Indonesia_basic Six Sigma Modul (New)

5/8/2018 Indonesia_basic Six Sigma Modul (New) - slidepdf.com

http://slidepdf.com/reader/full/indonesiabasic-six-sigma-modul-new 1/268

Basic Six Sigma 1001-TM-SS0-09-2002




Pendahuluan

7 Bahasan

Apakah Aktifitas 6σ ? Kenapa Kita Sebaiknya Menjalankan 6σ ? Bagaimana Menggulirkan 6σ ?

7 Tujuan

Memahami konsep dasar Six Sigma Memahami Teknik Pengoperasian

Aktifitas Six Sigma




Prosperity :GE

Prosperity :GEStart : Motorola

Start : Motorola

● Pada permulaan tahun 1980-an, kehilangan

marketnya karena perbedaan kualitas

dibandingkan dengan perusahaan Jepang

● Pada tahun 1981 Motorola menghadapi

tantangan tersebut dengan mengevaluasi

kualitasnya hingga 5 kali dalam 5 tahun namun

tetap saja tidak berhasil.

● Motorola mengembangkan suatu proses yang

konsisten berdasarkan pendekatan statistik.

● Pada tahun 1987, Motorola berhasil

menerapkan 6σ sebagai kunci sukses

● Motorola has won the prize of Malcolm Baldrige in

1988

● Pada tahun 1995 GE menggulirkan 6σ di

segala aspek bisnisnya guna menghadapi

tantangan kualitas world class.

● GE memperbaharui prosesnya seperti

produktivitas, Inventory Return namun

improvement tersebut tertunda karena

adanya defect diprosesnya.

● GE berpikir bahwa World Class Quality

adalah suatu hal yang menantang. GE

akan memfokuskan prosesnya

berdasarkan 6σ untuk generasi

berikutnya

Sejarah 6σ




μ

USLUSL

T

μ

USLUSL

T

Tepat namun tidak akuratShifting/bergeser ke Target

& Mereduksi Variasi

Geser

menujuTarget

TurunkanVariasi

Apa Aktifitas Six Sigma ?x Apa Konsep dari 6σ ?

USLUSL

T

μ

Akurat namun tidak tepat

Object

dari 6σ

adalah

Shift(geser)ke target

Menurunkan

Variasi


http://slidepdf.com/reader/full/indonesiabasic-six-sigma-modul-new 5/268Basic Six Sigma 5001-TM-SS0-09-2002

•1.5 kesalahan eja per halaman dalamsatu buku

• 24 hari keterlambatan per tahun

•1.5 kesalahan eja per halaman dalam

satu buku

• 24 hari keterlambatan per tahun

•1 kata kesalahan eja dalam semua bukuyang terdapat pada suatu perpustakaan mini

• 1.8 menit keterlambatan per tahun

•1 kata kesalahan eja dalam semua buku

yang terdapat pada suatu perpustakaan mini

• 1.8 menit keterlambatan per tahun

6 3.4

5 233

4 6,210

3 66,807

2 308,537

σ PPM

6σ Sebagai suatu strategi bisnis

Apa Aktifitas Six Sigma ?x Apa konsep dari 6σ ?



• Proses Design, Manufacturing, dan Service

• Aplikasi untuk 6 σ statistic Tools & Proses• Mengidentifikasikan faktor penyebab defect

• Analisa dan Improvement (perbaikan)

• Melalui penurunan defect ratio akan meningkatkan

Yield & Total Kepuasan pelanggan

• Management Innovation Tool memberikan kontribusi

thdManagement Output

Pencapaian3.4 PPM

(3.4 Defects Per Million)

Apakah kegiatan 6σ itu?

PPM : Parts per Million

6σ Sebagai suatu aktivitas

Apa Aktifitas Six Sigma ?x Apa konsep dari 6σ ?



1. Adalah suatu pengukuran statistik.

• Memberikan informasi kepada kita seberapa bagus produk & service kita serta prosesdidalamnya.• 6σ membantu kita untuk menentukan langkah dan arah guna kepuasan Customer secara

total.

2.Adalah suatu Improvement Tool (Alat Perbaikan)

Adalah suatu Tool yang lengkap yang dapat dipergunakan dan diaplikasikan pada

Design, Manufaktur, Sales, Service, dll.

3.Adalah suatu strategi bisnis• Dapat membantu kita dalam meraih keuntungan pada suatu persaingan• Bila kita dapat memperbaiki σ level pada proses kita, berarti kualitas produk akan lebih baik

dan biaya yang tidak perlu akan berkurang dan hasilnya yang pasti Customer akan

semakin puas.

4.Adalah suatu Philosophy • 6σ Ini adalah salah satu metode untuk bekerja lebih pintar, tidak keras• Dan 6σ membuat kesalahan akan semakin berkurang dan berkurang terhadap

perkerjaan yang kita lakukan

x 6σ Sebagai suatu strategi bisnis

Apa Aktifitas Six Sigma ?



• Buah yang jatuh• Logis dan intuisi

• Buah yang tergantung rendah• Seven Basic Tools

• Buah yang berada di tengan pohon

• Karakterisasi poses danOptimisasi

Buah yg mengandung 6σ

• Buah manis• Disain untuk manufaktur

Batasan untuk 5σ

Panen Buah berdasarkan 6σ

Batasan untuk 4σ

Batasan untuk 3σ

x 6σ Sebagai suatu strategi bisnis





• Improvement terhadap masalah yang serius• Real Time Monitoring system

( CTQ Control system )

• Improvement cycle time dan akurasi• Cost Improvement

Jaminan terhadap kelengkapan Desain

pada tahap pengembangan produk• Pemilihan CTQ guna memenuhi kebutuhan

Konsumen• Keputusan dalam hal toleransi• Jaminan terhadap analisis kapabilitas dari CTQ

Quality assurance Pada proses

Manufaktur

Maximizing for sales & SVC

¢ 6σ adalah suatu tool yang dapat

diaplikasikan ke seluruh sistem bisnis -Design, Manufacturing, Sales, Service, dll

Transaction

Mfg.

R&D

x Aplikasi 6σ


6σ

R&D Transaction

Manufacturing

Process




Identifikasi Customer -Berdasar

kan CTQ (Critical to Quality)

Identifikasi Key Processes

yang menjadi penyebab

defect pada karakteristik CTQ

Untuk setiap produk

atau Proses CTQ

Measure, Analyze, Improve,

& Control

6σ is a rigorous analyticalprocess for solving problem!!!(6 σ adalah suatu analisa proses yang teliti untuk

penyelesaian masalah)

1. Siapakah customers anda?

- Internal / External

2. Apa yang Anda sediakan untuk customers Anda?

3. Apa (CTQ) untuk customers Anda?

1. Apa proses internal Anda untuk menyediakan

produk Anda atau service CTQ untuk

customer Anda

2. Defect terjadi pada proses apa ?

D

• Masalah Praktis• Sistem Pengukuran• Perhitungan Hasil

• Process Mapping•Perhitungan σ

• Benchmarking• Pareto Chart & Stratification

• Cause & Effect Diagram

• DOE• Brainstorming

• Teknik

Percobaan

• Mekanisme Control• Control Chart

• Prosedur

M

A

I

C

Proses Aktivitas 6σ (manufacturing & Transaction)

*

* CTQ(Critical To Quality) : Customers Anda merasa bahwa karakteristik product, service atau proses adalah kritikal.

x Proses 6σ





Control

- Define

- Measurement

- Variasi CTQ

- Analisa kondisiSaat ini

- Improve olehOrang yang

berpenga -

laman

- Dikontrol olehcontrol chart

- Process

4M control

Measure

- Gejala- Frekuensi

- Analisastatistik

- Analisa pengaruh

yg disebabkanoleh faktor

- Optimasi

kondisi

dengan

analisissecara

statistik

LainLain

6σ6σ

- Data Discrete- Sulit untuk diaplikasikan

karena permasalahanyang kompleks

- Data Discrete+Continuous - Mudah diaplikasikan karenadidukung oleh Statistic

software.

Analysis Improvement

- Dikontrol

oleh PTS

(CTQ,

Benefits)

• Fokus/

Pengalaman/teknologi

* PTS : Project Tracking System

*

Perbaikan pada Proses

Apa Aktifitas Six Sigma ?x Perbandingan dengan alat lain




“Do it right the first time”

“Toward zero defect”

“Culture of enterprise”

Apa Aktifitas Six Sigma ?x Filosopi 6σ




• Kelangsungan Perusahaan bergantung kepada kemajuan bisnis

• Perusahaan bertambah besar berdasarkan kepuasan pelanggan

• Kepuasan pelanggan ditentukan oleh Quality , Price dan delivery

• Quality, Price dan delivery dikontrol oleh process capability

• Process Capability tergantung dari variasi• Variasi proses menentukan kenaikan defect, cost dan cycle time

• Untuk mengurangi variasi, kita harus mengaplikasikan pengetahuan yang benar.

• Untuk mengaplikasikan pengetahuan yang benar, langkah pertama adalah

dengan mengukur.

• Dengan mengukur permasalahan, kita akan dapat pengetahuan yang benar.


x Filosopi 6σ




Trend of Quality Index

Defect Rate

(%)

● ● ● ○

☆

Quality

Innovation

Tool

●

‘96 ‘97 ‘98 2002‘93

Kenapa Kita Sebaiknya Mengerjakan 6σ ?x Quality & Failure Rate




Traditional F-Cost

( Easy Definition)

Inspeksi

Scrap

ReworkReject

Service

Loss Opp. Sales

Delivery Delay

Brand Image Down

Office Loss Over Storage

Over Rework

Long cycle time

Design ChangePotential(Additional)

F-Cost (Difficult to measure)

Kenapa Kita Sebaiknya Mengerjakan 6σ ?x Quality & Failure Rate




Perbandingan 6σ dengan 3σ

Perusahaan 3σ

• Menghabiskan 15~25% dari hasil penjualanterhadap failure cost

• Menghasilkan 66,807 ppm

• Menyadari bahwa dengan inspeksi dapat

menemukan defect

• Percaya bahwa kualitas tinggi adalahmahal.

• Tidak ada metode pendekatan yang tepatuntuk mengumpulkan dan menganalisadata

• Benchmarks agar dapat lebih baik dari

competitor nya.

• Percaya 99 % cukup bagus

• Menemukan CTQ secara internal

• Menghasilkan 5 % dari hasil penjualanterhadap Failure cost .

• Menghasilkan 3.4 ppm

• Menyadari bahwa dengan proses yang capable

tidak akan memproduksi produk cacat

• Paham bahwa menghasilkan produk yangberkualitas adalah murah.

• Menggunakan tahap Measure, Analyze,Improve, Control .

• Benchmarks guna mencapai yang terbaikdidunia.

• Percaya 99 % belum cukup bisa diterima

• Define CTQ’s externally

Perusahaan 6σ

Kenapa Kita Sebaiknya Mengerjakan 6σ ?x Paradigma Shift (pergeseran)




Perusahaan dengan 3 Sigma Perusahaan dengan 6 Sigma

• 54,000 salah resep obat selama 1 tahun

• 40,500 bayi yang jatuh oleh dokter maupun

perawat setiap tahun.

• Kebocoran air minum 2 jam per bulan

• Telepon tak dijawab selama 27 menit dalam

seminggu.

• 5 pendaratan tidak tepat di O Hare Airport

dalam sehari

• 1,350 kegagalan operasi bedah dalam

seminggu.

• 54,000 kehilangan artikel atau surat salah

alamat dalam satu jam

• Satu salah resep obat selama 25 tahun

• 3 bayi yang jatuh oleh dokter maupun

perawat selama seratus tahun.

•Kebocoran air minum sejam dalam 16 tahun

• Telepon tak dijawab selama 6 detik dalam

100 tahun

• 1 pendaratan tidak tepat di United States

selama 10 tahun.

• Satu kegagalan operasi bedah selama 20

tahun.

• 35 kehilangan artikel atau surat salah

alamat dalam satu tahun

Kenapa Kita Sebaiknya Mengerjakan 6σ ?x Contoh Kasus




Traditional Approach 6σ Approach

• %(Defect Rate)

• Data diskret (tdk terukur)

• Kepuasan thd Mfg Proses

• Spec Outlier

• Experience + Job

• Bottom Up

• Mfg Process

• σ (Sigma)

• Data Discrete + Continuous

• Kepuasan konsumen

• Variation Improvement

• Experience + Job + Statistical Ability

•Top Down

• Design, Mfg, Sales, SVC

ISSUE

Index

D a t a

Target

Range

Method

Action

Application

Traditional Quality / 6σ Quality Method

Kenapa Kita Sebaiknya Mengerjakan 6σ ?x 6σ Karakteristik




• Mengejar common goal

•Kontrol faktor-faktor utama (penting)

• Aplikasi Statistics dalam semua bisnis.

• Didukung oleh Statistics Software

• Analisa data melalui experiment

• Membuat keputusan berdasarkan data

Innovasi disegala aspek bisnis.

Reduksi claim dan rework

Solusi yang mudah untuk Permasalahan sulit

Statistik menjadi hal yang mudah

Membuat hal yang tidak nyata jadi nyata

Tidak berdasarkan ide-ide yang salah dan praduga

Keunggulan 6σ





Manfaat dan keunggulan 6σBenefits

Superiority

- Menurunkan cost of loss, Perbaikan kualitas dan service produk,

Kepuasan konsumen.

- 6σ dapat membuat output Business menjadi jelas.

• Dapat diaplikasi disegala bidang (Industri & financial)

• Fokus terhadap 3P ( Product, Process, People)

Tidak hanya produk dan service, tapi juga proses dan kualitas sumber daya manusiadapat me ncapai tujuan melalui pengukuran sigma level.

• Sangat berdampak terhadap investasi

Tidak ada investasi peralatan/mesin namun hanya SDM

• Berdampak terhadap biaya

Output dapat diestimasi dengan jelas secara financial yang merupakan bagian dari

kontrol biaya dan benefit sejak permulaan .

• Pengolahan data sangat mudah dengan menggunakan statistik.

Melalui analisa data eksperimen hal yang samar menjadi jelas. Tidak berdasarkan

praduga dan pengalaman.

Dibantu dengan statistic Software (Minitab)





Sistem Metodologi

Butuh Top Down Drive• Butuh kekuatan dari Top Management• Kekuatan dari Top Management yang secara periodik

mengumumkan kebijakan 6σ .

Semua karyawan HARUS berpatisipasi• Tidak hanya dari manufakturing, namun dari non

manufaktur juga harus ikut serta.• Berfokus kepada permintaan konsumen

6σ sebagai Standar umum Perusahaan Besar

• Sebagai bahasa umum .(CTQ, σ , Cp, Z ....)• Semua tujuan dan target digambarkan sebagai skala σ• Proses Dasar untuk semua proses

Berawal dari Customer’s Voice• CTQ berasal dari Customer’s Voice

Perbaiki item yang mempunyai dampak paling besar

terlebih dahulu.

