Laporan Praktikum Perancangan Teknik Industri Modul 6
Statistical Quality Control and Quality Cost Planning Kelompok
18
BAB I PENDAHULUAN
1.1
Latar Belakang Kepercayaan konsumen terhadap suatu produk adalah
yang hal yang utama. Bila
kepercayaan konsumen telah didapatkan maka perusahaan akan dapat
dengan mudah untuk mencapai tujuannya yaitu memaksimumkan
keuntungan dan memenuhi kebutuhan konsumen. Untuk mendapat
kepercayaan konsumen maka kualitas produk harus baik. Pengendalian
kualitas dan mutu barang yang dihasilkan oleh sebuah perusahaan
merupakan faktor yang sangat penting untuk dapat tetap bersaing di
pasar konsumen, di mana dewasa ini kualitas telah menjadi parameter
bahwa suatu produk layak dikonsumsi. Oleh karena itu, setiap
perusahaan harus selalu mengendalikan proses produksi yang
dimilikinya agar kualitas produk yang dihasilkan tetap terkendali.
Ini berarti bahwa proses produksi harus stabil dan mampu beroperasi
sedemikian hingga semua produk yang dihasilkan sesuai dengan
spesifikasi yang diinginkan. Pengendalian mutu dalam dunia industri
juga digunakan sebagai alat manajeman dengan mengamati, menilai,
dan membandingkan sifat-sifat penting suatu produk dengan suatu
bentuk baku. Hasil pengukuran yang dipakai untuk menentukan
kualitas barang, nilainya dapat berubah-ubah dari satu produk ke
produk yang lain pada item yang sama meskipun kondisi proses
produksi dapat diusahakan sama. Dengan demikian timbullah suatu
variasi kualitas. Ciri khusus dari proses produksi yang bekerja
dalam keadaan terkendali adalah menghasilkan produk yang dapat
diterima untuk periode yang relatif panjang. Tapi kadang-kadang
sebab-sebab terduga akan terjadi secara random yang akan
mengakibatkan pergeseran ke keadaan yang tidak terkendali sehingga
sebagian prosuk hasil proses itu tidak memenuhi persyaratan. Tujuan
utama dari pengendalian kualitas statistik adalah menyidik dengan
cepat terjadinya sebab-sebab terduga atau pergeseran proses
sehingga tindakan pencegahan dapat dilakukan sebelum banyak unit
barang yang tidak sesuai spesifikasi diproduksi.
Program Studi Teknik Industri Universitas Diponegoro 2012
1
Laporan Praktikum Perancangan Teknik Industri Modul 6
Statistical Quality Control and Quality Cost Planning Kelompok
18
Tujuan akhir dari pengendalian proses atau pengendalian kualitas
adalah untuk mengeliminir variabilitas dalam proses. Pada modul ini
pengendalian kualitas di titik beratkan pada statistical quality
control yaitu dengan menggunakan peta kendali yang ada untuk tiap
komponen tamiya,dan penentuan biaya kualitas dari tamiya.
1.2 1. 2. 3. 4.
Perumusan Masalah Apa kegunaan dari acceptence sampling untuk
pengndalian kualitas? Apa kegunaan dari seven tools untuk
pengendalian kualitas? Apa Fungsi Peta kendali dalam pengendalian
kualitas? Apa kegunaan dari biaya kualitas?
1.3
Tujuan Penulisan Tujuan yang ingin dicapai dalam penulisan
laporan ini adalah:
1.
Menentukan kebijakan kualitas produk perusahaan dengan
mengggunakan Acceptence Sampling.
2.
Dapat mengetahui tingkat kecacatan tiap produk dengan
menggunakan Seven Tools.
3. 4.
Mampu Melakukan Perhitungan pengendalian kualitas dengan Peta
Kendali. Menentukan Biaya kualitas dari produksi Tamiya tiap
tahun.
1.4
Batasan dan Asumsi Pada praktikum kali ini masalah dibatasi
hanya pada pengendalian
kualitas.Berikut adalah batasan dan asumsinya : 1. Data yang di
gunakan berasal dari data laporan jumlah inspeksi raw material dan
finish produk. 2. Peta kendali pengolahan data dengan menggunakan
peta kendali Variabel (Xbar dan MR) dan peta kendali atribut
(U,u,P,np,C). 3. Seven tools yang di gunakan pada penulisan laporan
ini ada 4 tool yaitu lembar pengamatan, Grafik Kendali, Diagram
pareto, dan Diagram tulang ikan.
Program Studi Teknik Industri Universitas Diponegoro 2012
2
Laporan Praktikum Perancangan Teknik Industri Modul 6
Statistical Quality Control and Quality Cost Planning Kelompok
18
4.
Asumsi yang dipakai oleh PT Indonesia Tamiya Motor diambil telah
mewakili populasi.
adalah sampel yang
1.5
Sistematika Penulisan Sistematika penulisan laporan praktikum
ini adalah sebagai berikut :
BAB I
PENDAHULUAN Bab ini membahas mengenai latar belakang, perumusan
masalah, tujuan penulisan, batasan dan asumsi, sistematika
penulisan.
BAB II
TINJAUAN PUSTAKA Bab ini membahas mengenai dasar-dasar teori
yang dijadikan sebagai pedoman sesuai dengan bidang kajian yang
diambil dalam pelaksanaan pengolahan dan analisis data.
BAB III
PENGUMPULAN DAN PENGOLAHAN DATA Bab ini membahas mengenai
pengumpulan data yaitu data variabel dan data atribut serta
pengolahan dari data yang sudah didapat.
BAB IV
ANALISIS Bab ini membahas mengenai metodologi penelitian,
pengolahan data dan analisis terhadap pengolahan data yang sudah
berbentuk grafik, baik itu berupa grafik untuk parameter variabel
yang terdiri dari grafik kendali variabel x dan S dan parameter
sifat yang terdiri dari grafik kendali sifat P dan NP serta c dan u
.
BAB V
PENUTUP Bab ini membahas mengenai kesimpulan dari laporan yang
telah dibuat atau hasil-hasil akhir dari analisa yang telah
dilakukan pada bab terdahulu dan memberikan usulan serta saran.
Program Studi Teknik Industri Universitas Diponegoro 2012
3
Laporan Praktikum Perancangan Teknik Industri Modul 6
Statistical Quality Control and Quality Cost Planning Kelompok
18
BAB II TINJAUAN PUSTAKA
2.1
Definisi Kualitas Istilah kualitas memerlukan tanggapan secara
hati-hati dan memerlukan penafsiran
yang cermat. Faktor utama yang menentukan kinerja suatu
perusahaan adalah kualitas produk yang dihasilkan. Produk yang
berkualitas adalah produk yang sesuai dengan apa yang diinginkan
konsumennya. Oleh karena itu perusahaan perlu mengenal
konsumen/pelanggannya dan mengetahui kebutuhan dan keinginan
pelanggan. Ada banyak sekali definisi dan pengertian kualitas, yang
sebenarnya memiliki esensi yang sama. Kualitas menurut beberapa
ahli yang banyak dikenal antara lain: Juran (1962): kualitas adalah
kesesuaian dengan tujuan dan manfaatnya. Crosby (1979): kualitas
adalah kesesuaian dengan kebutuhan yang meliputi availability,
delivery, reliability, maintainability, dan cost effectiveness.
Deming (1982): kualitas harus bertujuan memenuhi kebutuhan
pelanggan sekarang dan di masa datang. Feigenbaum (1991): kualitas
merupakan keseluruhan karakteristik produk yang meliputi marketing,
engineering, manufacture, dan maintenance, dalam mana produk
tersebut dalam pemakaiannya akan sesuai dengan kebutuhan dan
harapan pelanggan. Scherkenbach (1991): kualitas ditentukan oleh
pelanggan; pelanggan
menginginkan produk yang sesuai dengan kebutuhan dan harapannya
pada suatu tingkat harga tertentu yang menunjukkan nilai produk
tersebut. Elliot (1993): kualitas adalah sesuatu yang berbeda untuk
orang yang berbeda dan tergantung pada waktu dan tempat, atau
dikatakan sesuai tujuan. Perbendaharaan istilah ISO 8402 dan dari
Standar Nasional Indonesia (SNI 198402-1991), kualitas adalah
keseluruhan ciri dan karakteristik produk yang kemampuannya dapat
memuaskan kebutuhan, baik yang dinyatakan secara tegas maupun
tersamar. Istilah kebutuhan diartikan sebagai spesifikasi yang
tercantum
Program Studi Teknik Industri Universitas Diponegoro 2012
4
Laporan Praktikum Perancangan Teknik Industri Modul 6
Statistical Quality Control and Quality Cost Planning Kelompok
18
dalam kontrak maupun kriteria-kriteria yang harus didefinisikan
terlebih dahulu (conformance to requirement). Vincent (2006):
Kualitas adalah sesuatu yang mampu memenuhi keinginan atau
kebutuhan pelanggan (meeting the needs of customers). Kualitas juga
dapat
diartikan sebagai segala sesuatu yang menentukan kepuasan
pelanggan dan upaya perubahan ke arah perbaikan terus-menerus
sehingga dikenal istilah Q-MATCH (Quality = Meets Agreed Terms and
Changes) Kualitas memerlukan suatu proses perbaikan terus-menerus
(continous
improvement process) yang dapat diukur, baik secara individual,
organisasi, korporasi, dan tujuan kerja nasional. Konsep kualitas
harus bersifat menyeluruh, baik produk maupun prosesnya. Kualitas
produk meliputi kualitas bahan baku dan barang jadi., sedangkan
kualitas proses meliputi segala sesuatu yang berhubungan dengan
proses produksi, baik manufaktur maupun jasa. Pengendalian kualitas
umumnya didefinisikan sebagai suatu sistem yang biasanya
mempertahankan tingkat kualitas suatu produk atau jasa.
Pengendalian kualitas ini dilakukan dalam upaya untuk meningkatkan
rasa percaya konsumen terhadap produk atau jasa yang dihasilkan
oleh perusahaan, tujuan jangka panjangnya adalah untuk perkembangan
perusahaan tersebut masa datang. Kualitas dibagi menjadi 2 yaitu:
Kualitas rancangan adalah semua barang dan jasa yang dihasilkan
dalam berbagai tingkat kualitas, Kualitas kecocokan adalah seberapa
baik produk tersebut sesuai dengan spesifikasi dan kelonggaran yang
disyaratkan oleh rancangan tersebut. Sedangkan pengendalian
kualitas adalah aktivitas keteknikan dan manajemen dimana dengan
aktivitas itu kita bisa mengukur ciri-ciri kualitas produk,
membandingkannya dengan spesifikasi atau persyaratan, dan bisa
mengambil tindakan pemulihan yang sesuai apabila ada perbedaan
antara penampilan yang sebenarnya dengan yang standar.
(Douglas.1995:3)
Program Studi Teknik Industri Universitas Diponegoro 2012
5
Laporan Praktikum Perancangan Teknik Industri Modul 6
Statistical Quality Control and Quality Cost Planning Kelompok
18
Beberapa
jenis dari karakteristik kualitas ini bisa dibentuk yaitu
misalnya
karakteristik struktur disusun oleh bentuk produk, kekuatan
menahan beban, berat dan lain-lain. Untuk karakteristik sensor,
elemen penyusunnya yaitu keindahan model produk, tekstur produk,
unsur estetik produk dan lain-lain. Sedangkan untuk karakteristik
berdasar waktu yaitu mengenai jaminan, layanan purna jual,
keandalan dan kemudahan dalam perawatan. Karakteristik kualitas
dapat digolongkan menjadi dua kelompok utama, yaitu: a.
Karakteristik variable Merupakan karakteristik yang dapat diukur
dan diwujudkan dengan skala numerik. Contoh: panjang kursi (mm),
tebal sandaran kursi (mm), Diameter dari lubang (pada desain
furniture) dalam millimeter b. Karakteristik atribut (sifat) Jika
karakteristik itu dapat diklasifikasikan, apakah termasuk
kesesuaian atau ketidaksesuaian untuk memenuhi permintaan
spesifikasi. Tidak bisa digunakan skala numerik. Untuk pernyataan
atribut maka kita tidak bisa menggunakan skala numerik melainkan
diekspresikan dengan atribut. Contoh: warna kayu assembling yang
termasuk diterima atau tidak, hasil sanding dan hal lainnya yang
termasuk atribut.
2.2
Konsep Kualitas Definisi Manajemen Kualitas Satu cara
meningkatkan kinerja secara terus-menerus (continuously
performance
improvement) pada setiap level operasi proses, dalam setiap area
fungsional suatu organisasi, dengan menggunakan semua sumberdaya
manusia dan modal yang tersedia Definisi Perencanaan Kualitas
Penetapan dan pengembangan tujuan dan kebutuhan untuk kualitas
serta penerapan sistem kualitas. Melibatkan beberapa aktivitas
antara lain: 1. 2. 3. Mengidentifikasi pelanggan Mengidentifikasi
kebutuhan pelanggan Menciptakan keistimewaan produk yang dapat
memenuhi kebutuhan pelanggan
Program Studi Teknik Industri Universitas Diponegoro 2012
6
Laporan Praktikum Perancangan Teknik Industri Modul 6
Statistical Quality Control and Quality Cost Planning Kelompok
18
4.
