QUALITY CONTROL HISTORY
Pengertian :
Qualty Control History adalah salah satu cara untuk memecahkan gejala masalah ,atau sudah menjadi masalah.
Masalah merupakan hasil yang tak sesuai dengan yang diharapkan dari suatu
aktivitas pekerjaan.
Penyelesaian dari sebuah masalah yaitu dengan melakukan perbaikan ke tingkat
yang disepakati.
Countermeasure dilakukan untuk mencegah masalah yang sama supaya tidak berulang
lagi.
Prosedur ini adalah sejenis cerita dari kegiatan pengendalian kualitas (QC)
sehingga disebut “QC History”
Sebuah masalah dapat dipecahkan melalui tujuh langkah :
1. Identifikasi masalah
2. Observasi Masalah: Mengenali jenis masalah.
3. Analisa Masalah : Menemukan penyebab utama.
4. Tindakan : Tindakan untuk menghilangkan penyebab.
QC Story
5. Memeriksa Hasil / Check : Mengkonfirmasi keefektifan tindakan.
6. Standarisasi : Menghilangkan penyebab masalah secara permanent.
7. Rencana Selanjutnya : Review improvement yg sudah dilakukan &
merencanakan tindakan improvement berikutnya.
1.Indetifikasi Masalah
Langkah nya sebagai berikut :
a. Tentukan bahwa masalah yang ditangani merupakan yang terbesar dibanding
masalah yang lain.
b. Tentukan apa yang menjadi latar belakang masalah
c. Tentukan kerugian-kerugian “ biaya” yang diakibatkan dari timbulnya masalah tersebut
d. Menetapkan topik dan target dari indentifikasi masalah ini
e. Menunjuk pic yang bertanggung jawab, apabila sebuah tim maka tunjuk anggota dan
leadernya.
f. Memperkirakan budget untuk improvement.
g. Membuat schedule untuk improvement.
2.Observasi Masalah
Langkah nya sebagai berikut :
a. Menyelidiki masalah (when, where, what / tipe dan symtoms / gejala)
b. Mengamati dari berbagai sudut pandang untuk melihat variasi hasil.
c, Meninjau lokasi masalah dan mengumpulkan informasi yang diperlukan yang
tidak didapat dari
data tertulis.
3.Analisa Masalah
Langkah nya sebagai berikut :
3.1. Set up hipotesa (pilih calon penyebab utamanya).
a. Buatlah cause & effect diagram.
b. Gunakan informasi yang didapat dari pengamatan lapangan dan hilangkan
beberapa element
yang jelas-jelas tidak relevan. Revisi cause & effect
diagram.
c. Tandai unsur-unsur yang mempunyai kemungkinan menjadi penyebab utama.
3.2. Uji hipotesa :
a. Dari unsur-unsur yang mempunyai kemungkinan besar menjadi penyebab utama,
buatlah
rencana untuk memastikannya dengan mendapatkan data-data baru maupun dengan
melakukan percobaan.
b. Menggabungkan seluruh informasi yang sudah diperoleh dan memutuskan penyebab
utamanya.
c. Jika memungkinkan, lakukan produksi ulang part yang bermasalah tersebut.
4.Tindakan
Langkah nya sebagai berikut :
1. Bedakan antara tindakan pengatasan masalah sementara dan tindakan untuk
menghilangkan akar permasalahan permanent (pencegahan masalah).
2. Pastikan bahwa tindakan yang diambil tidak menimbulkan efek samping. Apabila
tidak memungkinkan, maka rencanakan tindakan untuk mengatasi efek samping
tersebut.
3. Merencanakan beberapa proposal untuk alternatif tindakan, buat masing-masing
keuntungan dan kerugiannya dan pilihlah yang semua pihak bisa menerimanya.
5.Memeriksa Hasil / Check
Aktivitas :
1. Dalam format yang sama (tabel, grafik, diagram) bandingkan data sebelum dan
setelah improvement.
2. Konversikan hasilnya dalam bentuk “biaya” yang dihemat dan bandingkan
terhadap target nilai.
3. Buatlah daftar efek samping yang ditimbulkan, yang baik maupun yang buruk.
6.Standarisasi
Aktivitas :
1. 5 W’s dan 1 H (who, when, where, what, why & how) untuk improvement
harus jelas teridentifikasi dan dijadikan standar.
2. Persiapan-persiapan yg diperlukan & komunikasi dg bagian terkait
dibutuhkan untuk memperkenalkan standar baru ini dengan benar.
Standarisasi
3. Pendidikan dan pelatihan ke pic yang terkait harus diimplementasikan.
4. Set-up pic yang bertanggungawab agar standarisasi dapat dilaksanakan
seterusnya sehingga masalah tidak berulang lagi.
7.Rencana Selanjutnya
Aktivitas :
1. Lihat masalah-masalah yang masih tersisa.
2. Rencanakan tindakan yg harus dikerjakan untuk memecahkan masalah-masalah
tersebut.
3. Review kelebihan dan kekurangan dari aktivitas improvement yang sudah
dilakukan, untuk dijadikan pertimbangan kegiatan QC story berikutnya.
INSPEKSI
Inspeksi :
adalah suatu kegiatan penilaian terhadap suatu produk, apakah produk itu baik
atau rusak ataupun untuk penentuan apakah suatu lot dapat diterima atau tidak
berdasarkan metode & standard yang sudah ditentukan.
Dengan kata lain inspeksi adalah kegiatan operasional untuk memeriksa material
atau part yang diperlukan oleh proses produksi untuk dapat memenuhi spesifikasi
pada proses berikutnya atau memenuhi spesifikasi pelanggan sebelum produk
tersebut dikirim.
Inpeksi mencakup pengukuran material, part-part atau produk jadi dengan methode
tertentu dan membandingkan hasilnya dengan standard (drawing, JIS dsb) untuk
penentuan keberterimaannya.
Pengukuran yang dimaksudkan disini, tidak hanya bersifat dimensional (vernier
caliper, micrometer, dsb) ataupun pengujian properties (hardness serta
komposisi kimia) tetapi juga sensory (noise check , visual check : noda dan
crack)
Testing / Pengujian adalah pelaksanaan pengecheckan berbagai sifat properties
dan karakteristik produk seperti pengukuran dimensinya, kekuatan material dan
komposisinya.
Inspeksi / Pemeriksaan adalah pelaksanaan penilaian apakah produk dapat
diterima atau tidak dengan membandingkannya terhadap Standard Penilaian.
Inspeksi merupakan bagian yang penting bagian yang penting dari Quality Control
/ Pengendalian Mutu & kegiatan jaminan kualitas.
Fungsi Inspeksi / Pemeriksaan :
1. Fungsi Assurance :
Maksudnya adalah kegiatan pemeriksaan tiap-tiap part / lot dan membandingkan
hasilnya dengan Judgement Standard untuk penentuan keberterimaan part / lot
tersebut sebelum pengiriman selanjutnya.
Fungsi Assurance ini akan berhasil dengan baik apabila ada : methode, sistem,
standard & judgement inspeksi, keakurasian peralatan inspeksi, training dan
pendidikan inspector yang baik serta adanya kriteria yang jelas terhadap
penanganan part/lot yang diperiksa.
2. Fungsi Preventive :
Inspeksi yang ketat dapat mendeteksi ketidaksesuaian part / NG dan
memisahkannya dari part yang sesuai / OK, tetapi tetap saja tidak dapat
mencegah ketidaksesuaian part tersebut untuk tetap diproduksi.
Untuk menghilangkan ketidaksesuaian part, adalah diperlukan untuk mengontrol
proses produksi dan menentukan penyebabnya serta mengambil tindakan corrective
yang diperlukan.
Ungkapan “Quality is Build in Process ” :
Ketika ditemukan ketidaksesuaian produk, berdasarkan data seharusnya langsung
diberikan feedback pada proses terkait sehingga ketidaksesuaian produk tidak
terus diproduksi.
Hal ini dinamakan fungsi Preventive yang merupakan fungsi yang paling
diperlukan dalam Quality Control namun seringkali kurang dimanfaatkan.
Untuk optimalisasi fungsi preventive ini, maka bagian inspeksi seharusnya
secara rutin memberikan data feedback dari part yang diperiksa dari kegiatan
Quality Control kepada bagian terkait mis : desain, engineering dan produksi,
sehingga dapat dilakukan langkah-langkah yang diperlukan untuk mencegah
Supaya data feedback bisa efektif, methode pengumpulan data dan prosedur
feedback dari bagian inspeksi terhadap bagian desain, engineering dan produksi
perlu diatur lebih rinci. (mis ; Instruksi kerja, SOP, Prosedure ISO dsb)
Inspeksi & Quality Control :
Sebagaimana diungkapkan “ Quality is Built in Process” , kualitas tidak bisa
hanya diperoleh dengan melakukan proses inspeksi.
Tujuan dari pemeriksaan dalam Quality control mulai dari material mentah,
blanks sampai pengiriman adalah memastikan bahwa kualitas dibangun dalam tiap
proses dan tidak hanya men “sortir” part kedalam OK atau NG dan menjamin part
NG tidak terus diproduksi.
Banyak hal yang masih kurang sampai sekarang adalah pemeriksaan dibuat hanya
untuk penyaringan part yang NG dari part yang OK.
Adalah sama-sama pentingnya untuk
tetap melaksanakan pemeriksaan sampling dan juga memastikan bahwa “Kualitas“
telah dibangun di setiap proses produksi. Yaitu dengan cara melakukan kontrol
proses produksi dengan menggunakan Bagan Kendali / Control Chart dll dan
berdasarkan analisa data yang diperoleh, memastikan bahwa part NG tidak akan
terus diproduksi.
Untuk mencapai hal ini , “ analisa capability proses, control limit proses,
daily quality inspection, effective corrective action dan berbagai aktivitas
lainnya diperlukan sehingga penyebab dari ketidaknormalan proses produksi dapat
dideteksi dan diambil langkah-langkah pengatasannya.
Kemudian, tindakan-tindakan yang diperlukan dilakukan untuk mencegah
ketidaksesuaian produk yang berulang sehingga didapat kestabilan proses dan
menjadikan produk memiliki kevariasian yang sesedikit mungkin.
Tipe Inspeksi :
Klasifikasi berdasarkan Methode Inspeksi :
Secara umum terbagi 3 methode inspeksi yaitu Total Inspeksi, Sampling Inspeksi,
dan Periodik Inspeksi.
