1Nopri rev01Nopri rev01
PEMAHAMAN DASAR TENTANG SPCPEMAHAMAN DASAR TENTANG SPC
Apakah yang di maksud dengan SPC?
SPC adalah kependekan dari
S : Statistical
P : Process
C : Control
Apakah yang di maksud dengan Statistical (Statistik):
Statistik secara bahasa berarti Sekumpulan data/angka yang disederhanakandalam bentuk table atau grafik dengan tujuan untuk untuk ditarik maknanya atau untuk memperoleh informasi tertentu
STATISTIK = DATASTATISTIK = DATA
2Nopri rev01Nopri rev01
PEMAHAMAN DASAR TENTANG SPCPEMAHAMAN DASAR TENTANG SPC
Apakah yang di maksud dengan “Process”Pemahaman Konvensional
ININ ProcessProcess OutOut
Process adalah tahapan yang diperlukan untuk mengubah dari input menjadi output ??
Saat ini Process harus dipahami lebih jauh lagi yakni sebagai semua kegiatan yang berhubungan dengan produk mulai dari raw material sampai menjadi Finish good adalah process
IQCIQC ProcessProcess OQAOQA
Process AProcess A Process BProcess B Process CProcess C
3Nopri rev01Nopri rev01
PEMAHAMAN DASAR TENTANG SPCPEMAHAMAN DASAR TENTANG SPC
Jadi SPC adalah :Suatu method / tools yang systematic untuk mengetahui capability dan stability dari suatu product dan perbaikan yang diperlukan.
Apakah yang di maksud dengan “Control” Control adalah upaya2 yang dilakukan untuk memenuhi standard yang di Targetkan, mengurangi kemungkinan terjadinya defect (Stability) dan perbaikan
CONTROL => CAPABILITY => STABILITY => IMPROVECONTROL => CAPABILITY => STABILITY => IMPROVE (P) (D) (C) (A) (P) (D) (C) (A)
4Nopri rev01Nopri rev01
Ada 7 jenis tools yang biasa di pakai dalam SPC, atau yang lebih dikenal dengan nama (QC basic 7 tools)
Yaitu : 1) Histogram or Stem and Leaf plot2) Check Sheet3) Pareto Chart4) Cause and Effect Diagram5) Defect Concentration Diagram6) Scatter Diagram 7) Control Chart
Dalam training ini akan di bahas mengenai SPC dengan method Control chart
PEMAHAMAN DASAR TENTANG SPCPEMAHAMAN DASAR TENTANG SPC
5Nopri rev01Nopri rev01
PEMAHAMAN DASAR TENTANG SPCPEMAHAMAN DASAR TENTANG SPC
Run ChartScatter Diagram
Histogram
Fishbone Diagram
Check Sheet Pareto Chart Defect Concentration Diagram
6Nopri rev01Nopri rev01
KEGUNAAN DARI SPCKEGUNAAN DARI SPC
Kegunaan dari SPC :
1. Monitor process (defect prevention)
2. Menentukan apakah process masih dalam control atau tidak (Process capability)
3. Memutuskan apakah corrective actions diperlukan atau tidak (prevent unnecessary process adjustment)
4. Membantu memutuskan action apa yang diperlukan (improving productivity)
7Nopri rev01Nopri rev01
CONTROL CHARTCONTROL CHART
Jenis dari control chart
Variables Control ChartsVariables control charts biasa di pakai untuk data yang terukur (measurement data) dan memiliki distribusi / Variable data.
Contoh Jenis – jenis data yang bisa terukur adalah:
1) Weight (Berat)
2) Height (Ketinggian)
3) Speed (Kecepatan)
4) Distance (Jarak)
5) Thickness (Ketebalan)
Jenis – jenis dari control chart untuk variables data adalah:
X-Bar R chart, MR Chart.
8Nopri rev01Nopri rev01
CONTROL CHARTCONTROL CHART
Jenis dari control chart
Attributes Control Charts
Attributes control charts biasa di pakai untuk pengkategorian dari jenis data seperti Pass atau Fail, go-No go, NG and OK
Note :
Walaupun data tersebut adalah variabel data (data dalam bentuk angka hasil pengukuran), data tersebut dapat di anggap sebagai attributes data jika pointnya adalah jumlah dari pass dan fail.
