BAB 4 HASIL DAN PEMBAHASAN

BAB 4 HASIL DAN PEMBAHASAN 4. Hasil Pengumpulan Data Sebelum dilakukan pengolahan data, dalam melakukan penelitian ini data yang berhasil dikumpulkan dalam penelitian pada PT. FEDERAL KARYATAMA dalam periode bulan Februari 2007 sampai April 2007adalah : 0,35% 0,4% 2% 4% 0,25% 27% Botol Penyok Botol Basah Tutup Reject Ring patah Tutup Rusak Aluminium Cap Tidak menempel Tali Pengikat Putus 56% Diagram 4. Presentase Cacat Dari diagram diatas dapat dilihat bahwa kecacatan yang paling sering terjadi yaitu Ring Patah yaitu sebesar 56 %, Tutup Reject sebesar 27 %, Tutup Rusak sebesar 2 %, sedangkan Botol basah sebesar 4 %, Botol Penyok sebesar 0.25 %, Aluminium

82 Cap Tidak menempel sebesar 0.35 % dan Tali Pengikat Putus 0.4 % persentasenya kecil dikarenakan hal ini terjadi karena pada proses semuanya dilakukan secara otomatis atau sepenuhnya dilakukan oleh mesin sehingga kecacatan yang timbul sedikit. Berat (Gram) 756 755 754 753 752 75 750 749 748 747 2 3 4 5 6 7 8 9 0 2 3 4 5 6 7 8 9 20 Jumlah Sub Group Grafik 4. Sebaran berat oli dalam Subgroup Dari Grafik 4. diatas garis menunjukan bahwa rata rata dari subgroup untuk data variable dari berat oli berada diatas 748 gram, berarti diatas batas spesifikasi minimum yang telah ditetapkan oleh perusahaan (LSL). Batas spesifikasi bawah yang diberikan perusahaan yaitu % dari nilai standarnya. Sehingga dapat dikatakan bahwa resiko yang diterima oleh konsumen sangatlah kecil dikarenakan semua data tersebut berada diatas spesifikasi minimum. Tetapi data tersebut apakah telah masuk kedalam batas kontrol atau tidak.

83 4.2 Pengolahan Data 4.2. Perhitungan dengan Peta Kendali dan Batas kendali Kualitas Atribut Dalam tahap ini, dilakukan perhitungan Statistical Process Control (SPC) dengan menggunakan peta kendali kualitas atribut, yaitu peta kendali p. Peta kendali p digunakan untuk menunjukan proporsi ketidaksesuaian dalam sample atau subgroup. Berikut contoh perhitungan proporsi cacat pada sample pertama : p Cacat produksi 694 05604 0.0587 Sedangkan untuk membuat peta kontrol p dengan 3 sigma digunakan rumus: UCL p + 3 p( p) ni 0.0587( 0.0587) UCL 0.0587 + 3 0.0608 05604 LCL p 3 p( p) ni 0.0587( 0.0587) LCL 0.0587 3 0.0565 05604

84 Berikut ini hasil dari perhitungan sampai dengan subgroup ke 63 : Tabel 4.. Tabel UCL dan LCL Data Produksi & Data Cacat Periode Produksi Bulan Februari - April 2007 Jenis Cacat No Tanggal Jmlh Prod/Hari (pcs) Line Proses Total Kerusakan Proporsi Kesalahan UCL LCL Ket Botol Penyok Botol Basah Tutup Reject Ring patah Tutup Rusak Aluminium Cap Tidak menempel Tali Pengikat Putus 2 05604 4 0 282 2289 3047 545 6 5 694 0.0587 0.0608 0.0565 incontrol 2 3 52808 2 20 52 036 2036 492 23 0 3769 0.074 0.067 0.0556 Uncontrol 3 4 32002 5 5 36 245 436 655 4 9 7605 0.0576 0.0606 0.0567 incontrol 4 5 79204 3 8 253 24 2874 437 5 24 4735 0.0598 0.06 0.056 incontrol 5 8 79200 3 6 86 052 2856 553 7 76 4736 0.0598 0.06 0.056 incontrol 6 9 79202 3 32 95 035 2985 462 6 54 4769 0.0602 0.06 0.056 incontrol 7 0 79206 3 8 83 985 288 448 9 23 4547 0.0574 0.06 0.056 incontrol 8 0560 4 9 242 298 328 436 26 55 684 0.0586 0.0608 0.0565 incontrol 9 2 52800 2 4 62 248 27 298 49 9 450 0.0852 0.067 0.0556 Uncontrol 0 5 7920 3 5 250 036 305 39 53 5 479 0.0605 0.06 0.056 incontrol 6 0564 4 9 253 357 3849 740 4 7 6229 0.0590 0.0608 0.0565 incontrol 2 7 0563 4 22 239 952 342 586 28 3 6242 0.059 0.0608 0.0565 incontrol 3 8 79202 3 34 76 45 2999 386 46 6 4792 0.0605 0.06 0.056 incontrol 4 9 5280 2 44 64 28 2364 65 38 2 449 0.085 0.067 0.0556 Uncontrol 5 22 3204 5 8 362 852 4498 753 2 8 7503 0.0568 0.0606 0.0567 incontrol 6 23 79200 3 2 80 962 303 463 2 4670 0.0590 0.06 0.056 incontrol 7 24 05603 4 55 252 969 4476 532 8 45 6337 0.0600 0.0608 0.0565 incontrol 8 25 0560 4 24 289 855 3657 399 4 36 6264 0.0593 0.0608 0.0565 incontrol 9 26 79205 3 23 92 28 2847 465 55 57 4767 0.0602 0.06 0.056 incontrol 20 29 0562 4 5 26 2269 2362 572 24 52 5545 0.0525 0.0608 0.0565 Uncontrol 2 30 05608 4 7 222 2358 2533 68 59 3 589 0.0558 0.0608 0.0565 incontrol 22 3 79206 3 9 80 205 2887 475 37 25 488 0.0608 0.06 0.056 incontrol 23 32022 5 4 352 997 4842 653 6 9 7883 0.0597 0.0606 0.0567 incontrol 24 2 79200 3 73 056 2984 485 45 34 4788 0.0605 0.06 0.056 incontrol 25 5 0560 4 33 248 2247 398 562 38 0 6336 0.0600 0.0608 0.0565 incontrol 26 6 79209 3 9 87 285 375 354 0 5 56 0.0708 0.06 0.056 Uncontrol 27 7 0563 4 34 274 552 3083 465 5 9 5422 0.053 0.0608 0.0565 Uncontrol 28 8 05605 4 56 295 2587 3245 592 3 7 6785 0.0642 0.0608 0.0565 Uncontrol 29 9 52800 2 5 65 588 2588 52 6 36 4946 0.0937 0.067 0.0556 Uncontrol 30 2 7926 3 2 87 66 3753 459 55 5652 0.073 0.06 0.056 Uncontrol 3 3 0566 4 34 263 393 3446 632 24 48 5840 0.0553 0.0608 0.0565 Uncontrol 32 4 79234 3 26 66 275 2788 46 29 22 4767 0.0602 0.06 0.056 incontrol 33 5 05688 4 27 272 356 260 594 35 39 4483 0.0424 0.0608 0.0565 Uncontrol 34 6 7922 3 5 75 75 2884 36 50 5 4675 0.0590 0.06 0.056 incontrol 35 9 05623 4 0 25 30 2290 465 26 7 4359 0.043 0.0608 0.0565 Uncontrol 36 20 0563 4 9 229 29 2086 676 40 6 4337 0.04 0.0608 0.0565 Uncontrol 37 2 0560 4 5 295 454 303 394 53 8 5222 0.0494 0.0608 0.0565 Uncontrol 38 22 0565 4 5 265 450 2725 54 30 46 5072 0.0480 0.0608 0.0565 Uncontrol 39 23 792 3 6 95 087 2205 395 25 5 3928 0.0496 0.06 0.056 Uncontrol 40 26 05639 4 23 287 475 2975 682 20 3 5475 0.058 0.0608 0.0565 Uncontrol 4 27 05633 4 24 262 557 3779 342 29 0 6003 0.0568 0.0608 0.0565 incontrol 42 28 0567 4 57 274 445 2456 629 0 4882 0.0462 0.0608 0.0565 Uncontrol 43 05607 4 294 020 2689 253 4 22 5293 0.050 0.0608 0.0565 Uncontrol 44 2 7922 3 6 86 689 2052 795 9 35 4782 0.0604 0.06 0.056 incontrol 45 5 0560 4 2 248 36 3586 985 5 55 607 0.0570 0.0608 0.0565 incontrol 46 6 05608 4 9 239 33 2675 89 25 26 4998 0.0473 0.0608 0.0565 Uncontrol 47 7 05622 4 7 265 298 3574 095 8 44 630 0.0597 0.0608 0.0565 incontrol 48 8 79259 3 3 7 338 467 986 24 7 6760 0.0853 0.06 0.056 Uncontrol 49 9 79232 3 6 76 963 294 887 7 33 4286 0.054 0.06 0.056 Uncontrol 50 2 3206 5 44 232 22 420 84 53 25 7779 0.0589 0.0606 0.0567 incontrol 5 3 0566 4 33 285 999 2833 996 22 6 684 0.0585 0.0608 0.0565 incontrol 52 4 79234 3 36 96 825 2658 785 34 74 4608 0.0582 0.06 0.056 incontrol 53 5 7926 3 26 82 687 3985 99 5 25 69 0.0872 0.06 0.056 Uncontrol 54 6 52800 2 27 67 289 2275 062 7 6 4853 0.099 0.067 0.0556 Uncontrol 55 20 05686 4 0 252 585 3457 994 5 59 6362 0.0602 0.0608 0.0565 incontrol 56 2 05628 4 8 236 889 425 889 9 43 6289 0.0595 0.0608 0.0565 incontrol 57 22 0566 4 6 263 622 305 20 0 25 607 0.0575 0.0608 0.0565 incontrol 58 23 32064 5 38 352 2662 3695 789 6 3 7565 0.0573 0.0606 0.0567 incontrol 59 26 05620 4 47 262 427 325 94 22 36 63 0.0579 0.0608 0.0565 incontrol 60 27 7926 3 26 64 252 2285 796 34 34 459 0.0580 0.06 0.056 incontrol 6 28 05604 4 8 25 455 325 069 6 5 6039 0.0572 0.0608 0.0565 incontrol 62 29 05632 4 0 35 754 2968 99 28 0 6076 0.0575 0.0608 0.0565 incontrol 63 30 05624 4 29 254 896 2854 092 4 25 69 0.0586 0.0608 0.0565 incontrol Total 596763 226 28 484 93474 94598 4258 483 720 34995 P -BAR 0.0586