1.Total Inspeksi :
Adalah dimana methode inspeksi yang dilakukan dengan cara mengukur / menguji
seluruh part / produk produksi untuk dapat memutuskan apakah part / produk
tersebut bisa diterima atau tidak.
2. Sampling Inspeksi
Adalah methode inspeksi yang dilakukan dengan cara mengambil secara acak part /
produk dari sebuah lot dan mengukur / menguji untuk penentuan apakah sebuah lot
tersebut dapat diterima atau tidak.
3. Periodik Inspeksi :
Adalah methode inspeksi yang dilakukan dengan cara mengambil sebagian kecil
dari sample dan memeriksa keberterimaannya dari suatu proses produksi per
periodik waktu yang telah ditentukan.
Hal ini biasanya diterapkan pada saat awal produksi, pada saat setting mesin
atau dilakukan rutin per waktu check (misal tiap 2 jam)
2. Klasifikasi dengan Tujuan :
1. Penerimaan Inspeksi
Adalah inspeksi yang dilaksanakan saat penerimaan part / material dari supplier
sebelum masuk ke gudang penyimpanan. Sebagai contoh adalah pelaksanaan incoming
inspeksi untuk material cat, alumunium ingot dari supplier.
2. Proses Inspeksi
Adalah inspeksi yang dilakukan saat part sedang diproses produksi, mulai dari
satu proses ke proses lain dalam proses manufaktur yang berurutan (ban berjalan
/ konveyor). Misalnya pelaksanaan middle inspection di line assembling unit
motor.
3. Outgoing Inspeksi
Adalah inspeksi yang dilakukan pada bagian final / akhir dari proses produksi
untuk menjamin kualitas dari produk yang dihasilkan sebelum pengiriman.
Misalnya pelaksanaan final inspection unit motor di line assembling. (pemberian
tag OK unit , bagi motor yang lolos pengecheckan final)
3. Klasifikasi oleh Properties
1. Destructive Inspeksi :
Adalah inspeksi yang dilakukan dengan cara desctructive / merusak part atau
produk. Misalnya test penetrasi pada welding, test tarik pada material dsb
2. Non Destructive Test Inspeksi
Adalah inspeksi yang tidak mengakibatkan part/produk menjadi rusak. Misalnya
Ultrasonic inspection, x-ray inspection
Inspeksi Sensory :
Adalah Inspeksi Kualitas yang dilakukan dengan menggunakan indera manusia,
dikarenakan belum adanya instrumentasi yang cukup mewadahi dibandingkan dengan
kemampuan inderawi manusia.
Yang termasuk inspeksi sensory ini meliputi : visual, aural / pendengaran,
tactile / touch / persentuhan, olfactory / smell / penciuman dan taste / rasa.
Visual : misalnya inspeksi appearance, color matching.
Aural : misalnya engine noise, gear shift feeling.
Tactile : misalnya kekerasan seat double pada unit motor.
Smell : misalnya inspeksi bau pada tembakau, rokok,
Taste : misalnya inspeksi rasa pada teh, kopi .
Akhir akhir ini seiring perkembangan teknik instrumentasi, berbagai
karakteristik kualitas menjadi dapat terukur, tetapi tetap saja tersisa
beberapa karakteristik yang evaluasinya masih mengandalkan indera manusia.
Beberapa kelebihan Inspeksi Sensory :
1. Beberapa keputusan/judgement hanya dapat dibuat oleh indra manusia.
2. Inspeksi sensor lebih cepat dibanding dengan instrument.
3. Tidak memerlukan investasi untuk peralatan.
Beberapa kelemahan Inspeksi Sensor :
1. Properties atau karakteristik yang sama dapat dinilai berbeda oleh orang
yang beda.
2. Orang yang sama dapat secara berbeda menilai properties atau karakteristik
yang sama bahkan pada kondisi yang terkontrol.
3. Data secara quantitative sulit didapat.
4. Evaluasi yang salah dapat dibuat dengan. kesengajaan.
Untuk menanggulangi kelemahan Inspeksi Sensory ini diantaranya termasuk
penetapan Limit Sampe OK/NG atau Go/No Go untuk meminimumkan variasi dari
evaluator.
Training inspektor dilakukan untuk meminimumkan variasi diantara inspektor ke
inspektor.
Adalah juga penting untuk mengontrol lingkungan (mis: penerangan berapa
luxmeter dsb) dari proses inspeksi tsb dilaksanakan.
Data output dari Inspeksi Sensor bisa juga dapat dinyatakan secara quantitative
sehingga evaluasi bisa dibuat lebih terukur dan jelas. Untuk tujuan ini, data
dibuat se rasional mungkin.
Data Sensor Inspeksi yang di Quantitive kan :
Ketika Inspeksi Sensory membutuhkan “levelling judgement”, maka kriteria
penetapan standard dibuat. Untuk tahap awal level “acceptable” adalah rate 5
point, dan hal ini membutuhkan improve untuk bisa mencapai point 8.
Pemeriksaan yang mengukur part / produk dan membandingkan apakah tiap part /
produk maupun lot dapat diterima atau tidak merupakan bagian penting dalam
kegiatan Quality Control.
Tetapi, pemeriksaan sendiri sebenarnya tidak meningkatkan kualitas dan tidak
memberikan nilai tambah bagi part itu sendiri.
Seharusnya “Kualitas” itu bisa benar benar nyata terbentuk dalam setiap proses
(“Quality Built in Proses”) untuk bisa menjamin kualitas produk dan proses
tetap stabil.
Bahkan untuk kemungkinan dihilangkannya proses “inspeksi penerimaan” , dan
menggantikannya dengan cara “pengecheckan dan monitoring proses control di
supplier” yang mesti terjaga.
Tujuan akhir dari Produk Quality Control adalah untuk menghilangkan perlunya
pemeriksaan.
Usaha-usaha yang dilakukan bukan hanya dibuat untuk mengubah dari pemeriksaan
untuk menemukan ketidaksesuaian produk menjadi pemeriksaan untuk mencegah
produksi part NG dan konsekuensinya menghilangkan pemeriksaan itu sendiri.
SAMPLING
Methode Sampling
Ada dua cara mengumpulkan data :
1. Sensus yaitu mengumpulkan data dengan cara mencatat semua elemen yang
diselidiki, jadi menyelidiki semua obyek, gejala, kejadian atau peristiwa.
Misalnya seluruh motor yang dihasilkan Pt X, atau seluruh motor yang ada di
dealer. Sehingga hasil sensus menggambarkan nilai karakteristik sesungguhnya.
Kumpulan seluruh elemen itu dinamakan populasi.
2. Sampling : teknik mengumpulkan data dengan cara mengamati sebagian dari
obyek, gejala atau peristiwa.
Sebagian individu yang diamati tersebut disebut sampel. Sehingga hasil
pengamatan yang diperoleh berupa nilai karakteristik perkiraan, yaitu perkiraan
tentang keadaan populasi.
Cara sensus meskipun memberikan data yang sebenarnya, dan hasil keputusan yang
tepat tetapi memakan biaya, waktu, tenaga.
Cara sampling akan menghemat waktu, tenaga , biaya namun perlu diperhatikan
teknik pengambilan samplingnya sehingga bisa menggambarkan keadaan sesungguhnya
dari populasi (tidak bias).
Teknik Pengambilan Sampling :
A. Probability Sampling Random : pengambilan sampling yang mengikuti teori
probabilitas, sehingga bisa lebih menggambarkan kondisi populasi.
Terbagi atas :
A.1. Simple Random Sampling :
Simple random sampling adalah teknik pengambilan sampel yang dilakukan secara
acak sehingga setiap kasus atau elemen dalam populasi memiliki kesempatan yang
sama besar untuk dipilih sebagai sampel penelitian.
Apabila jumlah populasi sedikit bisa dilakukan dengan cara mengundi tapi
apabila jumlah populasi besar dengan menggunakan Tabel Random Number atau lebih
praktis lagi lewat bantuan software online http://www.randomizer.org/form.htm
Teknik ini memiliki tingkat keacakan yang sangat tinggi, sehingga sangat
efisien digunakan untuk mengukur karakter populasi yang memiliki sifat
homogenitas tinggi.
Sedangkan untuk populasi yang bersifat heterogen, penggunaan teknik ini justru
dapat menimbulkan bias.
Dengan software online, http://www.randomizer.org/form.htm
dengan cara mengisi sebagai berikut :
How many sets of numbers do you want to generate? Isi 1
How many numbers per set ? Isi 5
Number range (e.g., 1-50) : Isi from 1 to 50
Do you wish each number in a set to remain unique? Pilih Yes
Do you wish to sort the numbers that are generated? Pilih No
How do you wish to view your random numbers? Pilih Place Marker Off
Klik Randomize Now !
A.2. Sistematik Sampling
Yaitu dengan melakukan pengambilan sample secara sistematis berdasarkan
interval yang telah ditetapkan.
Mis. untuk memilih 7 sampel dari populasi yang berisi 100, yaitu dengan
menetapkan interval mis k = 15 lalu pilih secara random nilai pertama mis 10,
maka nilai kedua adalah 10 + 15 = 25 dst sesuai interval sehingga sample yang
didapat 10,15,40,55,70,80,95
Pada populasi dengan elemen yang terorganisir membentuk pola atau siklus,
sistematik sampling justru menimbulkan bias.
Prosedur sistematik sampling adalah sebagai berikut :
1. Menyusun sampling frame yaitu daftar elemen yang akan diamati.
2. Menetapkan sampling interval (k) dengan menggunakan rumus N/n; dimana N
adalah jumlah elemen dalam populasi dan n adalah jumlah sampel yang diperlukan.
3. Memilih sampel pertama (s1)secara random dari sampling frame.
4. Memilih sampel kedua (S2), yaitu S1 + k. selanjutnya, peneliti memilih
sampel sampai diperoleh jumlah sampel yang dibutuhkan dengan menambah nilai
interval (k) pada setiap sampel sebelumnya.
Sistematik Sampling & Control Chart :
Methode ini paling efektif digunakan untuk troubleshooting dan biasanya
digunakan untuk membentuk subgroups dari sebuah control chart.
Sering disebut juga sebagai Consecutive Sampling
A.3. Stratifikasi Sampling :
Yaitu dengan melakukan stratifikasi populasi kedalam sub populasi atau strata
yang mempunyai pembobotan (%) yang sama.
