BAB I PENDAHULUAN
1.1 Latar Belakang Pembangunan yang dilakukan pemerintah dewasa ini bertujuan untuk membawa kesejahteraan bagi seluruh bangsa Indonesia, seperti diamanatkan oleh UndangUndang Dasar Negara kita. Dan sejak awal pembangunan di negara kita, sektor ekonomi menjadi titik berat utama, karena sektor ini memiliki pengaruh yang sangat besar terhadap perubahan masyarakat di Indonesia. Dengan semakin kompetitifnya industri di tanah air, maka tak pelak investasi asing semakin banyak menanamkan modalnya di Indonesia. Dari sisi ekonomi, ini merupakan kesempatan yang baik untuk meningkatkan pendapatan negara, dan menyerap tenaga kerja, yang otomatis mengurangi tingkat pengangguran. Di sisi lain menuntut adanya peningkatan sumber daya manusia, skill dan tentunya kemudahan dan transparansi di birokrasi. Namun dengan datangnya krisis ekononi di tahun 1998 sangat memukul industri di tanah, disusul krisis global berikutnya di tahun 2008, yang dipicu oleh krisis perumahan di Amerika Serikat, sangat dirasakan sekali dampaknya. Banyak perusahaan yang menurunkan tingkat produksinya, mengurangi karyawannya (PHK)
1
dan bahkan penutupan perusahaan. Dan tentunya berbagai strategi untuk efisiensi sangat membantu dan diperlukan agar perusahaan bisa bertahan, dan melewati krisis dengan baik. Salah satu upaya dalam hal ini yang penulis ingin angkat adalah strategi perbaikan di persediaan (inventory). Persediaan merupakan sumber daya yang menganggur (idle resources) yang menunggu pengelolan/proses lebih lanjut, misal: bahan mentah (raw material) menunggu proses produksi, bahan setengah jadi (work-in-process/WIP) menunggu proses lebih lanjut dan barang jadi (finished goods) menunggu pengiriman ke pelanggan (customer). Mengelola inventory dengan baik sangat penting bagi suatu perusahaan/jasa, pada satu sisi dengan mengurangi persediaan dapat menurunkan total biaya, namun pada sisi yang lain kekurangan persediaan dapat mengganggu proses produksi atau pengiriman yang berakibat permintaan pelanggan tidak dapat terpenuhi, yang ujungnya dapat menurunkan tingkat kepuasan pelanggan. Oleh karena itu manajemen atau strategi inventory yang baik mutlak diperlukan, sehingga dapat dicapai keseimbangan atau titik optimum dari inventory tersebut. Dan tanpa manajemen inventory yang baik, pencapaian biaya rendah sulit dicapai. Manajemen inventory yang baik, salah satu indikatornya adalah ketepatan (accuracy) dari inventory yang dimiliki dapat diketahui dengan baik. Ketelitian catatan persediaan (inventory record accuracy/IRA) merupakan bagian penting dari suatu manajemen produksi dan inventory. Ketelitian catatan menjadikan organisasi dapat memusatkan perhatian pada item yang diperlukan, bukan sekedar ingin memastikan bahwa itemtem tertentu berada pada inventory. Tujuan diterapkan kontrol proses IRA adalah agar dapat memberikan pendekatan ke sistem sehingga ketepatan/keakurasian
2
inventory dapat terjamin, dan bertahan (sustained) dalam waktu lama. Hanya jika organisasi/perusahaan dapat menjamin akurasi dari inventory, maka organisasi tersebut dapat membuat keputusan yang tepat tentang ordering (bahan baku, MRO), scheduling dan pengiriman produk jadi. Ekspektasi dengan diimplementasikan IRA antara lain: 1. Dapat menghemat waktu dan mengurangi stres, karena penyimpangan saat rekonsiliasi diakhir bulan berkurang. 2. Memiliki keakuratan dan kontrol yang baik terhadap inventory yang dimiliki, dengan metoda & alat yang baku (standardized methods & tools). 3. Keyakinan untuk memberikan komitmen yang baik dalam memenuhi permintaan pelanggan (customer), sehingga meningkatkan kepuasan pelanggan (customer satisfaction). 4. Mengurangi tindakan fire-fighting dan pemborosan karena seringnya perubahan produksi yang mendadak, kelebihan stok yang diluar kewajaran, dan lain-lain. 5. Dapat mendeteksi penyimpangan inventory sedini mungkin, sebelum menjadi masalah yang serius. Sehingga pendekatan proaktif lebih dilakukan dalam pengelolaan inventory. 6. Ketepatan inventory dan bertahan lama (sustained), akan mengurangi aktivitas kerja yang seharusnya tidak perlu.
Sehubungan pentingnya pencatatan keakurasian inventory,
demi menjamin
kelancaran operasi produksi dan menghindari pemborosan, maka penulis tertarik
3
melakukan
penelitian
ini
dengan
mengambil
judul
”IMPLEMENTASI
INVENTORY RECORD ACCURACY (IRA) PADA PERSEDIAAN BAHAN BAKU DENGAN PENDEKATAN MAIC DI SB LATEX PLANT DI PT X “ Sebelum IRA: Akurasi di akhir bulan
Setelah IRA: Akurasi di tiap saat
Gambar 1.1 : Ilustrasi sebelum dan sesudah implementasi IRA
1.2 Identifikasi Masalah Tujuan dari implementasi IRA adalah menjamin inventory di SAP (Systems Applications and Products in Data Processing, software system yang dipakai di perusahaan ini untuk melakukan pencatatan data, dan selanjutnya kita pakai istilah SAP saja dalam tulisan ini) merefleksikan secara tepat dengan aktual (physical) inventory setiap harinya, dalam kurun waktu yang lama. Dalam hal ini target pencapaianya adalah 95%, yaitu antara prosen ketetepatan inventory di SAP dengan aktual stok di gudang dan di proses produksi. Untuk dapat mencapai target tersebut penulis mengangkat pendekatan dengan metode MAIC (Measure, Analyze, Improve dan Control) atau lazim disebut metode Six Sigma.
4
Dengan pendekatan ini penulis akan meneliti dan menganalisa permasalahan sebagai berikut: 1. Bagaimana tahap-tahap implementasi IRA pada persedian bahan baku di SB Latex plant di PT X, dan faktor-faktor apa saja yang mempengaruhi atau menurunkan akurasi pencatatan inventory, serta tindakan perbaikannya 2. Sumber daya (resources) apa saja dalam perusahaan di PT X yang terlibat dan bagaimana tanggung jawab mereka dalam project ini.
1.3 Pembatasan Masalah Dalam analisa permasalahan ini, agar terarah dan jelas, maka penulis perlu memberikan batasan sebagai berikut: 1. Penelitian hanya dilakukan di plant PT X, yang berlokasi di CilegonBanten, Indonesia 2. Item yang dianalisa adalah terbatas hanya pada bahan baku, dan dalam project ini diambil 10 jenis material, sesuai dengan syarat dari tool yang dipakai. 3. Pendekatan yang dipakai adalah MAIC (Measure, Analize, Improve and Control), dimana teknik ini aplikasinya disesuaikan (customized) oleh perusahaan/PT X.
5
1.4 Maksud dan Tujuan Penelitian Penelitian yang dilakukan penulis dimaksudkan untuk mengumpulkan data yang relevan terhadap masalah yang diidentifikasi yang dapat dianalisis dan ditarik kesimpulannya dalam penyusunan skripsi ini. Sedangkan tujuan dari penelitian ini adalah: 1. Untuk mengetahui implementasi IRA project dengan menggunakan pendekatan MAIC atau Six Sigma di SB Latex plant PT X. 2. Menemukan
tahapan-tahapan
pelaksanaannya,
dan
sumber
daya
(resources) yang dibutuhkan. 3. Untuk mengetahui faktor-faktor apa saja yang sering timbul dan mempengaruhi atau menurunkan akurasi dari pencatatan inventory. 4. Untuk mengetahui langkah-langkah yang dilakukan untuk mengatasi (corrective actions) dan mencegah masalah tersebut agar tidak terulang lagi (preventive actions).
1.5 Metode Pengumpulan Data Dalam pengumpulan data, penulis melakukan dengan metode-metode di bawah ini: 1. Dengan mengumpulkan data dari proses (lapangan) yang didapat dari perusahaan di mana dilakukan penelitian (PT X). 2. Dengan melakukan tanya jawab langsung dengan tim yang terlibat dalam proses tersebut di perusahaan. 3. Dari studi kepustakaan dan sumber-sumber lain seperti: internet, penelitian sebelumnya, dan lain-lain.
6
1.6
Sistematika Penulisan
Penulisan tugas akhir ini disusun berdasarkan suatu sistematika penulisan yang secara garis besar terdiri atas bab-bab sebagai berikut:
BAB I : PENDAHULUAN Bab ini menguraikan tentang latar belakang penulisan, identifikasi masalah, pembatasan masalah, maksud dan tujuan penelitian, metode pengumpulan data dan sistematika penulisan.
BAB II : LANDASAN TEORI Bab ini menguraikan konsep-konsep dan teori-teori yang relevan dan menunjang dalam analisa proses implementasi project ini, yang diperoleh dari buku-buku literatur, tugas akhir tahun sebelumnya, internet dan sumber-sumber dari perusahaan tempat penulis bekerja.
BAB III : METODOLOGI PENELITIAN Bab ini menjelaskan metodologi penelitian dan pengumpulan data yang dilakukan penulis guna membantu pemecahan masalah secara sitematis.
BAB IV : PENGUMPULAN DAN PENGOLAHAN DATA Berisikan uraian dan gambaran umum perusahaan, sumber daya (resources) yang dibutuhkan, cara pengambilan data, dan metode analisa dari data tersebut.
7
BAB V : ANALISA DAN PEMBAHASAN MASALAH Bab ini menjelaskan tentang investigasi masalah-masalah yang timbul untuk menemukan akar penyebabnya, dan rekomendasi aksi perbaikannya, serta hasil dari pemecahan permasalahan tersebut.
BAB V I : KESIMPULAN DAN SARAN Bab ini merupakan kesimpulan dari hasil analisa dan pengolahan dari data-data yang dikumpulkan, dan saran-saran dari penulis untuk perbaikan penulisan topik yang sama di kemudian hari.
8
BAB I I LANDASAN TEORI
2.1 Pengertian Persediaan (Inventory) Persediaan (inventory) adalah idle resources (sumber daya yang menganggur) yang menunggu proses lebih lanjut. Yang dimaksud proses lebih lanjut misalnya persediaan bahan baku yang diperlukan dalam kegiatan manufaktur, atau atau stok produk jadi (finished goods) untuk memenuhi permintaan konsumen. Inventory adalah salah satu aset yang sangat mahal dalam suatu perusahaan, mencapai 40% dari total investasi (Barry Heizer/Jay Render-Principles of Operations Management). Pada satu sisi menejemen menghendaki biaya yang tertanam dalam inventory seminimum mungkin, namun di sisi lain fluktuasi permintaan menghendaki persedian untuk dapat mengantisipasinya, karena bila tidak ada barang maka permintaan konsumen tidak dapat dipenuhi (shortage), sehingga kita kitak dapat memberikan kepuasan pelanggan. Untuk hal tersebut manejemen harus mengatur kedua kepentingan tersebut secara baik, sehingga keduanya terpuaskan.
9
2.2 Fungsi Inventory Dalam kegiatan manufaktur secara umum inventory berfungsi sebagai berikut: 1. Sebagai stok barang untuk memenuhi permintaan yang diantisipasi akan timbul dari konsumen. 2. Untuk melakukan decouple perusahaan dari fluktuasi demand dan menyediakan inventory berupa barang-barang yang memberikan pilihan bagi konsumen. 3. Untuk mengambil keuntungan quantity discount, sebab pembelian dalam jumlah lebih besar dapat mengurangi biaya produksi atau pengiriman barang. 4. Untuk menjaga pengaruh inflasi dan kenaikan harga.