Menciptakan proses yang mampu menghasilkan keistimewaan produk
dibawah kondisi operasioanl yang ada
5.
Mentransfer/mengalihkan proses ke operasional Definisi
Pengendalian Kualitas Teknik-teknik dan aktivitas operasional yang
digunakan untuk memenuhi
persyaratan kualitas. Melibatkan beberapa aktivitas antara lain:
1. 2. 3. Mengevaluasi kinerja aktual Membandingkan aktual dengan
target Mengambil tindakan atas perbedaan antara aktual dan target
Definisi Jaminan Kualitas Semua tindakan terencana dan sistematik
yang diimplementasikan dan didemonstrasikan guna memberikan
kepercayaan yang cukup bahwa produk akan memuaskan kebutuhan untuk
kualitas tertentu Definisi Jaminan Kualitas Tindakan-tindakan yang
diambil guna meningkatkan nilai produk untuk pelanggan melalui
peningkatan efektivitas dan efisiensi dari proses dan aktivitas
melalui struktur organisasi Konsep kualitas dibagi menjadi dua,
yaitu konsep kualitas berdasarkan pandangan tradisional dan konsep
kualitas berdasarkan pandangan modern. Tabel 2.1 menunjukkan
perbedaan konsep kualitas pandangan tradisional dan pandangan
modern:
Tabel 2.1 Pandangan Tradisional dan Modern Tentang Kualitas
No 1 2 3
Pandangan Tradisional Memandang kualitas sebagai isu teknis
Usaha perbaikan kualitas dikoordinasi oleh manajer kualitas
Memfokuskan pada fungsi atau departemen produksi Produktivitas
kualitas merupakan sasaran yang bertentangan
4
Pandangan Modern Memandang kualitas sebagai isu bisnis Usaha
perbaikan kualitas dikoordinasi oleh manajemen puncak Kualitas
mencakup semua fungsi atau departemen dalam organisasi
Produktivitas dan kualitas merupakan sasaran yang berkesesuaian,
karena hasil-hasil produkstivitas melalui peningkatan atau
perbaikan kualitas
Program Studi Teknik Industri Universitas Diponegoro 2012
7
Laporan Praktikum Perancangan Teknik Industri Modul 6
Statistical Quality Control and Quality Cost Planning Kelompok
18
5
Kualitas didefinisikan sebagai konformansi terhadap spesifikasi
atau standar. Membandingkan produk terhadap spesifikasi
6
Kualitas diukur melalui derajat konformasi, menggunakan
ukuranukuran internal
7
Kualitas dicapai melalui inspeksi secara intensif terhadap
produk Beberapa kerusakan atau cacat diijinkan, jika standar
kualitas telah memenuhi kualitas minimum Kualitas adalah fungsi
terpisah dan berfokus pada evaluasi produksi Pekerja dipermalukan
apabila menghasilkan kualitas jelek Hubungan dengan pemasok
bersifat jangka pendek dan berorientasi pada biaya
8
9 10 11
Kualitas didefinisikan sebagai persyaratan untuk memuaskan
kebutuhan pengguna produk atau pelanggan (customers). Membandingkan
produk terhadap kompetensi dan produk terbaik di pasar. Kualitas
diukur melalui perbaikan proses/produk dan kepuasan pengguan produk
atau pelanggan secara terus-menerus dengan menggunakan ukuran
kualitas berdasarkan pelanggan. Kualitas ditentukan melalui desain
produk dan dicapai melalui teknik pengendalian yang efektif serta
memberikan kepuasan selama masa pakai produk itu. Cacat dan
kerusakan dicegah sejak awal melalui teknik pengendalian proses
yang efektif Kualitas adalah bagian dari setiap fungsi dalam semau
tahap siklus hidup produk Manajemen bertanggung jawab untuk
kualitas Hubungan dengan pemasok bersifat jangka panjang dan
berorientasi pada kualitas
Sumber : Gasperzs, 2002
Program Studi Teknik Industri Universitas Diponegoro 2012
8
Laporan Praktikum Perancangan Teknik Industri Modul 6
Statistical Quality Control and Quality Cost Planning Kelompok
18
Aplikasi konsep kualitas berdasarkan pandangan tradisional dan
pandangan modern digambarkan dalam gambar 2.1 :
PANDANGAN TRADISIONAL (MANAJEMEN PRODUK)
INPUT
INSPEK SI
PROSES KERJA (WORK PROCESS)
INSPEK SI
OUTPUT
WASTE
WASTE
Gambar 2. 1 Konsep Kualitas Berdasarkan Pandangan tradisional
(Vincent Gaspesrz, 2002)
Jaminan kualitas melalui inspeksi : Inspeksi kedatangan material
atau bahan baku Inspeksi produk yang dihasilkan Meningkatkan
kualitas inspeksi yang lebih ketat dan meningkatkan biaya Kualitas
merupakan tanggung jawab dari departemen jaminan kualitas
Dimensi Kualitas untuk jenis produk atau jasa : 1. Kinerja
(Performance) karakteristik operasi pokok dari produk inti
(kekuatan/keutamaan dari produk) 2. Ciri-ciri atau keistimewaan
tambahan (features), yaitu karakteristik sekunder atau pelengkap.
3. Kehandalan (reliability), yaitu kemungkinan kecil akan megalami
kerusakan atau gagal pakai. 4. Kesesuaian dengan spesifikasi
(Conformance to spesification, yaitu sejau mana karakteristik dan
operasi memenuhi standar-standar yang telah ditetapkan sebelumnya.
Program Studi Teknik Industri Universitas Diponegoro 2012
9
Laporan Praktikum Perancangan Teknik Industri Modul 6
Statistical Quality Control and Quality Cost Planning Kelompok
18
5.
Daya tahan (durability) berkaitan dengan berapa lama produk
tersebut dapat terus digunakan.
6.
Serviceability, meliputi kecepatan, kompetensi, kenyamanan,
mudah direparasi; penanganan keluhan yang memuaskan.
7. 8.
Estetika, yaitu daya tarik produk terhadap panca indra. Kualitas
yang dipersepsikan (perceived quality), yaitu citra dan reputasi
produk serta tanggung jawab perusahaan terhadapnya
PANDANGAN MODERN (MANAJEMEN PROSES)
PEMASOK
PEMASOK
INPUT
PROSES KERJA (WORK PROCESS)
OUTPUT
INFORMASI
PROSES ORANG (PEOPLE PROCESS)
INFORMASI
Gambar 2. 2 Konsep Kualitas Berdasarkan Pandangan Modern
Kualitas dirancang atau didesain melalui pencegahan (prevention)
: Mengintegrasikan rantai pemasok pelanggan (customers-suppliers
chain) Meningkatkan kualitas melalui sistem Proses informasi
pelanggan Proses kerja Proses orang
Program Studi Teknik Industri Universitas Diponegoro 2012
10
Laporan Praktikum Perancangan Teknik Industri Modul 6
Statistical Quality Control and Quality Cost Planning Kelompok
18
2.3
Keuntungan Pengendalian Kualitas Adapun keuntungan dari
pengendalian kualitas adalah sebabai berikut :
1.
Mengendalikan kualitas dari produk agar sesuai dengan
spesifikasi yang telah ditetapkan dan melakukan perbaikan kualitas
produk.
2.
Sistem kualitas selalu mengalami perbaikan kontinyu sehingga
dapat memenuhi keinginan konsumen yang dapat berubah
sewaktu-waktu.
3.
Pengendalian
kualitas
dapat
meningkatkan
produktivitas
karyawan
dan
kemampuan karyawan serta dapat mengurangi volume scrap (cacat)
dan reworks (pengerjaan ulang). 4. Sistem kualitas dapat menurunkan
biaya yang berhubungan dengan kualitas produk secara keseluruhan,
meliputi: a. Biaya kerusakan dalam produksi b. Biaya inspeksi c.
Biaya kerusakan diluar proses produksi, dimana untuk hal ini dapat
dikurangi dengan cara pemeriksaan secara berkala, sistem perawatan
mesin yang baik dan peralatan pencegah. 5. Dengan peningkatan
produktivitas maka dapat mengurangi waktu tempuh dari proses
produksi komponen dan sub assembly, yang hasilnya dapat untuk
memenuhi batas waktu (due dates) dari konsumen. 6. Sistem
pengendalian kualitas dapat memacu semangat untuk selalu berjuang
dalam perbaikan berkesinambungan pada kualitas dan produktivitas.
7. Perbaikan hubungan antar karyawan serta membina produsen dan
konsumen. Oleh karena sifat dari kualitas yang sangat penting bagi
kelangsungan hidup suatu produk maka diperlukan adanya pengendalian
kualitas yang efektif. (Amitava. 1995: 12) hubungan baik antara
Program Studi Teknik Industri Universitas Diponegoro 2012
11
Laporan Praktikum Perancangan Teknik Industri Modul 6
Statistical Quality Control and Quality Cost Planning Kelompok
18
2.4
Definisi Penerimaan Sampling Acceptance sampling merupakan
proses evaluasi bagian produk dan seluruh
produk yang dihasilkan. Dalam acceptance sampling dikenal
karakterisasi produk atau hasil proses (bagian yang sesuai
spesifikasi), disini kita tidak dapat mengatakan bahwa tingkah
gerak langkah proses terkendali secara statistik atau tidak.
(Ariani, 2004) Pemeriksaan bahan baku, produk setengah jadi dan
produk jadi adalah salah satu bagian penting jaminan kualitas.
Apabila pemeriksaan bertujuan untuk penerimaan atau penolakan suatu
produk, berdasarkan kesesuaian dengan standar, jenis prosedur
penerimaan yang digunakan biasanya dinamakan sampling penerimaan.
(Montgomery, 1993, hal 420) Perencanaan sampling adalah pernyataan
tentang ukuran sampel yang akan digunakan dan kriteria penerimaan
atau penolakan yang bersangkutan guna memvonis suatu lot. (Mitra,
1993, hal.332) Pola sampling didefinisikan sebagai himpunan
prosedur yang terdiri dari perencanaan sampling penerimaan yang
ukuran lot, ukuran sampel, kriteria penerimaan saling berhubungan.
Sedangkan sampel didefinisikan sebagai serangkaian unit yang
diambil untuk tujuan. (Montgomery, 1993, hal 428) Acceptance
sampling digunakan sebagai bentuk dari suatu inspeksi antara
perusahaan dengan pemasok, antara pembuat produk dengan konsumen,
atau antar divisi dalam perusahaan. Oleh karenanya, acceptance
sampling tidak melakukan pengendalian atau perbaikan kualitas
proses melainkan hanya sebagai metode untuk menentukan disposisi
terhadap produk yang datang (bahan baku) atau produk yang telah
dihasilkan (barang jadi). (Mitra, 1993)
Program Studi Teknik Industri Universitas Diponegoro 2012
12
Laporan Praktikum Perancangan Teknik Industri Modul 6
Statistical Quality Control and Quality Cost Planning Kelompok
18
Dalam acceptance sampling terdapat dua jenis pengujian yang
dapat dilakukan yaitu sebagai berikut : a. Sebelum pengiriman
produk akhir ke pelanggan. Pengujian yang dilakukan oleh produsen
atau disebut the producers test the lot for outgoing quality. b.
Setelah pengiriman produk akhir ke pelanggan. Pengujian dilakukan
oleh konsumen atau disebut dengan the producers test the lot for
incoming quality. Acceptance sampling merupakan proses pembuatan
keputusan yang berdasarkan pada unit-unit sampel dari sejumlah
produk yang dihasilkan perusahaan atau yang dikirim oleh pemasok.
Acceptance sampling dapat dilakukan untuk data atribut maupun
variabel. Selain itu, acceptance sampling juga mencakup pengambilan
sampel atau inspeksi dengan mengadakan pengembalian dan perbaikan.
(Mitra, 2004, hal 201) Selain terbagi untuk data atribut dan
variabel, acceptance sampling juga mencakup pengambilan sampel atau
inspeksi dengan mengadakan pengembalian, perbaikan dan pengembalian
sampel atau inspeksi tanpa mengadakan pengembalian dan perbaikan.
Apabila dalam pemeriksaan sampel yang berasal dari lot yang
diajukan ternyata memenuhi syarat yang ditentukan, maka lot
tersebut dapat diterima. Sebaliknya apabila sampel tidak memenuhi
syarat yang ditentukan maka lot tersebut ditolak. Pengembilan
sampel penerimaan diperlukan untuk menentukan sikap yang harus
diambil yaitu menerima atau menolak lot, bukan sekedar menaksir
kualitas dari lot ataupun untuk mengendalikan kualitas dari proses.
Pengambilan keputusan tersebut didasarkan atas hasil pemeriksaan
yang dilakukan terhadap satu sampel atau lebih yang diambil secara
random dari lot yang diperiksa. Apabila putusan didasarkan hanya
pada satu sampel maka rencana penerimaannya merupakan rencana
sampel penerimaan tunggal (acceptance single sampling). Apabila
keputusan didasarkan pada dua buah sampel maka rencana
penerimaannya merupakan rencana sampel penerimaan ganda (acceptance
double sampling plan). Program pengembalian dan perbaikan dalam
acceptance sampling dinamakan program pembetulan pemeriksaan.