Misal survey untuk 100 orang pembaca tabloid “x”, maka apabila diketahui 100
orang pembaca tersebut terdiri atas 60 orang pria & 40 wanita maka apabila
sample diambil untuk 10 orang maka sample terdiri atas 6 pria & 4 wanita.
A.4. Cluster Sampling (Sampel Random Berkelompok) yaitu dengan membagi populasi
sebagai cluster-cluster kecil, lalu pengamatan dilakukan pada sampel cluster
yang dipilih secara random.
Methode ini biasanya digunakan pada survey yang menggunaan peta area
(geografi), misalnya survey perumahan di perkotaan. Area kota dibagi kedalam
blok-blok, kemudian secara random dipilih blok-blok sebagai sampel pengamatan.
Quick Count biasanya menggunakan perpaduan Cluster & Stratifikasi Sampling
dalam methodenya
Cluster sampling ini digunakan ketika elemen dari populasi secara geografis
tersebar luas.
Keuntungan penggunaan teknik ini adalah menjadikan proses sampling lebih murah
dan cepat daripada jika digunakan teknik simple random sampling. Akan tetapi,
hasil dari cluster sampling ini pada umumnya kurang akurat dibandingkan simple
random sampling
B. Non Probability Sampling
Perbedaan antara nonprobability dan probability sampling adalah bahwa
nonprobability sampling memilih unit sampel secara tidak acak.
Hal ini berarti nonprobability sampling tidak bergantung pada teori
probabilitas.
Dengan nonprobability sampling, kemungkinan besar tidak bisa mewakili sifat
populasi secara baik.
Secara umum peneliti pada umumnya memakai methode probability dibanding non
probability.
Namun demikian dalam riset sosial terdapat beberapa kondisi-kondisi yang tidak
memungkinkan secara praktek atau secara teoritis untuk melakukan random
sampling.
Oleh karena itu kemudian perlu digunakan alternatif metoda nonprobability
seperti survey, jajak pendapat maupun opini.
Terdiri :
B.1. Accidental Sampling, apabila pengamatan sampel yang dilakukan tanpa
sengaja, tanpa perencanaan terlebih dulu. Jumlah sample yang diambil seadanya
saja, sehingga kesimpulan yang diambil bersifat kasar dan sementara.
Misalnya penelitian pemakaian merk kendaraan di Yogyakarta berdasarkan samel
mobil yang diparkir di Malioboro, didapatkan kesimpulan 70 % memakai Toyota.
Purposive Sampling
B.2. Purposive Sampling yaitu pengambilan sampel yang dilakukan dengan sengaja
untuk mencapai maksud tertentu. Informasi yang mendahului keadaan populasi
sudah diketahui benar dan tidak perlu diragukan lagi (misal dari sensus
ekonomi) dan pengamatan dilakukan hanya pada daerah tertentu “key area” misal
daerah industri dengan tujuan mengetahui “key area” tersebut saja.
Purposive Sampling sering juga disebut Judgement Sampling, karena diasarkan
pada pertimbangan pakar. Misalnya untuk masalah peningkatan ekonomi dengan
mengambil pendapat pakar ekonomi dsb
B.3. Convenience Sampling : apabila pengambilan sample berdasarkan kesukaan /
suka-suka / seenaknya menurut si peneliti. Misalnya dengan mengambil pengunjung
yang baru keluar dari seminar, orang terdekat dsb
B.4. Snowball (bola salju) sampling ; apabila pengamatan sample didapat dari
sejumlah responden yang kemudian mereka mengajak temannya untuk dijadikan
sample dst sehingga jumlah sample semakin membesar seperti bola salju yang
menggelinding. Misalnya sample pengamatan mengenai penolakan terhadap pasangan
capres/cawapres tertentu “Say No To …” lewat media face book.
B.5. Kuota Sampling ; terjadi pada sampling stratifikasi bedanya disini sample
pengamatan menetapkan kuota tertentu sejumlah yang diinginkan.Jika kuota telah
telah ditentukan mulailah dilakukan penyelidikan, tentang siapa yang akan
dijadikan responden, terserah tim pengumpul data.
Misalnya ; Untuk keperluan responden penghuni suatu apartemen ditetapkan kuota
sebagai berikut :
15 orang warga negara asing
10 orang wni keturunan asing
30 orng wni asli
Apabila sudah memenuhi kuota, tak peduli apakah subyek yang diambil mewakili
populasi atau tidak, bukan menjadi persoalan.
Sampling Penerimaan :
Sampling Penerimaan (Acceptance Sampling) adalah sampling yang digunakan untuk
menentukan apakah suatu lot bisa diterima atau tidak, berdasarkan AQL
(Acceptance Quality Level / Tingkat Penerimaan Kualitas).
Awalnya secara resmi dipakai di US Army melalui prosedur MIL-STD-105 D namun
sudah pula dipakai secara luas didunia, dan bisa dipakai untuk data variabel
maupun atribut.
Tiga pendekatan dalam memutuskan lot :
1.Menerima lot tanpa pemeriksaan ; digunakan apabila proses produksi supplier
sangat baik, produk cacat hampir tidak ditemukan.
2.Pemeriksaan 100 % ; digunakan apabila proses produksi supplier tidak cukup
memenuhi spesifikasi atau merupakan “kritikal part” dan apabila meloloskannya
akan mengakibatkan biaya yang sangat besar.
3.Sampling penerimaan digunakan apabila :
a. Pengujian bersifat merusak.
b. Biaya dan waktu pemeriksaan 100 % sangat tinggi.
c. Adanya keperluan untuk pemantauan kualitas supplier.
Keunggulan Sampling Penerimaan :
a. Lebih murah dan cepat.
b. Resiko kerusakan part berkurang.
c. Manpower lebih sedikit.
d. Mengurangi kesalahan pemeriksaan.
e. Memberikan motivasi ke supplier untuk perbaikan proses secara menyeluruh.
Kerugian Sampling Penerimaan :
a. Beresiko menerima lot yang jelek dan menolak lot yang baik.
b. Informasi dari part / proses yang didapat lebih sedikit.
c. Memerlukan perencanaan dan dokumentasi tentang prosedur sampling penerimaan
yang akan dijalankan.
Inspection Level / Tingkat Pengawasan ;
digunakan untuk menentukan berapa banyaknya contoh yang harus diambil dalam
satu lot. Biasanya ditentukan oleh besar kecilnya biaya pengawasaan, kerusakan
part karena pegujian, maupun lamanya waktu untuk pengawasan.
Terbagi atas 2 yaitu : spesial, umum.
1.Tingkat pengawasan spesial terbagi atas empat tingkat yaitu S-1, S-2, S-3,
S-4 digunakan apabila biaya pengawasan cukup mahal karena adanya kerusakan part
karena pengujian.
2.Tingkat pengawasan umum terbagi atas tiga tingkat yaitu I, II, III, dimana :
I : Untuk biaya pengawasan relatif tinggi.
II : Untuk kasus yang normal atau supplier baru.
III : Untuk biaya pengawasan murah & mudah.
Sifat Pengawasan :
Sifat Pengawasan ada tiga macam yaitu longgar, normal, ketat.
1.Sifat pengawasan longgar dipakai untuk supplier yang mempunyai sejarah
kualitas yang baik yang tidak pernah atau sangat jarang melakukan kesalahan dan
menjaga kualitas part yang dikirimkan.
2.Sifat pengawasan normal dipakai untuk awal kegiatan pemeriksaan, untuk
supplier baru ataupun supplier yang mempunyai riwayat kualitas sedang.
3.Sifat pengawasan ketat dipakai untuk supplier yang mempunyai riwayat kualitas
yang jelek.
Pemindahan sifat pengawasan bisa terjadi dari longgar ke normal dan sebaliknya,
normal ke ketat dan sebaliknya mengikuti persyaratan yang telah ditentukan,
terdiri atas 5 macam, yaitu :
1.Pengawasan normal menjadi longgar apabila :
a. Tidak terjadi penolakan selama 10 kali berturut-turut.
b. Keadaan penerimaan yang mantap (tidak ada masalah material, mesin dsb dari
suppplier pada akhir-akhir ini).
c. Telah mendapat persetujuan pic dari bagian yang bertanggungjawab.
d. Total penolakan (10 lot terakhir) maksimal sesuai bilangan batas untuk pengurangan
pemeriksaan. (Tabel)
2.Pengawasan longgar menjadi pengawasan normal apabila :
a. Terjadi 1 lot ditolak.
b. Produksi suplier tidak teratur, sering terjadi keterlambatan.
c. Hal khusus tertentu yang menuntut diadakannya pemeriksaan normal yang lebih
dapat dipertanggungjawabkan.
d. Apabila cacat terletak antara angka ac (accepted) & re (rejected), maka
lot diterima tetapi sifat pengawasan berubah dari longgar menjadi normal.
3.Pengawasan normal ke ketat apabila :
Apabila dalam pengawasan normal terjadi 2 sampai 5 kali berturut-turut
mengalami penolakan karena kesalahan yang fatal.
4.Pengawasan ketat ke normal apabila :
Setelah 5 kali berturut-urut lot diterima tanpa penolakan.
5.Penghapusan / Penghentian Pengawasan :
Apabila pengawasan ketat sudah dilaksanakan selama 10 lot berurutan, sehingga
part dari supplier tidak dapat diterima lagi dan supplier dianjurkan
memperbaiki tingkat kualitas produksinya.
Perencanaan Sampling :
Jenis Perencanaan Sampling ada 3 yaitu :
1. Sampling Single / Tunggal :
Apabila banyaknya reject maksimal sesuai dengan angka penerimaan (Ac /Accepted)
maka lot diterima, tetapi apabila banyaknya reject minimal sesuai dengan angka
penolakan (Re/ Rejected) maka lot ditolak.
Perencanaan Sampling
2. Sampling Double / Ganda :
Apabila banyaknya reject yang terjadi pada pengambilan tahap pertama diatas
angka penerimaan (Ac) tetapi dibawah angka penolakan (Re), maka sample kedua
diperlukan sebelum lot dapat diputuskan.
Keputusan untuk sample kedua adalah sebagai berikut :
Apabila reject akumulatif sample pertama dan kedua maksimal sesuai dengan angka
peneriman (Ac), maka lot diterima, tetapi apabila minimal sesuai dengan angka
penolakan (Re) maka lot ditolak.
