seven%(basic%“old”)%tools - debrina.lecture.ub.ac.id · langkah%pembuatan%(1)% 1....
TRANSCRIPT
ì SEVEN (BASIC “OLD”) TOOLS
3 – 4 Pengendalian Kualitas
Debrina Puspita Andriani Teknik Industri Universitas Brawijaya e-‐Mail : [email protected] Blog : hDp://debrina.lecture.ub.ac.id/
ì
Fishbone Diagram/Cause & Effect Diagram/Ishikawa Diagram Check Sheets Histogram Pareto Charts
StraPfikasi ScaDer Diagram/Diagram Sebar Control Chart/Peta Kontrol
05/11/14 www.debrina.lecture.ub.ac.id
2
Outline SEVEN (BASIC “OLD”) TOOLS
ì
05/11/14 www.debrina.lecture.ub.ac.id
3
FISHBONE DIAGRAM 1 – SEVEN (BASIC “OLD”) TOOLS
DEFINISI
ì Dikembangkan tahun 1943 oleh Prof Kaoru Ishikawa à disebut juga diagram Ishikawa atau Diagram Tulang Ikan
ì Merupakan diagram yang terstruktur untuk mengidenPfikasi penyebab dari masalah dan hubungan sebab-‐akibat berdasarkan pengalaman dan keahlian dari sekelompok orang dengan melakukan brainstrorming secara terstruktur.
ì Dapat digunakan untuk brainstorming cara-‐cara yang perlu dilakukan untuk mencapai suatu tujuan.
ì Manfaat: ì MengidenPfikasi sebab-‐sebab utama masalah ì MengidenPfikasi akar masalah ì MengidenPfikasi beberapa alternaPf cara penyelesaian masalah
05/11/14 www.debrina.lecture.ub.ac.id
4
FISHBONE DIAGRAM 05/11/14 www.debrina.lecture.ub.ac.id
5
Sub Penyebab
Akibat (masalah)
Penyebab
Sub Penyebab 1
Sub Penyebab 2 Penyebab
Sub Penyebab 3
Sub Penyebab 4
MENGGALI FAKTOR PENYEBAB
Gunakan prinsip 5 Why untuk:
• Menghindari jebakan “mengobaP gejala”
• Menggali akar penyebab yang sebenarnya
• MensPmulasi Pm melakukan perbaikan opPmal
05/11/14 www.debrina.lecture.ub.ac.id
6
CONTOH : BERTANYA 5-‐MENGAPA
LANGKAH PEMBUATAN (1)
1. Tuliskan secara singkat masalah atau akibat yang akan dianalisa pada “kepala” diagram tulang ikan.
2. Tetapkan kategori penyebab yang sesuai dengan permasalahan yang dianalisa ì Umumnya menggunakan kategori : 5M & 1 E yaitu Manpower (Manusia),
Machine , Method , Materials, Money , Environment (Lingkungan) ì Jika permasalahannya cukup kompleks dapat dibuat tulang ikan untuk sePap sub
proses baru kemudian di sePap sub proses dianalisa 5M +1E
3. Lakukan brainstorming sebab-‐sebab yang mungkin disePap kategori
4. IdenPfikasi hubungan sebab akibat diantara faktor didalam sePap kategori dan sub kategori
05/11/14 www.debrina.lecture.ub.ac.id
7
LANGKAH PEMBUATAN (2)
5. Buat diagram tulang ikan ì Kategori utama menjadi tulang terbesar dari diagram tulang ikan ì Susun sePap penyebab dan sub penyebab di tulang yang lebih rendah
(penyebab paling spesifik dituliskan ditulang terkecil). Sebab ini merupakan salah satu akar masalah
6. Gunakan data atau lakukan konsensus untuk memilih beberapa akar penyebab masalah yang paling mungkin atau paling besar kontribusinya atas terjadinya masalah ì Pilih 3-‐5 penyebab dari tulang kecil ì Penyebab tersebut ditandai dengan tanda bintang atau lingkaran ì Akar permasalahan ini sebelum diPndaklanjuP harus diverifikasi
05/11/14 www.debrina.lecture.ub.ac.id
8
ì
05/11/14 www.debrina.lecture.ub.ac.id
9
Fishbone Diagram
CONTOH
ì
05/11/14 www.debrina.lecture.ub.ac.id
10
CHECK SHEETS 2 – SEVEN (BASIC “OLD”) TOOLS
DEFINISI
ì Merupakan lembar (form/sheet) yang digunakan dalam merekam data dengan cara yang mudah untuk digunakan maupun dianalisis.