Gambar 2.2 memperlihatkan program pembetulan
Program Studi Teknik Industri Universitas Diponegoro 2012
13
Laporan Praktikum Perancangan Teknik Industri Modul 6
Statistical Quality Control and Quality Cost Planning Kelompok
18
pemeriksaan. Andaikan bahwa lot yang masuk ke aktivitas
pemeriksaan mempunyai bagian cacat Po. Beberapa dari lot ini akan
diterima dan yang lain akan ditolak. Lot-lot yang ditolak akan
disaring dan bagian cacat akhirnya akan sama dengan nol. Tetapi
lot, yang diterima mempunyai bagian cacat Po. Dengan demikian, lot
yang keluar dari aktivitas pemeriksaan adalah campuran lot dengan
bagian cacat Po dan bagian cacat nol, maka bagian cacat rata-rata
dalam aliran lot yang keluar adalah P1 yang nilainya lebih kecil
dari Po. Jadi, program pembetulan pemeriksaan membantu membenarkan
kualitas lot. (Montgomery, 1993, hal. 443)Kotak Ditolak
Kotak Masuk Aktivitas Pemeriksaan Bagian Cacat Po
Lot Keluar Bagian Cacat P1 > Po
Kotak Diterima
Gambar 2.3 Program Pembetulan Pemeriksaan
2.5
Seven Tools Menurut Deming, pengendalian mutu terpadu adalah
semua aktivitas yang perlu
dilakukan untuk mencapai tujuan jangka panjang yang efisien dan
ekonomis. Urutan aktivitas tersebut dikenal dengan sebutan Siklus
Deming yakni PDCA (Plan, Do, Check, Action). Juran (1974)
berpendapat bahwa Quality is fitness for use dimana definisi ini
menekankan pada pengendali di balik penentuan level kualitas yang
harus dipenuhi oleh produk atau jasa. Akibatnya apabila keinginan
konsumen berubah maka level kualitas dapat ikut berubah. Hal ini
menunjukkan bahwa terdapat beberapa elemen yang menetukan level
kualitas dari suatu produk. Tujuh alat yang digunakan meliputi
:
Program Studi Teknik Industri Universitas Diponegoro 2012
14
Laporan Praktikum Perancangan Teknik Industri Modul 6
Statistical Quality Control and Quality Cost Planning Kelompok
18
1. Lembar Pengamatan (Check Sheet) Lembar pengamatan adalah
lembar yang digunakan untuk mencatat data produk termasuk juga
waktu pengamatan, permasalahan yang dicari dan jumlah cacat pada
setiap permasalahan.
Gambar 2.4 Contoh Check Sheet
2. Stratifikasi (Run Chart) Stratifikasi adalah suatu upaya
untuk mengurai atau mengklasifikasi persoalan menjadi kelompok atau
golongan sejenis yang lebih kecil atau menjadi unsur-unsur tunggal
dari persoalan.
3. Histogram Histogram adalah diagram batang yang menunjukkan
tabulasi dari data yang diatur berdasarkan ukurannya. Tabulasi data
ini umumnya dikenal sebagai distribusi frekuensi. Histogram
menunjukkan karakteristik-karakteristik dari data yang dibagi-bagi
menjadi kelas-kelas. Pada histogram frekuensi, sumbu x menunjukkan
nilai pengamatan dari tiap kelas. Histogram dapat berbentuk normal
atau berbentuk seperti lonceng yang menunjukkan bahwa banyak data
yang terdapat pada nilai rata-ratanya. Bentuk histogram yang miring
atau tidak simetris menunjukkan bahwa banyak data yang tidak berada
pada nilai rata-ratanya tetapi kebanyakan datanya berada pada batas
atas atau bawah.
Program Studi Teknik Industri Universitas Diponegoro 2012
15
Laporan Praktikum Perancangan Teknik Industri Modul 6
Statistical Quality Control and Quality Cost Planning Kelompok
18
Fungsi dari histogram adalah sebagai berikut : Menentukan apakah
suatu produk dapat diterima atau tidak. Menentukan apakah proses
produk sudah sesuai atau belum. Menentukan apakah diperlukan
langkah-langkah perbaikan.
Gambar 2.5 Contoh Histogram
4. Grafik Kendali (Control Chart) Grafik Kendali adalah suatu
alat yang secara grafis digunakan untuk memonitor apakah suatu
aktivitas dapat diterima sebagai proses yang terkendali. Grafik
Kendali terkadang disebut dengan Shewhart Control Charts karena
grafik ini pertama kali dibuat oleh Walter A. Shewhart. Nilai dari
karekterisik kualitas yang dimonitor, digambarkan sepanjang sumbu
y, sedangkan sumbu x menggambarkan sampel atau subgroup dari
karakteristik kualitas tersebut. Sebagai contoh karakteristik
kualitas adalah panjang rata-rata, diameter ratarata, dan waktu
pelayanan rata-rata. Semua karakteristik tersebut dinamakan
variabel Program Studi Teknik Industri Universitas Diponegoro
2012
16
Laporan Praktikum Perancangan Teknik Industri Modul 6
Statistical Quality Control and Quality Cost Planning Kelompok
18
dimana nilai numeriknya dapat diketahui. Sedangkan atribut
adalah karakteristik kualitas yang ditunjukkan dengan jumlah produk
cacat, jumlah ketidaksesuaian dalam satu unit, serta jumlah cacat
per unit. Terdapat tiga garis pada Grafik Kendali. Center Line atau
garis tengah adalah garis yang menunjukkan nilai rata-rata dari
karakteristik kualitas yang diplot pada grafik. Upper Limit Control
atau batas pengendali atas dan Lower Limit Control atau batas
pengendali bawah digunakan untuk membuat keputusan mengenai proses.
Jika terdapat data yang berada di luar batas pengendali atas dan
batas pengendali bawah serta pada pola data tidak acak atau random
maka dapat diambil kesimpulan bahwa data berada di luar kendali
statistik.
Tentukan karakteristik yang digunakan
p atau np chart
c atau u chart
Variabel ?Y
T Y
Dalam jml unit cacat ? % reject
T Y
Homogen?Y
T
Ukuran sampe konstan Apakah rata-rata mudah dihitungT
T
u chart
Y
Ukuran sampel > 9
Y
T
Mudah menghitung Std. Dev.T
Y
X-S chart
Individual chart
Median Chart
X - R chart
X - R chart
Gambar 2.6 Prosedur Pemilihan Grafik Kendali
Program Studi Teknik Industri Universitas Diponegoro 2012
17
Laporan Praktikum Perancangan Teknik Industri Modul 6
Statistical Quality Control and Quality Cost Planning Kelompok
18
Gambar 2.7 Contoh Grafik Kendali
5. Diagram Pareto Diagram pareto pertama kali diperkenalkan oleh
Alfredo Pareto dan digunakan pertama kali oleh Joseph Juran. Fungsi
diagram pareto adalah untuk mengidentifikasi atau menyeleksi
masalah utama untuk peningkatan kualitas. Diagram ini menunjukkan
seberapa besar frekuensi berbagai macam tipe permasalahan yang
terjadi dengan daftar masalah pada sumbu x dan jumlah/frekuensi
kejadian pada sumbu y. Kategori masalah diidentifikasikan sebagai
masalah utama dan masalah yang tidak penting. Prinsip Pareto adalah
80 % masalah (ketidaksesuaian atau cacat) disebabkan oileh 20 %
penyebab. Prinsip Pareto ini sangat penting karena prinsip ini
mengidentifikasi kontribusi terbesar dari variasi proses yang
menyebabkan performansi yang jelek seperti cacat. Pada akhirnya,
diagram pareto membantu pihak manajemen untuk secara cepat
menemukan permasalahan yang kritis dan membutuhkan perhatian
secepatnya sehingga dapat segera diambil kebijakan untuk
mengatasinya.
Program Studi Teknik Industri Universitas Diponegoro 2012
18
Laporan Praktikum Perancangan Teknik Industri Modul 6
Statistical Quality Control and Quality Cost Planning Kelompok
18
Gambar 2.8 Contoh Diagram Pareto
6. Diagram Sebab Akibat (Cause and Effect Diagram) Diagram Sebab
Akibat juga disebut Ishikawa Diagram karena diagram ini
diperkenalkan oleh Dr. Kaoru Ishikawa pada tahun 1943. Selain itu
juga dikenal dengan nama Fishbone Diagram karena bentuknya seperti
tulang ikan. Diagram ini terdiri dari sebuah panah horizontal yang
panjang dengan deskripsi masalah. Penyebabpenyebab masalah
digambarkan dengan garis radial dari garis panah yang menunjukan
masalah. Kegunaan dari Diagram Sebab Akibat adalah : Menganalisis
sebab dan akibat suatu masalah. Menentukan penyebab permasalahan.
Menyediakan tampilan yang jelas untuk mengetahui sumber-sumber
variasi. Terdapat tiga macam jenis dari aplikasi Cause Effect
Diagram yang sering dipakai, yaitu : 1. Cause Enumeration
(berdasarkan jenis penyebab) Cause Enumeration merupakan salah satu
teknik yang luas digunakan dalam pengendalian kualitas. Teknik ini
juga menggunakan brainstorming yang dapat memungkinkan semua
penyebab yang ada dicantumkan untuk menunjukkan pengaruhnya pada
permasalahan (dampak) yang ditanyakan. Prosedur penggunaan terdiri
dari
Program Studi Teknik Industri Universitas Diponegoro 2012
19
Laporan Praktikum Perancangan Teknik Industri Modul 6
Statistical Quality Control and Quality Cost Planning Kelompok
18
Mendefinisikan permasalahan atau karakteristik kualitas yang
dipilih untuk penelitian sehingga setiap orang akan mengetahui apa
yang sedang dipecahkan. Selanjutnya, penyebab utama yang
mempengaruhi karakteristik dicatat. Sebab-sebab pendukung
(subcauses) dari sebab utama diurutkan. Manganalisis peyebab yang
mungkin mempengaruhi karakteristik yang diteliti.
Keuntungan dari penggunaannya adalah susunan proses yang
ditunjukkan memberikan pemahaman yang lebih mudah terhadap hubungan
yang terjadi dalam proses dan memberikan pemahaman yang lebih baik
terhadap proses itu sendiri. 2. Dispersion Analysis (berdasarkan
lima faktor utama, 4M & 1E) Dalam dispersion analysis, setiap
sebab utama akan dianalisis dengan meneliti sebab-sebab pendukung
dan pengaruhnya terhadap karakteristik kualitas. Tujuan dispersion
analysis adalah untuk menganalisis alasan dari variabilitas yang
terjadi. 3. Process Analysis (berdasarkan proses yang dilalui) Yang
perlu diperhatikan adalah penulisan penyebab yang secara teratur
atau sering terjadi didalam suatu proses operasi, penyebab yang
dapat mempengaruhi karakteristik kualitas harus dicatat secara
detail di setiap langkah atau tahapan proses produksi.
Gambar 2.9 Contoh Diagram Sebab Akibat
7. Diagram Sebar (Scatter Diagram) Scatter diagram adalah grafik
yang menampilkan hubungan antara dua variabel apakah hubungan
antara dua variabel tersebut kuat atau tidak yaitu antara faktor
proses yang mempengaruhi proses dengan kualitas produk. Pada sumbu
x terdapat nilai dari variabel independen, sedangkan pada dependen.
sumbu y menunjukkan nilai dari variabel
Program Studi Teknik Industri Universitas Diponegoro 2012
20
Laporan Praktikum Perancangan Teknik Industri Modul 6
Statistical Quality Control and Quality Cost Planning Kelompok
18
Gambar 2.10 Contoh Diagram Pencar
2.6
Peta Kendali Peta Kendali adalah suatu alat yang berfungsi untuk
memonitor proses sehingga
variasi dari proses dapat di kendalikan secara statistik.Peta
kendali ter bagi menjadi 2 macam yaitu peta kendali atribut dan
peta kendali variabel 2.6.1 Peta kendali Atribut Suatu produk dapat
diklasifikasikan berdasarkan atributnya, yaitu baik atau buruk,
cacat atau tidak cacat. Cacat (defect) merupakan suatu
ketidaksesuaian individual dalam suatu proses/produk yang
disebabkan kegagalan dalam memenuhi satu atau lebih spesifikasi
yang ditetapkan. Dengan demikian, suatu produk yang cacat akan
mengandung paling tidak satu cacat individual. Grafik pengendali
atribut dikelompokkan dalam 3 kategori:
Program Studi Teknik Industri Universitas Diponegoro 2012
21
Laporan Praktikum Perancangan Teknik Industri Modul 6
Statistical Quality Control and Quality Cost Planning Kelompok
18
Meliputi grafik pengendali yang fokus pada proporsi, contoh:
proporsi dari item cacat (u-Chart), dan jumlah dari item cacat
(nu-Chart). Kedua diagram diatas didasarkan pada distribusi
binomial. Berhubungan dengan 2 macam diagram, yang berfokus pada
cacat itu sendiri. Diagram untuk jumlah total ketidaksesuaian
(c-Chart) yang didasarkan pada distribusi poisson, chart untuk
cacat per unit (u-Chart) dapat digunakan pada situasi dimana ukuran
unit sampel bervariasi. Diagram untuk demerits per unit (U-Chart),
berkaitan dengan
pengkombinasian ketidaksesuaian berbasis berat. Berikut
merupakan keuntungan dari grafik atribut : Karakteristik kualitas
tertentu yang lebih baik dengan atribut. Hemat waktu dan biaya.