85 0.0 0.09 0.08 Proportion 0.07 0.06 0.05 0.04 7 3 9 25 3 37 Sample 43 49 55 6 _ UCL0.06080 P0.05864 LCL0.05647 Tests performed with unequal sample sizes Grafik 4.2. Peta kendali p Dilihat dari grafik diatas, dapat dilihat dengan jelas bahwa banyak titik-titik yang berada diluar batas UCL dan LCL, karena itu perlu dilakukan revisi dengan melakukan perhitungan lagi, namun kali ini data-data yang berada diluar batas kendali dihilangkan.

86 Tabel 4.2. Data Cacat direvisi No Tanggal Jmlh Prod/Hari (pcs) 2 05604 4 0 282 2289 3047 545 6 5 694 0.0587 0.06 0.0567 incontrol 3 4 32002 5 5 36 245 436 655 4 9 7605 0.0576 0.0609 0.0570 incontrol 4 5 79204 3 8 253 24 2874 437 5 24 4735 0.0598 0.064 0.0564 incontrol 5 8 79200 3 6 86 052 2856 553 7 76 4736 0.0598 0.064 0.0564 incontrol 6 9 79202 3 32 95 035 2985 462 6 54 4769 0.0602 0.064 0.0564 incontrol 7 0 79206 3 8 83 985 288 448 9 23 4547 0.0574 0.064 0.0564 incontrol 8 0560 4 9 242 298 328 436 26 55 684 0.0586 0.06 0.0567 incontrol 0 5 7920 3 5 250 036 305 39 53 5 479 0.0605 0.064 0.0564 incontrol 6 0564 4 9 253 357 3849 740 4 7 6229 0.0590 0.06 0.0567 incontrol 2 7 0563 4 22 239 952 342 586 28 3 6242 0.059 0.06 0.0567 incontrol 3 8 79202 3 34 76 45 2999 386 46 6 4792 0.0605 0.064 0.0564 incontrol 6 23 79200 3 2 80 962 303 463 2 4670 0.0590 0.064 0.0564 incontrol 7 24 05603 4 55 252 969 4476 532 8 45 6337 0.0600 0.06 0.0567 incontrol 8 25 0560 4 24 289 855 3657 399 4 36 6264 0.0593 0.06 0.0567 incontrol 9 26 79205 3 23 92 28 2847 465 55 57 4767 0.0602 0.064 0.0564 incontrol 22 3 79206 3 9 80 205 2887 475 37 25 488 0.0608 0.064 0.0564 incontrol 23 32022 5 4 352 997 4842 653 6 9 7883 0.0597 0.0609 0.0570 incontrol 24 2 79200 3 73 056 2984 485 45 34 4788 0.0605 0.064 0.0564 incontrol 25 5 0560 4 33 248 2247 398 562 38 0 6336 0.0600 0.06 0.0567 incontrol 32 4 79234 3 26 66 275 2788 46 29 22 4767 0.0602 0.064 0.0564 incontrol 34 6 7922 3 5 75 75 2884 36 50 5 4675 0.0590 0.064 0.0564 incontrol 4 27 05633 4 24 262 557 3779 342 29 0 6003 0.0568 0.06 0.0567 incontrol 44 2 7922 3 6 86 689 2052 795 9 35 4782 0.0604 0.064 0.0564 incontrol 45 5 0560 4 2 248 36 3586 985 5 55 607 0.0570 0.06 0.0567 incontrol 47 7 05622 4 7 265 298 3574 095 8 44 630 0.0597 0.06 0.0567 incontrol 50 2 3206 5 44 232 22 420 84 53 25 7779 0.0589 0.0609 0.0570 incontrol 5 3 0566 4 33 285 999 2833 996 22 6 684 0.0585 0.06 0.0567 incontrol 52 4 79234 3 36 96 825 2658 785 34 74 4608 0.0582 0.064 0.0564 incontrol 55 20 05686 4 0 252 585 3457 994 5 59 6362 0.0602 0.06 0.0567 incontrol 56 2 05628 4 8 236 889 425 889 9 43 6289 0.0595 0.06 0.0567 incontrol 57 22 0566 4 6 263 622 305 20 0 25 607 0.0575 0.06 0.0567 incontrol 58 23 32064 5 38 352 2662 3695 789 6 3 7565 0.0573 0.0609 0.0570 incontrol 59 26 05620 4 47 262 427 325 94 22 36 63 0.0579 0.06 0.0567 incontrol 60 27 7926 3 26 64 252 2285 796 34 34 459 0.0580 0.064 0.0564 incontrol 6 28 05604 4 8 25 455 325 069 6 5 6039 0.0572 0.06 0.0567 incontrol 62 29 05632 4 0 35 754 2968 99 28 0 6076 0.0575 0.06 0.0567 incontrol 63 30 05624 4 29 254 896 2854 092 4 25 69 0.0586 0.06 0.0567 incontrol Total P -BAR Line Proses Botol Penyok Botol Basah Tutup Reject Ring patah Data Produksi & Data Cacat Periode Produksi Bulan Februari - April 2007 367528 37 724 8850 55624 20333 256 878 080 2300 0.0589 Jenis Cacat Tutup Rusak Aluminium Cap Tidak menempel Tali Pengikat Putus Total Kerusakan Proporsi Kesalahan UCL LCL Ket

87 Peta kendali dari data revisi diatas : 0.062 0.06 UCL0.0608 0.060 Proportion 0.059 0.058 _ P0.058908 0.057 LCL0.056734 0.056 5 9 3 7 2 Sample 25 29 33 37 Tests performed with unequal sample sizes Grafik 4.3. Peta kendali p (revisi) Hasil perhitungan pada tabel diatas dan grafik diatas menunjukkan bahwa data proses telah berada dalam kendali secara statistik. Akan tetapi hal ini tidaklah cukup karena tujuan penelitian ini tidak hanya mengusahakan barang produksi berada dalam batas kontrol akan tetapi juga berusaha meminimasi cacat yang ada. Langkah yang dapat dilakukan yaitu secara terus menerus memantau dan memperbaiki proses yang ada dan meningkatkan kualitas dengan perubahan pada sistem dan operasi operasi yang ada. Setelah data peta kendali p diatas sudah berada dalam batas kendali maka dapat dihitung kapabilitas prosesnya, dengan perhitungan sebagai berikut :