Butuh Program training untuk seluruh karyawan• 6σ Training Program guna pemahaman 6σ dengan benar• Training yang intensif untuk seluruh karyawan• Butuh Investasi sumber daya manusia yang paham 6σ

Konsepsi Dasar

• Butuh Case study project • Resource Information untuk organisasi dan sistem.• Proses Dasar untuk semua proses.• Penilaian yang berdasar dan Reward System

Bagaimana Menggulirkan 6σ ?x Kunci Sukses 6σ




* Champion Review : Pertemuan untuk pengambilan keputusan yang mengontrol perkembangan berdasarkan tahapan

project (Pemilihan tema → Output review)

Champion

- Pelaksanaan 6σ

Project Team

- Pelaksanaan Project

- Mencapai tingkat 6σ untuk CTQ

MBB/Six Sigma Team

- Supporting 6σ skill

K o m

i t m e n

S u p p

o r t

Bimbingan/Support

Support Permintaan

Chief of executive division- 6σ Driving

- 6σ Involvement & Commitment

k o m i t m

e n Champion

Review

L a p o r a n

Bagaimana Menggulirkan 6σ ?x Sistem Pengoperasian 6σ




Sertifikasi Belt

Bagaimana Menggulirkan 6σ ?x Sistem Pengoperasian 6σ

Tugas Utama Peran Syarat-syarat

• Dedicated 6σ Resource• Mentor BB/GB• Seleksi Project• Training

• 6σ Technical Leader • Harus paham Statistik

& menyebarkannya

• Lebih dari 4 Projects• Konsultasi lebih dari

8 Project setahun

• Full Time Project• Training

• Full Time Dedicated• Eksekusi Project• Leader dari Pjt. team• Training GB/WB

• 4 Project Setahun

• Join Project by

Part time

• Part time• Leader Pjt. Team• Memberikan Basic 6σ

Training

• Telah ditraining

Advanced Six Sigma

(DMAIC)

• 2 Projects setahun

Master

Black Belt

Black Belt

Green Belt

Belt

• Join Project by

Part time

• Part time• Member of Pjt. Team

• Telah ditraining Basic

Six Sigma (DMAIC)White Belt




•Survey Konsumen

• Interview

• Peta Kebutuhan Konsumen

• Quality function deployment(QFD)

• Quick Market Intelligence• Logic Tree

• Pareto Diagram

•Survey Konsumen

• Interview

• Peta Kebutuhan Konsumen

• Quality function deployment(QFD)

• Quick Market Intelligence• Logic Tree

• Pareto Diagram

Definisi CTQ Alat-alat Analisa (Typical Tools)

Pernyataan Konsumen merupakan CTQ

untuk suatu produk, service dan proses

Kebanyakan CTQ berasal dari

konsumen, namun bisa juga dari resiko,

ekonomi, dan Peraturan.

Contoh :• Spesifikasi Part• Waktu Perbaikan Pengertian umum dari kontrol CTQ

adalah pemilihan faktor yang terpenting

bagi konsumen.

Bahasa 6σx CTQ




Defects Per Unit : Jumlah Defect per unit

Menentukan proses tidak bagus atau kita tidak dapat mengetahui bahwa bahwa prosestersebut

mengandung defet. 6σ dapat mengatasi hal tersebut.

Contoh : Sebuah Laporan claim terdiri dari 10 halaman, 2 halaman diantaranya salah

DPU= Defect / Unit = 2 / 1 = 2

Defects Per Opportunity : Jumlah Defect disesuaikan dengan kesempatan defect per unit

Pengembangan dari konsep DPU ditambah dengan variabel opportunity (Kemungkinan)

Contoh : Sebuah claim report terdiri dari 10 halaman, 2 halaman diantaranya salah

2 Defect / (1 unit X 10 opportunity) = 0,2

DPO = 0,2

Defect Per Million Opportunities : Nilai dari DPO X 1,000,000,

Mengubah DPO menjadi sejuta unit karena dalam 6σ biasanya menggunakan PPM (Part Per

Million)

Contoh : DPMO = 0.2 DPO x 1,000,000 = 200,000

DPUDPU

DPODPO

DPMODPMO

Bahasa 6σx DPU/DPMO




Definisi nilai Z

Merupakan Standard terhadap nilai normal

untuk

Variasi Normal Distribusi sehingga

memudahkan untuk analisa statistik

* Normal distribution : Menunjukkan suatu bentuk distribusi, Sisi kanan dan sisi kiri jaraknya sama dengan axis mean(µ )

** Standard normal distribution : Standard Deviasi 0 maka Normal Distribusinya adalah 1

T

1σ

USLLSL

X -TσZ =

Konsep dari nilai Z

Dalam suatu proses, Jika Std.Dev menunjuk -

kan 6 yaitu antara Spec (USL,LSL), hal tersebut

disebut 6σ level”

Suatu proses yang bagus mempunyai 3,4 PPM,

ini artinya terdapat 3 atau 4 defect per sejuta

produk

Z adalah Perbandingan Nilai Perbedaan antara X

(USL atau LSL) dan target dibagi dengan

standard deviation (σ ).

Ini adalah bagian dari σ Level

Bila nilai Z adalah 6, ini merupakan 6σ Level

Ini adalah bagian dari σ Level

Bila nilai Z adalah 6, ini merupakan 6σ Level

*** USL : Upper Spec Limit / LSL : Lower Spec Limit

Bahasa 6σx Z-Value




Apa yang dimaksud dengan Kapabitas Proses

• Proses akan stabil bila derajad

pengukuran sesuai dengan limit.

• Penghitungan Cp, Cpk dapat mengetahui

pergeseran Mean dan apakah variasinya

bagus atau tidak

• Penghitungan Cpk berdasarkan

pergeseran mean

• Nilai K adalah perbedaan Target (T) dari

mean.

1σ

process variation

design tolerance

+3σ-3σ +6σ-6σ

Cp =Design tolerance

Process variation

Cpk = Cp(1-K)

| T-µ |(Upper limit-Lower limit)/2

K =

Adalah suatu kemampuan proses yang merefleksikan derajat keseragaman dalam memproduksi suatu produk.

Indeks Process Capability

µ Τ

Bahasa 6σx Indeks Process Capability




= rasio kemungkinan Output yang dihasilkan dari seluruh proses

Final

Good

Process

Defect Ratio

Loss byun-control

Input

Process 1 :

99% Accept ratio

Process2 : 92%

Process3 : 97%

Final

Inspection

: 97%

RTY

Control

Process

defect

ratio

Control

*

* RTY : Rolled Throughput Yield

RTY = 0.99 X 0.92 X 0.97 X 0.97 = 85.7%

Object Meningkatkan Produktivitas melalui

quality improvement

Apply Defect di seluruh proses, Equipment

Model Change Loss

Tool 6σ

Method 1orang 1 Project, Team activity

Added Improvementfor hidden factory

Bahasa 6σx Rolled Throughput Yield




MINITAB

7 Bahasan

7 TujuanPaham dalam menjalankan

Program Minitab

x Pengenalan Minitab

x Komponen Minitab

x Worksheet

x Menu File

x Menu Edit

x Menu Manip

x Menu Calc




Apa yang dimaksud dengan Minitab

x Minitab adalah software statistik yang digunakan untuk menganalisadata lalu menggambarkannya dalam bentuk grafik.

Membukan program Minitab

x Double click Minitab icon ( )

exit (keluar) dari program Minitab

x File>Exit

x Klik exit icon ( x ) Pada program window

x Klik Minitab icon ( ) Pada program window

Pengenalan Minitab




(DataWindow

atau Worksheet)

(Menu-bar)

(SessionWindow)

(Status

bar)

(Info

Window)

(History

Window

(Toolbar)

(Graph window) (Shortcut menus)

Komponen Minitab




• Project

xSeluruh unit yang tersusun dari seluruh komponen pada program Minitab

• Membuat Project baru

x File > New... > Minitab Project

• membuka (Open) Project

x File > Open Project …buka file Anda(*.mpj)

• Menyimpan (save) Project

x File > Save Project

x File > Save Project As…dan nama file Anda (*.mpj)

Klasifikasi




• Worksheet

x Merupakan suatu unit yang terdiri dari hanya data window pada

program Minitab

• Membuat Worksheet baru

x File > New... > Minitab Worksheet

• Membuka (open) Project

x File > Open Worksheet …dan pilih nama file (*.mtw)

• Menyimpan (save) Worksheet

x File > Save Current Worksheet

x File > Save Current Worksheet As…dan nama file anda(*.mtw)

Klasifikasi




(Masukkan nama

kolom)

(Nomor kolom)

(Nomor Kolom)

(Masukkan Data)

Worksheet




Numbers

Text values

Time values

Terdapat 3 tipe datax Number

x Text

x Time/Date

Pilih Sel dan

selanjutnnya masukkan

data.

Worksheet




Menu File




melakukan berbagai operasi

dengan data didalam

Worksheet

Guna mengeksekusi Minitab

file makro atau analisa

lain dengan data

Menu Edit




Data telah di-stack

Data belum di-stack (unstack )

Menu Manip...

i




Menunjukkan kolom hasil

Menunjukkan kategori

Menu Manip...

M M i




Hasil

Menu Manip...

M M i




kolom di mana hasil proses

unstack akan ditulis

Menu Manip...

M M i




Hasil

Menu Manip...

M C l




Cek Operasi

Melalui data ini

Menu Calc

Menu Calc




Hasil

Menu Calc

Menu Calc




Kolom yang Menunjukkan hasil

Masukkan nilai awal dari pola data

Masukkan nilai akhir dari pola data

Masukkan langkahnya (step)

Masukkan jumlah replikasi dari tiap nilai

Masukkan jumlah replikasi dari seluruh

pola data

Menu Calc

Menu Calc




Hasil

Menu Calc

Menu Calc




Patterned Data

10 8 6 4 2

-0.5 -0.4 -0.3 -0.2 -0.1

1111122222333334444455555

11223344551122334455

From First

Value

To Last

Value

In Steps

of

List each

value

List The whole

sequence

Contoh :

Menu Calc

S i ik




Statistika Dasar

7 Bahasan Mengapa menggunakan statistika ? Data Statistika Deskriptif Statistical Inference

7 Tujuan Memahami konsep statistika dasar &

penggunaan MINITAB

Mengapa Menggunakan Statistika ?




Mengapa Menggunakan Statistika ?

x Tujuan penggunaan Statistika adalah untuk memprediksi & mencegah, bukan sekedar inspeksi & deteksi

x Statistika adalah ilmu yg membahas tentang pengumpulan, penyusunan, analisa,

interpretasi & penyajian DATA

x STATISTIKA DESCRIPTIF

- memberikan informasi tentang kinerja dari sebuah proses

x STATISTIKA INFERENSIAL

- Memberikan informasi tentang prediksi tentang kinerja sebuah proses (Peluang)

Mengapa Perlu Mengumpulkan Data ?




Mengapa Perlu Mengumpulkan Data ?

xUntuk mengumpulkan fakta-fakta tentang suatu masalah atau kesempatan yang dapatdikuantifikasi

x Untuk menyampaikan fakta-fakta ini dalam bahasa yang sama

x Untuk menetapkan informasi mendasar tentang sebuah proses

x Untuk membandingkan gambaran proses sebelumnya dan sesudahnya

x Untuk mengukur jumlah dan arah perubahan-perubahan yang terjadi

x Untuk memfasilitasi analisa keuntungan (Cost Benefit Analysis) dari solusi yang diusulkan

x Untuk mengkuantifikasi dampak dari sebuah solusi

Pengumpulan Data




e gu pu a ata

x Defects

x Waktu

x Biaya (Cost )

x Kinerja (Performance)

x Efisiensi

Apakah data-data dalam proses yang ada sekarang sudah tersedia ?

Apakah data-data yang ada sekarang sudah cukup menggambarkan proses yang

bersangkutan ?

Sudahkah kita menetapkan kategori data apa yang diperlukan untuk dikumpulkan ?

Kumpulkanlah data hanya jika Anda akan menggunakannya !

Jenis Data




Berdasarkan jenisnya, data dapat dibagi menjadi :

DATA KUALITATIF (Atribut)

yaitu data yang berbentuk kategori atau kualitas (tidak berbentuk bilangan).

Contoh : Bagus, Manis, Pahit, Cantik, Tinggi, Setuju, dll

DATA KUANTITATIF (Variabel)

yaitu data yang berbentuk bilangan (angka) baik hasil penghitungan maupun hasil pengukuran.

Contoh : 200 anak, 350 kg, 23 derajat, 20 CTV, dll

Berdasarkan cara memperoleh datanya, data kuantitatif (Variabel) dapat dibagi menjadi :

⊗ Data Diskrit (Discrete Data) yaitu data yang diperoleh berdasarkan hasil penghitungan atau

penjumlahan terhadap objek yang dipelajari.

Contoh : 200 orang, 369 CTV, 500 mobil, dll

(Yang ditanyakan ‘Berapa Banyak ?’)

⊗ Data Kontinyu (Continous Data) yaitu data yang diperoleh berdasarakan hasil pengukuran

terhadap objek yang dipelajari.

Contoh : 250 milimeter, 35 derajat celcius, 20 DB, 58 kg, dll

(Yang ditanyakan ‘Berapa Ukurannya ?’)

Jenis Data




JENIS DATA

DATA KUALITATIF

(Berupa Kategori)

DATA KUANTITATIF

(Berupa Bilangan)

DATA KONTINYU

(Hasil Pengukuran)

DATA DISKRIT

(Hasil Penjumlahan)

Jenis-jenis Distribusi




j

Histogram bisa bermanfaat untuk menjelaskan distribusi data.

Distribusi Normal

Berbentuk Lonceng

Puncak Multipel

dari multiple proses

Distribusi Miring Distribusi Uniform

Contoh : pemakaian alat/menggiling

Letak & Penyebaran Proses




Target

L e t a k

Penyebaran

Kesimpulan Data




Rata-rata (Mean)

Jumlah semua data dibagi banyaknya data

Sangat dipengaruhi oleh nilai-nilai yang ekstrim

Median

Nilai tengah dari sederetan data yang sudah

terurut dari nilai terkecil hingga terbesar

(diranking)

Tidak dipengaruhi oleh nilai-nilai yang ekstrim

Jika banyaknya data adalah ganjil, median sama

dengan nilai data yang berada di tengah-tengah

Jika banyaknya data adalah genap, median

sama dengan rata-rata 2 nilai yang berada paling

tengah

Modus (Mode)

Nilai yang paling banyak atau paling sering

muncul

Rentang (Range)

Nilai Terbesar - Nilai Terkecil

Varians (Variance)

Rata-rata kuadrat dari deviasi setiap nilai

dari nilai rata-ratanya

Simpangan Baku (Standard Deviation)

Akar kuadrat dari varians, rata-rata jarak

data dari nilai rata-ratanya.

UKURAN LETAK UKURAN PENYEBARAN

Perhitungan




( )

n

x x x

n

x

xn

n

i

i+++

==∑=

211

Rata-rata Median

Banyaknya

Data

GANJIL GENAP

Median =

Nilai Tengah

Median =

2

TengahPalingNilai2JumlahModus

Nilai data yang paling seringmuncul

Varians

( )( ) ( ) ( )

11

22

2

2

11

2

2

−

−++−+−

=−

−

=

∑=

n

x x x x x x

n

x x

S n

n

i

i

Simpangan Baku (Standard Deviation)

2S S =

Latihan

Data




Hitung nilai-nilai berikut ini berdasarkan data di samping !Hitung nilai-nilai berikut ini berdasarkan data di samping !

