Tujuan. Bahasan. Memahami konsep dasar Six Sigma Memahami Teknik Pengoperasian Aktifitas Six Sigma

Basic Six Sigma 001-TM-SS0-09-2002

1

Pendahuluan  Tujuan T j  Memahami konsep dasar Six Sigma  Memahami Teknik Pengoperasian Aktifitas Six Sigma

 Bahasan  Apakah Aktifitas 6 ?  Kenapa Kita Sebaiknya Menjalankan 6?  Bagaimana Menggulirkan 6?


2

Sejarah 6 Prosperity :GE

Start : Motorola ●

●

●

●

●

Pada P d permulaan l t h tahun 1980 1980-an, k hil kehilangan marketnya karena perbedaan kualitas dibandingkan dengan perusahaan Jepang Pada tahun 1981 Motorola menghadapi tantangan tersebut dengan mengevaluasi kualitasnya hingga 5 kali dalam 5 tahun namun tetap saja tidak berhasil. Motorola M t l mengembangkan b k suatu t proses yang konsisten berdasarkan pendekatan statistik. Pada tahun 1987, Motorola menerapkan 6 sebagai kunci sukses

berhasil

●

●

●

Pada tahun 1995 GE menggulirkan 6 di segala aspek bisnisnya guna menghadapi tantangan kualitas world class. GE memperbaharui prosesnya seperti produktivitas, Inventory Return namun improvement tersebut tertunda karena adanya defect diprosesnya. GE berpikir bahwa World Class Quality adalah suatu hal yang menantang. GE akan memfokuskan prosesnya berdasarkan 6 untuk generasi berikutnya

Motorola has won the prize of Malcolm Baldrige in 1988


3

Apa Aktifitas Six Sigma ?  Apa A K Konsep d darii 6 6 ? Geser menuju T Target t

Tepat namun tidak akurat

Shifting/bergeser ke Target & Mereduksi M d k i Variasi V i i

T T USL

USL

USL

USL

μ μ

Akurat namun tidak tepat

Shift(geser) ke target

T USL

Object dari 6 6 adalah

Menurunkan Variasi

USL

μ

Turunkan Variasi


4

Apa Aktifitas Six Sigma ?  Apa konsep dari 6

6 Sebagai g suatu strategi g bisnis



PPM

6

3.4

5

233

4

6,210

3

66,807

2


308,537

•1 kata kesalahan eja dalam semua buku yang terdapat t d t pada d suatu t perpustakaan t k mini i i • 1.8 menit keterlambatan per tahun

•1.5 kesalahan eja per halaman dalam satu buku • 24 hari keterlambatan per tahun

5

Apa Aktifitas Six Sigma ?  Apa konsep dari 6

6 Sebagai suatu aktivitas Apakah kegiatan 6itu? • Proses Design, Manufacturing, dan Service • Aplikasi untuk 6 statistic Tools & Proses • Mengidentifikasikan faktor penyebab defect • Analisa dan Improvement (perbaikan)

Pencapaian 3.4 PPM (3.4 Defects Per Million)

• Melalui penurunan defect ratio akan meningkatkan Yield & Total Kepuasan Pelanggan • Management Innovation Tool memberikan kontribusi thd Management Output

PPM : Parts per Million


6

Apa Aktifitas Six Sigma ?  6 Sebagai suatu strategi bisnis 1. Adalah suatu pengukuran statistik. • Memberikan informasi kepada kita seberapa bagus produk & service kita serta proses didalamnya didalamnya. • 6 membantu kita untuk menentukan langkah dan arah guna kepuasan Customer secara total. 2.Adalah 2 Adalah suatu Improvement Tool (Alat Perbaikan) Adalah suatu Tool yang lengkap yang dapat dipergunakan dan diaplikasikan pada Design, Manufaktur, Sales, Service, dll. 3.Adalah 3 Adalah suatu strategi bisnis • Dapat membantu kita dalam meraih keuntungan pada suatu persaingan • Bila kita dapat memperbaiki level pada proses kita, berarti kualitas produk akan lebih baik dan biaya yang tidak perlu akan berkurang dan hasilnya yang pasti Customer akan semakin puas puas. 4.Adalah suatu Philosophy • 6 Ini adalah salah satu metode untuk bekerja lebih pintar, tidak keras • Dan 6membuat kesalahan akan semakin berkurang dan berkurang terhadap perkerjaan yang kita lakukan Basic Six Sigma 001-TM-SS0-09-2002

7

Apa Aktifitas Six Sigma ?  6 Sebagai suatu strategi bisnis

Panen Buah berdasarkan 6 Buah yg mengandung 6 • Buah manis • Disain untuk manufaktur

Batasan untuk 5 • Buah yang berada di tengan pohon • Karakterisasi poses dan Optimisasi

Batasan untuk 4 • Buah yang tergantung rendah • Seven Basic Tools

Batasan untuk 3 • Buah yang jatuh • Logis L i dan d intuisi i t i i


8

Apa Aktifitas Six Sigma ?  Aplikasi 6  6 adalah suatu tool yang dapat diaplikasikan ke seluruh sistem bisnis Design Manufacturing Design, Manufacturing, Sales Sales, Service Service, dll Mfg.

• Improvement p terhadap p masalah yyang g serius • Real Time Monitoring system ( CTQ Control system )

Manufacturing Process

R&D

Jaminan terhadap kelengkapan Desain pada tahap ta ap pengembangan pe ge ba ga produk p odu • Pemilihan CTQ guna memenuhi kebutuhan Konsumen • Keputusan dalam hal toleransi • Jaminan terhadap analisis kapabilitas dari CTQ

6 R&D

Quality assurance Pada proses Manufaktur

Transaction

Maximizing for sales & SVC Transaction • Improvement cycle time dan akurasi • Cost Improvement


9

Apa Aktifitas Six Sigma ?  Proses 6

Proses Aktivitas 6 (manufacturing & Transaction) Identifikasi Customer-Berdasar Customer Berdasar kan*CTQ (Critical to Quality) Identifikasi Key Processes yang menjadi j di penyebab b b defect pada karakteristik CTQ

Untuk setiap produk atau t Proses P CTQ Measure, Analyze, Improve, & Control 6 is a rigorous analytical process for solving problem!!!

(6 adalah suatu analisa proses yang teliti untuk penyelesaian masalah)

D

1. Siapakah customers anda? 1 - Internal / External 2. Apa yang Anda sediakan untuk customers Anda? 3. Apa (CTQ) untuk customers Anda? 1. Apa p p proses internal Anda untuk menyediakan y produk Anda atau service CTQ untuk customer Anda 2. Defect terjadi pada proses apa ?

M

• Masalah Praktis • Sistem Pengukuran • Perhitungan Hasil

A

• Benchmarking • Cause & Effect Diagram • Pareto Chart & Stratification

I C

• DOE • Brainstorming • Mekanisme Control • Control Chart

• Process Mapping •Perhitungan 

• Teknik Percobaan • Prosedur

* CTQ(Critical To Quality) : Customers Anda merasa bahwa karakteristik product, service atau proses adalah kritikal. Basic Six Sigma 001-TM-SS0-09-2002

10

Apa Aktifitas Six Sigma ?  Perbandingan dengan alat lain

Perbaikan pada Proses Measure Lain

6

- Gejala - Frekuensi

Analysis - Analisa kondisi Saat ini • Fokus/ Pengalaman/ teknologi

Improvement - Improve oleh Orang yang berpenga laman

- Define - Analisa - Measurement statistik - Variasi CTQ - Analisa pengaruh yg disebabkan oleh faktor

- Optimasi kondisi dengan analisis secara statistik

Control - Dikontrol oleh control chart - Process 4M control

- Dikontrol oleh PTS * (CTQ, Benefits)

- Data Discrete - Sulit untuk diaplikasikan karena permasalahan yang kompleks

- Data Discrete+Continuous - Mudah diaplikasikan karena didukung oleh Statistic software.

* PTS : Project Tracking System Basic Six Sigma 001-TM-SS0-09-2002

11

Apa Aktifitas Six Sigma ?  Filosopi 6

“D it right “Do i ht th the fifirstt ti time”” “Toward Toward zero defect” defect “Culture of enterprise” p


12

Apa Aktifitas Six Sigma ?  Filosopi 6 • Kelangsungan g g Perusahaan bergantung g g kepada p kemajuan j bisnis • Perusahaan bertambah besar berdasarkan kepuasan pelanggan • Kepuasan pelanggan ditentukan oleh Quality, Price dan delivery • Quality, Q li P Price i d dan d delivery li dik dikontrol l oleh l h process capability bili • Process Capability tergantung dari variasi • Variasi proses menentukan kenaikan defect, cost dan cycle time • Untuk mengurangi variasi, kita harus mengaplikasikan pengetahuan yang benar. • Untuk mengaplikasikan pengetahuan yang benar, langkah pertama adalah dengan mengukur. mengukur • Dengan mengukur permasalahan, kita akan dapat pengetahuan yang benar.


13

Kenapa Kita Sebaiknya Mengerjakan 6 ?  Quality & Failure Rate Trend of Quality Index

Defect Rate ● ((%))

Quality I Innovation ti Tool ●

●

●

○

☆ ‘93


‘96

‘97

‘98

2002

14

Kenapa Kita Sebaiknya Mengerjakan 6 ?  Quality & Failure Rate

Inspeksi Service Reject

D i Ch Design Change Long cycle time Over Rework Office Loss


Traditional F-Cost ( Easy Definition)

Scrap Rework

Loss Opp. Opp Sales Delivery Delay

Potential(Additional) F-Cost (Difficult to measure)

B Brand d Image I Down D Over Storage

15

Kenapa Kita Sebaiknya Mengerjakan 6 ?  Paradigma Shift (pergeseran)

Perbandingan 6 dengan 3 Perusahaan 3

Perusahaan 6

• Menghabiskan 15~25% dari hasil penjualan terhadap failure cost

• Menghasilkan 5 % dari hasil penjualan terhadap Failure cost .

• Menghasilkan 66,807 66 807 ppm

M h ilk 3 3.4 4 ppm • Menghasilkan

• Menyadari bahwa dengan inspeksi dapat menemukan defect

• Menyadari bahwa dengan proses yang capable tidak akan memproduksi produk cacat

• Percaya y bahwa kualitas tinggi gg adalah mahal.

• Paham bahwa menghasilkan produk yang berkualitas adalah murah.

• Tidak ada metode pendekatan yang tepat untuk mengumpulkan dan menganalisa data

• Menggunakan tahap Measure, Analyze, Improve, Control .

• Benchmarks agar dapat lebih baik dari competitornya. • Percaya 99 % cukup bagus • Menemukan CTQ secara internal


•B Benchmarks h k guna mencapaii yang tterbaik b ik didunia. • Percaya 99 % belum cukup bisa diterima • Define CTQ CTQ’ss externally

16

Kenapa Kita Sebaiknya Mengerjakan 6 ?  Contoh Kasus Perusahaan dengan 3 Sigma • 54,000 salah resep obat selama 1 tahun • 40,500 bayi yang jatuh oleh dokter maupun perawat setiap tahun. • Kebocoran air minum 2 jam per bulan • Telepon tak dijawab selama 27 menit dalam seminggu seminggu. • 5 pendaratan tidak tepat di O Hare Airport dalam sehari • 1 1,350 3 0 kegagalan operasi bedah dalam seminggu. • 54,000 kehilangan artikel atau surat salah alamat dalam satu jam


Perusahaan dengan 6 Sigma • Satu salah resep obat selama 25 tahun • 3 bayi yang jatuh oleh dokter maupun perawat selama seratus tahun. • Kebocoran air minum sejam dalam 16 tahun • Telepon tak dijawab selama 6 detik dalam 100 tahun • 1 pendaratan tidak tepat di United States selama 10 tahun. • Satu kegagalan operasi bedah selama 20 tahun. • 35 kehilangan g artikel atau surat salah alamat dalam satu tahun 17

Kenapa Kita Sebaiknya Mengerjakan 6 ?  6 Karakteristik

Traditional Quality / 6 Quality Method ISSUE

Traditional Approach

6 Approach

Index

• %(Defect Rate)

•  (Sigma)

Data

• Data diskret (tdk terukur)

• Data Discrete + Continuous

Target

• Kepuasan thd Mfg Proses

• Kepuasan konsumen

Range

• Spec Outlier

• Variation Improvement

Method

• Experience + Job

• Experience + Job + Statistical Ability

Action

• Bottom Up

•Top Down

Application

• Mfg Process

• Design, Mfg, Sales, SVC


18


Keunggulan 6

• Mengejar common goal

Innovasi disegala aspek bisnis.

• Kontrol faktor-faktor utama (penting)

Reduksi claim dan rework

• Aplikasi Statistics dalam semua bisnis.

Solusi yang mudah untuk Permasalahan sulit

• Didukung oleh Statistics Software

Statistik menjadi hal yang mudah

• Analisa data melalui experiment

Membuat e bua hal a yang ya g tidak da nyata ya a jadi jad nyata ya a

• Membuat keputusan berdasarkan data

Tidak berdasarkan ide-ide yang salah dan praduga


19


Manfaat dan keunggulan 6 Benefits

Superiority

- Menurunkan M k costt off lloss, Perbaikan P b ik kualitas k lit dan d service i produk, d k Kepuasan konsumen. - 6dapat membuat output Business menjadi jelas. • Dapat diaplikasi disegala bidang (Industri & financial) • Fokus terhadap 3P (Product, Process, People) Tidak hanya produk dan service, tapi juga proses dan kualitas sumber daya manusia dapat me ncapai tujuan melalui pengukuran sigma level. • Sangat berdampak terhadap investasi Tidak ada investasi peralatan/mesin namun hanya SDM • Berdampak p terhadap p biaya y Output dapat diestimasi dengan jelas secara financial yang merupakan bagian dari kontrol biaya dan benefit sejak permulaan . • Pengolahan data sangat mudah dengan menggunakan statistik. Melalui analisa data eksperimen hal yang samar menjadi jelas jelas. Tidak berdasarkan praduga dan pengalaman. Dibantu dengan statistic Software (Minitab)


20

Bagaimana Menggulirkan 6 ?  Kunci Sukses 6

Sistem

Metodologi

Butuh Top Down Drive

Berawal dari Customer’s Voice

• Butuh kekuatan dari Top Management • Kekuatan dari Top Management yang secara periodik mengumumkan kebijakan 6 .

• CTQ berasal dari Customer’s Voice Perbaiki item yang mempunyai dampak paling besar terlebih dahulu.