88 Maka perhitungan kapabilitas untuk proporsi kesalahan pada produk Supreme Ultratec New 0.8 L dapat dilakukan perhitungan kapabilitas pada p-chart adalah (-pbar). Persentase cacat atribut - p-bar 00 % - 0.058 00% 0.942 94.2 % Persentase sebesar 94.2 % ini berarti kemampuan proses dalam menghasilkan produk cacat sekitar 5.8 %. Keadaan saat ini diperusahaan sangat tidak baik dengan presentasi cacat yang terjadi sebesar 5.8 %, karena diluar batas maksimum yang ditetapkan perusahaan yaitu % oleh karena itu perlu dilakukan perbaikan perbaikan untuk memperkecil jumlah produk yang cacat dan meningkatkan kualitas. 4.2.2 Perhitungan Batas Kendali dan Peta Kendali Xbar-R Setelah dilakukan perhitungan dengan peta kendali kualitas atribut selanjutnya dilakukan perhitungan dengan peta kendali kualitas variable terhadap berat oil (gram). Pada peta kendali kualitas variable karakteristik kualitas yang dihitung adalah berat oil dari produk Supreme Ultratec New 0.8 L dengan menggunakan peta kendali X-bar dan R untuk mengetahui kualitas variable dari produk.

89 Tabel 4.3. Hasil Perhitungan Batas Kendali Xbar dan R untuk berat obeservasi sub group 2 3 4 5 6 Jumlah R 752 75 752 753 754 750 452 752 4 2 753 754 750 752 750 75 450 75.667 4 3 75 752 753 750 75 752 4509 75.5 3 4 75 754 752 750 752 753 452 752 4 5 754 749 75 750 753 752 4509 75.5 5 6 753 752 750 75 754 753 453 752.67 4 7 750 75 75 752 753 750 4507 75.67 3 8 75 750 749 753 750 752 4505 750.833 4 9 753 754 753 750 75 749 450 75.667 5 0 75 752 752 753 753 75 452 752 2 75 754 749 752 750 752 4508 75.333 5 2 752 753 754 75 750 753 453 752.67 4 3 753 75 75 749 752 752 4508 75.333 4 4 754 752 752 750 749 75 4508 75.333 5 5 755 753 75 754 752 75 456 752.667 4 6 754 750 75 752 753 750 450 75.667 4 7 750 75 752 753 749 750 4505 750.833 4 8 75 752 753 754 755 750 455 752.5 5 9 75 753 752 75 752 75 450 75.667 2 20 750 75 749 754 752 750 4506 75 5 Batas kendali X Perhitungan batas-batas kendali adalah sebagai berikut : Dik : A 2 (tabel) 0.483 D 4 (tabel) 2.004 D 3 (tabel) 0 X n X i 5033 20 75.65 gram

90 R Ri n 80 20 4.0 Perhitungan UCL dan LCL nya adalah sebagai berikut : UCL X + A 2 R 75.65 + 0.483 4 753.6gram UCL X A 2 R 75.65-0.483 4 749.7gram Bagan kendali R Perhitungan untuk Ri dapat dilihat pada lampiran 4, perhitungan untuk R bar adalah sebagai berikut : R Ri n UCL R.D 4 80 20 4 2.004 8.0 LCL R.D 3 4 0 0 40

9 dibawah ini : Berikut peta kendali X dan R dengan menggunakan minitab dapat dilihat Xbar-R Chart of C,..., C6 Sample Mean 754 753 752 75 UC L753.6 _ X75.65 750 LC L749.774 3 5 7 9 Sample 3 5 7 9 8 UCL8.0 Sample Range 6 4 2 _ R4.0 0 LC L0 3 5 7 9 Sample 3 5 7 9 Grafik 4.3. Peta Kendali X-bar dan R untuk Berat Oil Supreme Ultatec New 0.8 L Dari grafik diatas dapat kita lihat bahwa data yang telah diambil telah berada didalam batas kendali. Hal ini menunjukkan bahwa proses telah berjalan dengan stabil dan tidak ada variasi penyebab khusus. Setelah menganalisa dengan menggunakan batas kontrol sekarang akan dilakukan analisa dengan batas spesifikasi yang telah ditetapkan oleh perusahaan, dimana batasan ini yang akan menentukan apakah suatu produk akan di rework atau tidak. Batas spesifikasi yang ditetapkan oleh perusahaan ditentukan berdasarkan pengalaman dari perusahaan itu sendiri yang telah lama beroperasi dari tahun ke tahun, sehingga dari waktu kewaktu perusahaan

92 dapat menetapkan batas spesifikasi, yaitu sebesar % dan standar berat oli yaitu 755 gram. Maka dapat diketahui Upper Spesification Limitnya dan Lower Spesification Limitnya, yaitu : USL 755 + ( 755 * 0.0 ) 762 gram LSL 755 - ( 755 * 0.0 ) 748 gram Selanjutnya setelah diketahuinya spesifikasi akan dilanjutkan dengan menganalisa kekuatan proses atau kemampuan proses yang biasanya menggunakan Cp. Karena dengan menganalisa kemampuan proses ini akan diketahuinya apakah proses mampu menghasilkan produk yang sesuai dengan spesifikasi. Apabila Cp memiliki nilai lebih dari.33 maka kapabilitas proses tersebut dapat dikatakan sangat baik, dan jika Cp memiliki nilai antara sampai dengan.33 maka kapabilitas proses dikatakan baik, sedangkan jika Cp memiliki nilai lebih kecil dari maka kapabilitas proses dikatakan rendah. Dari perhitungan sebelumnya yaitu pada perhitungan peta kendali X bar -R didapat R 4.0, X 75.65 dan nilai d 2 (tabel) 2.534 Cp (USL LSL)/6 ( R / d 2 ) (762-748) / 6 ( 4.0 / 2.534).478

93 Dari hasil nilai kapabilitas proses didapat diatas sebesar Cp.478 dimana nilai ini lebih dari angka atau.33 sehingga menunjukkan bahwa proses memiliki kapabilitas yang sangat baik dan sangat mampu dalam memenuhi spesifikasi berat yang telah ditetapkan oleh perusahaan, yaitu 755 gr, sehingga pelanggan atau pasar akan sangat puas dengan spesifikasi yang ada sekarang ini. Selanjutnya akan dianalisa kinerja proses dengan indeks Cpk, dimana Cpk itu sendiri untuk mengevaluasi proses dari dua parameter yaitu rata rata dan standar deviasi. Indeks Cpk diperoleh adalah : Cpk min {Cpl ; Cpu} (X - LSL) Cpl 3 (R/d 2 ) (755-748) 3(4.0 2.534) 7 4.67.47 (USL - X) Cpu 3 (R/d 2 ) (762-755) 3 (4.0/2.534) 7 4.67.47 Maka nilai Cpk min {.47 ;.47} Berdasarkan ukuran indeks performasi diketahui bahwa Cpk.47. Hal ini berarti kinerja dari proses baik, karena semakin tinggi indeks kemampuan proses

94 maka semakin sedikit produk yang berada diluar batas batas spesifikasi. Hal ini dikarenakan Cpk. Tetapi walaupun nilai Cpk sekarang biasa dikata sudah baik tetapi hal tersebut tidak akan bertahan lama karena persaingan perindustrian makin hari makin ketat beserta permintaan pelanggan akan terus menerus bertambah, sehingga untuk meningkatkan nilai Cpk diperlukan perubahan rata rata proses dan standar deviasi atau penyimpangan standar proses, atau keduanya. 4.2.3 Identifikasi Jenis Cacat yang Dominan Dalam tahap ini akan dilakukan pengidentifikasi secara menyeluruh dari jenis-jenis cacat yang paling dominan atau paling sering terjadi dalam periode produksi bulan Februari 2007 sampai April 2007. Berikut ini adalah garis besar data produksi cacat atribut: Tabel 4.4. Jumlah cacat atribut bulan Februari April 2007 Bulan Cacat Botol Penyok Botol Basah Tutup Reject Ring Patah Tutup Rusak Aluminium Cap Tidak menempel Tali Pengikat Putus Februari 369 5036 32688 6870 420 554 603 Maret 480 485 29746 6025 0254 505 45 April 432 4990 3040 65637 20844 424 702 Dari data diatas dapat dibuat diagram pareto, dimana diagram pareto ini digunakan untuk menentukan jenis cacat dominan yang menyebab turunnya kualitas pada produk Supreme Ultratec New 0.8 Liter SAE 20 W / 50 yang memerlukan prioritas penanganan sehingga dapat dibuat penyelesaian masalahnya. Dari diagram pareto ini akan terlihat jelas cacat yang paling sering terjadi selama bulan Februari- April 2007.

