Upload
arie-febrianto-mulyadi
View
700
Download
6
Embed Size (px)
Citation preview
Peta KendaliPeta Kendali
Plot of Sample Data Over Time
0
20
40
60
80
1 5 9 13 17 21
Time
Sam
ple
Valu
e
SampleValueUCL
Average
LCL
StatisticalQuality Control
Process Control
Acceptance Sampling
Variables Charts
Attributes Charts
Types of Statistical Quality Control
ControlCharts
RChart
VariablesCharts
AttributesCharts
XChart
PChart
CChart
Continuous Numerical Data
Categorical or Discrete Numerical Data
Control Chart Types
S6-5 © 2004 by Prentice Hall, Inc., Upper Saddle River, N.J. 07458Transparency Masters to accompany Heizer/Render – Principles of Operations Management, 5e, and Operations Management, 7e
X
Mean
Central Limit Theorem
x
x
nX
Standard deviation
X
Theoretical Basis of Control Charts
Control Charts Classification..
• Variables - concentrates on mean for some measurable characteristic (pengukuran)– diameter– length
• Attribute - data is based on counts or the number of times we observe a particular event (perhitungan)– proportion defective/non-defective– go/no go
TYPE CONTROL CHART
P,l,b,vData diukurPeta X-R
•Jumlah cacat lubang dr ukuran t3, tetap
Data dihitungPeta c
•Jumlah cacat lubang dr ukuran berbeda dan berubah
Data dihitungPeta u
•Jumlah kerusakan•Jenis kerusakan
Data dihitungPeta p-np
ExampleSubyekTipe
Tahapan Analisis Peta Kendali
• Memilih karakteristik yg akan direncanakan (prioritas tinggi pd proses yg sgt mempengaruhi kualitas produk akhir)
• Memilih tipe peta kendali• Menentukan garis pusat (Center Line) dan
batas kendali atas dan bawah (UCL dan LCL)• Penempatan data dan interpretasi hasil
p/np/cp/np/c Chart Structure Chart Structure
UCLUCL
LCLLCL
Process MeanProcess MeanWhen in ControlWhen in Control
Center LineCenter Line
TimeTime
p/np/c Upper Control Upper Control LimitLimit
Lower Control Lower Control LimitLimit
Warning Conditions…..Out of Control
Western Electric :1. 1 titik diluar batas kendali ( 3σ)2. 2 dr 3 titik berurutan diluar
batas kendali (2σ)3. 4 dr 5 titik berurutan jauh dari
GT (1σ)4. 8 titik berurutan (pola giliran) di
satu sisi GT5. 1/beberapa titik dekat satu
batas kendali6. Pola data TAK RANDOM
Pola Peta Kendali
Peta Kendali Peta Kendali ATRIBUTATRIBUT
KonsepKonsep• Atribut : karakteristik kualitas yg sesuai Atribut : karakteristik kualitas yg sesuai
spesifikasi atau tidakspesifikasi atau tidak
• Atribut dipakai jk ada pengukuran yg Atribut dipakai jk ada pengukuran yg tidak mungkin dilakukan ( tidak dibuat) tidak mungkin dilakukan ( tidak dibuat) spt : goresan,apel yg busuk, kesalahan spt : goresan,apel yg busuk, kesalahan warna, ada bagian yg hilangwarna, ada bagian yg hilang
Tipe Peta Kendali Tipe Peta Kendali ATRIBUTATRIBUT
1.1. Berdasar Distribusi BINOMIALBerdasar Distribusi BINOMIAL– Kelompok pengendali unit ketidaksesuaianKelompok pengendali unit ketidaksesuaian– Dinyatakan dalam proporsi (%)Dinyatakan dalam proporsi (%)
– Menunjukkan proporsi ketidaksesuaian Menunjukkan proporsi ketidaksesuaian
dalam sampel / sub kelompokdalam sampel / sub kelompok
p dan npp dan np Chart Chart
