EFFORT
ROBUST DESIGN FOR QUALITY ENGINEERING AND SIX SIGMA-SUNG H PARK & JIJU ANTONY
OUTLINE
Pada bagian ini menjelaskan basic pengukuran statistic control dan kapabilitas dari spesifikasi ouput
dari proses
Tujuan : memprediksi variabilitas proses, menganalisa proses-proses yang tepat atau memenuhi
toleransi
Apabila suatu proses sudah stabil atau terkontrol dilihat dari segi varibilitas maupun rata-ratany amaka
dapat dikatakan bahwa proses tersebut berjalan dengan baik. Namun, suatu produk tidak hanya cukup
dengan kata baik saja, tetapi harus memenuhi keinginan atau spesifikasi konsumen. Untuk itu perlu
analisis lebih lanjut tentang kapabilitas suatu produk yang dilihat dari proses produksinya yaitu
assessment of process capability.
PROCESS CAPABILITY INDEX
LSL USL
6 Cp = 0.67
6 Cp = 1.0
Cp > 1,33 proses dianggap
mampu
Cp = 1 s/d 1,33
proses dianggap mampu
tetapi perlu pengendalian
yang ketat apabila Cp
mendekati 1
Cp = 1.33 Cp < 1
6
proses dianggap tidak
mampu
LSL USL
INDEK KEMAMPUAN PROSES
Cpk = min (Cpu, Cpl) Degree of Bias
‐ proses
Dimana μ = rata-rata
6
CPU : Indeks kapabilitas atas.
Loss merupakan sesuatu yang pasti terjadi saat suatu karakteristik kualitas fungsional
produk menyimpang dari nilai nominalnya (target)
Nilai loss akan meningkat saat nilai karakteristik kualitas melebar lebih jauh dari nilai
targetnya.
Loss function digunakan dalam mengukur performansi karakteristik kualitas dalam
pencapaian target.
Loss function juga dapat digunakan dalam evaluasi pengaruh yang ditimbulkan oleh
suatu usaha perbaikan kualitas.
Ada 3 karakteristik : nominal-is-the best; smaller-the-better; larger-the better
NOMINAL IS THE BEST
Nominal the best untuk satu unit produk: Nominal the best untuk beberapa produk:
L (y) = k (y-m)2 L (y) = k (y-m)2
L (y) = (A/ (Δ)2) (y-m)2 L (y) = (A/ (Δ)2) (y-m)2
Dimana:
y = nilai karakteristik kualitas
L(y) = kerugian dalam satuan uang untuk setiap = quality variation
produk bial karakteristik kualitas sama dengan y = quality mean
m = nilai target dari y m = quality target
k = koefisien biaya
A0 = rerata biaya
Δ2 = deviasi
SMALLER THE BETTER
L (y) =
L (y) =
L (y) =
L (y) =
Untuk mengetahui nilai k, dapat memisalkan fungsi jarak (toleransi) dari nilai
karakteristik kualitas adalah (Δ) dengan A adalah nilai average Loss
Misal dari titik (Δ) maka persamaan loss function menjadi:
L (y) =
Dengan L(y) =
=
Maka k =
Untuk expected value :
L = E[k(1/
L= k (1/
COMPARISON OF P, AND L(Y)
Signal Output
input Resulted quality
Goal System
characteristics
Noise
LOSS FUNCTION AND SN RATIO FOR A SET OF N OBSERVATION
EXAMPLE
Nominal is best:
/n =
=
EXAMPLE
Feeding conditons
Amount of mercaptan
Feed endpoint (x4)
(x1)
Feed temperature (x2) Amount of I/H in raw pretoleum (x5)
Product color
Coefficient of
step variable entered Regression equation determination
(R2)