95 Data Cacat Periode Bulan Februari April 2007 400000 00 300000 80 Count 200000 60 Percent 00000 40 20 0 C Ring Patah Tutup Reject Tutup Rusak Botol Basah Other Count 94598 93474 4258 484 4484 Percent 55.6 26.7 2.2 4.2.3 Cum % 55.6 82.3 94.5 98.7 00.0 0 Diagram 4.2. Data cacat atribut periode produksi Februari April 2007 Dari diagram diatas dapat diketahui bahwa kecacatan pada ring patah akan menjadi perhatian utama dalam menyelesaikan masalah yang ada karena presentase cacat yang paling tinggi yaitu pada ring patah sebesar 56 % ( hasil pembulatan ). Sedangkan other menunjukan bahwa kecacatan sangat rendah, sehingga dalam program minitab 4 persentase rendah dikategorikan other. Selanjutnya untuk memperlihatkan faktor-faktor yang berpengaruh pada kualitas tersebut dengan menunjukkan faktor-faktor penyebab dari beberapa cacat yang domain dengan mengunakan fishbone atau diagram sebab akibat.

96 4.2.3. Identifikasi Penyebab Dominan Pada Setiap Jenis Cacat (Defect) 4.2.3.. Identifikasi Penyebab Dominan Pada Jenis Cacat Botol Penyok Untuk mengidentifikasi akar penyebab cacat dapat digunakan diagram Ishikawa. Berdasarkan hasil Brainstorming, akar penyebab cacat diantaranya adalah : Tabel 4.5. Penyebab Cacat Botol Penyok No Keterangan Penyusutan Mesin Diagram 4.3. Diagram Ishikawa untuk jenis cacat Botol Penyok Dari Fishbone diatas menunjukkan sebab-sebab yang mengakibatkan terjadinya botol penyok. Berikut adalah uraian untuk setiap faktor-faktor penyebab cacat.

97 Botol Penyok Faktor Mesin Ditinjau dari sisi mesin, biasanya diakibatkan umur mesin yang tua atau lama sehingga putarannya tidak tetap, sehingga menimbulkan tekanan antara botol satu dengan botol yang lain dalam pengurutan botol. 4.2.3..2 Identifikasi Penyebab Dominan Pada Jenis Cacat Botol Basah Tabel 4.6. Penyebab Cacat Botol Basah No Keterangan Penyusutan Mesin Diagram 4.4. Diagram Ishikawa untuk jenis cacat Botol Basah

98 Dari Fishbone diatas menunjukkan sebab-sebab yang mengakibatkan terjadinya botol basah. Berikut adalah uraian untuk setiap faktor-faktor penyebab cacat. Botol Basah Faktor Mesin Ditinjau dari sisi mesin, biasanya diakibatkan umur mesin yang tua atau lama sehingga tekanan angin tidak presisi. 4.2.3..3 Identifikasi Penyebab Dominan Pada Jenis Cacat Tutup Reject Tabel 4.7. Penyebab Cacat Tutup Reject No Keterangan Bahan material yang kurang baik 2 Penyusutan Mesin

99 Diagram 4.5. Diagram Ishikawa untuk jenis cacat Tutup Reject Dari Fishbone diatas menunjukkan sebab-sebab yang mengakibatkan terjadinya tutup reject tersebut. Berikut adalah uraian untuk setiap faktor-faktor penyebab cacat. Tutup Reject Faktor Material Dari segi material cacat reject hopper adalah aluminium lepas yang ada didalam cap, sehingga dapat menyebabkan kebocoran dan juga dimensi cap yang tidak sesuai, sehingga posisi cap tidak pas dengan saluran hopper sehingga jika ada cap yang letaknya tidak sesuai akan terjepit, dan menimbulkan patah atau retak pada cap

00 Faktor Mesin Ditinjau dari sisi mesin, faktor ini merupakan salah satu penyebab kegagalan pada reject hopper. pada proses ini mengalami kegagalan pada proses pengurutan baik dimensi yang terlalu kecil maupun terlalu besar, dan yang cukup berpengaruh adalah bahan dari cap yang kurang baik sehingga pada saat proses ini hanya mengalami sedikit benturan sudah mengalami cacat. 4.2.3..4 Identifikasi Penyebab Dominan Pada Jenis Cacat Ring Patah Tabel 4.8. Penyebab Cacat Ring Patah No Keterangan Penyusutan Mesin 2 Bahan material yang kurang baik 3 operator kurang teliti dalam posisi cap

0 Diagram 4.6. Diagram Ishikawa untuk jenis cacat Ring Patah Dari Fishbone diatas menunjukkan sebab-sebab yang mengakibatkan terjadinya ring patah. Berikut adalah uraian untuk setiap faktor-faktor penyebab cacat. Ring Patah Faktor Mesin Ditinjau dari sisi mesin, bisa diakibatkan kurangnya presisi atau ketelitian mesin tersebut yang mungkin diakibatkan umur mesin yang tua atau lama sehingga pada saat injeksi posisi injeksinya bergeser menyebabkan ring patah.

02 Faktor Material Dari segi material cacat ring patah adalah ring pengaman terlalu rapuh atau getas dan juga dimensi ring untuk cap yang tidak sesuai menyebabkan pada proses ini mengalami kegagalan pada proses injeksi sehingga menyebabkan ring patah, atau disebabkan karena bahan material yang kurang bagus sehingga mudah mengalami patah / rusak. Faktor manusia Ditinjau dari segi manusia, yang menyebabkan timbulnya ring patah adalah operator salah dalam meletakkan posisi cap dengan botol sehingga ring tersebut patah pada saat proses capper yang mungkin juga bisa diakibatkan kurangnya pengalaman operator. Faktor Metode kerja Dari segi metode kerja, belum adanya training atau sosialisasi standarisasi kerja yang baik dan juga operator terburu-buru bekerja karena dikejar oleh target perusahaan.

03 4.2.3..5 Identifikasi Penyebab Dominan Pada Jenis Cacat Tutup Rusak Tabel 4.9. Penyebab Cacat Tutup Rusak No Keterangan Penyusutan Mesin 2 Bahan material yang kurang baik 3 operator kurang teliti dalam posisi cap Diagram 4.7. Diagram Ishikawa untuk jenis cacat Tutup Rusak Dari Fishbone diatas menunjukkan sebab-sebab yang mengakibatkan terjadinya tutup rusak. Berikut adalah uraian untuk setiap faktor-faktor penyebab cacat. Tutup Rusak Faktor manusia Ditinjau dari segi manusia, yang menyebabkan timbulnya tutup rusak adalah operator salah dalam meletakkan posisi cap dengan botol

04 sehingga cap tersebut rusak pada saat proses capper yang mungkin juga bisa diakibatkan kurangnya pengalaman operator Faktor Material Dari segi material cacat tutup rusak adalah terjadinya perbedaan dimensi tutup untuk cap yang tidak sesuai menyebabkan pada proses ini mengalami kegagalan pada proses injeksi sehingga menyebabkan kerusakan pada cap. Faktor Metode kerja Dari segi metode kerja, belum adanya training atau sosialisasi standarisasi kerja yang baik dan juga operator terburu-buru bekerja karena dikejar oleh target perusahaan Faktor Mesin Ditinjau dari sisi mesin, bisa diakibatkan kurangnya presisi atau ketelitian mesin tersebut yang mungkin diakibatkan umur mesin yang tua atau lama sehingga pada saat injeksi posisi injeksinya bergeser menyebabkan tutup rusak.

05 4.2.3..6 Identifikasi Penyebab Dominan Pada Jenis Cacat Aluminium Cap Tidak Menempel Pada Mulut Botol Tabel 4.0. Penyebab Cacat Aluminium Cap Tidak Menempel Pada Mulut Botol No Keterangan Penyusutan Mesin 2 Bahan material yang kurang baik 3 operator kurang teliti dalam posisi cap Diagram 4.8. Diagram Ishikawa untuk jenis cacat Aluminium Cap Tidak Menempel Pada Mulut Botol Dari Fishbone diatas menunjukkan sebab-sebab yang mengakibatkan terjadinya Aluminium Cap Tidak Menempel Pada Mulut Botol. Berikut adalah uraian untuk setiap faktor-faktor penyebab cacat.