Jenis – jenis dari control chart untuk variables data adalah:
P-Chart, U- Chart and C-Chart.
9Nopri rev01Nopri rev01
SPC (Control chart Tree)
1 2 k
1 2 k
X X ... XX
kR R ... R
Rk
RDLCL
RDUCL
RAXLCL
RAXUCL
3R
4R
2X
2X
n A2 E2 D4 D3
2 1.88 2.66 3.27 03 1.02 1.77 2.57 04 0.73 1.46 2.28 05 0.58 1.29 2.11 0
k21
kk2211
n...nn
pn...pnpnp
n
)p1(p3pLCL
n
)p1(p3pUCL
p
p
Count ormeasure?
Area orunits?
Attribute(Count)
Variable(Measure)
Defective unitsDefects per area
Samplesize?
ChangingConstant
c u p or p’
MR Chart
Sub-groups?
Individual AverageYesNo
X bar R Chart
10Nopri rev01Nopri rev01
X Bar R chart: Menjadikan nilai distribusi rata rata dan nilai Range untuk melihat proces trend.deals with a average value in a process
MR chart: Menjadikan nilai rata-rata perubahan dari
P Chart: chart yang menjadikan nilai ratio defect sebagai trend chart.C chart: chart yang menjadikan jumlah total defect menjadi trend chart.U chart: chart yang menjadikan nilai rata2 dari jumlah defect menjadi trend chart.
CONTROL CHARTCONTROL CHART
11Nopri rev01Nopri rev01
n – adalah jumlah (size) dari sample yang terkadang juga di sebut sebagai subgroup)
・X bar - adalah average dari data sample Jika x1, x2, …, xn adalah nilai dari sample, maka average adalah
R – adalah nilai range (max-min)
m – jumlah dari sub group
How to make the Xbar-R control chart ?
n
xxxx n
21
12Nopri rev01Nopri rev01
How to make the Xbar-R control chart ?
Control Limits for the X bar chart
A2 is found in Appendix VI for various values of n.
Control Limits for the R chart
D3 and D4 are found in Appendix VI for various values of n.
RAxLCL
xLineCenter
RAxUCL
2
2
RDLCL
RLineCenter
RDUCL
3
4
13Nopri rev01Nopri rev01
Process 1 Hitung nilai dari rata2 (mean) dari subgroup(Lot)
( Biasanya Sub group size adalah : 5 ~ 10)
Process 2Hitung nilai Range (R) dari subgroup(Lot)
Process 3Jumlahkan nilai total rata2
Process 4Jumlahkan nilai total range
Process 5Hitung nilai CL, UCL, LCL dari X bar.
Process 6Hitung nilai CL, UCL, LCL dari R
Process 7Plot the Xbar and R by the subgroup
How to make the Xbar-R control chart ?
14Nopri rev01Nopri rev01
How to make the Xbar-R control chart ?
Sample # 1Sample # 1
15Nopri rev01Nopri rev01
How to make the Xbar-R control chart ?
n = 5 m = 12 X bar : 45.5 R : 6.0
UCL : 45.5 + 0.577 x 6.0 = 48.962
LCL : 45.5 - 0.577 x 6.0 = 42.03
Dari sample diatas didapat : Dari sample diatas didapat :
X bar Chart UCL _ LCLX bar Chart UCL _ LCL
UCL : 2.282 x 6.0 = 13.684
LCL : 0.0 x 6.0 = 0
R Chart UCL _ LCLR Chart UCL _ LCL
16Nopri rev01Nopri rev01
How to make the Xbar-R control chart ?m A2 D3 D4 A3 B3 B4
2 1.880 0.000 3.267 2.659 0.000 3.2673 1.023 0.000 2.575 1.954 0.000 2.5684 0.729 0.000 2.282 1.628 0.000 2.2665 0.577 0.000 2.114 1.427 0.000 2.0896 0.483 0.000 2.004 1.287 0.030 1.9707 0.419 0.076 1.924 1.182 0.118 1.8828 0.373 0.136 1.864 1.099 0.185 1.8159 0.337 0.184 1.816 1.032 0.239 1.76110 0.308 0.223 1.777 0.975 0.284 1.71611 0.285 0.256 1.744 0.927 0.321 1.67912 0.266 0.283 1.717 0.886 0.354 1.64613 0.249 0.307 1.693 0.850 0.382 1.61814 0.235 0.328 1.672 0.817 0.406 1.59415 0.223 0.347 1.653 0.789 0.428 1.57216 0.212 0.363 1.637 0.763 0.448 1.55217 0.203 0.378 1.622 0.739 0.446 1.53418 0.194 0.391 1.609 0.718 0.482 1.51819 0.187 0.404 1.596 0.698 0.497 1.50320 0.180 0.415 1.585 0.680 0.510 1.49021 0.173 0.425 1.575 0.663 0.523 1.47722 0.167 0.435 1.565 0.647 0.534 1.46623 0.162 0.443 1.557 0.633 0.545 1.45524 0.157 0.452 1.548 0.619 0.555 1.44525 0.153 0.459 1.541 0.606 0.565 1.435
Note: m = subgroup size
For moving range charts in which the moving ranges are calculated using pairs of successive values, use m = 2.