Semua karyawan HARUS berpatisipasi

Butuh Program training untuk seluruh karyawan

• Tidak hanya dari manufakturing manufakturing, namun dari non manufaktur juga harus ikut serta. • Berfokus kepada permintaan konsumen

• 6 Training Program guna pemahaman 6 dengan benar benar. • Training yang intensif untuk seluruh karyawan • Butuh Investasi sumber daya manusia yang paham 6

6 sebagai Standar umum Perusahaan Besar

Konsepsi Dasar

• Butuh Case study project • Sebagai bahasa umum .(CTQ, , Cp, Z ....) • Semua tujuan dan target digambarkan sebagai skala  • Resource Information untuk organisasi dan sistem. • Proses Dasar untuk semua proses. • Proses Dasar untuk semua proses • Penilaian yang berdasar dan Reward System


21

Bagaimana Menggulirkan 6 ?  Sistem Pengoperasian 6 Chief of executive division - 6 6 Driving Di i - 6 Involvement & Commitment

Champion p - Pelaksanaan 6

Champion Review

MBB/Six Sigma Team - Supporting 6skill

Bimbingan/Support Support Permintaan

Project Team - Pelaksanaan Project - Mencapai tingkat 6 untuk CTQ

* Champion Review : Pertemuan untuk pengambilan keputusan yang mengontrol perkembangan berdasarkan tahapan project (Pemilihan tema → Output review) Basic Six Sigma 001-TM-SS0-09-2002

22

Bagaimana Menggulirkan 6 ?  Sistem Pengoperasian 6

Sertifikasi Belt Belt

Tugas Utama

Peran

Syarat-syarat

Master Black Belt

• 6 Technical Leader • Harus paham Statistik & menyebarkannya

• Dedicated 6 Resource • Lebih dari 4 Projects • Konsultasi lebih dari • Mentor BB/GB 8 Project setahun • Seleksi Project • Training

Black Belt

• Full Time Project j • Training

• • • •

G Green Belt B lt

• Join Project j by y Part time

• Part time • Leader Pjt. Team • Memberikan Basic 6 Training

• Telah ditraining Advanced Six Sigma (DMAIC) • 2 Projects setahun

White Belt

• Join Project by Part time

• Part time • Member of Pjt. Team

• Telah ditraining Basic Six Sigma g ((DMAIC))


Full Time Dedicated Eksekusi Project Leader dari Pjt. team Training GB/WB

• 4 Project Setahun

23

Bahasa 6  CTQ

Definisi CTQ

Pernyataan Konsumen merupakan CTQ untuk suatu produk, service dan proses Kebanyakan CTQ berasal dari konsumen, namun bisa juga dari resiko, ekonomi, dan Peraturan. Contoh : • Spesifikasi Part • Waktu Perbaikan


Alat-alat Analisa (Typical Tools)

•Survey Konsumen • Interview • Peta Kebutuhan Konsumen • Quality function deployment(QFD) • Quick Market Intelligence • Logic Tree • Pareto Diagram Pengertian umum dari kontrol CTQ adalah pemilihan faktor yang terpenting bagi konsumen.

24

Bahasa 6  DPU/DPMO DPU

Defects Per Unit : Jumlah Defect per unit Menentukan proses tidak bagus atau kita tidak dapat mengetahui bahwa bahwa proses tersebut mengandung defet. 6 dapat mengatasi hal tersebut. Contoh : Sebuah Laporan claim terdiri dari 10 halaman, 2 halaman diantaranya salah DPU= Defect / Unit = 2 / 1 = 2

DPO

Defects Per Opportunity : Jumlah Defect disesuaikan dengan kesempatan defect per unit Pengembangan dari konsep DPU ditambah dengan variabel opportunity (Kemungkinan) Contoh : Sebuah claim report terdiri dari 10 halaman, 2 halaman diantaranya salah 2 Defect / (1 unit X 10 opportunity) = 0,2 DPO = 0,2

DPMO

Defect Per Million Opportunities : Nilai dari DPO X 1,000,000, Mengubah DPO menjadi sejuta unit karena dalam 6 biasanya menggunakan PPM (Part Per Million) Contoh : DPMO = 0.2 DPO x 1,000,000 = 200,000


25

Bahasa 6  Z-Value Definisi nilai Z Merupakan Standard terhadap nilai normal untuk Variasi Normal Distribusi sehingga memudahkan untuk analisa statistik

Konsep dari nilai Z

LSL

USL 1

Z adalah Perbandingan Nilai Perbedaan antara X (USL atau LSL) dan target dibagi dengan standard deviation ().

Z=

X -T



T

Dalam suatu proses, proses Jika Std Std.Dev Dev menunjuk kan 6 yaitu antara Spec (USL,LSL), hal tersebut disebut 6 level” Ini adalah bagian dari Level Bil nilai Bila il i Z adalah d l h6 6, iinii merupakan k 6 6Level L l

Suatu proses yang bagus mempunyai 3,4 PPM, ini artinya terdapat 3 atau 4 defect per sejuta produk

* Normal distribution : Menunjukkan j suatu bentuk distribusi,, Sisi kanan dan sisi kiri jaraknya j y sama dengan g axis mean() () ** Standard normal distribution : Standard Deviasi 0 maka Normal Distribusinya adalah 1 *** USL : Upper Spec Limit / LSL : Lower Spec Limit Basic Six Sigma 001-TM-SS0-09-2002

26

Bahasa 6  Indeks Process Capability Apa yang dimaksud dengan Kapabitas Proses Adalah suatu kemampuan proses yang merefleksikan derajat keseragaman dalam memproduksi suatu produk produk.

Indeks Process Capability 



• Proses akan stabil bila derajad pengukuran sesuai dengan limit. • Penghitungan Cp, Cp Cpk dapat mengetahui pergeseran Mean dan apakah variasinya bagus atau tidak

-6 6

-3 3

+6 6

design tolerance

Cp =

• Nilai K adalah perbedaan Target (T) dari mean.

Cpk = Cp(1-K)

001-TM-SS0-09-2002

+3 3

process variation

• Penghitungan Cpk berdasarkan pergeseran mean

Basic Six Sigma

1

Design tolerance Process variation K=

| T- | ((Upper pp limit-Lower limit)/2 )

27

Bahasa 6  Rolled Throughput Yield = rasio kemungkinan Output yang dihasilkan dari seluruh proses

Input Process 1 : 99% Accept ratio Process2 : 92%

RTY Control

Process3 : 97% Final Inspection : 97%

Loss by un-control

Process Defect Ratio

Final Good

RTY *= 0.99 X 0.92 X 0.97 X 0.97 = 85.7%

Object

Meningkatkan Produktivitas melalui quality improvement

Apply

Defect di seluruh proses, Equipment Model Change Loss

Tool Process defect ratio Control

Method

6 1orang 1 Project, Team activity

Added Improvement for hidden factory

* RTY : Rolled Throughput Yield Basic Six Sigma 001-TM-SS0-09-2002

28

MINITAB  Tujuan Paham dalam menjalankan Program Minitab

 Bahasan  Pengenalan Minitab  Komponen Minitab  Worksheet  Menu File  Menu Edit  Menu Manip  Menu Calc


29

Pengenalan Minitab Apa yang dimaksud dengan Minitab  Minitab adalah software statistik yang digunakan untuk menganalisa data lalu menggambarkannya dalam bentuk grafik. Membuka program Minitab  Double click Minitab icon (

)

exit ((keluar)) dari p program g Minitab  File>Exit  Klik exit icon ( x ) Pada program window  Klik Minitab icon (


) Pada program window

30

Komponen Minitab (Toolbar) (Menu-bar) (Session Wi d ) Window)

(History (Hi t Window)

(Data Window atau Worksheet) (Info Window) (Status bar)

(Graph window) Basic Six Sigma 001-TM-SS0-09-2002

(Shortcut menus) 31

Klasifikasi • Project Seluruh unit yang tersusun dari seluruh komponen pada program Minitab

• Membuat Project baru  File > New New... > Minitab Project

• membuka (Open) Project  File > Open Project …buka file Anda(*.mpj)

• Menyimpan y ((save)) Project j  File > Save Project  File > Save Project As…dan nama file Anda (*.mpj)


32

Klasifikasi • Worksheet  Merupakan suatu unit yang terdiri dari hanya data window pada program p g Minitab • Membuat Worksheet baru  File > New... > Minitab Worksheet • Membuka (open) Project  File > Open Worksheet …dan pilih nama file (*.mtw) • Menyimpan (save) Worksheet  File > Save Current Worksheet  File > Save Current Worksheet As As…dan dan nama file anda(* anda( .mtw) mtw) Basic Six Sigma 001-TM-SS0-09-2002

33

Worksheet (Masukkan nama kolom)

(Nomor kolom)

(Masukkan Data)

(Nomor Kolom)


34

Worksheet

Terdapat 3 tipe data  Number  Text  Time/Date Time values Text values Numbers


Pilih Sel dan selanjutnnya j y masukkan data.

35

Menu File


36

Menu Edit

melakukan l k k b berbagai b i operasii dengan data didalam Worksheet

Guna mengeksekusi Minitab file makro atau analisa lain dengan data


37

Menu Manip...

D t telah Data t l h di di-stack t k

Data belum di-stack ((unstack))


38

Menu Manip...

Menunjukkan kolom hasil

Menunjukkan kategori


39

Menu Manip... Hasil


40

Menu Manip...

kolom di mana hasil proses unstack akan ditulis


41

Menu Manip... Hasil


42

Menu Calc Cek Operasi M l l id Melalui data t ini i i


43

Menu Calc

Hasil


44

Menu Calc

Kolom yang Menunjukkan hasil

Masukkan jjumlah replikasi p dari tiap p nilai Masukkan jumlah replikasi dari seluruh pola data Masukkan nilai awal dari pola data Masukkan nilai akhir dari pola data Masukkan langkahnya (step)


45

Menu Calc

Hasil


46

Menu Calc Contoh :

Patterned Data

From First To Last Value Value

In Steps of

List each List The whole value sequence

10 8 6 4 2 -0.5 -0.4 -0.3 -0.2 -0.1 1111122222333334444455555 11223344551122334455


47

Statistika Dasar  Tujuan T j  Memahami consep statistika dasar & penggunaan MINITAB

 Bahasan    


Mengapa menggunakan statistika ? Data Statistika Deskriptif Statistical Inference

48

Mengapa Menggunakan Statistika ?

 Tujuan j penggunaan p gg Statistika adalah untuk memprediksi p & mencegah, g , bukan sekedar inspeksi & deteksi  Statistika adalah ilmu yg membahas tentang pengumpulan, penyusunan, analisa, interpretasi & penyajian DATA  STATISTIKA DESCRIPTIF - memberikan informasi tentang kinerja dari sebuah proses  STATISTIKA INFERENSIAL - Memberikan informasi tentang prediksi tentang kinerja sebuah proses (Peluang)


49

Mengapa Perlu Mengumpulkan Data ?

 Untuk mengumpulkan g p fakta-fakta tentang g suatu masalah atau kesempatan p yyang g dapat p dikuantifikasi  Untuk menyampaikan fakta-fakta ini dalam bahasa yang sama  Untuk menetapkan informasi mendasar tentang sebuah proses  Untuk mengukur jumlah dan arah perubahan-perubahan yang terjadi  Untuk membandingkan gambaran proses sebelumnya dan sesudahnya  Untuk memfasilitasi analisa keuntungan (Cost Benefit Analysis) dari solusi yang diusulkan  Untuk mengkuantifikasi dampak dari sebuah solusi


50

Pengumpulan Data Apakah data-data dalam proses yang ada sekarang sudah tersedia ? Apakah data-data yang ada sekarang sudah cukup menggambarkan proses yang bersangkutan ? Sudahkah kita menetapkan kategori data apa yang diperlukan untuk dikumpulkan ?  Defects  Waktu  Biaya (Cost)  Efisiensi  Kinerja (Performance)

Kumpulkanlah p data hanya y jjika Anda akan menggunakannya gg y !


51

Jenis Data Berdasarkan jenisnya, data dapat dibagi menjadi :  DATA KUALITATIF (Atribut) yaitu data yang berbentuk kategori atau kualitas (tidak berbentuk bilangan). Contoh : Bagus, Manis, Pahit, Cantik, Tinggi, Setuju, dll

 DATA KUANTITATIF (Variabel) yaitu data yang berbentuk bilangan (angka) baik hasil penghitungan maupun hasil pengukuran. Contoh : 200 anak, 350 kg, 23 derajat, 20 CTV, dll

Berdasarkan cara memperoleh datanya, data kuantitatif (Variabel) dapat dibagi menjadi :  Data Diskrit Contoh :

(Discrete Data) yaitu data yang diperoleh berdasarkan hasil penghitungan atau penjumlahan terhadap objek yang dipelajari. 200 orang, 369 CTV, 500 mobil, dll (Yang ditanyakan ‘Berapa Banyak ?’)

 Data Kontinyu (Continous Data) yaitu data yang diperoleh berdasarakan hasil pengukuran terhadap objek yang dipelajari. Contoh : 250 milimeter, 35 derajat celcius, 20 DB, 58 kg, dll (Yang ditanyakan ‘Berapa Ukurannya ?’) Basic Six Sigma 001-TM-SS0-09-2002

52

Jenis Data

JENIS DATA

DATA A A KUALITATIF A A (Berupa Kategori)

DATA KUANTITATIF (Berupa Bilangan)

DATA DISKRIT (Hasil Penjumlahan)


DATA KONTINYU (Hasil Pengukuran)

53

Jenis-jenis Distribusi Histogram bisa bermanfaat untuk menjelaskan distribusi data.

Distribusi Normal Berbentuk Lonceng

Puncak Multipel dari multiple proses

Distribusi Miring

Distribusi Uniform Contoh : pemakaian alat/menggiling


54

Letak & Penyebaran Proses Target

P Penyebaran b


55

Kesimpulan Data UKURAN LETAK Rata-rata (Mean)  Jumlah semua data dibagi banyaknya data

UKURAN PENYEBARAN Rentang (Range)  Nilai Terbesar - Nilai Terkecil

 Sangat dipengaruhi oleh nilai-nilai yang ekstrim

Median  Nilai tengah dari sederetan data yang sudah terurut dari nilai terkecil hingga terbesar (diranking)  Tidak dipengaruhi oleh nilai-nilai yang ekstrim  Jika banyaknya data adalah ganjil, median sama dengan nilai data yang berada di tengah-tengah

Varians (Variance)  Rata-rata kuadrat dari deviasi setiap nilai dari nilai rata-ratanya

Simpangan Baku (Standard Deviation)  Akar kuadrat dari varians, varians rata-rata jarak data dari nilai rata-ratanya.

 Jika banyaknya data adalah genap, median sama dengan rata-rata 2 nilai yang berada paling tengah

Modus (Mode)  Nilai yang paling banyak atau paling sering muncul


56

Perhitungan Rata-rata

Median

n

 x x  x i

i 1

1

n

 x2    xn  n

GANJIL

Median = Nilai Tengah

Modus Nilai data yang paling sering muncul

Varians

S 

 x  x  i 1

GENAP

Median = Jumlah 2 Nilai Paling Tengah 2

Simpangan Baku (Standard Deviation)

n

2

Banyaknya Data

2

i

n 1


2 2 2  x1  x    x2  x      xn  x  

S  S2

n 1

57

Latihan Hitung nilai nilai--nilai berikut ini berdasarkan data di samping ! Rata--rata = Rata Median =

Data

107 169 131 84 81

Rentang (Range (Range)) = Varians = s2 = Simpangan Baku (Standard (Standard Deviation) Deviation) = s =

67 81 122 52 233 46


58

Perhitungan Data:S_Diameter


59

Perhitungan Descriptive Statistics Variable Diameter

N 50

Variable Diameter

Minimum 29.199

Mean Median 30.491 30.287

TrMean 30.465

StDev 0.771

SE Mean 0.109

Maximum Q1 Q3 32.253 29.869 31.170

Keterangan : Variable N Mean Median StDev


= Data yang sedang diproses = Banyaknya data = Rata-rata = Nilai Tengah data = Standard Deviation = Simpangan Baku

60

Kesimpulan Secara Statistika (Statistical Inference)  Membantu kita untuk memprediksi kinerja sebuah proses (secara peluang)  Inference - Estimasi - Uji Hipotesis Sampling Populasi

Sampel p Statistical Inference


61

Populasi & Sampel  Populasi adalah semua unit yang berada dalam sebuah kelompok yang sedang kita perhatikan/pelajari.  Sampel adalah sebagian unit yang dipilih dari sebuah populasi Contoh : Populasi = Semua Back Cover yang dikirim oleh suplier pada suatu pengiriman Sampel

= 100 Back Cover yang dipilih dari sebuah pengiriman.