ì Manfaat: ì Membantu dan mempermudah proses pengumpulan data ì Menstandarisasi cara pengumpulan data ì Mencatat suatu kejadian ì Mengetahui adanya permasalahan
05/11/14 www.debrina.lecture.ub.ac.id
11
LANGKAH PEMBUATAN 1. SepakaP permasalahan yang akan dikumpulkan datanya 2. Buat lembar data dengan kolom dan baris sesuai kebutuhan, gunakan pedoman
pengumpulan data (5 W+1 H) a. What : item yang akan dikumpulkan datanya (gunakan teknik straPfikasi) b. Where : tetapkan lokasi / scope pengumpulan data c. Who : PIC yang mengumpulkan data d. When : tetapkan periode pengumpulan data e. Why : tetapkan tujuan pengumpulan data (tulis dalam pernyataan sebagai Judul
Lembar Data) f. How much & How Collect Data :
a. Tetapkan berapa banyak dan bagaimana cara mengumpulkan data b. Banyaknya data dan frekuensi pengambilan data harus sesuai kondisi proses (misal
cairan diambil 1 cc sePap jam dan diukur) c. Periode waktu pengambilan data yang akan dijadikan baseline hendaknya mewakili
minimal satu siklus 3. Hasil pengumpulan data atau pengukuran dicatat pada lembar data à ada 2
yaitu : a. Lembar data untuk mengumpulkan data secara “real Pme” b. Lembar data untuk rekapitulasi
05/11/14 www.debrina.lecture.ub.ac.id
12
CONTOH ì Masalah yang diangkat : Kompetensi
karyawan dibagian maintenance kurang a. What : Jenis pekerjaan di bagian
maintenance (A & B), Pngkat kompetensi masing-‐masing pekerjaan untuk sePap karyawan à misal straPfikasi berdasar jenis pekerjaan
b. Who : Budi c. Where : Bagian Maintenance d. When : Data per 1 Juni 2011 e. Why : Untuk mengetahui apakah Pngkat
kompetensi karyawan di bagian maintenance kurang à Judul lembar Data : Data kompetensi karyawan dibagian maintenance
f. How : Seluruh karyawan tetap dibagian maintenance
05/11/14 www.debrina.lecture.ub.ac.id
13
Tingkat Kompetensi karyawan Bag. Maintenance per 1 Juni 2011
ì
05/11/14 www.debrina.lecture.ub.ac.id
14
HISTOGRAM 3 – SEVEN (BASIC “OLD”) TOOLS
DEFINISI
ì Grafik balok yang menggambarkan penyebaran data sebagai hasil dari satu macam pengukuran atas suatu kejadian atau proses
ì Contoh penerapan: ì Menurunkan variabilitas temperatur mesin ì Menurunkan variabilitas dimensi suatu produk ( panjang, lebar, tebal
dll) ì Menurunkan variabilitas parameter suatu produk ( berat, kadar, dll)
ì Manfaat: ì Melihat range dan distribusi dari data konPnu (misal : berat barang yang
dikirim, rupiah yang dibelanjakan disePap PO dsb) ì Melihat variasi dan Pngkat pemenuhan spesifikasi pelanggan (size, cycle
;me, suhu dsb) * Hanya berlaku untuk data konPnu saja
05/11/14 www.debrina.lecture.ub.ac.id
15
LANGKAH-‐LANGKAH 1. Kumpulkan dan tabulasikan data konPnu(data hasil pengukuran) : n data 2. Urutkan data dari data yang terendah nilainya (min) sampai nilai terPnggi
(max) 3. Kurangi nilai terPnggi dengan nilai terendah untuk menghitung range dari
