MANAJEMEN PRODUKSI

Bagian – 4

STATISTICAL QUALITY CONTROL

Diagram Kendali
STASTISTICAL QUALITY CONTROL
• Untuk menjaga mutu barang hasil produksi agar berada dalam
batas-batas tertentu, maka harus diusahakan bahwa : mesin,
manusia, material dan metode yang digunakan untuk pembu-
atan produk, tidak mengalami perubahan yang cukup berarti
atau dengan variasi yang cukup kecil. Salah satu alat yang bisa
digunakan untuk pengendalian mutu suatu produk adalah
dengan Statisical Quality Control
Variasi mutu produk secara statistika ada 2 macam :
* Variasi bersifat probabilistik, yaitu variasi yang bersifat acak
selama proses produksi dan tidak bisa dihindarkan, sehingga
proses dibiarkan berjalan selama berada pada batas-batas
tertentu.
* Variasi bersifat eratik, variasi ini timbul tidak menentu karena
penyebab tertentu, sehingga dari 4M di atas harus dicari dulu
penyebabnya, sehingga proses harus dihentikan dulu.
Statisical Quality Control
• Statisical Quality Control, merupakan alat untuk menjaga
mutu suatu produk secara statistika, alat yang bisa digunakan
adalah :
• Acceptance Sampling (Rencana Sampling Penerimaan)
Untuk memutuskan menerima atau menolak bahan baku
berdasarkan sampel
• Control chart (Diagram Kendali)
Untuk mengendalikan stabilitas proses, apakah terkendali
atau tidak
• Process capability (Kapabilitas Proses)
Untuk melihat kemampuan proses dalam memenuhi
spesifikasi produk.
III.2.2. Diagram kendali (Control chart)
1. Diagram kendali variabel
- Individu (X)
- Rata-rata ( X )
- Rentang (R)
- Simpangan baku (S)
2. Diagram kendali atribut
- Proporsi kerusakan (p)
- rata-rata proporsi kerusakan (np)
- bangaknya cacat :
* banyak cacat tiap unit (u)
* banyak cacat dibobot (D)
Diagram kendali rata-rata
Batas kendalinya adalah sbb :

Upper control limit (UCL x ) : x  z x

Lower control limit (LCL x ) : x  z x
Dengan,
= rata-rata dari rata-rata karakteristik mutu produk
z = dari tabel distribusi normal standar (2 untuk confident level
x
95,45% dan 3 untuk confident level 99,73%)
= simpangan baku dari rata-rata :
n = ukuran sampel
 x hal ini σ diestimasi oleh simpangan bakusampel
Dalam / n yaitu S
juga bisa menngunakan tabel-tabel yang sudah dibuat.
Contoh : Lihat halaman 254-255
 Contoh
• Hasil pengukuran volume 9 kotak Oat Flakes sebagai sampel
pertama adalah sbb (dalam ons)
• 17; 13; 16; 18; 17; 16;15; 17; 16 sehingga diperoleh
• rata-rata=16,1 ons
• Apabila diambil 12 sampel masing-masing berukuran 9 kotak dan
diukur volumenya, diperoleh rata-ratanya sbb:
• Tabel-1 Rata-rata volume Box untuk masing-masing sampel
Waktu Rata-rata vol Waktu Rata-rata vol Waktu Rata-rata Vol
1 16,1 5 16,5 9 16,3
2 16,8 6 16,4 10 14,8
3 15,5 7 15,2 11 14,2
4 16,5 8 16,4 12 17,3
 Jawaban Contoh-1 Lanjutan