06 Aluminium Cap Tidak Menempel Faktor manusia Ditinjau dari segi manusia, yang menyebabkan timbulnya aluminium cap tidak menempel adalah operator salah dalam meletakkan posisi cap dengan botol sehingga aluminium tersebut tidak mendapatkan panas yang cukup dalam proses induksi hal ini diakibatkan kurangnya pengalaman operator Faktor Material Dari segi material cacat aluminium cap tidak menempel adalah terjadinya perbedaan dimensi tutup untuk cap yang tidak sesuai menyebabkan pada proses ini mengalami kegagalan pada proses induksi sehingga menyebabkan aluminium terjepit pada dimensi tersebut. Faktor Metode kerja Dari segi metode kerja, belum adanya training atau sosialisasi standarisasi kerja yang baik dan juga operator terburu-buru bekerja karena dikejar oleh target perusahaan Faktor Mesin Ditinjau dari sisi mesin, penyusutan mesin tersebut yang menyebabkan kecacatan pada proses induksi, dikarekan panas dari mesin tersebut sudah tidak baik.

07 4.2.3..7 Identifikasi Penyebab Dominan Pada Jenis Cacat Tali Pengikat Putus Tabel 4.. Penyebab Cacat Tali Pengikat Putus No Keterangan Penyusutan Mesin 2 Bahan material yang kurang baik 3 operator kurang teliti Diagram 4.9. Diagram Ishikawa untuk jenis cacat Tali Pengikat Putus Dari Fishbone diatas menunjukkan sebab-sebab yang mengakibatkan terjadinya Tali Pengikat Putus. Berikut adalah uraian untuk setiap faktor-faktor penyebab cacat.

08 Tali Pengikat Putus Faktor manusia Ditinjau dari segi manusia, yang menyebabkan timbulnya Tali Pengikat Putus adalah operator tidak teliti dalam proses ini. Hal ini diakibatkan kurangnya pengalaman operator Faktor Material Dari segi material cacat Tali Pengikat Putus terjadinya karena tali dari pengikat tersebut terlalu getas, sehingga tidak tahannya material tersebut didalam proses packing Faktor Metode kerja Dari segi metode kerja, belum adanya training atau sosialisasi standarisasi kerja yang baik dan juga operator terburu-buru bekerja karena dikejar oleh target perusahaan Faktor Mesin Ditinjau dari sisi mesin, biasanya diakibatkan karena mesin yang kurang dirawat, sehingga menimbulkan kotoran pada mesin packing tersebut yang menyebabkan tali pengikat putus.

09 4.3 Mengidentifikasi dan Analisa Secara Kuantitatif pada Jenis Jenis Kegagalan dengan FMEA dan Pendekatan logika Fuzzy. 4.3. Pembuatan FMEA (Failure Mode and Effect Analysis) untuk Proses Round Table Proses awal ( Round Table) adalah proses digunakan untuk meletakan botol yang akan diisi oli dalam proses selanjutnya yaitu proses filling. Untuk mengetahui akar penyebab cacat pada proses ini dapat dilihat pada table berikut : Tabel 4.2.Failure Modes and Effect Analysis (FMEA) Process Round Table Proses Jenis kegagalan pada proses Efek yang ditimbulkan dari kegagalan pada proses S Penyebab dari kegagalan pada proses O Kontrol yang dilakukan D Round Table Machine Penyusutan Mesin Terjadi botol Penyok 4 Perputaran Mesin Tidak konstan 2 Setting ulang mesin 6

0 4.3.. Penetapan Peringkat Nilai Severity, Occurrence, dan Detection untukpenyebab Cacat Pada Proses Round Table Penyusutan Mesin S 4 Kegagalan ini berpengaruh terhadap botol penyok, karena perputaran mesin yang tidak presisi. Sehingga pada proses jenis kegagalan ini sebagian besar dapat dirework dan nilai severity tersebut diberikan nilai 4. O 2 Penyebab dari kegagalan yang terjadi dikarenakan settingan mesin yang tidak presisi, sehingga jenis kegagalan pada proses ini sangat rendah terjadi kira- kira pada dalam 50000 lot, sehingga Occurance diberikan nilai 2 D 6 Kemungkinan tidak terdeteksi rendah, karena biasanya hal tersebut cukup mudah dilihat secara visual dan toolkit. Maka nilai detectability yang diberikan adalah 6.

4.3.2 Pembuatan FMEA (Failure Mode and Effect Analysis) untuk Proses Filling Machine Proses ( filling Machine) adalah proses digunakan untuk pengisian pelumas ke dalam botol. Pada mesin pengisian ini volume pelumas diatur 0,8 L atau L per botol dengan cara memutar pengatur volume. Untuk mengetahui akar penyebab cacat pada proses ini dapat dilihat pada table berikut : Tabel 4.3.Failure Modes and Effect Analysis (FMEA) Process Filling Proses Jenis kegagalan pada proses Efek yang ditimbulkan dari kegagalan pada proses S Penyebab dari kegagalan pada proses O Kontrol yang dilakukan D Filling Machine Penyusutan Mesin Terjadi botol basah 6 Tekanan angin yang tidak sesuai 5 Setting ulang tekanan angin 6

2 4.3.2. Penetapan Peringkat Nilai Severity, Occurrence, dan Detection untukpenyebab Cacat Pada Proses Filling Machine Penyusutan Mesin S 6 Kegagalan ini berpengaruh terhadap botol yang basah, karena tekanan angin yang tidak presisi. Sehingga pada proses jenis kegagalan ini sebagian kecil menjadi scrap dan nilai severity tersebut diberikan nilai 6. O 5 Penyebab dari kegagalan yang terjadi dikarenakan settingan angin yang tidak presisi, sehingga jenis kegagalan pada proses ini biasanya terjadi kira- kira pada dalam 400 lot, sehingga Occurance diberikan nilai 5 D 6 Kemungkinan tidak terdeteksi rendah, karena biasanya hal tersebut cukup mudah dilihat secara visual dan di-setting ulang dengan toolkit. Maka nilai detectability yang diberikan adalah 6. 4.3.3 Pembuatan FMEA (failure Mode anda Effect Analysis) untuk Proses Hopper Machine Setelah dilakukan proses Filling Machine, dilanjutkan dengan proses Hopper Machine digunakan untuk pemasangan tutup botol. Kemudian botol-botol akan kembali melewati Counting dengan program penghitungan jumlah botol 6 (enam) buah. Untuk mengetahui akat penyebab cacat pada proses ini dapat dilihat pada table berikut :

3 Tabel 4.4.Failure Modes and Effect Analysis (FMEA) Process Hopper Proses Jenis kegagalan pada proses Efek yang ditimbulkan dari kegagalan pada proses S Penyebab dari kegagalan pada proses O Kontrol yang dilakukan D Hopper Machine Penyusutan mesin Material buruk Pengurutan cap menurun Aluminium lepas sehingga Bocor Cap terjepit atau pecah 6 6 6 Kurangnya pihak maintenance dalam perawatannya Pengeleman atau perekatan tidak sempurna Dimensi yang terlalu besar / kecil 5 4 5 Pihak maintenance harus mereparasinya Melakukan pemeriksaan secara visual Melakukan pemeriksaan secara visual 6 3 5 4.3.3. Penetapan Peringkat Nilai Severity, Occurrence, dan Detection untuk Tiap Penyebab Cacat Pada Proses Hopper Machine Penyusutan Mesin S 6 Kegagalan ini berpengaruh terhadap kecepatan suatu perputaran, karena umur mesin yang sudah tua. Sehingga settingan yang tidak presisi, pada proses jenis kegagalan ini sebagian kecil menjadi scrap dan nilai severity tersebut diberikan nilai 6. O 5 Karena settingan yang tidak konstan, dapat menimbulkan kecepatan yang tidak sesuai, sehingga jenis kegagalan pada proses ini biasanya terjadi kira - kira pada dalam 400 lot, sehingga Occurance diberikan nilai 5. D 6 Kemungkinan tidak terdeteksi rendah, karena biasanya hal tersebut cukup mudah dilihat secara visual dan di-setting ulang dengan toolkit. Maka nilai detectability yang diberikan adalah 6.