data yang diobservasi, range = max – min 4. Hitung jumlah balok à akar pangkat dua dari jumlah nilai data,k = sqrt (n) 5. Hitung lebar Pap balok dengan membagi range dari data (max – min)
dengan jumlah balok, h = range / k 6. Beri label di sumbu X dengan nilai dari Pap balok (dari balok pertama s/d
balok ke k) 7. Hitung jumlah data dari Pap balok 8. Sumbu Y = jumlah data pada Pap balok, sumbu X = nilai data dari sePap
balok 9. Analisis histogram
05/11/14 www.debrina.lecture.ub.ac.id
16
CONTOH (1) Max = 409,4 Min = 400,1 Jumlah data n= 30 à k = sqrt (30) = mendekaP 6 Range = max – min = 409,4 – 400,1 = 9,3 H = Range / k = 9,3 / 6 = 1,55 Rata-‐rata : Mean : Excel formula = average (....) = 404,25 Standard deviasi : Excel formula = STDEV (....) = 2,26
05/11/14 www.debrina.lecture.ub.ac.id
17
ì
05/11/14 www.debrina.lecture.ub.ac.id
18
CONTOH (2)
NORMAL DISTRIBUTION
ì Untuk data distribusi normal : a. 68,27 % data berada dalam
area X – s dan X + s b. 95,45 % data berada dalam
area X – 2s dan X + 2s c. 99.73 5% data berada dalam
area X – 3s dan X + 3s
05/11/14 www.debrina.lecture.ub.ac.id
19
Data dikatakan berdistribusi normal bila sebaran datanya membentuk bell curve (luas sebelah kiri dan kanan dari PPk tengah adalah sama) Mean = Median = Modus
POLA DISTRIBUSI NORMAL HISTOGRAM
05/11/14 www.debrina.lecture.ub.ac.id
20
§ Membandingkan histogram dengan spesifikasi yang ditetapkan ì Bila ada spesifikasi, buat garis
batas spesifikasi untuk membandingkan distribusi dari histogram dengan batas spesifikasi yang ditentukan, kemudian perhaPkan apakan histogram berada dalam batas spesifikasi tersebut
ì Membandingkan histogram dengan spesifikasi ini lebih lanjut dianalisa dengan pengukuran process capability index
POLA DISTRIBUSI NORMAL HISTOGRAM
05/11/14 www.debrina.lecture.ub.ac.id
21
Stratifikasi Histogram
ì Untuk menganalisa lebih lanjut sebuat histogram (terutama bila terjadi penyimpangan) dengan data yang dikumpulkan dari berbagai sumber, straPfikasikanlah data yang ada (misal berdasar material, mesin, kondisi operasional, pekerja dll) buat masing-‐masing histogram untuk data yang sudah distraPfikasikan tsb à akan lebih jelas
05/11/14 www.debrina.lecture.ub.ac.id
22
ì
05/11/14 www.debrina.lecture.ub.ac.id
23
DIAGRAM PARETO 4 – SEVEN (BASIC “OLD”) TOOLS
0
100
200
300
400
500
600
700
800
900
Wei
ghte
d Co
st
Weighted cost 800 208 100 80 42 14 6
Gap Dent Hole Crack Scratch Others Stain
DEFINISI
ì Pertama kali ditemukan oleh Vilfredo Pareto (ahli ekonomi Italia).
ì Pada umumnya digunakan untuk menunjukkan masalah yang disusun dari prioritas terPnggi ke yang terendah untuk menentukan masalah yang harus ditangani terlebih dahulu.
ì Merupakan suatu grafik balok berbentuk verPkal yang mengurutkan hasil pengukuran dari yang terPnggi ke yang terendah.
ì Merupakan salah satu bentuk Bar Chart dimana sePap balok dapat mencerminkan perhitungan suatu kategori, suatu fungsi dari kategori (misal rata-‐rata, jumlah atau standard deviasi) atau jumlahan nilai dari suatu tabel.