2. Berdasar Distribusi POISSON2. Berdasar Distribusi POISSON– bagian ketidaksesuaian dalam unit inspeksibagian ketidaksesuaian dalam unit inspeksi– Berkaitan dg kombinasi ketidaksesuaian Berkaitan dg kombinasi ketidaksesuaian
berdasar BOBOT yg dipengaruhi banyak berdasar BOBOT yg dipengaruhi banyak sedikitnya ketidaksesuaiansedikitnya ketidaksesuaian
c- Chart dan u-chartc- Chart dan u-chart
Process Control Charts
Plot of Sample Data Over Time
0
20
40
60
80
1 5 9 13 17 21
Time
Sam
ple
Val
ue
SampleValueUCL
Average
LCL
Sampel SAMA…Sampel SAMA…pp chart chart
• Proporsi diketahui
• Garis Tengah = p¯
pp p
n
( )1
UCL p
LCL p
p p
p p
3
3
Sampel SAMA…Sampel SAMA…pp chart chart• Proporsi TIDAK diketahui
m nomer sampel (vertikal) n ukuran sampel (horisontal) D bagian tidak sesuai
p¯ = ∑Di/(mn)
Garis Tengah = p¯
pp p
n
( )1UCL p
LCL p
p p
p p
3
3
Sampel BEDA …Sampel BEDA …
a.a. Metode INDIVIDU Metode INDIVIDU Batas Kendali tergantung Batas Kendali tergantung ukuran sample tertentu shg BKA/BKB tidak ukuran sample tertentu shg BKA/BKB tidak berupa garis LURUSberupa garis LURUS
b.b. Metode RATA_RATA Metode RATA_RATA Ukuran sampel RATA - Ukuran sampel RATA -RATA dg perbedaan tidak terlalu besarRATA dg perbedaan tidak terlalu besar
( n¯ = ∑n/observasi)( n¯ = ∑n/observasi)
c.c. Peta Kendali TERSTANDAR dg GT=0 dan BK Peta Kendali TERSTANDAR dg GT=0 dan BK ± 3± 3
npnp Chart Chart
UCL = np np p 3 1( )
LCL = np np p 3 1( )
Note: If computed LCL is negative, set LCL = 0Note: If computed LCL is negative, set LCL = 0
c-chart dan u-chartc-chart dan u-chart• Mengetahui banyaknya kesalahan unit Mengetahui banyaknya kesalahan unit
produk sbg sampelproduk sbg sampel• Sampel konstan Sampel konstan c-chart c-chart• Sampel bervariasi Sampel bervariasi u-chart u-chart• Aplikasi : bercak pd tembok, Aplikasi : bercak pd tembok,
gelembung udara pd gelas, kesalahan gelembung udara pd gelas, kesalahan pemasangan sekrup pd mobilpemasangan sekrup pd mobil
Number of defects per unit:Number of defects per unit:
c¯ = ∑ ci / nc¯ = ∑ ci / n
UCL cc c 3
LCL cc c 3
c c
C - chartC - chart
U-chartU-chart• u¯ = ∑ ci/nu¯ = ∑ ci/n• n ¯ = ∑ ni/gn ¯ = ∑ ni/g
g = banyaknya observasig = banyaknya observasi
Model IndividuModel Individu• BPA-u = u¯ + 3 √ (u¯ /ni)BPA-u = u¯ + 3 √ (u¯ /ni)• BPB-u = u¯ - 3 √ (u¯ /ni)BPB-u = u¯ - 3 √ (u¯ /ni)
Model Rata-rataModel Rata-rata• BPA-u = u¯ + 3 √ (u¯ /n¯)BPA-u = u¯ + 3 √ (u¯ /n¯)• BPB-u = u¯ - 3 √ (u¯ /n¯)BPB-u = u¯ - 3 √ (u¯ /n¯)
Data yg diplotkan pada …
• C-chart : nilai c
• U – chart : nilai c/ni
4 1 5 3 2 7 4 5 2 3
2 8 5 3 6 4 2 5 3 6
TwTwenty samples, each enty samples, each consisting of 250 checks, consisting of 250 checks, The number of defective The number of defective checks found in the 20 checks found in the 20 samples are listed below.samples are listed below.
(proporsi tidak diketahui)(proporsi tidak diketahui)
Example………Example………p-np chartp-np chart
$$
115006529 25447581 1445
26552655
Simon Says
Simon SaysAugusta, ME 01227
Augusta, ME 01227
LCL = 3 .016 3(.007936) -.007808 0pp
(1 ) .016(1 .016) .015744.007936
250 250p
p pn
UCL = 3 .016 3(.007936) .039808pp
Note that theNote that thecomputed computed
LCLLCLis negative.is negative.
