Peningkatan Kualitas: Statistical Quality Control PDF

Peningkatan Kualitas: Statistical Quality Control Peningkatan kualitas adalah kunci untuk mencapai kesuksesan bisnis. Memahami dan menerapkan strategi yang tepat dapat meningkatkan daya saing dan kepuasan pelanggan. preencoded.p...

Peningkatan Kualitas: Statistical Quality Control Peningkatan kualitas adalah kunci untuk mencapai kesuksesan bisnis. Memahami dan menerapkan strategi yang tepat dapat meningkatkan daya saing dan kepuasan pelanggan. preencoded.png Pendekatan Kualitas Pendekatan Berdasarkan Konsumen Pendekatan Manufaktur “Fitness for use”. Kualitas baik jika memenuhi kebutuhan Pemenuhan desain atau spesifikasi. Kualitas bebas dari pengguna. kesalahan. preencoded.png Pentingnya Kualitas 1 Keputusan Konsumen 2 Kesuksesan Bisnis Kualitas menjadi faktor Memahami dan utama dalam pemilihan meningkatkan kualitas produk dan layanan. adalah kunci kesuksesan bisnis. preencoded.png Pengendalian dan Peningkatan Kualitas Quality Control Quality Improvement Serangkaian aktivitas untuk memastikan produk dan layanan Meningkatkan kualitas produk dan layanan secara memenuhi persyaratan. berkelanjutan. preencoded.png Langkah-langkah Perbaikan Kualitas 1 5S Pendekatan manajemen yang berfokus pada penataan dan pemeliharaan lingkungan kerja yang teratur. 2 Kaizen Perbaikan secara terus-menerus (continuous improvement) yang melibatkan aspek manusia dan teknologi. 3 Lean Sistem metode yang menekankan pada identifikasi dan penghapusan aktivitas yang tidak menambah nilai. 4 Six Sigma Metodologi untuk mengurangi variasi dan meningkatkan kualitas produk dan layanan. 5 Design For Six Sigma preencoded.png 5S "5 S" dalam perbaikan kualitas adalah sebuah pendekatan manajemen yang berfokus pada penataan dan pemeliharaan lingkungan kerja yang teratur. preencoded.png Kaizen: Semangat Perbaikan Berkelanjutan Prinsip Kaizen Komitmen Perbaikan Hari ini harus lebih baik Tidak boleh ada satu hari pun daripada kemarin, dan hari esok yang lewat tanpa harus lebih baik dari pada hari perbaikan/peningkatan. ini. Kesempatan Perbaikan Masalah yang timbul merupakan suatu kesempatan untuk melaksanakan perbaikan/peningkatan. preencoded.png Lean preencoded.png Six Sigma preencoded.png Kapabilitas Sigma Kapabilitas Sigma 1 2 3 4 5 6 No Kasus Aktivitas Kerja Unit Total 691.462 308.538 66.807 6.210 233 DPMO 3,4 DPMO DPMO DPMO DPMO DPMO 1 Kesalahan per 500 ribu transaksi Transaksi 500.000 transaksi 345.731 154.269 33.404 3.105 117 2 2 Ketiadaan listrik, telepon, air minum selama 1 bulan Utilitas Publik 108.000 detik 74.678 detik 33.322 7.215 detik 671 detik 25 detik 0 detik (30 hari=30 x 3600 detik= 108.000 detik) detik 3 Downtime msin/peralatan per 10 ribu jam kerja Perawatan 600.000 menit 414.877,2 185.122,8 40.084,2 3.726 139,8 2,04 (10.000 x 60 menit = 600 ribu menit) Mesin/Peralata menit menit menit menit menit menit n 4 Keterlambatan penyerahan proyek berjangka waktu Pelaksanaan 259.200 menit 179.227 menit 79.973 17.316 1.610 60 menit 1 menit 180 hari kerja (180 hr x 24 jam x 60 menit= 259.200 Proyek menit menit menit menit) 5 Kesalahan pemberian resep per 100 ribu pasien Pelayanan 100.000 pasien 69.146 pasien 30.854 6.681 621 pasien 23 pasien 0 pasien kesehatan pasien pasien 6 Kegagalan memperoleh pekerjaan yang sesuai per Link and 40.000 orang 27.658 orang 12.342 2.672 248 orang 9 orang 0 orang 40 ribu alumni universitas Match orang orang 7 Kehilangan bagasi per 10 juta penumpang pesawat Pelayanan 10.000.000 6.914.620 3.085.380 668.070 62.100 2.330 34 terbang Bagasi penumpang penumpang penumpa penumpan penumpan penumpan penumpa ng g g g ng 8 Kegagalan pembersihan ruangan seluas 100 m² (100 Cleaning 