3. Sampling Multiple / bertingkat :
Merupakan perluasan dari sampling ganda, yaitu sampai pengambilan sample
ketujuh baru bisa diputuskan untuk penerimaan atau penolakan lot.
Hal ini tentunya memerlukan waktu, tenaga dan biaya pemeriksaan yang lebih
disebabkan karena prosedur yang lebih rumit dibandingkan dengan sampling double
apalagi dibandingkan dengan sampling tunggal.
Perencanaan Sampling
Hal yang ingin dicapai dengan sampling multiple ini adalah pertimbangan
psikologis semata untuk memastikan bahwa lot tersebut memang layak diterima
atau memang harus ditolak.
Langkah-Langkah Sampling Penerimaan
Langkah - Langkah Penggunaan Sampling Penerimaan dengan MIL STD 105D :
1. Menentukan tingkat AQL berdasarkan kesepakatan dengan supplier.
2. Pilih tingkat pengawasan yang akan dilakukan (Spesial S-1, S-2, S-3, S-4
atau Umum I,II,III)
3. Menentukan ukuran lot yang akan diperiksa.
4. Menentkan jenis perencanaan sampling (tunggal, ganda, bertingkat).
5. Menentukan sifat pengawasan awal (longgar, normal, ketat).
6. Masukkan ke tabel, untuk menentukan angka penerimaan atau penolakan lot.
FMEA & FTA
Dalam sejarah QA, mutu pada
permulaan ditentukan melalui pemeriksaan, setelah itu diikuti oleh pembentukan
mutu dalam proses pembuatan dengan memperhatikan penentuan mutu dalam proses
pembuatan produk.
Semua usaha ini telah dipusatkan kepada pencegahan berulangnya produk gagal,
melalui produk yang memiliki keandalan.
Keandalan adalah kebebasan dari kesulitan dan berarti menghasilkan produk yang
tidak menimbulkan kesulitan baik pada saat pembuatan maupun saat pemakaian di
konsumen.
Pencegahan adanya kegagalan unit produk, memerlukan ramalan masalah-masalah
yang akan terjadi.
Untuk dapat menghasilkan produk yg bisa diandalkan , maka langkah-langkah
berikut harus diperiksa satu persatu :
1. Apakah kegagalan potensial yg bisa ditimbulkan oleh produk ?
2. Bagaimana membuat produk yang tidak menghasilkan kegagalan tersebut ?
3. Apakah produk yg dihasilkan sesuai dengan rencana ?
4. Adakah cara untuk membuat produk yg lebih handal dapat lebih efektif ?
Titik kunci dalam pencegahan adalah untuk meramalkan kemungkinan adanya masalah
dan untuk tujuan ini telah dikembangkan teknik-teknik seperti FMEA dan FTA yang
juga menjadi salah satu teknik keandalan.
FMEA : Failure Mode Effect Analysis (analisa kegagalan dalam cara dan dampak) :
Teknik untuk meramal dan mengevaluasi kemungkinan gagal dan melakukan kegiatan
improvementnya.
Apakah sebabnya FMEA begitu banyak perhatian pada saat ini ?
Pertama, analisa ini tidak memerlukan persamaan matematik atau statistik dan
dapat diterapkan hanya kepada pengalaman & pengetahuan yang konvensional.
Ini berarti setiap orang dapat dengan mudah meramal keandalan.
Kedua, walaupun pada awalnya dimaksudkan untuk peningkatan produk dalam fase
rancangan / desain, namun diperluas untuk peningkatan proses saat fase
pembuatan produk.
Contoh Kegagalan Produk :
1.Pesawat Ulang Alik Challenger meledak :
Pesawat ulang alik - tidak seperti pesawat luar angkasa lainnya - badan utama
... Pada tanggal 28 januari 1986 pesawat Challenger meledak 73 detik setelah
lepas landas education.feedfury.com/content/16689381-pesawat_ulang_alik.html
Roket pendorong inilah yang membuat Challenger meledak pada 28 Januari 1986.
Saat itu cincin sambungan tubuh roket pendorong sebelah kanan menjadi getas dan
retak karena udara terlalu dingin.
Akibatnya, api roket menyemprot ke samping dan menyambar tangki bahan bakar
Challenger di sebelahnya. Malapetaka tak terhindarkan, akhirnya pesawat itu
meledak.
http://majalah.tempointeraktif.com/id/arsip/2003/02/10/ILT/mbm.20030210.ILT84969.id.html
2.Pesawat Ulang alik Columbia meledak :
Pesawat Luar Angkasa Columbia sedang memasuki orbit. Tetapi sesuatu menjadi
salah dan Columbia meledak. Semua 7 astronot di dalamnya tewas. ...
1 Februari 2003
id.wikipedia.org/wiki/Seconds_From_Disaster
Analisa Kasus Columbia Meledak :
Dari film yang direkam saat peluncuran, diketahui bahwa pada saat-saat awal
peluncuran bagian dari insulasi (gabus) tangki bahan bakar utama yang berisi
oksigen cair terlepas dan menghantam keping-keping keramik tahan panas sayap
bagian bawah sebelah kiri hingga terlepas dan baru berefek saat pendaratan. …
Saat pendaratan… bagian perut pesawat yang bergesekan langsung dengan udara
mengalami pemanasan hebat (lebih dari 2000° C). Saat kejadian, kecepatan
Columbia 18 kali kecepatan suara (kecepatan suara 330 m/det)……
http://majalah.tempointeraktif.com/id/arsip/2003/02/10/ILT/mbm.20030210.ILT84969.id.html
3. Titanic :
Pada tanggal 14 April 1912 dalam pelayaran perdananya , Titanic menabrak sebuah
iceberg (gunung es) dan tenggelam 2 jam 40 menit kemudian. ...
karodalnet.blogspot.com/2008_08_01_archive.html
Contoh Kegagalan Produk
news4joke: 7/6/08 - 7/13/08
Saat itu Titanic membawa lebih dari 2220 penumpang, 1513 di antaranya tenggelam
termasuk jutawan asal Amerika John Jacob Astor, Benjamin Guggenheim, ...
news4joke.blogspot.com/2008_07_06_archive.html
ANALISIS ahli metalurgi (logam) Amerika Serikat (AS) mengungkapkan, kapal
Titanic tenggelam pada satu abad silam akibat dibangun menggunakan rivet (paku
keling) berkualitas rendah.
Karena rivet tersebut berkualitas sangat rendah, rivet-rivet itu pun rontok
ketika lambung Titanic menghantam gunung es. Karena rivet-rivet itu jebol,
lempengan-lempengan baja pada lambung Titanic pun menganga dan air laut masuk.
Akibatnya, Titanic pun tenggelam dalam waktu kurang dari tiga jam setelah
menabrak gunung es. Foecke memaparkan, teori penyebab tenggelamnya Titanic itu
dalam buku berjudul What Really Sank the Titanic.
Contoh Produk Inovation :
Jaringan Komunikasi Antar Mobil Untuk Hindari Kecelakaan
Adalah Thomas Batz, seorang ilmuwan komputer asal Jerman yang berjasa dalam
pengembangan ini, dibantu oleh beberapa koleganya dari Fraunhofer Institute for
Information and Data Processing IITB di kota Karlsruhe, Jerman
Software inovatif ini disinyalir bisa dikerahkan untuk mengerem atau
membelokkan arah mobil ketika berada dalam situasi darurat dan susah untuk
mengelak karena himpitan macet.
Sejarah FMEA :
Pertama kali dikembangkan pada tahun 60’ an oleh NASA untuk proyek pendaratan
manusia ke bulan.
Diadopsi & dikembangkan pada industri otomotif di tahun 70’ an oleh FORD
sebagai suatu reaksi terhadap menurunnya mutu & kehandalan produk otomotif
Amerika.
Pada tahun 80’ diadopsi oleh banyak industri yang menekankan pada keselamatan,
kehandalan dan mutu seperti : otomotif, electronic, penerbangan, komputer.
Tujuan FMEA :
1.Mengurangi “lead time” dari perubahan engineering.
2.Mengurangi rework, aktivitas redesain.
3.Mengurangi methode “trial error”.
4.Mengurangi reject rate.
5.Mengurangi biaya.
Dari pengalaman :
Biaya saat fase desain = $
Biaya saat fase produksi = 10 $
Biaya saat sampai konsumen = 100 $
Klasifikasi FMEA :
1.DFMEA : Aktivitas untuk mendeteksi potensi kegagalan pada fase produk desain.
Engineer desain yang bertanggung jawab.
2.PFMEA : Analisa untuk mendeteksi / mengevaluasi potensi kegagalan pada proses
manufakturing. Engineer manufactur yang bertanggung jawab.
Implementasi FMEA :
1.Tentukan siapa pelanggannya.
2.Buat list yang diharapkan dari desain, dan apa yang tidak diharapkan untuk
terjadi (MAKSUD DESAIN).
3.Buat analisa resiko. Prioritaskan FMEA pada resiko yang tinggi & tentukan
“Q.karakteristiknya” nya misal point safety, Q point, Appearance,Government
Regulation dsb.
4.Input : Drawing dengan “Q karakteristiknya”, pengalaman sebelumnya.
5.Tools : Process Control Plan, Capability Analisis.
6.Buat FMEA dan Evaluasi, Perbaiki & Revisi apabila ada masalah.
Formulir FMEA :
1. FMEA Number : Masukkan nomor dokumen FMEA untuk tracking.
2. Process Function / Requirement
Masukkan proses yang dianalisa. Contoh : drilling, tapping, welding, assembling
dsb.
3. Potensial Failure Mode
Potensi kegagalan proses memenuhi persyaratan dan/atau tujuan desain. Mis
Diameter luar spesifikasi,Roughness/kekasaran,dsb.
4. Potensial Effect of Failure
Akibat dari kegagalan sampai end user / pemakai akhir.
5. Severity atau dampak terhadap end user/pemakai akhir.
6. Potensial Causes / Mechanism(s) of Failure yaitu penyebab dari kegagalan.
7. Occurrence atau seberapa sering kegagalan mungkin terjadi.
8. Current Proses Control yaitu control yang dilakukan sekarang
9. Detection yaitu kemampuan Current Proses Control mendeteksi kegagalan.
10. RPN atau Risk Priority Number yaitu perkalian Severity x Occurrence x
Detection.