Estimated Estimated pp = 80/((20)(250)) = 80/5000 = .016 = 80/((20)(250)) = 80/5000 = .016
Control Limits For a Control Limits For a pp Chart Chart $$
115006529 25447581 1445
26552655
Simon Says
Simon SaysAugusta, ME 01227
Augusta, ME 01227
Tdk sesuaiTdk sesuai ProporsiProporsi Tdk sesuaiTdk sesuai ProporsiProporsi
44
11
55
33
22
77
44
55
22
33
(4/250) = 0,016(4/250) = 0,016
(1/250) =0,004(1/250) =0,004
22
88
55
33
66
44
22
55
33
66
(2/250) = 0,008(2/250) = 0,008
(8/250) = 0,032(8/250) = 0,032
p Chart for Norwest Bank
0.000
0.005
0.010
0.015
0.020
0.025
0.030
0.035
0.040
0.045
0 5 10 15 20
Sample Number
Sa
mp
le P
rop
ort
ion
p
UCL
LCL
Control Limits For a Control Limits For a pp Chart Chart $$
115006529 25447581 1445
26552655
Simon Says
Simon SaysAugusta, ME 01227
Augusta, ME 01227
Ukuran sampel sama = 50 (Ukuran sampel sama = 50 ( p p-chart)-chart)
nono Banyak produk cacatBanyak produk cacat nono Banyak produk cacatBanyak produk cacat
11
22
33
44
55
66
77
88
99
1010
44
22
55
33
22
11
33
22
55
44
1111
1212
1313
1414
1515
1616
1717
1818
1919
2020
33
55
55
22
33
22
44
1010
44
33
• n n ==
• m m ==
• D D ==
• p¯p¯ ==
• BKABKA ==
• BKB BKB ==
• Tabel proporsi untuk plot ke grafikTabel proporsi untuk plot ke grafik
• n n = 50= 50• m m = 20= 20• D D = 72= 72• p¯p¯ = 72 / (20.50) = .072= 72 / (20.50) = .072• σσpp = √ (0,072)(0,928)/50 = .037= √ (0,072)(0,928)/50 = .037• BKABKA = 0,072 + 3(0,037)= 0,072 + 3(0,037) = 0,183 = 0,183• BKB BKB = 0,072 - 3(0,037) = -0,039 = 0= 0,072 - 3(0,037) = -0,039 = 0• Tabel proporsi untuk plot ke grafikTabel proporsi untuk plot ke grafik
Ukuran sampel sama = 50 (Ukuran sampel sama = 50 ( p p-chart)-chart)
cacatcacat proporsiproporsi cacatcacat proporsiproporsi
44
22
55
33
22
11
33
22
55
44
(4/50 ) = 0,08(4/50 ) = 0,08
(2/50) = 0,04(2/50) = 0,04
33
55
55
22
33
22
44
1010
44
33
(5/50) = 0,01(5/50) = 0,01
(10/50) = 0,20 (out)(10/50) = 0,20 (out) revisi revisi
(4/50) = 0,08(4/50) = 0,08
(3/50) = 0,06(3/50) = 0,06
RevisiRevisi• p¯ = (72-10) / (1000-50) = 62/950 = 0,065p¯ = (72-10) / (1000-50) = 62/950 = 0,065
• σσp = √ (0,065)(0,935)/50 = 0,035p = √ (0,065)(0,935)/50 = 0,035
• BKA = 0,065 + 3 (0,035) = 0.17BKA = 0,065 + 3 (0,035) = 0.17
• BKB = 0,065 - 3 (0,035) = -0,04 = 0BKB = 0,065 - 3 (0,035) = -0,04 = 0
• Grafiknya juga berubahGrafiknya juga berubah
Ukuran sampel beda (Ukuran sampel beda (p p chart)chart)
nono sampelsampel Produk cacatProduk cacat nono sampelsampel Produk cacatProduk cacat
11
22
33
44
55
66
77
88
99
1010
200200
180180
200200
120120
300300
250250
400400
180180
210210
380380
1414
1010
1717
88
2020
1818
2525
2020
3030
1515
1111
1212
1313
1414
1515
1616
1717
1818
1919
2020
190190
380380
200200
210210
390390
120120
190190
380380
200200
180180
1515
2626
1010
1414
2424
1515
1818
1919
1111
1212
JmlJml sampelsampel 48604860 JmlJml CacatCacat 341341
Metode Rata-rataMetode Rata-rata• Sampel rata-rataSampel rata-rata
n¯ n¯ = total sampel /observasi= total sampel /observasi
= 4860/20 = 243= 4860/20 = 243