Dalam tingkat pabrik, digunakan untuk menentukan proporsi dari
item-item cacat. Dalam tingkat departemen, untuk menunjuk areal
permasalahan. Atribut chart membantu mengarahkan permasalahan dari
yang umum ke tingkat lebih fokus. Selain itu ada pula kerugian dari
grafik atribut, antara lain: Informasi atribut hanya menunjukkan
apakah karakteristik kualitas tertentu berada dalam batasan
spesifikasi, serta grafik atribut tidak menunjukkan tingkat dari
nilai data, dan tidak menyediakan informasi dari kinerja
proses.
1.
Peta Kendali Proporsi (p-CHART) Sampel yang diambil harus
konstan dan itemnya diasumsikan bebas
(independen). Peta kendali p ini merupakan peta kendal yang
serba guna. Digunakan untuk mengkontrol kemampuan karakteristik
kualitas. Peta kendali p juga dapat digunakan untuk mengukur
kualitas operator mesin, stasiun kerja, sebuah departemen. Peta
kendali p digunakan untuk data atribut dengan ukuran lot yang tidak
sama. Peta kendali p berdasar pada distribusi binomial. Untuk
proporsi sampel diberikan rumus : Program Studi Teknik Industri
Universitas Diponegoro 2012
22
Laporan Praktikum Perancangan Teknik Industri Modul 6
Statistical Quality Control and Quality Cost Planning Kelompok
18
p
jumlah cacat jumlah diperiksa
Sedangkan untuk batas-batas kendali untuk peta kendali diberikan
oleh:m
xt
Garis Tengah = p
t 1
np1 p nip1 p ni
BPAi
= p +3
BPBi
= p -3
2.
Peta Kendali Jumlah (np-CHART) Sebagai alternatif untuk
menghitung proporsi cacat, kita dapat menghitung
jumlah item cacat dalam sampel dan menggunakan perhitungan itu
sebagai dasar dari peta kendali. Tidak ada penarikan kembali dari
np-Chart. Jumlah item cacat dalam sampel diasumsikan untuk
diberikan dalam distribusi binomial. Prinsip yang sama juga
digunakan untuk grafik jumlah cacat dan pembentukan np-Chart serupa
dengan pembentukan p-Chart. Jika ukuran sampel berubah, garis sumbu
dan batas kendali akan berubah pula. np =Total Jumlah yang ditolak
Jumlah lot yang diperiksa
BKA = n p + 3 n p 1 p BKB = n p - 3 n p 1 p Distribusi yang
berlaku distribusi binomial. Contoh penerapan : Jumlah produk yang
ditolak pada pemeriksaan dengan ukuran lot berbeda komponen
elektronik karena tidak sesuai spesifikasi.
3.
Peta Kendali Jumlah Ketidak Sesuaian (c-CHART) u-Chart dan
c-Chart berhubungan dengan item cacat. c-Chart digunakan
untuk melacak jumlah total ketidaksesuaian dalam sampel-sampel
dengan ukuran Program Studi Teknik Industri Universitas Diponegoro
2012
23
Laporan Praktikum Perancangan Teknik Industri Modul 6
Statistical Quality Control and Quality Cost Planning Kelompok
18
tetap. Jika ukuran sampel bervariasi digunakan u-Chart untuk
melacak jumlah ketidaksesuaian per unit. Dalam membangun c-Chart
dan u-Chart, ukuran sampel juga mengacu pada daerah peluang (single
atau multiple).
c
=
Jumlah kesalahan atau cacat total Jumlah pemeriksaan
BKA = c + 3 c BKB = c - 3 c Distribusi yang berlaku Poisson
Contoh penerapan : Setiap lima meter kain mempunyai jumlah cacat
(noda) berapa ? Jumlah gelembung pada botol kaca.
4.
Peta Kendali Jumlah Ketidaksesuaian Per Unit (u-CHART) Grafik
ini digunakan ketika ukuran sampel tetap. Jika area kesempatan
berubah satu sampel ke sampel yang lain, garis pusat dan batas
kendali suatu tabel berubah sesuai di mana ukuran sampel
bervariasi. u-Chart digunakan perusahaan untuk memeriksa semua
materi produksi atau jasa untuk kehadiran bukan penyesuaian.
Keluaran tiap produksi beranekaragam karena fluktuasi persediaan
tenaga kerja, uang dan bahan baku, dengan konsekuensi, jumlah
pemeriksaan per produksi setiap perubahan, sehingga menyebabkan
bermacam-macam ukuran sampel ketika variasi ukuran sampel suatu
epta kendali-u digunakan untuk memonitor banyaknya ketidaksesuaian
per unit. Walaupun perubahan batas kendali dari ukuran sampel
bervariasi, garis pusat suatu peta kendali-u tetap konstan. Ukuran
sampel variable dan standar tidak ditentukan ketika ukuran sampel
bervariasi, jumlah dari ketidaksesuaian per unit untuk sampel ke-i
adalah:
u
=
ci ni
= rata-rata cacat persatuan
ui
=
Jumlah ketidaksesuaian yang diperoleh ci = Jumlah unit
pengukuran yang diperiksa n
Program Studi Teknik Industri Universitas Diponegoro 2012
24
Laporan Praktikum Perancangan Teknik Industri Modul 6
Statistical Quality Control and Quality Cost Planning Kelompok
18
BA
= u +3
u niu ni
BB
= u -3
Distribusi yang digunakan Distribusi Poisson Contoh penerapan :
1. Jumlah ketidaksesuaian pada lembaran karpet, dimana luas karpet
yang diperiksa tidak sama. 2. Jumlah ketidaksesuaian pada satu unit
komputer.Tabel 2.2 Karakteristik Peta Kendali Atribut
Peta
Karakteristik Data
Contoh Kasus
Perbandingan banyak benda yang Air mineral dalam kemasan.
Apabila P tak sesuai dalam suatu populasi kemasan tersebut rusak,
atau berlubang dengan banyak benda keseluruhan maka air mineral
tersebut tidak dapat dalam populasi itu. diterima.
Berdasarkan pada data banyaknya Sama seperti peta p, yang
membedakan Np proporsi cacat (number of hanya pada data yang akan
diplotkan pada grafik. Patrian yang cacat dalam 100 m pipa saluran.
Banyak kelingan yang pecah dalam satu sayap pesawat terbang.
nonconforming) Unit produk yang tidak memenuhi C satu atau
beberapa spesifikasi untuk produk itu. Dan ketidaksesuaian tersebut
mempengaruhi penjualan.
Banyak ketidaksesuaian rata-rata per Pengusaha komputer ingin
membentuk unit. grafik pengendali untuk ketidaksesuaian per unit
pada jalur perakitan akhir. U Sebagai ukuran sampel dipilih 5
komputer. Data banyak ketidaksesuaian dalam 20 sampel
masing-masing 5 komputer.
Program Studi Teknik Industri Universitas Diponegoro 2012
25
Laporan Praktikum Perancangan Teknik Industri Modul 6
Statistical Quality Control and Quality Cost Planning Kelompok
18
5.
Peta Kendali Jumlah Cela Per Unit (U-CHART) Grafik kendali c dan
u digunakan untuk semua jenis cacat banyaknya ketidaksesuaian,
tanpa memperhatikan derajat pembagiannya. Misalkan kita menduga
dalam proses inspeksi monitor komputer, bahwa satu monitor
bermasalah tentang konsistensi warna dan monitor kedua mempunyai
lima goresan pada permukaannya. Dengan menggunakan grafik kendali c
ataupun u, cacat relatif monitor 2, dalam konteks cacat banyaknya
ketidaksesuaian, adalah lima kali lebih besar dari monitor 1.
Tetapi, dari cacat tunggal, monitor 1 jauh lebih serius daripada
monitor 2. Sebuah pendekatan alternatif mengenai bobot banyaknya
ketidaksesuaian menurut derajat pembagian relatifnya (Besterfield
1990). Sistem tingkat kualitas ini, yang merating cacat per unit
dan disebut peta kendali U, mengatasi kekurangan dari grafik
kendali c dan u. Hal ini sangat membantu pada aplikasi
pelayanan/service. Sebagai kategori ANSI/ASQC (Standar A3 1978) :
mengelompokan cacat dalam 4 kategori. Cacat kelas 1: Sangat serius
Cacat kelas 2: serius Cacat kelas 3: Agak serius Cacat kelas 4:
Tidak serius Pada sample ukuran n. Jumlah cacat terbobot D = w1c1 +
w2c2 + w3c3 + w4c4 Rata-rata cacat terbobot perunit U=D = (w1c1 +
w2c2 + w3c3 + w4c4)/n n
: bobot cacat : w1 = 100. : bobot cacat : w2 = 50. : bobot cacat
: w3 = 10. : bobot cacat : w4 = 1.
c adalah bilangan hasil penghitungan cacat (Poisson). Sehingga U
merupakan kombinasi linier dari variable acak independen
Poisson.
UU
= w1 u 1+ w2 u 2+ w3 u 3+ w4 u 4 =
w12 u 1
2 w2 u 2
2 w3 u 3
2 w4 u 4
n
Program Studi Teknik Industri Universitas Diponegoro 2012
26
Laporan Praktikum Perancangan Teknik Industri Modul 6
Statistical Quality Control and Quality Cost Planning Kelompok
18
BA BB
=U +3 =U -3
U U
2.6.2 Peta Kendali variabel 1. Grafik Kendali Untuk Mean Dan
Range ( X -R CHART) Banyak karakteristik kualitas yang dapat
dinyatakan dalam bentuk ukuran angka. Misalnya, diameter bantalan
poros dapat diukur dengan mikrometer dan dinyatakan dalam
milimeter. Suatu karakteristik kualitas yang dapat diukur, seperti
dimensi, berat, atau volume dinamakan variabel. Grafik untuk
variable digunakan secara luas. Biasanya grafik-grafik itu
merupakan prosedur pengendali yang lebih efisien dan memberikan
informasi tentang penampilan proses yang lebih banyak daripada
grafik pengendali sifat.apabila bekerja dengan karakteristik
kualitas yang variabel, sudah merupakan praktek yang standar untuk
mengendalikan nilai mean karakteristik kualitas itu dan
variabilitasnya. Hal ini biasanya dituangkan dalam grafik x .
Variabilits atau pemencaran proses dapat dikendalikan dengan grafik
pengendali untuk deviasi standar, yang dinamakan grafik S, atau
grafik pengendali untuk rentang, yang dinamakan grafik R. Misalkan
karakteristik kualitas berdistribusi normal dengan mean deviasi
standar dan
keduanya diketahui, dan jika x1, x2 ... xn sampel berukursn
n,
maka rata-rata sampel ini adalah
x=
x1 x 2 ... xn n
Dalam praktek biasanya kita tidakmengetahui
dan . Oleh karena itu nilai-
nilai itu harus ditaksir dari sampel-sampel pendahuluan yang
diambil ketika proses itu diduga terkendali. Biasanya taksiran ini
harus didasarkan pada paling sedikit 20 sampai 25 sampel. Misalkan
x1 x2 ... xm , adalah rata-rata tiap sampel, maka penaksir terbaik
untuk rata-rata proses X=x1 x 2 ... xn . m
adalah mean keseluruhan yakni
Program Studi Teknik Industri Universitas Diponegoro 2012
27
Laporan Praktikum Perancangan Teknik Industri Modul 6
Statistical Quality Control and Quality Cost Planning Kelompok
18
Jika suatu sampel berukuran n, maka rentang sampel itu adalah
selisih observasi yang terbesar dan terkecil yakni : R = xmaks xmin
Misalkan R1, R2,... Rm adalah rentang m sampel itu, rentang
rata-ratanya adalah :R R1 R 2 ...Rm m
dan taksiran untuk =R . d2
dihitung sebagai :
Jika kita akan memplotkan data dalam grafik pengendali x , maka
batas pengendali atas, batas pengendali bawah dan garis tengah
dapat dihitung sebagai berikut: BPA = x + A2 R Garis tengah = x BPB
= x - A2 R Dimana A2 merupakan nilai konstan yang hanya tergantung
dari ukuran sampel. Sedangkan parameter-parameter yang digunakan
dalam grafik pengendali range sebagai berikut : BPA = R D4 Garis
tengah = R BPB = R D3 D3 dan D4 merupakan nilai konstan yang hanya
tergantung dari jumlah sampel.
2.
Grafik Kendali Untuk Mean Dan Deviasi ( X -S CHART) Apabila
ukuran sampel n cukup besar, n > 10 atau 12, metode rentang
guna
menaksir
kehilangan efisiensi statistiknya. Dalam hal-hal seperti ini,
yang menjadi grafik x dan S, dengan standar
terbaik adalah mengganti grafik x dan
proses ditaksir secara langsung tidak melalui R.