2.3 Jenis-Jenis Inventory Agar fungsi-fungsi inventory dapat berjalan dengan baik, inventory biasanya dikelompokkan sebagai berikut: 1. Raw material inventory (persediaan bahan baku/bahan mentah) yaitu merupakan input awal dalam transformasi di proses manufaktur menjadi barang jadi (finished goods), yang telah dibeli namun belum diproses. 2. Work-in-process inventory (barang setengah jadi) atau WIP adalah bahan baku yang sudah mengalami beberapa perubahan atau proses tapi belum selesai.
10
3. Maintenance-Repair-Operating perbaikan dan operasi)
(persediaan
untuk
pemeliharaan,
atau MRO inventory adalah inventory yang
diperuntukkan bagi pasokan pemeliharaan, perbaikan dan operasi yang diperlukan untuk menjaga agar permesinan dan proses produksi tetap produktif. 4. Finished goods inventory (persediaan produk jadi) adalah hasil akhir dari transformasi atau output dari proses produksi yang siap dikirim ke konsumen.
2.4 Biaya-Biaya pada Sistem Inventory Secara umum dapat dikatakan bahwa biaya sistem inventory adalah semua pengeluaran dan kerugian yang timbul sebagai akibat adanya inventory. Secara terperinci dikelompokkan sebagai berikut: 1. Purchasing cost (biaya pembelian) adalah biaya yang dikeluarkan untuk pembelian barang, besarnya tergantung dari jumlah barang dan harga satuan barang. 2. Ordering cost (biaya pemesanan) ordering cost adalah semua pengeluaran yang timbul untuk mendatangkan barang dari supplier (pemasok). Biaya tersebut meliputi biaya untuk menentukan pemasok, admisnistrasi order, pengiriman order, biaya pengangkutan, dan biaya penerimaan. 3. Set-up cost (biaya penyetelan) adalah semua pengeluaran yang timbul dalam mempersiapkan produksi atau melakukan penyesuaian pada saat
11
bahan/barang diproses untuk memenuhi pesanan. Biaya tersebut timbul di dalam pabrik yang meliputi biaya menyusun peralatan produksi, menyetel mesin, mempersiapkan gambar kerja atau fasilitas lainnya. 4. Holding/Carrying cost (biaya penyimpanan) adalah semua biaya yang timbul akibat menyimpan barang. Holding cost meliputi: 1. Capital cost (biaya modal) adalah biaya aset atau inventory yang disimpan dalam kurun waktu penyimpanan. 2. Warehouse cost (biaya gudang) adalah biaya yang dikeluarkan untuk penyewaan gudang (bila tidak memiliki gudang sendiri) atau biaya pemeliharaan gudang dan depresiasi. 3. Pilferage and shrinkage cost (biaya kehilangan/kerusakan dan penyusutan) adalah biaya yang dikeluarkan apabila barang yang disimpan mengalami kerusakan dan penyusutan (misal berat berkurang) atau jumlahnya berkurang karena hilang. 4. Obsolescence cost (biaya kadaluwarsa) adalah biaya yang dikeluarkan karena barang yang disimpan mengalami perubahan model atau teknologi sehingga tidak laku lagi di pasar. Atau barang yang disimpan melebihi batas waktunya (kadaluwarsa). 5. Insurance cost (biaya asuransi) adalah biaya yang dikeluarkan untuk membayar asuransi untuk menjaga hal-hal yang tidak diinginkan (misal kebakaran).
12
2.5 Konsep Inventory Record Accuracy (IRA) Prinsip Inventory Record Accuracy (ketelitian catatan persediaan) atau disingkat IRA adalah ketepatan antara physical quantity (stok fisik barang di gudang) dibanding dengan catatan di laporan (komputer, SAP). Secara formal tingkat ketepatan yang diterima (minimum threshold) untuk high performance inventory record accuracy adalah 95% (Donald H. Sheldon - A Guide to Sustainable Class A Excellence in 120 Days, 2004 ed.). Kebijakan menejemen yang yang baik menjadi tidak berguna jika mereka tidak mengetahui secara persis inventory yang mereka miliki saat ini. Record accuracy menjadikan organisasi dapat memusatkan perhatian pada item yang diperlukan, bukan sekadar ingin memastikan bahwa "beberapa" item berada pada inventory. Hanya jika sebuah organisasi dapat menentukan dengan teliti apa yang ada dalam persediaannya, maka organisasi tersebut dapat membuat keputusan yang tepat tentang ordering, perencanaan produksi, dan pengiriman produk jadi. Bila record inventory tidak akurat akan menimbulkan biaya-biaya yang tidak terduga, antara lain ordering cost, purchasing cost, obsolescence cost dan lain-lain. Rumus pencapaian IRA pada fase drive improvement:
Σ data dalam batas kontrol Σ hari pengumpulan data X Σ material dalam grup kontrol
X 100
13
2.6 Cycle Counting Cycle counting yang dimaksud di sini adalah menghitung kondisi aktual inventory tiap item yang masuk dalam project IRA ini setiap harinya, yaitu 10 jenis bahan baku (raw material). Penghitungan fisik meliputi: 1. Stok bahan yang ada di gudang bahan baku yang belum dipakai. 2. Stok bahan baku di area proses yang belum dipakai. 3. Stok yang sudah terkonsumsi di produksi namun belum menjadi barang jadi (work-in-process/WIP). Untuk material yang berbahaya (hazardous material) yang tidak bisa dilihat atau dihitung secara fisik, penghitungannya dibantu radar atau level transmitter. Selanjutnya data yang didapat dari cycle counting dicocokkan dengan report di system (SAP) untuk dilihat variasinya. Variasi yang kita kehendaki adalah yang masih dalam batas kontrol (in-control variance).
2.7 Konsep DMAIC Konsep DMAIC / MAIC atau Define, Measure, Analyze, Improve and Control atau biasa disebut juga metode Six Sigma adalah metodologi secara terstruktur untuk memperbaiki proses yang difokuskan pada usaha mengurangi variasi proses (process variances) sekaligus mengurangi cacat (produk atau jasa yang diluar spesifikasi) dengan menggunakan statistik dan problem solving tools secara intensif. Six Sigma merupakan sebuah sistem yang komprehensif dan fleksibel untuk mencapai, mempertahankan dan memaksimalkan sukses bisnis. Six Sigma secara konsep
14
dikendalikan oleh pemahaman yang kuat terhadap kebutuhan pelanggan (customer requirements), pemakaian yang disiplin terhadap fakta, data dan analisis statistik, dan perhatian yang cermat untuk mengelola, memperbaiki dan menanamkan kembali proses bisnis (Peter S. Pande, Robert P. Neuman, Roland R. Cavanagh: The Six Sigma Way – How GE, Motorola and Other Top Companies are Honing Their Performance). Six Sigma adalah suatu upaya yang yang terus-menerus (continuous improvement efforts) untuk menurunkan variasi dari proses, agar kapabilitas proses meningkat, dalam menghasilkan produk dan atau jasa yang bebas kesalahan (zero defect, target minimum 3.4 DPMO / Defect Per Million Opportunity), dalam rangka memberikan nilai kepada pelanggan (customer value) (Vincent Gaspersz : The Executive Guide to Implementing Lean Six Sigma).
Sehingga kunci dari metodologi DMAIC adalah
mengacu pada arah kesempurnaan proses dengan cacat (defect opportunity) yang diijinkan adalah 3.4 DPMO (Defect Per Million Opportunity).
15
“Juran Trilogy” Six Sigma
Custom er Value
Joseph Juran
BPR Philip Crosby “4 Absolutes of Quality Circles Quality Management”
Kaoru Ishikawa
Ishikawa Diagram
Taiichi Ohno W. Edwards Deming Toyota Production System PDCA Deming’s 14 points TQM Walter Shewhart, Western Electric
Michael Hammer
ISO 9000
Kaizen Lean
Just-in-Time (JIT)
Statistical Process Control Control Charts 1920s
1930s
1940s
1950s
1960s
1970s
1980s
1990s
2000s
Gambar 2.1: Evolusi dari kualitas
Dalam Sig Sigma ada beberapa metodologi pendekatan, namun yang dominan dan banyak dipakai ada 3 metodologi, yaitu:
2.7.1
Pendekatan Motorola
Motorola adalah perusahaan pertama yang mengembangkan metodologi ini dan mereka memfokuskan pendekatannya pada 6 aspek, yaitu:
16
1. Identifikasi produk yang dibuat dan pelayanan yang diberikan pada konsumen. 2. Identifikasi apa yang dianggap penting oleh pelanggan dalam pemenuhan produk dan pelayanan. 3. Identifikasi kebutuhan kita (misal: untuk menyediakan produk yang dapat memuaskan pelanggan). 4. Mendifinisikan proses yang benar untuk melakukan pekerjaan. 5. Melakukan mistake-proofing pada proses dan menghilangkan usaha yang kurang bermanfaat. 6. Memastikan perbaikan secara terus-menerus (continual improvement) dengan mengukur, menganalisa dan mengontrol proses perbaikan tersebut.
2.7.2 Six Sixma Pendekatan Academy (Six Sigma Academy approach) Metodologi ini dalam beberapa hal masih sama dengan Motorola hanya ada sedikit variasi, metodologi ini paling banyak diaplikasikan oleh perusahaan/organisasi diawal-awal diperkenalkannya metodologi Six Sigma. Metodologi ini lebih simple, populer dan langsung pada pokok permasalahan (straight forward) dengan berfokus pada 4 langkah yaitu Measure (M), Analize (A), Improve dan Control (C) atau MAIC methodology. Metodologi inilah yang dipakai di perusahaan X, tempat penulis menyusun tugas akhir ini.
17
2.7.3
Metode Pendekatan GE (General Electric / GE approach)
GE adalah perusahaan yang melanjutkan konsep dari Motorola dan melakukan standardisasi metodologi Six Sigma. Pendekatan GE inilah yang secara de facto dipakai oleh banyak organisasi/perusahaan saat ini dengan beberapa variasi. Pendekatan GE memfokuskan pada 5 langkah: 1. Define
: identifikasi peluang-peluang untuk perbaikan
2. Measure
: mengukur performance saat ini
3. Analyze
: mengevaluasi faktor pengaruh yang dominan
4. Improve
: meningkatkan/memperbaiki tingkat operasi dan proses
5. Control
: melakukan verifikasi atau validasi dari peningkatan
operasi dan proses tersebut. (Dean H. Stamatis – Six Sigma Fundamentals: A Complete Guide to System, Methods and Tools) Proses Six Sigma dengan distribusi normal yang mengizinkan nilai rata-rata (mean) proses bergeser 1.5-sigma dari nilai spesifikasi target kualitas (T) yang diizinkan oleh pelanggan. Dan konsep Six Sigma Motorola dengan pergeseran nilai rata-rata (mean) dari proses yang diizinkan sebesar 1.5-sigma adalah berbeda dari konsep distibusi normal terpusat yang umum dipahami selama ini, yang tidak mengizinkan pergeseran dalam nilai rata-rata proses seperti bagan berikut ini (Vincent Gaspersz: Lean Six Sigma for Manufacturing and Service Industries).