 Ada beberapa alasan mengapa kita mempelajari Sampel  Mempelajari populasi akan memakan biaya terlalu tinggi  Keakuratan prediksi berdasarkan sampel biasanya sama dengan informasi yang diperoleh berdasarkan seluruh populasi  Simbol-simbol yyang g digunakan g

Sampel (x dan S)

Populasi 

 Rata-rata dan Simpangan Baku populasi dilambangkan dengan  &   Rata-rata dan Simpangan Baku sampel dilambangkan dengan x &s Basic Six Sigma 001-TM-SS0-09-2002

62

Kesimpulan Secara Statistika (Statistical Inference)  Inference Dilakukan untuk memahami sifat-sifat sebuah populasi melalui sifat-sifat sebuah sampel yang dipilih dari populasi tersebut

Estimasi Titik Estimasi

Estimasi Interval

Uji Hipotesis  Nilai Inferensial STATISTIK, yaitu sebuah nilai yang diperoleh dari sebuah sampel ( x , S ,  , dll)

 Target inferensial PARAMETER, yaitu sebuah nilai yang diperoleh dari sebuah populasi ( , , …, dll)


63

Kesimpulan Secara Statistika (Statistical Inference)  Uji Hipotesis Untuk menbuktikan kebenaran dari pernyataan seseorang tentang sesuatu hal

 Yang diperlukan dalam sebuah inferensial Data & Distribusi Peluang

 Peluang (p) Perbandingan jumlah sebuah kejadian diantara semua kejadian yang mungkin terjadi Nilainya = 0

p1

Contoh : Pada saat seseorang melemparkan sebuah koin, berapa peluang bahwa sisi angka akan berada di bagian atas


64

Distribusi Normal

Banyak kejadian yang muncul secara acak (Random Random)) menghasilkan data dengan distribusi sebagai berikut •Bell shaped •Symmetrical

Kurva yang menghubungkan puncak puncak--puncak b t batang disebut di b t K Kurva P Peluang l N Normall yang digunakan untuk mengmeng-estimasi Distribusi Normal dari kejadiankejadian-kejadian yang muncul secara acak (Random Random))

Rata2 = Median = Mode


, Standard Deviation

• • • •

Distribusinya simetris terhadap ratarata-ratanya Ujung kurvanya asymptotic terhadap sumbusumbu-X Mean = Median = Mode Peluang dibawah kurva = 1

65

Distribusi Normal Kita dapat menggunakan rata-rata sampel dan standar deviasi untuk menjelaskan j l k populasinya l i dan menggambarkan histogramnya (data diskrit) untuk melihat distribusi normalnya (data kontinyu)



1 Normal Distribution Function

1 - ( X - ) 2 / 2  2 y e  2 Basic Six Sigma 001-TM-SS0-09-2002

T

3 66

Distribusi Normal •

Sifat-sifat – 68.26 % data akan berada diantara +1 dan -1 dari rata-ratanya – 95.44 % data akan berada diantara +2 dan -2 dari rata-ratanya – 99.73 % data akan berada diantara +3 dan -3 dari rata-ratanya – 99.9937 % data akan berada diantara +4 dan -4 dari rata-ratanya – 99.999943 % data akan berada diantara +5 dan -5 dari rata-ratanya – 99.9999998 99 9999998 % data akan berada diantara +6 dan -6 dari rata-ratanya

68.3% 95.4% 99.73%

-4 Basic Six Sigma 001-TM-SS0-09-2002

-3

-2

-1

0

1

2

3

4 67

Distribusi Normal Standar (Z - Distribution)

Distribusi Normal Standard Deviation

Rata-rata

Distribusi Normal Standar 1 0


68

Transformasi - Z Misalkan, sebuah proses mempunyai nilai-nilai sebagai berikut : • Rata-rata = 10 & Standard Deviation = 2 Berapa persen data akan mempunyai nilai antara 6 dan 14?  Transformasi - Z

Z 

X 1  Mean Standard Deviation

Z1 

6 - 10  2 2

Z2 

14 - 10  2 2

 Dari D i ttabel b l Di Distribusi t ib i N Normall Standar St d ( Tabel T b l - Z ) diperoleh di l h: P ( Z1  2) = 0.0228

P ( Z2  2) = 0.0228

Jadi, P ( - 2  Z  +2) = (1 - (0.0228 + 0.0228)) = 0.9544

 95.44% data akan berada antara 6 and 14.


69

Definisi  Tujuan T j Memahami konsep tentang CTQ dan mengetahui cara menemukan CTQ (Critical To Quality)

 Bahasan - Apa yang dimaksud CTQ ? - Siapa Customer kita ? - Pemetaan Proses (Process Mapping)


70

CTQ

CTQ

Critical To Quality

CTQ adalah sebuah karakeristik dari sebuah produk atau jasa yang memenuhi kebutuhan customer (internal atau eksternal)


71

CTQ Hal-hal Utama  CTQ adalah d l h elemenelemen l -elemen l dasar d yang merupakan k pedoman d pengukuran proses, improvement dan kontrol. kontrol.  Dalam memastikan CTQ yang dipilih merupakan hal yang sangat penting sebab hal ini akan merepresentasikan secara akurat semua yang penting bagi customer customer..


72

Contoh--contoh CTQ Contoh

• Pengiriman yang tepat waktu • Tidak ada defects

• JalanTol yang aman • Part yang sesuai Spec.

• Tempat kerja aman

• Penggunaan form form-form form yang tepat

• Produk yang aman

• Pembayaran yang tepat

• Ruang hotel yang bersih

• Pelayanan yang ramah

• Pembayaran yang tepat waktu

• Pengiriman sepanjang malam


73

Siapa yang menjadi Customer ?  Customers  Klien Klien--klien  Vendor

 Semua organisasi/personnel  Orang yang menerima pekerjaan yang sudah kita proses  Departemen Departemen--departemen yang berhubungan


74

Bagaimana kita menterjemahkan komentar customer ke dalam kebutuhan internal ?

Customer biasanya tidak secara jelas menyatakan apa yang mereka inginkan atau mereka butuhkan. Setelah kita menerjemahkan kebutuhan customer ke dalam kebutuhan internal, kita harus bisa mengukur dan menggambarkan kapabilitas produk dan proses. Basic Six Sigma 001-TM-SS0-09-2002

Kita perlu memanfaatkan metoda metoda yang metoda-metoda membantu kita dalam memahami kebutuhan customer dan menterjemahkannya ke dalam kebutuhan internal.

75

Tiga Pertanyaan Penting

1 Si 1. Siapa customer t saya ? 2 Pelayanan dan produk apa yang saya sediakan untuk customer saya ? 2. 3 Apa yang menjadi CTQ bagi customer saya ? 3.


76

Daftar Suppliers - Customers untuk Proyek Anda : Siapa yang menjadi Suppliers?

Apa yang dibuat ?

Siapa yang menjadi Customers?

Apa yang penting (CTQ)


77

Apa yang dimaksud Proses ? Sebuah proses adalah kumpulan dari aktifitas-aktifitas yang menggunakan k satu t jenis j i atau t lebih l bih input i t dan d membuat b t output t t yang berguna bagi customer. Lingkup dari material akan berkaitan dengan proses-proses yang berhubungan dengan :  System / Fungsi Produk  System / Operasi Produk  Manufacturing g / Produksi


78

Pemetaan Proses (Process Mapping) Pemetaan Proses adalah metode visual untuk menggambarkan urutan atau hubungan-hubungan aktifitas kerja. Sebuah pemetaan proses memberikan :  Cara komunikasi  Format untuk perencanaan dan improvement proses tersebut. Elemen--elemen Pemetaan Proses Elemen Stop/Start

Aktifitas

Keputusan

Aktifitas

Stop/Start

Aktifitas


79

Step 1. Define Major Core Process ◎ Ingat ! Seluruh pekerjaan adalah interconnected process

Customer

Job J b= Process Sales ManufacManufacturing

R&D


Logistics

Control

Sourcing

80

Step 2. Project Selection 1. Overview Hati-hati dalam memilih suatu project karena merupakan langkah yang penting dalam memperbaiki b iki performance. f Bil Bila anda d mempunyaii d data t b berupa cycle l titime, d defect f t rate t atau t yang lainnya dapat digunakan Pareto Charts, Run charts, Check sheet dll. Jika tidak, kita dapat menggunakan brainstorming duna menemukan potensial problem yang ada dalam proses kita / main process.

2. Considering Points - Strategic Goal - Profits - Overall Business efficiency

- Customer Requirement - Customer Satisfaction

*Suatu project dipilih dengan melihat dampaknya terhadap customer’s dissatisfaction dan mengarah ke Company Company’s s Goal

3. Project Type 1. P 1 Process IImprovementt 2. Problem Solving Basic Six Sigma 001-TM-SS0-09-2002

81

Step 2. Project Selection 4. Example Suatu salon untuk lelaki dan wanita berinisiatif untuk melakukan project improvement terhadap penurunan sales. Berikut ini critical success factors (CSF)

CSF

1

2

3

4

Weight

1

3

3

2

Haircut and other services

3

3

0

0

Time Planning

1

9

6

0

Accepting Reservations

0

9

6

0

3. The possibility of establishing a customer

Recruiting

1

3

9

6

4. Additional service(solarium, manicure etc).

Keeping the staff

1

0

9

0

Planning Additional services

0

0

0

6

Purchasing accessories

3

0

0

2

1. Price was important 2. Good appointment availability


Business Processes

Total

82

Step 2. Project Selection 5. 6σ Theme - Strategic St t i goall - Customer Interaction

Do

requirements q

Need 6s

Project !

Delivery y

Supplier

Customer

Cycle Time

Price

Do

Cost

Need

>> Defect Reduction

- Profits

>> Culture change

- Customer satisfaction

>> Cycle Time

- Overall business efficiency

(Quick response to customer req.)

Reduction

Quality Defect


83

Develop a Project Chart 1. SIPOC Diagram Diagram SIPOC merupakan salah satu teknik dalam proses improvement guna melihat sekilas tentang g Works Flow dari suatu p proses. - Supplier : Individu atau institusi yang menyediakan informasi, material dan sumber lainnya - Input : Segala sesuatu yang disediakan - Process P : Suatu S t langkah l k h yang mentransformasikan t f ik iinputt - Output : Produk akhir dari suatu proses - Customer : Individu, group atau proses yang menggunakan output.

S

I

P

Input Supplier

O

C

Output Process

-What is key materials, information or product ?

Customer

-How do you transform these things ? -Who Wh use outputs t t ?


84

Develop a Project Chart 2. Benefit Analysis ●

Identifikasi benefit terhadap internal dan external customers.

Identifikasi Benefit Customer view Royalty 6σ Theme

Referrals Satisfaction

LG’s View - From External Customer Competitiveness Cost/Benefit Income - From Internal Customer Effective Process Cost/Benefit

Review Thema

●

• Nilai terhadap business dan customer – Company’s goal and Customer dissatisfaction • Resources Required Basic Six Sigma 001-TM-SS0-09-2002

85

Develop a Project Chart 3. Benefit Analysis ● Isilah Form dibawah ini ;

Defect Reduction on Loan p process

Theme : Theme • Defect

Customer

Benefit

?

?

Benefit to Customer

Benefit to Biz

Others

Reduction

◎ Di Unit anda …..…

Th Theme


86

Develop a Project Chart 4. Create Project Chart 1) What is it ? Project Chart menggambarkan keseluruhan dari suatu 6 sigma project seperti time line, needed resources, role assignment, project scope scope, tujuan dan seterusnya seterusnya.

2) Why create ? • Klarifikasi project goal & Tujuan • Define D fi project j t scope ((cakupan k project) j t) • Communicate with colleagues

3) Guide to create project chart 1. Identify improvement areas in your operating unit

1 Develop a project plan 1.

2. Describe the background of a project

2. Select project team member

3. Define an opportunity to business

3. Role Assignment

4. Set a g goal to achieve

4. Review a project chart

5. Define project scope

5. Admittance from top manager

4) Considering Points • What is the core value to customers ? • What is the core benefit to businesses ? • Is it easy to collect data from a process ? Basic Six Sigma 001-TM-SS0-09-2002

87

Develop a Project Chart Biz Unit Theme Area

Background

6 sigma

Team

Purchasing Stock Cycle Time Reduction

Time Line

Transactional 6 It takes a little more time to deliver stock to customer, which cost non value added space and hinder quick response to customer needs.

Team member

2000 2. 2000. 2 1 ~ 2000. 2000 5. 5 3 Champion : 000 MBB : 000 Member

: 000

Support : 000

< Hard Benefit > Goal & Benefit

< Soft Benefit >

Stock Cycle Time 50% Reduction

Reduce Useless Stock

Cost Saving : 50%

Reserved Stock Cost Saving

Bottle Nect

Cost 2/15

Process Schedule


Activity

Define

Survey Process Map Select CTQ

3/15 (Measure)

3/31 (Analyze)

4/25

5/3

(Improve)

(Control)

Data

Identify

Choose

Make it

MSA

Vital few

Best

Stick

L l s Level

S l ti Solution

88

Process Analysis (Process Chart) 1. Overview 1) Objectives - Visualisasi status dari proses - Identifikasi non value added yang ada dalam suatu proses 2) Review the SIPOC Theme End

Start

Supplier

Input

Output

Customer

Process

3) Procedure - Define Start & End Points - Draw Tree Chart : Identify main step or phase, Identify main sub-step which is below, main step - Draw detail map(Cross Functional Process Map) - Review the process map to identify non value added activity or white space. Basic Six Sigma 001-TM-SS0-09-2002

89

Process Analysis (Process Chart) 2. Tree Chart 2) Tips

1) What - 2-Level flow chart to simplify p yap process.

- When you identify the main step, use simple words.

- 1st Level : Main step or phase in a process

- Focus on critical steps to perform

- 2nd Level : Sub-step below main step

- Identify at least 3 main steps - Use verbs to identify sub-steps(activities)

Ordering Process Order

Coding

Check Credit

Routing

Stock Order

Ch k C Check Credit dit

Stock Searching

Approval/Reject

Select Transportation

S-form

Coding Adjust Release After Service Master Set up Control

Delivery

Producing

Procurement

Check Pick List

Work order

Raw Material

Invoice, A/R

Producing/Purchasing

OQC

Least-cost

Assign Budget

C i S Carrier Scheduling h d li

W Wrapping i

Supplier Chain

C ll t M Collect Money

Master Set up

Management

Customer Order

Request Payment

Control


90

Process Analysis (Process Chart) 3. Cross Functional Process Map ◎ Detailed Process map can visualize activity flow with responsibility.

