Grafik kualiats
Download as PPT, PDF0 likes598 views
Dokumen ini membahas pengendalian kualitas statistik, termasuk konsep dasar kualitas produk dan jenis diagram kontrol untuk memantau variasi dalam proses. Penjelasan mencakup cara menentukan batas atas dan bawah dari kontrol, serta contoh penggunaan diagram kontrol dalam konteks produksi. Berbagai jenis variasi, termasuk variasi alami dan variasi yang dapat ditugaskan, dijelaskan beserta aplikasinya dalam pengendalian kualitas.
Grafik kualiats
- 2. Tujuan Bagaimana menentukan kualitas produk atau jasa Mempelajari jenis-jenis diagram kontrol Memahami dasar-dasar pengendalian kualitas secara statistik Mengetahui apakah sebuah proses dalam kendali
- 3. Definisi Kualitas Produk atau Jasa : Derajat dimana produk atau jasa yang memenuhi atau sesuai dengan disain atau spesisifikasi Total Quality Management : Mencakup keseluruhan manajemen, mulai dari supplier hingga konsumen Kendali Proses Statistik Menentapkan standard, memantau standard, membuat ukuran dan membuat tindakan korektif dari produk dan jasa yang dihasilkan
- 4. Diagram Kontrol Cara visual atau grafis dalam menyajikan data dalam dimensi waktu Batas Atas Kontrol Target Batas Bawah Kontrol
- 5. Batas Atas Kontrol Target Batas Bawah Kontrol Batas Atas Kontrol Target Batas Bawah Kontrol
- 6. Kegunaan Diagram Kontrol Untuk membantu membedakan antara variasi alami atau variasi yang diakibatkan oleh sesuatu penyebab (assignable variations) Variasi Alami : Umum dijumpai dalam semua proses produksi. Variasi ini bersifat random dan tidak dapat dikendalikan. Jika nilai-nilai ini berdistribusi normal maka terdapat dua parameter yaitu : 1. Rata-rata, µ, yaitu ukuran gejala pusat 2. Simpangan baku, σ yaitu ukuran sebaran nilai data Selama distribusi (presisi output) masih dalam limit yang ditetapkan, maka proses dikatakan “dalam kendali”. Assignable variations. Jika sebuah tidak dalam kendali, maka kita harus mendeteksi dan menghapus penyebab dari variasi ini. Variasi ini tidak bersifat acak dan dapat dikendalikan jika penyebabnya bisa ditentukan. Penyebab biasanyanya berkaitan dengan peralatan, kelelahan bahan, karyawan yang tidak terlatih, kesalahan dalam menset peralatan dlsb.
- 7. Jenis Diagram Kontrol X Bar VARIABEL Range/Kisaran Persentase ATRIBUT Count
- 8. Diagram Kontrol Variabel Digunakan jika ukuran dalam bentuk kontinu. Diagram kendali yang umum digunakan adalah : x x bar chart R Range chart X bar chart mengukur gejala pusat dari sebuah proses R chart mengukur kisaran antara item-item terbesar dengan terkecil
- 9. Mensetting Limit x bar Chart x x x x x x R R R R R x R σ UCL = x + zσ x σx = n LCL = x − zσ x z = 3 untuk keyakinan 99.7% = 2 untuk keyakinan 95.5%
- 10. Contoh Dalam proses pengisian makanan kecil ke dalam box, setiap jam dilakukan pemeriksaan terhadap beratnya. 36 box telah diambil secara acak dan ditimbang. Simpangan baku dari keseluruhan populasi berdasarkan data historis adalah 2 ons. Rata-rata dari keseluruhan sampel adalah 16 ons. 2 UCL = x + zσ x = 16 + 3 = 17 36 2 LCL = x − zσ x = 16 − 3 = 15 36
- 11. Jika simpangan baku tidak tersedia atau sudah dihitung, maka dapat digunakan nilai rata-rata kisaran UCL = x + A2 R LCL = x − A2 R
- 12. Faktor untuk menghitung Limit Diagram Kontrol Ukuran Sampel, n Mean Factor, A2 Upper Range, D4 Lower Range, D3 2 1.880 3.268 0 3 1.023 2.574 0 4 0.729 2.282 0 5 0.577 2.114 0 6 0.483 2.004 0 7 0.419 1.924 0.076 8 0.373 1.864 0.136 9 0.337 1.816 0.184 10 0.308 1.777 0.223 12 0.266 1.716 0.284 14 0.235 1.671 0.329 16 0.212 1.636 0.364 18 0.194 1.608 0.392 20 0.180 1.586 0.414 25 0.153 1.541 0.459
