Departemen Teknik Industri - ITB
TI-3221 PENGENDALIAN KUALITAS STATISTIK
TOPIK 6
PEMODELAN KUALITAS PROSES
1
LD/SEM II-03/04
Departemen Teknik Industri - ITB
TI-3221 PENGENDALIAN KUALITAS STATISTIK
1. KERANGKA DASAR
Sampling Penerimaan
Pengendalian Proses
Proses Produksi
MATERIAL SUPPLIER
PRODUK Manufacturing
Manufacturing
PRODUK BAIK KONSUMEN
PRODUK KERJA ULANG
PRODUK SEKRAP
Lingkup perusahaan
LD/SEM II-03/04
2
1
Departemen Teknik Industri - ITB
TI-3221 PENGENDALIAN KUALITAS STATISTIK
2. PENGERTIAN DASAR (1) PENGENDALIAN KUALITAS Pengendalian kualitas: suatu sistem untuk menjaga tingkat kualitas yang diinginkan dalam produk atau jasa.Kategori: Off-line Quality Control, Statistical Process Control (SPC), Acceptance Sampling. SPC: usaha untuk mengendalikan variasi proses guna menjaga konsistensi karakteristik kualitas produk yang dihasilkan. Karakteristik kualitas: menggambarkan tingkat kualitas produk / jasa, dibedakan atas: Karakteristik struktural: panjang, berat, dll. Karakterisrik sensori: selera, aroma, dll. Karakteristik berorientasi terhadap waktu: jaminan, keandalan, dll. Karakteristik etika: kejujuran, keramahan, dll. Jenis pengukuran: Variabel → karakteristik kualitas yang dapat diukur & diekspresikan dalam skala numerik. Atribut: → karakteristik kualitas yang diklasifikasikan atas “sesuai” atau “tidak sesuai” terhadap spesifikasi (tidak dapat diukur dengan skala numerik). 3
LD/SEM II-03/04
Departemen Teknik Industri - ITB
TI-3221 PENGENDALIAN KUALITAS STATISTIK
Skala pengukuran: Skala Nominal : merepresentasikan KATEGORI suatu kondisi. Nilai numerik yang digunakan tidak mencerminkan nilai yang sebesarnya. Contoh: 9 Klasifikasi keadaan produk: (1) Baik, (2) Cacat. 9 Klasifikasi jenis cacat: (1) Kritikal, (2) Mayor, (3) Minor. Skala Ordinal : merepresentasikan RANKING/URUTAN suatu kondisi. Contoh: 9 Kualitas layanan suatu toko: (1) Sangat Buruk, (2) Buruk, (3) Rata-rata, (4) Baik, (5) Sangat Baik Skala Interval : merepresentasikan ORDER & PERBEDAAN NUMERIK, tetapi dengan titik origin tidak absolut (berbeda antar skala pengukuran). Contoh: temperatur dalam oC dan oF. Skala Rasio : merepresentasikan ORDER & PERBEDAAN NUMERIK antar skala pengukuran (titik origin 0). Contoh: panjang, lebar.
