menentu dan tidak terkendali.
Karena standar deviasi
proses sering tidak
tersedia, kita biasanya
menghitung batas kendali
berdasarkan rata-rata  Persamaan:
kisaran nilai dan bukannya
standar deviasi. Kisaran
(Ri) didefinisikan sebagai
perbedaan antara barang
terbesar dan terkecil
dalam satu sampel. di mana
= rata-rata kisaran sampel
Ri= kisaran untuk satu sampel.

A2 = nilai pada persamaan tersebut

= rata-rata dari sampel rata-rata
 Contoh - MENETAPKAN BATAS Berikut ini data dan perhitungannya:
 
RATA-RATA PENGGUNAAN
TABEL NILAI
Botol minuman ringan Super Cola berlabel "berat bersih 12 ons." Memang,
keseluruhan proses rata-rata 12 ons telah ditemukan dengan mengambil 10 sampel,
di mana setiap sampel berisi 5 botol. Rata-rata kisaran dari proses adalah 0,25 ons.
Tim OM ingin menentukan batas kontrol atas dan bawah untuk rata-rata dalam proses
ini.

Super Cola pertama-tama memeriksa 10 sampel untuk menghitung kisaran rata-rata

proses.

Melihat pada Tabel S6.1 untuk ukuran sampel 5 pada kolom rata-rata faktor
A2, kami menemukan nilai 0,577. Dengan demikian, batas bagan kontrol atas
dan bawah adalah:

= 12 + (0,577)(0,25)
= 12 + 0,144
= 12,144 ons

= 12 – 0,144
= 11,856 ons

Keuntungan menggunakan pendekatan kisaran ini, daripada deviasi standar,

adalah pendekatan ini mudah diterapkan.
 Mengatur Batas Grafik Kisaran (Grafik R)
Mengatur Batas Grafik Kisaran (Grafik R)
Manajer operasi tertarik pada penyebaran proses, atau kisaran. Meskipun proses rata - rata terkendali, namun
penyebaran proses mungkin tidak.
Manajer
Sebagai operasi
contoh, tertarik
sesuatu padayang
proses penyebaran
sedang proses,
berjalanatau kisaran.
mungkin Meskipunsatu
melewatkan proses rata - rata
peralatan untukterkendali, namun
mengisi kotak-kotak
penyebaran
Oat Flakes. Hasilnya, rata-rata sampel mungkinproses
tetap mungkin tidak.
sama, tetapi variasi dalam sampel bisa berbeda.
Sebagai contoh,
Untuk itu, sesuatu
manajer operasiproses yang sedang
menggunakan berjalan
grafik kendalimungkin melewatkan
atas kisaran satu peralatan
untuk memantau untuk mengisi
variabilitas kotak-kotak
proses, serta grafik
kendali Oat
atasFlakes. Hasilnya,
rata-rata, rata-rata sampel
yang memantau mungkin sentral
kecenderungan tetap sama, tetapi
proses. variasi
Batas dalam sampel
ditetapkan pada ±3bisa berbeda.
standar deviasi atas
Untukdistribusi
itu, manajer operasi
untuk menggunakan
rata-rata grafik
kisaran R. Kita kendali
dapat atas kisaranpersamaan
menggunakan untuk memantau
berikut variabilitas proses, serta
untuk menetapkan batas grafik
kendali atas rata-rata, yang memantau kecenderungan
kontrol atas dansentral
bawahproses. Batas ditetapkan pada ±3 standar deviasi atas
untuk kisaran:
distribusi untuk rata-rata kisaran R. Kita dapat menggunakan persamaan berikut untuk menetapkan batas
kontrol atas dan bawah untuk kisaran:

dimana:
 Menggunakan Grafik Rata-rata dan Kisaran

Grafik peka terhadap pergeseran dalam

 proses rata-rata, sedangkan grafik R peka
terhadap pergeseran di dalam proses
standar deviasi.