4 Material yang kurang baik Aluminium Lepas S 6 Karena material dari cap tidak baik, Sehingga aluminium lepas sehingga dapat menimbulkan kebocoran. Sehingga dengan material yang buruk tersebut, nilai severity yang diberikan adalah 6. O 4 Karena cap bermaterial buruk, sehingga menimbulkan kebocoran yang cukup sering kira kira terjadi dalam 2000 lot. Maka nilai dari Occurance adalah 4. D 3 Kemungkinan tidak terdeteksi sedang, karena biasanya hal tersebut butuh operator yang berpengalaman dan konsentrasi dalam inspeksi, sehingga nilai dari Detectability adalah 3. Dimensi yang tidak sesuai S 6 Karena dimensi yang tidak sesuai, Sehingga menimbulkan cap terjepit. Maka dengan dimensi yang tidak sesuai ini, nilai severity yang diberikan adalah 6. O 5 Karena cap berdimensi tidak sesuai, sehingga menimbulkan kemacetan (ketidaksesuian) pada jalur pengurutan cap tersebut terhambat. Hal ini terjadi cukup sering kira kira terjadi dalam 400 lot. Maka nilai dari Occurance adalah 5. D 5 Kemungkinan tidak terdeteksi sedang, karena biasanya hal tersebut cukup mudah dilihat secara visual yang sangat hati-hati, sehingga nilai dari Detectability adalah 5.

5 4.3.4 Pembuatan FMEA (failure Mode anda Effect Analysis) untuk Proses Copper Machine Setelah produk melewati proses hopper machine dilanjutkan ke proses capper machine yang berfungsi untuk pengencangan tutup botol. Untuk mengetahui akat penyebab cacat pada proses ini dapat dilihat pada table berikut : Tabel 4.5. Failure Modes and Effect Analysis (FMEA) Proses Copper Machine Proses Jenis kegagalan pada proses Efek yang ditimbulkan dari kegagalan pada proses S Penyebab dari kegagalan pada proses O Kontrol yang dilakukan D Capper Machine Penyusutan mesin Ring Patah 8 Material buruk Operator kurang teliti Ring patah 6 Tutup Rusak 6 Mengurangi kepercayaan konsumen Kurangnya pihak maintenance dalam perawatannya Ring pengaman terlalu rapuh atau getas Moulding cap keluar dari standard 6 5 4 Pihak maintenance harus mereparasinya Pemberitahuan ke supplier Pemberitahuan ke supplier 6 Kurang teliti 5 Pelatihan operator 5 6 6 3

6 4.3.4. Penetapan Peringkat Nilai Severity, Occurrence, dan Detection untuk Tiap Penyebab Cacat Pada Proses Capper Machine Penyusutan Mesin S 8 Kegagalan ini berpengaruh terhadap suatu posisi injeksinya bergeser, karena umur mesin yang sudah tua. Sehingga perputaran mesin tidak presisi nilai severity tersebut diberikan nilai 8. O 6 Karena putaran yang tidak konstan, dapat menimbulkan efek dari material, sehingga menimbulkan kecacat pada proses. Jenis kegagalan pada proses ini biasanya terjadi kira- kira pada dalam 80 lot, sehingga Occurance diberikan nilai 6 D 6 Kemungkinan tidak terdeteksi rendah, karena biasanya hal tersebut cukup mudah dilihat secara visual dan di-setting ulang dengan toolkit. Maka nilai detectability yang diberikan adalah 6. Material yang buruk Ring Patah S 6 Karena material dari ring pengaman tidak baik, Sehingga mengalami kepatahan sewaktu proses capper machine. Sehingga dengan material ring yang buruk tersebut, nilai severity yang diberikan adalah 6. O 5 Karena ring bermaterial buruk, sehingga menimbulkan kepatahan pada ring pengaman tersebut. Dalam hal ini kegagalan terjadi cukup sering kira kira terjadi dalam 400 lot. Maka nilai dari Occurance adalah 5.

7 D 6 Kemungkinan tidak terdeteksi rendah, karena biasanya hal tersebut cukup mudah dilihat secara visual, tetapi butuh pembongkaran sederhana untuk dirework. Sehingga nilai dari Detectability adalah 6. Dimensi yang tidak sesuai S 6 Karena dimensi yang tidak sesuai, Sehingga menimbulkan perbedaan antara dimensi tutup dengan dimensi capper machine tersebut yang mengakibatkan tutup rusak. Maka dengan dimensi yang tidak sesuai ini, nilai severity yang diberikan adalah 6 O 4 Karena cap berdimensi tidak sesuai, sehingga menimbulkan kerusakan pada tutup. Hal ini terjadi cukup sering kira kira terjadi dalam 2000 lot. Maka nilai dari Occurance adalah 4. D 3 Kemungkinan tidak terdeteksi sedang, karena biasanya hal tersebut cukup mudah dilihat secara visual, sehingga nilai dari Detectability adalah 3. Operator yang tidak teliti S 6 Adanya operator kurang teliti dalam mengecangkan dan meletakan cap sebelum dilakukan proses copper machine. Sehingga nilai severity adalah 6. O 5 Karena kekurangan telitian dari operator tersebut, sehingga menimbulkan kecacatan pada material. Hal ini terjadi kira kira dalam 400, maka nilai dari Occurance adalah 5. D 5 Kemungkinan tidak terdeteksi rendah, karena biasanya hal tersebut cukup mudah dilihat secara visual, sehingga nilai dari Detectability adalah 5.

8 4.3.5 Pembuatan FMEA (failure Mode anda Effect Analysis) untuk Proses Induksi Setelah produk melewati proses capper machine yang berfungsi untuk pengencangan tutup botol selanjutnya akan melewati proses induksi, dimana gunanya proses tersebut dilakaukan agar oli tidak tumpah pada saat botol terbalik. Untuk mengetahui akat penyebab cacat pada proses ini dapat dilihat pada table berikut : Tabel 4.6. Failure Modes and Effect Analysis (FMEA) Proses Induksi Proses Jenis kegagalan pada proses Efek yang ditimbulkan dari kegagalan pada proses S Penyebab dari kegagalan pada proses O Kontrol yang dilakukan D Induksi Machine Penyusutan mesin Material buruk Operator kurang teliti Aluminium tidak menempel Aluminium tidak menempel Mengurangi kepercayaan konsumen 4 4 Kurangnya pihak maintenance dalam perawatannya Aluminium terjepit di cap karena dimensi yang tidak sesuai 2 2 Pihak maintenance harus mereparasinya Pemberitahuan ke supplier 6 Kurang teliti 5 Pelatihan operator 5 6 4

9 4.3.5. Penetapan Peringkat Nilai Severity, Occurrence, dan Detection untuk Tiap Penyebab Cacat Pada Proses Induksi Machine Penyusutan Mesin S 4 Kegagalan ini berpengaruh terhadap panasnya mesin tersebut sudah tidak baik, karena umur mesin yang sudah tua. Sehingga, pada proses jenis kegagalan ini sebagian kecil menjadi scrap dan sebagian besar dapat dirework dan nilai severity tersebut diberikan nilai 4. O 2 Karena panas yang kurang baik, sehingga jenis kegagalan pada proses ini biasanya terjadi kira - kira pada dalam 50000 lot, sehingga Occurance diberikan nilai 2. D 6 Kemungkinan tidak terdeteksi rendah, karena biasanya hal tersebut cukup mudah dilihat secara visual dan di-setting ulang dengan toolkit. Maka nilai detectability yang diberikan adalah 6. Material yang buruk Aluminium Tidak Menempel S 4 Karena dimensi yang tidak sesuai, Sehingga menimbulkan aluminium cap terjepit, maka nilai severity yang diberikan adalah 4. O 2 Karena cap berdimensi tidak sesuai, sehingga menimbulkan aluminium cap tidak menempel. Hal ini terjadi sangat rendah kira kira terjadi dalam 50000 lot. Maka nilai dari Occurance adalah 2. D 4 Kemungkinan tidak terdeteksi sedang, karena biasanya hal tersebut cukup mudah dilihat secara visual yang sangat hati-hati, sehingga nilai dari Detectability adalah 4.

20 Operator yang tidak teliti S 6 Adanya operator kurang teliti dalam mengecangkan dan meletakan cap proses copper machine. Sehingga nilai severity adalah 6. O 5 Karena kekurangan telitian dari operator tersebut, sehingga menimbulkan aluminium cap tidak menempel. Hal ini terjadi kira kira dalam 400, maka nilai dari Occurance adalah 5. D 5 Kemungkinan tidak terdeteksi rendah, karena biasanya hal tersebut cukup mudah dilihat secara visual, sehingga nilai dari Detectability adalah 5.