• Dari Tabel-1 diperoleh rata-rata dari rata-rata adalah x = 16 ons

dengan   1 , n = 9 dan z = 3 maka diperoleh batas kendali sbb:
 1  1
UCL x : x  z x  16  3    16  3    17ons
 9 3
• Diperoleh batas kendali bawah sbb:
 1  1
LCL x : x-z x  16  3    16  3    15ons
 9 3
Diagram Kendali Rata-rata
Lanjutan Batas Kendali Rata-rata
Seperti dijelaskan sebelumnya bahwa untuk memperoleh nilai σ
diestimasi oleh simpangan baku sampel yaitu s atau diestimasi oleh
range dan bisa juga menngunakan tabel-tabel yang sudah dibuat,
dengan modifikasi diperoleh :
Upper control limit (UCL x ) : x  A1s
Lower control limit (LCL x ) : x-A1s
Atau simpangan baku diestimasi oleh range (R), maka diperoleh
perumusan :

Upper control limit (UCL x ) : x  A2 R

Lower control limit (LCL ) : x-A2 R
Catatan : R= data terbesar – data terkecil
x


m
dengan s jdan  Rj
j 1
s  dari tabel Tabel
A1 dan A2 dapat diperoleh R  j S6.1,
1
Contoh hal 256
m m
 Contoh Batas Kendali Rata-rata (σ diestimasi oleh R )
• Lihat Contoh S2 Heizer Render hal 256
• Suatu produk Softdrink pada label botolnya berat bersih 12 ons
dari sampel yang diambil dengan masing-masing ukuran sampel
5 diperoleh rata rata dari rata-rata isi botol produk tersebut 12
ons dengan rata-rata range 0.25
• Dari contoh ini sampel berukuran 5 diperoleh x  12 dengan
rata-rata range nya R  0, 25 dari Tabel S6-1 hal 255 diperoleh A2
= 0,577 maka diperoleh batas kendali atas sbb:
UCL x : x  A2 R  12  (0, 577)(0, 25)  12  0,144  12,144ons

• Dengan batas kendali bawah adalah sbb:

LCL x : x-A2 R  12  (0,577)(0, 25)  12  0,144  11,856ons
Diagram Kendali Rentang (Range)
Upper control limit: UCL R  D4 R
Lower control limit: LCL R  D3 R
Dengan R merupakan rata-rata rentang karakteristik mutu,
sedangkan D3 dan D4 diperoleh dari tabel Tabel S6.1
Contoh, hal 257
Diagram kendali untuk dispersi (simpangan baku)
Upper control limit: UCL  B2
Lower control limit: LCL  B1
atau σ diestimasi oleh rata-rata simpangan baku sampel ( S )
maka diagram kendali untuk simpangan baku menjadi :
Upper control limit: UCL S  B4 S
Lower control limit: LCL S  B3 S
Tabel S6-1
 Contoh menentukan batas kendali untuk range R

• Dari Heizer render hal 257 diperoleh rata-rata range :

• R  5, 3 pon dengan ukuran sampelnya 5 dari Tabel S6-1 diperoleh
nilai D4 = 2,115
• Maka batas kendali atas untuk range adalah:
UCL R  D4 R  (2,115)(5, 3 pon)  11, 2 pon
• Batas kendali bawah untuk range adalah:
LCL R  D3 R  (0)(5,3 pon)  0 pon
Diagram kendali atribut
Diagram kendali proporsi/persentase kerusakan :

Upper control limit: UCL =   3  (1   ) / n

Lower control limit: LCL =   3  (1   ) / n

Apabila π diestimasi oleh rata-rata proporsi kerusakan sampel p,

maka diagram kendalinya menjadi :