Start

End

Unit A

Identify related operating unit

Activity a

Unit B Decision a

● Process Map Symbols Start or End Activity Decision Arrow

Unit C

Decision b

Activity b

Indicate process border Activity y Decision Points Indicate direction

Input/Output

Main Input or Output

Process Conjunction

Connect a process to next page


Unit D Activity c

91

Process Analysis (Process Chart) ● Drawing

Procedure

1. Define the Start and End Points 2 W 2. Write it each h step t in i regular l sequence 3. Mark the proper symbol at each step 4. Review the process. ● Tips

• Simple is the best best. Make it as simple as possible possible. • Include all persons who have some connection with a process • Choosing Subject Matter Experts • Remember that disagreements g do occur due to not having g standard process at first. Promote a discussion to agreement.


92

Process Analysis (Process Chart) 4. Generate Quick Action Idea 1) What ? Find non value added activities and improve process capability at once

2) How ? Marking non value added activities within process mapping • Does this activity give a benefit to customers or cost to customers ? • If I remove thi this activity, ti it can th the quality lit be b damaged d d? • Without this activity, is there any danger ? • Can this activity meet the external requirements ?

☞ Example • Correction

• Rework

• Estimate amount

• Approval

of assigned job • Confirmation

• Moving • Meeting

3) Identify Quick Action Step ☞ Tips • Easy to Improve

• Low Cost

• Quick to get Idea to Improve

• Easy to Control


93

Process Analysis (Process Chart) 4) Quick Action Planning Process Step

Non Value Added Step

Quick Action Idea

Evaluation

Check

5) Check Points - If you get great result after quick action, jump to the control phase. - Check whether a project chart is revised. Basic Six Sigma 001-TM-SS0-09-2002

94

Define Customer Requirement 1. Overview 1) Objectives - Identify what the customer wants/needs and performance requirements(spec) requirements(spec).

2) What to do ● Listen VOC(Voice of Customer) ● Identify Id tif CTQ(C CTQ(Critical iti l To T Quality) Q lit ) ● Set the performance requirements(spec).

2. Listen VOC Resourc ce to identify Custom mer needs/wan nts

Survey

Customer Information

Internal / Eternal Data


Interview Focus Group Interview Questionnaires Observation Dissatisfaction Details After Service history Sale Division Paying Price Outstanding Fee Collection

● To T Improve I the th Quality Q lit off Data, D t Data D t Collection C ll ti P Process - Clarify the reason to survey.(collect data) - Definite question and answer - Choose correct analyzing methodology

I t Internal l Data D t Specialist Processing Information Competing Firm

95

Define Customer Requirement 3). Methodology for Listening VOC

Type

Interview

Object Identify concrete customer needs/wants.

Characteristic - Personal - Group - Telephone, e-mail

Type

Object

Characteristic Personal

Observation

Get information about

Mechanical

human activity pattern

Audit

at a circumstance.

Trace analysis Content analysis

Questionnaires Measuring customer Needs/wants.

- Personal - Mail. E-mail

Customer Information

Focus Groups Interview

Infer customer needs based on data at customer contact divisions.

• Dissatisfaction Details After Service history Sale Division

Identify major customer • Define customer needs R ki customer t needs d Needs/wants at a niche • Ranking Market.


• Get feedback from major Customer

Internal Information

Start point to collect data for improving

• Internal biz related data.

96

Define Customer Requirement 3. Interview 1) Object Identifyy what the customer wants regarding g gp products,, services etc.

2) Usages • Very useful to clarify customer needs/wants. • After interviewing, we can rank the defined needs/wants using questionnaires.

3) Interview Process

What eed ? Need

Method -Personal -Phone -Focus Group p Interview


Interviewee

Question

Engage

Do

Summary

- Place to meet - Time

97

Define Customer Requirement ● Make Question for Interviewing

What

Who

Question Questionnaire 1. …………….. 2 …………….. 2.

● Interviewing Process Introduction ○ Rapport


Asking

-easy to difficult -Past to present -Good to Bad -Indirect to direct -Abstract to concrete

Closing ㆍTo be a good Listener ㆍIf hard to understand, ask detail information. “For example ?”, “Why ? “ “Do you know a digit ?”

98

Define Customer Requirement 4. Survey (Questionnaire) 1) Object Ranking the customer needs/wants which are identified from Interview. Compare rank between customer groups.

2) Usages • Eff Effective ti way to t gett useful f l information i f ti from f a large l population. l ti • Identify hidden customer need using statistical analysis. • Measure causality.

3) Survey Process • • • • • •

Clarify object to do a survey. Define proper sample size considering a population. Choose Scale. Develop Questionnaires. Develop Coding Sheet. Do and analyze.


99

Define Customer Requirement ● Develop Questionnaires.

What need

Develop Questionnaires

Asking area

Individual Question

Define Necessary information

Based On respondent


Arrange Questions Keep interesting

Sampling

Develop Questionnaires

Develop Whole Picture

Do Survey

Pre Test

Testing

100

Define Customer Requirement ● Questionnaire Contents Introduction

Main

Respondent Details

• Background of this survey. • Asking for help

• Questionnaires

• Respondent details such as gender, ages etc.

● Tips for Wording - Easy to understand, concrete word. - Avoid vague word (hindari kata-kata). ▶ example : frequency adverb. – Sometimes, always… - A just one question. (example) Are you satisfied with service and price ? - Avoid induction questions. (example) ○ aren’t you ?, don’t you ? ○ When you return to home, what do you usually do except watching TV ? ○ Specialist S i li t says….. D Do you agree ? ○ Induction Word. -- Good, Bad. ○ Do you agree increasing tax to clean Earth ? Basic Six Sigma 001-TM-SS0-09-2002

101

Define Customer Requirement ● Ordering Questionnaires -

Easy to Difficult Broad to Narrow Notice changing subject. Difficult question should be arranged at end point.

● Questionnaire Type There are three types of questionnaires.

① Choice : Select one or more among showing examples. example)


What is most important thing to the prime minister ? 1 Managerial Experience 1. 2 2. High Morale

102

Define Customer Requirement ② Scale : Usually Likert Scale. Example) Are you satisfied with Satisfaction 1. Overall 1 2. Text 3. Instructor

□ □ □

□ □ □

Dissatisfaction □ □ □

□ □ □

□ □ □

- 5 or 7 points Scale.

③ Order : Define order the showing examples. Example)


Please order favorite color in the box.(Red, Blue, Orange, Yellow)

103

Define Customer Requirement 5. Sum up VOC 1) What to do D fi CTQ and Define dP Performance f requirement. i t

● CTQ(Critical To Quality) - “A Serious important needs “ ● Clarify CTQ to meet

▶ Search Potential Needs ▶ Fundamental Needs. ▶ Regulation or Safety Related things

● CTQ  Should Be measurable. ● Set a Goal based on ▶ Customer requirement.(Spec)


104

Define Customer Requirement 2) Clarify CTQ. 1. Grouping similar needs 2. Naming a Group 3. Identify critical issues(CCI) at a group 4. Clarify Customer Core Requirement(CCR)

VOC

▶

CCI

▶

CCR

▶

CCR

example) Cycle Time at A/S Center VOC Take long time To wait


▶

CCI Waiting time to fix

If possible, waiting time should be limited to 20 min.

105

Define Customer Requirement 3) Rank CCR If there are lots of CCR, we can rank each CCR using matrix. Value To Customer

CCR

Biz Bi Impact

Costt C Effect Total

Rank

Weight


106

Aktivitas utama dalam tahap DEFINE adalah menemukan CTQ (Critical to Q lit ) yaitu Quality), it sebuah b h fokus f k permasalahan l h yang menjadi hal yang paling penting untuk memenuhi keinginan customers.


107

Analisa Sistem Pengukuran  Tujuan T j Pengertian Analisa Sistem Pengukuran dan Eksekusi Minitab.

 Bahasan  Kenapa mempelajari Analisa Sistem Pengukuran ?  Attribute Gage R&R  Metode Gauge R&R  Latihan Minitab


108

Validasi Sistem Pengukuran

 Apakah anda percaya terhadap hasil Pengukuran ?  Misalkan hasil pengukuran suatu part tidak sesuai dengan Spesifikasi, apakah anda dapat mengatakan bahwa part tersebut bermasalah?  Jika part tersebut tidak terlalu bermasalah lalu apa masalahnya ?  Apakah ada yang salah dalam sistem pengukuran ?


109

Kenapa Mempelajari Sistem Pengukuran Kapabilitas

 Dalam D l mengukur k jumlah j l h variasi i i dalam d l proses yang diamati di ti bisa bi saja terjadi kesalahan dalam sistem pengukuran.  Guna mengevaluasi alat ukur (Gage) sebelum dipakai. g dengan g tipe p alat ukur y yang g lain  Guna membandingkan  Guna mengevaluasi apakah gage masih laik pakai atau tidak


110

Attribute Gage R&R  Kenapa kita perlu mempelajari Attribute Gage R&R ?

 Guna mengetahui pengambilam sampel

kualitas

inspektor

dalam

hal

 Guna mengetahui kualitas inspektor dalam hal skill dan p g pengetahuan  Guna menentukan kriteria seorang inspektor dalam hal pengambilan sampel


111

Metode Attribute Gage R&R

 Pilih lebih dari 100 p part termasuk p part y yang g Good maupun p NG  Dua atau tiga pengukur (operator) secara indenpenden mengukur setiap part sebanyak dua kali dengan cara random.  Gunakan tabel untuk mencatat data dan menghitung nilainya  Nilai Nil i pengukuran k yang diterima dit i minimal i i l 90 % atau t lebih l bih


112

Contoh

Known Population Sample # Attribute 1 pass 2 pass 3 fail 4 fail 5 fail 6 pass 7 pass 8 pass 9 fail 10 fail 11 pass 12 pass 13 fail 14 fail 15

Attribute Legend

Operator #1 Try #1 Try #2 pass pass pass pass fail fail fail fail fail fail pass pass fail fail pass pass pass pass pass pass pass pass pass pass fail fail fail fail

% APPRAISER SCORE (1) % SCORE VS. ATTRIBUTE


(2)

: 1. PASS 2. FAIL

Operator #2 Try #1 Try #2 pass pass pass pass fail pass fail fail pass fail pass pass fail fail pass pass pass pass fail fail pass pass pass pass fail fail pass fail

SCORING REPORT DATE NAME PRODUCT SBU

: : : :

3/10/96 B&D Employee Northstar Screwgun Easton

Operator #3 Try #1 Try #2

100.00%

78.57%

0%

78.57%

64.29%

0.00%

SCREEN % EFFECTIVE SCORE (3)

71.43%

SCREEN % EFFECTIVE SCORE vs. ATTRIBUTE

(4)

Y/N Agree Y Y N Y N Y Y Y Y N Y Y Y N

Y/N Agree Y Y N Y N Y N Y N N Y Y Y N

57.14%

113

Gauge Reproducibility & Gauge Repeatability Gauge Reproducibility adalah suatu variasi pengukuran dari suatu pengukuran yang dilakukan oleh operator yang berbeda dengan mengunakan Gauge (alat ukur) yang sama ketika mengukur Part yang sama atau yang mempunyai karakteristik yang identik

Gauge Repeatability adalah variasi pengukuran yang dihasilkan ketika seorang operator mengukur Part yang sama dengan karakteristik yang identik dg menggunakan alat ukur yang sama


114

Panduan Gauge R&R

 Paling sedikit 2 orang operator (biasanya 2 ~ 3 Operator)  Paling sedikit 10 unit sampel yang diukur.  Setiap unit diukur paling sedikit 2 kali oleh tiap operator  Kualifikasi operator yang akan mengukur harus sama


115

Kriteria Penerimaan Terdapat empat kriteria untuk menentukan kualifikasi dari sistem pengukuran -- % Contribution -- % Study Variation -- Distinct Categories Aturan tiap kriteria tersebut ditunjukkan pada tabel dibawah ini

Diterima p g Dipertimbangkan Ditolak


% Contribution

%Study Variation

<1%

< 10 %

> 10

10 % - 30 %

4-9

1%-9% >9%

> 30 %

Distinct Categories

<4

116

Analisa MINITAB  Filename : Gage_r&r.mtw

default method


117

Analisa MINITAB

USL - LSL


118

Output Gage R&R Menggambarkan interval 99 % dari variasi

Standard deviasi untuk variasi komponen Source

VarComp

StdDev

5.15*Sigma

Total Gage R&R Repeatability Reproducibility Operator Operator*Part Part-To-Part Total Variation

0.004437 0.001292 0.003146 0.000912 0.002234 0.037164 0.041602

0.066615 0.035940 0.056088 0.030200 0.047263 0.192781 0.203965

0.34306 0.18509 0.28885 0.15553 0.24340 0.99282 1.05042

Total variasi

Variasi Diantara Part

Variasi sistem pengukuran (broken down into repeatability and reproducibility)


119

Output Gage R&R Source

%Contribution

%Study Var

%Tolerance

Total Gage R&R R Repeatability t bilit Reproducibility Operator Operator*Part P t T P t Part-To-Part Total Variation

10.67 3 3.10 10 7.56 2.19 5.37 89 89.33 33 100.00

32.66 17 17.62 62 27.50 14.81 23.17 94 94.52 52 100.00

34.31 18 18.51 51 28.89 15.55 24.34 99 99.28 28 105.04

Number of Distinct Categories = 4 Source Total Gauge R&R Repeatability Reproducibility Operator Oper*Part Part-To-Part Total Variation


Variance 0.004437 0.001292 0 0.003146 003146 0.000912 0.002234 0.037164 0 0.041602 041602

KESIMPULAN : Sistem Pengukuran g DITOLAK 120

Analisis Capability  Tujuan T j Paham konsep analisa Process p y dan eksekusi MINITAB capability

 Bahasan - Variasi Proses - Rational subgrouping - Indeks Process capability p y (continuous case) - Latihan Minitab - Indeks Process capability (discrete case) Basic Six Sigma 001-TM-SS0-09-2002

121

Variasi Proses

 Apa A masalah l hd darii proses kit kita ? Dari perspektif Statistik, terdapat dua masalah, yaitu : Problem dengan spread (variation)

Problem dengan centering (location)

Target

Target

Situasi Sekarang

Situasi sekarang

LSL


USL

LSL

USL

122

Process Capability  Kenapa kita perlu process capability ? - Guna mengukur jumlah Defect yang dihasilkan oleh proses - Guna mengetahui sifat permasalahan dari defect • Process Location • Process Variation

 Dengan apa kita menghitung process capability ? - Data (Sample)

 Bagaimana kita mendapatkan sampel dari suatu populasi dengan benar ?