11. Recommended Action yaitu tindakan untuk mengurangi hasil perkalian Severity
x Occurrence x Detection. Harus diisi untuk Severity min 7 dan pilih beberapa
RPN terbesar untuk prioritas penyelesaian masalah (bisa dengan Pareto).
Severity bisa diturunkan dengan perubahan Desain.
Occurrence bisa diurunkan dengan perbaikan proses. (CP)
Peningkatan Detection hanyalah temporary action atau alternatif terakhir.
Tindak Lanjut FMEA :
1.Apa yang harus dilakukan terhadap tabel FMEA
2.Periksa Severity terbesar, bukan RPN terbesar (rekomendasi FMEA 4th edition).
3.Pastikan tidak ada nilai severity diatas 7.
4.Pastikan nilai occurrence tidak melebihi angka 8.
5.Lakukan perubahan desain untuk menurunkan severity, dan perbaikan proses
untuk menurunkan occurrence.
6.Setelah kondisi diatas terpenuhi baru diijinkan memeriksa RPN tertinggi.
Tindak Lanjut FMEA
7.Apa yang harus anda lakukan terhadap tabel FMEA ?
8.Jika nilai Severity & Occurrence masih diatas 8 maka terapkan sistem
kontrol ketat dengan SPC atau check 100 % untuk meningkatkan detection (hanya
apabila Severity & Occurrence tidak bisa diturunkan).
9.FMEA adalah “ living dokumen” yang senantiasa pelu dievaluasi.
DFMEA dilaksanakan pada fase “ Produk Desain & Development” : Sebelum atau
saat finalisasi konsep desain dan diselesaikan dalam fase prototype. Tindakan
koreksi harus diselesaikan sebelum pilot production.
PFMEA dilaksanakan pada fase “ Process Desain & Development” : sebelum atau
saat fase feasibility, sebelum tooling untuk produksi & harus tercakup
seluruh operasi manufacturing, dari komponen tunggal s/d assembling
FTA : Failure Tree analysis
FTA mula-mula dikembangkan untuk mencari sebab-sebab kejadian dan saat ini
digunakan sebagai alat pembantu FMEA.
FTA singkatan dari Failure Tree Analysis (Analisa Pohon Kegagalan).
FTA adalah sebuah methode analitik untuk menentukan part mana yang bertanggung
jawab atas suatu kegagalan unit produk.
Kebalikan dari FMEA yang meramal kegagalan unit produk dari kegagalan part, FTA
digunakan untuk menentukan part yang menyebabkan kegagalan unit produk.
Jika FMEA merupakan sebuah teknik analitik secara kwalitatif, maka FTA mampu
untuk mengadakan analisa kwantitatif.
Maka jika nilai kegagalan part diketahui, maka nilai kegagalan unit produk
dapat dikalkulasi.
CAPABILITY PROCESS (CP)
Konsep :
Variasi bersifat alami & biasanya terdistribusi normal, sehingga data
tersebar menyerupai bentuk lonceng.
Dalam distribusi normal, terdapat nilai rata-rata "MYU" dan simpangan
baku "SIGMA".
Capability Proses :
Analisa Capability Proses
Dalam kegiatan produksi, ada anggapan bahwa variasi produk merupakan kewajaran.
Tidak mungkin untuk memproduksi 1000 motor yang benar-benar identik, pelayanan
yang tanpa keluhan sama sekali.
Pada Total Quality Management, variasi tetap dianggap bisa terjadi, namun harus
diperhatikan variasi yang tidak normal (special cause).
Metode untuk mengukur variasi proses terhadap spesifikasi limit yang ditentukan
adalah dengan melakukan analisa capability proses.
Analisa CP : Analisa untuk menilai kemampuan suatu proses untuk memenuhi
spesifikasi yang sudah ditentukan
Spesifikasi merupakan batas nilai yang dapat diterima (Mis. ditentukan
didrawing).
Capability Proses (CP) : Indek perbandingan nilai spesifikasi(USL-LSL) terhadap
penyebaran nilai proses(6 SIGMA), atau dirumuskan :(USL-LSL)/6 SIGMA.
CPK : CP yang memperhatikan faktor bias "K", yaitu nilai yang lebih
minim antara nilai CPKA (kanan) atau CPKI (kiri), atau dirumuskan : Min
{(USL-MYU)/(3 SIGMA);(MYU-LSL) / (3 SIGMA)}
Control Chart pertama kali
diperkenalkan oleh Dr. A.W. Shewhart di Bell Telephone Laboratories pada tahun
1924.
Dr. A.W.Shewhart dan rekan-rekannya terus mengembangkan diagram-diagram
pengendalian mutu selama th 1920-1930.
Dengan teknik-teknik ini, proses penyediaan barang-barang produksi dan jasa
dapat lebih mudah diperkirakan dan lebih konsisten.
Apabila suatu barang atau jasa diproduksi, hasilnya akan tidak persis 100 %
sama, hanya similar tetapi tidak identik, hal ini dikarenakan adanya variasi.
Variasi merupakan hal yang normal dan wajar, namun Shewhart menganggap
variabilitas terdiri atas sesuatu yang dapat dikontrol (variasi terkontrol) dan
sesuatu yang tak terkontrol (variasi tak terkontrol).
Variasi terkontrol :
Yaitu variasi karena sebab-sebab umum (common cause), yang terjadi secara
alamiah merupakan hal yang bisa diprediksi dan bersifat stabil. Shewhart
awalnya menyebut hal ini sebagai chance cause.
Variasi tak terkontrol :
Variasi karena sebab-sebab khusus (special causes), adalah variasi yang terjadi
bila suatu kejadian abnormal masuk kedalam suatu proses dan menghasilkan
perubahan yang tidak diharapkan dan tidak dapat diprediksi sebelumnya. Shewhart
awalnya menyebut hal ini sebagai assignable cause.
Control Chart / Bagan Kendali : Merupakan bagan yang terdiri atas garis UCL
(Upper Control Limit) dan LCL (Lower Control Limit) sebagai batas pengendalian
proses produksi dan memberikan sinyal apabila ada ketidaknormalan proses.
Pemilihan Control Limit : ± 3SIGMA
“99.7% of the Data”
Sekitar 99.7% data dalam rentang ± 3SIGMA dari centre line. ( 99.7% dari data
berada dalam rentang control limit),
Sehingga 1 - 0.997 = 0.003 or 0.3% 3SIGMA (or 0.3% dari data pada area luar the
control limit).
Kegunaan Control Charts :
1.Untuk identifikasi variasi penyebab khusus / special cause / assignable
cause.
2.Untuk memberikan sistem peringatan dini (sinyal) pada suatu proses produksi
sehingga tidak sampai terjadi cacat produk. Untuk analisa lebih lanjut mengenai
penyebab khusus, methode SPC lain (pareto, fishbone dsb) dapat digunakan.
3.Alat untuk memahami variasi proses, dan membantu proses menjadi stabil,
setelah proses stabil dapat dilakukan improvement sehingga mencapai centering.
Memberikan komunikasi teknik antara shift 1, 2,3… , m/c 1,2,3… , line 1,2,3 …,
operator 1,2,3… , s/c 1,2,3 ….dan sebagainya.
Besar Subgroup :
Memperhatikan faktor : Biaya, tingkat produksi, sensitifitas pendeteksian
Jumlah Subgroup :
Minimal 25 sub group yang berisi sekitar 100 data adalah cukup untuk mengukur
kestabilan proses dan supaya special causes mempunyai kesempatan untuk muncul.
Batas Pengendali :
Batas pengendali 3 sigma --> 0.0027 peluang salah signal.
Kondisi Ideal:
‘ukuran subgroup besar sesering mungkin
Jenis Control Chart :
1.Ind.X and mR Chart : Adalah diagram yang memonitor setiap nilai individu yang
diamati dalam proses digunakan :
a.Untuk data variabel.
b.Jumlah sampel per subgrup 1.
c.Untuk produk homogen.
d.Untuk dangerous or destructive test
2.XBar-R Chart :
Digunakan :
a.Untuk data variabel
b.Jumlah sampel (n) per subgrup 2 – 9
c.Jika rata – rata mudah dihitung
3.P & NP Chart
3.1.p-chart (defective/cacat):
Apabila jumlah sample (n) tidak konstan,& jumlah maksimal cacat = jumlah
sample (n).
3.2.np-chart (defective/cacat)
Apabila jumlah sample (n) konstan, dan jumlah maksimal cacat = jumlah sample
(n).
Digunakan :
a.Untuk data attribut
b.Menggunakan prinsip Binomial
c.Untuk sample n = c (konstan) pakai np-chart.
d.Untuk sample n tidak konstan memakai p-chart
4.C & U Chart
4.1.c-chart (defect/kecacatan)
Apabila jumlah sample (n) konstan, dan jumlah maksimal kecacatan bisa <,>
atau = jumlah sample (n).
4.2.u-chart (defect/kecacatan)
Apabila jumlah sample (n) tidak konstan, dan jumlah maksimal kecacatan bisa
<,> atau = jumlah sample (n).
Defect / kecacatan menunjukkan jenis cacat yang terjadi misal buram, kotor,
meler, tipis, gores untuk painting, sehingga untuk sample 1 part bisa terdiri
atas lebih dari 1 defect/kecacatan.
Digunakan :
a.Untuk data attribut
b.Menggunakan prinsip Poisson
c.C chart untuk sample (n) = c (konstan).
d.U chart utk sample (n) tidak kontan.
CAUSE & EFFECT DIAGRAM
Pada tahun 1953, Kaoru Ishikawa,
Profesor dari Universitas Tokyo, meng summary kan diskusi para Insinyur tentang
permasalahan kualitas pada suatu pabrik dalam bentuk cause & effect
diagram.
Dan inilah pertama kalinya cause & effect diagram diperkenalkan yang
akhirnya dipakai secara luas di seluruh perusahaan di Jepang.
Cause & Effect Diagrams
Dilahirkan di Tokyo, anak tertua dari 8 bersaudara dari Ichiro Ishikawa. Tahun
1939 lulus dari Universitas Tokyo dengan gelar sarjana pada bidang applied
chemistry.
Cause & Effect Diagrams
Sebagaimana tertera di JIS (Japanese Industrial Control), cause & effect
diagram adalah : diagram yang menunjukkan hubungan antara karakteristik
kualitas dan faktor-faktor yang mempengaruhinya.