Rata-rata = 106,63Rata-rata = 106,63

Median = 84Median = 84

Rentang (Rentang (RangeRange) =) =

Varians = sVarians = s22 ==

Simpangan Baku (Simpangan Baku (Standard DeviationStandard Deviation) = s =) = s =

107

169

131

84

81

67

81

122

52

233

46

Perhitungan




Data:S_Diameter

Perhitungan




Descriptive Statistics

Variable N Mean Median TrMean StDev SE Mean

Diameter 50 30.491 30.287 30.465 0.771 0.109

Variable Minimum Maximum Q1 Q3

Diameter 29.199 32.253 29.869 31.170

Descriptive Statistics

Variable N Mean Median TrMean StDev SE Mean

Diameter 50 30.491 30.287 30.465 0.771 0.109

Variable Minimum Maximum Q1 Q3

Diameter 29.199 32.253 29.869 31.170

Variable = Data yang sedang diproses

N = Banyaknya data

Mean = Rata-rataMedian = Nilai Tengah data

StDev = Standard Deviation = Simpangan Baku

Keterangan :

Kesimpulan Secara Statistika (Statistical Inference)




x Membantu kita untuk memprediksi kinerja sebuah proses (secara

peluang)

x Inference

- Estimasi

- Uji Hipotesis

Populasi Sampel

Sampling

Statistical Inference

Populasi & Sampel




x Populasi adalah semua unit yang berada dalam sebuah kelompok yang sedang kita

perhatikan/pelajari.

x Sampel adalah sebagian unit yang dipilih dari sebuah populasi

Contoh : Populasi = Semua Back Cover yang dikirim oleh suplier pada suatu

pengiriman

Sampel = 100 Back Cover yang dipilih dari sebuah pengiriman.

x Ada beberapa alasan mengapa kita mempelajari Sampel

Mempelajari populasi akan memakan biaya terlalu tinggi

Keakuratan prediksi berdasarkan sampel biasanya sama

dengan informasi yang diperoleh berdasarkan seluruh

populasi

x Simbol-simbol yang digunakan

Rata-rata dan Simpangan Baku populasi dilambangkan

dengan µ & σ

Rata-rata dan Simpangan Baku sampel dilambangkan dengan

& s x

Sampel

Populasi( µ & σ )

S)dan( x





Estimasi Titik

Estimasi IntervalEstimasiEstimasi

Uji HipotesisUji Hipotesis

x Inference

Dilakukan untuk memahami sifat-sifat sebuah populasi melalui sifat-sifat sebuah sampel

yang dipilih dari populasi tersebut

x Target inferensial

PARAMETER, yaitu sebuah nilai yang diperoleh dari sebuah populasi (µ , σ ,

…, dll)

x Nilai Inferensial

STATISTIK, yaitu sebuah nilai yang diperoleh dari sebuah sampel ( ,,, S x dll)





x Uji Hipotesis

Untuk menbuktikan kebenaran dari pernyataan seseorang tentang sesuatu hal

x Yang diperlukan dalam sebuah inferensial

Data & Distribusi Peluang

x Peluang (p)

Perbandingan jumlah sebuah kejadian diantara semua kejadian yang mungkin

terjadi

Nilainya = 0 ≤ p ≤ 1

Contoh : Pada saat seseorang melemparkan sebuah koin, berapa peluang

bahwa sisi angka akan berada di bagian atas

Banyak kejadian yang muncul secara acakBanyak kejadian yang muncul secara acakDistribusi Normal




Banyak kejadian yang muncul secara acaky j y g

((RandomRandom) menghasilkan data dengan distribusi) menghasilkan data dengan distribusi

sebagai berikutsebagai berikut•Bell shapedBell shaped

•SymmetricalSymmetrical

Kurva yang menghubungkan puncak-puncakKurva yang menghubungkan puncak-puncak

batang disebut Kurva Peluang Normal yangbatang disebut Kurva Peluang Normal yang

digunakan untuk meng-estimasi Distribusi Normaldigunakan untuk meng-estimasi Distribusi Normal

dari kejadian-kejadian yang muncul secara acakdari kejadian-kejadian yang muncul secara acak

((RandomRandom))

• Distribusinya simetris terhadap rata-ratanyaDistribusinya simetris terhadap rata-ratanya• Ujung kurvanyaUjung kurvanya asymptotic asymptotic terhadap sumbu-Xterhadap sumbu-X• Mean = Median = ModeMean = Median = Mode• Peluang dibawah kurva = 1Peluang dibawah kurva = 1

σ , Standard

Deviation

µ , Rata2 =

Median =

Mode

Distribusi Normal




µ

1σ1σ

TT

3σe yπ σ 2

1=

- ( X - µ ) 2 / 2 σ 2

Normal Distribution Function

Kita dapat menggunakan

rata-rata sampel dan

standar deviasi untuk

menjelaskan populasinyadan menggambarkan

histogramnya (data diskrit)

untuk melihat distribusi

normalnya (data kontinyu)

Sif t if t

Distribusi Normal




• Sifat-sifat

– 68.26 % data akan berada diantara +1σ dan -1σ dari rata-ratanya


– 99.73 % data akan berada diantara +3σ dan -3σ dari rata-ratanya – 99.9937 % data akan berada diantara +4σ dan -4σ dari rata-ratanya



43210-1-2-3-4

68.3%

95.4%

99.73%

Distribusi Normal Standar ( Z - Distribution)




Rata-rata

StandardDeviation

0

1

Distribusi Normal

Distribusi Normal Standar

Transformasi - Z




Misalkan, sebuah proses mempunyai nilai-nilai sebagai berikut :

• Rata-rata = 10 & Standard Deviation = 2

Berapa persen data akan mempunyai nilai antara 6 dan 14?

Ì Transformasi - Z

22

1061 −==

- Z 2

2

10-14Z2 ==

Ì Dari tabel Distribusi Normal Standar ( Tabel - Z ) diperoleh :

P ( Z1 ≤ 2) = 0.0228 P ( Z2 ≥ 2) = 0.0228

Ì 95.44% data akan berada antara 6 and 14.

Jadi, P ( - 2 ≤ Z ≤ +2) = (1 - (0.0228 + 0.0228)) = 0.9544

DeviationStandard

1Mean X

Z −

=

Definisi




Memahami konsep tentang CTQ dan

mengetahui cara menemukan CTQ

(Critical To Quality )

- Apa yang dimaksud CTQ ?

- Siapa Customer kita ?

- Pemetaan Proses (Process Mapping )

Definisi

7Bahasan

7 Tujuan

DD

CTQ




CTQCTQ

CriticalCritical

ToToQualityQuality

CTQ adalah sebuahCTQ adalah sebuah

karakeristik dari sebuah produkkarakeristik dari sebuah produk

atau jasa yang memenuhiatau jasa yang memenuhi

kebutuhankebutuhan customer customer (internal(internal

atau eksternal)atau eksternal)

H l h l Ut

CTQ




Hal-hal Utama

x CTQ adalah elemen-elemen dasar yang merupakan pedomanCTQ adalah elemen-elemen dasar yang merupakan pedoman

pengukuran proses,pengukuran proses, improvement improvement dan kontrol.dan kontrol.

x Dalam memastikan CTQ yang dipilih merupakan hal yangDalam memastikan CTQ yang dipilih merupakan hal yang

sangat penting sebab hal ini akan merepresentasikan secarasangat penting sebab hal ini akan merepresentasikan secara

akurat semua yang penting bagiakurat semua yang penting bagi customer.customer.

Contoh-contoh CTQContoh-contoh CTQ




• Pengiriman yang tepatwaktu

• Tidak ada defects

• Tempat kerja aman

•Produk yang aman

• Ruang hotel yang bersih

• Pembayaran yang tepat

waktu

• JalanTol yang aman• Part yang sesuai Spec.

• Penggunaan form-form

yang tepat

•Pembayaran yang tepat

• Pelayanan yang ramah

• Pengiriman sepanjang

malam

x CustomersCustomers

Siapa yang menjadi Customer ?




x CustomersCustomersx Klien-klienKlien-klienx Vendor Vendor

x Semua organisasi/personnelSemua organisasi/personnelx Orang yang menerima pekerjaan yangOrang yang menerima pekerjaan yang

sudah kita prosessudah kita prosesx Departemen-departemen yangDepartemen-departemen yang

berhubunganberhubungan

Bagaimana kita menterjemahkan komentar customer ke dalam

kebutuhan internal ?




Customer biasanya tidak

secara jelas menyatakan apa

yang mereka inginkan atau

mereka butuhkan.

Kita perlu memanfaatkan

metoda-metoda yang

membantu kita dalam

memahami kebutuhan

customer danmenterjemahkannya ke

dalam kebutuhan internal.Setelah kita menerjemahkan

kebutuhan customer ke

dalam kebutuhan internal,

kita harus bisa mengukur

dan menggambarkan

kapabilitas produk dan

proses.

Tiga Pertanyaan Penting




1. Siapa customer saya ?

2. Pelayanan dan produk apa yang saya sediakan untuk customer saya ?

3. Apa yang menjadi CTQ bagi customer saya ?

Daftar Suppliers - Customers untuk Proyek Anda :




Apa yang

dibuat ?

Siapa yang menjadi

Customers?

Siapa yang menjadi

Suppliers?

Apa yang penting (CTQ)

Apa yang dimaksud Proses ?




Sebuah proses adalah kumpulan dari aktifitas-aktifitas yang

menggunakan satu jenis atau lebih input dan membuat outputyang berguna bagi customer. Lingkup dari material akan berkaitan

dengan proses-proses yang berhubungan dengan :

x System / Fungsi Produk

x System / Operasi Produk

x Manufacturing / Produksi

P t P d l h t d i l t k b k

Pemetaan Proses ( Process Mapping )




Elemen-elemen Pemetaan ProsesElemen-elemen Pemetaan Proses

Stop/Start Aktifitas Keputusan

Aktifitas

Aktifitas Stop/Start

Pemetaan Proses adalah metode visual untuk menggambarkan

urutan atau hubungan-hubungan aktifitas kerja.

Sebuah pemetaan proses memberikan :x Cara komunikasix Format untuk perencanaan dan improvement proses tersebut.

Step 1. Define Major Core Process




◎ Ingat ! Seluruh pekerjaan adalah interconnected process

Sourcing

Customer Job =Process

R&DR&D

SalesSales

Manufac-Manufac-

turingturing

Logistics

Control

Step 2. Project Selection

1. Overview




Hati-hati dalam memilih suatu project karena merupakan langkah yang penting dalam

memperbaiki performance. Bila anda mempunyai data berupa cycle time, defect rate atauyang lainnya dapat digunakan Pareto Charts, Run charts, Check sheet dll.

Jika tidak, kita dapat menggunakan brainstorming duna menemukan potensial problem

yang ada dalam proses kita / main process.

2. Considering Points

- Strategic Goal - Customer Requirement

- Profits - Customer Satisfaction

- Overall Business efficiency

*Suatu project dipilih dengan melihat dampaknya terhadap customer’s dissatisfaction dan

mengarah ke Company’s Goal

3. Project Type1. Process Improvement

2. Problem Solving





4. Example

Suatu salon untuk lelaki dan wanita berinisiatif untuk melakukan project improvement

terhadap penurunan sales. Berikut ini critical

success factors (CSF)

1. Price was important

2. Good appointment availability

3. The possibility of establishing a customer 4. Additional service(solarium, manicure etc).

Busi ness Processes

Haircut and other services

Time Pl anning

Accepti ng Reservati ons

Recrui ti ng

Keepi ng the staff

Pl anni ng Addi ti onal services

Purchasi ng accessori es

1 2 3 4CSF

Wei ght 1 3 3 2Total

3 3 0 0

1 9 6 0

0 9 6 0

1 3 9 6

1 0 9 0

0 0 0 6

3 0 0 2

5 6σ Theme





5. 6σ Theme

Suppl ier Customer

Do Need6s Proj ect !

Del i very

Cycl e Ti me

Pri ce

Cost

Qual i ty

Defect

Do

Need

Interacti on

- Strategic goal- Customer

requirements

- Profits

- Customer

satisfaction

- Overall

business

efficiency

>> Defect

Reduction

>> Culture change

>> Cycle TimeReduction

(Quick responseto customer req.)

Develop a Project Chart

1. SIPOC Diagram




Diagram SIPOC merupakan salah satu teknik dalam proses improvement guna melihat sekilas

tentang Works Flow dari suatu proses.

- Supplier : Individu atau institusi yang menyediakan informasi, material dan sumber lainnya

- Input : Segala sesuatu yang disediakan

- Process : Suatu langkah yang mentransformasikan input

- Output : Produk akhir dari suatu proses

- Customer : Individu, group atau proses yang menggunakan output.

Suppl i er Cust omerProcess

I nput Output

S I P O C

-What is key materials, information or product ?

-How do you transform these things ?

-Who use outputs ?


2. Benefit Analysis




● Identifikasi benefit terhadap internal dan external customers.

6σ Theme

Royalty

Referrals

Satisfaction

Royalty

Referrals

Satisfaction

- From External Customer Competitiveness Cost/Benefit Income

- From Internal Customer Effective Process

Cost/Benefit

Customer view LG’s View

Identifikasi Benefit

● Review Thema

• Nilai terhadap business dan customer

– Company’s goal and Customer dissatisfaction

• Resources Required


3. Benefit Analysis




Defect Reduction on Loan process

ThemeTheme Customer Customer BenefitBenefit

• Defect

Reduction

? ?

ThemeTheme

◎ Di Unit anda …..…

Theme :

Benefit to Customer Benefit to Biz Others

● Isilah Form dibawah ini ;


1) Wh t i it ?

4. Create Project Chart




1) What is it ?

Project Chart menggambarkan keseluruhan dari suatu 6 sigma project seperti time line, needed resources, role assignment,

project scope, tujuan dan seterusnya.

2) Why create ?

• Klarifikasi project goal & Tujuan

• Define project scope (cakupan project)

• Communicate with colleagues

3) Guide to create project chart

1. Identify improvement areas in your operating unit

2. Describe the background of a project

3. Define an opportunity to business

4. Set a goal to achieve

5. Define project scope

1. Develop a project plan

2. Select project team member

3. Role Assignment

4. Review a project chart

5. Admittance from top manager

4) Considering Points

• What is the core value to customers ?

• What is the core benefit to businesses ?

• Is it easy to collect data from a process ?


Biz Uni t Team 6 si gmaPurchasi ng




Theme

Area Transactional 6TimeLine

Back-ground

Teammember

Champi on : 000MBB : 000

Member : 000

Goal&

Benefi t

BottleNect

Schedule

Support : 000

< Hard Benefit > < Soft Benefit >

Defi ne (Measure) (Anal yze) (Improve) (Control )Process

Activi ty

2/15 3/ 15 3/31 4/ 25 5/ 3

Cost

Stock Cycle Time

50%Reduction

Cost Saving : 50%

Reduce Useless

Stock

Reserved Stock Cost Saving

Stock Cycle Time Reduction

2000. 2. 1 ~2000. 5. 3

It takes a li ttle more time to del iver stock to customer, which cost non value added space andhinder quick response to customer needs.

Survey

ProcessMap

Sel ect CTQ

Data

MSA

s Level

I denti fy

Vi tal few

Choose

Best

Sol uti on

Make i t

Sti ck

Process Analysis (Process Chart)

1. Overview




1) Objectives

- Visualisasi status dari proses

- Identifikasi non value added yang ada dalam suatu proses

2) Review the SIPOC

Theme

Start End

Supplier Input Output Customer

Process

3) Procedure

- Define Start & End Points

- Draw Tree Chart : Identify main step or phase, Identify main sub-step which is below, main step

- Draw detail map(Cross Functional Process Map)

- Review the process map to identify non value added activity or white space.


2. Tree Chart

1) Wh t

2) Tips




1) What

- 2-Level flow chart to simplify a process.