Upper control limit: UCL p = p  3 p(1  p) / n

Lower control limit: UCL p = p-3 p(1  p) / n

Contoh : hal 259-260
 Contoh S4 Heizer Render hal 259
• Dari 20 sampel yang masing-masing berukuran 100 diamati dan
diperoleh jumlah kerusakan masing-masing adalah sbb:
No. Jumlah persentasi No. Jumlah persentasi
Sampel Kerusakan kerusakan Sampel Kerusakan kerusakan
1 6 0,06 11 6 0,06
2 5 0,05 12 1 0,01
3 0 0,00 13 8 0,08
4 1 0,01 14 7 0,07
5 4 0,04 15 5 0,05
6 2 0,02 16 4 0,04
7 5 0,05 17 11 0,11
8 3 0,03 18 3 0,03
9 3 0,03 19 0 0,00
10 2 0,02 20 4 0,04
dengan Total kekeliruan 80
p   0.04
Total keseluruhan ujian yanng terekam (100)(20)
dan
(0.04)(1  0, 04)
 pˆ   0, 0196  0.02
100
 Diperoleh nilai-nilai batas kendali untuk rata-rata proporsi sbb:
• Batas kendali atas untuk Proporsi :
UCL p = p  3 p (1  p ) / n
 0, 04  3 0, 04(1  0, 04) / 100
 0, 04  3(0, 02)  0,10

• Batas kendali bawah untuk Proporsi :

LCL p = p  3 p (1  p ) / n
 0, 04  3 0, 04(1  0, 04) / 100
 0, 04  3(0, 02)  0, 00
III.2.3. Process Capability
• Dengan pengendalian proses secara statistika akan menjadikan
proses terkendali (in control), tetapi ini tidak cukup dan untuk
lebih baik lagi harus dilihat kemampuan prosesnya dalam
memenuhi design spesifications ukuran untuk menilai mampu
tidaknya proses dalam memenuhi spesifikasi desain adalah
process capability yang diukur dengan :

USL  LSL
• Ratio kapabilitas proses : C p 
6

USL     LSL 
• Indeks kapabilitas proses : C pk  min  ,
 3 3 

• Jika Cp ≥ 2,00 dan Cpk ≥ 1,5 maka proses masih dianggap mampu
atau Capable
Hubungan antara Batas Spesifikasi, Batas Kendali dan Kapabilitas
Proses

USL
III
V
I II
IV

LSL

Gambar III.2.
Keterangan Gambar III.2.
• Pada kurva I menunjukan bahwa batas spesifikasi sama dengan
batas kendali maka proses mampu (capable)
• Kurva II menunjukan bahwa batas kendali lebih lebar dibandingkan
dengan batas spesifikasi, berarti variasi besar maka proses tidak
mampu.
• Pada kurva III menunjukan bahwa batas spesifikasi tidak sama
dengan batas kendali, BKA lebih besar dari BSA walaupun
variasinya kecil tetapi proses tidak mampu
• Pada kurva IV menunjukan bahwa batas spesifikasi tidak sama
dengan batas kendali, BKB lebih kecil dari BSB walaupun variasinya
kecil tetapi proses tidak mampu
• Pada kurva V menunjukan bahwa batas spesifikasi tidak sama
dengan batas kendali, tetapi batas kendali ada di dalam batas
spesifikasi dan variasinya kecil maka proses mampu
Menguji Kemampuan Proses
• Untuk kurva II, III dan IV menunjukan proses tidak mampu,
karena ada daerah kurva yang diluar batas spesifikasi, tetapi
perlu dilakukan pengujian hipotesis secara statistika bahwa
apakah benar proses tersebut tidak mampu, karena dengan
menggunakan 3σ maka proses dikatakan tidak mampu
apabila luas daerah di bawah kurva yang diluar batas
spesifikasi melebihi 0,0027 atau 0,27% (untuk confident level
99,73%). Untuk menghitung luas daerah di luar batas
spesifikasi adalah sbb:
 BSA  x 
P( Z  z )  P  Z  
 S X 
2
m m  m 
x m x j    x 
2
j
S x2 
j 1  j 1 
• Dengan x  j 1
dan
m m(m  1)
Contoh S2 diagram kendali rata-rata, range dan Capabilitas proses
 Tugas-2 Manajemen Kualitas

• Dari buku Heizer Render edisi 10 hal 271-275

• No. S6-7&29 ; S6-8&30 ; S6-9&31 ; S6-10&32 ;S6-
11&33 ; S6-19&5 ; S6-20&21 ; S6-22&3 ; S6-23&28 ;
S6-24&27 ; S6-25&26; S6-28&34 ; S6-35&2; S6-4&6