Dengan menggunakan kedua grafik kita

dapat melacak perubahan dalam proses
distribusi. Sebagai contoh, sampel dan
garfik yang dihasilkan pada Gambar (a)
menunjukkan pergeseran dalam proses
rata-rata, tetapi karena penyebarannya
konstan, tidak ada perubahan yang
terdeteksi oleh grafik R. Sebaliknya, sampel
dan grafik pada Gambar (b) mendeteksi
tidak ada pergeseran (karena tidak ada
yang berganti), tetapi grafik R mendeteksi
pergeseran di dalam penyebaran. Kedua
grafik diperlukan untuk menelusuri proses
secara akurat.
 Langkah- langkah ketika menggunakan diagram
kendali:
Kumpulkan 20-25 sampel yang masing-masing
berukuran n=4 atau n=5 dari proses yang stabil. 01
Hitung rerata dan jangkauan setiap sampel. Nilai z yang umum
Hitung rerata keseluruhan (𝑥̅ dan 𝑅̅ ), tetapkan batas-batas Nilai z (Standar
Deviasi yang
kendali yang sesuai, biasanya pada tingkat 99,73 %, dan Batas Kendali
Diperlukan untuk
hitung batas-batas kendali atas dan bawah awal. Jika saat ini 02 yang Diinginkan
Tingkat
(%)
prosesnya belum stabil,gunakan rerata yang diinginkan, , Keyakinan yang
untuk mengantikan 𝑥̅ dalam menghitung batas-batas kendali. Diinginkan)

90,0 1,65
Gambar titik-titik rerata dan jangkauan sampel pada
diagram kendalinya masing-masing dan tentukan apakah 03 95,0 1,96
titik-titik itu berada di dalam atau diluar batas yang diterima.
95,45 2,00
Periksa titik-titik atau pola titik yang menunjukkan proses di
laur kendali. Coba tentukan penyebab dari variasi tersebut, 04 99,0 2,58
atasi penyebabnya, kemudian lanjutkan prosesnya.
99,73 3,00

Kumpulkan sampel tambahan. Bila perlu, sesuaikan

batas-batas kendali mengguanakan data yang baru. 05
Grafik Kendali untuk Atribut
 
Grafik kendali untuk dan R tidak berlaku
ketika kita melakukan sampel atas atribut,
yang biasanya diklasifikasikan sebagai cacat
atau tidak cacat. Mengukur cacat melibatkan
penghitungan mereka (misalnya, jumlah
bohlam lampu yang rusak dalam suatu lot
tertentu, atau jumlah huruf atau catatan entri
data yang diketik dengan keliru), sedangkan
variabel biasanya diukur pada panjang atau
berat.

Ada dua macam grafik kendali atribut:

1. Grafik P, yang mengukur persentase
kecacatan dalam sampel
2. Grafik C, yang menghitung jumlah yang
cacat
  Rumus untuk batas kendali atas
Menggunakan
  grafik p
dan bawah dari grafik p:
(p-charts) adalah cara
utama untuk
mengendalikan atribut.
Meskipun atribut itu baik
atau buruk mengikuti
distribusi binomial,
distribusi normal dapat
digunakan untuk
menghitung batas grafik p keterangan:
 
ketika ukuran sampelnya
besar. Prosedur yang
menyerupai pendekatan
grafik , di mana juga
didasarkan pada teori di mana n = jumlah observasi dalam tiap-tiap sampel
batas sentral.

Grafik p
CONTOH S4—MENETAPKAN BATAS KENDALI UNTUK
PERSENTASE KECACATAN

Para pegawai pada Mosier Data System penting

dalam mencatat ribuan asuransi setiap hari bagi
berbagai macam perusahaan klien. CEO Donna
Mosier ingin menetapkan batas kendali untuk
memasukkan 99,73% variasi acak dalam proses
entri data ketika berada dalam kendali.
Pendekatan
Sampel kerja atas 20 para pegawai
dikumpulkan (dan diperlihatkan dalam tabel).
Mosier berhati-hati dalam memeriksa 100
catatan yang dimasukkan oleh setiap
pegawai dan menghitung jumlah kesalahan.
Dia juga menghitung bagian kecacatan
dalam setiap sampel.
 SOLUSI
Solusi > = = = 0,04
= = 0,02 (0,0196 dibulatkan ke atas)

UCLp = + zp = 0,04 + 3(0,03) = 0,10

LCLp = - zp = 0,04 - 3(0,03) = 0
Grafik c

Grafik kendali berfungsi untuk cacat

membantu dalam memonitor proses
di mana sejumlah besar kesalahan
yang berpotensial dapat terjadi, tetapi
jumlah actual yang terjadi relative
kecil. Cacat dapat berupa kesalahan
dalam penulisan kata-kata pada surat
kabar, sirkuit yang rusak dalam
sebuah mikrocip, noda pada meja,
atau acar yang hilang pada restoran
hamburger cepat saji.
CONTOH S5—MENETAPKAN BATAS KENDALI
UNTUK JUMLAH YANG CACAT

Red Top Cap Company menerima beberapa keluhan

per hari mengenai perilaku dari para pengemudinya.
Selama periode 9 hari (di mana hari adalah ukuran
untuk unit). Pemilik, Gordon Hoft, menerima jumlah
panggilan dari para penumpang yang marah sebagai
berikut: 3, 0, 8, 9, 6, 7, 4, 9, 8 untuk total 54 keluhan .
Hoft ingin menghitung batas kendali 99,73%.
 