- 1st Level : Main step or phase in a process

- 2nd Level : Sub-step below main step

Ordering Process

Order Coding Check Credit Routing

Delivery Producing Procurement Request Payment

Stock Order

Customer Order

S-form

Coding

Adjust

Release

After Service

Master Set up

Control

Check Credit

Approval/Reject

Stock Searching

Select Transportation

Check Pick List

Producing/Purchasing

Carrier Scheduling

Work order

OQC

Wrapping

Master Set up

Control

Raw Material

Least-cost

Supplier Chain

Management

Invoice, A/R

Assign Budget

Collect Money

2) Tips

- When you identify the main step, use simple words.

- Focus on critical steps to perform

- Identify at least 3 main steps

- Use verbs to identify sub-steps(activities)


3. Cross Functional Process Map

D t il d P i li ti it fl ith ibilit




◎ Detailed Process map can visualize activity flow with responsibility.

Identify related

operating

unit

Identify related

operating

unit

● Process Map Symbols

Indicate process border

Activity

Decision Points

Indicate direction

Main Input or Output

Connect a process to next page

Start or End

Activity

Decision

Arrow

Input/Output

ProcessConjunction

Start

Activity

a

Decision

a

Activity

b

Activity

c

Unit A

Unit B

Unit C

Unit D

Decision

b

End


● Drawing Procedure




1. Define the Start and End Points

2. Write each step in regular sequence3. Mark the proper symbol at each step

4. Review the process.

1. Define the Start and End Points

2. Write each step in regular sequence

3. Mark the proper symbol at each step

4. Review the process.

• Simple is the best. Make it as simple as possible.

• Include all persons who have some connection with a process

• Choosing Subject Matter Experts

• Remember that disagreements do occur due to not having standard

process at first.

Promote a discussion to agreement.

• Simple is the best. Make it as simple as possible.

• Include all persons who have some connection with a process

• Choosing Subject Matter Experts

• Remember that disagreements do occur due to not having standard

process at first.

Promote a discussion to agreement.

● Tips


1) What ?

4. Generate Quick Action Idea




• Does this activity give a benefit to customers or cost to customers ?

• If I remove this activity, can the quality be damaged ?

• Without this activity, is there any danger ?

• Can this activity meet the external requirements ?

2) How ?Marking non value added activities within process mapping

☞ Example

1) What ?Find non value added activities and improve process capability at once

3) Identify Quick Action Step

☞ Tips

• Correction

• Estimate amount

of assigned job

• Confirmation

• Rework

• Approval

• Moving

• Meeting

• Easy to Improve

• Quick to get Idea to Improve

• Low Cost

• Easy to Control


Non Value AddedQ i k A i Id E l i Ch k

4) Quick Action Planning

Process




StepQuick Action Idea Evaluation Check

5) Check Points

- If you get great result after quick action, jump to the control phase.

- Check whether a project chart is revised.

- If you get great result after quick action, jump to the control phase.

- Check whether a project chart is revised.

Step

Define Customer Requirement

1) Objectives

1. Overview




● Listen VOC(Voice of Customer)

● Identify CTQ(Critical To Quality)

● Set the performance requirements(spec).

1) Objectives

- Identify what the customer wants/needs and performance requirements(spec).

2) What to do

R e s o ur c e t oi d e

n t i f y

C u s t om er n e e d s / w an t s

Survey

Internal /

Eternal

Data

Interview

Focus Group Interview

Questionnaires

Observation

Dissatisfaction Details

After Service history

Sale Division

Paying Price

Outstanding Fee

Collection

Internal Data

Specialist

Processing Information

Competing Firm

Customer

Information

2. Listen VOC● To Improve the Quality of Data, Data Collection Process

- Clarify the reason to survey.(collect data)

- Definite question and answer

- Choose correct analyzing methodology


3). Methodology for Listening VOC




Type Object Characteri sti c

Questi onnai res

I ntervi ewIdentify concrete custome r

needs/wants.

- Personal- Mai l . E- mai lMeasur i ng cust omerNeeds/ wants.

- Personal

- Gr oup

- Tel ephone, e- mai l

Focus

Groups

Interview

I denti f y maj or cust omer

Needs/ wants at a ni che

Market .

• Define customer needs

• Ranking customer needs

• Get feedback from major

Customer

Observation

Get information about

human activity pattern

at a circumstance.

Customer

Informati on

Infer customer needs

based on data at customer

contact divisions.

• Di ssati sfacti on Detai l s

Af ter Servi ce hi storySal e Di vi si on

Internal

Informati on

Start point to collect data

for improving• Internal biz related data.

Personal

Mechani cal

Audi t

Trace analysi s

Content analysi s

Type Object Characteri sti c


1) Object

3. Interview




2) Usages

1) Object

Identify what the customer wants regarding products, services etc.

• Very useful to clarify customer needs/wants.

• After interviewing, we can rank the defined needs/wants using questionnaires.

3) Interview Process

-Personal

-Phone-Focus Group

Interview

- Place to

meet- Time

What

Need ?Method Interviewee Question Engage Do Summary


● Make Question for Interviewing




● Interviewing Process

Introduction Asking Closing

○ Rapport -easy to difficult-Past to present-Good to Bad-Indirect to direct-Abstract to concrete

ㆍ To be a good Listener ㆍ If hard to understand, ask

detail information. “For example ?”,

“Why ? “

“Do you know a digit ?”

What Who Question

Questionnaire1. ……………..2. ……………..


4. Survey (Questionnaire)




1) Object

Ranking the customer needs/wants which are identified from Interview. Compare rank between customer groups

2) Usages

3) Survey Process

• Effective way to get useful information from a large population.• Identify hidden customer need using statistical analysis.• Measure causality.

• Clarify object to do a survey.• Define proper sample size considering a population.• Choose Scale.• Develop Questionnaires.• Develop Coding Sheet.• Do and analyze.


● Develop Questionnaires.




What need Develop Questionnaires Do SurveySampling

Asking areaIndividual

Question

Arrange

Questions

Develop

QuestionnairesPre Test

Define

Necessary

information

Based

On

respondent

Keep

interestingTestingDevelop

Whole

Picture


● Questionnaire Contents

Introduction• Background of this survey.




Introduction

Main

• Asking for help

• Questionnaires

• Respondent details such as gender, ages etc.Respondent

Details

- Easy to understand, concrete word.

- Avoid vague word (hindari kata-kata).

▶ example : frequency adverb. – Sometimes, always…

● Tips for Wording

- A just one question. (example) Are you satisfied with service and price ?- Avoid induction questions.

(example)○ aren’t you ?, don’t you ?○ When you return to home, what do you usually do except watching TV ?

○ Specialist says….. Do you agree ?

○ Induction Word. -- Good, Bad.

○ Do you agree increasing tax to clean Earth ?


Easy to Difficult

● Ordering Questionnaires




- Easy to Difficult- Broad to Narrow

- Notice changing subject.- Difficult question should be arranged at end point.

● Questionnaire Type

There are three types of questionnaires.

① Choice : Select one or more among showing examples.

example) What is most important thing to the prime minister ?

1. Managerial Experience 2. High Morale

② Scale : Usually Likert Scale





③ Order : Define order the showing examples.

Example) Please order favorite color in the box.(Red, Blue, Orange, Yellow)

② Scale : Usually Likert Scale.

Example) Are you satisfied with

Satisfaction Dissatisfaction

1. Overall □ □ □ □ □ 2. Text □ □ □ □ □ 3. Instructor □ □ □ □ □

- 5 or 7 points Scale.


1) What to do

5. Sum up VOC




● CTQ(Critical To Quality) - “A Serious important needs “

● Clarify CTQ to meet ▶ Search Potential Needs▶ Fundamental Needs.▶ Regulation or Safety Related things

● CTQ Should Be measurable.

● Set a Goal based on▶ Customer requirement.(Spec)

Define CTQ and Performance requirement.


2) Clarify CTQ.

1. Grouping similar needs

2 N i G




2. Naming a Group

3. Identify critical issues(CCI) at a group

4. Clarify Customer Core Requirement(CCR)

CCRCCIVOC ▶ ▶

example) Cycle Time at A/S Center

CCRCCIVOC ▶ ▶

Take long time

To wait

If possible, waiting

time should be

limited to 20 min.

Waiting time to

fix


3) Rank CCR

If there are lots of CCR, we can rank each CCR using matrix.




CCR

Value

ToCustomer

Weight

Total Rank

Biz

Impact

Cost

Effect




Aktivitas utama dalam tahap DEFINEadalah menemukan CTQ (Critical to

Quality), yaitu sebuah fokus permasalahan

yang menjadi hal yang paling penting

untuk memenuhi keinginan customers.

Analisa Sistem Pengukuran




7 Bahasan

Kenapa mempelajari Analisa Sistem

Pengukuran ? Attribute Gage R&R Metode Gauge R&R Latihan Minitab

7 Tujuan

Pengertian Analisa Sistem Pengukuran

dan Eksekusi Minitab.

MM

Validasi Sistem Pengukuran




x Apakah anda percaya terhadap hasil Pengukuran ?

x Misalkan hasil pengukuran suatu part tidak sesuai dengan

Spesifikasi, apakah anda dapat mengatakan bahwa part tersebut

bermasalah?

x Jika part tersebut tidak terlalu bermasalah lalu apa masalahnya ?

x Apakah ada yang salah dalam sistem pengukuran ?

Kenapa Mempelajari Sistem Pengukuran Kapabilitas




x Dalam mengukur jumlah variasi dalam proses yang diamati bisa

saja terjadi kesalahan dalam sistem pengukuran.

x Guna mengevaluasi alat ukur (Gage) sebelum dipakai.

x Guna membandingkan dengan tipe alat ukur yang lain

x Guna mengevaluasi apakah gage masih laik pakai atau tidak

x Kenapa kita perlu mempelajari Attribute Gage R&R ?

Attribute Gage R&R




« Guna mengetahui kualitas inspektor dalam hal

pengambilam sampel

« Guna mengetahui kualitas inspektor dalam hal skill dan

pengetahuan

« Guna menentukan kriteria seorang inspektor dalam hal

pengambilan sampel

x Pilih lebih dari 100 part termasuk part yang Good maupun NG

Metode Attribute Gage R&R




x Pilih lebih dari 100 part termasuk part yang Good maupun NG

x Dua atau tiga pengukur (operator) secara indenpenden mengukur

setiap part sebanyak dua kali dengan cara random.

x Gunakan tabel untuk mencatat data dan menghitung nilainya

x Nilai pengukuran yang diterima minimal 90 % atau lebih

K P l ti O t #1 O t #2 O t #3 Y/N Y/N

ContohAttribute Legend : 1. PASS

2. FAIL

SCORING REPORTDATE : 3/10/96

NAME : B&D Employee

PRODUCT : Northstar Screwgun

SBU : Easton




Known Population Operator #1 Operator #2 Operator #3 Y/N Y/N

Sample # Attribute Try #1 Try #2 Try #1 Try #2 Try #1 Try #2 Agree Agree1 pass pass pass pass pass Y Y

2 pass pass pass pass pass Y Y

3 fail fail fail fail pass N N

4 fail fail fail fail fail Y Y

5 fail fail fail pass fail N N


7 pass fail fail fail fail Y N


9 fail pass pass pass pass Y N

10 fail pass pass fail fail N N11 pass pass pass pass pass Y Y


13 fail fail fail fail fail Y Y

14 fail fail fail pass fail N N

15

% APPRAISER SCORE(1)

100.00% 78.57% 0%

% SCORE VS. ATTRIBUTE (2)

78.57% 64.29% 0.00%

SCREEN % EFFECTIVE SCORE (3) 71.43%

SCREEN % EFFECTIVE SCORE vs. ATTRIBUTE(4)

57.14%

Gauge Reproducibility adalah suatu variasi pengukuran dari suatu

pengukuran yang dilakukan oleh operator yang berbeda dengan

mengunakan Gauge (alat ukur) yang sama ketika mengukur Part yang

Gauge Reproducibility & Gauge Repeatability




sama atau yang mempunyai karakteristik yang identik

Gauge Repeatability adalah variasi pengukuran yang dihasilkan

ketika seorang operator mengukur Part yang sama dengan

karakteristik yang identik dg menggunakan alat ukur yang sama

P li dikit 2 t (bi 2 3 O t )

Paling sedikit 2 orang operator (biasanya 2 ~ 3 Operator)

Panduan Gauge R&R




Paling sedikit 2 orang operator (biasanya 2 ~ 3 Operator)

Paling sedikit 10 unit sampel yang diukur.

Setiap unit diukur paling sedikit 2 kali oleh tiap operator

Kualifikasi operator yang akan mengukur harus sama

Paling sedikit 2 orang operator (biasanya 2 3 Operator)

Paling sedikit 10 unit sampel yang diukur.

Setiap unit diukur paling sedikit 2 kali oleh tiap operator

Kualifikasi operator yang akan mengukur harus sama

!!!!!!!!

Terdapat empat kriteria untuk menentukan kualifikasi dari sistempengukuran

-- % Contribution

Kriteria Penerimaan




-- % Study Variation-- Distinct Categories

Aturan tiap kriteria tersebut ditunjukkan pada tabel dibawah ini

% Contribution %Study DistinctVariation Categories

Diterima < 1 % < 10 % > 10

Dipertimbangkan 1 % - 9 % 10 % - 30 % 4 - 9

Ditolak > 9 % > 30 % < 4

% Contribution %Study DistinctVariation Categories

Diterima < 1 % < 10 % > 10

Dipertimbangkan 1 % - 9 % 10 % - 30 % 4 - 9

Ditolak > 9 % > 30 % < 4

!!!!!!

x Filename : Gage_r&r.mtw

Analisa MINITAB




default method

Analisa MINITAB




USL - LSL

i

Standard deviasi untuk

variasi komponen

Menggambarkan interval

99 % dari variasi

Output Gage R&R




Source VarComp StdDev 5.15*Sigma

Total Gage R&R 0.004437 0.066615 0.34306

Repeatability 0.001292 0.035940 0.18509

Reproducibility 0.003146 0.056088 0.28885

Operator 0.000912 0.030200 0.15553

Operator*Part 0.002234 0.047263 0.24340

Part-To-Part 0.037164 0.192781 0.99282

Total Variation 0.041602 0.203965 1.05042

Variasi sistem pengukuran

(broken down into repeatability and reproducibility)

Variasi Diantara

PartTotal variasi

Source %Contribution %Study Var %Tolerance

Total Gage R&R 10.67 32.66 34.31

Repeatability 3 10 17 62 18 51

Output Gage R&R




Repeatability 3.10 17.62 18.51

Reproducibility 7.56 27.50 28.89Operator 2.19 14.81 15.55

Operator*Part 5.37 23.17 24.34

Part-To-Part 89.33 94.52 99.28

Total Variation 100.00 100.00 105.04

Number of Distinct Categories = 4

Source Variance

Total Gauge R&R 0.004437

Repeatability 0.001292

Reproducibility 0.003146

Operator 0.000912

Oper*Part 0.002234Part-To-Part 0.037164

Total Variation 0.041602

KESIMPULAN :

Sistem Pengukuran DITOLAK

Analisis Capability

7 Tujuan




Paham konsep analisa Process

capability dan eksekusi MINITAB

- Variasi Proses

- Rational subgrouping

- Indeks Process capability

(continuous case)

- Latihan Minitab

- Indeks Process capability

(discrete case)

7 Bahasan

7 Tujuan

x Apa masalah dari proses kita ?