18
Gambar 2.2: Distribusi normal dan bergeser 1.5 sigma
19
Adapun ukuran-ukuran dan perumusan dalam Six Sigma antara lain: 1. DPU (Defect Per Unit) adalah rasio dari jumlah cacat yang terjadi dalam proses atau jasa dibanding total keseluruhan unit yang diproduksi/dihasilkan. Dirumuskan sebagai berikut: Jumlah defektif DPU = Jumlah Unit
Contoh: 99 cacat pada 750 microchip (97 defective) 99 cacat = 0.132 (atau 13.%) DPU 750 microchip
Proportion defective merujuk kepada pecahan atau persentase sampel-sampel item yang memiliki satu atau lebih cacat, perumusan sama dengan DPU. 2. Hasil Final (Final Yield) memberi informasi apakah pecahan dari unit total yang dihasilkan atau dikirim apakah bebas dari cacat (defect-free). Dirumuskan dengan 1 dikurangi proportion defect. Contoh: 97 dari 750 microhip cacat. Proportion defective = 99 cacat = 0.129 (atau 12.9%) 750 microchip
Yfinal : 1 – 0.129 = 0.871
20
3. DPO (Defect Per Opportunities) menunjukkan proporsi cacat terhadap jumlah total peluang dalam suatu kelompok. Jumlah defect DPO = Jumlah unit x peluang
Contoh: 52 cacat, 750 microchip dan 150 peluang cacat 52 cacat = 0.00046 DPO 750 microchip x 150 peluang/chip
4. DPMO (Defect Per Million Opportunities) menunjukkan berapa banyak defect yang akan muncul dalam satu juta peluang. Satuan inilah yang sering dipakai untuk menunjukkan tingkat cacat/defect yang terjadi.
DPMO = DPO x 106
Contoh: 0.00046 x 106 = 460 DPMO 5. Sigma Level menurut aturan Motorola (yang merintis dan mempopulerkan Six Sigma) untuk menunjukkan skoring level berdasarkan tabel pergeseran 1.5-sigma (lihat tabel lapiran). Sehingga bila 460 DPMO kita lihat di tabel menunjukkan nilai 4.8 sigma.
21
2.7.4 Define Define merupakan langkah operasional pertama dalam aktivitas ini, dalam langkah ini secara formal harus dapat mendefinisikan sasaran dari implementasi project ini, secara rinci mencakup mendefinisikan hal-hal di bawah ini: 1. Mendefinisikan masalah: pokok permasalahan harus jelas, terukur, tidak
berdasarkan
asumsi-asumsi,
harus
spesifik
dan
besar
kemungkinan tujuan/target dapat dicapai (attainable). 2. Mengidentifikasi pelanggan (customer): harus diidentifikasi apa dan siapa yang terpengaruh secara langsung dari masalah tersebut (baik customer internal maupun eksternal), selanjutnya dilakukan analisa terhadap cost of poor quality (COPQ)-nya. 3. Mengidentifikasi critical to quality (CTQ) characteristics: tim mengidentifikasi proses di internal yang berpengaruh langsung pada CTQ, hal-hal apa yang penting/siknifikan menurut customer. 4. Memetakan proses (map the process): memetakan kondisi proses saat ini, dengan memetakan proses, tim bisa mengetahui dan memilah kompleksitas dari organisasi/perusahaan, dan lebih fokus pada proses yang benar-benar kritis (perlu mendapat perhatian). Dan di langkah ini ditentukan pula project charter-nya. 5. Menentukan project scope: tim harus menentukan scope dari project/ permasalahan yang akan diangkat. Langkah ini untuk memastikan
22
bahwa area dari project ini masih dalam control, dimana data bisa didapatkan baik untuk kondisi saat ini maupun setelah perbaikan. Alat bantu - alat bantu (tools) yang biasa dipakai pada tahap ini antara lain: brainstorming, diagram tulang ikan (cause and effect diagram), FMEA (Failure Mode and Effect Analysis), Y/X diagram.
2.7.5 Measure Tahap selanjutnya adalah measure yaitu tim melakukan pengumpulan data mengenai performance saat ini dan titik berat bagian-bagian yang memungkinkan dilakukan peningkatan, serta langkah-langkah memonitor perbaikan tersebut. Secara terperinci langkah-langkah yang dilakukan pada tahap ini antara lain: 1. Mengidentifikasi pengukuran dan variasinya: dengan langkah ini dapat ditentukan karakter variasi dari proses dan kemungkinan penyebab variasi proses (penyebab khusus (special/assignment cause atau common cause). 2. Menentukan jenis data: tim mengumpulkan dan menentukan tipe dari data yang didapat apakah data atribut atau variabel. 3. Membuat rencana koleksi pengumpulan data (data collection plan): dalam pengumpulan data ini tim harus mempertimbangkan beberapa hal, antara lain: apa yang tim ingin ketahui tentang proses, hal-hal yang berpotensi menjadi penyebab variasi (X), level sigma saat ini, bagaimana metodologi pengumpulan data dan lain-lain.
23
4. Melakukan measurement system analysis (MSA): analisa ini dilakukan untuk melihat apakah variasi yang terjadi karena proses atau karena kesalahan alat pengukur (tools). 5. Mengumpulkan data: dalam tahap ini pengumpulan data dilakukan, data yang dikumpulkan harus benar, akurat dan layak untuk dipakai analisa tahap selanjutnya.
2.7.6 Analyze Pada langkah ini tim mulai lebih merinci dan fokus pada faktor-faktor yang berpengaruh
pada
kesuksesan
project
dan
peluang-peluang
peningkatan
(improvement opportunities), dengan lebih seksama dalam pengolahan dan analisa dari data yang didapat. Secara lebih terperinci pada akhir tahap ini tim harus dapat menjawab isu-isu seperti di bawah ini: 1. Peluang-peluang peningkatan apa saja yang ada dan bisa dilakukan. 2. Pendekatan apa saja yang dapat dilakukan oleh tim untuk menganalisa /mengolah data, dengan memanfaatkan alat bantu-alat bantu yang ada. 3. Akar penyebab (root cause/s) apa saja yang berkontribusi pada peluang-peluang peningkatan tersebut. 4. Bagaimana menganalisa data yang ada sehingga bisa ditentukan penyebab variasi yang terjadi.
24
5. Apakah ditemukan hasil analisa dari setiap perubahan yang terjadi pada inti permasalahan atau lingkupnya (problem statement or scope).
2.7.7 Improve Dalam langkah improve hal yang terpenting adalah menentukan langkah-langkah perbaikan
untuk
meningkatkan
performa
(sigma
level),
yaitu
dengan
merekomendasikan rencana-rencana tindakan (action plans) yang relevan, serta melakukan validasi seberapa efektif implementasi dari action plan tersebut. Urutan langkah berikut biasanya dilakukan dalam tahap improve ini: 1. Menetapkan alternatif-alternatif perbaikan, dimana alternatif tersebut ditujukan untuk peningkatan produk dan proses. Selanjutnya dari alternatif-alternatif perbaikan tersebut dilakukan evaluasi dan dipilih yang paling terbaik dan efektif. 2. Membuat dan menentukan peta proses yang seharusnya (a ’should be’ process map), peta ini merupakan langkah alternative perbaikan yang terbaik dan paling mungkin untuk dilaksanakan dalam project ini. 3. Melakukan cost/benefit analysis, analisa ini merupakan proses terstruktur untuk
melihat
trade-off
antara
biaya
pelaksanaan
(implementation cost) dan potensi keuntungan dari peningkatan project (benefit improvement cost). 4. Melakukan ujicoba dari proposal perbaikan yang dipilih tersebut, dalam sekala yang kecil dan observasi yang seksama.
25
5. Memvalidasi efektifitas dari perbaikan, dilakukan dengan cara membandingkan sigma level sebelum dilakukan sebelum perbaikan (baseline) dengan setelah dilakukan alternatif perbaikan.
2.7.8
Control
Pada tahap ini langkah perbaikan proses dan produk yang sudah dilakukan dimonitor dan didokumentasikan hasilnya. Dan juga dilakukan transisi transfer pengendalian dari project team ke pemilik proses yang bersangkutan (process owner). Praktekpraktek terbaik (best practises) yang sukses dalam perbaikan produk dan proses distandardisasikan dan disebarluaskan. Prosedur-prosedur (SOP) yang sudah terevisi dan divalidasi keunggulannya didokumentasikan. Dalam project ini, suatu sub grup sudah bisa dikatakan berada pada fase In Control bila memenuhi syarat-syarat sebagai berikut: 1. Minimum ada 21 data tiap material dalam subgrup yang berada dalam batas kontrol di dalam SPC chart. 2. Semua akar penyebab (root caused) sudah teridentifikasi dan sudah dilakukan tindakan perbaikan. 3. Pencapaian inventory akurasi dalam subgrup tersebut minimal 95%. 4. Pengambilan data dalam pengukuran sudah mencakup akhir minggu, akhir bulan untuk keseluruhan material dalam subgrup.
26
2.7.9 Beberapa Alat Six Sigma (Six Sigma Tools) Dalam melakukan analisa untuk perbaikan produk dan proses di setiap tahapan banyak alat bantu (tools) yang biasa dipakai dalam Six Sigma, namun beberapa alat bantu relevan dalam project ini antara lain:
2.7.9.1 Benchmarking Benchmarking merupakan suatu proses berkelanjutan dan sistematis yang menggunakan ukuran-ukuran untuk mencapai praktek kerja yang terbaik (best practise), sehingga menjadi pendorong dan merubah menuju performa yang terbaik (best-in-class/BIC performance). Bencmarking juga merupakan suatu perbaikan proses, dimana perusahaan mengukur performanya dibandingkan dengan perusahaan yang best-in-class (atau yang memiliki performa baik), menentukan langkah-langkah bagaimana perusahaan yang baik tersebut dapat mencapai performa yang baik dan menggunakan informasiinformasi tersebut untuk meningkatkan performa dalam perusahaan tersebut. Area yang mungkin dilakukan benchmarking antara lain: strategi perusahaan, operasional, proses dan prosedur. Tujuan dilakukan benchmarking ini antara lain: 1. Bisa didapatkan pengetahuan yang bernilai yang dapat membantu dalam pengambilan keputusan bisnis, pemilihan langkah strategis dan potensi peluang bisnis.
27
2. Mengidentifikasi gap antara performa perusahaan tersebut dengan perusahaan BIC (atau perusahaan yang diambil sebagai benchmarking). 3. Mengidentifikasi
cara-cara
yang
mungkin
dilakukan
untuk
mengurangi/mengeliminasi gap yang ada, melalui perbaikan proses, pengetahuan dan pemilihan strategi bisnis perusahaan.
2.7.9.2 Statistic Process Control (SPC) SPC atau Peta Kendali merupakan teknik penyelesaian masalah yang digunakan untuk memonitor, mengendalikan, menganalisis, mengelola, dan memperbaiki produk dan proses dengan metode-metode statistik. Peta kendali ini memberikan informasi penting 2 hal penting, distribusi proses (rata-rata dan varian) dan kecenderungan/tren dari proses. Peta kendali mempunyai atribut-atribut sebagai berikut: 1. Garis tengah (center line): mewakili nilai rata-rata (pengukuran atau proporsi) dari karakteristik tertentu. 2. Batas kontrol atas (Upper Control Limit = UCL): batas yang berada pada tiga unit standar deviasi di atas gas tengah. 3. Batas kontrol bawah (Lower Control Limit = LCL): batas yang berada pada tiga unit standar deviasi (dengan beberapa pengecualian) di bawah garis tengah.
28
Gambar 2.3: Batas-batas peta kendali
Batas kendali biasanya yang dipakai adalah ±3σ dari garis tengah (center line) , karena nilai tersebut memberi nilai yang ekonomis dan juga tergantung pada tingkat kepastian dan resiko, dengan menggunakan batas ±3σ kemungkinan terjadi kesalahan kecil. Dan peta kendali secara garis besar dibagi menjadi 2 (dua) jenis, yaitu peta kendali variabel dan peta kendali atribut. Dalam hal teori ini penulis hanya membahas peta kendali variabel karena peta ini yang banyak dipakai dalam analisa masalah ini.
2.7.9.2.1 Peta Kendali Variabel Peta kendali variabel digunakan untuk pengukuran produk yang karakteristik kualitasnya dapat diukur secara kuantitatif, seperti: berat, panjang, ketebalan, volume dan diameter. Peta kendali ini dibagi menjadi 2 (dua) jenis, yaitu: 1. Peta kendali rata-rata (X-chart): peta kendali ini digunakan untuk mengetahui rata-rata pengukuran antar sub grup yang diperiksa.