17Nopri rev01Nopri rev01
How to make the Xbar-R control chart ?
X Bar Chart
35,0
37,0
39,0
41,0
43,0
45,0
47,0
49,0
51,0
53,0
55,0
1/1
R Chart
-2,00
2,00
6,00
10,00
14,00
1/1
UCLXBar
48,96
XDBar45,50
LCLXBar
42,02
UCLR
12,68
RBar6,00
18Nopri rev01Nopri rev01
How to make the Xbar-R control chart ?
6/88AM
6/8 10AM
6/8 12PM
6/82PM
6/98AM
6/9 10AM
6/9 12PM
6/92PM
6/108AM
6/10 10AM
6/10 12PM
6/102PM
6/118 AM
6/1110AM
6/1112PM
1 0.65 0.75 0.75 0.6 0.7 0.6 0.75 0.6 0.65 0.6 0.8 0.85 0.7 0.65 0.92 0.7 0.85 0.8 0.7 0.75 0.75 0.8 0.7 0.8 0.7 0.75 0.75 0.7 0.7 0.83 0.65 0.75 0.8 0.7 0.65 0.75 0.65 0.8 0.85 0.6 0.95 0.85 0.75 0.85 0.8
4 0.65 0.85 0.7 0.75 0.85 0.85 0.75 0.75 0.85 0.8 0.55 0.65 0.75 0.75 0.755 0.85 0.65 0.65 0.65 0.8 0.7 0.7 0.75 0.75 0.65 0.8 0.7 0.7 0.6 0.85
Sample # 2Sample # 2
5 parts di ambil samplenya setiap dua jam dan hasilnya seperti data diatas.
n = ? m = ? X bar : ? R : ?
UCL : ??
LCL : ??
Dari sample diatas didapat : Dari sample diatas didapat :
X bar Chart UCL _ LCLX bar Chart UCL _ LCL
UCL : ??
LCL : ?? R Chart UCL _ LCLR Chart UCL _ LCL
X bar chart
19Nopri rev01Nopri rev01
Membaca Jenis dari Control Chart
Natural pattern: Menunjukkan process yang stabil.
Fluktuasi chart random mendekati centre line.
Tidak ada abnormal trend, shifted trend, atau trend yang out-of-control.
0 5 10 15 20 25 30
-4-2
02
4
20Nopri rev01Nopri rev01
Unnatural patterns (Freaks or Outliers) : Satu point yang keluar dari control limit.Artinya : Perubahan process yang tidak permanent dan lebih ke accidensial (biasanya kejadian ini sudah untuk di identified root causednya), untuk memastikanya haru di re-check data atau unit yang bermasalah.
0 5 10 15 20 25 30
-6
-4
-2
02
46
Membaca Jenis dari Control Chart
21Nopri rev01Nopri rev01
Unnatural patterns:
8 points berturut2 baik di raw bawah ataupun atas dari centre line.
Artinya : Perubahan process data secara tiba – tiba yang bisa jadi karna ada perubahan process seperti adjustment machine atau new lot number dari raw material.
0 5 10 15 20 25 30
-4-2
02
4
Membaca Jenis dari Control Chart
22Nopri rev01Nopri rev01
0 5 10 15 20 25 30
-4
-2
02
46
Unnatural patterns:
7 atau lebih point yang terus menerus trendnya naik atau turun..