Dari perspektif Statistik, terdapat dua masalah, yaitu :

Problem dengan spread (variation) Problem dengan centering (location)

Variasi Proses




USLLSL

Target

Situasi sekarang

USLLSL

Target Situasi Sekarang

Problem dengan spread (variation) Problem dengan centering (location)

x Kenapa kita perlu process capability ?

- Guna mengukur jumlah Defect yang dihasilkan oleh proses

Guna mengetahui sifat permasalahan dari defect

Process Capability




- Guna mengetahui sifat permasalahan dari defect

• Process Location

• Process Variation

x Dengan apa kita menghitung process capability ?

- Data (Sample)

x Bagaimana kita mendapatkan sampel dari suatu populasi dengan

benar ?

Shift ke-1Operator baru

Material BedaShift ke-2

Rational Subgrouping




-

Lower Limit Upper Limit

output dari

keseluruhan proses

Output dari

sebagian proses





P

ROCESS

RESPONSE

TIME

RATIONAL

SUBGROUPS

•

•

Black Noise

White noise

x Black Noise

- Black noise adalah keadaan (variasi) yang disebabkan karena

dipengaruhi oleh perbedaan faktor 4M1E





- Merupakan variasi yang dapat dikontrol

xWhite Noise

- White noise adalah suatu keadaan (variasi) yang didipengaruhi

faktor- faktor diluar perbedaan faktor 4M1E

- Variasi yang tidak dapat dikontrol

x Rational Subgrouping

Pengambilan Sampel yang hanya terdiri dari White Noise.

Black noise terjadi diantara beberapa sample

Distribusi Normal




• Ciri-ciri?

– Kurva berbentuk Lonceng (Bell Shaped )

– Simetris

– Area dibawah kurva, Probabilitas (Peluang) sama dengan 1

• Distribusi Normal Standar – Mean = 0, Standard Deviasi= 1

– Jumlah standard deviasi = Z

• Menentukan nilai-nilai Z dari tabel Z

– Pilihan lain : gunakan Minitab

– Perhatikan dalam membaca tabel Z

Standard

Deviasi

Distribusi Normal

Transformasi Z




X1

Mean

Z0

1

? ZDistribusi Normal Standard

DeviationStandard

Mean1 X Z

−

=

x Transformasi ini menghasilkan suatu nilai dari suatu distribusi dimana

Secara umum Rumus Z adalah : ( ) ( )

s

x x x Z

−

=

−

=

σ

µ

Memperkirakan Defect Level




Transformasi ini menghasilkan suatu nilai dari suatu distribusi dimana

Mean = 0 dan sigma = 1

x Nilai dari Z mengindikasikan seberapa jauh sebuah data (X) dari nilai rata-

ratanya (Mean) dalam satuan standard deviasi

x Sebagai contoh, jika Z=2, berarti data yang kita miliki (X) berada pada

jarak 2 kali standard deviasi (σ ) dari Mean (rata-ratanya).x Guna memperkirakan Defect level ( atau estimasi yield ), kita dapat

menggunakan Lower Spec Limit (LSL) dan Upper Spec Limit (USL)

untuk X.

x Dengan menggunakan metode ini, kita dapat mengkalkulasikan proporsi

dari produk yang keluar dari Spec berdasarkan proses sekarang.x Cobalah analisa contoh berikut ini

Mean = 1.034

700

USLLSL

Contoh Transformasi Z




s = 0.0553

maka :

LSL = 0.90

USL = 1.10

700

600

500

400

300

200

100

0

F

re

q

u e

n c y

0.8 0.9 1.0 1.1 1.2 1.3

700

600

500

400

300

200 F

r e q u e n

c y

USLLSL

Nilai suatu Distribusi

Permasalahan : Menentukan persentase

(%) produk diluar spesifikasi.





Nilai Standard Distribusi

1.31.21. 11.00.90.8

200

100

0

raw

43210-1-2-3-4

500

400

300

200

100

0

C2

F r e q u e n c y

43210-1-2-3-4

500

400

300

200

100

0

C2

F r e q u e n c y

LSL USL

( ) p p

Permasalahn Statistik : Estimasiterhadap proporsi dari kurva normal yang

berada diluar LSL dan USL, dapat kita

hitung dari nilai Z (Z-value) untuk setiap

batas spesifikasi .

( )034190 .-.=

σ

) x(LSL-= Z L

( )034111 .-.=

σ

) x(USL-= Z U

Estimasi nilai yang berada diluar batas spesifikasi dapat dihitung dengan cara :





2.42-=

0553.1910553

.=.

0.85 0.90 0.95 1.00 1.05 1.10 1.15 1.20 1.25

Upper SpecUpper Spec

0.80 0.85 0.90 0.95 1.00 1.05 1.10 1.15 1.20

Lower SpecLower Spec

( ) ( )

( ) ( )

%.

..

. Z .- Z

. x. x

4812

1170000780

191Pr 422Pr

11Pr 90Pr

=

+=

≥+≤=

≥+≤=Probability Of Defect

Operator Baru Shift ke-1

Material berbeda

Short Term:Shift ke-2

Long Term vs Short Term Capability




-

Lower Limit Upper Limit

Long Term:

Short Term Capability untuk Six Sigma





Untuk Short Term pada proses six sigma, terdapat 6 sigma

(standard deviasi) diantara SL dan µ .

LSL USL

µ

Short Term Capability menggambarkan masalah penyebaran

(spread ) pada proses kita.

Estimasi Long Term Capability :1.5 Sigma dikurangkan dari jarak

antara µ & SL





Untuk proses six sigma yang sama, dalam konteks long-term, jarak antara

SL dan µ adalah 4.5 sigma (standard deviasi).

Long term capability menggambarkan permasalahan spread dan centering

Long Term:3.4 ppm

LSL USL

µ

1.5 Sigma

Titik tengah untukShort Term Capability

dalam Six Sigma

Estimasi Long Term Capability :1.5 Sigma dikurangkan dari jarak

antara µ & SL





LSL USL

µ

Estimasi reduksinya adalah 1.5 Sigma.

xSemakin besar design margin, semakin kecil total defect per unit (TDU)

xDesign Margin diukur dengan Process Capability Index (Cp)

Estimasi Dari Capability Index (Short Term)




Cp = (USL - LSL)6*σ

(Nilai range max yang diperbolehkan dari karakteristik)

(Variasi normal dari proses)Cp(best) =

Zst=3*Cp

Cpk = (1-k)*Cp

Estimasi Dari Capability Index ( Long Term)




Zlt=3*Cpk

k =(USL - LSL)

2

(X - Target)

x Jika kapabilitas proses kita telah mencapai Six Sigma

maka nilai dari kapabilitas adalah sebagai berikut :

x Short term x Long term

Capability Index ( Long Term vs Short Term)




Zst = 6

Cp = 2

Zlt = 4.5

Cpk = 1.5

ppm = 3.4

x Zshift = Zst - Zlt = 6 - 4.5 = 1.5

!!!!!!

x Minitab

Indeks Long -Term Capability Indeks Short -Term Capability

Capability Index ( Long Term vs Short Term)

( )LSLUSLC ( )LSLUSLP−




Pedoman untuk nilai Cp

Pedoman untuk nilai Cpk

( )ST S

x LSL xUSLMinCpk *3

, −−= ( ) LT S

x LSL xUSLMin Ppk *3

, −−=

( )ST

S LSLUSLCp

*6−= ( )

LT S LSLUSL Pp

*6=

ZST = 3 Cp ZLT = 3 Ppk

!!!!!!

2.5

2.0

Poor

AB

Diagram 4 Block (Continuous Case)




1 2 3 4 5 6

1.5

1.0

0.5

Good

Zshift

ZstPoor Good

A

C D

xMerupakan penggambaran dari suatu permasalahan di proses

xTujuan kita adalah kotak D

x Filename : Capa.mtw

Analisa Capability - MINITAB (Continuous Case)








Klik ‘OK’

LSL USL

Process Capability Analysis for Sample

USL

Target

LSL

42.0000

*

38.0000

Process Data

ST

LT





36 38 40 42 44

LSL

Mean

Sample N

StDev (ST)

StDev (LT)

Cp

CPU

CPLCpk

Cpm

Pp

PPU

PPL

Ppk

PPM< LSL

PPM> USL

PPMTotal

PPM< LSL

PPM> USL

PPMTotal

PPM< LSL

PPM> USL

PPMTotal

38.0000

40.0016

250

0.95975

1.18146

0.69

0.69

0.700.69

*

0.56

0.56

0.56

0.56

60000.00

40000.00

100000.00

18510.77

18661.53

37172.30

45116.53

45372.82

90489.34

Potential (ST) Capability

Overall (LT) Capability Observed Performance Expected ST Performance Expected LT Performance

Cp, Zst=Cp*3Cpk, Zlt=Cpk*3

ppm

Kegagalan dalam menghasilkan suatu produk

x Apa yang dimaksud dengan Defect ?

x Apa yang dimaksud dengan Opportunity (Kesempatan) ?

Defects & Opportunities (Kerusakan & Kesempatan)




Kualitas produk

Kualitas komponen

Process Yield

Tes Destructive

Rejects - Repair

Visual Check (Appraisal)EHS - OSHA/LTA (Accidents)

Ketidakhadiran

Perbedaan Material

Forecasting

Schedule Achievement

Kapasitas

CTQ - Critical to Quality

Scrap dan Rework

Organizational Development

Training

Inventory Overtime

On-Time-Delivery

Order yang akurat

Transportasi

Down time

DPU =Defects

UnitDPO =

Defects

Opportunity

Defects & Opportunities (Kerusakan & Kesempatan)




x Warna hitam adalah defect

x Apa yang dimaksud dengan DPU ?

x Apa yang dmaksud dengan DPMO ?

OpportunityUnit

x Suatu Opportunities (kesempatan) dipilih karena :

Critical To Quality (CTQ) dan Kemauan konsumen adanya Cost

Of Failure (COF)

x DPMO adalah jumlah defect yang terjadi dalam satu juta

DPMO




DPMO =

Defects

Opportunities X 1,000,000

Pertanyaan : Apakah PPM sama dengan DPMO?

Jawaban : benar ! PPM sama dengan DPMO sebab kesempatan

(opportunities) sama dengan jumlah unit yang diproses

atau diproduksi.

x DPMO adalah jumlah defect yang terjadi dalam satu juta

kesempatan, atau defect per sejuta kesempatan

x First Time Yield (YFT )

Akhir dari proses yield

Tidak termasuk internal rework loops

Kemungkinan zero defect diukur dari akhir proses

Model Yield




x Rolled Throughput Yield (YRT )

Total proses yield

Termasuk internal rework loops

Kemungkinan menghasilkan zero defects dari keseluruhan

proses

x Normalized Yield (YNA )

Rata-rata yield dari proses yang berurutan atau process steps

x Final Yield (YF)

Berdasarkan proses akhir (merupakan konsep tradisionla yield )

x YFT (First Time Yield)

100

30 Units Rework OUTPUT

Scrap

15 Unit

Hidden Factory”

INPUT

Model Yield




100

Units85

Units70 Units

Process

YFT = 70%

YF = 85%

x Yang bagaimana tepatnya bagi konsumen

x The hidden factory berpengaruh terhadap the cost of failure (COF)

x YRT (Rolled Throughput Yield )Jika suatu produk dibuat melalui 3 proses yang saling berurutan

Tentukan YRT dan YNA jika YFT and YF diketahui.

Process 1 OutputProcess 2 Process 3

Model Yield




x Apa artinya YRT

?

YRT = YFT1 x YFT2 x YFT3

YRT = 0.8 x 0.7 x 0.9 = 0.504 = 50.4%

YFT1 = 80%

YF = 100%

YFT2 = 70%

YF = 90%

YFT3 = 90%

YF = 95%

x Apa artinya YNA ?

YNA =

YNA =

3321 FT FT FT Y Y Y ××

3 RTY

x Contoh alir proses

INPUTINPUT

Defects - Tuning &Defects - Tuning &

S8 testS1 S3

ScrapScrap

S6S4

Defects - ReworkDefects - Rework

S2 S7S5

CTQCTQ CTQCTQCTQCTQ CTQCTQ

ScrapScrap

YIELD YIELD

93100

Rolled Throughput Yield




Defects Tuning &Defects Tuning &

CleaningCleaningScrapScrap Defects ReworkDefects Rework

512 5

x Internal Yield - diukur berdasarkan CTQ’s

Y2 = 1 - (2 / 100) = 0.98 (98%)

Y5 = 1 - (1 / 98) = 0.99 (99%)

Y7 = 1 - (5 / 98) = 0.95 (95%)

YF = 1 - (5 / 98) = 0.95 (97%)

x Rolled Throughput Yield (YRT ) - kemungkinan menghasilkan zero defects

pada setiap pengukuran CTQ untuk satu unit produksi.

YRT = Y2 * Y5 * Y7 * YFP = 0.98 * 0.99 * 0.95 * 0.95 = 0.876 (87.6 %)

atau kira-kira sama dengan :

YRT = e -d/u d = total defects = 13 u = Jumlah unit produksi = 100

YRT = e -13/100 = 0.878 (87.8%)

ZLT

YNA

x YRT = e -d/u

Analisis Capability ( Discreet Case)




NA

YRT

(YRT )1/ #of process

e-DPU(YFT1 )(YFT2 )(YFT3 )... ATAU

Zst = Zlt + 1.5Zst = Zlt + 1.5

YRT 95%, bisa menggambarkan suatu nilai Z value

x Minitab





YRT

x Minitab

Inverse Cumulative Distribution Function

Normal dengan mean = 0 dan standard deviasi = 1.00000





P( X <= x) x

0.9500 1.6449

ZLT

Zst = 1.6449 +1.5 = 3.1449

Aktivitas utama dalam tahap

MEASUREMENT adalah menghitung




MEASUREMENT adalah menghitungkondisi kapabilitas proses kita saat ini

(Cp, Cpk, Z Value, Sigma level )

CURRENT PROCESS CAPABILITY

- Memahami konsep tentang pemilihanfaktor-faktor yang tepat

Analisis Faktor

7 Tujuan

AA




y g p

- Memahami konsep dari data analisissecara statistik

- Penggunaan MINITAB

- Metode pemilihan faktor-faktor

- Uji Hipotesis

- ANOVA

- Analisis Regresi

- Analisis Korelasi

7 BahasanAA

Konsep tentang Faktor

x Yang mana yang harus menjadi fokus perhatian ?

Y = f(X) ■ YV i b l T k B b

■ X1,....Xn

■ Variabel Bebas




( )■ Variabel Tak Bebas

( Dependent Variables)

■ Output

■ Akibat

■ Variabel Bebas( Independent Variables)

■ Input

■ Penyebab

x Pada saat kita hendak menyelesaikan masalah, kita semestinya berfokus

pada faktor-faktor, sebab faktor-faktor tersebut adalah penyebab atasmasalah tersebut.

