Kelemahan Sistem Sampling • Sampling tanpa melalui proses evaluasi variasi berpotensi mengakibatkan produk defect terkirim ke Customer. Produk reject yang terkirim berasal dari produk antar inspection 8.00 x x x x x x x 9.00 x x x x x x x x 10.00 x x x x x x x 11.00 Cek
OK
Lot Produk diterima
Cek
OK
Cek
Lot Produk diterima
OK
Cek
NG
Lot Produk ditolak
1 Process Validation by Statistic, © by Sentral Sistem Consulting
Solusi Traditional 1.
Perketat sistem kontrol dari 1 jam menjadi 30 menit
Bagaimana jika reject terjadi jam 8.15 ??
8.00 x x x x x x x x x 8.30 Cek
OK
Cek
OK
Lot Produk diterima
2.
Solusi akhir, cek 100 % supaya tidak ada reject yang lolos • • •
Takt time produksi mobil Daihatsu Xenia dan Toyota Alvanza 3,1 menit Takt time produksi motor di Astra Honda Motor 26 detik Produksi tape mobil di JVC Electronics Indonesia 22500 set/hari
Masih relevankan/ memungkinkan/ efisien untuk dilakukan pengecekan 100 % ?? 2 Process Validation by Statistic, © by Sentral Sistem Consulting
Variasi Proses vs Spesifikasi •
•
Keputusan tidak cukup hanya berdasarkan satu data (satu data OK, berarti sekelompok data dinyatakan OK atau sample OK berarti proses produksi masal bisa dilakukan). Engineer harus mempelajari variasi proses. Evaluasi proses produksi : Variasi proses masih terlalu besar, masih terdapat beberapa produk yang keluar dari spesifikasi, spesifikasi
Variasi proses masih terlalu besar, dibandingkan dengan spesifikasi, PROSES TIDAK MAMPU
Variasi produk
Beberapa produk berada diluar spec Process Validation by Statistic, © by Sentral Sistem Consulting
Pengecekan secara sampling, masih berpotensi mengakibatkan produk defect terkirim ke Customer, Oleh karena itu seharusnya dihindari
3
KESIMPULAN •
•
Untuk menghindari produk defect terkirim ke Customer: Perbaikan harus dilakukan pada PROSES bukan pada SISTEM INSPECTION Lakukan perbaikan pada proses dilakukan untuk memperkecil variasi proses
4 Process Validation by Statistic, © by Sentral Sistem Consulting
Mempelajari Variasi Pada Proses Proses
Pengukuran
Proses stabil • Pola output variasi relatif sama sepanjang waktu • Variasi produksi tanggal 1 may, relatif sama dengan variasi produksi tanggal 2 may, 3 may, 2 agustus, dst • Jika variasi stabil, maka ouput dari suatu data bisa diprediksi
Proses tidak stabil • Pola output variasi relatif berubah-ubah • Variasi produksi tanggal 1 may, berbeda dengan variasi produksi tanggal 2 may, dst • Jika variasi tidak stabil, maka output dari suatu data tidak bisa diprediksi
5 Process Validation by Statistic, © by Sentral Sistem Consulting
Penyebab Ketidakstabilan Proses •
Suatu proses menjadi tidak stabil akibat munculnya “Faktor X” yang mengakibatkan pola suatu variasi menjadi berubah.
•
Contoh: – Terjadi keausan pada pahat (keausan pahat = faktor X yang muncul), pola variasi bergeser ke bawah – Operator baru yang belum memiliki keahlian yang cukup dipekerjakan (opetor baru = Faktor X yang muncul)
•
Keausan pahat mengakibatkan pola variasi berubah
Operator yang belum terlatih bekerja
Terjadi kerusakan mesin
Dalam istilah statistik Faktor X dikenal dengan istilah “Special Causes” 6
Process Validation by Statistic, © by Sentral Sistem Consulting
Tahapan pertama dari Statistik adalah “Membuat proses menjadi stabil” •
Langkah dalam men-stabil-kan proses – Amati proses – Pelajari “Faktor X” yang membuat proses menjadi tidak stabil – Kendalikan “Faktor X” tersebut, sehingga faktor x tersebut tidak akan muncul pada proses
•
Contoh : – Faktor X : keausan pahat Buat schedule penggantian pahat. Ganti pahat sebelum pahat aus Faktor X (keausan pahat) tidak akan muncul – Faktor X : karyawan yang keahliannya kurang dipekerjakan Buat standard kompetensi. Hanya karyawan yang kompetensinya memadai yang boleh dilepas untuk bekerja. Faktor X (karyawan yang keahliannya kurang) tidak akan muncul
Proses sebelumnya : tidak stabil
Setelah perbaikan : proses menjadi stabil
7 Process Validation by Statistic, © by Sentral Sistem Consulting
Lanjutan: Analisa Variasi • Setelah proses stabil, pelajari kemampuan proses. • Kemampuan proses – Proses Mampu : • Lebar variasi part < lebar spesifikasi – Proses tidak mampu : • Lebar variasi part > lebar spesifikasi – Proses sebenarnya mampu: • Lebar variasi part < lebar spesifikasi • Tapi posisi variasi bergeser
Proses stabil dan mampu Proses Stabil tapi tidak mampu
Target Validasi Proses Produksi 8 Process Validation by Statistic, © by Sentral Sistem Consulting
KESIMPULAN • Statistik sangat diperlukan untuk bisa melihat kestabilan dan kemampuan proses. • Tanpa statistik sulit untuk menyatakan suatu proses sudah baik atau belum. Oleh karena itu gunakan statistik untuk memvalidasi proses produksi
Traditional
Statistik
Approval sample sebagai acuan produksi masal
Validasi proses produksi. Proses stabil dan mampu sebagai acuan produksi masal
9 Process Validation by Statistic, © by Sentral Sistem Consulting