Artinya : Trend menanjak atau trend menurun biasanya di sebabkan oleh tool atau machine yang stabilitynya NG (Worn out)
Membaca Jenis dari Control Chart
23Nopri rev01Nopri rev01
0 5 10 15 20 25 30
-4
-2
02
46
Membaca Jenis dari Control Chart
Unnatural patterns:
Dua dari tiga point data yang yang berurut berada pada posisi di luar warning (Warning Limits = 2*sigma)
Empat dari lima point data yang berurut berada pada posisi diluar 1 sigma control limit.
Artinya : Menunjukkan adanya pergesaran di parameter process.
24Nopri rev01Nopri rev01
0 5 10 15 20 25 30
-4
-2
02
46
Membaca Jenis dari Control Chart
Unnatural patterns:
Dua dari tiga point data yang yang berurut berada pada posisi di luar warning (Warning Limits = 2*sigma = zone A)
Empat dari lima point data yang berurut berada pada posisi diluar 1 sigma control limit (Zone B)
Artinya : Menunjukkan adanya pergesaran di parameter process.
25Nopri rev01Nopri rev01
Membaca Jenis dari Control Chart
Unnatural patterns:
14 points data menunjukkan data yang terus menerus naik turun
Artinya : Menunjukkan effek yang disebabkan oleh pengunnaan dua process ang berbeda, seperti machine, operator atau material lot number.
98
103
108
113
7/12 7/13 7/14 7/15 7/19 7/20 7/21 7/22 7/25 7/26 7/27 7/28 7/29 8/1 8/2 8/3 8/4 8/5 8/6 8/17 8/18 8/19 8/22 8/23 8/24 8/25 8/26 8/29 8/30 8/31 9/1 9/2 9/5 9/7 9/8 9/9 9/12 9/13 9/14 9/15 9/16 9/17 9/20 9/21 9/22 9/26 9/27 9/28 9/29 9/30 10/3 10/4 10/5 10/6 10/7 10/11 10/12 10/13 10/14 10/17 10/18 10/19 10/20 10/21 10/24 10/25 10/26 10/27 11/1 11/2 11/4 11/7 11/8 11/9 11/10 11/11 11/14 11/15 11/16 11/17 11/18 11/21 11/22 11/24 11/25 11/28 12/1 12/2 12/5 12/6 12/7 12/8 12/9 12/12 12/13 12/14 12/15 12/16 12/19 12/20
④
26Nopri rev01Nopri rev01
Membaca Jenis dari Control Chart
Unnatural patterns:
15 points berada pada zone C (Centre area) secara terus menerus
Artinya : Menunjukkan data yang sangat stabil (Bisa jadi di adjust)
27Nopri rev01Nopri rev01
Membaca Jenis dari Control Chart
Unnatural patterns:
8 points data berturut turut tidak terdapat pada zone C baik di raw atas maupun
Artinya : variasi data menjauhi centre area (Marginal)
28Nopri rev01Nopri rev01
Process Capability (Cpk)
Apakah yang di maksud dengan process capabiltiy??
Process capability dapat diartikan sebagai kemampuan dari process untuk dapat memenuhi standard yang
Tehnik yang biasa di pakai untuk process capability analysis
1. Control Charts
2. Histograms
3. Designed Experiments (DOE)
29Nopri rev01Nopri rev01
Process Capability (Cpk)
Penggunaan Histogram
Histogram digunakan dengan parameter nilai rata2 (mean) nilai standard deviasi (sigma) dan nilai process capability (Cpk)
Apakah yang di maksud dengan sigma (standard Deviasi) ( ?
SD adalah parameter untuk mengukur besarnya deviasi/variability dari suatu data.
semakin besar SD maka makin sebesar deviasi/variability data.
Standard Deviation (SD): = [(x1 - m)2+(x2 - m)2+...+(xn - m)2] / (n-1)
30Nopri rev01Nopri rev01
Process Capability (Cpk)No Value
1 462 473 454 445 486 457 478 539 48
10 4811 4512 4213 4814 4715 4416 4617 5018 4219 4420 4621 4522 4323 4124 4525 3926 4427 4528 4829 4530 4431 4732 43
Average 45,4375
Berapakah nilai Sigma dari data
di samping??