Bagian ini disebut FAKTOR

Metode Pemilihan Faktor-faktor x Brainstorming

- Untuk mengungkap ide-ide dengan cepat

x Jenis-jenis Brainstorming

- Free Wheeling : Semua anggota tim proyek memberikan ide-idemereka dalam sebuah obrolan




mereka dalam sebuah obrolan

- Round Robin : Semua anggota tim proyek memberikan ide-ide

mereka secara berputar bergiliran

- Card Method : Mencatat ide-ide dari setiap anggota tim proyek

dalam secarik kertas tanpa diskusi

x Yang perlu diperhatikan dalam Brainstorming

- Tidak boleh mengkritik setiap ide yang disampaikan oleh setiap anggota tim

- Catat semua ide yang disampaikan tanpa kecuali

- Semua anggota tim harus hadir dalam kegiatan Brainstorming

- Hargai semua ide-ide yang disampaikan walaupun terkadang tidak masuk akal

Metode Pemilihan Faktor-faktor

x Cause & Effect Diagram

- Cause & Efect atau Fishbone Diagram (Cause & Effect ) menggambarkan

penyebab-penyebab (causes) yang berpotensi menyebabkan masalah yang

sedang dibahas

- Daftar dari penyebab-penyebab disusun dalam sebuah pohon seperti




struktur

- Dahan-dahan, kategori major dari penyebab, memiliki sebuah atau lebih

penyebab spesifik

- Membuat Fokus perhatian tim pada fakta-fakta bukan pada sejarah masalah

tersebut

- Membuat kumpulan pengetahuan tim tentang masalah tersebut secara visual.

- Fokus tim pada penyebab-penyebabnya, bukan gejala-gejalanya

x Mengapa menggunakan Cause & Efect Diagram ?


x Cause & Effect Diagram, Fishbone Diagram

- Metode untuk menyusun atau mengatur hubungan antara CTQ dengan faktor-

faktor yang mempengaruhi CTQ

- Kita dapat menggunakan diagram ini untuk menemukan faktor-faktor (X) yang

mempengaruhi CTQ (Y) pada tahap analisis dalam Six Sigma




Enam

Sumber

Variasi

Manusia

Mesin Metode

LingkunganMaterial

Pengukuran

Pernyataan

Masalah

SEBAB

AKIBAT

Manusia

Metode

mempengaruhi CTQ (Y) pada tahap analisis dalam Six Sigma


- Kita dapat menggunakan Logic Tree untuk menemukan faktor-faktor (X) yang

mempengaruhi CTQ (Y) pada fase analisis dalam Six Sigma

- Kita dapat membuat Logic Tree dengan mengatur kategori-kategori utama di

sebelah kiri

P h tik i i i i MECE (M t ll E l i d C ll ti E h ti )

x Logic Tree (Structure Tree, Why-Because)




ROTOR

STATOR

ASSEMBLY

Lamination

Endrings

Electromagnetic

Mechanical

Losses

Inductance

OD

Core lengthArea A

Area BRPM

Why

Why

Why

Why

Tiga kategori ini merupakan

MECE untuk masalah RPM.

- Perhatikan prinsip-prinsip MECE (Mutually Exclusive and Collective Exhaustive)

Fokuskan pada bagian ini

x Metode-metode Statistika

« Uji Hipotesis

- Uji-Z untuk satu sampel (One sample Z-Test )

- Uji-T untuk satu sampel (One sample T-Test )Uji T untuk dua sampel (Two sample T Test)





- Uji-T untuk dua sampel (Two sample T-Test )

- Uji kesamaan varians (Test for equal variances)

- Uji-T untuk sampel berpasangan (Paired T-Test )

- Uji proporsi satu sampel (Test of One proportion)

- Uji proporsi dua sampel (Test of Two proportions)

- Uji independensi dua variabel (Test for independence between two variables)

- Analisis Varians ( ANOVA)

- Analisis Regresi (Regression Analysis)

- Analisis Korelasi (Correlation Analysis)

x Uji Hipotesis

Adalah kegiatan untuk menjelaskan pernyataan seseorang tentang sesuatu hal adalah

benar atau tidak

x Langkah-langkah Uji Hipotesis

1) Buat Hipotesis





Uji satu pihak (One side Test )

Uji dua pihak (Two sides Test )

1) Buat Hipotesis- Untuk menterjemahkan pernyataan seseorang atausesuatu hal menjadi formula

numerik

- Hipotesis

-> Hipotesis Nol (Null Hypothesis) (H0) : Jenis pernyataan ‘sama dengan’ (

= )

-> Hipotesis Alternatif ( Alternative Hypothesis) (H1) : Pernyataan

ketidak samaan ( > ,< , ≠ )

2) Gathering DataUji Hipotesis adalah bagian dari Statistical Inference. Data diperlukan untuk kegiatan ini.

3) Input data ke dalam Minitab Worksheet Input data dan pilih metode pengujian yang cocok untuk kondisi yang ada.





- Jika p-value LEBIH BESAR dari 0.05, maka kita MENERIMA H0

- Jika p-value LEBIH KECIL dari 0.05, maka kita MENOLAK H0

- Jika p-value LEBIH BESAR dari 0.05, maka kita MENERIMA H0

- Jika p-value LEBIH KECIL dari 0.05, maka kita MENOLAK H0

4) Perhatikan nilai p- value

Perhatikan p-value yang ditunjukkan pada Minitab Session Window dan bandingkan

dengan nilai α (tingkat signifikansi)

!!!!!!

- Data : S_Diameter

- Stat > Basic Statistics > Normality test

x Uji Normalitas

Uji Hipotesis




.95

.99

.999

y

Normal Probability Plot

Uji Hipotesis




Average: 30.4908

StDev: 0.770719

N: 50

Anderson-Darling Normality Test

A-Squared: 0.897

P-Value: 0.020

29.2 30.2 31.2 32.2

.001

.01

.05

.20

.50

.80

P r o b a b i l i t y

Diameter

x Test for equal variance (Menguji kesamaan varians dalam beberapa

group yang berbeda)

Contoh :

« Kita ingin mengetahui bahwa sigma perusahaan A sama dengan sigma perusahaan B

- Data : hov

Stat > ANOVA > Homogeneity of variance

Uji Hipotesis




- Stat > ANOVA > Homogeneity of variance...

Interpretasi hasil :Homogeneity of Variance

F-Test (normal distribution)

Test Statistic: 76.271

P-Value : 0.000

Levene's Test (any continuous distribution)


P-Value : 0.000 Jika anda memilih suplier antara A danB, mana yang lebih layak ?

Uji Hipotesis




0.0 0.2 0.4 0.6 0.8 1.0 1.2

95%ConfidenceIntervals for Sigmas

2

1

2 3 4

Weight

F-Te


P-Value : 0.000

t Levene's Te


P-Value : 0.000

Factor Levels

1

2

Homogeneity of Variance Test for Weight

Uji Hipotesisx One Sample Z-Test (Uji untuk rata-rata; jika sigma diketahui)

Contoh :« Perusahaan A yang memproduksi TVCR Cover menyatakan bahwa rata-rata berat

cover yang diproduksi perusahaan A adalah 3,5 kg dan standar deviasi 0,15

kg. Kita akan menguji apakah pernyataan tentang rata-rata tersebut bisa diterima

atau tidak




- Data : 1-Ztest

- Stat > Basic Statistics > 1-Sample Z… Sigma : 0.15

Solusi (1) Solusi (2) Test mean : 3.5

Uji Hipotesis

- Hasil dari solusi (1)

Z Confidence Intervals

The assumed sigma = 0.150

Variable N Mean StDev SE Mean 95.0 % CI

Weight 20 3.5240 0.0860 0.0335 ( 3.4583, 3.5897)

Interpretasi hasil :




- Interpretasi hasil :

Z-Test

Test of mu = 3.5000 vs mu not = 3.5000

The assumed sigma = 0.150

Variable N Mean StDev SE Mean Z P

Weight 20 3.5240 0.0860 0.0335 0.72 0.47


- Interpretasi solusi (2) :

x One Sample T-Test (Uji rata-rata; Jika sigma TIDAK diketahui)

Contoh :

« Perusahaan B memproduksi TVCR cover dan menyatakan bahwa rata-rata berat cover

yang mereka produksi 3,5 kg. Kita ingin mengetahui apakah pernyataan tentang rata-

rata tersebut bisa diterima atau tidak.

- Data : 1-ttest

Uji Hipotesis




- Data : 1-ttest

- Stat > Basic Statistics > 1-Sample t...

Solusi (1) Solusi (2) Test mean:3.5

T Confidence Intervals

Variable N Mean StDev SE Mean 95.0 % CI

Weight 20 3.483 0.751 0.168 ( 3.131, 3.835)



Uji Hipotesis




T-Test of the Mean

Test of mu = 3.500 vs mu not = 3.500

Variable N Mean StDev SE Mean T P

Weight 20 3.483 0.751 0.168 -0.10 0.92

- Hasil solusi (2)


x Two sample T-Test (Uji kesamaan rata-rata antara dua sampel)Contoh :

« Kita ingin mengetahui apakah rata-rata berat barang yang berasal dari perusahaan A

sama dengan rata-rata barang (sejenis) yang berasal dari perusahaan B

- Data : 2-ttest

- Stat > Basic Statistics > 2-Sample t...

Uji Hipotesis




Jika sigma perusahaan A

sama dengan sigma

perusahaan B, maka beri

tanda check

p

Two Sample T-Test and Confidence Interval

Two sample T for A.Weight vs B.Weight

N Mean StDev SE Mean

A.Weight 20 3.5240 0.0860 0.019

- Hasil

Uji Hipotesis




B.Weight 20 3.693 0.322 0.072

95% CI for mu A.Weight - mu B.Weight: ( -0.324, -0.015)

T-Test mu A.Weight = mu B.Weight (vs not =): T = -2.28 P = 0.033 DF = 21


x One sample proportion Test (Uji proporsi atau perbandingan jika

jumlah sampel yang dipelajari adalah satu sampel)

Contoh :« Seseorang di perusahaan A menyatakan bahwa yield ratio di perusahaannya

adalah 80%. Kemudian diperiksa 100 part dan hasilnya 78 diantaranya

adalah‘bagus’ dan 22 part adalah jelek. Kita ingin mengetahui apakah pernyataanorang tersebut tadi bisa diterima atau tidak.

Uji Hipotesis




Diasumsikan data berdistribusi normal

- Stat > Basic Statistics > 1 Proportion...

Test and Confidence Interval for One Proportion

Test of p = 0.8 vs p not = 0.8

Sample X N Sample p 95.0 % CI Z-Value P-Value

1 78 100 0.780000 (0.698809, 0.861191) -0.50 0.617

- Hasil

Uji Hipotesis





Contoh :« Kita ingin mengetahui apakah yield ratio perusahaan A dan B sama atau tidak.

Diperiksa 100 part dari masing-masing perusahaan. Hasilnya, 78 part dari

perusahaan A bagus sedangkan dari perusahaan B diperoleh 74 part adalah bagus.

x Two sample PROPORTION Test (Uji proporsi atau perbandingan jika

jumlah sampel yang dipelajari adalah dua sampel)

- Stat > Basic Statistics > 2 Proportion...

Uji Hipotesis




Check

p

Test and Confidence Interval for Two Proportions

Sample X N Sample p

1 78 100 0.780000

2 74 100 0.740000

Estimate for p(1) - p(2): 0.04

95% CI for p(1) - p(2): (-0 0782494 0 158249)

- Hasil

Uji Hipotesis




95% CI for p(1) p(2): ( 0.0782494, 0.158249)

Test for p(1) - p(2) = 0 (vs not = 0): Z = 0.66 P-Value = 0.508


x Kapan kita menggunakan ANOVA (Analysis of Variance)?

- Jika kita ingin menguji apakah ada perbedaan rata-rata antara sampel-sampel

(LEBIH DARI 2 SAMPEL), kita dapat menggunakan ANOVA

- Target Statistical Inference dalam ANOVA adalah Rata-rata

Analisis Varians ( ANOVA)

x Jika ukuran sampel yang diperiksa adalah sama, maka disebut Balanced ANOVA

x Jika ukuran sampel yang diperiksa tidak sama, maka disebut Unbalanced ANOVA




- Varians Populasi adalah sama atau homogen untuk setiap group (sampel)

- Oleh karena itu kita perlu melakukan pengujian Uji Homogenitas Varians

terlebih dahulu.

H0 : µ 1= µ 2 =…..= µ k

H1 : paling sedikit sebuah µ tidak sama

x Asumsi yang dipakai dalam ANOVA :

x Hipotesis dalam ANOVA :

- Data : AnovaUnstack

- Stat > ANOVA > One-way (Unstacked)...


Kita ingin mengetahui apakah ada perbedaan rata-rata daya rekat dari bahan

perekat yang diproduksi oleh 3 perusahaan

x Contoh :




- Hasil :

One-way Analysis of Variance

Analysis of Variance

Source DF SS MS F P

Factor 2 127.57 63.78 11.12 0.002Error 12 68.83 5.74

Total 14 196.40

I di id l 95% CI F M






Individual 95% CIs For Mean

Based on Pooled StDev

Level N Mean StDev ----+---------+---------+---------+--

Adh 1 4 12.000 2.160 (------*-------)

Adh 2 5 19.000 2.345 (-----*------)

Adh 3 6 18.167 2.563 (-----*-----)----+---------+---------+---------+--

Pooled StDev = 2.395 10.5 14.0 17.5 21.0

Latihan :

Di bawah ini adalah data tentang daya kerekatan dalam densitas

alkaline solution (liquid) yang berbeda, kita ingin mengetahui kondisi

mana yang memberikan daya rekat paling kuat.


densitas




3.0% 3.3% 3.6% 3.9% 4.2%

46.8

58.0

51.4

56.5

51.2

62.4

58.5

61.9

50.2

39.8

45.2

48.8

40.8

41.8

45.5

35.9

30.2

25.8

32.4

29.2

densitas

alkaline

solution

Ukuran daya

rekat




One-way ANOVA: 3.0, 3.3, 3.6, 3.9, 4.2

Analysis of VarianceSource DF SS MS F P

Factor 4 2030.2 507.5 26.04 0.000

Error 15 292.3 19.5

Total 19 2322.5

Individual 95% CIs For Mean

Based on Pooled StDev

Level N Mean StDev ----------+---------+---------+------

3.0 4 53.175 5.103 (---*---)

3.3 4 58.500 5.166 (---*---)

3.6 4 46.000 4.639 (---*---)

3.9 4 41.000 3.956 (---*---)

• Analisis Regresi adalah analisis secara statistik mengenai

hubungan (penyebab) antara variabel dependen (Y) dan

variabel independen (X)

• Menduga sebuah persamaan Matematika untuk melihat

Regresix Analisis Regresi :




hubungan (sebab-akibat)

• Mengestimasi sebuah model melalui data

• Melakukan pengujian hipotesis melalui model tersebut

Regresix Jika jumlah variabel independen (X) adalah satu, disebut Regresi Sederhana

(Simple Regression)

x Jika jumlah variabel independen (X) lebih dari satu, disebut Regresi Multipel

(Multiple Regression)

x Langkah-langkah Analisis Regresi :




Pengumpulan

Data

Gambarkan

plot data

Estimasi

koefisien

melalui

metode

kuadrat terkecil(least squares

method )

Uji Hipotesis Analisis

1) Pengumpulan Data

Tahun setelah kelulusanDollar

812.52

822.501211.50

1348.00

1

23

4

Regresi




1301.00

2567.50

2526.50

2755.00

430.505581.50

5548.00

6086.00

5764.00

8903.00

8

9

10

11

1213

14

15

16

17

2) Gambar plot data

5000

6000

7000

8000

9000

o l l a r

• Memahami bahwa hubungan antara

dua variabel adalah linier atau bentuk

lain

• Jika hubungan adalah linier, tanda

(+/-) menunjukan hubungan positif

Regresi




0 5 10 15

0

1000

2000

3000

4000

year

d o

atau negatif dari kedua variabel

tersebut

• Perhatikan outlier (titik yang terpencil)

Predictor Coef StDev T PConstant -628.9 878.4 -0.72 0.488

X 403.42 80.31 5.02 0.000

4) Uji Hipotesis

H0 : β = 0 : X tidak berpengaruh terhadap Y

H1 : β ≠ 0 : X berpengaruh terhadap Y

Regresi (Y = α + β X)





Source DF SS MS F P

Regression 1 60740687 60740687 25.24 0.000

Residual Error 12 28883452 2406954

Total 13 89624139

S = 1551 R-Sq = 67.8% R-Sq(adj) = 65.1%

R-SquareSelalu bernilai antara 0 dan 1

Variabel Dependen (Y)

- Data : Simreg

- Stat > Regression > Regression...