1.000.000 cm² 691.462 cm² 308.538 66.807 cm² 6.210 cm² 233 cm² 3,4 cm² m² = 1.000.000 cm² Service cm² 9 Deviasi dari rencana biaya proyek setiap Rp 1 Milyar Estimasi Biaya Rp 1 Milyar Rp 691.462 Rp Rp 66.807 Rp 6.210 Rp 233 Rp 3.400 Proyek per Rp juta 308.538 juta juta ribu 1 Milyar juta preencoded.png Metodologi Penyelesaian Masalah PDCA PDCA DMAIC A3 Thinking Eight Steps/Problem Solving Process (PSP) Plan, Do, Check, Act. Create team & collect Define Clarify the problem information Describe the problem Breakdown the problem DMAIC Measures Define containment actions Define, Measure, Analyze, Improve, Control. Plan Set a target Analyze the root cause Analyze the root cause A3 Thinking Analyze Metode penyelesaian masalah yang terstruktur. Define possible corrective Develop countermeasures actions Do Implement corrective Improve See countermeasures actions Check Eight Steps/Problem Solving Process (PSP) Evaluate results and Define actions to avoid processes Proses penyelesaian masalah yang terdiri dari delapan langkah. recurrence Control Act Congratulate your team Standardize succes preencoded.png Metodologi Penyelesaian Masalah preencoded.png  A GENERIC QUALITY IMPROVEMENT PROCESS DEFINE MEASU RE ANALYZE IMPROVE CONTROL Statistic Tools Statistik memainkan peran penting dalam pengendalian dan peningkatan kualitas. Mereka menyediakan sarana utama di mana suatu produk diambil sampelnya, diuji, dan dievaluasi, dan informasi dalam data tersebut digunakan untuk mengontrol dan meningkatkan proses dan produk. preencoded.png Control Chart Control Chart pertama kalinya diperkenalkan oleh Dr. Walter Andrew Shewhart yang bekerja untuk Bell Telephone Laboratories Amerika Serikat. Control Chart ini bertujuan untuk mengurangi variasi dalam Proses Produksi dan untuk mendeteksi penyebab khusus (special cause / unnatural Cause) yang mengakibatkan terjadinya Variasi. preencoded.png Penggunaan bagan kendali disesuaikan dengan jenis data yang ada. Data Variabel diukur dalam skala kontinu. Misalnya, waktu, berat, jarak, atau suhu dapat diukur dalam pecahan atau desimal. Data Atribut dihitung dan tidak boleh memiliki pecahan atau desimal. Data atribut muncul ketika kita hanya menentukan ada atau tidaknya sesuatu: berhasil atau gagal, menerima atau menolak, benar atau tidak benar.  Ukuran (Data Variabel) Model Perubahan Peta Kontrol Statistikal untuk Data Variabel Selama 24 Bulan UCL (Upper Control Limit) u = T (Target) LCL = Lower Control Imit 0 6 12 18 24 bulan Periode Waktu (Peningkatan Kinerja Data Variabel/Data Diukur) Indikator Kemajuan Program Six Sigma Melalui Perubahan Peta Kontrol Setiap Enam Bulan Menuju Target 99,9966% (Skor-Sigma = 6.0. DPMO/DPPM = 3,4)  Ukuran (Data Atribut Cacat) Model Perubahan Peta Kontrol Statistikal untuk Data Cacat Selama 24 Bulan P = 0.10 P = 0.10 P = 0.07 P = 0.04 P = 0.00 Target, p = 0 0 6 12 18 24 bulan Periode Waktu (Peningkatan Kinerja Data Variabel/Data Dihitung) Indikator Kemajuan Program Six Sigma Melalui Perubahan Peta Kontrol Setiap Enam Bulan Menuju Target 99,9966% (Skor-Sigma = 6.0. DPMO/DPPM = 3,4) Studi Kasus Salah satu proses dalam produksi sarung tangan adalah proses perakitan/penjahitan. Proses jahit (stitching) adalah proses membentuk stik/stitch pada dua potong bahan yang dijahit menggunakan benang jahit, dengan tujuan untuk merakit dan memperkuat sambungan pada kedua bahan yang dijahit, selain itu menjahit juga dapat digunakan untuk hiasan/dekorasi. Proses jahit merupakan proses paling utama yang ada pada sarung tangan, dimana semua komponen/pola sarung tangan yang sudah dipotong kemudian dirakit sesuai bagiannya yang terdiri dari komponen omo, ibu jari dan machi. preencoded.png  Studi