Program Studi Teknik Industri Universitas Diponegoro 2012
28
Laporan Praktikum Perancangan Teknik Industri Modul 6
Statistical Quality Control and Quality Cost Planning Kelompok
18
Parameter-parameter yang digunakan dalm grafik S dengan nilai
standar bagi diketahui, adalah : BPA = B6 Garis tengah = c4 BPB =
B5 Nilai-nilai B5 dan B6 telah ditabelkan sebagai nilai konstan
untuk berbagai ukuran himpunan bagian.. Selain grafik pengendali x
dan S , x dan R terdapat juga grafik S2 yaitu grafik pengendali
yang didasarkan langsung pad variansi sampel S 2 dan grafik
pengendali unit individual yaitu grafik yang menggunakan ukuran
sampel n=1 untuk pengendalian proses. Hal ini dilakukan pada
pemeriksaan dan pengukuran otomatis dari setiap unit yang
diproduksi. Contohnya pada proses kimia. Prosedur pengendaliannya
menggunakan rentang bergerak dua observasi yng berturutan guna
menaksir variabilitas proses. Dalam penerapannya, penganalisis
harus memilih antara menggunakan grafik pengndali variabel dan
grafik pengendali sifat. Grafik pengendali sifat mempunyai
kelebihan bahwa beberapa karakteristik kualitas dpat dipandang
bersama-sama dan unit itu diklasifikasikan sebagai tidak sesuai
apabila gagal memenuhi spesifikasi pada salah satu karakteristik.
Sebaliknya, jika beberapa karakteristik kualitas diperlukan sebagai
variabel, maka masing-masing harus diukur, dan grafik , x dan R
terpisah digunakan pada masing-masing variabel atau suatu teknik
pengendali multivariat yang memandang semua karakteristik digunakan
secara serentak. Dalam hal ini jelas adanya kesederhanaan yang
berkaitan dengan grafik pengendali sifat. Lagipula pengukuran yang
mahal dan memakan waktu dapat dihindari dengan pemeriksaan sifat.
Grafik pengendali variabel memberikan jauh lebih banyak informasi
yang bermanfaat tentang penampilan proses daripada grafik
pengendali sifat. Informasi mengenai mean dan variabilitas proses
diperoleh secara langsung. Untuk suatu studi kemampuan proses,
grafik pengendali variabel hampir selalu disenangi daripada grafik
pengendali sifat. Program Studi Teknik Industri Universitas
Diponegoro 2012
29
Laporan Praktikum Perancangan Teknik Industri Modul 6
Statistical Quality Control and Quality Cost Planning Kelompok
18
Garis petunjuk guna merancang grafik pengendali Dalam merancang
grafik kendali x dan R, kita harus menentukan ukuran sampel, lebar
batas pengendali, dan frekuensi pengambilan sampel yang digunakan.
Jika grafik x yang digunakan khususnya untuk menyidik pergeseran
sedang sampai besar, katakan pada tingkat 2 sigma atau maka ukuran
sampel relative kecil n = 4,5, atau 6 cukup efektif. Sebaliknya
jika ingin menyidik pergeseran kecil maka menggunkan ukuran sampel
yang lebih besar misalnya n = 15 sampai n = 25. pada sampel kecil,
grafik R relatif tidak peka terhadap pergeseran deviasi standar
proses. Sedangkan sampel-sampel yang lebih besar kelihatannya lebih
efektif, tetapi kita tahu bahwa metode rentang turun rendah sekali
efisiensinya untuk menaksir standar deviasi jika n naik. Sehingga
untuk n besar, katakan n > 10 atau 12, mungkin yang terbaik
tidak mengguanakan grafik R melainkan grafik S dan S2. Masalah
ukuran sampel dan frekuensi pengambilan sampel adalah masalah
menentukan upaya sampling. Terdapat dua macam strategi yaitu
mengambil sampel ukuran kecil dengan sering atau ukuran sampel
besar tapi jarang dilakukan. Umumnya lebih memilih ukuran sampel
kecil tapi sering karena dilihat dari sisi ekonomi, jika biaya
menghasilkan produk cacat tinggi maka sampel kecil dengan sering
akan lebih baik. Alasan lain adalh jika interval antar pengambilan
sampel terlalu besar maka akan terlalu banyak produk yang cacat
yang diproduksi sebelum kesempatan menyidik pergeseran proses yang
lain terjadi. Tingkat produksi juga punya peranan terhadap pemilhan
ukuran sampel dimana jika proses produksi dengan kecepatan tinggi
biasanya akan menggunakan ukuran sampel yang cukup besar yang
dilakukan lebih sering karena dengan tingkat produksi tinggi akan
menghasilkan produk tak sesuai yang cukup banyak dalam waktu yang
singkat apabila terjadi pergeseran proses.
Intepretasi Grafik x dan R Grafik pengendali dapat menunjukkan
keadaan tak terkendali meskipun tidak satu titik pun terletak
diluar batas pengendali, jika pola titik-titik yang digambarkan
yang digambarkan menunjukkan tingkah laku tak random atau Program
Studi Teknik Industri Universitas Diponegoro 2012
30
Laporan Praktikum Perancangan Teknik Industri Modul 6
Statistical Quality Control and Quality Cost Planning Kelompok
18
sistematik. Dalam banyak hal pola titik-titik yang digambarkan
akan memberikan informasi diagnostic yang berguna pada proses itu
dan informasi ini dapat digunakan untuk membuat perubahan-perubahan
proses yang memperkecil variabilitas. Dalam bahasan ini akan
membicarakan pola umum dari grafik x dan R dan menunjukkan beberapa
karakteristik proses yang dapat menghasilkan polapola ini. Untuk
menginterprestasikan grafik x dan R secara efektif, sebelumnya kita
harus tahu asas statistik yang melandasi grafik pengendali dan
proses itu sendiri. Dalam menginterpretasikan pola pada gafik
x , pertama-tama kita
menentukan apakah grafik R terkendali atau tidak. Beberapa sebab
terduga tampak pada grafik x dan R. Jika grafik x dan R keduanya
menunjukkan pola tak random, strategi yang terbaik adalah
menghilangkan sebab-sebab terduga grafik R yang secara otomatis
akan menghilangkan pola tak random pada grafik x . Jangan
sekali-kali menginterpretasikan grafik x apabila grafik R
menunjukkan keadaan tak terkendali. Pola siklis kadang-kadang
tampak pada grafik pengendali. Pola ini mungkin merupakan akibat
dari perubahan lingkungan yang sistematik seperti temperatur,
kelelahan operator, perputaran operator dan mesin yang teratur atau
fluktuasi dalam tekanan atau variabel dain dalam alat produksi.
Kadang-kadang grafik R akan menampakkan gerakan siklis karena
jadwal pemeliharaan, kelelahan operator, ketidaktahanaan alat
sebagai akibat variabilitas yang terlalu besar. Pola campuran
ditunjukkan apabila titik-titik yang tergambar cenderung jatuh
dekat atau sedikit diluar batas pengendali, dengan titik-titik yang
relatif sedikit dekat garis tengah. Pola campuran ditimbulkan oleh
dua distribusi pembentuk hasil proses yang tumpang suh.
Kesederhanaan pola campuran tergantung pada seberapa jauh
distribusi itu tumpang suh. Kadang-kadang pola campuran merupakan
akibat dari pengendalian terlalu ketat dimana operator terlalu
sering melakukan penyesuaian proses, bukan karena sebab-sebab
sistematik melainkan variasi random dalam hasil produksi. Program
Studi Teknik Industri Universitas Diponegoro 2012
31
Laporan Praktikum Perancangan Teknik Industri Modul 6
Statistical Quality Control and Quality Cost Planning Kelompok
18
Suatu pergeseran dalam tingkat proses dapat terjadi dimana
pergeseran ini mungkin terjadi akibat dari pengenalan karyawan,
metode dan bahan baku atau mesin baru, perubahan dalam metode atau
standar pemerikasaan atau perubahaan dalam ketrampilan, perhatian,
atau motivator operator. Suatu trend atau gerakan pada grafik
pengendali biasanya disebabkan karena kelelahan yang pelan-pelan
atau kemunduran suatu alat atau suatu komponen proses kritis yang
lain. Trend dapat juga disebabkan oleh faktor manusianya seperti
kelelahan operator atau kehadiran pengawas, trend juga disebabkan
oleh faktor alam seperti temperatur. Alat yang berguna untuk
memantau dan menganalisa proses dengan trend adalah grafik
pengendali regresi. Stratifikasi atau kecenderungan titik-titik
seakan-akan berkelompok sekitar garis tengah. Dalam kasus ini
terdapat ketiadaan vaiabilitas dasar dalam pola yang dialami.
Penyebab stratifikasi yang mungkin adalah perhitungan batas
pengendali yang salah. Pola ini juga dapat dihasilkan apabila
proses pengambilan sampel mengumpulkan satu atau beberapa unit dari
beberapa distribusi pokok yang berbeda. Jika unit terbesar dan
terkecil dalam tiap sampel relatif serupa, maka variabilitas yang
diamati akan kecil tidak wajar.. Dalam menginterpretasikan pola
grafik x dan R, orang harus memandang dua grafik itu secara
terpisah. Jika distribusi yang melandasi normal, maka variabel
random x dan R yang dihitung dari sampel yang sama adalah statistik
independen. Maka x dan R harus berlaku independen pada grafik
pengendali. Jika ada korelasi antara nilai x dan R, yakni jika
titik-titik pada pada kedua grafik itu saling mengikuti maka ini
menunjukkan bahwa distribusi yang melandasi miring. Jika
spesifikasi telah ditentukan dengan anggapan normal maka analisis
itu mungkin salah.
Pengaruh Ketidaknormalan pada Grafik x dan R Anggapan dasar
dalam pengembangan grafik pengendali x dan R adalah distribusi
karakteristik kualitas yang melandasi adalah normal. Dalam banyak
keadaan mungkin kita mempunyai alasan untuk meragukan berlakunya
anggapan Program Studi Teknik Industri Universitas Diponegoro
2012
32
Laporan Praktikum Perancangan Teknik Industri Modul 6
Statistical Quality Control and Quality Cost Planning Kelompok
18
ini. Misalnya mungkin kita tahu bahwa distribusi yang
melandasinya bukan normal, sebab kita telah mengumpulkan data yang
cukup banyak yang menunjukkan bahwa anggapan normal tidak cocok.
Sekarang jika kita tahu bentuk distribusi yang melandasinya, maka
mungkin untuk menurunkan distribusi sampling x dan R (atau ukuran
variabilitas proses yang lain), yang mendapatkan batas probabilitas
yang pasti bagi grafik pengendali itu. Dalam beberapa hal yang
mungkin ini sukar, dan kebanyakan penganalisa mungkin lebih senang
menggunakan pendekatan standar berdasarkan anggapan normal jika
mereka merasa bahwa akibat tindakan ini tidak serius. Tetapi
mungkin kita tidak tahu apapun tentang bentuk distribusi yang
melandasinya, maka mungkin satu-satunya pilihan kita adalah
menggunakan hasil-hasil teori normal. Dalam hal yang manapun jelas
bahwa kita tertarik untuk mengetahui pengaruh penyimpangan dari
normal terhadap grafik pengendali x dan R yang biasa. Beberapa
penulis telah menyelidiki pengaruh penyimpangan dari normalitas
pada grafik pengendali. Burr (1967) mencatat bahwa konstan batas
pengendali teori normal yang biasa sangat tegar (Robust) terhadap
anggapan normal dan dapat digunakan kecuali populasi itu sangat
tidak normal. Schilling dan Nelson (1976) juga telah mempelajari
pengaruh ketidaknormalan pada batas pengendali grafikx . Mereka
menyelidiki distribusi uniform, segitiga siku-siku, gamma
(dengan
=1 dan r = , 1, 2, 3, dan 4) dan dua distribusi bermodus dua
membentuk campuran dua distribusi normal. Studi mereka menunjukkan
bahwa dalam sebagian besar keadaan, sampel berukuran 4 atau 5 cukup
untuk menjamin ketegaran yang layak terhadap anggapan normal. Kasus
terjelek yang diamati adalah untuk nilai-nilai r yang kecil dalam
distribusi gamma [r = , dan r = 1 (distribusi eksponensial)].
Misalnya, mereka melaporkan risiko yang
sebenarnya adalah 0,014 atau kurang jika n 14 untuk distribusi
gamma dengan r = , berbeda dengan nilai teoritis 0,0027 bagi
distribusi normal. Selagi penggunaan batas pengendali 3-sigma pada
grafik menghasilkan risikox akan
sebesar 0,0027 jika distribusi yang melandasinya normal,
tetapi tidak benar pada grafik R. Distribusi sampling R tidak
simetrik, meskipun Program Studi Teknik Industri Universitas
Diponegoro 2012
33
Laporan Praktikum Perancangan Teknik Industri Modul 6
Statistical Quality Control and Quality Cost Planning Kelompok
18
pengambilan sampel itu dari distribusi normal, dan ekor yang
panjang distribusi itu ada pada sisi tinggi atau positif. Jadi
batas 3-sigma yang simetris hanya pendekatan, dan risiko untuk n =
4 maka pada grafik R seperti itu tidak 0,0027. (Sebenarnya, =
0,00461). Lagipula, grafik R lebih peka terhadap
penyimpangan anggapan normal daripada grafik x .