Regresix MINITAB




Variabel Independen (X)

Regression Analysis

The regression equation is

dollar = - 629 + 403 year

Predictor Coef StDev T P

Constant -628.9 878.4 -0.72 0.488year 403.42 80.31 5.02 0.000

S = 1551 R-Sq = 67.8% R-Sq(adj) = 65.1%

Regresi




q q( j)


Source DF SS MS F P

Regression 1 60740548 60740548 25.24 0.000Residual Error 12 28883493 2406958

Total 13 89624041

Unusual Observations

Obs year dollar Fit StDev Fit Residual St Resid

9 12.0 430 4212 456 -3782 -2.55R

R denotes an observation with a large standardized residual

Korelasi

Koefisien Korelasi :

• Selalu bernilai antara -1 dan +1

• Nilainya positif (+), artinya jika salah satu variabel bertambah makavariabel yang lainnya akan bertambah pula.

• Nilainya negatif (-) artinya jika salah satu variabel bertambah maka




∑=

−∑=

−

∑=

−−

=n

i

Y i

Y n

i

X i

X

n

i

Y i

Y X i

X

r

1

2)(1

2)(

1))((Formula :

Nilainya negatif ( ), artinya jika salah satu variabel bertambah maka

variabel yang lainnya akan berkurang.

r = 0.3r = 0.7 r = -0.5 r = -0.9

Korelasi

• Jika nilai absolut dari koefisien korelasi mendekati 1, mengindikasikan




hubungan dua variabel kuat.

• Jika nilai absolut dari koefisien korelasi mendekati 0, mengindikasikan

hubungan dua variabel lemah.

• Kuadrat koefisien korelasi sama dengan R-Square dalam Regresi

- Data : Grade

- Stat > Basic Statistics > Correlation...

KorelasiUji Hipotesis untuk koefisien korelasi populasi

H0 : = 0 : Tidak ada korelasi antara kedua variabel

H1 : ≠ 0 : Ada korelasi antara kedua variabel

ρ

ρ




Correlations (Pearson)

Verbal MathMath 0.275

0.000

Koefisien korelasi antara

nilai Matematika dan GPA

- Hasil :Korelasi




GPA 0.322 0.194

0.000 0.006

Cell Contents: Correlation

P-Value

p-value untuk uji hipotesis

hubungan antara nilai Matematika

dan IPK

Aktivitas utama dalam tahap ANALYSIS

adalah memilih faktor-faktor yang paling berpengaruh terhadap CTQ (masalah).




SELECTING FACTORS

- Memahami konsep DOE- Eksekusi Minitab

Design of Experiment ( DOE )

7 Tujuan

II




- Konsep Dasar DOE- Desain Full Factorial

- Latihan

7 BahasanII

x Komponen dari Proses

… ...

Uncontrollable Factor

Konsep Dasar DOE




… . . .

Proses

Input Output (Y)

Controllable Factor

x Definisi DOE

- DOE adalah metode penentuan awal mengenai pengambilan data dari

proses eksperimen dan analisa data sehingga kita mendapatkan informasi

yang akurat melalui Eksperimen.

x Tujuan DOE

- Menentukan hubungan cause-effect antara proses input dan karakteristik

Konsep Dasar DOE




Menentukan hubungan cause effect antara proses input dan karakteristik

produk

- Menentukan kondisi proses dari faktor

- Menentukan sumber variasi pada Critical Process

- Menentukan persamaan model pada proses

x Faktor

Suatu faktor (input) yang mempengaruhi Response (output) dan dapat

merupakan variabel terkontrol (controllable) atau tidak terkontrol

(uncontrollable).

Suatu faktor dapat saja bersifat kuantitatif (misal : temperatur, waktu) atau

bersifat kualitatif (Perbedaan mesin, Perbedaan Operator, Bersih atau

tidak)

Konsep Dasar DOE




tidak)

x Level

Level suatu faktor adalah nilai-nilai dari faktor dalam suatu eksperimen.

Misalkan eksperimen yang dilakukan terhadap 2 perbedaan temperatur

(100C dan 200C) maka faktor temperatur mempunyai 2 level

x Perlakuan

Perlakuan adalah eksperimen yang dilakukan terhadap satu level

pada faktor. Misal, pada tingkat temperatur 2500C kita lakukan

eksperimen.

x Perlakuan Kombinasi

Konsep Dasar DOE




Suatu eksperimen yang menggunakan level-level yang spesifik

dari tiap faktor. Jumlah perlakuan kombinasi pada full experiment

adalah percobaan yang dilakukan terhadap SELURUH

KOMBINASI level pada tiap faktor.

x Proses melakukan DOE

- Temukan masalah

- Tentukan tujuan

- Tentukan variabel respon (Y)- Tentukan variabel Indenpenden (X)

- Tentukan levelnya

Konsep Dasar DOE




y

- Tentukan design eksperimen

- Kumpulkan data

- Analisis data

- Simpulkan berdasarkan penggambaran dari hasil analisis statistik

- Buat Solusi

x Prinsip-prinsip DOE

- Prinsip Pengacakan (Randomization)

- Prinsip Pengulangan (Replication)

- Prinsip Pemblokan (Blocking )- Prinsip Pembauran (Compounding )

- Prinsip Ortogonal

Konsep Dasar DOE




Prinsip Ortogonal

x Desain satu pihak (One Way)

- Menentukan hubungan sebab-akibat (cause-effect ) antara sebuah

faktor dengan karakteristik produk (output)

- Kita ingin mengetahui apakah output dari tiap level faktor tersebut

sama atau tidak.

Desain Faktorial




- Apakah ada hubungan sebab-akibat antara faktor dan karakteristik

produksi jika dari tiap level tidak sama

x Susunan Perlakuan ( Array Treatment )

- Jika banyaknya level faktor (perlakuan) adalah k dan banyaknya replikasi

setiap level adalah m

Treatment A1

A11

A21

A2

A12

A22

Ak

A1k

A2k

……….

……….

……….

Desain Faktorial




Mean

A21

:

Am1

A22

:

Am2

A2k

:

Amk

……….

……….

……….

……….

x Biasanya kita menganalisanya dengan ANOVA

X X X X

x Uji Hipotesis

H0 : µ 1 = µ 2 = …. = µ k

H1 : paling sedikit sebuah µ tidak sama

Desain Faktorial




Jika H0 ditolak maka kita harus menguji perbedaan mean (Rata-

rata) diantara output pada level faktor.

x Contoh

Diketahui bahwa tingkat ketebalan suatu part disebabkan karena tekanan

(Pressure) pada proses. Asumsi bahwa part harus tipis, maka percobaan

dilakukan dengan empat kondisi tekanan. Dan data dari hasil percobaan dapat

dilihat pada tabel dibawah ini, tentukan level faktor mana yang paling

berpengaruh.

10 15 20 25

Desain Faktorial




10

6.15.8

6.4

15

4.44.2

3.9

20

3.13.3

3.1

3.2

3.6

3.5

25

2.82.8

2.6

3.1

2.7

2.5

Hasil pengukuran

Level Faktor

x Desain Dua Pihak (Two-way ) dengan replikasi perlakuan

- Menentukan hubungan sebab-akibat diantara dua faktor dan

karakteristik produk (output)

- Menentukan apakah mean dari output tiap level faktor sama atautidak

- Apakah ada pengaruh interaksi (Interaction effect ) atau tidak.

Desain Faktorial




x Main effect (Pengaruh utama)

- Perubahan rata-rata variabel output yang disebabkan perubahan levelpada suatu faktor

x Interaksi pengaruh (Interaction effect )

- Jika Main effect diantara level-level dalam satu faktor tidak sama dengan

faktor yang lain, maka terdapat interakasi pengaruh diantara faktor-faktor

tersebut.

KetebalanA : Tekanan

B T t

Desain Faktorial




A2

A2

A1

A1

B1 B2

Temperatur

B : Temperatur

Output : Kekuatan (Strength)

x Susunan Perlakuan ( Array of Treatment )

B1

B2

A1 A2 ….. Ak Mean

X111

X112

…….. X11r

X211

X212

X121

X122

…….. X12r

X221

X222

X1k1

X1k2

…….. X1kr

X2k1

X2k2

….. X 1..

X

Desain Faktorial




2

….

Bm

Mean

…….. X21r

Xm11

Xm12

…….. Xm1r

…….. X22r

Xm21

Xm22

…….. Xm2r

…….. X2kr

Xmk1

Xmk2

…….. Xmkr

…..

…..

….. X X .1. X .2. X .k.

X 2..

X m..

…. …. …. …. ….

x Uji Hipotesis

H0 : Α 1 = Α 2 = …. = Α k

H1 : Paling sedikit sebuah A tidak sama

H0 : Β 1 = Β 2 = …. = Β k

H1 : Paling sedikit sebuah B tidak sama

Desain Faktorial




H0 : Tidak ada perbedaan efek interaksi

H1

: Ada perbedaan efek interaksi

H0 : Tidak ada perbedaan efek interaksi

H1 : Ada perbedaan efek interaksi

Jika H0 ditolak maka kita harus menguji

perbedaan mean diantara output pada level dari

setiap faktor.

x Contoh

Diketahui bahwa daya tahan suatu part disebabkan karena tekanan

(Pressure) dan temperatur. Diasumsikan bahwa part harus kuat, maka

percobaan dilakukan dengan empat kondisi tekanan dan tiga kondisi

temperatur, data dari hasil eksperimen dapat dilihat pada tabel dibawah.Analisalah data dari hasil eksperimen, dan tentukan level faktor mana yang

berpengaruh terhadap respon.

Desain Faktorial




5 94 87 95 101 99 107 91 98

10 99 108 114 108 112 117 109 103

15 116 111 121 127 125 131 116 122

10 15 20 25

Temp

Tekanan

Daya tahan

x Desain Full Faktorial kn

• Merupakan desain eksperimen terhadap keseluruhan perlakuan

kombinasi dari n faktor dengan level sama dengan k

• Jika terdapat r kali eksperimen pada setiap perlakuan kombinasi,

maka banyaknya eksperimen dilakukan sebanyak r*kn

Desain Faktorial




•Biasanya k adalah 1 atau 3, jadi 2

n

atau 3

n

x Desain Fraksional

• Suatu desain eksperimen yang dilakukan hanya sebagian saja atau tidak

dilakukan secara penuh (full factorial design).

• Jika terdapat banyak faktor, maka kita harus melakukan banyak eksperimen.

• Bila kita melakukan banyak eksperimen berarti akan banyak membutuhkanbiaya dan waktu.

• Kita dapat mereduksi banyaknya eksperimen dengan menjalankan desain

fraksional faktorial

Desain Faktorial




fraksional faktorial.

• Dengan asumsi tidak terdapat perbedaan efek interaksi sehingga bisa

diabaikan.• Biasanya perbedaan efek interaksi diabaikan bila lebih dari 3 faktor.

• Biasanya desain fraksional dilakukan dengan pembauran (Comfounding )

x Comfounding (Pembauran)

•Adalah pengaruh dari faktor yang tidak dapat dipisahkan

x Desain Faktorial menggunakan Minitab

Desain Faktorial




Perhatikan jumlah faktor

dalam eksperimen

Putuskan apakah akan melakukan

desain full faktorial atau desain

fraksional

Desain Faktorial




Teliti jumlah replikasi

pada perlakuan kombinasi

Tulislah nama faktor dan nilai

dari level faktor

Desain Faktorial




Desain Faktorial




Cek pengacakan

pada eksperimen

Tuliskan nilai dari hasil eksperimen

pada setiap perlakuan kombinasiDesain Faktorial




Guna mengetahui daya tahan dari suatu part yang disebabkan karena

Pressure (tekanan), temperatur dan density (berat jenis) dari suatu

material. Asumsikan bahwa part harus kuat, maka eksperimen harus

dilakukan dengan perlakuan kombinasi. Semua faktor terdiri dari dua level.

Analisa dan temukan level faktor mana yang berpengaruh terhadap

kekuatan material.

x Desain Faktorial menggunakan Minitab

Desain Faktorial




Faktor-faktor dan level faktor

A = Pressure : Level 1 = 20, level 2 = 25

B = Density : Level 1 = 8.5, level 2 = 9

C = Temperatur : Level 1 = 60, level 2 = 70

- Data : Full_Design

Desain Faktorial




Desain Faktorial




Seleksi faktor-faktornya

Desain Faktorial




Desain Faktorial




Fractional Factorial Fit

Estimated Effects and Coefficients for y (coded units)

Term Effect Coef StDev Coef T P

Constant 49.563 0.6404 77.39 0.000

A 0.375 0.187 0.6404 0.29 0.777

B 3.875 1.937 0.6404 3.03 0.016

C -4.125 -2.062 0.6404 -3.22 0.012

A*B 1.625 0.812 0.6404 1.27 0.240

A*C -2.375 -1.187 0.6404 -1.85 0.101

B*C 0.625 0.312 0.6404 0.49 0.639

A*B*C -0 125 -0 062 0 6404 -0 10 0 925

Desain Faktorial




A B C 0.125 0.062 0.6404 0.10 0.925

Analysis of Variance for y (coded units)

Source DF Seq SS Adj SS Adj MS F P

Main Effects 3 128.687 128.687 42.8958 6.54 0.015

2-Way Interactions 3 34.688 34.688 11.5625 1.76 0.232


Residual Error 8 52.500 52.500 6.5625

Pure Error 8 52.500 52.500 6.5625

Total 15 215.937

0.0

0.5

1.0

1.5

o r m a l S c o r e

B

Normal Probability Plot of the Standardized Effects(response is y, Alpha = .10)

A: AB: BC: C

Desain Faktorial




-3 -2 -1 0 1 2 3

-1.5

-1.0

-0.5

Standardized Effect

N o

C

AB

AC

B

C

Pareto Chart of the Standardized Effects

(response is y, Alpha = .10)

A: AB: B

C: C

Desain Faktorial




0 1 2 3

ABC

A

BC

x Pooling ABC to the error term

Desain Faktorial




Fractional Factorial Fit

Estimated Effects and Coefficients for y (coded units)

Term Effect Coef StDev Coef T P

Constant 49.563 0.6042 82.03 0.000

A 0.375 0.187 0.6042 0.31 0.763

B 3.875 1.937 0.6042 3.21 0.011C -4.125 -2.062 0.6042 -3.41 0.008

A*B 1.625 0.812 0.6042 1.34 0.212

A*C -2.375 -1.187 0.6042 -1.97 0.081

B*C 0.625 0.312 0.6042 0.52 0.617

Desain Faktorial




Analysis of Variance for y (coded units)

Source DF Seq SS Adj SS Adj MS F PMain Effects 3 128.687 128.687 42.8958 7.34 0.009


Residual Error 9 52.562 52.562 5.8403

Lack of Fit 1 0.062 0.062 0.0625 0.01 0.925

Pure Error 8 52.500 52.500 6.5625

Total 15 215.937

0

1

r m a l S c o r e

B

Normal Probability Plot of the Standardized Effects(response is y, Alpha = .10)

A: A

B: BC: C

Desain Faktorial




-3 -2 -1 0 1 2 3

-1

Standardized Effect

N o r

AC

C

AB

AC

B

C

Pareto Chart of the Standardized Effects

(response is y, Alpha = .10)

A: AB: BC: C

Desain Faktorial




0 1 2 3

A

BC

AB

Desain Faktorial




2 0 2 5 8. 5

9. 0

6 0 7 0

49.5

50.5

51.5

y

Main Effects Plot (data means) for y

Desain Faktorial




A B C

47.5

48.5

8. 5 9 6 0 7 0

49

53

45

49

53A

B

20

25

9

Interaction Plot (data means) for y

Desain Faktorial




45

C

8.5

43.5

55.5

49.5

47.0

51.0

50.0

B

9.0

70

Cube Plot (data means) for y

Desain Faktorial




50.549.5

20 25

A

C

8.5 60

70

- Kita ingin menemukan perlakuan kombinasi yang terbaik terhadap

cita rasa dari kopi.