29
2. Peta kendali rentang (R-chart): peta kendali ini digunakan rentang (range) atau selisih nilai pengukuran yang terbesar dengan nilai pengukuran terkecil di dalam sub grup yang diperiksa.
2.7.9.2.2 Penggunaan Peta Kontrol Pada Six Sigma, peta kontrol digunakan untuk melandasi kinerja proses, monitor dan kontrol kinerja proses, evaluasi sistem pengukuran, perbandingan multiproses, perbandingan proses sebelum dan sesudah perbaikan serta analisa yang berhubungan dengan karakteristik dan kemampuan proses. Data sampel (juga disebut data subgroup) digambarkan dalam grafik kontrol untuk memonitor stabilitas proses. Di dalam proses yang stabil, hasil pengamatan sampel akan secara acak tersebar di sekitar garis tengah grafik kontrol. Susunan data secara acak inilah yang mencerminkan variasi normal yang kita harapkan di setiap proses (common cause variation). Jika susunan data tidak acak atau keluar batas kontrol hal ini merupakan tanda bahwa perubahan proses telah terjadi dan proses menjadi tidak stabil (special cause variation).
30
(a) In statistical control and capable of producing within control limits
Frequency
Upper control limit
Lower control limit
(b) In statistical control but not capable of producing within control limits
(c) Out of control Size (weight, length, speed, etc.)
Gambar 2.4: distribusi sampel pada peta kendali Tabel 2.1: Tipe karakteristik dari variasi ITEM
COMMON CAUSE
SPECIAL CAUSE
Scope of Influence
All data in similar manner
Some (or all) data in dissimilar manner
Typical Identity
Many small sources
One or a few major sources
Nature
Stable and collective pattern is predictable.
Sporadic irregular Unpredictable Appears & disappears
It is what is inherent or natural to the process Improvement Action
Reduce common cause(s) Variability
Incorporate or eliminate
Improvement Responsibility
SYSTEM Management
LOCAL fault Operator/supervisor
fault
31
2.7.9.3
Diagram Sebab Akibat (Fish-Bone Diagram)
Diagram sebab akibat ini disebut juga diagram Ishikawa, menggambarkan garis dan simbol-simbol yang menunjukkan hubungan antara akibat dan penyebab dari suatu masalah. Dalam Six Sigma diagram ini berguna untuk menganalisa dan menemukan faktor-faktor yang berpengaruh secara signifikan didalam menentukan karakteristik dari out-put produk atau proses, juga untuk mencari penyebab-penyebab sesungguhnya (root cause) dari suatu masalah, versus gejala (symptom). Dalam hal ini metode sumbang saran (brainstorming) akan efektif membantu mencari/menganalisa akar penyebab dari suatu masalah. Dalam diagram sebab-akibat ada 5 (lima) faktor penyebab yang signifikan dan perlu diperhatikan (namun dalam praktek bisa ditambahkan faktor-faktor yang lain), yaitu: 1. Manusia (man) 2. Metode kerja (methods) 3. Mesin atau peralatan lainnya (machine/equipment) 4. Bahan baku (material) 5. Lingkungan kerja (work environment) Langkah-langkah dalam membuat diagram sebab akibat secara ringkas sebagai berikut: 1. Mengidentifikasi dan menetapkan masalah utama. 2. Menempatkan masalah utama tersebut di sebelah kanan diagram. 3. Tulis penyebab utama (main cause), yang biasanya 4M + 1E pada diagram utama.
32
4. Cari lebih lanjut faktor-faktor yang menpunyai pengaruh atau mempunyai akibat pada faktor-faktor penyebab utama. Dan tulis pada ranting kiri atau kanan penyebab utama. 5. Periksa lagi, apakah semua item yang berkaitan dengan karakteristik output benar-benar sudah dimasukkan. 6. Diagram sudah selesai, selanjutnya evaluasi dan cari penyebab yang paling dominan atau penyebab sesungguhnya.
Gambar 2.5: Contoh diagram Sebab Akibat (Cause & Effect diagram)
33
2.7.9.4 Brainstorming Brainstorming adalah cara memacu pemikiran kreatif guna mengumpulkan ide-ide dari suatu grup dalam waktu yang relatif singkat. Ide-ide dari gup inilah yang ditampung dan ditindaklanjuti sebagai rencana aksi dari suatu masalah atau perbaikan dari kondisi yang sudah ada (improvement idea). Dalam melakukan brainstorming perlu diperhatikan hal-hal sebagai berikut: 1. Masing-masing anggota grup telah sepakat mengenai isu pokok yang akan dibahas. 2. Diharapkan dapat menjawab pertanyaan dari isu pokok, mengapa (why), bagaimana (how), atau apa (what). 3. Harus diciptakan kondisi masing-masing anggota dalam tim merasa bebas mengemukakan idenya, tanpa ada tekanan. 4. Hindari saling kritik dan melemahkan dari masing-masing anggota. 5. Ide yang disampaikan ditulis sebagai mana aslinya. 6. Semakin banyak pendapat/ide yang disampaikan, maka hasil akan semakin baik. 7. Pada akhir brainstorming perlu dibuat rangkuman ide yang disampaikan.
2.7.9.5 Pemetaan Proses (Process Mapping) Pemetaan proses (process mapping) atau biasa disebut flow charts adalah suatu alat yang menggambarkan langkah-langkah atau aktivitas yang tersusun dalam suatu proses. Alat ini dapat menggambarkan keseluruhan atau sub proses, sehingga dapat
34
diketahui dimana potensial terjadi cacat atau kegagalan. Dengan menggunakan alat ini dapat pula ditetentukan stasiun kerja kritis dan faktor yang berpengaruh ke kualitas (CTQ) yang bisa mempengaruhi performance proses secara keseluruhan.
Pemetaan proses biasanya menggunakan simbol-simbol sebagai berikut:
penyimpanan
pemeriksaan
operasi
peundaan
transportasi
Gambar 2.6 : Simbol-simbol pada pemetaan proses
35
Gambar 2.7 : Contoh pemetaan proses pemesanan pizza di Pizza Express
2.7.9.6 Diagram Pareto Diagram Pareto adalah grafik batang yang menunjukkan masalah berdasarkan urutan banyaknya kejadian. Diagram ini dibuat untuk menemukan masalah atau penyebab yang merupakan kunci dalam penyelesaian masalah dan perbandingan terhadap keseluruhan. Dengan mengetahui penyebab-penyebab dominan kita akan dapat menetapkan prioritas perbaikan. Diagram Pareto disusun berdasarkan prinsip bahwa 80% permasalahan disebabkan oleh 20% akar permasalahan, sehingga dengan memfokuskan pada akar masalah maka dapat diselesaikan masalah sebanyak 80%.
36
Sehingga secara sederhana prinsip Pareto adalah “sedikit tetapi penting, banyak tetapi remeh”. Secara umum kegunaan diagram Pareto adalah: 1. Menunjukkan persoalan utama yang dominan dan perlu segera diatasi. 2. Menyatakan perbandingan masing-masing persoalan yang ada dan komulatif secara keseluruhan. 3. Menunjukkan tingkat perbaikan setelah tindakan korektif dilakukan pada daerah yang terbatas. 4. Menunjukkan perbandingan masing-masing persoalan sebelum dan sesudah perbaikan. Pizza Express Pareto Chart 65% of the complaints consist of Food Not Fresh / Hot and Late Deliveries
40
35
100% 90% 80%
30
Frequency
70%
Late Delivery appears positively correlated with Food Not Fresh / Hot
25
60%
20
50% 40%
15
30% 10 20% 5
10%
0
0% Food Not Fresh / Hot
Late Delivery
Wrong Order
Food Returned (Not Cooked Properly)
Wrong Address
Incorrect Bill
Miscellaneous
Factor
Gambar 2.8 : Contoh diagram Pareto pemesanan pizza di Pizza Express
37
BAB III METODOLOGI PENELITIAN
Dalam melakukan penelitian ini, penulis mengumpulkan data serta informasi yang relevan dengan menggunakan metode deskriptif, yaitu metode yang melihat dan menggambarkan keadaan perusahaan secara sistematik, faktual dan akurat dengan cara mengumpulkan data dari dalam perusahaan kemudian dianalisis dan ditarik kesimpulan akhirnya. Selain itu penulis juga menggunakan metode historis yaitu metode penelitian yang menggunakan data-data dari perusahaan baik yang sekarang atau yang sudah lalu. Menurut Leedy (1997:3) penelitian atau riset adalah proses yang sistematis meliputi pengumpulan dan analisis informasi (data) dalam rangka meningkatkan pengertian kita tentang fenomena yang kita minati atau menjadi perhatian kita. Untuk memperoleh data, penyusunan skripsi ini penulis menggunakan beberapa teknik pengumpulan data yang diangap sesuai, dalam rangka membantu memecahkan masalah. Data yang penulis kumpulkan meliputi: 1. Data primer, yaitu data yang diperoleh dari studi lapangan dan studi literatur yang berhubungan dengan masalah yang penulis angkat.
38
2. Data sekunder, data yang diperoleh dari studi literatur dan dimaksudkan untuk mendukung kebenaran data primer.
Adapun teknik-teknik pengumpulan data yang digunakan penulis adalah: 3.1 Studi Lapangan (Field Research) Yaitu penelitian langsung ke perusahaan langsung atau proses terkait yang menjadi objek penelitian, yang dilakukan dengan cara: 1. Observasi, yaitu penelitian langsung ke lapangan atau proses terkait yang menjadi objek penelitian. 2. Mengumpulkan data, dokumen-dokumen atau catatan-catatan di perusahaan yang terkait dengan masalah yang diteliti. 3. Wawancara, pengumpulan data dengan mengajukan pertanyaanpertanyaan ke pihak yang terlibat atau bertanggung jawab pada proyek tersebut.
3.2 Studi Pustaka Yaitu teknik pengumpulan atau pencarian data yang bersumber dari literatur, text book, referensi dari perusahaan dimana dilakukan penelitian, serta sumber dari web atau internet, sebagai data pembanding dan pendukung pemecahan masalah.
39
3.3 Diagram Alir Implementasi IRA Diagram alir di bawah ini menggambarkan urutan implementasi project Inventory Record Accuracy (IRA), yang mana pelaksanaan project ini menggunakan metoda MAIC atau Sig Sigma. Flow prosesnya sebagai berikut:
Diagram Alir Implementasi Inventory Record Accuracy (IRA)
Pokok Permasalahan
Tentukan 10 material dalam Control Group Tahap MEASURE Tentukan Baseline Inventory untuk membuat SPC Kumpulkan sampel data untuk analisa
A
Gambar 3.1: Digram alir proses IRA dengan metodology MAIC
40
A
Tahap ANALYZE & IMPROVE
Analisa sampel data dan lakukan investigasi untuk mencari akar masalah bila ditemukan penyimpangan (out of control) Lakukan tindakan korektif pada penyimpangan untuk mencapai 95% akurasi
Tahap CONTROL
Lakukan evaluasi dan validasi secara periodik pada konsistensi akurasi
Selesai
Gambar 3.2: Digram alir proses IRA metodology MAIC (lanjutan)
41
BAB IV PENGUMPULAN DAN PENGOLAHAN DATA
4.1 Obyek Penelitian Dalam penulisan skripsi ini yang dijadikan obyek penelitian adalah Styrene Butadiene (SB) Latex plant di PT X yang berlokasi di Cilegon – propinsi Banten, yang mana SB Latex plant PT X adalah salah satu lokasi pabrik (site) dari perusahaan kimia multinational yang berpusat di Michigan – Amerika Serikat (USA), yang didirikan seorang berkebangsaan Amerika tahun 1897. Saat ini PT X beroperasi di kurang lebih 35 negara, dengan memiliki sumber daya manusia total sekitar 46.000 pekerja tetap, menghasilkan lebih dari 3.100 jenis produk. Kapasitas produksi plant ini pertahun sekitar 36.000 WMT (wet metric ton), untuk memenuhi pasar domestik maupun export. Dan produk yang dihasilkan plant ini adalah latex sintetis, yang banyak dipakai untuk pelapis kertas (paper coating) dan aplikasi untuk karpet. Fokus penelitian disini adalah persediaan bahan baku yang dipakai dalam proses produksi di PT X tersebut. Dimana bahan baku yang akan diambil sampel sebagai data penelitian disini dipilih berdasarkan ketentuan-
42
ketentuan yang telah disepakati tim, yaitu yang berjumlah 10 jenis material, baik dalam bentuk cair, gas maupun padatan.