LD/SEM II-03/04
4
2
Departemen Teknik Industri - ITB
TI-3221 PENGENDALIAN KUALITAS STATISTIK
Skala Pengukuran: Skala nominal
→
Kategori, tanpa ada hirarki
Skala ordinal
→
Klasifikasi & hirarki
Skala interval
→
Kontinum numerik dengan range tertentu
Skala rasio
→
Kontinum numerik dengan titik nol
5
LD/SEM II-03/04
Departemen Teknik Industri - ITB
TI-3221 PENGENDALIAN KUALITAS STATISTIK
(2) POPULASI & SAMPEL
TINDAKAN Tindakan pada proses (Kontrol proses) (Analisis proses)
POPULASI
SAMPEL
Pengukuran
Sampling PROSES
LOT
DATA
SAMPEL
DATA
Tindakan Pengukuran
Sampling
Tindakan pada lot (Estimasi inspeksi kualitas produk)
LOT
SAMPEL
DATA
Tindakan
LD/SEM II-03/04
6
3
Departemen Teknik Industri - ITB
TI-3221 PENGENDALIAN KUALITAS STATISTIK
(3) DISTRIBUSIDISTRIBUSI-DISTRIBUSI PENTING a. Distribusi Diskrit DISTRIBUSI HIPERGEOMETRIK: Model probabilitas untuk sampling tanpa pengembalian. Untuk lot dengan ukuran N dan produk cacat sebanyak D, maka probabilitas sampel dengan ukuran n mengandung produk cacat sebanyak x adalah:
D N − D x n − x p ( x) = , N n Rata - rata : E ( X ) =
x = 0, 1, 2, ....., min (n, D)
nD N
N
Baik: N-D
n
Variansi :
Baik: n-x Cacat: x
nD D N − n 1 − Var( X ) = N N N − 1
Cacat: D
Sampel
Populasi 7
LD/SEM II-03/04
Departemen Teknik Industri - ITB
TI-3221 PENGENDALIAN KUALITAS STATISTIK
DISTRIBUSI BINOMIAL: Model probabilitas untuk sampling dengan 2 kemungkinan outcome (sukses, gagal) untuk setiap pengambilan sampel, dimana ukuran populasi cukup besar dibandingkan dengan sampel, atau berasal dari proses kontinyu. Jika probabilitas perolehan produk cacat adalah p & konstan untuk setiap pengambilan sampel, maka probabilitas diperolehnya x produk cacat adalah:
n p( x) = p x (1 − p) n − x x Rata - rata : E(X) = np
x = 1, 2, 3, .... n
Variansi : Var(X) = np( 1 − p ) Contoh: 1.
Untuk menentukan diterima-tidaknya kiriman lot lampu, dilakukan pengujian. Kiriman diterima jika seluruh produk yang diuji baik semua. Ukuran lot 24 unit, jumlah rata-rata cacat dalam setiap lot 3 unit, jumlah produk yang diuji 4 unit. Berapa probabilitas penerimaan setiap lot lampu tersebut?
2.
Asumsikan produk lampu yang dikirim dihasilkan dari proses kontinyu dengan proporsi cacat 1/8. Lot lampu akan diterima jika produk yang diuji seluruhnya baik. Jumlah produk yang diuji 4 unit. Berapa probabilitas diterimanya lot lampu tersebut?
LD/SEM II-03/04
8
4
Departemen Teknik Industri - ITB
TI-3221 PENGENDALIAN KUALITAS STATISTIK
DISTRIBUSI POISSON: Digunakan dalam pengendalian kualitas sebagai pendekatan terhadap distribusi binomial. Jika rata-rata cacat adalah λ, maka probabilitas munculnya x kejadian adalah:
p( x ) =
λ x e −λ x!
,
x = 0 , 1, 2 , .....
Rata - rata : E ( X ) = λ
Variansi : Var( X ) = λ
Contoh: 1.
Rata-rata jumlah cacat komponen elektronik dalam kemasan adalah 3. Berapa probabilitas mendapat 2 komponen cacat yang diambil secara random dari kemasan tersebut?
9
LD/SEM II-03/04
Departemen Teknik Industri - ITB
TI-3221 PENGENDALIAN KUALITAS STATISTIK
b. Distribusi Kontinyu DISTRIBUSI NORMAL: digunakan untuk pengukuran dengan sebaran di sekitar nilai sentral. Fungsi kepadatan distribusi normal:
f(x)=
2 1 x−µ exp − , 2 σ σ 2π 1
-∞ < x <∞
dimana, Rata - rata : - ∞ < µ < ∞ dan Variansi :
LD/SEM II-03/04
σ2 >0
10
5
Departemen Teknik Industri - ITB
TI-3221 PENGENDALIAN KUALITAS STATISTIK
c. Pendekatan dalam Distribusi Probabilitas
HIPERGEOMETRIK n/N ≤ 0,1
BINOMIAL p < 0,1 n besar np > 10 p < 1/2
POISSON λ ≥ 10
NORMAL
11
LD/SEM II-03/04
Departemen Teknik Industri - ITB
TI-3221 PENGENDALIAN KUALITAS STATISTIK
Batas Spesifikasi Atas (posisi optional) Batas Kendali Atas Sebaran nilai individu
Batas Kendali
µ
± 3σ Z =
± 3σ
Xi − µ
σ
Batas Spesifikasi Bawah (posisi optional) a. Distribusi Nilai Individu
LD/SEM II-03/04
x0 x
Batas Kendali Bawah
Z =
X −µ
σ
X
=
X −µ
σ/ n
b. Distribusi Nilai Rata-rata
12
6
Departemen Teknik Industri - ITB
TI-3221 PENGENDALIAN KUALITAS STATISTIK
(4) AKURASI & PRESISI Akurasi → merepresentasikan derajat keseragaman observasi (pengukuran) di sekitar nilai sasaran, yaitu rata-rata. Presisi → merepresentasikan tingkat variabilitas dari observasi (Dapat terjadi, akurasi ↓, presisi ↑, dan sebaliknya)
B (µ0, σ1) A = akurat, kurang presisi B = akurat, presisi C = kurang akurat, kurang presisi C (µ1, σ1) A (µ0, σ0)
µ0 = nilai target
13
LD/SEM II-03/04
Departemen Teknik Industri - ITB
TI-3221 PENGENDALIAN KUALITAS STATISTIK
(5) PETA KENDALI
Batas Kendali Atas +3σX
Garis Tengah
X0 − 3σ X
Variasi tak-alamiah, disebabkan oleh sebab-sebab khusus di luar proses, seperti material, pekerja, peralatan, dll.