No Value Xn-Mean = p p.21 46 0,5625 0,3164062 47 1,5625 2,4414063 45 -0,4375 0,1914064 44 -1,4375 2,0664065 48 2,5625 6,5664066 45 -0,4375 0,1914067 47 1,5625 2,4414068 53 7,5625 57,191419 48 2,5625 6,566406
10 48 2,5625 6,56640611 45 -0,4375 0,19140612 42 -3,4375 11,8164113 48 2,5625 6,56640614 47 1,5625 2,44140615 44 -1,4375 2,06640616 46 0,5625 0,31640617 50 4,5625 20,8164118 42 -3,4375 11,8164119 44 -1,4375 2,06640620 46 0,5625 0,31640621 45 -0,4375 0,19140622 43 -2,4375 5,94140623 41 -4,4375 19,6914124 45 -0,4375 0,19140625 39 -6,4375 41,4414126 44 -1,4375 2,06640627 45 -0,4375 0,19140628 48 2,5625 6,56640629 45 -0,4375 0,19140630 44 -1,4375 2,06640631 47 1,5625 2,44140632 43 -2,4375 5,941406
Average 45,4375 229,875
P.2/(n-1) = U 7,415323Sigma / U 2,723109
31Nopri rev01Nopri rev01
Process Capability (Cpk)
0.0
0.2
0.4
0.6
-6 -4 -2 0 2 4 6
LSL USLTarget
Spec Width
Process Mean
Process Variation
6
32Nopri rev01Nopri rev01
The Normal Distribution The Normal Distribution
95.45%
68.26%
99.73%
-3σ -2σ -σ 0 σ 2σ 3σ
0.13%
0.13%
σ =STDEV(STANDARD DEVITASION)
UCL
LCL
Zone A
Zone A
Zone B
Zone B
Zone C
UWL
LWL
CenterZone C
Center
Center + 3*Sigma
Center - 3*Sigma
Center + 2*Sigma
Center - 2*Sigma
Center+Sigma
Center - Sigma
33Nopri rev01Nopri rev01
Process Capability (Cpk)
Process-Capability Ratios (Cp)
Digunakan untuk mengekpresikan / potential process capability.
Cp dapat diartikan sebagai berikut:
Jika Cp > 1, maka sangat sedikit peluang / tendesi defect akan dihasilkan dari.
Jika Cp = 1, maka defect yang dihasilkan akan berulang.
Jika Cp < 1, maka banyak defect yang akan di hasilkan
6
LSLUSLC p
34Nopri rev01Nopri rev01
Cpk Digunakan untuk mengekpresikan process capability dengan melakukan pendekatan dari nilai rata2.
3
3LSL
C
USLC
pl
pu
Cpk defined as
Cpk = min(Cpu, Cpl)
Process Capability (Cpk)
Process Capability Rank Criteria of Cp Cpk Definition
Cpk>1.67 for both side tolerance Maintain the process quality
Cpk is greater than 1.33 and less than 1.67 Investigation and improvement plan required
Detail action taken is required and Stop the machineCpk<1.33 for one side tolerance
Rank A
Rank B
Rank C
35Nopri rev01Nopri rev01
CP and CPK
Cp and Cpk can be used for data histogram analysis, tetapi Cpk
lebih akurat untuk penilaian process secara keseluruhan.
Cp = 0.5, Cpk = 0.5
Cp = 1, Cpk = 1
Cp = 1, Cpk = 0.33
Greater the process spread, lower the Cp or Cpk.
For a process which is centered at the target, Cp=Cpk.
Cp does not account for whether or not the process is centered at the target, but Cpk does.
32 34 36 38
0.0
0.4
0.8
x1
32 34 36 38
0.0
0.4
0.8
x2
32 34 36 38
0.0
0.4
0.8
x3
LSL = 33.5 Target = 35.0 USL = 36.5
36Nopri rev01Nopri rev01
Sample
Kita memiliki 10.000 distribusi data dengan beberapa parameter beikut :
Specification: LSL = 9.997, USL = 10.003, Nominal value = 10.
Mean : 10.000156
SD : 0.00059
Berapakah nilai Cp dan Cpk nya??
Bagaimana menurut anda graph yang di hasilkan??