- Pilihlah faktor yang berpengaruh terhadap cita rasa kopi dengan

melakukan suatu eksperimen dan temukanlah kombinasi terbaik dari

faktor-faktor yang ada.

x Contoh soal (kopi)

Desain Faktorial




x Latihan (Helikopter kertas)

Desain Faktorial




- Kita ingin menemukan waktu terlama bila helikopter kertas tersebut

dijatuhkan. Oleh sebab itu kita ingin menemukan perlakuan kombinasi

yang mempunyai waktu jatuh terlama.

- Pilihlah faktor-faktor yang berpengaruh terhadap lama jatuhnya

helikopter kertas tersebut. Temukan kombinasi terbaiknya.

Desain Faktorial




Aktivitas utama dalam tahap

IMPROVEMENT adalah membuat ide-ide

perbaikan terhadap faktor-faktor yang telah

ditemukan dalam tahap Analisis.

IMPROVE THE CRITICAL FACTORS




IMPROVE THE CRITICAL FACTORS

7 Bahasan

7 Tujuan

- Memahami konsep Control Chart

- Eksekusi Minitab

- Sekilas tentang Control Step

Kontrol

CC




Sekilas tentang Control Step

- Konsep Control chart

- Variasi control chart CC

x Maksud dari SPC(Statistical Process Control )

Gunakan tool SPC

Hilangkan penyebab variasi pada proses

Pertahankan proses terbagus

- Adalah mengontrol suatu produk/proses secara statistika

Contohnya CTQ (Critical To Quality) atau CTP (Critical To Process)

Penjelasan Singkat Tahapan Kontrol




Pertahankan proses terbagus

Kepuasan konsumen

- Penyebab Umum : Penyebab yang tidak bisa dihilangkan

- Penyebab Khusus : Penyebab yang masih mungkin bisa dihilangkan

Contoh : Kesalahan operator, Defect karena material,Ketidaktahuan dalam pengoperasian mesin

- Bila hanya terjadi pada proses biasanya kita sebut proses dalam kontrol

- Ketika terdapat penyebab khusus didalam proses, biasanya kita katakan

x Penyebab Umum & Penyebab Khusus

Penjelasan Singkat Tahapan Kontrol




Ketika terdapat penyebab khusus didalam proses, biasanya kita katakan

proses berada diluar kontrol.

Defect merupakan permasalahan

di dalam proses

Temukan penyebab khusus

Hilangkan penyebab tersebut

Hindari jumlah defect yang banyak

x Maksud dari Control Chart

Konsep Peta Kendali (Control Chart )




Hindari jumlah defect yang banyak

Kelengkapan kepuasan konsumen

x Kita dapat menggambarkan variasi data dengan Control Chart .

x Control Chart tersusun dari :• CL(Center Line) : CL Nilai rata-rata dari data

• UCL(Upper Control Limit) : Batas Kontrol Atas

• LCL(Lower Control Limit) : Batas Kontrol Bawah

• Kita biasanya membuat UCL(Upper Control Limit) &

LCL(Lower Control Limit) sejauh 3 sigma dari CL.

• Jika data terletak antara UCL dan LCL maka proses

terkontrol

Konsep Control Chart




terkontrol

• Jika data tidak terletak antara UCL dan LCL maka proses

diluar kontrol. Dalam hal ini bila kita dapat menemukan

penyebab khusus, selanjutnya dihilangkan maka proses

menjadi terkontrol

Limits Aksi & Limits Peringatan

• Biasanya batas 3 Sigma Limit disebut Limit aksi. Jika data tidak

terletak diantara limit 3 sigma, kita harus menemukan. Penyebab

khusus dan menghilangkannya. Dan dalam hal ini kita harus cepat

melakukan aksi.

• Biasanya Batas 2 sigma adalah Limit Peringatan. Jika nilai dari suatu

data tidak berada diantara limit 2 sigma, mungkin kita beranggapan





bahwa hal tersebut disebabkan karena beberapa penyebab. Jadi bila

tidak terletak diantara 2 sigma ini merupakan peringatan kepada kita.

CL

UCLNilai data

xσ 3 xσ 2

x Gambar dari Control Chart





LCL

Jumlah data

Limit peringatan

Limit Aksi

Penyebab

Umum

Penyebab

khususPeralatan Rusak

Material

NG

Seting Mesin

Berubah

Pengawasan

Lemah

Training

Kurang Bagus

Metode Kesalahan





Penyebab

Khusus Kesalahan

Operator

Kesalahan

mesin Perubahan

Temp. Udara

Tidak Bagus Pengukuran

Test 1

Test 1

Outliers (Titik pencilan)• Unit tunggal atau pengukuran yang sangat beda dari lainnya

S t l t b j l d d h t k k b b

Dua titik berada lebihdari 3 sigma dari

garis tengah.

Dua titik berada lebihdari 3 sigma dari

garis tengah.

3σ

2σ

1σ

1σ

2σ

3σ

Delapan Pengujian untuk Penyebab Khusus (MINITAB)




• Suatu pola yang tergambar jelas dan mudah untuk menemukan penyebabnya.

Kemungkinan disebabkan oleh :• Kesalahan dalam penggambaran atau pengukuran• Kerusakan yang kemungkinan terjadi pada saat proses

Test 2

Test 2

Sudden Shift (pergeseran tiba-tiba)• Menunjukkan satu level perubahan dalam satu arah.• Polanya sangat mudah dibaca.

Sembilan titik berada

pada lajur baris yang

sama dari center line

Sembilan titik berada

pada lajur baris yang

sama dari center line

3σ2σ

1σ

1σ

2σ

3σ





Kemungkinan disebabkan oleh : • Operator baru, test, mesin baru dan perubahan setting• Perubahan material atau supplier baru

Test 3

Test 3

Level perubahan/Trends (Kecenderungan)• Pergerakan yang kontinu apakah itu turun atau naik

Enam titik pada gambar

kecenderungannya

semuanya naik atauturun

Enam titik pada gambar

kecenderungannya

semuanya naik atauturun

3σ2σ

1σ

1σ

2σ

3σ





Kemungkinan disebabkan oleh:• Pemakaian perkakas, Cara pemakaian perkakas• Operator lelah• Penggantian material• Peralatan yang kotor

Test 4

Test 4

Mixture (Memperlihatkan proses stabil)• Menunjukkan kebanyakan data berada diatas dan dibawah CL,

sedangkan yang berada ditengah jarang

Keempat belas titik

yang terdapat pada

gambar naik dan

turun.

Keempat belas titik

yang terdapat pada

gambar naik dan

turun.

3σ2σ

1σ

1σ

2σ

3σ





Kemungkinan disebabkan oleh : • Perbedaan lot material atau mesin• Perbedaan dalam tes atau alat ukur (gage)• R chart - Perbedaannya kadangkala besar.• Operator tidak stabil (over adjusting process)

Test 5

Test 5

Ketidakstabilan• Menunjukkan fluktuasi yang besar dan tidak lazim• Karakterisasi kenaikan dan penurunan

Titik-titik yang dilingkari

berada lebih dari 2 sigma

pada CL


berada lebih dari 2 sigma

pada CL

3σ

2σ

1σ

1σ

2σ

3σ





p

Kemungkinan disebabkan oleh : • Over adjustment Mesin• Salah posisi dalam memegang alat kerja.• Setting yang hati-hati terhadap X variabel input: temp, pressure• Part yang tercampur dengan yang lain.

Test 6

Test 6

Bunching or Clustering (berkelompok / berdekatan)• Kebanyakan tergambar pada Xbar, R charts atau p charts


melebihi 1 sigma dari CL


melebihi 1 sigma dari CL

3σ

2σ

1σ

1σ

2σ3σ





Kemungkinan disebabkan oleh :• Pengukuran yang sulit• Perubahan dalam kalibrasi atau instrumen• Pengukuran yang diambil oleh orang yang berlainan• R charts: Campuran dari distribusi

Test 7

Test 7

Stratifikasi• Merupakan satu bentuk yang stabil. Mendekati center line dengan

deviasiyang kecil dan jarak yang berdekatan.• Dapat terlihat jelas pada R chart dan Xbar chart.

Kelima belas titik

berada pada batas1 sigma dari CL

Kelima belas titik

berada pada batas

1 sigma dari CL

3σ

2σ

1σ

1σ

2σ

3σ





Dapat terlihat jelas pada R chart dan Xbar chart .

Kemungkinan disebabkab oleh : • Sampel-sampel yang diambil memiliki distribusi yang berbeda.• Xbar : Penghitungan yang salah dari limit kontrol (UCL & LCL)

Test 8

Test 8

Cycling• Short trend yang terjadi pada data terjadi pada pola yang berulang

Kemungkinan disebabkan oleh :

Kedelapan titik yang

dilingkari melebihi 1

sigma dari CL

Kedelapan titik yang

dilingkari melebihi 1

sigma dari CL

3σ

2σ

1σ

1σ

2σ

3σ





g

• Variabel proses berfluktuasi secara reguler • Pengaruh musiman seperti temperatur atau kelembaman• Fluktuasi Voltage.• R charts: Maintenance schedules, operator fatigue (Lelah)

x Peta kontrol untuk Variabel

- Control Chart untuk Variabel digunakan bila tipe data adalah

Quantitatif

- Biasanya digunakan Xbar & R Control Chart

: Xbar&R Control Chart, Individual X & Moving Range

Control Chart

x Peta kontrol untuk Atribut

Control Chart untuk data atribut digunakan bila tipe data adalah

Jenis Control Chart




- Control Chart untuk data atribut digunakan bila tipe data adalah

kualitatif

- Biasanya digunakan P Control Chart atau C Control Chart

1. Tentukan apa yang akan dikontrol. CTQ(Y), Critical X’s

2. Tentukan peta kontrol apa yang akan digunakan.

3. Tentukan perencanaan pengambilan sampel.

Subgroup Size , Subgroup Frequency

4. Tentukan jarak CL yang akan digunakan untuk menentukan UCL dan LCL

5. Kumpulkan data.

6 Hitung nilai tengah dan nilai LCL dan UCL

Langkah-langkah Pembuatan Control Chart

X-bar Chart & R-Chart

P-Chart & C-Chart

Data Quantitatif

Data Qualitatif

Data hasil pengukuran

Data hasil penjumlahan




6. Hitung nilai tengah dan nilai LCL dan UCL

7. Buat peta kontrol.

Subgroup : n=3, k=10

k x1 x2 x3 R

1 131. 0 130. 9 130. 9 392. 8 130. 93 0. 12 131. 3 131. 3 131. 3 393. 9 131. 30 0. 0

3 131. 2 131. 2 131. 2 393. 6 131. 20 0. 0

4 131. 1 131. 3 131. 2 393. 6 131. 20 0. 2

5 131. 3 131. 3 131. 3 393. 9 131. 30 0. 0

6 131. 2 131. 2 131. 2 393. 6 131. 20 0. 0

7 131. 3 131. 2 131. 2 393. 7 131. 23 0. 1

x i

i

n

=

∑1

x

n = Subgroup Size

k = The total Subgroup

Xbar & R Control Chart




8 131. 6 131. 3 131. 2 394. 1 131. 37 0. 49 131. 2 131. 3 131. 2 393. 7 131. 23 0. 1

10 131. 2 131. 1 131. 2 393. 5 131. 17 0. 1

Total 3936. 4 1312. 13 1. 0

213.131==k

x x 1.0==

k R R

∑∑=

n

P P

n

#spl Sampel Jml Defect (Pn) Proporsi (P) UCL LCL1 200 7 3.5% 7.6% 0.0%

2 100 2 2.0% 9.2% 0.0%

3 150 0 0.0% 8.2% 0.0%

4 170 6 3.5% 7.9% 0.0%

5 170 3 1.8% 7.9% 0.0%

6 200 5 2.5% 7.6% 0.0%

7 100 4 4.0% 9.2% 0.0%

8 100 3 3.0% 9.2% 0.0%

9 200 10 5.0% 7.6% 0.0%

10 200 6 3.0% 7.6% 0.0%

11 170 7 4.1% 7.9% 0.0%

12 150 4 2.7% 8.2% 0.0%

13 160 5 3.1% 8.0% 0.0%

14 100 0 0.0% 9.2% 0.0%

15 100 2 2.0% 9.2% 0.0%

16 100 5 5.0% 9.2% 0.0%

17 200 11 5.5% 7.6% 0.0%

18 220 10 45% 74% 00%

Rata-rata defect ratio

P Control Chart




18 220 10 4.5% 7.4% 0.0%

19 250 15 6.0% 7.1% 0.1%20 250 9 3.6% 7.1% 0.1%

21 180 7 3.9% 7.8% 0.0%

22 200 4 2.0% 7.6% 0.0%

23 200 10 5.0% 7.6% 0.0%

24 200 7 3.5% 7.6% 0.0%

25 200 12 6.0% 7.6% 0.0%

4270 154 3.6%ⓐ ⓑ ⓒ

- Data:XbarR.mtwx Xbar-R Chart

Control Chart




Control Chart




5040302010Subgroup 0

42

41

40

39

38 S a m

p l e M e a n

1

1

1

1 1

1

1

Mean=40.00

UCL=41.29

LCL=38.71

5

4g e

UCL=4.735

Xbar/R Chart for Sample

Control Chart




3

2

1

0 S a m p l e R a n

R=2.239

LCL=0

- Data:Pcontrol.mtw

x P Chart

Control Chart




Control Chart




0.05

0.10

P r o p o r t i o n

P Chart for Defects

P=0.03607

3.0SL=0.07562

Control Chart




0 5 10 15 20 25

0.00

Sample Number

-3.0SL=0.000

- Data:C_Control.mtwx C Chart

Control Chart




Control Chart




8

7

6

5

4

3

2

1

S a m p l e C o u n t

C Chart for Blemish

C=2.725

UCL=7.677

Control Chart




403020100

0

Sample Number

LCL=0

Aktivitas utama dalam tahap CONTROL

adalah menjaga dan mempertahankan

kondisi dari hasil ide-ide perbaikan

MAINTAIN THE IDEAS




Date post:	07-Jul-2015
Category:	Documents
Upload:	miradzji
View:	436 times
Download:	2 times

Indonesia_basic Six Sigma Modul (New)

Documents