2 4.3.6 Pembuatan FMEA (failure Mode anda Effect Analysis) untuk Proses Stripper Setelah produk melewati proses induksi selanjutnya akan melewati proses packing. Untuk mengetahui akat penyebab cacat pada proses ini dapat dilihat pada table berikut : Tabel 4.7. Failure Modes and Effect Analysis (FMEA) Proses Stripper Proses Jenis kegagalan pada proses Efek yang ditimbulkan dari kegagalan pada proses S Penyebab dari kegagalan pada proses O Kontrol yang dilakukan D Stripper Machine Penyusutan mesin Material buruk Tali pengikat putus Tali pengikat terlalu getas 5 4 Kurangnya pihak maintenance dalam perawatannya Tali pengikat terlalu rapuh atau getas 3 3 Pihak maintenance harus mereparasinya Pemberitahuan ke supplier 2 2 Operator kurang teliti Mengurangi kepercayaan konsumen 6 Kurang teliti 5 Pelatihan operator 5

22 4.3.6. Penetapan Peringkat Nilai Severity, Occurrence, dan Detection untuk Tiap Penyebab Cacat Pada Proses Stripper Machine Penyusutan Mesin S 5 Kegagalan ini berpengaruh terhadap umur mesin yang sudah tua. Sehingga, pada proses jenis kegagalan ini sebagian kecil menjadi scrap dan nilai severity tersebut diberikan nilai 5. O 3 Karena mesin yang kurang baik, sehingga jenis kegagalan pada proses ini biasanya terjadi kira - kira pada dalam 5000 lot, sehingga Occurance diberikan nilai 3. D 2 Kemungkinan tidak terdeteksi rendah, karena biasanya hal tersebut cukup mudah dilihat secara visual. Maka nilai detectability yang diberikan adalah 2. Material yang buruk Tali Pengikat Putus S 4 Karena Tali yang terlalu getas, Sehingga menimbulkan tali putus dalam proses packing. maka nilai severity yang diberikan adalah 4. O 3 Karena tali putus, sehingga menimbulkan scrap. Hal ini terjadi rendah terjadi kira kira terjadi dalam 5000 lot. Maka nilai dari Occurance adalah 3.

23 D 2 Kemungkinan tidak terdeteksi sedang, karena biasanya hal tersebut cukup mudah dilihat secara visual yang sangat hati-hati, sehingga nilai dari Detectability adalah 2. Operator yang tidak teliti S 6 Adanya operator kurang teliti dalam mengecangkan dan meletakan cap proses copper machine. Sehingga nilai severity adalah 6. O 5 Karena kekurangan telitian dari operator tersebut, sehingga menimbulkan aluminium cap tidak menempel. Hal ini terjadi kira kira dalam 400, maka nilai dari Occurance adalah 5. D 5 Kemungkinan tidak terdeteksi rendah, karena biasanya hal tersebut cukup mudah dilihat secara visual, sehingga nilai dari Detectability adalah 5.

24 4.4 Proses Fuzzifikasi dengan menggunakan Fuzzy Toolbo Matlab 7. Penerapan metode FMEA (Failure Mode and Effect Analysis) dengan pendekatan logika Fuzzy ini dilakukan dengan menggunakan software MATLAB 7.0. Langkah awal yang dilakukan adalah dengan mengetik Fuzzy pada command line. Gambar 4.. Tampilan Langkah Awal Fuzzifikasi Selanjutnya tampilan FIS Editor akan muncul. Gunakan metode penalaran Mamdani dalam fuzzifikasi, karena baik input dan output berupa himpunan fuzzy dan gunakan fungsi implikasi MIN. Pada toolbar menu edit add variable, tambahkan input sehingga menjadi 3 variable yaitu Severity, Occurance, dan Detectability.

25 Varibale output yaitu FRPN (Fuzzy Risk Priority Categories). maka akan muncul tampilan seperti berikut ini : Gambar 4.2. Fuzzy Inference System (FIS) Editor 4.4. Nilai Input Severity (S), Occurance (0) dan Detactability (D) Nilai input severity, occurance dan detactability atas beberapa kategori dan untuk setiap kategori memliki tipe kurva dan parameter yang masing-masing.

26 Tabel 4.8. Parameter fungsi Keanggotaan Variable Input Kategori Tipe Kurva Parameter VL Trapesium [0 0 2,5] L Segitiga [ 2,5 4,5] M Trapesium [2,5 4,5 5,5 7,5] H Segitiga [5,5 7,5 9] VH Trapesium [7,5 9 0 0] Sumber : Javier Puente et al (2002) Fungsi dan nilai keanggotaan dari setiap kategori :. Very low Fungsi keanggotaan : ; f ( ;0,0,,2.5) (2.5 ) /(2.5 ) 0; 0 < < 2.5 2.5 Nilai keanggotaaan : Untuk input (2.5 - ) /.5 Untuk input 2 (2.5 2) /.5 0.33 Untuk input 3 0 Untuk input 4 0 Untuk input 5 0 Untuk input 6 0 Untuk input 7 0

27 Untuk input 8 0 Untuk input 9 0 Untuk input 0 0 2. Low Fungsi keanggotaan : 0; ( ) /(2.5 ); f ( ;,2.5,4.5) (4.5 ) /(4.5 2.5); 0; < < 2.5 2.5 < 4.5 4.5 Nilai keanggotaan : Untuk input 0 Untuk input 2 (2 ) /.5 0.67 Untuk input 3 (4.5 3) / 2 0.75 Untuk input 4 (4.5 4) / 2 0.25 Untuk input 5 0 Untuk input 6 0 Untuk input 7 0 Untuk input 8 0 Untuk input 9 0 Untuk input 0 0

28 3. Moderate Fungsi keanggotaan : 0; ( 2.5) /(4.5 2.5); f ( ;2.5,4.5,5.5,7.5) ; (7.5 ) /(7.5 5.5); 0; < 2.5 2.5 < 4.5 4.5 < 5.5 5.5 < 7.5 7.5 Nilai keanggotaan : Untuk input 0 Untuk input 2 0 Untuk input 3 (3 2.5) / 2 0.25 Untuk input 4 (4 2.5) / 2 0.75 Untuk input 5 Untuk input 6 (7.5 6) / 2 0.75 Untuk input 7 (7.5 7) / 2 0.25 Untuk input 8 0 Untuk input 9 0 Untuk input 0 0

29 4. High 0; ( 5.5) /(7.5 5.5); f ( ;,5.5,7.5,9) (9 ) /(9 7.5); 0; < 5.5 5.5 < 7.5 7.5 < 9 9 Nilai keanggotaan : Untuk input 0 Untuk input 2 0 Untuk input 3 0 Untuk input 4 0 Untuk input 5 0 Untuk input 6 (6 5.5) / 2 0.25 Untuk input 7 (7 5.5) / 2 0.75 Untuk input 8 (9 8) /.5 0.67 Untuk input 9 0 Untuk input 0 0

30 5. Very High Fungsi keanggotaan 0; f ( ;7.5,9,0,0) ( 7.5) /(9 7.5) ; < 7.5 7.5 < 9 9 0 Nilai keanggotaan : Untuk input 0 Untuk input 2 0 Untuk input 3 0 Untuk input 4 0 Untuk input 5 0 Untuk input 6 0 Untuk input 7 0 Untuk input 8 (8 7.5) / (9 7.5) 0.33 Untuk input 9 Untuk input 0

3 Untuk setiap variable input dalam range 0, masukkan parameter yang telah ditentukan sehingga membentuk kurva menurut kategorinya masing masing. Gambar 4.3. Membership Function Editor Variable Input Severity

Gambar 4.4. Membership Function Editor Variable Input Occurance 32

Gambar 4.5. Membership Function Editor Variabel Input Detectability 33

34 4.4.2 Nilai Output FRPN (Fuzzy Risk Priority Categories) Nilai output FRPN (Fuzzy Risk Priority Categories) terbagi atas beberapa kategori dan untuk setiap kategori memiliki tipe kurva dan parameter yang masing - masing. Tabel 4.9. Parameter Fungsi Keanggotaan Variable Output Kategori Tipe Kurva Parameter VL Trapesium [0 0 25 75] VL-L Segitiga [25 75 25] L Segitiga [75 25 200] L-M Segitiga [25 200 300] M Segitiga [200 300 400] M-H Segitiga [300 400 500] H Segitiga [400 500 700] H-VH Segitiga [500 700 900] VH Trapesium [700 900 000 000] Sumber : Javier Puente et al (2002)