- 13. Contoh Contoh : Dalam botol minuman ringan “super cola” tertulis bahwa berat bersih adalah 16 ons. Ditemukan bahwa rata-rata berata keseluruhan proses adalah 16.01 ons yang diambil dari beberapa sampel dimana setiap sampel berisikan 5 botol. Rata-rata kisaran proses adalah 0.25 ons. Akan ditentukan limit atas dan bawah rata-rata dari proses ini. UCL = x + A2 R = 16.01 + (0.577)(0.25) = 16.154 LCL = x − A2 R = 16.01 − (0.577)(0.25) = 15.866
- 14. Mensetting Limit R Chart UCLR = D4 R LCLR = D3 R Sebuah proses menghasilkan rata-rata kisaran 53 kg. Jika ukuran sampel 5 tentukan batas bawah dan batas atas diagram UCLR = D4 R = (2.114)(53kg ) = 112.042 LCLR = D3 R = (0)(53kg ) = 0
- 15. Diagram Kontrol Atribut Digunakan jika sampling yang dilakukan adalah atribut. Biasanya diklasifikasikan ke dalam kategori cacat dan tidak cacat. Perhitungan bisa dalam bentuk persentase (diagram-p) atau pencacahan terhadap jumlah yang cacat (diagram-c)
- 16. Diagram-p UCL p = p + zσ p p (1 − p) σp = n UCL p = p − zσ p Rata-rata proporsi atau fraksi cacat dalam sampel
- 17. Contoh Berikut adalah hasil perkerjaan 20 petugas data entry. Setiap petugas memaasukkan 100 rekord. No Sampel Jml Kesalahan Fraksi Kesalahan No. Sampel Jml Kesalahan Fraksi Kesalahan 1 6 0.06 11 6 0.06 2 5 0.05 12 1 0.01 3 0 0.00 13 8 0.08 4 1 0.01 14 7 0.07 5 4 0.04 15 5 0.05 6 2 0.02 16 4 0.04 7 5 0.05 17 11 0.11 8 3 0.03 18 3 0.03 9 3 0.03 19 0 0.00 10 2 0.02 20 4 0.04 80
- 18. Akan ditetapkan limit kontrol demgam keyakinan 99.7% dari variasi dalam proses data entry 80 p= = 0.04 (100)(20) 0.04(1 − 0.04) σp = = 0.02 100 UCL p = p + zσ p= 0.04 + 3(0.02) = 0.10 LCL p = p − zσ p= 0.04 − 3(0.02) = 0
- 19. 0.12 0.11 0.10 UCL=0.1 0.09 Fraksi Cacat 0.08 0.07 0.06 0.05 0.04 p = 0.04 0.03 0.02 0.01 0.00 LCL=0 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 Sampel
- 20. Diagram-c UCLc = c + 3 c LCLc = c + 3 c 97.7% taraf keyakinan Rata-rata produk cacat
- 21. Latihan 1 Produk minuman ringan “dahaga” seharusnya memiliki berat bersih 4 ons. Mesin pengisi botol relatif masih baru dan manajer ingin mengetahui bahwa mesin tersebut telah diset secara benar. Manajer menarik sampel sebanyak n = 8 dan mencatat berat dan kisaran dari berat minuman seperti tabel berikut. Apakah mesin tersebut seudah diset secara benar? SAMPEL KISARAN SAMPEL RATA-RATA SAMPEL A 0.41 4.00 B 0.55 4.16 C 0.44 3.99 D 0.48 4.00 E 0.56 4.17 F 0.62 3.93 G 0.54 3.98 H 0.44 4.01
- 22. Latihan 2 Perusahaan elektronik “kesetrum jaya” mambuat tahanan, dan dari 100 produk terakhir yang dihasilkan diperoleh persentase produk yang cacat adalah 0.05. Tentukan batas bawah dan atas dengan taraf keyakinan 99.7%.
- 23. Latihan 3 Berikut adalah data berat cat yang diisi oleh mesin pengisi baru. Diharapkan mesin mengisi kaleng sebanyak 63.5 gram/kaleng. Masing-masing sampel berisikan 4 kaleng dan diperiksa dalam 4 jam sekali. Buatlah batas bawah dan atas untuk x bar dan R dengan taraf keyakinan 97.5%. SAMPEL RATA-RATA KISARAN SAMPEL RATA-RATA KISARAN 1 63.5 2.0 14 63.3 1.5 2 63.6 1.0 15 63.4 1.7 3 63.7 1.7 16 63.4 1.4 4 63.9 0.9 17 63.5 1.1 5 63.4 1.2 18 63.6 1.8 6 63.0 1.6 19 63.8 1.3 7 63.2 1.8 20 63.5 1.6 8 63.5 1.3 21 63.9 1.0 9 63.7 1.6 22 63.2 1.8 10 63.5 1.3 23 63.3 1.7 11 63.3 1.8 24 64.0 2 12 63.2 1.0 25 63.4 1.5 13 63.6 1.8
- 24. Latihan 4 Sampling yang dilakukan terhadap 4 potong kawat dalam pengamatan jam-jaman diberikan dalam tabel berikut. Buatlah limit kontrol yang sesuai untuk melihat apakah ada penyebab dalam proses pemotongan. JAM RATA-RATA KISARAN JAM RATA-RATA KISARAN 1 3.25’” 0.71” 13 3.11” 0.85” 2 3.10 1.18 14 2.83 1.31 3 3.22 1.43 15 3.12 1.06 4 3.39 1.26 16 2.84 0.50 5 3.07 1.17 17 2.86 1.43 6 2.86 0.32 18 2.74 1.29 7 3.05 0.53 19 3.41 1.61 8 2.65 1.13 20 2.89 1.09 9 3.02 0.71 21 2.65 1.08 10 2.85 1.33 22 3.28 0.46 11 2.83 1.17 23 2.94 1.58 12 2.97 0.40 24 2.64 0.97