05/11/14 www.debrina.lecture.ub.ac.id
24
MANFAAT
ì Merupakan pedoman memilih peluang perbaikan berdasar prinsip “vital few” dari “trivial many”
ì Memfokuskan sumber daya pada area /defect/ penyebab yang menghasilkan keuntungan yang terbesar
ì Membandingkan frekuensi dan/atau dampak dari berbagai penyebab masalah
ì Aplikasi: ì Analisa komplain (jumlah kejadian) di perusahaan ì Analisa jenis defect (pcs) yang terjadi dari hasil QC ì Analisa losses (unit) sparepart di gudang ì Analisa pemborosan (Rp) atas hilangnya peralatan produksi ì Analisa produk rework (pcs) berdasar type produk ì Analisa breakdown mesin (frekuensi atau jam) berdasar jenis mesin
05/11/14 www.debrina.lecture.ub.ac.id
25
LANGKAH-‐LANGKAH Tetapkan kategori yang relevan dengan topik yang akan dianalisis untuk menjabarkan masalah menjadi komponen yang lebih kecil • Pareto umumnya terdiri dari 5 kategori atau kurang • Urutkan balok berdasar jumlahan atau biaya
Tetapkan periode waktu
Kumpulkan data. Jenis data : • Berdasar jumlahan atau biaya • Membutuhkan data tambahan (total / jumlah)
• Data Pdak dapat berupa : hal yang Pdak dapat dijumlahkan (misal Pngkat kecelakaan, Pngkat komplain dsb)
Buat tabel frekuensi (item, jumlah, jumlah kumulaPf,
%, % kumulaPf)
Gambarkan grafik baloknya • SePap balok verPkal menunjukkan besarnya kontribusi terhadap total masalah • Balok disusun berdasarkan urutan nilai, yang paling Pnggi diletakkan disebelah kiri. Balok paling kiri memberikan kontribusi terPnggi dalam jumlah kejadian maupun biaya
05/11/14 www.debrina.lecture.ub.ac.id
26
CONTOH
05/11/14 www.debrina.lecture.ub.ac.id
27
Kesimpulan : Defect paling besar di FT 1 adalah Chipping (40 pcs = 37,38%)
Next W
eek : Seven Basic Tools Part 2
05/11/14 www.debrina.lecture.ub.ac.id
28
ì
05/11/14 www.debrina.lecture.ub.ac.id
29
STRATIFIKASI 5 – SEVEN (BASIC “OLD”) TOOLS
DEFINISI
ì Mengelompokkan atau menggolongkan atau menstraPfikasi data berdasarkan faktor tertentu untuk analisa yang lebih rinci
ì Contoh : Mengelompokkan data berdasar § Siapa : Departemen, individu, jenis pelanggan § Apa : Jenis komplain, kategori cacat, alasan menelepon § Kapan : Bulanan, triwulan, hari, waktu § Dimana : Bagian, Kota, lokasi spesifik dari produk
ì Manfaat: § Mengumpulkan informasi mengenai pola dan penyebab masalah
05/11/14 www.debrina.lecture.ub.ac.id
30
LANGKAH-‐LANGKAH
1. IdenPfikasi pertanyaan yang akan dikemukakan jika telah mendapatkan data
2. Menentukan faktor straPfikasi yang paling penPng menurut Pm (yang paling relevan dan dapat mengindikasikan jawaban dari masalah yang akan dipecahkan)
3. Memasukkan faktor straPfikasi ke dalam formulir pengumpulan data
4. Membandingkan data dari strata / kelompok satu dengan strata lainnya
5. IdenPfikasi data dari strata mana yang terlihat secara signifikan berbeda dibanding strata lain
6. Membuat kesimpulan
05/11/14 www.debrina.lecture.ub.ac.id
31
ì
05/11/14 www.debrina.lecture.ub.ac.id
32
Kinerja Dept B lebih rendah daripada Dept A
CONTOH
ì
05/11/14 www.debrina.lecture.ub.ac.id
33
SCATTER DIAGRAM 6 – SEVEN (BASIC “OLD”) TOOLS
DEFINISI
ì Diagram yang menggambarkan hubungan (korelasi) antara dua variabel / faktor yang saling berhubungan / berkorelasi
ì MANFAAT § Menyajikan data untuk mengkonfirmasi hipotesa apakah
dua variabel saling berhubungan /berkorelasi § Mengetahui seberapa erat hubungan antara faktor tersebut § Sebagai tools untuk memverifikasi akar penyebab yang
diperoleh dari analisa sebab dan akibat
05/11/14 www.debrina.lecture.ub.ac.id
34
LANGKAH-‐LANGKAH (1)
1. Tetapkan 2 variabel yang akan diteliP korelasinya yaitu variabel X dan Y. Variabel X merupakan variabel independen (sebab, dipengaruhià misal jumlah kunjungan) dan variabel Y merupakan variabel dependen (akibat, diharapkan berubah, terpengaruh à misal hasil penjualan
2. Tentukan sumber data / dari mana data itu diperoleh untuk sePap pasangan X dan Y (misal X = 10 kunjungan, Y= 2 penjualan, sumberdata : Dari salesman
3. Menentukan periode pengumpulan data (misal tgl 1 – 31 Juli )
05/11/14 www.debrina.lecture.ub.ac.id
35
LANGKAH-‐LANGKAH (2)
4. Buat scaDer diagram yng terdiri dari 4 kolom (no urut data, sumber data, variabel X, variabel Y)
5. Kumpulkan data dengan melakukan pengukuran aktual (umumnya data yang dibuat scaDer diagram > 50 pasang data)
6. Menggambarkan scaDer diagram : Plot data pada diagram à diperoleh PPk-‐PPk scaDer
7. Intepretasikan data § Analisa scaDer diagram, apakah ada kecenderungan posiPf, negaPf atau Pdak
ada pola tertentu § Untuk memasPkan ada Pdaknya korelasi, buat garis regresi dengan type regresi
sesuai data (linier, kurve, dll) § Menghitung koefisien korelasinya (r)
05/11/14 www.debrina.lecture.ub.ac.id
36
HUBUNGAN ANTARA DUA VARIABEL
Terdapat 3 hubungan antara dua variabel 1. Hubungan sebab akibat
§ Bila dilakukan terhadap var 1 maka akan ada dampak yang pasP terhadap var 2
§ Misal : Apel jatuh pasP kebawah (Var 1: apel jatuh, var 2: arah jatuhnya-‐selalu kebawah)
2. Hubungan yang bersifat kebetulan § Bila dilakukan suatu Pndakan terhadap var 1, maka belum tentu akan ada
dampak yang pasP terhadap variabel 2 (bisa terjadi, bisa Pdak) 3. Hubungan korelasi
§ Bila dilakukan suatu Pndakan terhadap var 1, maka ada kemungkinan terjadi dampak terhadap var 2.