123

Rational Subgrouping Operator baru Shift ke-2

Output dari sebagian proses

Lower Limit Basic Six Sigma 001-TM-SS0-09-2002

Shift ke-1 Material Beda

-

output dari k keseluruhan l h proses

Upper Limit 124

Rational Subgrouping

PR ROCESS RESP PONSE

RATIONAL SUBGROUPS

Black Noise 

White noise 

TIME


125

Rational Subgrouping  Black Noise - Black noise adalah keadaan (variasi) yang disebabkan karena dipengaruhi oleh perbedaan faktor 4M1E - Merupakan variasi yang dapat dikontrol  White Noise - White noise adalah suatu keadaan (variasi) yang didipengaruhi faktorfaktor diluar perbedaan faktor 4M1E - Variasi yang tidak dapat dikontrol  Rational Subgrouping Pengambilan Sampel yang hanya terdiri dari White Noise. Black noise terjadi diantara beberapa sample


126

Distribusi Normal

•

Ciri-ciri? – Kurva K berbentuk b b t kL Lonceng (B (Bellll Sh Shaped) d) – Simetris – Area dibawah kurva, Probabilitas (Peluang) sama dengan 1

•

Di t ib i Normal Distribusi N l St Standar d – Mean = 0, Standard Deviasi= 1 – Jumlah standard deviasi = Z

•

Menentukan nilai-nilai Z dari tabel Z – Pilihan lain : gunakan Minitab – Perhatikan dalam membaca tabel Z


127

Transformasi Z Distribusi Normal Standard Deviasi Mean

X1 ? Z

Distribusi Normal Standard 1

0

Z 


Z

X 1  Mean Standard Deviation

128

Memperkirakan Defect Level Secara umum Rumus Z adalah :

Z 

x     x  x  

s



Transformasi ini menghasilkan suatu nilai dari suatu distribusi dimana Mean = 0 dan sigma = 1



Nilai dari Z mengindikasikan g seberapa p jjauh sebuah data ((X)) dari nilai rataratanya (Mean) dalam satuan standard deviasi



Sebagai contoh, jika Z=2, berarti data yang kita miliki (X) berada pada jarak 2 kali standard deviasi ( ) dari Mean (rata-ratanya). (rata-ratanya)



Guna memperkirakan Defect level (atau estimasi yield), kita dapat menggunakan Lower Spec Limit (LSL) dan Upper Spec Limit (USL) untuk X. X



Dengan menggunakan metode ini, kita dapat mengkalkulasikan proporsi dari produk yang keluar dari Spec berdasarkan proses sekarang.



Cobalah analisa contoh berikut ini


129

Contoh Transformasi Z Mean = 1.034 s

LSL

= 0.0553

USL

700 600

maka : LSL = 0.90 USL = 1.10

F r e q ue n c y

500 400 300 200 100 0 08 0.8


09 0.9

10 1.0

11 1.1

12 1.2

13 1.3

130

Contoh Transformasi Z

LSL

USL

700

Nilai suatu Distribusi

600

Permasalahan : Menentukan p persentase (%) produk diluar spesifikasi.

quency Freq

500 400 300 200 100 0 0.8

0.9

1.0

1. 1

1.2

1. 3

raw

Nilai Standard Distribusi USL

500 400

Freque ency

Permasalahn Statistik : Estimasi terhadap proporsi dari kurva normal yang berada diluar LSL dan USL, dapat kita hitung dari nilai Z (Z-value) (Z value) untuk setiap batas spesifikasi .

LSL

300 200 100 0 -4 4

-3 3

-2 2

-1 1

0

1

2

3

4

C2


131

Contoh Transformasi Z Estimasi nilai yang berada diluar batas spesifikasi dapat dihitung dengan cara : (LSL- x ) σ 0 .9 - 1 .034 = .0553 = - 2.42

(USL- x ) σ 1 .1 -1 .034 = .0553 = 1 .19

ZU=

Z L=



Low er S pec

0.80

0.85

0.90



Up per S pec

0.95

1.00

1.05

1.10

1.15

1.20

0.85

0.90

0.95

1.00

1.05

1.10

1.15

1.20

1.25

Probability Of Defect  Pr  x  0.9   Pr  x  1.1  Pr Z  -2.42   Pr Z  1.19   0.0078  0.1170  12.48 % Basic Six Sigma 001-TM-SS0-09-2002

132

Long Term vs Short Term Capability Short Term:

Operator Baru

Shift ke-2

Long Term:

001-TM-SS0-09-2002

Material berbeda

-

Lower Limit Basic Six Sigma

Shift ke-1 k 1

Upper Limit 133

Long Term vs Short Term Capability Short Term Capability untuk Six Sigma

 LSL

USL

Untuk Short Term pada proses six sigma, terdapat 6 sigma (standard deviasi) diantara SL dan .  Short Term Capability menggambarkan masalah penyebaran ((spread) p )p pada p proses kita.


134

Long Term vs Short Term Capability Estimasi Long Term Capability : 1.5 Sigma dikurangkan dari jarak antara  & SL

Long Term: 3.4 ppm



LSL

1.5 Sigma

USL

Untuk proses six sigma yang sama, sama dalam konteks long-term, long term jarak antara SL dan  adalah 4.5 sigma (standard deviasi). Long term capability menggambarkan permasalahan spread dan centering


135

Long Term vs Short Term Capability Estimasi Long Term Capability : 1.5 Sigma dikurangkan dari jarak antara  & SL

Titik tengah untuk Short Term Capability dalam Six Sigma



LSL

USL

Estimasi reduksinya adalah 1.5 Sigma.


136

Estimasi Dari Capability Index (Short Term) Semakin besar design margin, semakin kecil total defect per unit (TDU) Design Margin diukur dengan Process Capability Index (Cp)

Cp (best) =

(Nilai range max yang diperbolehkan dari karakteristik) (Variasi normal dari proses)

Cp =

(USL - LSL)

6*

Zst=3*Cp Basic Six Sigma 001-TM-SS0-09-2002

137

Estimasi Dari Capability Index (Long Term)

C pk = (1-k)*Cp (X - Target)

k =

(USL - LSL) 2

Zlt=3*Cpk


138

Capability Index (Long Term vs Short Term)  Jika kapabilitas proses kita telah mencapai Six Sigma maka nilai dari kapabilitas adalah sebagai berikut :

 Short term

 Long term

Zst = 6

Zlt

= 4.5 45

Cp = 2

Cpk = 1.5 ppm = 3.4

 Zshift = Zst - Zlt = 6 - 4.5 = 1.5 Basic Six Sigma 001-TM-SS0-09-2002

139

Capability Index (Long Term vs Short Term)  Minitab Indeks Short -Term Capability

 USL  LSL  Cp  6 * S ST

Pedoman untuk nilai Cp

Indeks Long -Term Capability

 USL  LSL  Pp 

!!!

MinUSL  x , LSL  x  Cpk  3 * S ST

6 * S LT

Mi USL  x , LSL  x  Min Ppk  3 * S LT Pedoman untuk nilai Cpk

ZST = 3 Cp p Basic Six Sigma 001-TM-SS0-09-2002

ZLT = 3 Ppk 140

Diagram 4 Block (Continuous Case) Poor 2.5 2.0

Zshift

A

B

C

D

1.5 1.0 0.5

G d Good

1 Poor

2

3

4

Zst

5

6 Good

Merupakan penggambaran dari suatu permasalahan di proses Tujuan kita adalah kotak D


141

Analisa Capability - MINITAB (Continuous Case)  Filename : Capa.mtw


142

Analisa Capability - MINITAB (Continuous Case)

Klik ‘OK’


143

Analisa Capability - MINITAB (Continuous Case) Process Capability Analysis for Sample LSL

Process Data USL

ST LT

42.0000

Target

*

LSL

38.0000

Mean

40.0016

Sample N

USL

250

StDev (ST)

0 95975 0.95975

StDev (LT)

1.18146

Potential (ST) Capability Cp

0.69

CPU

0.69

CPL

0.70

Cpk

0.69

Cpm

*

36

Overall ((LT)) Capability p y

38

40

Observed Performance

42

Expected p ST Performance

44 Expected p LT Performance

Pp

0.56

PPM < LSL

60000.00

PPM < LSL

18510.77

PPM < LSL

45116.53

PPU

0.56

PPM > USL

40000.00

PPM > USL

18661.53

PPM > USL

45372.82

PPL

0.56

PPM Total

PPM Total

37172.30

PPM Total

90489.34

Ppk

0.56

Cpk, Zlt=Cpk*3 Basic Six Sigma 001-TM-SS0-09-2002

100000.00

Cp Zst=Cp*3 Cp,

ppm 144

Defects & Opportunities (Kerusakan & Kesempatan)  Apa yang dimaksud dengan Defect ? Kegagalan dalam menghasilkan suatu produk

 Apa yang dimaksud dengan Opportunity (Kesempatan) ? Kualitas produk Kualitas komponen Process Yield Tes Destructive Rejects j - Repair p Visual Check (Appraisal) EHS - OSHA/LTA (Accidents) Ketidakhadiran Perbedaan Material Forecasting Schedule Achievement


Kapasitas CTQ - Critical to Quality Q alit Scrap dan Rework Organizational Development Training g Inventory Overtime On-Time-Delivery Order yang akurat Transportasi Down time

145

Defects & Opportunities (Kerusakan & Kesempatan) DPU =

Unit

Defects Unit

DPO =

Defects Opportunity

Opportunity  Warna hitam adalah defect  Apa yang dimaksud dengan DPU ?  Apa A yang dmaksud d k dd dengan DPMO ?


146

DPMO  Suatu S t Opportunities O t iti (kesempatan) (k t ) dipilih di ilih karena k : Critical To Quality (CTQ) dan Kemauan konsumen adanya Cost Of Failure (COF)  DPMO

adalah jumlah defect yang terjadi dalam satu juta

kesempatan atau defect per sejuta kesempatan kesempatan,

Defects DPMO =

X 1 1,000,000 000 000

Opportunities

Pertanyaan : Apakah PPM sama dengan DPMO? Jawaban : benar ! PPM sama dengan DPMO sebab kesempatan (opportunities) sama dengan jumlah unit yang diproses atau t diproduksi. di d k i Basic Six Sigma 001-TM-SS0-09-2002

147

Model Yield

 First Time Yield (YFT) Akhir dari proses yield  Tidak termasuk internal rework loops  Kemungkinan zero defect diukur dari akhir proses

 Rolled Throughput Yield (YRT) T t l proses yield Total i ld  Termasuk internal rework loops  Kemungkinan g menghasilkan g zero defects dari keseluruhan proses  Normalized Yield (YNA) R t Rata-rata t yield i ld dari d i proses yang b berurutan t atau t process steps t  Final Yield (YF) Berdasarkan proses akhir (merupakan konsep tradisionla yield ) Basic Six Sigma 001-TM-SS0-09-2002

148

Model Yield  YFT (First Time Yield) Hidden Factory” Scrap 15 Unit INPUT 30 Units 100 Units

Rework

Process

OUTPUT 85 Units

70 Units

YFT = 70% YF

= 85%

 The hidden factory berpengaruh terhadap the cost of failure (COF)  Yang bagaimana tepatnya bagi konsumen


149

Model Yield  YRT (Rolled Throughput Yield) Jika suatu produk dibuat melalui 3 proses yang saling berurutan Tentukan YRT dan YNA jika YFT and YF diketahui. Process 1

Process 2

Process 3

YFT1 = 80% YF = 100%

YFT2 = 70% YF = 90%

YFT3 = 90% YF = 95%

Output

 Apa A artinya ti YRT ? YRT = YFT1 x YFT2 x YFT3 YRT = 0.8 x 0.7 x 0.9 = 0.504 = 50.4%  Apa artinya YNA ? 3 Y YNA = Y FT 1

YNA = Basic Six Sigma 001-TM-SS0-09-2002

3

FT 2

 YFT 3

YRT 150

Rolled Throughput Yield  Contoh C t h alir li proses CTQ

INPUT U

S1

S2

CTQ

S3

S4

CTQ

S5

S6

S7

CTQ

S8

test

100 Scrap

Defects - Rework

2

1

Defects - Tuning & Cleaning 5

YIELD

93

Scrap

5

 Internal Yield - diukur berdasarkan CTQ’s Y2 = 1 - (2 / 100) = 0.98 (98%) Y5 = 1 - (1 / 98) = 0.99 (99%) Y7 = 1 - (5 / 98) = 0.95 (95%) YF = 1 - (5 / 98) = 0.95 (97%)  Rolled Throughput Yield (YRT) - kemungkinan menghasilkan zero defects pada setiap pengukuran CTQ untuk satu unit produksi produksi. YRT = Y2 * Y5 * Y7 * YFP = 0.98 * 0.99 * 0.95 * 0.95 = 0.876 (87.6 %) atau kira-kira sama dengan : d/ YRT = e -d/u d = ttotal t l defects d f t = 13 YRT = e -13/100 = 0.878 (87.8%) Basic Six Sigma 001-TM-SS0-09-2002

u = Jumlah J l h unit it produksi d k i = 100 151

Analisis Capability (Discreet Case)  YRT = e -d/u ZLT YNA

YRT

(YFT1)(YFT2)(YFT3)... )

(YRT)1 / # of process

ATAU

e-DPU

Zst = Zlt + 1.5 Basic Six Sigma 001-TM-SS0-09-2002

152

Analisis Capability (Discreet Case)  Minitab YRT 95%, bisa menggambarkan suatu nilai Z value

YRT Basic Six Sigma 001-TM-SS0-09-2002

153

Analisis Capability (Discreet Case)  Minitab Inverse Cumulative Distribution Function Normal dengan mean = 0 dan standard deviasi = 1.00000 P( X <= < x) 0.9500

x 1.6449

ZLT Zst = 1.6449 +1.5 = 3.1449


154

Aktivitas utama dalam tahap MEASUREMENT adalah menghitung k di i kapabilitas kondisi k bilit proses kita kit saatt ini i i (Cp, Cpk, Z Value, Sigma level) CURRENT PROCESS CAPABILITY


155

Analisis Faktor  Tujuan T j - Memahami konsep tentang pemilihan faktor-faktor yang tepat - M Memahami h i konsep k d i data dari d t analisis li i secara statistik - Penggunaan MINITAB

 Bahasan - Metode pemilihan faktor-faktor - Uji Hipotesis - ANOVA - Analisis Regresi - Analisis Korelasi Basic Six Sigma 001-TM-SS0-09-2002

156

Konsep tentang Faktor  Yang mana yang harus menjadi fokus perhatian ?