Variasi alamiah, terkandung dalam proses & disebabkan oleh sebab-sebab umum (ada selama proses tidak diubah; tanggung jawab: manajemen).
Batas Kendali Bawah
LD/SEM II-03/04
14
7
Departemen Teknik Industri - ITB
TI-3221 PENGENDALIAN KUALITAS STATISTIK
PEMILIHAN PETA KENDALI n besar Peta Variabel
Peta-X , s
n kecil
Peta-X , R
n=1
Peta-X, moving range
Peta Kendali
n konstan
Peta p or np
Item cacat n variabel
Peta Atribut
n konstan
Peta p
Peta c or u
Cacat n variabel
Peta u
15
LD/SEM II-03/04
Departemen Teknik Industri - ITB
TI-3221 PENGENDALIAN KUALITAS STATISTIK
KESALAHAN DALAM PENGENDALIAN PROSES a. Error Tipe I (α (α) : Resiko Produsen Kesalahan yang terjadi pada saat nilai sampel berada di luar batas kendali namun proses sebenarnya dalam kendali (random effect). b. Error Tipe II (β (β) : Resiko Konsumen Kesalahan yang terjadi pada saat nilai sampel berada di dalam batas kendali namun proses sebenarnya tidak dalam kendali (terjadi pergeseran proses).
LD/SEM II-03/04
16
8
Departemen Teknik Industri - ITB
TI-3221 PENGENDALIAN KUALITAS STATISTIK
DISTRIBUSI BINOMIAL KUMULATIF
LD/SEM II-03/04
Departemen Teknik Industri - ITB
17
TI-3221 PENGENDALIAN KUALITAS STATISTIK
DISTRIBUSI POISSON KUMULATIF
LD/SEM II-03/04
18
9
Departemen Teknik Industri - ITB
TI-3221 PENGENDALIAN KUALITAS STATISTIK
DISTRIBUSI NORMAL KUMULATIF
19
LD/SEM II-03/04
Departemen Teknik Industri - ITB
TI-3221 PENGENDALIAN KUALITAS STATISTIK
SOAL TES 1 (9 Maret 2005): 1. Untuk menentukan diterima-tidaknya kiriman lot lampu, dilakukan pengujian. Kiriman diterima jika seluruh produk yang diuji baik semua. Ukuran lot 24 unit, jumlah rata-rata cacat dalam setiap lot 3 unit, jumlah produk yang diuji 4 unit. Berapa probabilitas penerimaan setiap lot lampu tersebut? 2. Asumsikan produk lampu yang dikirim dihasilkan dari proses kontinyu dengan proporsi cacat 1/8. Lot lampu akan diterima jika produk yang diuji seluruhnya baik. Jumlah produk yang diuji 4 unit. Berapa probabilitas diterimanya lot lampu tersebut? 3. Rata-rata jumlah cacat komponen elektronik dalam kemasan adalah 3. Berapa probabilitas mendapat 2 komponen cacat yang diambil secara random dari kemasan tersebut? LD/SEM II-03/04
20
10