9.996 9.998 10.000 10.002 10.004
01
02
03
0
x
Mean = 10.00156 SD = 0.00059
LSL=9.997 USL=10.003
CP and CPK
Cp: 1,694 Cpk : 1,606
37Nopri rev01Nopri rev01
Reference Table of CPKReference Table of CPK
REFERENCE TABLE FOR CP AND CPK
SIGMA % GOOD % BAD PPM APPROXIMATELY BAD CP
1 68.27% 31.73% 317.300 1 out of 3 0.33
2 95.45% 4.55% 45.500 1 out of 20 0.66
3 99.73% 0.27% 2.700 3 out of 1000 1
4 99.99% 0.07% 63 6 out of 100000 1.33
4.5 99.99993% 0.00068% 6.8 7 out of million 1.5
5 99.9999426% 0.0000574% 0.574 0.6 out of million 1.66
6 99.9999998% 0.0000002% 0.002 2 out of billion 2
SIGMA % GOOD % BAD PPM APPROXIMATELY BAD CPK
1 84.135% 15.865% 156.650 1 out of 6 0.33
2 97.725% 2.275% 22.750 1 out of 40 0.66
3 99.865% 0.135% 1.350 1 out of 1000 1
4 99.99685% 0.00315% 31.5 3 out of 100000 1.33
4.5 99.99997% 0.00034% 3.4 3.4 out of million 1.5
5 99.9999713% 0.0000287% 0.287 0.3 out of million 1.66
6 99.9999999% 0.0000001% 0.001 1 out of billion 2
38Nopri rev01Nopri rev01
Process Control vs. Process Capability
Sangat penting untuk memahami perbedaan antara process contol dengan process
Sebuah process di anggap memiliki capability apabila semua data yang dihasilkan process masih masuk dalam limit
Sebuah process di anggap tercontrol apabila parameter process itu sendiri semua data yang dihasilkan sesuai dengan yang diharapkan.
Jadi process yang walaupun di control dengan SPC tidak serta merta process tersebut sudah memiliki capability, dan sebaliknya process yang memenuhi spesifikasi tidak serta merta di anggap sebagai process yang terkontrol
Untuk menjadikan process tersebut dianggap process yang terkontrol harus udah usaha untuk mengurangi atau menghilangkan distributsi data yang tidak bagus dengan adanya process improvement.
39Nopri rev01Nopri rev01
PENYEBAB PERUBAHAN PROCESS
Ada dua hal yang bisa menjadi penyebab terjadinya perubahan process distribusi data yakni : common cause variation and special cause variation.
Comon caused adalah perubahan process control yang terjadi secara acak (random) dan bersifat accidentsial (unidentifiable causes)
Special caused adalah perubahan process control di karenakan oleh sebab sebab tertentu seperti machine yang rusak, perubahan di dalam method, perubahan raw material dan lain2, Special caused di kenal juga dengan nama assignable causes.
40Nopri rev01Nopri rev01
P Charts
P chart adalah salah satu dari control chart yang di gunakan untuk memonitoring fraction / ratio dari defect.
Beberapa parameter dalam P chart:P = nilai ratio (fraction) dari total defect yang di temukan dengan total jumlah product yang di inspected.
n = Number of subgroup.
Center Line = Average
UCL = Average + 3*Sigma
LCL = Average - 3*Sigma
41Nopri rev01Nopri rev01
Example 1 - P Chart
Number of subgroups = 25
Subgroup size = 100
Control limits
Average = 0.077
Sigma = 0.02525
LCL = 0.077 - (3)(0.02525) = 0.001
centerline = 0.077
UCL = 0.077 + (3)(0.02525) = 0.153
0.00
0.05
0.10
0.15
subgroup
Avg=0.077
LCL=0.001
UCL=0.153
sample # # defects fraction
1 10 0.1
2 7 0.07
3 8 0.08
4 11 0.11
5 5 0.05
6 8 0.08
7 12 0.12
8 6 0.06
9 4 0.04
10 11 0.11
11 5 0.05
12 8 0.08
13 6 0.06
14 8 0.08
15 12 0.12
16 9 0.09
17 10 0.1
18 8 0.08
19 9 0.09
20 4 0.04
21 7 0.07
22 9 0.09
23 5 0.05
24 3 0.03
25 8 0.08
P chart
42Nopri rev01Nopri rev01
Pareto Charts
Kegunaan dari Pareto Chart Pareto charts di gunakan untuk mengidentifikasi suatu masalah dan menentukan tingkap prioritas dari masalah untuk yang harus di selesaikan.