Y

=

f(X)

■ Y

■ X1,....Xn

■ Variabel Tak Bebas (Dependent Variables)

■ Variabel Bebas (Independent Variables)

■ Output

■ Input

■ Akibat

■ Penyebab

Bagian ini disebut FAKTOR  Pada saat kita hendak menyelesaikan masalah, kita semestinya berfokus pada faktor-faktor,, sebab faktor-faktor tersebut adalah p p penyebab y atas masalah tersebut. Basic Six Sigma 001-TM-SS0-09-2002

157

Metode Pemilihan Faktor-faktor  Brainstorming - Untuk mengungkap ide-ide dengan cepat

 Jenis-jenis Jenis jenis Brainstorming - Free Wheeling

: Semua anggota tim proyek memberikan ide-ide mereka dalam sebuah obrolan

- Round Robin

: Semua anggota tim proyek memberikan ide-ide mereka secara berputar bergiliran

- Card Method

: Mencatat ide-ide dari setiap anggota tim proyek dalam secarik kertas tanpa diskusi

 Yang perlu diperhatikan dalam Brainstorming -

Tidak boleh mengkritik g setiap p ide yyang g disampaikan p oleh setiap p anggota gg tim

-

Catat semua ide yang disampaikan tanpa kecuali

-

Semua anggota tim harus hadir dalam kegiatan Brainstorming

-

Hargai semua ide-ide yang disampaikan walaupun terkadang tidak masuk akal


158

Metode Pemilihan Faktor-faktor  Cause & Effect Diagram - Cause & Efect atau Fishbone Diagram (Cause & Effect) menggambarkan penyebab-penyebab b b b b (causes) ( ) yang berpotensi b t i menyebabkan b bk masalah l h yang sedang dibahas - Daftar dari penyebab-penyebab disusun dalam sebuah pohon seperti struktur - Dahan-dahan, kategori major dari penyebab, memiliki sebuah atau lebih penyebab spesifik

 Mengapa menggunakan Cause & Efect Diagram ? - Membuat Fokus perhatian tim pada fakta-fakta bukan pada sejarah masalah tersebut - Membuat kumpulan pengetahuan tim tentang masalah tersebut secara visual. visual - Fokus tim pada penyebab-penyebabnya, bukan gejala-gejalanya


159

Metode Pemilihan Faktor-faktor  Cause & Effect Diagram, Fishbone Diagram - Metode untuk menyusun atau mengatur hubungan antara CTQ dengan faktorfaktor yang mempengaruhi CTQ -

Kita dapat menggunakan diagram ini untuk menemukan faktor-faktor (X) yang mempengaruhi CTQ (Y) pada tahap analisis dalam Six Sigma

Manusia Manusia Mesin

Metode

Enam Sumber V i i Variasi Material

001-TM-SS0-09-2002

AKIBAT

Lingkungan

Pengukuran

Basic Six Sigma

Pernyataan Masalah Metode SEBAB

160

Metode Pemilihan Faktor-faktor  Logic Tree (Structure Tree, Why-Because) - Kita dapat menggunakan Logic Tree untuk menemukan faktor-faktor (X) yang mempengaruhi CTQ (Y) pada fase analisis dalam Six Sigma - Kita dapat membuat Logic Tree dengan mengatur kategori-kategori utama di sebelah kiri - Perhatikan prinsip-prinsip MECE (Mutually Exclusive and Collective Exhaustive)

Why

Why Losses Electromagnetic

Why Why

Lamination

OD Mechanical

ROTOR

Inductance Core length

Area A Endrings

RPM

STATOR

Area B

Fokuskan pada bagian g ini

ASSEMBLY Tiga kategori ini merupakan MECE untuk masalah RPM. Basic Six Sigma 001-TM-SS0-09-2002

161

Metode Pemilihan Faktor-faktor  Metode-metode Statistika  Uji Hipotesis - Uji-Z untuk satu sampel (One sample Z-Test) - Uji-T untuk satu sampel (One sample T-Test) - Uji-T untuk dua sampel (Two sample T-Test) - Uji kesamaan varians (Test for equal variances) - Uji-T untuk sampel berpasangan (Paired T-Test) Uji p proporsi opo s sa satu u sa sampel pe ((Test es o of O One ep proportion) opo o ) - Uj - Uji proporsi dua sampel (Test of Two proportions) - Uji independensi dua variabel (Test for independence between two variables) - Analisis Varians (ANOVA) - Analisis Regresi (Regression Analysis) - Analisis Korelasi (Correlation Analysis)


162

Metode Pemilihan Faktor-faktor  Uji Hipotesis Adalah kegiatan untuk menjelaskan pernyataan seseorang tentang sesuatu hal adalah benar atau tidak

 Langkah-langkah Uji Hipotesis 1) Buat Hipotesis - U Untuk t k menterjemahkan t j hk pernyataan t seseorang atausesuatu t t h hall menjadi j di fformula l numerik - Hipotesis -> Hipotesis Hi t i NNol l (N (Nullll H Hypothesis) th i ) (H0) : JJenis i pernyataan t ‘‘sama d dengan’’ ( = ) -> Hipotesis Alternatif (Alternative Hypothesis) (H1) : Pernyataan ketidak samaan ( > ,< ,  )

Uji dua pihak (Two sides Test) Uji satu pihak (One side Test)


163

Metode Pemilihan Faktor-faktor 2) Gathering Data Uji Hipotesis adalah bagian dari Statistical Inference. Data diperlukan untuk kegiatan ini.

3) Input data ke dalam Minitab Worksheet Input data dan pilih metode pengujian yang cocok untuk kondisi yang ada.

4) Perhatikan P h tik nilai il i p-value l Perhatikan p-value yang ditunjukkan pada Minitab Session Window dan bandingkan dengan nilai  (tingkat signifikansi)

- Jika p-value LEBIH BESAR dari 0.05, maka kita MENERIMA H0 - Jika p-value LEBIH KECIL dari 0.05, maka kita MENOLAK H0

!!!


164

Uji Hipotesis  Uji Normalitas - Data : S S_Diameter Diameter - Stat > Basic Statistics > Normality test


165

Uji Hipotesis Normal Probability Plot

.999 .99

Probabilitty

.95 .80 80 .50 .20 .05 05 .01 .001 29.2

30.2

31.2

32.2

Diameter Average: 30.4908 StDev: 0.770719 N: 50


Anderson-Darling Normality Test A-Squared: 0.897 P-Value: 0 0.020 020

166

Uji Hipotesis  Test for equal variance (Menguji kesamaan varians dalam beberapa group yang berbeda) Contoh :  Kita ingin mengetahui bahwa sigma perusahaan A sama dengan sigma perusahaan B - Data : hov - Stat > ANOVA > Homogeneity of variance...


167

Uji Hipotesis Homogeneity of Variance

Interpretasi hasil :

F-Test (normal distribution) Test Statistic: 76.271 P-Value : 0.000 Levene's Test (any continuous distribution) Test Statistic: 26.200 P-Value : 0.000

Jika anda memilih suplier antara A dan B, mana yang lebih layak ?

Homogeneity of Variance Test for Weight 95% Confidence Intervals for Sigmas

Factor Levels 1

F-Te

2 0.0

0.2

0.4

0.6

0.8

1.0

Test Statistic: 76.271

1.2

P-Value

: 0.000

1

t Levene's Te Test Statistic: 26.200 2

P-Value

2

3

: 0.000

4

Weight g


168

Uji Hipotesis  One Sample Z-Test (Uji untuk rata-rata; jika sigma diketahui) Contoh :  Perusahaan A yang memproduksi TVCR Cover menyatakan bahwa rata-rata berat cover yang diproduksi perusahaan A adalah 3,5 kg dan standar deviasi 0,15 kg. Kita akan menguji apakah pernyataan tentang rata-rata tersebut bisa diterima atau tidak - Data D t :1 1-Ztest Zt t - Stat > Basic Statistics > 1-Sample Z… Sigma : 0.15 Solusi (1) Solusi (2) Test mean : 3.5


169

Uji Hipotesis - Hasil dari solusi (1) Z Confidence Intervals The assumed sigma = 0.150 Variable Weight

N 20

Mean 3.5240

StDev 0.0860

SE Mean 0.0335

(

95.0 % CI 3.4583, 3.5897)

- Interpretasi hasil :

- Hasil dari solusi (2) Z-Test Test of mu = 3.5000 vs mu not = 3.5000 The assumed sigma = 0.150 Variable Weight

N 20

Mean 3.5240

StDev 0.0860

SE Mean 0.0335

Z 0.72

P 0.47

- Interpretasi solusi (2) :


170

Uji Hipotesis  One Sample T-Test (Uji rata-rata; Jika sigma TIDAK diketahui) Contoh :  Perusahaan B memproduksi TVCR C cover dan menyatakan bahwa rata-rata berat cover yang mereka produksi 3,5 kg. Kita ingin mengetahui apakah pernyataan tentang ratarata tersebut bisa diterima atau tidak. - Data : 1-ttest - Stat > Basic Statistics > 1-Sample t... Solusi (1)


Solusi (2) Test mean:3.5

171

Uji Hipotesis - Hasil dari solusi (1) T Confidence Intervals Variable Weight

N 20

Mean 3.483

StDev 0.751

SE Mean 0.168

(

95.0 % CI 3.131, 3.835)


- Hasil solusi (2) T-Test of the Mean Test of mu = 3.500 vs mu not = 3.500 Variable Weight

N 20

Mean 3.483

StDev 0.751

SE Mean 0.168

T -0.10

P 0.92



172

Uji Hipotesis  Two sample T-Test (Uji kesamaan rata-rata antara dua sampel) Contoh :  Kita ingin mengetahui apakah rata rata-rata rata berat barang yang berasal dari perusahaan A sama dengan rata-rata barang (sejenis) yang berasal dari perusahaan B - Data : 2-ttest - Stat > Basic Statistics > 2-Sample p t...

Jika sigma perusahaan A sama dengan sigma perusahaan B, B maka beri tanda check


173

Uji Hipotesis - Hasil Two Sample T-Test and Confidence Interval Two sample T for A.Weight vs B.Weight

A.Weight B.Weight

N 20 20

Mean 3.5240 3.693

StDev 0.0860 0.322

SE Mean 0.019 0.072

95% CI for mu A.Weight - mu B.Weight: ( -0.324, -0.015) T-Test mu A.Weight = mu B.Weight (vs not =): T = -2.28 P = 0.033

DF = 21



174

Uji Hipotesis 

One sample proportion Test (Uji proporsi atau perbandingan jika jumlah sampel yang dipelajari adalah satu sampel)

Contoh :  Seseorang S di perusahaan h A menyatakan t k b h bahwa yield i ld ratio ti di perusahaannya h adalah 80%. Kemudian diperiksa 100 part dan hasilnya 78 diantaranya adalah‘bagus’ dan 22 part adalah jelek. Kita ingin mengetahui apakah pernyataan orang tersebut tadi bisa diterima atau tidak.

- Stat > Basic Statistics > 1 Proportion...

Diasumsikan data berdistribusi normal Basic Six Sigma 001-TM-SS0-09-2002

175

Uji Hipotesis - Hasil Test and Confidence Interval for One Proportion Test of p = 0.8 vs p not = 0.8 Sample 1

X 78

N 100

Sample p 0.780000

95.0 % CI (0.698809, 0.861191)

Z-Value -0.50

P-Value 0.617



176

Uji Hipotesis  Two sample PROPORTION Test (Uji proporsi atau perbandingan jika jumlah sampel yang dipelajari adalah dua sampel) Contoh :  Kita ingin mengetahui apakah yield ratio perusahaan A dan B sama atau tidak. Diperiksa 100 part dari masing-masing perusahaan. Hasilnya, 78 part dari perusahaan A bagus sedangkan dari perusahaan B diperoleh 74 part adalah bagus. - Stat > Basic Statistics > 2 Proportion Proportion...

Ch k Check Basic Six Sigma 001-TM-SS0-09-2002

177

Uji Hipotesis - Hasil Test and Confidence Interval for Two Proportions Sample 1 2

X 78 74

N 100 100

Sample p 0.780000 0.740000

Estimate for p(1) - p(2): 0.04 95% CI for p(1) - p(2): (-0.0782494, 0.158249) Test for p(1) - p(2) = 0 (vs not = 0): Z = 0.66

P-Value = 0.508



178

Analisis Varians (ANOVA)  Kapan kita menggunakan ANOVA (Analysis of Variance)? - Jika kita ingin menguji apakah ada perbedaan rata-rata antara sampel-sampel (LEBIH DARI 2 SAMPEL), kita dapat menggunakan ANOVA

- Target Statistical Inference dalam ANOVA adalah Rata-rata  Jika ukuran sampel yang diperiksa adalah sama, maka disebut Balanced ANOVA  Jika ukuran sampel yang diperiksa tidak sama sama, maka disebut Unbalanced ANOVA  Asumsi yang dipakai dalam ANOVA : - Varians Populasi adalah sama atau homogen untuk setiap group (sampel) - Oleh karena itu kita perlu melakukan pengujian Uji Homogenitas Varians terlebih dahulu.  Hipotesis dalam ANOVA : H0 : 1= 2 =…..= k H1 : paling sedikit sebuah  tidak sama


179

Analisis Varians (ANOVA)  Contoh : Kita ingin mengetahui apakah ada perbedaan rata-rata daya rekat dari bahan perekat yyang p g diproduksi p oleh 3 p perusahaan - Data : AnovaUnstack - Stat > ANOVA > One-way (Unstacked)...


180

Analisis Varians (ANOVA) - Hasil : One-way Analysis of Variance Analysis of Variance Source DF SS Factor 2 127.57 Error 12 68.83 Total 14 196.40

Level Adh 1 Adh 2 Adh 3

N 4 5 6

Mean 12.000 19 19.000 000 18.167

Pooled StDev =

2.395

MS 63.78 5.74

StDev 2.160 2 2.345 345 2.563

F 11.12

P 0.002

Individual 95% CIs For Mean Based on Pooled StDev ----+---------+---------+---------+-(------*-------) (-----*------) ( * ) (-----*-----) ----+---------+---------+---------+-10.5 14.0 17.5 21.0



181

Analisis Varians (ANOVA) Latihan : Di bawah ini adalah data tentang daya kerekatan dalam densitas alkaline solution (liquid) yang berbeda, kita ingin mengetahui kondisi mana yang memberikan daya rekat paling kuat. 3.0%

3.3%

3.6%

3.9%

4.2%

46.8 58.0 51.4 56.5

51.2 62.4 58.5 61.9

50.2 39.8 45.2 48.8

40.8 41.8 45.5 35.9

30.2 25.8 32.4 29.2


densitas alkaline solution

Ukuran daya rekat

182

One-way One way ANOVA: 3.0, 3.3, 3.6, 3.9, 4.2 Analysis of Variance Source DF SS Factor 4 2030.2 Error 15 292.3 Total 19 2322.5

Level 3.0 3 3 3.3 3.6 3.9 Basic Six Sigma 001-TM-SS0-09-2002

N 4 4 4 4

Mean 53.175 58 58.500 500 46.000 41.000

MS 507.5 19.5

StDev 5.103 5 5.166 166 4.639 3.956

F 26.04

P 0.000

Individual 95% CIs For Mean Based on Pooled StDev ----------+---------+---------+-----(---*---) ( (---*---) * ) (---*---) (---*---) 183

Regresi  Analisis Regresi :

• Analisis Regresi adalah analisis secara statistik mengenai hubungan (penyebab) antara variabel dependen (Y) dan variabel independen (X) • Menduga sebuah persamaan Matematika untuk melihat hubungan (sebab-akibat) • Mengestimasi sebuah model melalui data • Melakukan pengujian hipotesis melalui model tersebut


184

Regresi  Jika jumlah variabel independen (X) adalah satu, disebut Regresi Sederhana (Simple Regression)  Jika jumlah variabel independen (X) lebih dari satu satu, disebut Regresi Multipel (Multiple Regression)  Langkah-langkah Analisis Regresi :

Pengumpulan Data


Gambarkan plot data

Estimasi koefisien melalui metode kuadrat terkecil (least squares method)

Uji Hipotesis

Analisis

185

Regresi 1) Pengumpulan Data Dollar

812.52 822.50 1211.50 1348.00 1301.00 2567.50 2526.50 2755.00 430.50 5581.50 5548.00 60 6 00 6086.00 5764.00 8903.00


Tahun setelah kelulusan

1 2 3 4 8 9 10 11 12 13 14 1 15 16 17

186

Regresi 2) Gambar plot data • Memahami bahwa hubungan antara dua variabel adalah linier atau bentuk 9000

lain

8000

• Jika hubungan adalah linier, tanda

7000

dollar

6000

( / ) menunjukan (+/-) j k h b hubungan positif itif

5000 4000

atau

3000

negatif

dari

kedua

variabel

tersebut

2000 1000

• Perhatikan outlier (titik yang terpencil)

0 0

5

10

15

year


187

Regresi (Y =  + X) 4) Uji Hipotesis H0 :  = 0 : X tidak berpengaruh terhadap Y H1 :   0 : X berpengaruh terhadap Y Predictor Constant X

Coef -628.9 403 403.42 42

StDev 878.4 80.31 80 31

T -0.72 5 5.02 02

P 0.488 0 0.000 000

Analysis of Variance Source Regression Residual Error Total

S = 1551

DF 1 12 13

SS 60740687 28883452 89624139

R-Sq = 67.8%

MS 60740687 2406954

F 25.24

P 0.000

R-Sq(adj) = 65.1%

R-Square Selalu bernilai antara 0 dan 1 Basic Six Sigma 001-TM-SS0-09-2002

188

Regresi  MINITAB - Data : Simreg - Stat > Regression > Regression...

