Danan Triaus Setiyawan ST. MT
Distribusi Binomial p-chart Peta Control Data Atribut np-chart Distribusi Poisson c-chart u-chart
Besterfield (1998) karakteristik kualitas yan sesuai denan spesifikasi atau tidak sesuai denan spesifikasi. - oresan - kesalahan - warna Kesalahan atau cacat evaluasi terkait penunaan Ketidaksesuaian diukur denan spesifikasi Peta ATRIBUT hanya mempunyai 2 nilai : YA dan TIDAK seperti : cacat atau tidak, sesuai atau tidak sesuai, baus atau buruk, terlambat atau tepat waktu
Lankah Menyusun Peta Kontrol Untuk Data Atribut: 1. Menentukan sasaran yan akan dicapai 2.Menentukan banyaknya sampel dan obsevasi 3. Menumpulkan data 4. Menentukan aris pusat dan batas kendali 5. Merevisi aris pusat dan batas kendali
Keuntunan Karakteristik kualitas tertentu hanya dapat di observasi sebaai atribut Dapat menanalisis banyak karakteristik kualitas Peta Kontrol Atribut dapat dipahami oleh semua level Hemat waktu dan biaya Dalam tinkat pabrik, diunakan untuk menentukan proporsi dari item item cacat
Kelemahan Tidak dapat diketahui seberapa jauh ketidaktepatan denan spesfikasi tsb. Ukuran sampel yan besar akan bermasalah bila penukuran mahal atau penujian y menyebabkan kerusakan.
Berbasis pada dist binomial Probabilitas untuk memperoleh produk nonconformin (tidak sesuai) harus konstan Sampel harus identik dan independent Peta kontrol p salah satu peta kontrol yan palin banyak diunakan Tujuan Peta kontrol p: Menyediakan indikasi yan fair untuk kondisi umum Alat yan baik untuk menkomunikasikan denan top manaemen Menyediakan informasi untuk perbaikan kualitas Menukur kualitas operasi mesin, stasiun kerja, sebuah departemen
Utk menetahui kesalahan atau cacat pada sampel untuk setiap kali observasi : P x n Dimana : p = proporsi kesalahan dlm tiap sampel x = banyaknya produk y salah tiap sampel n = bnyknya sampel y diambil dlm inspeksi
Center line p i1 pi Dimana : i1 xi n. p = aris pusat peta kontrol proporsi kesalahan pi = proporsi kesalahan tiap sampel/sub roup dlm tiap observasi n = banyaknya sampel y diambil tiap observasi = banyaknya observasi y dilakukan
BKAp p 3 p(1 n p) BKBp p 3 p(1 n p) Batas Kontrol Atas proporsi Batas Kontrol Bawah proporsi
Peta np diunakan untuk menontrol jumlah item nonconformin Batas-batas peta kontrol np : CL i1 n p xi UCL np 3 np(1 p) LCL np 3 np(1 p)
Contoh Soal: Suatu perusahaan pembuat plastik inin membuat peta penendali untuk periode mendatan denan menadakan inspeksi terhadap proses produksi bulan ini. Perusahaan melakukan 25 observasi denan menambil sampel 50 buah utk setiap observasi.
aris pusat p 90 1250 0.072 BKA p 0.072(1 0.072) 0.072 3 50 0.182 BKB 0.072(1 0.072) p 0.072 3 0.038 50 0
Out of statistic control p-chart proporsi 0.25 0.2 0.15 0.1 0.05 Series1 Series2 Series3 0 1 3 5 7 9 11 13 15 17 19 21 23 25 observasi
Dilakukan revisi Garis pusat : p 90 10 1250 50 0.067 BKA : 0.067(1 0.067) p 0.067 3 50 0.173 BKB : p 0.067(1 0.067) 0.067 3 0.039 50 0
p-chart revisi 0.2 0.18 0.16 0.14 0.12 0.1 0.08 0.06 0.04 0.02 0 1 3 5 7 9 11 13 15 17 19 21 23 p BPA BPB CL
np Chart Garis pusat np = 90/25 = 3,6 BPA np 3.6 3 3.6(1 0.072) 9.08 BPB np 3.6 3 3.6(1 0.072) 1.88 0
Out of statistical control np-chart jml cacat 12 10 8 6 4 2 x BPA BPB CL 0 1 3 5 7 9 11 13 15 17 19 21 23 25 observasi
Dilakukan revisi : Garis pusat np = (90-10)/(25-1) = 3.33 dan p = (90-10)/(1250-50) = 0.067 BPA np 3.33 3 3.33(1 0.067) 8.618 BPB np 3.333 3.33(1 0.067) 1.96 0
np-chart revisi jmlh cacat 10 8 6 4 2 x BPA BPB CL 0 1 3 5 7 9 11 13 15 17 19 21 23 observasi
Dibuat untuk setiap observasi. Kelebihannya adalah ketepatannya dalam memutuskan apakah sampel berada di dalam atau di luar batas kendalinya. Penentuan aris pusat dan batas kendali sbb: Garispusat( GP) p i1 i1 pi xi sampel
BKAp p 3 p(1 ni p) BKBp p 3 p(1 ni p) Dimana : pi = proporsi kesalahan setiap sampel pada setiap observasi xi ni = banyaknya kesalahan setiap sampel pada setiap observasi = banyaknya sampel y diambil tiap observasi yan selalu bervariasi = banyaknya observasi
sampel xi pi p GP Garispusat i i 1 1 ) ( n p p p BKAp ) (1 3 n p p p BKBp ) (1 3 ni n i 1 Dimana:
Perusahaan menunakan peta penendali model rata-rata sebaai awal penujian. Bila hasil observasi berada di luar batas kontrol (penyebab khusus) maka dilakukan perbaikan denan 4p. 4p menurut Besterfield (1998): 1.LCL < pi < UCL dan ni < n 2.LCL < pi < UCL dan ni > n 3.LCL > pi > UCL dan ni > n 4.LCL > pi > UCL dan ni < n Peta rata-rata Peta individu Peta rata-rata Peta individu