Cause & effect diagram juga dinamakan “fishbone diagram”, karena terlihat
seperti tulang ikan.
Kadangkala juga dinamakan “tree” atau “ river” diagram.
Faktor -faktor penyusun karakteristik produk
dapat dikategorikan :
1.The 8 P's : Price, Promotion, People, Processes, Place / Plant, Policies,
Procedures & Product (or Service) yang direkomendasikan untuk administrasi
dan industri jasa.
2.The 4 S's : Surroundings, Suppliers, Systems, Skills yang direkomendasikan
untuk industri jasa.
3.The 6 M's : Machine, Method, Materials, Measurement, Man and Mother Nature
(Environment) direkomendasikan untuk industri manufaktur.
Note: pengkategorian terbaru untuk industri manufaktur : Machine, Methode, Man,
Material, Management & Environment 5 M & 1E.
Faktor - faktor yang berpengaruh serta krakteristik kualitas seharusnya
spesifik, terukur dan dapat terkontrol.
Effect / akibat : Karakteristik kualitas
Causes / sebab - sebab : Faktor - faktor yang berpengaruh
Cause & Effect Diagrams
Langkah pembuatan causes & effect
diagram :
1. Tentukan karakteristik kualitas yang akan diamati, usahakan adanya ukuran
untuk masalah tersebut, sehingga perbandingan sebelum dan setelah perbaikan
dapat dilakukan.
2. Cari sebab-sebab utama (primary causes) yang berpengaruh pada akibat
(effect) dan isi pada kotak - kotak Causes yang ada dipangkal bigbone.
3. Cari sebab-sebab kedua (secondary causes) yang berpengaruh pada sebab-sebab
utama (primary causes) sebagai medium bone.
4. Cari sebab-sebab ketiga (tertiary causes) yang berpengaruh pada seba-sebab
kedua (secondary causes) sebagai small bone.
5. Setelah tertulis lengkap semua penyebab-penyebabnya, amati penyebab yang
paling dominan berdasarkan diagram Pareto.
Apabila analisa tidak dapat dilakukan, pilihlah faktor-faktor penyebab yang
diduga paling berpengaruh berdasarkan prinsip brainstorming*. Kemudian lakukan
pengamatan lapangan untuk memastikan faktor -faktor yang diduga paling
berpengaruh tersebut. Dan susunlah ulang cause & effect diagram tersebut.
*Teknik brainstorming diperkenalkan oleh A.F Osborn dalam bukunya Your Creative
Power pada tahun 1948.
SCATTER DIAGRAM
Di dalam kenyataan, seringkali
terdapat hubungan antara dua variabel yang saling berhubungan.
Sebagai contoh hubungan antara perubahan kecepatan di proses machining dengan
dimensional part, hubungan antara tingkat penjualan dengan banyaknya kunjungan
sales, hubungan antara tingkat kerajinan siswa dengan nilai pelajaran dsb.
Dengan scatter diagram, hubungan antara dua variabel diatas dapat dipelajari.
Sehingga diagram scatter didefinisikan sebagai diagram yang mempelajari
hubungan sebab-akibat antara variabel-variabel yang saling berhubungan, yaitu
variabel independent yang biasanya diplot pada sumbu x dan variabel dependent
yang biasanya diplot pada sumbu y.
Masalah kualitas muncul dalam bentuk
“defect”.
Adalah penting untuk melakukan klarifikasi pola distribusi dan menemukan
penyebab utama “defect” tersebut.
Jika penyebab utama dari “defect” dapat diidentifikasi, kita dapat
menghilangkan hampir dari seluruh masalah “defect” itu sendiri, yaitu dengan
memusatkan perhatian pada penyebab-penyebab utama ini.
Pada tahun 1897, ahli ekonomi & sosiologi Italia Vilfredo Pareto
mempresentasikan formula distribusi dari kekayaan berbagai negara.
Teori yang serupa disampaikan oleh ahli ekonomi US M.C. Lorenz pada tahun 1907.
Keduanya menekankan bahwa sebagian besar dari kekayaan atau kemakmuran hanya
dinikmati oleh sebagian kecil penduduk / negara.
Dalam bidang Quality Control, Dr. J. M. Juran (pakar manajemen kualitas)
mengaplikasikan metode diagram Lorenz’s sebagai formula untuk
mengklasifikasikan masalah kualitas kedalam “vital few”(sedikit tapi penting)
dan “the trivial many” (banyak tapi tidak penting) & menamakannya Analisa
Pareto.
Hal ini dikenal dengan aturan “ vital view and trivial many” atau 20 % dari
sesuatu bertanggungjawab akan 80% hasil-hasilnya.
Penekanannya adalah : dalam banyak kasus, sebagian besar masalah defect, hanya
disumbang oleh sebagian kecil penyebab utama. (Prinsip 80/20)
Bagaimana membuat Pareto Diagram :
Langkah 1 :
a.Memutuskan masalah yang akan diselidiki
Mis : Item defect, kerugian keuangan, kejadian kecelakaan.
b.Menentukan data apa yang diperlukan dan bagaimana untuk mengklasifikasikannya
Mis : berdasar tipe data, lokasi, proses, mesin, pekerja dsb
c.Menentukan metode pengumpulan data dan periodenya
Langkah 2
Merancang lembar pengisian data.
Langkah 3
Mengisi lembar pengisian data dan menghitung jumlah total pencatatan. (Tabel
3.1)
Langkah 4
Membuat daftar data sheet untuk diagram Pareto yang berisi tipe defect, jumlah
defect, nilai kumulatif defect, persentase defect & persentase kumulatif
defect.
Langkah 5
Susunlah item defect berdasarkan jumlah,
dan mengisi daftar data sheet untuk diagram Pareto.
Note : Item defect “others” harus diletakkan di bagian bawah, tidak perduli
berapapun besarnya. Hal ini disebabkan “others” terdiri dari berbagai komponen
defect yang secara nilai lebih kecil dibandingkan dengan item defect yang sudah
didefinisikan.
Langkah 6
a.Gambar dua sumbu vertikal dan horisontal.
b.Bagi sumbu vertikal sisi kiridengan skala dari 0 sampai sejumlah total number
defect.
c.Bagi sumbu vertikal sisi kanandengan skala dari 0% ke 100%.
d.Bagi sumbu horisontal dengan jumlah interval
sesuai dengan tipe defect.
Langkah 7
Buat diagram batang. Item defect yang mempunyai jumlah terbanyak diurut dari
kiri ke kanan, tempatkan others di bagian paling kanan.
Langkah 8
a.Gambar Kurva Kumulative (Kurva Pareto).
b.Tandai nilai kumulatif (kumulatif total atau kumulatif %), di sebelah kanan
interval masing-masing item defect, dan hubungkan dengan garis.
Langkah 9
a.Tulislah hal-hal yang dianggap perlu pada diagram Pareto :
b.Hal yang berhubungan dengan diagram : seperti title, nama pembuat diagram
pareto dsb.
c.Hal yang berhubungan dengan data : periode, subyek dan tempat pengambilan
data serta total jumlah data yang diambil.
Ada 2 tipe diagram Pareto :
1.Diagram Pareto berdasar kejadian / hasil yang terjadi:
Adalah diagram yang berkaitan dengan hasil yang tak diinginkan, dan dipakai
untuk mencari tahu apa yang menjadi penyebab utama permasalahan :
a.Quality : defect, kegagalan, complain, part kembalian, repair.
b.Cost : nilai kerugian, pengeluaran
c.Delivery : stock shortage, delivery tertunda, default pembayaran
d.Safety : kecelakaan, kelalaian
2. Diagram Pareto berdasarkan penyebab :
Adalah diagram yang berkaitan dengan faktor-faktor penyebab defect yang
ditemukan di proses produksi, dan digunakan untuk mencari tahu penyebab utama
defect tersebut :
a.Operator : shift, grup, umur, pengalaman, ketrampilan, kepribadian
b.Mesin : mesin, peralatan, instrumentasi
c.Material mentah : manufaktur, lot
d.Methode : instruksi kerja, SOP
Kegunaan Diagram Pareto :
1.Menunjukkan persoalan utama.
2.Menyatakan perbandingan masing masing persoalan terhadap keseluruhan.
3.Menunjukkan perbandingan sebelum dan setelah perbaikan.
4.Untuk prioritas penyelesaian persoalan
Kegunaan dari Histogram adalah untuk
mengetahui distribusi / penyebaran data sehingga dengan demikian didapatkan
informasi yang lebih banyak dari data tersebut dan akan memudahkan untuk
mendapatkan kesimpulan dari data tersebut.
Mengkaji Histogram :
1.Bentuk normal (simetris / bentuk lonceng):
Harga rata rata histogram terletak ditengah range data.
Frekuensi data paling tinggi di tengah dan menurun
secara bertahap dan simetris pada kedua sisinya.
Catatan : Bentuk ini merupakan bentuk yang paling
sering dijumpai.
2. Bentuk Moltimodal :
Kelas dalam urutan nomor genap mempunyai frekuensilebih kecil / sedikit
dibanding dengan sisiluarnya.
Catatan : Bentuk ini bisa terjadi bila jumlah data tidak menentu pada masing2
kelas ada kecenderungan pengumpulan / pembulatan data yang kurang tepat.
4. Bentuk Curam Dikiri :
Harga rata2 histogram terletak jauh disebelah kiri dari range dan frekuensi
disisi kiri turun menjadi nol secara tiba tiba.
Catatan : Bentuk ini mungkin disebabkan adanya batasan yang tidak boleh
dilampaui di sisi kiri (data yang dibawah batas bawah tidak dipakai.
5. Bentuk Plateum :
Bentuk ini terjadi bila frekuensi di masing masing kelas hampir sama dan hanya
pada ujung 2yang berbeda cukup banyak.
Catatan : Bentuk ini mungkin disebabkan adanya penggabungan beberapa kumpulan
data yang mempunyai harga rata-rata berdekatan.
6.Bentuk dengan 2 puncak
Pada bentuk ini frekuensinya dibagian tengah agak rendah dan terdapat 2 puncak
di masing2 sisinya.
Catatan : Bentuk ini dapat terjadi bila ada penggabungan 2 kumpulan data yang
harga rata-ratanya berbeda jauh.
7.Bentuk dengan puncak terpisah
Pada bentuk ini terdapat puncak kecil yang terpisah dari bentuk histogram yang
normal.