2.7
Biaya Kualitas Pada dasarnya biaya dapat dikategorikan ke dalam
empat jenis, yaitu : 1. Biaya Kegagalan Internal (Internal Failure
Cost) Merupakan biaya-biaya yang berhubungan dengan kesalahan
dan
nonkonformansi yang ditemukan sebelum menyerahkan produk ke
pelanggan. Biaya-biaya ini tidak akan muncul apabila tidak
ditemukan kesalahan atau nonkonformansi dalam produk sebelum
pengiriman. Contoh : Scrap Scrap adalah material sisa dari bahan
baku setelah pemrosesan. Pekerjaan Ulang (rework) Proses pengerjaan
ulang suatu barang karena terjadi kecacatan Analisi Kegagalan
(failure analisis) Inspeksi ulang dan pengujian ulang (reinspection
and retesting) Biaya-biaya yang dikeluarkan untuk inspeksi ulang
dan pengujian ulang produk yang telah mengalami pengerjaan ulang
atau perbaikan kembali. Downgrading penjualan produk dibawah harga
produksi karena adanya sedikit cacat pada produk tersebut Avoidable
Process Losses Biaya-biaya kehilangan yang terjadi, meskipun produk
itu tidak cacat.
Program Studi Teknik Industri Universitas Diponegoro 2012
34
Laporan Praktikum Perancangan Teknik Industri Modul 6
Statistical Quality Control and Quality Cost Planning Kelompok
18
2.
Biaya Kegagalan Eksternal (External Failure Cost) Merupakan
biaya-biaya yang berhubungan dengan kesalahan dan
nonkonformansi yang ditemukan setelah produk itu diserahkan ke
pelanggan. Biaya-biaya ini tidak akan muncul apabila tidak
ditemukan kesalahan atau nonkonformansi dalam produk setelah
pengiriman. Contoh : Jaminan (Warranty) Jaminan yang di berikan
kepada pelanggan apabila terjadi kerusakan atau masalah pada
produk. Penyelesaian Keluhan (Complaint Adjustment) Produk
dikembalikan (Returned Product) Allowance Biaya-biaya yang
berkaitan dengan konsesi pada pelanggan karena produk yang berada
dibawah standar kualitas.
3.
Biaya Penilaian (Apprasial Cost) Merupakan biaya-biaya yang
berhubungan dengan derajad konformansi
terhadap persyaratan kualitas (spesifikasi yang ditetapkan).
Contoh : Inspeksi dan pengujian kedatangan material Biaya-biaya
yang berkaitan dengan penentuan kualitas dari material yang dibeli,
melalui inspeksi pada saat penerimaan, melalui inspeksi yang
dilakukan pada pemasok, atau raelalui inspeksi yang dilakukan oleh
pihak ketiga. Inspeksi dan pengujian produk dalam proses berkaitan
dengan evaluasi tentang konformansi produk dalam proses terhadap
persyaratan kualitas (spesifikasi) yang ditetapkan. Inspeksi dan
pengujian produk akhir Biaya-biaya yang berkaitan dengan evaluasi
tentang konformansi produk akhir terhadap persyaratan kualitas
(spesifikasi) yang ditetapkan. Program Studi Teknik Industri
Universitas Diponegoro 2012
35
Laporan Praktikum Perancangan Teknik Industri Modul 6
Statistical Quality Control and Quality Cost Planning Kelompok
18
Audit kualitas produk Biaya-biaya untuk raelakukan audit
kualitas pada produk dalam proses atau produk akhir. Pemeliharaan
akurasi peralatan pengujian Biaya-biaya dalam melakukan kalibrasi
(penyesuian) untuk mempertahankan akurasi instrument pengukuran dan
peralatan. Evaluasi stok Biaya-biaya yang berkaitan dengan
pengujian produk dalam penyimpanan untuk menilai degradasi
kualitas
4.
Biaya Pencegahan (Prevention Cost) Merupakan biaya-biaya yang
berhubungan dengan upaya pencegahan
kegagalan internal maupun eksternal, sehingga meminimumkan biaya
kegagalan internal dan biaya kegagalan eksternal. Contoh :
Perencanaan Kualitas. Biaya-biaya yang berkaitan dengan aktivitas
perencanaan kualitas secara keseluruhan, termasuk penyiapan
prosedur-prosedur yang diperlukan untuk mengkomunikasikan rencana
kualitas ke seluruh pihak yang berkepentingan. Tinjauan-Ulang
Produk Baru (New-Product Review). Biaya-biaya yang berkaitan dengan
rekayasa keandalan (reliability engineering) dan aktivitasaktivitas
lain yang bekaitan dengan kualitas yang berhubungan dengan
pemberitahuan desain baru. Audit Kualitas. Biaya-biaya yang
berkaitan dengan evaluasi atas pelaksanaan aktivitas dalam rencana
kualitas secara keseluruhan. Evaluasi Kualitas Pemasok. Biaya-biaya
yang berkaitan dengan evaluasi terhadap pemasokan sebelum pemilihan
pemasok, audit terhadap aktivitasaktivitas selama kontrak, dan
usaha-usaha lain yang berkaitan dengan pemasok. Pelatihan
Program Studi Teknik Industri Universitas Diponegoro 2012
36
Laporan Praktikum Perancangan Teknik Industri Modul 6
Statistical Quality Control and Quality Cost Planning Kelompok
18
BAB III METODOLOGI PRAKTIKUM
Gambar 3.1 Metodologi Praktikum
Program Studi Teknik Industri Universitas Diponegoro 2012
37
Laporan Praktikum Perancangan Teknik Industri Modul 6
Statistical Quality Control and Quality Cost Planning Kelompok
18
Pada praktikum
Statisttical Quality Control and Quality Cost Planning ini
terdapat sistematika yang digunakan, yaitu: Dimulai dengan
merumuskan masalah, menentukan tujuan penelitian, menentukan
batasan dan asumsi serta melakukan studi pustaka. Setelah itu
dibuat kebijakan perusahaan mengenai AQL (Acceptance Quality Level)
dengan menentukan rencana sampling penerimaan, menentukan jumlah
sampelnya, mengukur dimensi komponen hingga akhirnya diketahui
apakah ukuran lot pada komponennya diterima atau ditolak. Jika
ditolak, perhitungan dilakukan kembali sampai data terkontrol.
Selanjutnya dilakukan laporan pemesanan (MRP) dengan membuat peta
kendali. Peta kendali sendiri terbagi menjadi dua yaitu peta
kendali variabel dan atribut. Peta kendali variabel terdiri dari
peta kendali - s, - R, - MR. Sedangkan peta
kendali atribut terdiri dari peta kendali p, np, c, u, dan U.
Peta kendali ini digunakan untuk mengetahui apakah data terkontrol
atau tidak. Jika ditolak, perhitungan dilakukan kembali sampai data
terkontrol. Laporan buatan inspeksi dilakuakn dengan membuat
diagram pareto finish product dan membuat peta kendali variabel
finish product untuk membuktikan data terkontrol atau ditolak. Jika
ditolak perhitungan dilakukan kembali sampai data terkontrol.
Setalah diketahui data telah terkontrol, maka dibut fishbone. Untuk
data biaya, dilakukan perhitungan biaya kualitas yang terdiri dari
biaya pencegahan, biaya penilaian, biaya kegagalan internal, dan
biaya kegagalan eksternal. Tahapan akhir dalam sistematika ini
yaitu melakukan analisis, serta membuat kesimpulan dan saran.
Program Studi Teknik Industri Universitas Diponegoro 2012
38
Laporan Praktikum Perancangan Teknik Industri Modul 6
Statistical Quality Control and Quality Cost Planning Kelompok
18
BAB IV PENGUMPULAN DAN PENGOLAHAN DATA
4.1
Acceptance Sampling 4.1.1 Kebijakan Sampel untuk As Roda
Berdasarkan Output MRP, lot size as roda periode 1 adalah 14132
Berarti berdasarkan tabel 10.2 sample size code letters (s-4)
diperoleh inspection levels adalah I (10,001 to 35000) Berdasarkan
tabel 10-3 diperoleh sample size 25 dengan melihat sample size code
letter N=25 AQL = 0.35, berarti berdasar tabel 10.1 AQL conversion
table AQL value = 0.40 (0.280 to 0.439) Berdasar table 10.3 master
table for normal diperoleh nilai k = 2,14
Hasil Output MRP as rodaTabel 4.1 Hasil Output MRP as roda
Periode
1
2
3
4
5
6
7
8
9
10
11
12 0
As Roda 14132 14132 14132 14132 14158 14158 14158 14158 14184
14184 14184
1. Panjang As Roda Data Pengukuran Panjang As RodaTabel 4.2
Pengukuran panjang as roda
No 1 2 3 4 5 6 7
Ukuran No. Komponen 60 59,9 60 60 60 60 60 54 73 48 74 30 37
46
x2 3600 3588,01 3600 3600 3600 3600 3600
Program Studi Teknik Industri Universitas Diponegoro 2012
39
Laporan Praktikum Perancangan Teknik Industri Modul 6
Statistical Quality Control and Quality Cost Planning Kelompok
18
8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 Jumlah = S=
=
59,9 59,95 59,9 60 60,1 59,95 59,95 59,9 60 60 60 60 59,95 59,9
60 60 59,85 59,75 1499 =59.96
13 66 43 44 45 57 65 72 33 40 69 52 35 6 63 67 75 10
3588,01 3594,003 3588,01 3600 3612,01 3594,003 3594,003 3588,01
3600 3600 3600 3600 3594,003 3588,01 3600 3600 3582,023 3570,063
89880,16
= 0.06922
Standar perusahaan untuk panjang as roda 58.5mm 1,5mm
USL = 58.5 + 1,5 = 60 mm Berdasarkan Output MRP, lot size as
roda periode 1 adalah 14132 Berarti berdasarkan tabel 10.2 sample
size code letters (s-4) diperoleh inspection levels adalah I
(10,001 to 35000) Berdasarkan tabel 10-3 diperoleh sample size 25
dengan melihat sample size code letter N=25 AQL = 0.35, berarti
berdasar tabel 10.1 AQL conversion table Program Studi Teknik
Industri Universitas Diponegoro 2012
40
Laporan Praktikum Perancangan Teknik Industri Modul 6
Statistical Quality Control and Quality Cost Planning Kelompok
18
AQL value = 0.40 (0.280 to 0.439) Berdasar table 10.3 master
table for normal diperoleh nilai k = 2,14 ZU = ZL = = = = 0,577867
= 42,7622
Karena ZU > k = 0.577867 < 2,14. Maka lot ditolak Karena
ZL < k = 42,7622 > 2,14. Maka lot diterima - Maka
keputusannya lot ditolak - Double Acceptance Sampling QU = 28,30 QL
= 0 - Karena QU+QL > M = 28,39 > 1,29. Maka keputusannya lot
ditolak
2. Diameter As Roda Data Pengukuran Diameter As RodaTabel 4.3
Pengukuran diameter as roda
No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 Program Studi Teknik
Industri Universitas Diponegoro 2012
Ukuran 1,6 1,68 1,66 1,68 1,7 1,6 1,62 1,66 1,68 1,66 1,68 1,64
1,64 1,58 1,66
No. Komponen 37 54 30 99 43 44 73 45 48 13 65 46 72 57 74
x2 2,56 2,8224 2,7556 2,8224 2,89 2,56 2,6244 2,7556 2,8224
2,7556 2,8224 2,6896 2,6896 2,4964 2,7556
41
Laporan Praktikum Perancangan Teknik Industri Modul 6
Statistical Quality Control and Quality Cost Planning Kelompok
18
16 17 18 19 20 21 22 23 24 25 Jumlah = S= =
1,6 1,68 1,7 1,7 1,68 1,6 1,7 1,7 1,66 1,64 41,4
69 35 6 63 67 33 52 75 40 10
2,56 2,8224 2,89 2,89 2,8224 2,56 2,89 2,89 2,7556 2,6896
68,592
=1,656 = 0.03742
Standar perusahaan untuk diameter as roda 1.8 mm 0.2 mm
USL = 1.8+ 0.2 = 2 mm Berdasarkan Output MRP, lot size as roda
periode 1 adalah 14132 Berarti berdasarkan tabel 10.2 sample size
code letters (s-4) diperoleh inspection levels adalah I(10001 to
35000) Berdasarkan tabel 10-3 dengan sample size code letter I maka
sample size adalah 25 N=25 AQL = 0.35, berarti berdasar tabel 10.1
AQL conversion table AQL value = 0.40 (0.280 to 0.439) Berdasar
table 10.3 master table for normal diperoleh nilai k = 2,14 ZU = ZL
= = = =9,193 =1,49
Karena ZU > k = 9,193 > 2,14. Maka lot diterima Karena ZL
< k = 1,49 < 2,14. Maka lot ditolak Program Studi Teknik
Industri Universitas Diponegoro 2012
42
Laporan Praktikum Perancangan Teknik Industri Modul 6
Statistical Quality Control and Quality Cost Planning Kelompok
18
-
Maka keputusannya lot ditolak
- Double Acceptance Sampling QU = 0 QL = 6,55 - Karena QU+QL
> M = 6,55 > 1,29. Maka keputusannya lot ditolak
4.1.2 Kebijakan Sampel untuk Gardan Berdasarkan Output MRP, lot
size as roda periode 1 adalah 7066. Berarti berdasarkan tabel 10.2
sample size code letters (s-4) diperoleh inspection levels adalah H
(3201 to 10000) Berdasarkan tabel 10-3 dengan sample size code
letter H maka sample size adalah 20 N=20 AQL = 0.18, berarti
berdasar tabel 10.1 AQL conversion table AQL value = 0.25 (0.165 to
0.279) Berdasar table 10.3 master table for normal diperoleh nilai
k = 2,24
Hasil Output MRP GardanTabel 4.4 Hasil Output MRP Gardan
PERIODE As Roda
1
2
3
4
5
6
7
8
9
10
11
12 0
7066 7066 7066 7079 7079 7079 7079 7092 7092 7092 7092 1.