Pendekatan > menerapkan rumus Batas kendali =
Solusi > = = 6

sehingga:
UCLc = = 6 + = 6 + 3(2,45) = 13,35 atau 13
LCLc = = 6 - = 6 - 3(2,45) = 0
 
Permasalahan Manajerial dan Grafik Kendali

Pertama, para manajer harus memilih poin-poin di dalam proses mereka yang memerlukan SPC.
Mereka akan meminta "suku cadang manakah dari pekerjaan yang sangat penting bagi keberhasilan?"
Atau "suku cadang manakah dari pekerjaan yang memiliki kecenderungan berada di luar kendali?"

Kedua, para manajer perlu untuk memutuskan jika grafik variabel (misalnya dan R) atau diagram atribut
(misalnya p dan c) yang tepat. Grafik variabel akan memonitor berat atau dimensi. Grafik atribut lebih
dari ukuran "benar salah" atau "pergi tidak pergi" dan cenderung sedikit mahal untuk
mengimplementasikannya. tabel dapat membantu anda dalam memahami ketika menggunakan masing-
masing dari tipe-tipe grafik kendali ini.

Ketiga, perusahaan harus menetapkan kebijakan SPC yang jelas dan spesifik bagi para karyawan untuk
diikuti. Sebagai contoh haruskah proses entri data dihentikan jika kecenderungannya terlihat dalam
persen kecacatan catatan saat pengetikan? Haruskah lini perakitan dihentikan jika rata-rata panjang dari
5 sampel secara berturut-turut di atas garis tengah?
Kapabilitas Proses

Kendali proses secara statistik berarti menjaga agar suatu proses berada di dalam kendali. Hal ini berarti
bahwa variasi natural dari proses harus stabil. Akan tetapi, suatu proses yang berada di dalam kendali
statistik tidak akan menghasilkan barang atau jasa yang memenuhi spesifikasi desain mereka (toleransi).
Kemampuan suatu proses untuk memenuhi spesifikasi desain dimana ditetapkan oleh desain rekayasa
teknik atau kebutuhan konsumen dinamakan kapabilitas proses meskipun proses tersebut secara
statistik berada di dalam kendali, tetapi output dari proses tersebut tidak akan sesuai dengan spesifikasi.
 Rasio Kapabilitas (Cp)
 
Untuk suatu proses agar mampu, nilainya harus jatuh di dalam spesifikasi atas dan
bawah. Hal ini umumnya berarti bahwa kapabilitas proses ada di dalam 3 standar
deviasi dari rata-rata proses. Ketika kisaran nilai ini adalah 6 standar deviasi, toleransi
kapabilitas proses yang mana perbedaan di antara spesifikasi atas dan bawah harus
lebih besar daripada atau sama dengan 6.

Rasio Kapabilitas Proses, Cp, dihitung dengan:

Cp =
CONTOH S6—RASIO KAPABILITAS PROSES (Cp)
 Dalam proses klaim asuransi GE, = 210 menit, dan = 0,516 menit.

Spesifikasi desain untuk memenuhi ekspektasi konsumen adalah 210 3 menit. Jadi,
spesifikasi atas adalah 213 menit dan spesifikasi bawah adalah 207 menit. Manajer OM ingin
menghitung rasio kapabilitas proses.

Pendekatan > GE menerapkan persamaan rasio kapabilitas proses.