p¯p¯ = D/(n¯m)= D/(n¯m)
= 341 / (243.20) = 0,07 (CL)= 341 / (243.20) = 0,07 (CL)
σσp p = √ (0,07(0,93))/243 = 0,0164= √ (0,07(0,93))/243 = 0,0164
BPAp = 0,07 + 3 (0,0164) = 0,119BPAp = 0,07 + 3 (0,0164) = 0,119
BPBp = 0,07 - 3 (0,0164) = 0,021BPBp = 0,07 - 3 (0,0164) = 0,021
Metode IndividuMetode Individu• Sampel rata-rataSampel rata-rata
n¯ = total sampel /observasin¯ = total sampel /observasi
= 4860/20 = 243= 4860/20 = 243
pp ¯ ¯ = D/(n¯m)= D/(n¯m)
= 341 / (243.20) = 0,07 (CL) = 341 / (243.20) = 0,07 (CL) semua semua
titik samatitik sama• BP (obs-1)BP (obs-1)
σσp p = √ (0,07(0,93))/200 = 0,018= √ (0,07(0,93))/200 = 0,018
BPA = 0,07 + 3 (0,018) = 0,124BPA = 0,07 + 3 (0,018) = 0,124
BPB = 0,07 - 3 (0,018) = 0,016BPB = 0,07 - 3 (0,018) = 0,016 BP (obs-2)……………….dstBP (obs-2)……………….dst
Tabel Proporsi untuk GrafikTabel Proporsi untuk Grafik
No observasiNo observasi sampelsampel cacatcacat proporsiproporsi
11
22
33
44
55
66
77
88
99
1010
1111
1212
1313
1414
1515
1616
1717
1818
1919
2020
200200
180180
200200
120120
300300
250250
400400
180180
210210
380380
190190
380380
200200
210210
390390
120120
190190
380380
200200
180180
1414
1010
1717
88
2020
1818
2525
2020
3030
1515
1515
2626
1010
1414
2424
1515
1818
1919
1111
1212
0,0700,070
0,0550,055
0,0850,085
0,0670,067
……
……
……
……
……
……
……
……
……
……
……
……
0,0950,095
0,0500,050
0,0550,055
0,0670,067
Example…c-chartExample…c-chart
nono Byknya Byknya kesalahankesalahan
nono Byknya kesalahanByknya kesalahan
11
22
33
44
55
66
77
88
99
1010
55
44
77
66
88
55
66
55
1616
1010
1111
1212
1313
1414
1515
1616
1717
1818
1919
2020
99
77
88
1111
99
55
77
66
1010
88
• c¯ = ∑c/n = 152/20 = 7,6c¯ = ∑c/n = 152/20 = 7,6
• σσc = c = √7,6√7,6
• BPA c = (7, 6) + 3 (√7,6) = 15,87BPA c = (7, 6) + 3 (√7,6) = 15,87
• BPB c = (7, 6) - 3 (√7,6) = -0,67 = 0BPB c = (7, 6) - 3 (√7,6) = -0,67 = 0
• Titik yang diplotkan adalah nilai cTitik yang diplotkan adalah nilai c
Example…u-chartExample…u-chartnono SampelSampel cacatcacat nono sampelsampel cacatcacat
11
22
33
44
55
66
77
88
99
1010
2020
3030
2525
1515
2525
1010
2020
1515
1515
2525
55
1414
88
88
1212
66
2020
1010
66
1010
1111
1212
1313
1414
1515
1616
1717
1818
1919
2020
3030
2525
2525
2525
1010
2020
2020
1010
3030
2020
99
1616
1212
1010
66
88
55
55
1414
88
Metode Rata-rataMetode Rata-rata
• Sampel Rata-rataSampel Rata-rata
u¯ = 192/415 = 0,462 (CL)u¯ = 192/415 = 0,462 (CL)
n¯ = 415/20 = 20,75n¯ = 415/20 = 20,75
BPAu = (0,462) + 3 √ (0,462/20,75) = 0,906 BPAu = (0,462) + 3 √ (0,462/20,75) = 0,906
BPBu = (0,462) - 3 √ (0,462/20,75) = 0,018BPBu = (0,462) - 3 √ (0,462/20,75) = 0,018
Metode IndividuMetode Individu
• Sampel Rata-rataSampel Rata-rata
u¯ = 192/415 = 0,462 (CL)u¯ = 192/415 = 0,462 (CL)
n¯ = 415/20 = 20,75n¯ = 415/20 = 20,75
• Batas KendaliBatas Kendali• Observasi -1Observasi -1
BPA-1 = (0,462) + 3 √ (0,462/20) = 0,916 BPA-1 = (0,462) + 3 √ (0,462/20) = 0,916
BPB-1 = (0,462) - 3 √ (0,462/20) = BPB-1 = (0,462) - 3 √ (0,462/20) = 0,008…….dst0,008…….dst