Catatan : Bentuk ini bisa terjadi bila terdapat pena-mbahan kumpulan data dalam
jumlah kecil dengan distribusi berbeda. Bisa juga terjadi bila salah
pengukuran, pemasukan data dari proses lain atau ketidakberesan /
ketidaknormalan dalam proses.
Measurement System Analysis :
Analisa system pengukuran sehingga didapatkan hasil pengukuran yang benar-benar
akurat, presisi dan dapat dipertanggung-jawabkan.
Applikasi MSA
1. Kriteria penerimaan alat ukur baru.
2. Metode untuk perbandingan beberapa alat ukur / sistem pengukuran.
3. Dasar penilaian alat ukur yang diduga bermasalah.
4. Perbandingan alat ukur sebelum & setelah perbaikan.
5. Salah satu komponen dalam menghitung variasi proses, dan level yang dapat
diterima untuk proses produksi
Konsep Dasar :
Variasi : Kuadrat dari standard deviasi
Standar Deviasi / Simpangan Baku "Sigma" : Ukuran penyebaran data
terhadap rata – ratanya.
Total variasi yang diamati dalam pengukuran suatu produk adalah penjumlahan
variasi produk itu sendiri dan variasi dari pengukuran.
Tujuan dari MSA adalah mengusahakan agar variasi pengukuran menjadi seminimal
mungkin.
Dirumuskan :
Total Variasi = Variasi produk + Variasi pengukuran
MSA dapat diklasifikasikan dua, yaitu Precision & Accuracy :
1.Precision / Presisi adalah variasi part saat diukur beberapa kali dengan alat
ukur yang sama.
2.Accuracy / Akurasi adalah perbedaan antara hasil pengukuran part dengan nilai
sebenarnya dari part tersebut.
Note :
Selain itu, MSA juga dapat untuk memastikan bahwa sistem pengukuran dapat mendeteksi
perubahan kecil yang ada di part (discrimination).
Accuracy mempunyai 3 komponen :
1. Stability : pengukuran harus mempunyai nilai yang sama baik di “masa lalu”
maupun di ”masa datang”. (TIME BASE).
2. Linearity : pengukuran memberikan pembacaan yang tepat pada rentang ukuran
tertentu. (SCALE BASE).
3. Bias : perbedaan nilai rata-rata pengukuran dengan nilai sebenarnya / true
value.
Precision mempunyai 2 Komponen :
1. Repeatability : variasi alat ukur yang terjadi ketika operator sama mengukur
part sama, dengan alat ukur yang sama juga berulang kali.
2. Reproducibility : variasi diakibatkan oleh operator yang berbeda, mengukur
part ukur yang sama dengan alat ukur yang sama.
Discrimination : Sistem pengukuran harus mampu membagi nilai terkecil dari
distribusi normal (± 3 sigma) menjadi minimal 5 kategori. Mis, sebuah Caliper
resolusi 0.1 mm dapat mengukur part (mis dimensi 10.0 mm ) dengan hasil : 10.1,
9.8, 9.9, 10.0, 10.2. Ditunjukkan dengan Number of Distinct Category (Min 5).
Kriteria Penerimaan Sistem Pengukuran
dilakukan dengan melakukan analisa Gauge R & R(Repeatability &
Reproducibility) sehingga dapat dilihat ke PRESISI an sistem pengukuran, yaitu
:
1. Dengan melihat % Study Variasi dapat dilihat variasi Repeatability &
variasi Reproducibility.
2. Dengan melihat Discrimination / Number of distinct Categories dapat dilihat
apakah sistem pengukuran mampu membedakan berbagai part ukur yang berbeda
ukurannya.
3. Dengan melihat P value, dapat dilihat apakah ada kecenderungan interaksi
antara operator dengan part yang diukur (mis. Part dengan bentuk, jenis, ukuran
tertentu).
Standar Gage R & R :
A. Standard % Study Variasi (SV) :
% SV < 10 % (Gage dapat diterima).
10 % < % SV < 30 % (Gage diterima dengan persyaratan tertentu).
% SV > 30 % (Gage tidak diterima).
B. Standard Number of Distintc Categories (NDC) min 5.
C. Standard P value :
P value > 0.25 berarti tidak ada interaksi operator dengan part.
P value < 0.25 berarti ada interaksi operator dengan part.
Gauge R & R
Ada 2 methode :
1. Crossed Methode (Silang): apabila part ukur yang sudah diukur operator
pertama dapat diukur ulang oleh operator kedua dst (bersifat tidak merusak),
mis pengukuran dimensional dengan caliper dsb.
2. Nested Methode (Bersarang) : apabila part ukur yang sudah diukur oleh
operator pertama tidak dapat dilakukan pengukuran ulang oleh operator kedua dst
(bersifat merusak), mis pengukuran / pengujian tarik, broken test dsb.
Dengan memakai ANOVA (Analisa of Variance) dibantu dengan software Minitab,
Gauge R & R dapat membedakan :
1. Variasi antar part.
2. Variasi antar operator/pengukur.
3. Variasi alat ukur (repeatability)
4. Interaksi operator/pengukur dengan part ukur.
Analisa Gage R & R :
Bila Repeatability nilainya terlalu besar (over value) dibandingkan Reproducibility,
maka perlu dilihat :
1. Gage mungkin perlu dimaintenance.
2. Gage mungkin perlu di redesain supaya lebih rigid.
3. Clamp atau lokasi gage perlu diimprove.
Analisa Gage R & R
Bila Reproducibility nilainya terlalu besar (over value) dibanding Repeatability,
maka perlu dilihat :
1. Operator training.
2. Akurasi dari prosedur pengukuran.
3. Kalibrasi gage tidak jelas.
Check Sheet : sebuah form yang
berisi item pemeriksaan, dimana marking bisa ditambahkan untuk setiap item
pemeriksaan yang sudah dihitung.
Check Sheet mempunyai dua tujuan utama :
1.Untuk membuat pengumpulan data menjadi mudah.
2.Untuk penyusunan & pengolahan data selanjutnya, sehingga dapat dipakai
dengan mudah.
Check Sheet & Stratifikasi:
Checksheet kadang dipakai untuk stratifikasi lebih lanjut untuk menemukan
faktor penyebab defect, sehingga diperlukan untuk menggabungkan checksheet
dengan stratifikasi .
Checksheet dirancang untuk tujuan awal sebagai sarana bantu pengumpulan data,
kemudian dapat dilakukan berbagai variasi modifikasi, sehingga data dapat
diperoleh & disimpan dengan mudah serta disesuaikan dengan sasaran yang
dituju.
Stratifikasi :
Ketika memiliki data defect dan mencoba untuk mengidentifikasi penyebabnya,
akan sangat membantu untuk mengambil data berdasarkan faktor mesin, operator,
material, waktu, atau berbagai faktor lainnya.
Stratifikasi untuk itu adalah sebuah teknik yang digunakan untuk mengumpulkan
data berdasarkan penyebab.
Stratifikasi sangat penting di dalam flow proses, methode sampling dan
pemrosesan data.
Elemen – elemen dan contoh stratifikasi :
1.Operator : tiap individu pekerja, grup pekerja didalam job yang sama,
klasifikasi berdasar tahun pengalaman, umur dsb
2.Mesin dan peralatan : tipe mesin, plant, umur mesin, dan peralatan.
3.Material : berdasar supplier, merk, waktu delivery, lot penerimaan, waktu
simpan, tempat penyimpanan dsb
4.Prosedure kerja : berdasar instruksi kerja, kondisi kerja , methode pengukuran
dsb
5.Waktu : pagi, siang, sore, harian, mingguan, bulanan, sesaat setalah produksi
dimulai, sesaat sebelum produksi diakhiri dsb
6.Ambience : berdasar temperatur, humidity, cuaca, angin, illumination dsb
Berdasar line baru atau lama, berdasar temapt produksi dan packing dsb
Data merupakan unsur yang penting
dalam pelaksanaan Quality Control.
Hal ini terkait juga dengan pelaksanaan konsep dasar Quality Control yaitu
bertindak dan mengambil keputusan berdasarkan fakta dan data.
Hal- hal yang harus diperhatikan dalam pengumpulan & penyimpanan data :
1.Sasaran pengumpulan & penyimpanan data harus jelas. (Sebagai acuan untuk
tindakan selanjutnya)
2.Stratifikasikan data sesuai kebutuhan dan untuk memudahkan pengumpulan &
penyimpanan data. (Per mesin, shift dsb).
3.Standarisasikan history dari data (Who, When, Where, Why & How ? 4 W 1H)
4.Tata cara tampilan data. (Grafik, Check Sheet, One Sheet Report dsb..).
5.Sumber data. (Berbagai data untuk cross check).
Tipe dari Data :
Data dapat diklasifikasikan kedalam dua kategori :
1.Data Variabel : data dari nilai bersambung dari suatu pengukuran.
mis : panjang 10 cm, volume 10 meter kubik.
2.Data Atribut :
mis : OK / NG, terpasang tidak terpasang, jumlah yang cacat dari 100 sampel
adalah 4.
CACAT & FAKTOR PENYEBABNYA
Apa yang menyebabkan cacat ?
Ketika suatu produk melewati konveyor akhir proses assembling, dan terlihat
final inspektor memisahkan produk yang cacat pada basket tertentu….
Hal ini terlihat umum di banyak pabrik, saat pertama kalinya….. terlihat
seperti produk yang terbuang sia-sia. Tapi lama kelamaan menjadi proses rutin
yang yang dianggap wajib ada.
Bagaimanakah cacat produk dibuat
pertama kali ?
Apa yang seharusnya dilakukan untuk
mengurangi tingkat kejadiannya ?
Banyak orang merasa bahwa cacat produk dikarenakan karena produk harus memenuhi
standard mutu yang ketat, sehingga mempunyai banyak faktor penyebab cacat, dan
produk cacat tidak bisa dihindari.
Bagaimanapun, tanpa memperhatikan tipe produk maupun metode produksi apa yng
digunakan, penyebab cacat produk adalah berlaku umum, yaitu karena adanya
variasi produk.
Apa yang terjadi apabila membuat produk dengan material yang pasti sama
kualitasnya, mesinnya identik serta metode kerja dan inspektor yang pastinya
juga sama, serta lingkungan yang dikondisikan sama ?
Tidak perduli berapa banyak produk yang dibuat, produk tersebut pasti semuanya
identik selama kelima hal diatas dipenuhi yaitu (material, mesin, methode,
manusia + lingkungan).