35 Fungsi Keanggotaan dari setiap kategori output ;. Very Low < < 75 0; 75 25 50; / ) (75 25 0 ; ;0,0,25,75) ( f 2. Very Low-Low < < < 25 75 50; / ) (25 75 25 50; / 25) ( 25 25 0; ;25,75,25) ( atau f 3. Low < < < 200 25 75; / ) (200 25 75 50; / 75) ( 200 75 0; ;75,25,200) ( atau f 4. Low-Moderate < < < 300 200 /00; ) (300 200 25 75; / 25) ( 300 25 0; ;25,200,300) ( atau f

36 5. Moderate < < < 400 300 /00; ) (400 300 200 /00; 200) ( 400 200 0; ;200,300,400) ( atau f 6. Moderate-High < < < 500 400 /00; ) (500 400 300 /00; 300) ( 500 300 0; ;300,400,500) ( atau f 7. High < < < 700 500 200; / ) (700 500 400 /00; 400) ( 700 400 0; ;400,500,700) ( atau f 8. High-Very High < < < 900 700 200 / ) (900 700 500 200 / 500) ( 900 500 0; ;500,700,900) ( atau f

37 9. Very High 0; f ( ;700,900,000,000) ( 700) / 200 ; 700atau 000 700 < 900 900 < < 000 Untuk setiap variavle output dalam range 0-000, masukkan parameter yang telah ditentukan sehingga membentuk kurva menurut kategori masing masing. Gambar 4.6. Membership function Editor Variable Output FRPN

38 4.4.3 Evaluasi Input Dengan Aturan-aturan Fuzzy (Fuzzy Rules) Fuzzy logic menggunakan aturan-aturan fuzzy yaitu dengan if- then rules dan rules tersebut dibuat dengan mengkombinasikan input dan parameter yang ada. Kombinasi dari 3 variable input (Severity, Occurance, dan Detactability) yang terdiri dari 5 kategori, maka ada 25 rules yang dihasilkan. Berikut - 5 Rules ( 6-25 Rules dapat dilihat dilampiran C ) tersebut adalah sebagai berikut :. Untuk membuat aturan ke- : pilih (dengan mengklik kali ) VL pada listbo Severity (a), VL pada listbo Occurrence (b), VL pada listbo Detection (c) dan VL pada listbo RPN (d). Tekan Add rule (e). 2. Untuk membuat aturan ke-2 : pilih (dengan mengklik kali ) VL pada listbo Severity (a), VL pada listbo Occurrence (b), L pada listbo Detection (c) dan VL pada listbo RPN (d). Tekan Add rule (e). 3. Untuk membuat aturan ke-3 : pilih (dengan mengklik kali ) VL pada listbo Severity (a), VL pada listbo Occurrence (b), M pada listbo Detection (c) dan VL pada listbo RPN (d). Tekan Add rule (e). 4. Untuk membuat aturan ke-4 : pilih (dengan mengklik kali ) VL pada listbo Severity (a), VL pada listbo Occurrence (b), H pada listbo Detection (c) dan VL-L pada listbo RPN (d). Tekan Add rule (e). 5. Untuk membuat aturan ke-5 : pilih (dengan mengklik kali ) VL pada listbo Severity (a), VL pada listbo Occurrence (b), VH pada listbo Detection (c) dan VL-L pada listbo RPN (d). Tekan Add rule (e).

39 Berikut Gambar dari Rules Editor, dimana aturan aturan fuzzy dimasukan kedalam bo tersebut sebanyak 25 Rules : Gambar 4.7. Rules Editor

40 Setelah selesai dari pembuatan aturan aturan fuzzy akan dilakukan perhitungan defuzzifikasi manual dari setiap aturan aturan yang ada dari jenis kecacatan botol basah yang disebabkan oleh mesin filling. Berikut beberapa contoh perhitungan dari aturan aturan fuzzy. ( Perhitungan selanjutnya dapat dilihat dilampiran C ). Rules ke- : α min ( α s VL [6], min (0;0;0) 0 α o VL [5], α d VL [6]) μ FRPN 0 Tidak ada daerah hasil Implikasi 2. Rules ke-2 : α 2 min ( α s VL [6], min (0;0;0) 0 α o VL [5], α d L [6]) μ FRPN 2 0 Tidak ada daerah hasil Implikasi 3. Rules ke-3 : α 3 min ( α s VL [6], min (0;0;0.75) 0 α o VL [5], α d M [6]) μ FRPN 3 0 Tidak ada daerah hasil Implikasi

4 Setelah melakukan perhitungan dari setiap aturan yang ada, ternyata pada Rules 63, 64, 88, dan 89 memiliki daerah implikasi menurut fungsi keanggotaannya masing masing. Komposisi semua output terlihat pada gambar 4.8 : Gambar 4.8. Komposisi Output FRPN dari Proses Filling untuk Kegagalan Botol Basah Rules 63 dan rules 64 memiliki μ FRPN yang berbeda, tetapi memiliki kesamaan fundsi keanggotaan dengan kategori High sehingga tidak terdapat titik potong antara kedua rules tersebut, sedangkan rules 88 dan rules 89 memiliki μ yang sama, fungsi keanggotaan yang sama dengan kategori yang sama pula yaitu Very High. Keempat rules hanya saling memotong pada saat 700 FRPN

42 Jadi : μ FRPN [] 0; ( 400) /00; 0.75; (700 ) / 200; 0; ( 700) / 200; 0.25; 400 400 < 475 475 < 550 550 < 700 700 700 < 750 750 Gambar 4.9. Solusi Daerah Fuzzy FRPN dari Proses Filling untuk Kegagalan Botol Basah 4.4.4 Proses Defuzzifikasi Perhitungan defuzifikasi dilakukan dengan menggunakan metode centroid. Perhitungan dilakukan dengan pembagian daerah-daerah dengan luas masing masing dan setiap daerah memiliki momen terhadap nilai keanggotaan. Perhitungan sebagai berikut :

43 Untuk proses Filling untuk kegagalan botol basah Momen : M 475 400 475 400 (( 400) /00) d (0.0 4) d 3 2 *0.0 2 3 400 3 2 3 *0.0* 475 2* 475 *0.0* 400 2* 400 3 3 (357239.5833 45250) (23333.3333 320000) 2656.25 475 2 M 2 550 0.75d 475 2 * 0.75 2 475 2 * 0.75*550 * 0.75* 475 2 2 3437.5 84609.375 28828.25 550 2

44 33750 27729.6667) (529375 57666.6667) (857500 *0.005*550 3 *3.5*550 2 *0.005*700 3 *3.5*700 2 *0.005 3 *3.5 2 ) 0.005 (3.5 200) ) / ((700 3 2 3 2 700 550 3 2 700 550 700 550 3 d d M 4583.3333 857500) (57666.6667 984375) (70325 *3.5*700 2 *0.005*700 3 *3.5*750 2 *0.005*750 3 *3.5 2 *0.005 3 3.5) (0.005 200) 700) / (( 2 3 2 3 750 700 2 3 750 700 750 700 4 d d M 54687.5 7032.5 25000 * 0.25*834 2 * 0.25*000 2 * 0.25 2 0.25 2 2 000 750 2 000 750 6 d M

45 Luas setiap bagian adalah sebagai berikut : A (475 400) *0.75 2 28.25 A 2 (550 475) * 0.75 56.25 A (700 550) *0.75 2 3 56.25 A 4 (750 700) * 0.25 6.25 A 5 (000 750) *0.25 62.5 Nilai Titik Pusat : 2656.25 + 28828.25 + 33750 + 4583.3333 + 54687.5 642.43 28.25 + 56.25 + 56.25 + 6.25 + 62.5 Pada program MATLAB 7.0, untuk menentukan nilai FRPN, maka klik toolbar view-rules. Kemudian akan muncul tampilan rule viewer dan masukkan nilai input yang ditentukan (Severity, Occurance,dan Detecetability). Gambar 4.0 adalah nilai hasil FRPN proses filling untuk kegagalan botol basah :

46 Gambar 4.0. Nilai Output FRPN dari Proses Filling untuk Kegagalan Botol Basah Terdapat perbedaan antara perhitungan manual dengan perhitungan program MATLAB 7.0. Namun perbedaan tersebut tidak terlalu signifikan. Perbedaan ini disebabkan karena adanya faktor pembulatan.