PROCESS CAPABILITY ANALYSIS

ANALISIS KAPABILITAS PROSES

A process in "A STATE OF STATISTICAL CONTROL"

special causes sudah teridentifikasi dan tereliminasi

PROCESS CAPABILITY
membandingkan kinerja proses (process
performance) dengan tuntutan proses
(pemenuhan specification limits)
Estimating Process Variation
Data variabel :
R s
σˆ  ˆ
atau σ 
d2 c4

dengan process spread :

μˆ  3 σˆ
INDEKS KAPABILITAS

PROCESS POTENTIAL
allowable spread USL - LSL
Process Capability Index = C p  actual spread  6 σˆ

Cp < 1.0  not capable process

Cp = 1.0  marginally capable process
Cp > 1.0  capable process

biasanya digunakan Cp > 1.33 yang berarti sangat bagus

Gambar 1.
LSL USL

Cp < 1.0

Cp = 1.0
X

Cp > 1.0
X

LSL USL
INDEKS KAPABILITAS .....
PROCESS PERFORMANCE

USL - μˆ μˆ - LSL 
C pk  Minimum  ,
 3 σˆ 3 σˆ 

Untuk sebaran non-normal :

USL  LSL  2  μˆ
C pk  1  k  C p dimana k 
USL  LSL  2
Nilai 0  k  1  Cpk  Cp

Jika Cpk = Cp berarti proses berada tepat di tengah

specification limit.
 Gambar 2.

Kedua sebaran mempunyai

LSL USL Cp yang sama tetapi Cpk
yang berbeda

Process mean

Process mean

LSL USL
INDEKS KAPABILITAS .....
ONE-SIDED TOLERANCES

μˆ - LSL
• Untuk proses dengan LSL : C pl 
3 σˆ

USL - μˆ
• Untuk proses dengan USL : C pu 
3 σˆ

Cpk selalu sama dengan nilai terkecil Cpl dan Cpu

 Cpk = Minimum (Cpl ,Cpu )
INDEKS KAPABILITAS .....
PERCENT OF SPECIFICATION USED
1
Capability Ratio = C
p

• Mengukur besarnya wilayah spesifikasi (USL-LSL) yg "hilang" ke proses.

• Semakin lebar process spread maka proses cenderung semakin banyak

memakai wilayah spesifikasi; sebaliknya jika proses terpusat dgn rasio Cp
yang tinggi maka cenderung semakin kecil menggunakan toleransi.
• Disebut juga "persentase dari spesifikasi yang terpakai oleh proses"
jika diekspresikan dalam %.
Contoh :
Sebuah mesin ekstruder diukur suhunya tiga
kali setiap harinya selama 20 hari (data pada
slide selanjutnya). Spesifikasi suhu proses
adalah 200  10 oC. Proses diketahui sudah
terkendali secara statistik. Lakukan analisis
kapabilitas untuk proses tsb.
Subgrup x1 x2 x3 x-bar R
1 200 210 202 204.00 10
2 190 206 205 200.33 16
3 206 201 195 200.67 11
4 205 204 205 204.67 1
5 193 199 194 195.33 6
6 210 203 185 199.33 25
7 207 198 209 204.67 11
8 204 201 203 202.67 3
9 200 198 204 200.67 6
10 188 196 207 197.00 19
11 203 185 200 196.00 18
12 209 203 202 204.67 7
13 200 217 208 208.33 17
14 198 205 210 204.33 12
15 203 198 193 198.00 10
16 199 195 203 199.00 8
17 215 200 198 204.33 17
18 200 204 200 201.33 4
19 208 207 200 205.00 8
20 197 198 206 200.33 9
Total 4030.67 218
 X bar – R Chart

U C L=212.68
210
Sample Mean

205
_
_
X=201.53
200

195

190 LC L=190.38

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Subgroup

30
U C L=28.06
Sample Range

20

_
10 R=10.9

0 LC L=0

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Subgroup
Perhitungan Indeks Kapabilitas

USL  200  10  210

LSL  200  10  190
ˆ  x  4030.67 20  201.53

ˆ  R d 2  218 20 1.693  6.44

210  190
Cp   0.52
6 * 6.44
201.53  190
C pl   0.60
3 * 6.44
210  201.53
C pu   0.44
3* 6.44
C pk  Minimum C pl , C pu   0.44

1 C p  1 0.52  1.92 atau 192 %

Kesimpulan :
Cp < 1.0  proses tidak kapabel

Cpk < Cp  proses tidak tepat di tengah spec. limit

1/Cp = 192 % dari spesifikasi yang terpakai proses

TUGAS :
Buatkan dengan studi kasus pada contoh ini
sesuaikan dengan langkah-langkah contoh
diatas

20  10. Proses diketahui sudah terkendali

secara statistik. Lakukan analisis kapabilitas
untuk proses tsb.
 Analisis Kapabilitas Proses

LSL TARGET USL

Process Data
LSL 190
Target 200
USL 210
Sample Mean 201.533
Sample N 60
StDev(Within) 6.43828

Potential (Within) Capability

Cp 0.52
CPL 0.60
CPU 0.44
Cpk 0.44
CCpk 0.52

184 192 200 208 216

Note : CC pk  Min USL  Target ,Target  LSL  3 * ˆ 

PETUNJUK PENGGUNAAN INDEKS KAPABILITAS

1. STATISTICAL CONTROL.
Sebelum dilakukan analisis kapabilitas, proses harus
"in a state of statistical control".
Kendali ditetapkan dgn suatu variables control chart.
2. MEASUREMENT ERROR.
Besarnya galat yg dihasilkan sistem pengukuran harus
dipastikan, karena variasi galat mengganggu batas-batas
nilai yang dapat dicapai dari indeks-indeks kapabilitas.
3. DISTRIBUTION TYPE.
Bentuk sebaran pengukuran proses tidak akan pernah
dapat diketahui dgn pasti. Jadi perlu utk mengasumsikan
bahwa beberapa sebaran (misalnya normal) menentukan
keragaman proses. Sebaran normal tidak tepat untuk :
(i) batas spesifikasi satu sisi (skewed distributions)
(ii) proses sortasi otomat (truncated distributions)
PETUNJUK PENGGUNAAN INDEKS KAPABILITAS

4. SAMPLING VARIATION.
Bahkan untuk proses terkendali, indeks Cp adalah suatu
statistik; jadi diharapkan menampilkan keragaman alami
dari sampel ke sampel.
5. SOFTWARE.
Jika analisis kapabilitas dilakukan dgn perangkat lunak
Statistical Process Control (SPC) maka perlu diketahui
metode mana yang dipakai untuk mengestimasi variasi
proses (). Metode-metode berdasarkan grafik kendali
garis pusat ( R dan s ) mungkin memberikan hasil yg
sangat berbeda jika dibandingkan dgn yg berdasarkan
simpangan baku dari sekumpulan data yang disatukan.