4.2 Sumber Daya ( IRA Project Team) Tim dari IRA project ini terdiri dari 4 grup, yang masing-masing grup bisa lebih dari 1 orang, yaitu: 1. IRA Project Leader and Focal Point: bertanggung jawab pada keseluruhan project, memonitor kemajuan dari project agar sesuai dengan target waktu (timeline), bersama tim lain melakukan pengumpulan dan analisa data, bertanggung jawab mengatur aktivitas dan koordinasi dari seluruh anggota tim dengan tim ahli (project support center). 2. Control Plan Owner: bertanggung jawab mengontrol akurasi inventori di areanya, mengalokasikan sumber daya di areanya, bertanggung jawab melakukan perbaikan (improvements) dan berperan serta dalam setiap pertemuan yang diatur oleh IRA project leader. 3. Control Plan Troubleshooter: melaukan analisa dari data yang dikumpulkan, mengidentifikasi penyimpangan-penyimpangan yang terjadi dan mencari akar penyebab (root cause/s) dari penyimpangan tersebut, serta memimpin melakukan tindakan perbaikan (corrective actions) dan upaya pencegahan (preventive actions) dari penyebab tersebut agar tidak terulang dikemudian hari.
43
4. Measurement Focal Point: bertanggung jawab melakukan pengumpulan data dan memasukkan ke alat bantu pengukuran akurasi, menyimpan catatan-catatan inventori dan standard-standard pengukuran yang diperlukan. Masing-masing anggota dari tim yang berjumlah 6–10 orang secara rutin melakukan pertemuan yang sudah dijadwalkan oleh ketua tim (project leader) dan dilakukan juga pertemuan dengan tim ahli (project support center, biasanya master black belt) untuk menginformasikan perkembangan dan melakukan konsultasi bila ada kendalakendala atau kesulitan-kesulitan pada proses tersebut.
4.3 Flow Proses IRA Flow IRA project di fase improvement adalah seperti gambar berikut:
D r iv e Im p r o v e m e n t
No
Gambar 4.1 : Flow proses IRA project pada fase improvement All Control Yes No
Flow proses pada fase yang sudah Select GMIDs for berikut:Control Group
Chart Items in Control Group
Set Tolerances
Groups In Control stabil (sustain performance ? Perform Correct Root Variances / Cause CAPA Analysis
% GMIDs In Control phase) sebagai ?
Yes Exit Criteria
Gambar 4.2 : IRA project chartGather padaMetrics sustain performance phase Current Month-End Closing Process
Gambar 4.1: Diagram alir IRA pada drive improvement
44
Sedang flow proses pada kondisi yang sudah stabil (sustain performance) yaitu:
Sustain Performance
Re-evaluate Tolerance Limits
Obtain Measurem ents
Yes All GMID s In
SPC (Automated)
No
Cycle Count (Manual)
Root Cause Analysis / CAPA
Report Monthly Metrics Streamlined Month-End Closing Process
Gambar 4.2: Diagram alir IRA pada sustain performance Langkah-langkah dari alur project ini secara ringkas sebagai berikut: 1. Menentukan grup kontrol (control group) yang terdiri atas beberapa material yang akan dilakukan perbaikan akurasinya, dalam project ini dipilih 10 material. Proses pengumpulan data dari SAP dailakukan dengan memakai alat bantu (tool) yang disebut BO (Business Object) Query, dimana dengan fasilitas ini data stock akhir setiap item setiap harinya (yang untuk project ini maksimum 10 material) bisa didapatkan dengan cepat, yaitu mengekstrak data dari SAP. 2. Menentukan batas toleransi yang masih diterima, yaitu stok akhir yang disepakati oleh aturan bisnis (business rule), dimana penyimpangan yang diperbolehkan maksimal adalah 5%. Dimana pendekatan yang dipakai adalah terlebih dahulu menentukan rata-rata stok akhir bulan (typical ending inventory) tiap material sebagai patokan (baseline) selama periode tertentu (dalam project ini mengambil 8 bulan),
45
selanjutnya ditentukan batas tolerasi terendah yaitu 5% dari rata-rata stok yang bernilai negatif dan batas tertinggi yang bernilai positif, dan bila batas tolerasnsi sudah disetujui dilanjutkan ke proses berikutnya. 3. Mengumpulkan data yang akan dianalisa, dan untuk kecukupan data secara pengalaman minimal harus terkumpul 21 data. Ada beberapa hal yang perlu diperhatikan dalam pengambilan data, antara lain: a. Pengukuran dalam kondisi normal, artinya tidak ada perubahan proses atau hal lain di area yang dilakukan perhitungan. b. Dilakukan pengambilan data hanya bila ada pergerakan material, artinya ketika proses berhenti (shut down) tidak boleh dilakukan perhitungan. Hindari melakukan perhitungan saat perbaikan mesin (maintenance & repair), mesin akan mulai produksi (start up). c. Data yang diambil harus mencakup atau melewati stok akhir bulan, dan jangan melakukan perubahan (adjustment) pada data yang dikumpulkan, sebelum selesai keseluruhan data. d. Metoda dalam pengumpulan atau pengambilan data harus konsisten. 4. Selanjutnya bila data sudah mencukupi dilakukan analisa, bila ada data keluar dari batas toleransi harus dilakukan investigasi untuk dicari akar penyebab (root cause), selanjutnya dilakukan tindakan korektif dan juga preventif agar tidak terulang lagi di waktu yang akan datang. 4.4 Metode dan Alat dalam Pengumpulan Data Dalam pengumpulan data ada beberapa alat (tools) yang dipakai dalam pengumpulan data ini, yaitu:
46
4.4.1 BO (Business Object) Query Alat ini digunakan untuk mengambil (collecting) data dari SAP secara cepat dan otomasis, data dari BO atau disebut juga Share Data Network (SDN) menunjukkan dari stock akhir tiap-tiap material dari project ini setiap periode tertentu. Tampilan BO query seperti dibawah ini: B
C
D
E
F
G
H
I
J
K
L
M
PLANT X BO QUERY SHEET: SAP DAILY PRODUCTION AND INVENTORIES
1 2 4/26/2009 <= Input Query Update Date 3 10 Material 11 SAP Company Code GMID List 35 00171083 Latex SL 3000P PA BK 12 00064386 SRF DOWFAX 2A1 BULK DCLTX-C28 13 00069422 SODIUM HYDROXIDE 48.5% 14 BUTADIENE MONOMER 99.5 00059727 15 ITACONIC ACID 16 SAP Client Code 00003611 040 00004312 FUMARIC ACID 17 SODIUM PERSULFATE, TECHNICA 00003653 18 00003568 AMMONIUM PERSULFATE, TECHNI 19 Plant Code 00040348 CNT VERSENOL 120 PEDR580LB 20 ACRYLIC ACID - PURCHASED 50 00003558 21 DO NOT Enter more than 10 GMIDs 22 23 24 25 26 27 BOQ_Ref QUERY Results in Area Below 28 29 30 63 96 129 162 195 228 261 294 327 360
Null character 1
GMID 00003558 00003568 00003611 00003653 00004312 00040348 00059727 00064386 00069422 00171083
Stock Unit List LB LV L4 GL D2 EA LM KG
Country Record Unit Stock Unit Name ACRYLIC ACID - PURCHASED 00000684R002 INDONESIA LB KG AMMONIUM PERSULFATE, TECHNI 00007879R002 INDONESIA LB KG KG ITACONIC ACID 00042272R004 INDONESIA LB SODIUM PERSULFATE, TECHNICA 00006532R002 INDONESIA LB KG KG FUMARIC ACID 00038116R001 INDONESIA LB INDONESIA LB KG CNT VERSENOL 120 PEDR580LB BUTADIENE MONOMER 99.5 00012852R009 INDONESIA LM KG INDONESIA LB KG SRF DOWFAX 2A1 BULK DCLTX-C28 SODIUM HYDROXIDE 48.5% 00049271R302 INDONESIA LB KG INDONESIA LS KS Latex SL 3000P PA BK
Start Year 2008
Start Month 09
End Year 2009
End Month 04
Year
Month
GMID Short Text
2008 2008 2008 2008 2008 2008 2008 2008 2008 2008
09 09 09 09 09 09 09 09 09 09
Data Block Size Rows 330 Columns 11
Day 01 01 01 01 01 01 01 01 01 01
Produced Quantity 0 0 0 0 0 0 0 0 0 0
Ending Inventory 33465.926 35576.762 19831.444 20182.726 18758.754 11672.892 224239.068 10797.536 8975.339 10886.981
Gambar 4.3: BO Query sheet
47
4.4.2 SAP – BO Query Data Work Area Alat ini untuk mengekstrak data dari BO query sebelum dilalukan plotting ke SPC chart.
Gambar 4.4 : BO Query data extraction sheet
48
4.4.3 SPC Chart Alat ini untuk melihat grafik yang ditampilkan dari data yang didapat, dan diolah di dalam tool ini, dari grafik SPC ini kita bisa menentukan dan mengambil kesimpulan tingkat akurasi dari material yang dianalisa tersebut, apakah sudah masuk dalam batas control atau di luar batas kontrol (out of control). 00003558
2,000.0
1677.7
1,500.0
Variance-10
1,000.0 500.0 0.0 9-Sep-08 29-Oct-500.0 08 -1,000.0
18-Dec- 6-Feb-09 28-Mar08 09
17-May09
-158.7 6-Jul-09
-1,500.0 -2,000.0
-1995.1
-2,500.0 -3,000.0
Date
Gambar 4.5: Contoh SPC chart Dalam project ini, sesuai aturan bisnis perusahaan (business rule) batas bawah dan batas atas tiap-tiap peta kontrol diambil dari rata-rata stok akhir inventory (typical ending inventory) selama delapan bulan sebelumnya secara berturut-turut, dalam hal ini data diambil sekitar bulan Januari sampai dengan Agustus 2008, karena pengumpulan data proses dimulai bulan Oktober 2008.
49
Table data batas kontrol untuk masing-masing sampel material seperti di bawah ini. Tabel 4.1: Batas kontrol sampel tiap material
GMID Name
Typical Ending Lower Upper Lower Upper Physical Business Business Business rule Business Rule Inventory Tolerance Tolerance Tolerance Tolerance (In units of (Percentage of (Percentage of (In units of (In units of Measure) Inventory) inventory) Measure) Measure)
00171083
11,040
5.00%
5.00%
-552
552
00064386
18,785
5.00%
5.00%
-939
939
00069422
7,590
5.00%
5.00%
-380
380
00004307
14,160
5.00%
5.00%
-708
708
00003611
25,175
5.00%
5.00%
-1,259
1,259
00004312
29,110
5.00%
5.00%
-1,456
1,456
00003653
31,725
5.00%
5.00%
-1,586
1,586
00003568
25,880
5.00%
5.00%
-1,294
1,294
00040348
13,085
5.00%
5.00%
-654
654
00003558
26,025
5.00%
5.00%
-1,301
1,301
4.4.4 Pengumpulan Data Pengumpulan data dimulai dari tanggal 5 Oktober sampai dengan 31 Desember 2008, dan data yang terkumpul sebanyak 40 sampel, data tersebut sudah mencukupi dari persyaratan minimal yaitu sebanyak 21 sampel data. Di bawah ini adalah data varian inventory, yaitu selisih antara data yang tercatat di dalam laporan SAP dengan aktual stok di lapangan (storage tank atau gudang). Selanjutnya data yang terkumpul diplot ke SPC tool untuk dilihat dan dianalisa apakah masuk dalam batas kontrol yang dikehendaki atau tidak. Jika tidak, maka harus dilakukan investigasi untuk mencari penyebab (root cause) dari penyimpangan tersebut, yang selanjutnya dilakukan langkah perbaikan.