Variabel Dependen (Y)

Variabel Independen (X)


189

Regresi Regression Analysis The regression equation is dollar = - 629 + 403 year y Predictor Constant year S = 1551

Coef -628.9 403.42

StDev 878.4 80.31

R-Sq = 67.8%

T -0.72 5.02

P 0.488 0.000

R-Sq(adj) = 65.1%

Analysis of Variance Source Regression Residual Error Total

DF 1 12 13

SS 60740548 28883493 89624041

Unusual Observations Obs year dollar 9 12.0 430

MS 60740548 2406958

Fit 4212

F 25.24

StDev Fit 456

P 0.000

Residual -3782

St Resid -2.55R

R denotes an observation with a large standardized residual


190

Korelasi Koefisien Korelasi : • Selalu bernilai antara -1 dan +1 • Nilainya positif (+), artinya jika salah satu variabel bertambah maka variabel yyang g lainnya y akan bertambah pula. • Nilainya negatif (-), artinya jika salah satu variabel bertambah maka variabel yang lainnya akan berkurang.

Formula :

r 


n  ( X i  X )( Y i  Y ) i 1 n n 2 2 X X Y Y ( ) ( )     i i i 1 i 1 191

Korelasi

r = 0.3

r = 0.7

r = -0.5

r = -0.9

• Jika nilai absolut dari koefisien korelasi mendekati 1, mengindikasikan hubungan dua variabel kuat. • Jika nilai absolut dari koefisien korelasi mendekati 0, mengindikasikan hubungan dua variabel lemah. • Kuadrat koefisien korelasi sama dengan R-Square dalam Regresi


192

Korelasi Uji Hipotesis untuk koefisien korelasi populasi H0 : H1 :

 = 0 : Tidak ada korelasi antara kedua variabel   0 : Ada korelasi antara kedua variabel

- Data : Grade - Stat > Basic Statistics > Correlation...


193

Korelasi - Hasil : Correlations (Pearson)

Math

GPA

Verbal 0.275 0 000 0.000

Math

0.322 0.000

0.194 0.006

Cell Contents: Correlation P-Value


Koefisien korelasi antara nilai Matematika dan GPA

p-value untuk uji hipotesis hubungan antara nilai Matematika dan IPK

194

Aktivitas utama dalam tahap ANALYSIS adalah memilih faktor-faktor yang paling b berpengaruh h terhadap t h d CTQ (masalah). ( l h) SELECTING FACTORS


195

Design of Experiment (DOE)  Tujuan T j - Memahami konsep DOE - Eksekusi Minitab

 Bahasan - Konsep Dasar DOE - Desain Full Factorial - Latihan


196

Konsep Dasar DOE  Komponen dari Proses Uncontrollable Factor … ...

Input

Output (Y)

Proses

Controllable Factor Basic Six Sigma 001-TM-SS0-09-2002

197

Konsep Dasar DOE  Definisi DOE - DOE adalah metode penentuan awal mengenai pengambilan data dari proses eksperimen p p dan analisa data sehingga gg kita mendapatkan p informasi yang akurat melalui Eksperimen.

 Tujuan DOE - Menentukan hubungan cause-effect antara proses input dan karakteristik produk - Menentukan kondisi proses dari faktor f - Menentukan sumber variasi pada Critical Process - Menentukan persamaan model pada proses


198

Konsep Dasar DOE  Faktor Suatu faktor (input) yang mempengaruhi Response (output) dan dapat merupakan

variabel

terkontrol

(controllable)

atau

tidak

terkontrol

(uncontrollable). Suatu faktor dapat saja bersifat kuantitatif (misal : temperatur, waktu) atau bersifat kualitatif (Perbedaan mesin, mesin Perbedaan Operator, Operator Bersih atau tidak)

 Level Level suatu faktor adalah nilai-nilai dari faktor dalam suatu eksperimen. Misalkan eksperimen yang dilakukan terhadap 2 perbedaan temperatur (100C dan 200C) maka faktor temperatur mempunyai 2 level


199

Konsep Dasar DOE  Perlakuan Perlakuan adalah eksperimen yang dilakukan terhadap satu level pada faktor. Misal, pada tingkat temperatur 2500C kita lakukan eksperimen.  Perlakuan Kombinasi Suatu eksperimen yang menggunakan level-level yang spesifik dari tiap faktor. Jumlah perlakuan kombinasi pada full experiment adalah

percobaan

yang

dilakukan

terhadap

SELURUH

KOMBINASI level pada tiap faktor. faktor


200

Konsep Dasar DOE  Proses melakukan DOE - Temukan masalah - Tentukan tujuan - Tentukan variabel respon (Y) - Tentukan variabel Indenpenden (X) - Tentukan levelnya - Tentukan design eksperimen - Kumpulkan data - Analisis data - Simpulkan berdasarkan penggambaran dari hasil analisis statistik - Buat Solusi


201

Konsep Dasar DOE  Prinsip-prinsip DOE - Prinsip Pengacakan (Randomization) - Prinsip Pengulangan (Replication) - Prinsip Pemblokan (Blocking) - Prinsip Pembauran (Compounding) - Prinsip Ortogonal


202

Desain Faktorial  Desain satu pihak (One Way) - Menentukan hubungan g sebab-akibat ((cause-effect)) antara sebuah faktor dengan karakteristik produk (output) - Kita ingin mengetahui apakah output dari tiap level faktor tersebut sama atau tidak. - Apakah A k h ada d hubungan h b sebab-akibat b b kib t antara t f kt dan faktor d k kt i tik karakteristik produksi jika dari tiap level tidak sama


203

Desain Faktorial  Susunan Perlakuan (Array Treatment) - Jika banyaknya level faktor (perlakuan) adalah k dan banyaknya replikasi setiap ti level l l adalah d l hm Treatment

Mean

A1 A11 A21 :

A2 A12 A22 :

Am1

Am2

X

X

………. ………. ………. ………. ………. ……….

Ak A1k A2k : Amk

X

X

 Biasanya kita menganalisanya dengan ANOVA


204

Desain Faktorial  Uji Hipotesis

H0 : 1 = 2 = …. = k H1 : paling sedikit sebuah  tidak sama

Jika H0 ditolak maka kita harus menguji perbedaan mean (Ratarata) diantara output pada level faktor.


205

Desain Faktorial  Contoh Diketahui bahwa tingkat ketebalan suatu part disebabkan karena tekanan (Pressure) pada proses. proses Asumsi bahwa part

harus tipis, tipis maka percobaan

dilakukan dengan empat kondisi tekanan. Dan data dari hasil percobaan dapat dilihat pada tabel dibawah ini, tentukan level faktor mana yang

paling

berpengaruh. 10

15

20

25

Hasil pengukuran Level Faktor


6.1

4.4

3.1

2.8

5.8

4.2

3.3

2.8

64 6.4

39 3.9

31 3.1

26 2.6

3.2

3.1

3.6

2.7

3.5

2.5 206

Desain Faktorial  Desain Dua Pihak (Two-way) dengan replikasi perlakuan - Menentukan

hubungan

sebab-akibat sebab akibat

diantara

dua

faktor

dan

karakteristik produk (output) - Menentukan apakah mean dari output tiap level faktor sama atau tidak - Apakah ada pengaruh interaksi (Interaction effect) atau tidak.  Main effect (Pengaruh utama) - Perubahan rata-rata variabel output yang disebabkan perubahan level pada suatu faktor


207

Desain Faktorial  Interaksi pengaruh (Interaction effect) - Jika Main effect diantara level-level dalam satu faktor tidak sama dengan f kt yang lain, faktor l i maka k terdapat t d t interakasi i t k i pengaruh h diantara di t f kt f kt faktor-faktor tersebut. A : Tekanan

Ketebalan A2

A1 B1


A1

B : Temperatur O t t : Kekuatan Output K k t (Strength) (St th)

A2 B2

Temperatur

208

Desain Faktorial  Susunan Perlakuan (Array of Treatment) A1 B1 B2 …. Bm Mean


A2

X111

X121

X112

X122

…….. X11r X211

…….. X12r X221

X212

X222

…….. X21r

…….. X22r

….

Ak

M Mean

X1k1

….

Xm11

Xm21

Xm12

Xm22

…….. Xm1r

…….. Xm2r

X.1.

…..

X.2.

…..

X1k2

…..

X2k2

….

…….. X1kr X2k1 …….. X2kr

….

X1.. X2.. ….

Xmk1

….. …..

Xmk2 …….. Xmkr

X.k.

Xm.. X

209

Desain Faktorial  Uji Hipotesis H0 : 1 = 2 = …. = k H1 : Paling sedikit sebuah A tidak sama H0 : 1 = 2 = …. = k H1 : Paling sedikit sebuah B tidak sama H0 : Tidak ada perbedaan efek interaksi H1 : Ada perbedaan efek interaksi

Jika H0 ditolak maka kita harus menguji perbedaan mean diantara output pada level dari setiap faktor. faktor Basic Six Sigma 001-TM-SS0-09-2002

210

Desain Faktorial  Contoh Diketahui bahwa daya tahan suatu part disebabkan karena tekanan (Pressure) dan temperatur. Diasumsikan bahwa part harus kuat, maka percobaan dilakukan dengan empat kondisi tekanan dan tiga kondisi temperatur, data dari hasil eksperimen dapat dilihat pada tabel dibawah. Analisalah data dari hasil eksperimen, eksperimen dan tentukan level faktor mana yang berpengaruh terhadap respon.

Tekanan

10 Temp

5 10 15

94 99 116

15 87 108 111

95 114 121

20 101 108 127

99 112 125

25 107 117 131

91 109 116

98 103 122

Daya tahan Basic Six Sigma 001-TM-SS0-09-2002

211

Desain Faktorial  Desain Full Faktorial kn • Merupakan desain eksperimen terhadap keseluruhan perlakuan k bi kombinasi i dari d i n faktor f kt dengan d l level l sama dengan d k • Jika terdapat p r kali eksperimen p pada setiap p pp perlakuan kombinasi, maka

banyaknya eksperimen dilakukan sebanyak r*kn

• Biasanya k adalah 1 atau 3, jadi 2n atau 3n


212

Desain Faktorial  Desain Fraksional • Suatu desain eksperimen yang dilakukan hanya sebagian saja atau tidak dilakukan secara penuh (full factorial design). • Jika terdapat banyak faktor, maka kita harus melakukan banyak

eksperimen.

• Bila kita melakukan banyak eksperimen berarti akan banyak membutuhkan biaya dan waktu. waktu • Kita dapat mereduksi banyaknya eksperimen dengan menjalankan desain fraksional faktorial. • Dengan asumsi tidak terdapat perbedaan efek interaksi sehingga bisa diabaikan. • Biasanya perbedaan efek interaksi diabaikan bila lebih dari 3 faktor. • Biasanya desain fraksional dilakukan dengan pembauran (Comfounding)

 Comfounding (Pembauran) • Adalah pengaruh dari faktor yang tidak dapat dipisahkan Basic Six Sigma 001-TM-SS0-09-2002

213

Desain Faktorial  Desain Faktorial menggunakan Minitab

Perhatikan jumlah faktor dalam eksperimen


214

Desain Faktorial Putuskan apakah akan melakukan desain full faktorial atau desain fraksional

Teliti jjumlah replikasi p pada perlakuan kombinasi Basic Six Sigma 001-TM-SS0-09-2002

215

Desain Faktorial

Tulislah nama faktor dan nilai dari level faktor


216

Desain Faktorial

Cek pengacakan pada eksperimen


217

Desain Faktorial


Tuliskan nilai dari hasil eksperimen pada setiap perlakuan kombinasi

218

Desain Faktorial  Desain Faktorial menggunakan Minitab Guna mengetahui daya tahan dari suatu part

yang disebabkan karena

Pressure (tekanan), temperatur dan density (berat jenis) dari suatu material. Asumsikan bahwa part harus kuat, maka eksperimen harus dilakukan dengan perlakuan kombinasi. Semua faktor terdiri dari dua level. Analisa dan temukan level faktor mana yang berpengaruh terhadap kekuatan material. Faktor-faktor dan level faktor


A = Pressure

: Level 1 = 20, level 2 = 25

B = Density

: Level 1 = 8.5, 8 5 level 2 = 9

C = Temperatur

: Level 1 = 60, level 2 = 70

219

Desain Faktorial - Data : Full_Design


220

Desain Faktorial


221

Desain Faktorial Seleksi faktor-faktornya


222

Desain Faktorial


223

Desain Faktorial Fractional Factorial Fit Estimated Effects and Coefficients for y (coded units) Term Constant A B C A*B A*C B*C A*B*C

Effect 0.375 3.875 -4.125 4 125 1.625 -2.375 0.625 -0.125

Coef 49.563 0.187 1.937 -2.062 2 062 0.812 -1.187 0.312 -0.062

StDev Coef 0.6404 0.6404 0.6404 0.6404 0 6404 0.6404 0.6404 0.6404 0.6404

T 77.39 0.29 3.03 -3.22 3 22 1.27 -1.85 0.49 -0.10

P 0.000 0.777 0.016 0 0.012 012 0.240 0.101 0.639 0.925

Analysis of Variance for y (coded units) Source Main Effects 2-Way Interactions 3-Way Interactions Residual Error Pure Error Total


DF 3 3 1 8 8 15

Seq SS 128 128.687 687 34.688 0.062 52.500 52.500 2 215.937 93

Adj SS 128 128.687 687 34.688 0.062 52.500 52.500

Adj MS 42.8958 42 8958 11.5625 0.0625 6.5625 6.5625

F 6.54 6 54 1.76 0.01

P 0.015 0 015 0.232 0.925

224

Desain Faktorial Normal Probability Plot of the Standardized Effects (response is y, Alpha = .10)

1.5

B

A: A B: B C: C

Normal Score N

1.0 0.5 0.0 -0.5 05 -1.0 -1.5

C

-3

-2

-1

0

1

2

3

Standardized Effect


225

Desain Faktorial Pareto Chart of the Standardized Effects (response is y, Alpha = .10) A: A B: B C: C