Di dalam Pareto chart di kenal juga istilah “80/20 rule” yang di perkenalkan oleh Joseph Juran.
80/20 rule menyatakan bahwa 80% dari suatu contribusi masalah di hasilkan oleh 20% dari total kemungkinan penyebab dari masalah tersebut.
???????
43Nopri rev01Nopri rev01
Pareto Chart
54
99989384
99 99 100 100
0
9,400
Lubangkunci minus
Part karat Flangemiring
Patah saatassy
Tercampur Ulir masukIR-1
Ulir miring Kepalacacat
Lain-lain
Jum
lah
Clai
m
0.00
20.00
40.00
60.00
80.00
100.00
Pers
enta
se K
umul
atif
Jumlah Claim Kumulatif
44Nopri rev01Nopri rev01
Cause-and-Effect Diagram / Ishikawa diagaram
QualityProblemQuality
Problem
Out of adjustmentOut of adjustment
Tooling problemsTooling problems
Old / wornOld / worn
MachinesMachinesFaultyFaulty testing equipmenttesting equipment
Incorrect specificationsIncorrect specifications
Improper methodsImproper methods
MeasurementMeasurement
Poor supervisionPoor supervision
Lack of concentrationLack of concentration
Inadequate trainingInadequate training
HumanHuman
DeficienciesDeficienciesin product designin product design
Ineffective qualityIneffective qualitymanagementmanagement
Poor process designPoor process design
ProcessProcess
InaccurateInaccuratetemperature temperature controlcontrol
Dust and DirtDust and Dirt
EnvironmentEnvironment
Defective from vendorDefective from vendor
Not to specificationsNot to specifications
Material-Material-handling problemshandling problems
MaterialsMaterials
Fish Born Chart
45Nopri rev01Nopri rev01
Defect concentration diagram Defect concentration diagram juga merupakan QC tools yang digunakan untuk mengidentifikasi masalah/defect yang muncul BERULANG.
Ciri2 dari Defect concentration Diagram :
Di gunakan untuk analisa observasi pada defect yang berulang
Mengunnakan alat / sample visualisasi yang di gunakan dalam
pengumpulan data dan analisa data. (Gambar/lay out/Drawing ..etc)
Observasi dari defect di catat / di tandai langsung ke alat visualisasi.
Defect concentration diagram
46Nopri rev01Nopri rev01
Contoh Defect concentration diagram
Defect concentration DiagramDefect concentration DiagramAnalisa kualitas bajuAnalisa kualitas baju
Defect concentration DiagramDefect concentration DiagramLokasi defect pada PCBALokasi defect pada PCBA
47Nopri rev01Nopri rev01
10- 47
Scatter Diagrams
Kegunaan dari Scatter Diagrams
Scatter Diagrams di gunakan untuk mengidentifikasi hubungan / correlation dari dua variable yang berbeda.
contoh :
Di gunakan untuk mencari hubungan antara nilai master dengan nilai actual tester.
48Nopri rev01Nopri rev01
10- 48
Scatter Diagrams and Correlation
Makin mendekati / berbentuk garis makin bagus correlasinya.
49Nopri rev01Nopri rev01
10- 49``
Scatter Diagrams and Correlation
50Nopri rev01Nopri rev01
Common MistakesMengabaikan SPC
Bingung dengan spec limits dan control limits
Specification limits where the part will work.
Control limits adalah operational range dari process.
Memonitor parameter yang salah.
Menghitung control limits dengan formula yang salah
Tidak ada rule yang mengatur bila chart out-of-control.
Memerintahkan operator untuk tetap continue process walaupun ada process dengan paramter out of limit.
Engineer tidak memiliki / ownership terhadap SPC charts control, hanya sebatas data entry.
Pastikan chart ter-update dan di kontrol.
Pastikan semua parameter yang di control telah di mengerti dengan baik.
Pastika ada rule yang mengatur apabila ada chart yang diluar kontrol dan chart tersebut telah di artikan dengan benar.
Terlalu banya chart yang di buat (walaupun tidak perlu) - don't plot for plotting's sake.
51Nopri rev01Nopri rev01
SPC Depends on Teamwork
Engineers Production Team
ManagementSPC Technical Support