§ Contoh : a. Antara jumlah kunjungan ke pelanggan dengan hasil penjualan b. Antara lama kerja dengan prestasi kerja c. Antara umur mesin dengan jumlah breakdown
05/11/14 www.debrina.lecture.ub.ac.id
37
JENIS KORELASI ANTARA DUA VARIABEL (1)
05/11/14 www.debrina.lecture.ub.ac.id
38
1. Variabel Independent (X) • Variabel yang diketahui • Variabel yang diposisikan sebagai
penyebab
2. Variabel Dependent (Y) • Variabel yang akan diprediksi • Variabel yang diposisikan
sebagai akibat
JENIS KORELASI ANTARA DUA VARIABEL (2)
05/11/14 www.debrina.lecture.ub.ac.id
39
ANALISA KORELASI
ì 2 JENIS KORELASI ì Simple correla;on à hanya
ada 2 variabel yang terlibat yaitu X dan Y
ì Mul;ple correla;on à hubungan antara lebih dari 2 variabel
ì UKURAN KORELASI ì Dapat digambarkan berupa
angka kuanPtaPf ‘r’ dimana -‐1 ≤ r ≤ 1
• Melihat, meramalkan dan menyimpulkan hubungan antara dua variabel atau lebih
• Dengan diketahui korelasi antara dua variabel atau lebih maka perubahan variabel yang satu dapat diketahui dari variabel yang lain
05/11/14 www.debrina.lecture.ub.ac.id
40
KOEFISIEN KORELASI (r)
§ Koefisien yang menunjukkan korelasi antara dua faktor atau variabel
§ r à -‐1 ≤ r ≤ 1 § r = 0, Pdak ada korelasi § r > 0, korelasi posiPf à bila X
meningkat maka Y juga meningkat § r < 0, korelasi negaPf à bila X
meningkat maka Y menurun § Dua variabel memiliki korelasi kuat
bila|r | ≥ 0,75
05/11/14 www.debrina.lecture.ub.ac.id
41
SIMPLE CORRELATION & REGRESSION
ì
05/11/14 www.debrina.lecture.ub.ac.id
42
Apakah ada korelasi antara jumlah kunjungan salesman dengan hasil penjualan ?
CONTOH (1)
ì
05/11/14 www.debrina.lecture.ub.ac.id
43
Karena nilai r = 0,735 mendekaP 1 maka bisa disimpulkan ada korelasi yang cukup kuat antara variabel x dan Y à peningkatan kunjungan mempengaruhi peningkatan sales
CONTOH (2)
ì
05/11/14 www.debrina.lecture.ub.ac.id
44
Dengan dan Tanpa StraPfikasi
SCATTER DIAGRAM ANALISIS (1)
ì
05/11/14 www.debrina.lecture.ub.ac.id
45
Mana yang paling tepat menggambarkan korelasi dua variabel ?
SCATTER DIAGRAM ANALISIS (2)
ì
05/11/14 www.debrina.lecture.ub.ac.id
46
Mana yang paling tepat garis regresinya?
SCATTER DIAGRAM ANALISIS (3)
ì
05/11/14 www.debrina.lecture.ub.ac.id
47
CONTROL CHART 7 – SEVEN (BASIC “OLD”) TOOLS
Dibahas Pada Bab Berikutnya!
ì
05/11/14 www.debrina.lecture.ub.ac.id
48
Seven Management “New” Tools Tugas Terstruktur 1