50
Tabel 4.2: Data varian inventori dari masing-masing sampel YEAR
2007
INVENTORY VARIANCE CALCULATIONS [OPERATIONS VALUE - SAP VALUE] 00171083
00064386
00069422
00004307
00003611
00004312
00003653
00003568
00040348
00003558
-10 -10 332 233 176 1,131 -85 -90 -132 -171 -152 -167 -214 -317 -321 -417 -342 -415 -225 -240 -364 -386 -312 -338 -375 -444 -373 -397 #N/A -399 -436 #N/A -518 -458 -638 -475 -501 -526 -530 -546 #N/A #N/A #N/A
4 -29 -290 -453 -611 -530 -940 -973 -1,020 -1,061 767 678 368 291 300 31 185 -227 10 -155 -373 -284 -341 -461 -533 -965 -767 -910 #N/A -845 -154 #N/A -1,139 -1,330 -1,345 -1,490 -1,574 -1,835 -1,797 -1,902 #N/A #N/A #N/A
0 -48 -22 -110 -187 14 -363 -303 -209 -208 -542 -206 -455 -495 -333 -415 -377 -801 -415 -270 -478 -411 -362 -359 -385 -710 -338 -645 #N/A -550 -113 #N/A 2 -243 -172 -686 -720 -427 -193 -85 #N/A #N/A #N/A
-283 -828 -764 -571 -438 -383 -673 -1,113 -1,011 -494 -585 -236 -306 -314 -458 -525 -459 -552 -650 -780 -781 -744 -720 -738 -720 -838 -747 -783 #N/A -758 -858 #N/A -798 -895 -867 -783 -1,065 -569 -906 -788 #N/A #N/A #N/A
-225 8 -222 -222 -110 12 -222 -222 -223 -221 121 -228 -1,046 -381 -268 -506 -270 -492 -273 -244 -240 -234 -232 -232 -233 -232 #REF! #REF! #REF! #REF! #REF! #REF! #REF! #REF! #REF! #REF! #REF! #REF! #REF! #REF! #N/A #N/A #N/A
0 0 0 -2 -105 0 -300 -130 -2 -2 -2 -2 -17 -3 -111 -1 -1 -1 -1 0 -110 -1 1 0 2 2 1 1 -135 -3 -3 -3 -4 -1 -1 -2 -2 -5 -5 -4 #N/A #N/A #N/A
0 0 -1 -1 362 -1 -2 -3 -3 -3 110 -4 -119 -118 -86 2 18 -208 12 51 -34 -44 60 60 60 57 56 106 15 56 55 55 56 56 55 55 55 101 53 54 #N/A #N/A #N/A
0 166 76 51 53 170 52 54 51 51 825 50 -250 30 926 -92 17 23 20 19 20 20 21 22 21 22 22 -107 136 -9 22 27 16 22 31 23 22 20 23 23 #N/A #N/A #N/A
-19 34 27 -51 29 130 10 9 -8 3 -11 10 -1 -4 -6 -64 9 -3 9 -108 -13 9 -47 34 46 -91 69 -124 -36 -305 -81 -2 -196 4 -87 -95 -96 -263 -58 -33 #N/A #N/A #N/A
15 -390 -362 -280 -106 243 -144 265 31 -23 166 50 -544 -550 -15 6 49 -909 132 178 240 407 426 465 432 -145 573 603 #N/A 770 824 #N/A 783 581 783 829 610 264 339 1,187 #N/A #N/A #N/A
DATE 5-Oct-08 6-Oct-08 7-Oct-08 8-Oct-08 9-Oct-08 10-Oct-08 11-Oct-08 12-Oct-08 13-Oct-08 14-Oct-08 27-Oct-08 28-Oct-08 29-Oct-08 30-Oct-08 3-Nov-08 4-Nov-08 5-Nov-08 6-Nov-08 17-Nov-08 18-Nov-08 19-Nov-08 2-Dec-08 3-Dec-08 4-Dec-08 5-Dec-08 6-Dec-08 15-Dec-08 16-Dec-08 17-Dec-08 18-Dec-08 19-Dec-08 20-Dec-08 21-Dec-08 22-Dec-08 23-Dec-08 24-Dec-08 25-Dec-08 26-Dec-08 27-Dec-08 28-Dec-08 29-Dec-08 30-Dec-08 31-Dec-08
51
Peta kontrol untuk masing-masing material didapat sebagai berikut : 1. Material dengan kode 00171083 00171083 1,400.0 1,200.0
V ariance-1
1,000.0 800.0 600.0 400.0 200.0 0.0 9-Sep-08 29-Oct-200.0 08 -400.0
463.4
18-Dec- 6-Feb-09 28-Mar08 09
17-May09
-48.5 6-Jul-09 -560.3
-600.0 -800.0 Date
Analisa data: terlihat ada 2 titik yang keluar batas kontrol yaitu tanggal 10 Oktober dan
•
23 Desember kecenderungan peta kontrol di bawah garis tengah (menunjukkan aktual
•
stok lebih sedikit sedikit dibanding yang tercatat di SAP) 2. Material dengan kode 00064386 00064386 1,500.0 1022.3
1,000.0
V arianc e- 2
500.0 0.0 -111.3 9-Sep-08 29-Oct- 18-Dec- 6-Feb-09 28-Mar- 17-May- 6-Jul-09 -500.0 08 08 09 09 -1,000.0 -1244.9 -1,500.0 -2,000.0 -2,500.0 Date
52
Analisa data: terdapat 13 titik di luar batas kontrol yaitu tanggal 11-14 Oktober, 6
•
Desember dan di 21-28 Desember 2008. data di akhir Desember kecenderungannya menurun, dan keluar batas
•
kontrol, dan Desember menunjukkan aktual stok lebih sedikit dibanding yang tercatat di SAP. 3. Material dengan kode 00069422 00069422 600.0 421.9
400.0
Variance-3
200.0 0.0 -64.7 9-Sep-08 29-Oct- 18-Dec- 6-Feb-09 28-Mar- 17-May- 6-Jul-09 -200.0 08 08 09 09 -400.0 -551.3
-600.0 -800.0 -1,000.0 Date
Analisa data: •
terdapat 15 titik berada di luar batas kontrol yaitu tanggal: 27, 29, 30 Oktober, 4, 6, 17, 19 Nopember, dan 2, 5, 6, 16, 18, 24, 25, 26 Desember 2009.
•
kecenderungan data berada di bawah garis tengah, menunjukkan aktual stok lebih sedikit dibanding ynag tercatat di SAP.
53
4. Material dengan kode 00004307 00004307
1,000.0
726.1
Variance-4
500.0
0.0 9-Sep-08
29-Oct08
18-Dec08
6-Feb-09
28-Mar09
17-May- -134.7 6-Jul-09 09
-500.0
-995.5
-1,000.0
-1,500.0
D ate
Analisa data: •
terdapat 22 titik di luar batas control yaitu tanggal: 6, 7, 12, 13 Oktober, 18-19 November, 2, 3, 4, 5, 6, 15, 16, 18, 19, 21, 22, 23, 24, 25, 27, 28 Desember 2008.
•
Kecenderungan data berada di bawah garis tengah, atau aktual stok lebih sedikit dibanding yang tercatat di SAP.
5. Material dengan kode 00003611 00003611
1,500.0
Variance-5
1,000.0 500.0 328.4 0.0 9-Sep-08 -500.0
29-Oct08
18-Dec08
6-Feb-09
28-Mar09
-38.8 17-May- 6-Jul-09 -405.9 09
-1,000.0 -1,500.0
D ate
54
Analisa data: •
data berada dalam batas kontrol
6. Material dengan kode 00004312 00004312
2,000.0 1,500.0
V ariance- 6
1,000.0 500.0 0.0 9-Sep-08 -500.0
29-Oct08
18-Dec08
6-Feb-09
28-Mar09
79.8 -4.8 -89.4 17-May- 6-Jul-09 09
-1,000.0 -1,500.0 -2,000.0
Date
Analisa data: •
data berada dalam batas kontrol.
7. Material dengan kode 0003653 00003653
2,000.0 1,500.0
V ari anc e- 7
1,000.0 500.0 0.0 9-Sep-08 -500.0
29-Oct08
18-Dec08
6-Feb-09
28-Mar09
128.5 3.9 -120.7 17-May- 6-Jul-09 09
-1,000.0 -1,500.0 -2,000.0
Date
55
Analisa data: •
data berada dalam batas kontrol
8. Material dengan kode 00040348 00003568
1,500.0 1,000.0
V ariance- 8
500.0 291.9 0.0 9-Sep-08 -500.0
13.7 29-Oct08
18-Dec08
6-Feb-09
28-Mar09
17-May- -264.6 6-Jul-09 09
-1,000.0 -1,500.0
Date
Analisa data: •
data berada dalam batas kontrol
9. Material dengan kode 00040348
800.0 600.0
Variance-9
400.0 200.0 0.0 9-Sep-08 -200.0
29-Oct08
18-Dec08
6-Feb-09
28-Mar09
112.0 -6.6 17-May- -125.1 6-Jul-09 09
-400.0 -600.0 -800.0
Date
Analisa data: •
Data berada dalam batas kontrol
56
10. Material dengan kode 00003558 00003558
1,500.0 1,000.0
Variance-10
714.8 500.0 0.0 9-Sep-08 -500.0
34.1 29-Oct08
18-Dec- 6-Feb-09 08
28-Mar09
17-May09
6-Jul-09 -646.7
-1,000.0 -1,500.0
D ate
Analisa data: •
data berada dalam batas kontrol Tabel 4.3: Rangkuman analisa data sampel
No.
Kode Material
Jumlah Data
Keterangan
1.
00171083
38
2 titik berada di luar batas kontrol
2.
00064386
38
13 titik berada di luar batas kontrol
3.
00069422
38
15 titik berada di luar batas kontrol
4.
00004307
38
22 titik berada di luar batas kontrol
5.
00003611
26
Data berada dalam batas kontrol
6.
00004312
40
data berada dalam batas kontrol
7.
00003653
40
Data berada dalam batas kontrol
8.
00003568
40
Data berada dalam batas kontrol
9.
00040348
40
Data berada dalam batas kontrol
10.
00003558
40
Data berada dalam batas kontrol
57
Dari tabel 4.3 dapat disimpulkan bahwa ada 4 material yang berada di luar batas kontrol, sehingga harus diinvestigasi atau dicari akar penyebab ketidaksesuaian material tersebut dan juga selanjutnya dilakukan aksi perbaikan, agar bisa berada dalam batas kontrol, dan juga perbaikan tersebut haruslah efektif, sehingga kejadian tersebut tidak terulang di kemudian hari. Sehingga pencapai, dari tabel 4.2 dan 4.3 didapat: a. Jumlah data yang masuk dalam kontrol = 36 + 25 + 23 + 16 + 26 + 40 + 40 + 40 + 40 + 40 = 326 data b. Rata-rata hari pengumpulan data
= 37.5 hari
c. Jumlah material dalam grup kontrol
= 10 material
Dengan rumus :
Σ data dalam batas kontrol X 100 Σ hari pengumpulan data X Σ material dalam grup kontrol
maka: Pencapaian IRA = [ 326 / (37.8 x 10) ] x 100 = 86,2 % Dengan 4 material yang berada di luar batas kontrol dan baru 326 data dalam akurasi IRA masih 86,2%, artinya masih di bawah target 95%, atau toleransi yang diijinkan sebesar 5%.