C

B

AC

AB

BC

A

ABC

0


1

2

3

226

Desain Faktorial  Pooling ABC to the error term


227

Desain Faktorial Fractional Factorial Fit Estimated Effects and Coefficients for y (coded units) Term Constant A B C A*B A*C B*C

Effect 0.375 3.875 -4.125 4.125 1.625 -2.375 0.625

Coef 49.563 0.187 1.937 -2.062 2.062 0.812 -1.187 0.312

StDev Coef 0.6042 0.6042 0.6042 0.6042 0.6042 0.6042 0.6042

T 82.03 0.31 3.21 -3.41 3.41 1.34 -1.97 0.52

P 0.000 0.763 0.011 0.008 0.212 0.081 0.617

A l i of Analysis f V Variance i f for y ( (coded d d units) it ) Source Main Effects 2-Way y Interactions Residual Error Lack of Fit Pure Error Total


DF 3 3 9 1 8 15

Seq SS 128.687 34.688 52.562 0.062 52.500 215.937

Adj SS 128.687 34.688 52.562 0.062 52.500

Adj MS 42.8958 11.5625 5.8403 0.0625 6.5625

F 7.34 1.98

P 0.009 0.188

0.01

0.925

228

Desain Faktorial Normal Probability Plot of the Standardized Effects (response is y, Alpha = .10)

B

Norrmal Score

1

A: A A B: B C: C

0

AC

-1 C

-3

-2

-1

0

1

2

3

Standardized Effect


229

Desain Faktorial Pareto Chart of the Standardized Effects (response is y, Alpha = .10) A: A B: B C: C

C

B

AC

AB

BC

A

0


1

2

3

230

Desain Faktorial


231

Desain Faktorial Main Effects Plot (data means) for y

25

20

8.5

9.0

70

60

51.5

y

50.5

49.5

48.5

47 5 47.5 A


B

C

232

Desain Faktorial

Interaction Plot (data means) for y 8. 5

9

70

60

53

A 25

49

20 45 53

B 9

49

8.5 45

C


233

Desain Faktorial Cube Plot (data means) for y

50.0

9.0

49.5

51 0 51.0

B

55 5 55.5

47 0 47.0

43 5 43.5

70

C 8.5

49.5

50.5

20

60

25 A


234

Desain Faktorial  Contoh soal (kopi) - Kita ingin menemukan perlakuan kombinasi yang terbaik terhadap cita rasa dari kopi. - Pilihlah faktor yang berpengaruh terhadap cita rasa kopi dengan melakukan suatu eksperimen dan temukanlah kombinasi terbaik dari faktor-faktor yang ada.


235

Desain Faktorial  Latihan (Helikopter kertas)


236

Desain Faktorial - Kita ingin menemukan waktu terlama bila helikopter kertas tersebut dijatuhkan. Oleh sebab itu kita ingin menemukan perlakuan kombinasi yang mempunyai waktu jatuh terlama. - Pilihlah faktor-faktor yang berpengaruh terhadap lama jatuhnya helikopter kertas tersebut. tersebut Temukan kombinasi terbaiknya. terbaiknya


237

Aktivitas utama dalam tahap IMPROVEMENT adalah membuat ide-ide perbaikan terhadap faktor-faktor faktor faktor yang telah ditemukan dalam tahap Analisis.

IMPROVE THE CRITICAL FACTORS


238

Kontrol  Tujuan T j - Memahami konsep Control Chart - Eksekusi Minitab

 Bahasan - Sekilas tentang Control Step - Konsep Control chart - Variasi control chart


239

Penjelasan Singkat Tahapan Kontrol  Maksud dari SPC(Statistical Process Control) - Adalah mengontrol suatu produk/proses secara statistika Contohnya CTQ (Critical To Quality) atau CTP (Critical To Process) Gunakan tool SPC Hilangkan penyebab variasi pada proses Pertahankan proses terbagus

Kepuasan konsumen


240

Penjelasan Singkat Tahapan Kontrol  Penyebab Umum & Penyebab Khusus - Penyebab Umum

: Penyebab yang tidak bisa dihilangkan

- Penyebab Khusus

: Penyebab yang masih mungkin bisa dihilangkan

Contoh : Kesalahan operator, p Defect karena material, Ketidaktahuan dalam pengoperasian mesin - Bila hanya terjadi pada proses biasanya kita sebut proses dalam kontrol - Ketika terdapat penyebab khusus didalam proses, biasanya kita katakan proses berada diluar kontrol.


241

Konsep Peta Kendali (Control Chart)  Maksud dari Control Chart Defect merupakan permasalahan di dalam proses Temukan penyebab khusus Hilangkan penyebab tersebut Hindari jumlah defect yang banyak Kelengkapan kepuasan konsumen


242

Konsep Control Chart  Kita dapat menggambarkan variasi data dengan Control Chart.  Control Chart tersusun dari : • CL(Center Line) : CL Nilai rata-rata dari data • UCL(Upper Control Limit) : Batas Kontrol Atas • LCL(Lower Control Limit) : Batas Kontrol Bawah • Kita

biasanya

membuat

UCL(Upper

Control

Limit)

&

LCL(Lower Control Limit) sejauh 3 sigma dari CL. • Jika data terletak antara UCL dan LCL maka proses terkontrol • Jika data tidak terletak antara UCL dan LCL maka proses diluar kontrol. Dalam hal ini bila kita dapat menemukan penyebab khusus, selanjutnya dihilangkan maka proses menjadi terkontrol


243

Konsep Control Chart Limits Aksi & Limits Peringatan • Biasanya batas 3 Sigma Limit disebut Limit aksi. Jika data tidak terletak diantara limit 3 sigma, kita harus menemukan. Penyebab khusus dan menghilangkannya. Dan dalam hal ini kita harus cepat melakukan aksi. • Biasanya Batas 2 sigma adalah Limit Peringatan. Jika nilai dari suatu data tidak berada diantara limit 2 sigma, sigma mungkin kita beranggapan bahwa hal tersebut disebabkan karena beberapa penyebab. Jadi bila tidak terletak diantara 2 sigma ini merupakan peringatan kepada kita.


244

Konsep Control Chart  Gambar dari Control Chart UCL

Nilai data

3 x

2 x CL

LCL

Limit Aksi

Jumlah data

Limit p peringatan g


245

Konsep Control Chart Penyebab khusus

Peralatan Rusak

Material NG Seting Mesin Berubah

Pengawasan Lemah

Training Kurang Bagus

Metode Tidak Bagus

Kesalahan Pengukuran

Penyebab Umum

Penyebab Khusus


Kesalahan Operator

Kesalahan mesin

Perubahan Temp Udara Temp.

246

Delapan Pengujian untuk Penyebab Khusus (MINITAB)

Test 1 Dua titik berada lebih d i 3 sigma dari i d darii garis tengah.

3 2 1 1 2 2 3

Outliers (Titik pencilan) • Unit tunggal atau pengukuran yang sangat beda dari lainnya • Suatu pola yang tergambar jelas dan mudah untuk menemukan penyebabnya. Kemungkinan disebabkan oleh : • Kesalahan dalam penggambaran atau pengukuran • Kerusakan yang kemungkinan terjadi pada saat proses


247


Test 2 Sembilan titik berada pada lajur baris yang sama dari center line

33 2 1 1 2 3

Sudden Shift (pergeseran tiba-tiba) • Menunjukkan j satu level p perubahan dalam satu arah. • Polanya sangat mudah dibaca. Kemungkinan disebabkan oleh : • Operator baru, baru test, test mesin baru dan perubahan setting • Perubahan material atau supplier baru


248


Test 3 Enam titik pada gambar kecenderungannya semuanya naik atau turun

3 3 2 1 1 2 3

Level perubahan/Trends (Kecenderungan) • Pergerakan yang kontinu apakah itu turun atau naik Kemungkinan disebabkan oleh: • Pemakaian P k i perkakas, k k C Cara pemakaian k i perkakas k k • Operator lelah • Penggantian material • Peralatan yyang g kotor


249


Test 4 K Keempat t belas b l titik yang terdapat pada gambar naik dan turun.

33 2 1 1 2 3

Mixture (Memperlihatkan proses stabil) • Menunjukkan kebanyakan data berada diatas dan dibawah CL, sedangkan yang berada ditengah jarang Kemungkinan disebabkan oleh : • Perbedaan lot material atau mesin • Perbedaan dalam tes atau alat ukur (gage) • R chart - Perbedaannya kadangkala besar. • Operator tidak stabil (over adjusting process)


250


Test 5 Titik-titik yang dilingkari berada lebih dari 2 sigma pada CL

3 2 1 1 2 3

Ketidakstabilan • Menunjukkan fluktuasi yang besar dan tidak lazim • Karakterisasi kenaikan dan penurunan Kemungkinan disebabkan oleh : • Over adjustment Mesin • Salah posisi dalam memegang alat kerja. • Setting yang hati-hati terhadap X variabel input: temp, pressure • Part yang tercampur dengan yang lain lain.


251


Test 6 Titik-titik yang dilingkari melebihi 1 sigma dari CL

3 2 1 1 2 3

Bunching or Clustering (berkelompok / berdekatan) • Kebanyakan tergambar pada Xbar, R charts atau p charts Kemungkinan disebabkan oleh : • Pengukuran P k yang sulit lit • Perubahan dalam kalibrasi atau instrumen • Pengukuran yang diambil oleh orang yang berlainan • R charts: Campuran p dari distribusi


252


Test 7 Kelima belas titik berada pada batas 1 sigma dari CL

3 2 1 1 2 3

Stratifikasi • Merupakan satu bentuk yang stabil. Mendekati center line dengan deviasi yang kecil dan jarak yang berdekatan. • Dapat terlihat jelas pada R chart dan Xbar chart. Kemungkinan disebabkab oleh : • Sampel-sampel yang diambil memiliki distribusi yang berbeda. • Xbar : Penghitungan yang salah dari limit kontrol (UCL & LCL)


253


Test 8 Kedelapan titik yang dilingkari melebihi 1 sigma dari CL

3 2 1 1 2 3

Cycling • Short trend yang terjadi pada data terjadi pada pola yang berulang Kemungkinan disebabkan oleh : • Variabel proses berfluktuasi secara reguler • Pengaruh g musiman seperti p temperatur p atau kelembaman • Fluktuasi Voltage. • R charts: Maintenance schedules, operator fatigue (Lelah)


254

Jenis Control Chart  Peta kontrol untuk Variabel - Control Chart untuk Variabel digunakan bila tipe data adalah Q Quantitatif tit tif - Biasanya digunakan Xbar & R Control Chart g Range g : Xbar&R Control Chart,, Individual X & Moving Control Chart  Peta kontrol untuk Atribut - Control Chart untuk data atribut digunakan bila tipe data adalah kualitatif - Biasanya digunakan P Control Chart atau C Control Chart


255

Langkah-langkah Pembuatan Control Chart 1. Tentukan apa yang akan dikontrol. CTQ(Y), Critical X’s 2. Tentukan peta kontrol apa yang akan digunakan. X-bar Chart & R-Chart

Data Quantitatif

Data hasil pengukuran

P-Chart & C-Chart

Data Qualitatif

Data hasil penjumlahan

3. Tentukan perencanaan pengambilan sampel. Subgroup Size , Subgroup Frequency 4. Tentukan jjarak CL yyang g akan digunakan g untuk menentukan UCL dan LCL 5. Kumpulkan data. 6. Hitung nilai tengah dan nilai LCL dan UCL 7. Buat peta kontrol.


256

Xbar & R Control Chart Subgroup : n=3, k=10 n = Subgroup Size k = The total Subgroup n

xi  i

x

k

x1

x2

x3

1

131.0

130.9

130.9

392.8

130.93

0.1

2

131.3

131.3

131.3

393.9

131.30

0.0

3

131.2

131.2

131.2

393.6

131.20

0.0

4

131.1

131.3

131.2

393.6

131.20

0.2

5

131.3

131.3

131.3

393.9

131.30

0.0

6

131.2

131.2

131.2

393.6

131.20

0.0

7

131.3

131.2

131.2

393.7

131.23

0.1

8

131.6

131.3

131.2

394.1

131.37

0.4

9 10

131.2 131.2

131.3 131.1

131.2 131.2

393.7 393.5

131.23 131.17

0.1 0.1

3936.4

1312.13

1.0

Total

xx Basic Six Sigma 001-TM-SS0-09-2002

k

 131 .213

1

R

R R

k

 0 .1 257

P Control Chart #spl 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25


Jml Defect (Pn) Proporsi (P) Sampel 200 7 3.5% 100 2 2.0% 150 0 0.0% 170 6 3.5% 170 3 1.8% 200 5 2.5% 100 4 4.0% 100 3 3.0% 200 10 5.0% 200 6 3 0% 3.0% 170 7 4.1% 150 4 2.7% 160 5 3.1% 100 0 0.0% 100 2 2.0% 100 5 5.0% 200 11 5.5% 220 10 4.5% 250 15 6.0% 250 9 3.6% 180 7 3.9% 200 4 2.0% 200 10 5.0% 200 7 3.5% 200 12 6.0% 4270 ⓐ 154 ⓑ 3 6%ⓒ 3.6%

UCL 7.6% 9.2% 8.2% 7.9% 7.9% 7.6% 9.2% 9.2% 7.6% 7 6% 7.6% 7.9% 8.2% 8.0% 9.2% 9.2% 9.2% 7.6% 7.4% 7.1% 7.1% 7.8% 7.6% 7.6% 7.6% 7.6%

L CL 0.0% 0.0% 0.0% 0.0% 0.0% 0.0% 0.0% 0.0% 0.0% 0 0% 0.0% 0.0% 0.0% 0.0% 0.0% 0.0% 0.0% 0.0% 0.0% 0.1% 0.1% 0.0% 0.0% 0.0% 0.0% 0.0%

Rata-rata defect ratio

P  P

n

n

258

Control Chart  Xbar-R Chart - Data:XbarR.mtw


259

Control Chart


260

Control Chart Xbar/R Chart for Sample

Sa ample Mean

42

UCL=41.29

41

Mean=40.00

40 39 1

38 Subgroup

Sample e Range

5

Basic Six Sigma

LCL=38 71 LCL=38.71

1

1 1

0

10

20

30

40

50

UCL=4.735

4 3 2

R=2 239 R=2.239

1 0

001-TM-SS0-09-2002

11

1

LCL=0

261

Control Chart  P Chart - Data:Pcontrol.mtw


262

Control Chart


263

Control Chart P Chart for Defects 0.10

P Proportion

3.0SL=0.07562

0.05 P=0.03607

0.00

-3.0SL=0.000 0

5

10

15

20

25

Sample Number


264

Control Chart  C Chart - Data:C_Control.mtw


265

Control Chart


266

Control Chart

C Chart for Blemish 8

UCL=7.677

7

Sam mple Count

6 5 4 3

C 2 725 C=2.725

2 1 0

LCL=0 0

10

20

30

40

Sample Number


267

Aktivitas utama dalam tahap CONTROL adalah menjaga dan mempertahankan kondisi dari hasil ide-ide ide ide perbaikan

MAINTAIN THE IDEAS


268

Tujuan. Bahasan. Memahami konsep dasar Six Sigma Memahami Teknik Pengoperasian Aktifitas Six Sigma

Recommend Documents