Berarti bahwa semua produk akan sesuai (OK) atapun semua produk akan tidak
sesuai (NG).
Tapi kenyataannya adalah, tidaklah bisa
mengontrol kelima hal tersebut selalu terpenuhi identik. Sehingga muncullah
variasi produk. Sehingga ada produk OK ada pula produk yang NG.
Variasi di material, kondisi mesin, methode kerja, inspektor yang beda,
lingkungan yang selalu berubah kesemuanya akan menimbulkan variasi yang
menyebabkan cacat.
Marilah kita perhatikan plate baja yang dibending. Seluruh baja terlihat sama
ukuran tebalnya. Tetapi apabila diukur secara presisi, akan berbeda
ketebalannya. Bahkan didalam plate yang sama pun akan berbeda ketebalannya.
Marilah lebih jauh melihat struktur kristalnya plate baja tersebut. Akan
terlihat variasi bentuk susunan kristal yang tersusun dari besi, karbon dan
element lainnya. Perbedaan ini secara alamiah mempengaruhi karakteristik
kualitas. Bahkan ketika di press dengan methode yang samapun, maka plate akan
terbending tidak akan persis seragam, beberapa diantaranya bahkan akan
menimbulkan crack.
Kemudian, apabila melihat proses machining. Cutting tools akan kehilangan
ketajamannya setelah memproses sekian banyak produk, juga kondisi dari minyak
pelumas, yang berubah terhadap temperatur. Dimensi produk yang bervariasi
sehubungan dengan setting dan positioning cutting tool. Meskipun terlihat bahwa
operasional dibawah kondisi yang yang sama, tetap saja banyak perubahan atau
variasi yang terjadi dan akan memberikan pengaruh ke kualitas produk.
Sebagi contoh lainnya, adalah proses perlakuan panas. Temperatur tungku
senantiasa berubah seiring perubahan voltase ( tungku listrik), ataupun
perubahan tekanan gas (tungku gas). Pada tungku lokasi dekat mulut, atap ,
lantai atau dinding, dan di pusat tungku, material akan mempunyai perbedaan
kondisi perlakuan panas. Jumlah panas yang diterima dari satu material
bervariasi sesuai dengan posisi relativ material tersebut terhadap yang lain,
sehingga akan mempengaruhi karakteristik kualitas seperti kekerasan produk
akhir.
Karakteristik fisik pekerja & keahlian juga mempengaruhi variasi dari
kualitas produk.
Ada orang tinggi & pendek, cekatan dan tidak cekatan, orang yang berotot
kuat dan lemah, tangan kanan maupun kidal.
Walaupun dikondisikan dengan methode kerja yang sama pun, tetapi tetap saja
mereka adalah individu yang berbeda yang mempunya variasi karakteristik pribadi
yang berbeda-beda pula.
Bahkan individu yang sama pun akan menyesuaikan terhadap bagaimana tingkat
kondisi kelelahannya yang berbeda-beda di sepnjang hari, sehingga akan
memungkinkan untuk bisa melakukan kesalahan-kesalahan pada saat-saat tertentu.
Dalam proses pemeriksaan, ada kemungkinan berbagai variasi akan muncul sehingga
mempengaruhi kualitas produk.
Jika sebuah gauge dipakai dalam pemeriksaan, variasi data bisa disebabkan oleh
ketidaksesuaian gauge dan juga oleh bagaimana gauge itu digunakan.
Dalam hal inspeksi sensory seperti visual, akan muncul variasi yang berkaitan
kriteria inspektor yang berbeda. Variasi dalam pemeriksaan tidak mempunyai
pengaruh langsung terhadap variasi kualitas produk itu sendiri, tetapi hal
tersebut terkait dengan proses pengambilan keputusan apakah produk tersebut
cacat atau tidak.
Cacat produk disebabkan oleh variasi, jika variasi ini direduksi, cacat produk
secara pasti akan berkurang juga
Diagnosa Proses :
Meskipun penyebab dari variasi kualitas adalah tak terhitung banyaknya, tidak
setiap penyebab akan berpengaruh sama terhadap kualitas.
Beberapa diantaranya berpengaruh lebih besar dibanding yang lain. Ada juga hal
yang secara theoritis berpengaruh penting terhadap kualitas ternyata hanya
memberikan pengaruh yang sangat kecil dikarenakan adanya kontrol proses yang
benar.
Dari berbagai faktor penyebab cacat produk dapat dikategorikan kedalam dua
grup, yaitu pertama : sebagian kecil penyebab tetapi memberikan pengaruh yang
besar (the vital few) dan kedua : beberapa penyebab yang hanya memberikan
pengaruh kecil (the trivial many).
Hal ini dikenal sebagai Prinsip Pareto
Dengan mengetahui sumber-sumber variasi, serta memakai prinsip pareto, maka
pengurangan cacat produk akan menjadi lebih mudah untuk ditangani.
Yang diperlukan pertamakali adalah menemukan penyebab dominan dari cacat
tersebut, kemudian menghilangkannya penyebab ini setelah jelas teridentifikasi.
Di dalam setiap proses, akan ada sedemikian banyak penyebab cacat sehingga
adalah tidak mungkin untuk mengontrolnya semua.
Ada perbedaan antara beberapa tersangka yang mungkin menyebabkan cacat dan yang
secara aktual memang menyebabkan cacat.
Prosedur untuk menemukan penyebab cacat dari berbagai faktor dinamakan dengan
diagnosa proses.
Untuk mengurangi jumlah cacat yang terjadi, langkah yang diperlukan pertama
kali adalah membuat diagnosa yang benar untuk melihat penyebab sebenarnya dari
cacat tersebut.
Jika diagnosa proses tidak dilakukan dengan benar, cacat produk tak akan bisa
dikurangi.
Hal ini diumpamakan dengan memberikan sejumlah resep obat-obatan ke pasien yang
sakit, dengan tanpa melakukan pemeriksaan yang menyeluruh.
Mungkin secara sementara, pasien akan merasa lebih baik, tapi kemudian akan
menjadi lebih sakit dibandingkan kondisi sebelumnya & bahkan bisa berakibat
fatal.
Bagaimana untuk membuat diagnosa yang benar ?
Ada beberapa methode yang dapat digunakan :
Beberapa memakai intuisi, yang tergantung dengan pengalaman. Beberapa lainnya
memakai analisa statistik, atau dapat juga menggunakan penelitian percobaan.
Methode intuitisi seringkali digunakan disebabkan karena hal ini dapat
dilakukan dengan cepat……
Kenyataanya ada sesuatu diluar kemampuan orang-orang biasa dalam hal intuisi,
sehingga keahliannya menjadi patut dihargai.
Sebagaimana seorang Grand Master Catur melakukan sebuah gerakan bidak merupakan
hal yang luarbiasa bila dibandingkan dengan gerakan bidak yang dilakukan oleh
ratusan pemain catur amatiran.
Dalam hal ini strategi & intuisi Grand Master Catur pastilah memegang
peranan menentukan dalam mengalahkan lawan.
Bagaimanapun, kesulitannya dalam mengurangi cacat adalah tidak selalu jelasnya
siapakah yang sebenarnya ahli dalam hal ini.
Dalam hal catur, saran dari seorang Grand Master Catur hampir dapat dipastikan
dapat dipercaya, dan pemain yang lebih kuat akan terlihat dalam pertandingan
serta juaranya adalah yang bisa bertahan, ulet sehingga memenangkan
pertandingan catur tersebut.
Sedangkan dalam hal progress masalah yang terlalu cepat berubah, adalah sulit
untuk menemukan ahli yang kompeten bisa menangani masalah progressive tersebut.
Sebagaimana masalah cacat yang seringkali ditemukan dalam proses produksi,
sedangkan pengalaman tentang masalah cacat tersebut misalnya minim/kurang, maka
yang diperlukan adalah pengamatan dari situasi nyata seobyektive mungkin.
Cara statistik dari pengamatan dan penggunaan methode statistik adalah paling
efektif untuk hal ini.
Methode statistik memberikan cara yang efektif untuk pengembangan teknologi
baru dan kontrol kualitas di proses manufaktur.
Beberapa perusahaan manufaktur terkemuka telah menerapkan usaha yang
sungguh-sungguh untuk aktif menggunakan methode statistik dan beberapa
diantaranya menghabiskan lebih dari 100 jam pertahun untuk pelatihan internal .
Ketika pengetahuan dari methode statistik menjadi bagian dari perangkat seorang
Quality Engineer , faktanya seseorang yang mengetahui methode statistik
tersebut tidaklah sertamerta mempunyai kemampuan untuk dapat mengaplikasikannya
dengan benar.
Sehingga diperlukan keterusterangan untuk mengenali kesulitan-kesulitan yang
ada, dan mencoba untuk mengaplikasikan minimal untuk satu kasus yang paling
perlu (mis : kritikal part) daripada mengetahui banyak theori statistika tetapi
tidak pernah diaplikasikan.
Akhirnya, kita perlu untuk menekankan bahwa adalah tidak hanya pengetahuan
tentang statistik itu sendiri yang dianggap penting, tetapi perilaku mental
untuk menggunakannya itu sendiri adalah justru yang lebih penting.
Definisi Kualitas : suatu
penyesuaian akan keperluan dan kondisi pelanggan atau secara umum diartikan
persepsi konsumen terhadap produk atau jasa, sejauh mana produk atau jasa
tersebut memenuhi keinginannya.
Jika konsumen menganggap bahwa mobil yang berkualitas adalah mobil yang irit
bahan bakar, maka mobil buatan Eropa yang boros bahan bakar akan dianggap
kurang berkualitas dibanding mobil Jepang.
Namun jika konsumen menganggap bahwa mobil yang berkulitas adalah yang nyaman
dikendarai serta ber- prestise, maka mobil Ferrari, BMW dan Mercy lah yang
berkualitas.
Pelanggan mengharapkan konsep, kapasitas, fungsi, unjuk kerja yang handal, tak
pernah gagal, dapat di repair bila bermasalah dan berimbang dengan biaya yang
dikeluarkan oleh pelanggan.
Demikian sedikit pemahaman kami terkait quality control , kiranya dapat menjadi amal pahala
Silahkan komentar untuk menjadi masukan buat kami...
Matur sembah suwun
Komentar
Posting Komentar