58
Ukuran-ukuran pencapaian lain dari data yang terkumpul, sebagai berikut: 1. Defect Per Unit (DPU): Total defect = 52 data Total data = 378 data Sehingga DPU => 52 / 378 = 0,137 (atau 13,7) DPU
2. Defect Per Million Opportunities (DMPO): DPMO => (52 /378) x 106 = 137556 DPMO Yfinal => 1 – 13.7 = 86,3%
3. Dari tabel DPMO Six Sigma (lampiran 3) nilai 137557 DPMO menunjukkan nilai sigma pada sekitar 2.59 sigma.
Artinya pada fase Measure sebagai baseline dari project, nilai sigmanya masih di level 2.59 sigma inilah yang akan kita improve.
59
BAB V ANALISA DAN PEMBAHASAN MASALAH
Dalam bab ini akan membahas dan menganalisa mengenai masalah-masalah yang timbul dari data yang terkumpul, sehingga dapat menemukan akar penyebab dari masalah tersebut, yang selanjutnya ditentukan pula tindakan perbaikan yang akan dilakukan agar masalah tersebut bisa diperbaiki. Tujuan akhirnya adalah agar akurasi dari data tersebut masuk dalam toleransi yang kita harapkan. Dalam bab sebelumya terdapat 4 material yang beberapa datanya masih berada di luar batas kontrol (out of control) yaitu: Tabel 5.1: Material yang masih di luar batas batas kontrol No.
Kode Material
Status
1.
00171083
di luar batas kontrol
2.
00064386
di luar batas kontrol
3.
00069422
di luar batas kontrol
4.
00004307
di luar batas kontrol
60
5.1 Diagram Alir Pengolahan Data Di bawah ini diagram alir proses pengumpulan dan pengolahan data IRA, dimana data yang diambil adalah stok akhir harian tiap material dari 10 jenis material yang diambil sebagai grup control.
Kumpulkan data aktual stok akhir material
Jalankan BO Query tool
Input ke spread sheet tool
Update data untuk jalankan SPC chart
Varian apakah dalam batas control ?
Rekomendasi perbaikan & pencegahan
Tidak
Analisa dan investigasi penyebab
A
Gambar 5.1: Diagram alir pengolahan data dan analisa IRA
61
A
Validasi data
In control phase
Selesai
Gambar 5.2: Diagram alir pengolahan data dan analisa IRA (lanjutan) 5.2 Brainstorming Mencari Akar Penyebab 5.2.1 Akar Penyebab Material dengan Kode 00064386 Manusia
Salah input ke tools
Mesin/Equipment Flow meter failure
LIT tidak akurat
BOM tidak update
Varian data SAP & aktual melebihi batas kontrol
Metode/System
Gambar 5.3: Diagram sebab akibat akar penyebab problem di material 00064386
62
Keterangan: •
LIT (Level Indicator Transmitter) yaitu alat untuk membaca level tangki penyimpan material, dalam hal ini material yang disimpam dalam bentuk cair atau gas.
•
Flow meter adalah alat ukur atau meter indicator yang membaca berapa banyak aliran material yang lewat dalam periode tertentu.
5.2.2 Akar Penyebab Material dengan Kode 00171083 Manusia
Salah input ke tools
Mesin/Equipment Flow meter failure
LIT tidak akurat
Bacteria treatment
Varian SAP & aktual melebihi batas kontrol BOM tidak update
% konsentrasi di monitor beda dengan SAP
Material
Metode/System
Gambar 5.4: Diagram sebab akibat akar penyebab problem di material 00171083 Keterangan: •
Saat melakukan bacteria treatment, dengan menembahkan sejumlah material, potential menambah kuantitas material di dalam tanki.
63
5.2.3 Akar Penyebab Material dengan Kode 00069422
Manusia
Salah input ke tools
Pemakaian utility
Material
Mesin/Equipment
Flow meter failure
Varian SAP & aktual melebihi batas kontrol BOM tidak update
Metode/System
Gambar 5.5: Diagram sebab akibat akar penyebab problem di material 00069422 Keterangan: •
% konsentrasi material saat diterima dari supplier, yang kemudian dilakukan dilution (penambahan larutan untuk pengenceran), ada potensi berbeda antara tercatat di SAP dengan penunjukkan di monitor (indikator untuk tanki penyimpan).
64
5.2.4
Akar Penyebab Material dengan Kode 00004307
Manusia
Mesin/Equipment Flow meter failure
Salah input ke tools LIT tidak akurat
% 00004307 di SAP beda dengan di monitor
Material
Varian SAP & aktual melebihi batas kontrol BOM tidak update
Metode/System
Gambar 5.6: Diagram sebab akibat akar penyebab problem di material 00004307 Keterangan: •
Konsentrasi material di SAP ada potensi berbeda dengan aktual yang ada di tangki penyimpan (storage tank).
65
5.3
Rekomendasi Tindakan Perbaikan terhadap Akar Penyebab Tingginya
Nilai Varian (Out of Control) Setelah dilakukan brainstorming untuk mencari kemungkinan penyebab dari masalah yang timbul, dengan menggunakan alat bantu diagram sebab akibat (fish bone diagram). Selanjutnya dari potensial penyebab tersebut ditindaklanjuti dengan melakukan verifikasi dan tindakan perbaikan bila benar ditemukan penyimpangan pada item tersebut. Tabel 5.2: Potensial faktor penyebab data out of control dan tindakan perbaikan No. 1.
Faktor Penyebab Mesin/Equipment
Potensial Penyebab
Tindakan Perbaikan
a. Flow meter failure
a1. Cek apakah ada ketidak
b. LIT tidak akurat
normalan pada alat tersebut. a2. Lakukan kalibrasi flow meter dengan memakai material yang dedicated di tangki (sebelumnya kalibrasi alat dengan menggunakan media air). b1. Monitor dan catat penurunan level setelah dilakukan kalibrasi dan perbaikan. Dan hitung delta levelnya.
66
No. 2.
Faktor Penyebab Metode/System
Potensial Penyebab
Tindakan Perbaikan
a. BOM (Bill of
a1. Lakukan review BOM di
Material) tidak
SAP bila ditemukan ketidakse-
update
suaian dengan recipe terbaru, lakukan update pada BOM tersebut.
3.
Manusia
a. Salah input ke tool
a1. Lakukan verifikasi ulang data yang sudah diinput ke tool, apakah ada yang salah, untuk keempat material tersebut.
4.
Material
a. Bacteria treatment
a1. Cek dan verifikasi apakah
b. % solid 000171083 ada pengaruh siknifikan penamdi SAP beda dengan
bahan material untuk treatment
di monitor
bakteri terhadap jumlah materi-
c. % konsentrasi
al di dalam tangki.
00004307 di SAP
b1. Kumpulkan data % solid
beda dengan di
content dari order yang masuk
monitor
di tahun 2008, sebelum dan
d. Konsumsi ke
sesudah proses unloading ke
utility (00069422)
tangki penyimpan. b2. Buat guideline atau masukkan di prosedur mengenai peru-
67
No.
Faktor Penyebab
Potensial Penyebab
Tindakan Perbaikan bahan % solid content sebelum dan sesudah unloading untuk diupdate di SAP. c1. Cek dan verifikasi % konsentrasi di SAP dan di indikator penyimpan, bila beda lakukan adjustment. Lakukan juga pengecekan % konsentrasi setiap ada kedatangan material dari supplier. d1. Cek apakah ada ada pemakaian material 00069422 untuk utility yang belum dihitung.
68
5.4 Validasi Potensial Akar Penyebab Selanjutnya dilakukan validasi terhadap potensial akar penyebab (suspect root cause) tersebut, apakah memang item tersebut menjadi akar masalah dari penyimpangan tersebut. Di bawah ini data dari validasi tersebut.
5.4.1 Validasai Potensial Penyebab untuk material kode 00171083 Tabel 5.3: Hasil validasi dari potensial akar penyebab material kode 000171083 Potensial Akar
Tindakan yang
Penyebab
Dilakukan
Benar Akar
No 1.
Flow meter failure
Hasil
Cek dan kalibrasi flow
Flow meter sudah
meter di storage material
di cek dan kalibra-
tersebut dengan menggu-
si, dan hasilnya
Penyebab ?
Bukan nakan material itu sendiri bagus. (tidak disimulasi dengan air). 2.
LIT pembacaanya
Monitor penurunan level
LIT masih menu-
tidak akurat
setelah dilakukan kali-
njukkan pemba-
brasi/perbaikan, dan
caan yang masih
catat delta levelnya.
tidak benar seteYa lah dilakukan kalibrasi/perbaikan.
69
Potensial Akar
Tindakan yang
Penyebab
Dilakukan
BOM tidak update di
Cek dan review BOM di
SAP
SAP dengan recipe untuk daan antara BOM
Benar Akar
No 3.
Hasil
Penyebab ?
Tidak ada perbe-
Bukan
4.
keempat material
di SAP dengan di
tersebut.
recipe
Bacteria treatment
Cek dan hitung simulasi
Tidak ada penga-
berpengaruh ke
treatment bakteri dalam
ruh siknifikan pe-
kuantitas material
1 MT produk.
nambahan mate-
Bukan
rial untuk treatment bakteri. 5.
% solid di monitor
Kumpulkan data pengiri-
Hasil verifikasi
beda dengan di SAP
man material 000171083
dan pembandi-
di tahun 2008 dan
ngan data sebelum
bandingkan solid content
dan sesudah Bukan
sebelum dan sesudah
unloading, me-
unloading.
nunjukkan tidak ada berpengaruh siknifikan ke stok.
6.
Salah input ke tools.
Verifikasi data yang di-
Hasil tidak ada
input apakah ada keti-
kesalahan.
Bukan
daksesuaian.
70
Dari tabel validasi di atas ditemukan bahwa akar penyebab dari penyimpangan material dengan kode 000171083 adalah LIT (Level Indicator Transmitter) yang pembacaanya di monitor proses tidaka akurat, dan direkomendasikan untuk diganti.
5.4.2 Validasai Potensial Penyebab untuk material kode 00064386 Validasi untuk material dengan kode 00064386 diperoleh seperti tabel 5.4 dibawah ini: Tabel 5.4: Hasil validasi dari potensial akar penyebab material kode 00064386 Potensial Akar
Tindakan yang
Penyebab
Dilakukan
Benar Akar
No 1.
2.
Hasil
Cek dan kalibrasi flow
Setelah dilakuka-
meter di storage material
kan kalibrasi, ha-
tersebut dengan menggu-
sil pembacaan
nakan material itu
masih kurang
sendiri.
tepat
LIT pembacaanya
Monitor penurunan level
LIT masih menu-
tidak akurat
setelah dilakukan kali-
njukkan pemba-
brasi/perbaikan, dan
caan yang masih
catat delta levelnya.
tidak benar sete-
Flow meter failure
Penyebab ?
Ya
Ya lah dilakukan kalibrasi/perbaikan.
71
Potensial Akar
Tindakan yang
Penyebab
Dilakukan
No 3.
4
Benar Akar Hasil
BOM di SAP tidak
Cek dan review BOM di
update.
SAP dengan recipe untuk daan antara BOM
Salah input ke tools
Penyebab ?
Tidak ada perbe-
keempat material
di SAP dengan di
tersebut.
recipe.
Verifikasi ulang data
Data tidak ada kesalahan input
yang diinput ke tools
Bukan
Bukan
untuk meterial 00064386
Dari tabel 5.4 di atas disimpulkan bahwa akar penyebab penyimpangan pada material dengan kode adalah pada flow meter dan pembacaan LIT, rekomendasi tindakan perbaikan adalah ganti atau perbaiki komponen tersebut, sehingga dapat membaca data dengan baik dan benar.
5.4.3 Validasai Potensial Penyebab untuk material kode 00069422 Dari validasi akar penyebab untuk material dengan kode 00069422 didapat seperti tabel 5.5 berikut: Tabel 5.5: Hasil validasi dari potensial akar penyebab material kode 00069422 Potensial Akar
Tindakan yang
Penyebab
Dilakukan
No 1.