Kasus Tanggal Produksi Σ Cacat 01/03/2019 150 12 Garis pusat (rata-rata) cacat dihitung dengan rumus: 04/03/2019 350 29 05/03/2019 374 26 Σ 𝑐𝑎𝑐𝑎𝑡 ഥ P= ……………………………1 06/03/2019 225 16 Σ 𝑠𝑎𝑚𝑝𝑒𝑙 08/03/2019 400 17 Selanjutnya menghitung Upper Control Limit (UCL) dan Lower Control 11/03/2019 175 14 Limit (LCL) dengan rumus: 12/03/2019 374 33 13/03/2019 350 31 ഥ P (1 − ഥ P) ഥ 𝑈𝐶𝐿 = P + 3 ……………………2 15/03/2019 140 6 𝑛 19/03/2019 250 7 20/03/2019 525 57 ഥ P (1 − ഥ P) ഥ 𝑈𝐶𝐿 = P − 3 ……………………3 21/03/2019 325 10 𝑛 22/03/2019 150 14 25/03/2019 125 3 26/03/2019 125 20 27/03/2019 375 15 preencoded.png  Studi Kasus Tanggal Produksi Σ Cacat Proporsi UCL LCL Analisis Kendali P-Chart cacat 01/03/2019 150 12 0,08 0,1328 0,0076 Σ 𝑐𝑎𝑐𝑎𝑡 310 04/03/2019 350 29 0,08 0,1112 0,0293 ഥ P= = = 0,0702 05/03/2019 374 26 0,07 0,1099 0,0306 Σ 𝑠𝑎𝑚𝑝𝑒𝑙 4413 06/03/2019 225 16 0,07 0,1214 0,0191 08/03/2019 400 17 0,04 0,1086 0,0319 11/03/2019 175 14 0,08 0,1282 0,0123 12/03/2019 374 33 0,09 0,1099 0,0306 0,0702 (1 − 0,0702) 𝑈𝐶𝐿 = 0,0702 + 3 = 0,1328 13/03/2019 350 31 0,09 0,1112 0,0293 150 15/03/2019 140 6 0,04 0,1350 0,0054 19/03/2019 250 7 0,03 0,1187 0,0218 20/03/2019 525 57 0,11 0,1037 0,0368 21/03/2019 325 10 0,03 0,1128 0,0277 22/03/2019 150 14 0,09 0,1328 0,0076 0,0702 1 − 0,0702 𝐿𝐶𝐿 = 0,0702 − 3 = 0,0076 25/03/2019 125 3 0,02 0,1388 0,0017 150 26/03/2019 125 20 0,16 0,1388 0,0017 27/03/2019 375 15 0,04 0,1098 0,0307 Jumlah 4413 310 preencoded.png  Studi Kasus P-Chart 0,18 0,16 0,14 Dari peta kendali yang dihasilkan dapat dilihat ada 2 titik cacat 0,12 yang tidak terkendali yaitu pada titik ke 11 dan titik 15. Proportion 0,1 0,08 ini menunjukkan adanya variasi yang tidak biasa dalam proses, yang bisa disebabkan oleh faktor eksternal atau 0,06 kesalahan dalam proses. Hal ini memberi sinyal bahwa 0,04 tindakan perbaikan mungkin diperlukan untuk mengembalikan proses ke kondisi stabil. 0,02 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 Sample Proporsi cacat Center UCL LCL preencoded.png  Atribut Control Chart (Peta C) C pada C-Chart berarti “count” atau hitung cacat, ini bermaksud bahwa C-chart dibuat berdasarkan pada banyaknya titik cacat dalam suatu item. C-chart (maupun U-chart) didasarkan pada distribusi poison yang pada dasarnya mensyaratkan bahwa jumlah peluang atau lokasi potensial cacat sangat besar (tak terhingga) dan bahwa probability cacat di setiap lokasi menjadi kecil dan konstan. Selanjutnya, prosedur pemeriksaan harus sama untuk setiap sampel dan dilakukan secara konsisten dari sampel ke sampel (Montgomery, 2005, p. 289)  Komponen Banyak Cacat 1 7 2 6 3 6 4 7 5 4 6 7 Contoh kasus peta c : Data berikut menunjukkan banyak cacat dari 7 8 komponen TV yang diproduksi oleh pabrik tertentu. 8 12 Hitung rata-rata cacat / komponen TV dan apakah proses masih dalam batas kendali ? 9 9 10 9 11 8 12 5 ∑ 88  Tugas Suatu pabrik memproduksi sepatu. Setiap hari, sejumlah unit sepatu diperiksa untuk mengetahui apakah ada cacat produksi (nonconforming). Data yang diberikan menunjukkan jumlah sepatu yang tidak sesuai dengan standar kualitas pada sampel yang diambil setiap hari selama 20 hari berturut-turut. Produksi Σ Cacat 200 14 180 10 200 17 120 8 300 20 250 18 Menghitung proporsi produk cacat. 400 28 Menganalisis proses berdasarkan hasil grafik. 180 20 210 24 380 30 190 15 380 26 200 10 210 14 390 24 120 15 190 18 380 19 200 11 180 12 preencoded.png Data berikut menunjukkan banyak cacat dari komponen Sepatu yang diproduksi oleh pabrik tertentu. Hitung rata-rata cacat / komponen Sepatu dan apakah proses masih dalam batas kendali ? Komponen Banyak Cacat 1 8 2 7 3 6 4 7 5 4 6 17 7 8 8 12 9 9 10 12 11 20 12 5 preencoded.png Terima Kasih preencoded.png