Panjang Gardan Data Pengukuran Panjang GardanTabel 4.5 Pengukuran
panjang Gardan
No 1 2 3 4 Program Studi Teknik Industri Universitas Diponegoro
2012
Ukuran 74,15 74,4 74 74,6
No. Komponen 25 11 20 54
x2 5498,2 5535,4 5476 5565,2
43
Laporan Praktikum Perancangan Teknik Industri Modul 6
Statistical Quality Control and Quality Cost Planning Kelompok
18
5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 Jumlah = S= =
74,3 74,25 74,4 74,15 74,4 74,4 74,15 74,15 74,15 74,3 74,2 74,3
74,2 74,3 74,55 74,15 1485,5 =59,42
12 6 70 17 21 75 2 5 8 10 38 14 63 24 19 35
5520,5 5513,1 5535,4 5498,2 5535,4 5535,4 5498,2 5498,2 5498,2
5520,5 5505,6 5520,5 5505,6 5520,5 5557,7 5498,2 110336
= 0.15
Standar perusahaan untuk panjang gardan 74 mm 0.75mm
USL = 74 + 0.75 = 74.75 mm Berdasarkan Output MRP, lot size as
roda periode 1 adalah 7066 Berarti berdasarkan tabel 10.2 sample
size code letters (s-4) diperoleh inspection levels adalah H (3201
to 10000) Berdasarkan tabel 10-3 dengan sample size code letter H
maka sample size adalah 20 N=20 AQL = 0.18, berarti berdasar tabel
10.1 AQL conversion table AQL value = 0.25 (0.165 to 0.279)
Berdasar table 10.3 master table for normal diperoleh nilai k =
2,24
Program Studi Teknik Industri Universitas Diponegoro 2012
44
Laporan Praktikum Perancangan Teknik Industri Modul 6
Statistical Quality Control and Quality Cost Planning Kelompok
18
Zu = ZL =
= =
=3,2 =6,8
Karena Zu < k = 3,2 > 2,24. Maka lot diterima Karena ZL
< k = 6,8 > 2,24. Maka lot diterima -Maka keputusannya lot
diterima - Double Acceptance Sampling QU = 0,006 QL = 0 - Karena
QU+QL < M = 0,006 < 0,846. Maka keputusannya lot diterima
2. Diameter Gardan Data Pengukuran Diamter Gardan
Tabel 4.6 Pengukuran diameter Gardan
No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
Ukuran 1,44 1,42 1,44 1,42 1,4 1,4 1,42 1,4 1,42 1,4 1,4 1,4
1,42 1,4 1,4 1,42
No. Komponen 20 12 70 19 24 17 2 75 6 25 21 11 14 5 8 38
x2 2,0736 2,0164 2,0736 2,0164 1,96 1,96 2,0164 1,96 2,0164 1,96
1,96 1,96 2,0164 1,96 1,96 2,0164
Program Studi Teknik Industri Universitas Diponegoro 2012
45
Laporan Praktikum Perancangan Teknik Industri Modul 6
Statistical Quality Control and Quality Cost Planning Kelompok
18
17 18 19 20 Jumlah =
1,42 1,4 1,44 1,42 28,28
10 54 63 35
2,0164 1,96 2,0736 2,0164 39,992
=1,414
S=
=
= 0.01465
Standar perusahaan untuk diameter gardan 1,48 mm 0.13mm
USL = 1,48 + 0.13 = 1,61 mm Zu = ZL = Berdasarkan Output MRP,
lot size as roda periode 1 adalah 7066 Berarti berdasarkan tabel
10.2 sample size code letters (s-4) diperoleh inspection levels
adalah H (3201 to 10000) Berdasarkan tabel 10-3 dengan sample size
code letter H maka sample size adalah 20 N=20 AQL = 0.18, berarti
berdasar tabel 10.1 AQL conversion table AQL value = 0.25 (0.165 to
0.279) Berdasar table 10.3 master table for normal diperoleh nilai
k = 2,24 Jadi, Zu < k = 32,68 > 2,24. Keputusannya adalah lot
diterima = = =13,379 =4,369
Karena Zu < k = 13,379 > 2,24. Maka lot diterima Karena ZL
< k = 4,369 > 2,24. Maka lot diterima Maka keputusannya lot
diterima - Double Acceptance Sampling Program Studi Teknik Industri
Universitas Diponegoro 2012
46
Laporan Praktikum Perancangan Teknik Industri Modul 6
Statistical Quality Control and Quality Cost Planning Kelompok
18
QU = 0 QL = 0 - Karena QU+QL < M = 0 < 0,846. Maka
keputusannya lot diterima
4.1.3 Kebijakan Sampel untuk Besi Dinamo Berdasarkan Output MRP,
lot size as roda periode 1 adalah 7066 Berarti berdasarkan tabel
10.2 sample size code letters (s-4) diperoleh inspection levels
adalah H (3201 to 10000) Berdasarkan tabel 10-3 dengan sample size
code letter H maka sample size adalah 20 N=20 AQL = 0.18, berarti
berdasar tabel 10.1 AQL conversion table AQL value = 0.25 (0.165 to
0.279) Berdasar table 10.3 master table for normal diperoleh nilai
k = 2,24
Hasil Output MRP DinamoTabel 4.7 Hasil Output MRP Dinamo
PERIODE Dinamo
1
2
3
4
5
6
7
8
9
10
11 0
12 0
7066 7066 7079 7079 7079 7079 7092 7092 7092 7092
1. Diameter Besi Dinamo Data Pengukuran Diameter Besi
DinamoTabel 4.8 Pengukuran diameter as roda
No 1 2 3 4 5 6 7 Program Studi Teknik Industri Universitas
Diponegoro 2012
Ukuran 1,9 1,9 1,88 1,88 1,9 1,9 1,9
No. Komponen 68 56 67 13 72 36 64
x2 3,61 3,61 3,5344 3,5344 3,61 3,61 3,61
47
Laporan Praktikum Perancangan Teknik Industri Modul 6
Statistical Quality Control and Quality Cost Planning Kelompok
18
8 9 10 11 12 13 14 15 16 17 18 19 20 Jumlah = S= =
1,9 1,84 1,88 1,88 1,9 1,9 1,92 1,88 1,9 1,84 1,88 1,9 1,88
37,76 =1,888
71 23 70 66 75 69 22 61 45 73 62 74 17
3,61 3,3856 3,5344 3,5344 3,61 3,61 3,6864 3,5344 3,61 3,3856
3,5344 3,61 3,5344 71,298
= 0.01989
Standar perusahaan untuk diameter besi dinamo 1,95 mm 0,15mm
USL = 1,95 + 0,15 = 2,1 mm Zu = Berdasarkan Output MRP, lot size
as roda periode 1 adalah 7066 Berarti berdasarkan tabel 10.2 sample
size code letters (s-4) diperoleh inspection levels adalah H (3201
to 10000) Berdasarkan tabel 10-3 dengan sample size code letter H
maka sample size adalah 20 N=20 AQL = 0.18, berarti berdasar tabel
10.1 AQL conversion table AQL value = 0.25 (0.165 to 0.279)
Berdasar table 10.3 master table for normal diperoleh nilai k =
2,24 = =10,659
Program Studi Teknik Industri Universitas Diponegoro 2012
48
Laporan Praktikum Perancangan Teknik Industri Modul 6
Statistical Quality Control and Quality Cost Planning Kelompok
18
Zu =
=
=4,434
Karena Zu < k = 10,659 > 2,24. Maka lot diterima Karena ZL
< k = 4,434 > 2,24. Maka lot diterima -Maka keputusannya lot
diterima - Double Acceptance Sampling QU = 0 QL = 0 - Karena QU+QL
< M = 0 < 0,846. Maka keputusannya lot diterima
4.2
Pengumpulan dan Pengolahan Data Kualitas Raw Material 4.2.1 Data
Variabel
1. Panjang As Roda
S=
=
= 0,0692
Standar perusahaan untuk panjang as roda 58,15 mm 1,5 mm
USL = 58,15+ 1,5 = 60 mm USL = 58,15- 1,5 = 57 mm Zu = ZL = = =
= 0,5779 =42,774
Karena ZU < k = 0,5779 < 2,14. Maka lot ditolak Karena ZL
> k = 42,774 > 2,14. Maka lot diterima -Maka keputusannya lot
diterima - Double Acceptance Sampling QU = 28,30 QL = 0 - Karena
QU+QL < M = 28,30 > 1,29. Maka keputusannya lot ditolak
Program Studi Teknik Industri Universitas Diponegoro 2012
49
Laporan Praktikum Perancangan Teknik Industri Modul 6
Statistical Quality Control and Quality Cost Planning Kelompok
18
Peta Kendali MR Iterasi 0Tabel 4.9 Peta Kendali MR panjang as
roda iterasi 0
No 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
Ukuran
No Komponen
60 59,9 60 60 60 60 60 59,9 59,95 59,9 60 60,1 59,95 59,95 59,9
60 60 60 60 59,95 59,9 60 60 59,85 59,75
54 73 48 74 30 37 46 13 66 43 44 45 57 65 72 33 40 69 52 35 6 63
67 75 10
MR -0,1 0,1 0 0 0 0 -0,1 0,05 -0,05 0,1 0,1 -0,15 0 -0,05 0,1 0
0 0 -0,05 -0,05 0,1 0 -0,15 -0,1
MR 0,1 0,1 0 0 0 0 0,1 0,05 0,05 0,1 0,1 0,15 0 0,05 0,1 0 0 0
0,05 0,05 0,1 0 0,15 0,1
Contoh Perhitungan |MR2| = |MR2- MR1| = |60-59,9| = 0,1 IMRI
1,35 MR 0.0563 n -1 24 UCLMR D4 MR 3.267(0.0563) 0.1838LCLMR D3 MR
0(0.0563) 0
Program Studi Teknik Industri Universitas Diponegoro 2012
50
Laporan Praktikum Perancangan Teknik Industri Modul 6
Statistical Quality Control and Quality Cost Planning Kelompok
18
Peta Kendali MR Panjang As Roda Iterasi 00.2 0.18 0.16 0.14 0.12
0.1 0.08 0.06 0.04 0.02 0 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 Sampel ke-
Moving Range
MR UCL LCL CL
Gambar 4.1 Peta Kendali MR Panjang As Roda Iterasi 0
Moving Range Chart of panjang as roda_10,18 0,16 0,14
UCL=0,1634
Moving Range
0,12 0,10 0,08 0,06 0,04 0,02 0,00 1 3 5 7 9 11 13 15
Observation 17 19 21 23 LCL=0 __ MR=0,05
Gambar 4.2 Output Software Minitab
Program Studi Teknik Industri Universitas Diponegoro 2012
51
Laporan Praktikum Perancangan Teknik Industri Modul 6
Statistical Quality Control and Quality Cost Planning Kelompok
18
Gambar 4.3 Output Software SPSS
Pada grafik peta moving range panjang as roda diatas, tidak
terdapat nilai yang melewati batas.
Peta Kendali Iterasi 0Tabel 4.10 Peta Kendali panjang as roda
iterasi 0
No 1 2 3 4 5 6 7
Ukuran
No Komponen
60 59,9 60 60 60 60 60
54 73 48 74 30 37 46
Program Studi Teknik Industri Universitas Diponegoro 2012
52
Laporan Praktikum Perancangan Teknik Industri Modul 6
Statistical Quality Control and Quality Cost Planning Kelompok
18
8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
59,9 59,95 59,9 60 60,1 59,95 59,95 59,9 60 60 60 60 59,95 59,9
60 60 59,85 59,75
13 66 43 44 45 57 65 72 33 40 69 52 35 6 63 67 75 10
Contoh Perhitungan59,96 1.414 n 25 UCL X 158,5 1,5 60 X LCL X
158,5 1,5 57 x
Program Studi Teknik Industri Universitas Diponegoro 2012
53
Laporan Praktikum Perancangan Teknik Industri Modul 6
Statistical Quality Control and Quality Cost Planning Kelompok
18
Peta Kendali X Bar Panjang As Roda Iterasi 061 60 59 58 57 56 55
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
Sampel keUkuran UCL LCL CL
Gambar 4.4 Peta Kendali X bar Panjang As Roda Iterasi 0
I Chart of panjang as roda60,51
60,0 59,5
UB=60
Individual Value
59,0 58,5 58,0 57,5 57,0 1 3 5 7 9 11 13 15 Observation 17 19 21
23 25 LB=57 _ X=58,5
Gambar 4.5 Output Software Minitab
Program Studi Teknik Industri Universitas Diponegoro 2012
54
Laporan Praktikum Perancangan Teknik Industri Modul 6
Statistical Quality Control and Quality Cost Planning Kelompok
18
Gambar 4.6 Output Software SPSS
Pada grafik X Bar as roda diatas, terdapat satu nilai yang
melewati batas, yaitu nilai 60,1.