Flow meter failure
Cek dan kalibrasi flow
Benar Akar Hasil
Penyebab ?
Setelah dilakuka-
meter di storage material kan kalibrasi, ha-
72
Potensial Akar
Tindakan yang
Penyebab
Dilakukan
No
Benar Akar Hasil
tersebut dengan menggu-
sil pembacana
nakan material di tangki
flow meter bagus
Penyebab ?
itu sendiri Bukan
2.
Tidak ada perbe-
BOM di SAP tidak
Cek dan review BOM di
update.
SAP dengan recipe untuk daan antara BOM Bukan
3.
keempat material
di SAP dengan di
tersebut.
recipe.
% konsentrasi di
Kumpulkan data %
Hasil cek data %
monitor beda dengan
konsentrasi material
konsentrasi sebe-
di SAP
00069422 yang masuk
lum dan sesudah
selama 2008, sebelum
unloading tidak
diunloading.
ada perbedaan
Bukan
secara siknifikan. 4.
Salah input data di
Verifikasi ulang data
Ada kesalahan
tools.
yang sudah diinput ke
data yang diinput
SAP, apakah ada
Ya
penyimpangan.
73
Potensial Akar
Tindakan yang
Penyebab
Dilakukan
Benar Akar
No 5.
Hasil
Konsumsi material
Verifisi material yang
Ada pemakaian
00069422 di utility
dipakai untuk regenerasi
material 0006942
(yang tidak masuk
demineral unit pada
di utility
dalam BOM)
utility.
Penyebab ?
Ya
Berdasarkan validasi akar potensial akar penyebab di tabel 5.5 untuk material 00069422, diperoleh kesimpulan bahwa akar penyebab dari penyimpangan data (out of control) adalah adanya pemakaian material tersebut untuk regenerasi demineral unit pada utility, yang tidak dicapture pada BOM di SAP. Tindakan perbaikan yang dilakukan adalah selalu melakukan manual booking, dengan memasukkan jumlah material yang dipakai tersebut di SAP.
74
5.4.4
Validasai Potensial Penyebab untuk material kode 00004307
Selanjutnya dilakukan validasi potensial akar penyebab untuk material 00004307, dan didapat seperti tabel di bawah ini.
Tabel 5.6: Hasil validasi dari potensial akar penyebab material kode 00004307 Potensial Akar
Tindakan yang
Penyebab
Dilakukan
No 1
Flow mater failure
Cek dan kalibrasi flow
Benar Akar Hasil
Penyebab ?
sil pembacana
meter di storage material flow meter bagus tersebut dengan mengguBukan nakan material di tangki itu sendiri
2.
BOM di SAP tidak
Cek dan review BOM di
Tidak ada perbe-
update.
SAP dengan recipe untuk daan antara BOM Bukan
3.
keempat material
di SAP dengan di
tersebut.
recipe.
% konsentrasi di
Kumpulkan data %
Hasil cek data %
monitor beda dengan
konsentrasi material
konsentrasi sebe-
di SAP
00004307 yang masuk
lum dan sesudah
selama 2008, sebelum
unloading tidak
diunloading.
ada perbedaan
Bukan
secara siknifikan.
75
Potensial Akar
Tindakan yang
Penyebab
Dilakukan
No 4.
Benar Akar Hasil
Salah input data di
Verifikasi ulang data
Ada kesalahan
tools.
yang sudah diinput ke
dalam pengam-
SAP, apakah ada
bilan data aktual..
Penyebab ?
Ya
penyimpangan.
Dari tabel 5.6 diketahui bahwa akar penyebab dari penyimpangan material 0004307 adalah karena adanya kesalahan dalam pengambilan dan inputting data aktual, tindakan perbaikan adalah mengganti data yang salah dan lakukan cross check ulang sewaktu memasukkan data baru. Selanjutnya setelah ditemukan akar penyebab terhadap masalah-masalah yang menyebabkan penyimpangan akurasi di luar batas kontrol yang dikehendaki, dan juga telah dilakukan perbaikan terhadap akar penyebab tersebut, tahap selanjutnya adalah memastikan bahwa material tersebut pada periode selanjutnya masuk dalam batas kontrol. Di bawah ini menunjukkan tabel material dan metric pencapaian akurasi setelah dilakukan perbaikan. Bila kondisi ini (dalam batas kontrol) kestabilannya bisa dipertahankan dan memenuhi syartat-syarat tertentu (Bab II, hal 24), maka material tersebut bisa dikatakan sudah pada fase In Control.
76
Metrics by Month October November December January February March April May June
Start Date End Date Metric by Date Range
Overall control group metric (Excluding Example GMID)
00064386
92.86% 100.00% 94.12% 100.00% 100.00% 90.00% 100.00% 100.00% 100.00%
100.00%
100.00% 100.00% 47.06% 100.00% 53.85% 65.00% 52.63% 100.00% 100.00%
82.35%
1-Apr-09 1-Apr-09 30-Jun-09 30-Jun-09
00171083
97.79%
End Date to calculate the 30-Jun-09 overall control group metric
Start Date to calculate the 1-Apr-09 overall control group metric
78.57% 42.86% 52.94% 100.00% 100.00% 85.00% 94.44% 100.00% 100.00%
97.83%
1-Apr-09 30-Jun-09
00069422
71.43% 75.00% 5.88% 100.00% 100.00% 100.00% 100.00% 100.00% 100.00%
100.00%
1-Apr-09 30-Jun-09
00004307
00004312
00003653
00003568
00040348
00003558
100.00% 100.00% 100.00% 100.00% 100.00% 100.00% 100.00% 100.00% 100.00%
100.00%
100.00% 100.00% 100.00% 100.00% 100.00% 100.00% 100.00% 100.00% 100.00%
100.00%
100.00% 100.00% 100.00% 100.00% 100.00% 100.00% 100.00% 100.00% 100.00%
100.00%
100.00% 100.00% 100.00% 100.00% 100.00% 100.00% 100.00% 100.00% 100.00%
100.00%
100.00% 100.00% 100.00% 100.00% 100.00% 100.00% 100.00% 100.00% 100.00%
100.00%
100.00% 100.00% 100.00% 100.00% 100.00% 80.00% 100.00% 100.00% 100.00%
100.00%
1-Apr-09 1-Apr-09 1-Apr-09 1-Apr-09 1-Apr-09 1-Apr-09 30-Jun-09 30-Jun-09 30-Jun-09 30-Jun-09 30-Jun-09 30-Jun-09
00003611
Tabel 5.7: Metric akurasi setelah dilakukan perbaikan
77
Pencapaian akurasi setelah 1 April 2009, bila dihitung sebagai berikut: a. Jumlah data yang masuk dalam kontrol = 45 + 42 + 45 + 47 + 44 + 44 + 44 + 44 + 44 + 43 = 442 data (terdapat 11 data out of control) b. Jumlah hari rata-rata pengumpulan data = 45.3 hari c. Jumlah material dalam grup kontrol
= 10 material
Dengan rumus : Σ data dalam batas kontrol X 100 Σ hari pengumpulan data X Σ material dalam grup kontrol
maka: Pencapaian IRA = [ 442 / (45.3 x 10) ] x 100 = 97.6 % Sehingga secara keseluruhan project tersebut sudah dianggap berada dalam tahap Control, yaitu tahap akhir dari metoda Six Sigma dengan model MAIC. Adapun ukuran-ukuran pencapaian lain: 1. DPU (Defect Per Unit) => 11 / 453 = 0.024 (2.4%) DPU 2. Yfinal => 1 – 0.024 = 97.6% 3. DPMO => (11 / 453) x 106 = 24282 DPMO 4. Dari tabel nilai DPMO 24282 menunjukkan nilai sigma sebesar 3.47 sigma. Artinya pencapaian sigma level di akhir project setelah dilakukan perbaikan terhadap akar penyebab masalah adalah 3.47 sigma.
BAB VI KESIMPULAN DAN SARAN
6.1 Kesimpulan Metode Six Sigma merupakan metode yang terstruktur yang dilakukan untuk menjaga dan meningkatkan kualitas, proses dan aktivitas lainnya sehingga ada peningkatan yang siknifikan dari kondisi sebelumnya (baseline). Hasil brainstorming terhadap potensial akar penyebab dari masalah yang timbul, dan dilanjutkan dengan validasi item-item tersebut ditemukan yang memang merupakan akar penyebab yaitu: 1. LIT (level indicator transmitter) dari tangki penyimpan material tidak akurat pembacaannya. 2. Flow meter menunjukkan pembacaan yang tidak akurat. 3. Kesalahan memasukkan data ke tool. 4. Komsumsi material di bagian lain (utility) yang tidak ada dalam struktur BOM. Dengan memperbaiki faktor-faktor penyebab penyimpangan tersebut maka hasil dari akurasi antara aktual material dan SAP menjadi lebih baik. Pada analisa perhitungan data baseline yaitu di fase Measure pencapaian tingkat pencapaian IRA adalah 86.2% dengan sigma level di 2.59 sigma, setelah dilakukan perbaikan pada faktor penyebab penyimpangan dan dilakukan pengumpulan data
79
didapatkan peningkatan pencapaian IRA yaitu 97,6%, artinya sudah melibihi syarat minimal IRA yaitu 95%. Data level sigma menunjukkan nilai 3,47 sigma, sehingga delta kenaikan sigma dari kondisi sebelumnya sebesar 3,47 – 2,59 = 0.88 sigma.
6.2 Saran Penulis menyarankan untuk tahap berikutnya perlu dilakukan analisa untuk subgrup material periode berikutnya (subgrup 2), sebagai verifikasi subgrup 1. Untuk melihat konsistensi pencatatan akurasi lebih lanjut dan keefektifan tindakan perbaikan, perlu dilakukan monitor di fase sustained, yaitu fase lanjutan setelah drive improvement fase.
80
Lampiran 3: Konsep dan DMAIC tool Typical tools/methodologies and deliverables for the DMAIC model Stage
Tools/methodologies
Define
Measure
§
Brainstorming
§
The real customers
§
Cause and effect diagram
§
Data to verify customers' needs collected
§
Process mapping
§
Team charter—with emphasis on:
§
Cause and effect matrix
§
Current failure mode and effect analysis (FMEA)
§ §
Improve
•
problem statement
•
project scope
•
projected financial benefits
§
High-level process map—"as is"
§
Y/X diagram
§
CT matrix
§
Process mapping
§
Key measurements identified
§
Cause and effect
§
Rolled throughput yielded
§
FMEA
§
Defects identified
§
Gauge R&R (repeatability and reproducibility)
§
Data collection plan completed
§
Measurement capability study completed
Graphical techniques
§
Baseline measures of process capability
§
Defect reduction goals established
§
Detailed "as is" process map completed
§
The sources of variation and their prioritization
§
Analyze
Deliverables
Process mapping Graphical techniques
§
Multi-vary studies
§
Hypothesis testing
§
SOPs reviewed
§
Correlation
§
§
Regression
Identify the vital few factors KPIVs with appropriate and applicable data to support such KPIVs (Key process input variables)
§
Refined problem statement to the point where the new understanding is evident
§
Estimates of the quantifiable opportunity represented by the problem
§
Alternative improvements
§
Implementation of best alternative for improving the process
§ §
Process mapping Design of experiments
81
Typical tools/methodologies and deliverables for the DMAIC model Stage
Control
Tools/methodologies
Deliverables
§
Simulation
§
"Should be" process map developed
§
Optimization
§
Validation of the improvement— especially for key behaviors required by new process
§
Cost/benefit analysis for the proposed solutions
§
Implementation plan developed—a preliminary preparation for the transition to the control stage
§
Communication plan established for any changes
§
Control plans
§
Control plan completed
§
Statistical process control
§
Evidence that the process is in control
§
Gage control plan
§
Documentation of the project
§
Mistake-proofing
§
Translation opportunities identified
§
Preventive maintenance
§
Systems and structures changes to institutionalize the improvement
§
Audit plan completed
82
83