Solusi > Cp = = = 1,938

Ketika rasio adalah 1,00 artinya bahwa 99,73% output proses berada di dalam spesifikasi,
rasio ini menyarankan suatu proses yang sangat berkemampuan, dengan ketidaksesuaian
kurang dari 4 klaim per jutaan.
Di mana :
X = rata rata proses
α = standar deviasi dari populasi proses

ketika indeks Cpk untuk keduanya batas spesifikasi atas dan bawah setara
dengan 1,0, variasi proses akan dipusatkan dan proses memiliki kemampuan
dalam berproduksi di dalam ±3 standar deviasi (lebih sedikit daripada 1.700
kecacatan per juta).
Cpk = 2,0 artinya bahwa proses memiliki kemampuan dalam memproduksi lebih
sedikit daripada 3,4 kecacatan per juta. Untuk C pk melebihi 1 maka α harus
kurang daripada 1/3 atas perbedaan di antara spesifikasi dengan proses rata
rata.
Contoh S7

Indeks Kapabilitas Proses (Cpk)

Anda adalah seorang manajer perbaikan proses dan telah mengembangkan sebuah mesin baru untuk
memotong sol untuk lini unggulan sepatu olahraga. Anda sangat tertarik karena tujuan perusahaan
adalah tidak lebih dari 3,4 kecacatan per juta dan mesin lini merupakan inovasi yang anda perlukan.
Sol tidak dapat lebih dari ±0,001 inci dari ketebalan yang dibutuhkan yaitu sebesar 0,250. Anda ingin
mengetahui jika anda ingin mengganti mesin yang telah ada, yang maan yang memiliki Cpk 1,0

Solusi =>
Batas spesifikasi atas = 0,251 inci Rata rata dari proses yg baru x = 0,250 inci
Batas spesifikasi bawah = 0,249 inci Estimasi standar deviasi proses yg baru = α = 0,0005 inci
Penerimaan Sampel
Adalah suatu bentuk pengujian yang melibatkan
pengambilan sampel “lot” atau batch secara acak, dari
produk jadi dan mengukurnya terhadap standar yang telah
ditentukan sebelumnya. Penerimaan sampel dapat
diterapkan ketika beban material yang sampai di pabrik atau
pada inspeksi final, tetapi biasanya digunakan untuk
mengendalikan lot produk yang dibeli. Banyak barang yang
ditolah, didasarkan pada level kecacatan yang tidak dapat
diterima yang ditemukan dalam sampel, dapat (1)
dikembalikan pada pihak pemasok, atau (2) menjadi 100%
diinspeksi untuk menyingkirkan seluruh barang cacat, dengan
biaya penyaringan ini biasanya ditagihkan ke pemasok.
 Kurva Karakteristik Operasional (Operating Characteristic – OC )

Menggambarkan seberapa baiknya rencana penerimaan

yang mendiskriminasikan antara lot yang baik dan yang
buruk. Sebuah kurva yang berkaitan dengan suatu
rencana tertentu, yaitu terhadap kombinasi α (ukuran
sampel) dan c (level penerimaan). Hal ini dimaksudkan
untuk memperlihatkan probabilitas bahwa rencana akan
menerima lot level kuatlitas yang beraneka ragam.

• Level kualitas yang dapat diterima

Adalah level kualitas terburuk di mana kita bersedia untuk
menerimanya.

• Presentase toleransi kecacatan lot

Adalah level kualitas lot yang kita pertimbangkan buruk.
 Untuk memperoleh rencana sampel, maka produsen dan konsumen harus mendefinisikan bukan hanya
“lot yang baik” dan “lot yang buruk” melalui AQL dan LTDP tetapi mereka juga harus menspesifikasikan
level resiko.

Risiko produsen
Risiko produsen (α) adalah
probabilitas bahwa lot “yang baik” Risiko konsumen
akan ditolak. Ini adalah risiko di mana
Risiko konsumen (β) adalah
sampel acak akan menghasilkan
probabilitas bahwa lot “yang buruk”
proporsi kecacatan yang jauh lebih
akan diterima. Hal ini merupakan risiko
tinggi daripada populasi keseluruhan
bahwa sampel acak akan
barang.
menghasilkan proporsi kecacatan
Suatu lot dengan level kualitas yang
yang lebih rendah dari keseluruhan
dapat diterima AQL masih memiliki
populasi barang. Nilai yang umum bagi
peluang α untuk ditolak. Rencana
resiko konsumen dalam rencana
sampel seringkali dirancang untuk
sampel adalah β = 0,10 atau 10%
memiliki resiko produsen yang
ditetapkan pada α = 0,05 atau 5%
 Kualitas Rata Rata Saat Ini

Nilai maksimum AOQ sesuai dengan persentase

rata rata kecacatan tertinggi atau kualitas rata rata
terendah untuk rencana sampel. Hal ini disebut
dengan batas kualitas rata rata saat ini (AOQL)
THANK YOU