Peta Kendali Iterasi 1Tabel 4.11 Peta Kendali X bar panjang as
roda iterasi 1
No 1 2 3 4 5 6
Ukuran
No Komponen
60 59,9 60 60 60 60
54 73 48 74 30 37
Program Studi Teknik Industri Universitas Diponegoro 2012
55
Laporan Praktikum Perancangan Teknik Industri Modul 6
Statistical Quality Control and Quality Cost Planning Kelompok
18
7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
60 59,9 59,95 59,9 60 59,95 59,95 59,9 60 60 60 60 59,95 59,9 60
60 59,85 59,75
46 13 66 43 44 57 65 72 33 40 69 52 35 6 63 67 75 10
Contoh Perhitungan59,96 1.414 n 24 UCL X 158,5 1,5 60 X LCL X
158,5 1,5 57 x
Program Studi Teknik Industri Universitas Diponegoro 2012
56
Laporan Praktikum Perancangan Teknik Industri Modul 6
Statistical Quality Control and Quality Cost Planning Kelompok
18
Peta Kendali X BAR Panjang As Roda Iterasi 161 60 59 58 57 56 55
1 2 3 4 5 6 7 8 9 101112131415161718192021222324 Sampel keMoving
Range UCL LCL CL Ukuran
Gambar 4.7 Peta Kendali X bar Panjang As Roda Iterasi 1
I Chart of panjang as roda_160,0 59,5 UB=60
Individual Value
59,0 58,5 58,0 57,5 57,0 1 3 5 7 9 11 13 15 Observation 17 19 21
23 LB=57 _ X=58,5
Gambar 4.8 Output Software Minitab
Program Studi Teknik Industri Universitas Diponegoro 2012
57
Laporan Praktikum Perancangan Teknik Industri Modul 6
Statistical Quality Control and Quality Cost Planning Kelompok
18
Gambar 4.9 Output Software SPSS
Pada grafik X Bar moving range panjang as roda diatas, setelah
dilakukan iterasi, tidak terdapat lagi nilai yang keluar.
Program Studi Teknik Industri Universitas Diponegoro 2012
58
Laporan Praktikum Perancangan Teknik Industri Modul 6
Statistical Quality Control and Quality Cost Planning Kelompok
18
Peta Kendali MR Iterasi 1Tabel 4.12 Peta Kendali MR panjang as
roda iterasi 1
No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
24
Ukuran
No Komponen
MR -0,1 0,1 0 0 0 0 -0,1 0,05 -0,05 0,1 -0,05 0 -0,05 0,1 0 0 0
-0,05 -0,05 0,1 0 -0,15 -0,1
MR 0,1 0,1 0 0 0 0 0,1 0,05 0,05 0,1 0,05 0 0,05 0,1 0 0 0 0,05
0,05 0,1 0 0,15 0,1
60 59,9 60 60 60 60 60 59,9 59,95 59,9 60 59,95 59,95 59,9 60 60
60 60 59,95 59,9 60 60 59,85 59,75
54 73 48 74 30 37 46 13 66 43 44 57 65 72 33 40 69 52 35 6 63 67
75 10
Contoh Perhitungan |MR2| = |MR2- MR1| = |60-59,9| = 0,1 IMRI
1,15 MR 0.05 n -1 23 UCL MR D4 MR 3.267(0.05) 0.16335LCL MR D3 MR
0(0.05) 0
Program Studi Teknik Industri Universitas Diponegoro 2012
59
Laporan Praktikum Perancangan Teknik Industri Modul 6
Statistical Quality Control and Quality Cost Planning Kelompok
18
Peta Kendali MR Panjang As Roda Iterasi 10.2 0.15 0.1 0.05 0 1 2
3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 Sampel
keUCL LCL CL MR
Gambar 4.10 Peta Kendali MR Panjang As Roda Iterasi 1
Moving Range Chart of PANJANG AS RODA0,18 0,16 0,14
UCL=0,1634
Moving Range
0,12 0,10 0,08 0,06 0,04 0,02 0,00 1 3 5 7 9 11 13 15
Observation 17 19 21 23 LCL=0 __ MR=0,05
Gambar 4.11 Output Software Minitab
Program Studi Teknik Industri Universitas Diponegoro 2012
60
Laporan Praktikum Perancangan Teknik Industri Modul 6
Statistical Quality Control and Quality Cost Planning Kelompok
18
Gambar 4.12 Output Software SPSS
Pada grafik moving range as roda diatas, tidak terdapat nilai
yang melewati batas.
2. Diameter As Roda = S= = =1,656 = 0.03742
Standar perusahaan untuk diameter as roda 1.8 mm 0.2 mm
USL = 1.8+ 0.2 = 2 mm - Single Acceptance Sampling ZU = =
=9,193
Program Studi Teknik Industri Universitas Diponegoro 2012
61
Laporan Praktikum Perancangan Teknik Industri Modul 6
Statistical Quality Control and Quality Cost Planning Kelompok
18
ZL =
=
=1,49
Karena ZU > k = 9,193 > 2,14. Maka lot diterima Karena ZL
< k = 1,49 < 2,14. Maka lot ditolak Maka keputusannya lot
ditolak - Double Acceptance Sampling QU = 0 QL = 6,55 - Karena
QU+QL > M = 6,55 > 1,29. Maka keputusannya lot ditolak Peta
Kendali MRTabel 4.13 Peta Kendali MR Diameter as Roda
No 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
Ukuran 1,6 1,68 1,66 1,68 1,7 1,6 1,62 1,66 1,68 1,66 1,68 1,64
1,64 1,58 1,66 1,6 1,68 1,7 1,7 1,68 1,6 1,7 1,7 1,66 1,64
No. Komponen 37 54 30 99 43 44 73 45 48 13 65 46 72 57 74 69 35
6 63 67 33 52 75 40 10
MR 0,08 -0,02 0,02 0,02 -0,1 0,02 0,04 0,02 -0,02 0,02 -0,04 0
-0,06 0,08 -0,06 0,08 0,02 0 -0,02 -0,08 0,1 0 -0,04 -0,02
MR 0,08 0,02 0,02 0,02 0,1 0,02 0,04 0,02 0,02 0,02 0,04 0 0,06
0,08 0,06 0,08 0,02 0 0,02 0,08 0,1 0 0,04 0,02
Program Studi Teknik Industri Universitas Diponegoro 2012
62
Laporan Praktikum Perancangan Teknik Industri Modul 6
Statistical Quality Control and Quality Cost Planning Kelompok
18
Contoh Perhitungan MR2 = MR2 MR1= 1.68 1.6= 0.08MR UCL MR LCL MR
0.96 0.04 n -1 24 D4 MR 3.267(0.04) D3 MR 0(0.04) 0 | MR |
0.13068
Peta Kendali MR Diameter As Roda (iterasi 0)0.14 0.12 0.1 0.08
0.06 0.04 0.02 0 37 30 43 73 48 65 72 74 35 63 33 75 nomor sampel
moving range
UCL LCL CL MR
Gambar 4.13 Peta Kendali MR Diameter As Roda Iterasi 0
Program Studi Teknik Industri Universitas Diponegoro 2012
63
Laporan Praktikum Perancangan Teknik Industri Modul 6
Statistical Quality Control and Quality Cost Planning Kelompok
18
Moving Range Chart of diameter as roda0,14 UCL=0,1307 0,12
0,10
Moving Range
0,08 0,06 0,04 0,02 0,00 1 3 5 7 9 11 13 15 Observation 17 19 21
23 25 LCL=0 __ MR=0,04
Gambar 4.14 Output Software Minitab
Gambar 4.15 Output Software SPSS
Program Studi Teknik Industri Universitas Diponegoro 2012
64
Laporan Praktikum Perancangan Teknik Industri Modul 6
Statistical Quality Control and Quality Cost Planning Kelompok
18
Pada peta kendali MR di atas tidak terdapat data yang keluar
dari UCLdan LCL, maka dilanjutkan ke pemetaan pada peta kendali x
bar. Peta KendaliTabel 4.14 Peta Kendali Xbar Diameter as Roda
No 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
Ukuran 1,82 1,78 1,82 1,84 1,8 1,84 1,8 1,84 1,8 1,86 1,78 1,82
1,82 1,8 1,78 1,86 1,8 1,84 1,82 1,82 1,84 1,82 1,86 1,82 1,82
No. Komponen 47 56 11 70 24 36 32 59 14 58 9 49 38 19 25 3 42 4
71 60 62 1 7 5 17
UCL = 1.8+ 0.2 = 2 LCL = 1.8- 0.2 = 1.6
Program Studi Teknik Industri Universitas Diponegoro 2012
65
Laporan Praktikum Perancangan Teknik Industri Modul 6
Statistical Quality Control and Quality Cost Planning Kelompok
18
Peta Kendali X bar Diameter As Roda (iterasi 0)2.1 moving range
2 1.9 1.8 1.7 1.6 1.5 47561170243632591458 9 49381925 3 42 4 71
nomor sampel Gambar 4.16 Peta Kendali Xbar Diameter As Roda Iterasi
0 UCL LCL CL Ukuran
I Chart of DIAMETER AS RODA2,0 UB=2
1,9
Individual Value
1,8
_ X=1,8
1,7
1,6 1 3 5 7 9 11 13 15 Observation 17 19 21 23 25
LB=1,6
Gambar 4.17 Output Software Minitab
Program Studi Teknik Industri Universitas Diponegoro 2012
66
Laporan Praktikum Perancangan Teknik Industri Modul 6
Statistical Quality Control and Quality Cost Planning Kelompok
18
Gambar 4.18 Output Software SPSS
Pada peta kendali x bar di atas tidak terdapat data yang keluar
dari UCLdan LCL, maka data sudah terkendali.
3. Panjang Gardan
= S= =
= = 0.15
Standar perusahaan untuk panjang garden 74 mm 0.75mm
USL = 74 + 0.75 = 74.75 mm Zu = = =3,2
Program Studi Teknik Industri Universitas Diponegoro 2012
67
Laporan Praktikum Perancangan Teknik Industri Modul 6
Statistical Quality Control and Quality Cost Planning Kelompok
18
ZL =
=
=6,8
Karena Zu < k = 3,2 > 2,24. Maka lot diterima Karena ZL
< k = 6,8 > 2,24. Maka lot diterima -Maka keputusannya lot
diterima - Double Acceptance Sampling QU = 0,006 QL = 0 - Karena
QU+QL < M = 0,006 < 0,846. Maka keputusannya lot diterima
Tabel 4.15 Peta Kendali MR Panjang Gardan
No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Ukuran 74,15 74,4 74 74,6 74,3 74,25 74,4 74,15 74,4 74,4 74,15
74,15 74,15 74,3 74,2 74,3 74,2 74,3 74,55 74,15
No. Komponen 25 11 20 54 12 6 70 17 21 75 2 5 8 10 38 14 63 24
19 35
MR 0,25 -0,4 0,6 -0,3 -0,05 0,15 -0,25 0,25 0 -0,25 0 0 0,15
-0,1 0,1 -0,1 0,1 0,25 -0,4
MR 0,25 0,4 0,6 0,3 0,05 0,15 0,25 0,25 0 0,25 0 0 0,15 0,1 0,1
0,1 0,1 0,25 0,4
Contoh Perhitungan MR2 = MR2 MR1= 74.4 74.15= 0.25
Program Studi Teknik Industri Universitas Diponegoro 2012
68
Laporan Praktikum Perancangan Teknik Industri Modul 6
Statistical Quality Control and Quality Cost Planning Kelompok
18
MR UCL MR LCL MR
| MR | n -1 D4 MR D3 MR
3.7 19
0.1947 0.63205
3.267(0.1947) 0(0.1947) 0
Peta Kendali MR Panjang Gardan (iterasi 0)0.7 0.6 0.5 0.4 0.3
0.2 0.1 0 25 11 20 54 12 6 70 17 21 75 2 5 8 10 38 14 63 24 19
nomor sampel Gambar 4.19 Peta Kendali MR Diameter As Roda Iterasi 0
moving range
UCL LCL CL MR
Moving Range Chart of panjang gardan0,7 0,6 0,5 UCL=0,6363
Moving Range
0,4 0,3 0,2 0,1 0,0 1 3 5 7 9 11 13 Observation 15 17 19 LCL=0
__ MR=0,1947
Gambar 4.20 Output Software Minitab
Program Studi Teknik Industri Universitas Diponegoro 2012
69
Laporan Praktikum Perancangan Teknik Industri Modul 6
Statistical Quality Control and Quality Cost Planning Kelompok
18
Gambar 4.21 Outp