Pengendalian kualitas Statistikal tidak lepas dari kerja Walter Andrew Shewhart, ahli di bidang fisika, rekayasa, dan statistika ketika ditugasi oleh bosnya Dr George D. Edward untuk membuat sebuah diagram quality control process pada 16 Mei 1924. Sebelumnya, yaitu tahun 1918, Dr Shewhart terlibat dalam pengawasan produk jadi dan mengeluarkan produk-produk cacat di Engineering Dept, salah satu perusahaan Western Electric. Shewhart menggunakan distribusi Gauss dengan mean (μ) yang ditransformasi menjadi rata-rata sebaran karakteristik proses, dan standar deviasi proses (σ) yang ditrasformasi menjadi UCL atau Upper Control Limit dan LCL atau Lower Control Limit sebagai landasannya. Ide menemukan pengendalian kualitas statistikal adalah untuk mengetahui apa yang sedang terjadi dan bisa digunakan untuk memprediksi apa yang akan terjadi sehingga tindakan yang dipandang perlu bisa segera dilakukan melalui penggambaran control chart. Contoh bagan pengendalian kualitas (PKS) dapat dilihat pada gambar. Bagan pengendalian kualitas statistikal memunculkan gambaran mengenai proses yang diluar kendali atau out of control. Teknologi pada dasarnya lebih deterministik, namun interaksi antara teknologi dengan manusia dalam proses sering memunculkan hasil-hasil yang sifatnya uncontrollable atau diluar kendali. Dalam hal ini, Shewhart melihat penyimpangan itu disebabkan oleh dua faktor yaitu sebab umum yang tidak perlu diidentifikasi dan sebab khusus yang perlu diidentifikasi. Variasi Kualitas Dalam hal pengendalian mutu, di manakah variasi itu terjadi ? Sudah pasti dalam proses, karena kualitas produk ditentukan oleh kualitas proses. Konsep ini telah melahirkan istilah kemampuan proses atau Process Capability (Cp). Semakin tinggi nilai Cp maka semakin baik, yang berarti bahwa kualitas proses semakin baik, dan mampu menghasilkan produk yang bermutu secara konsisten. Untuk meningkatkan Cp diperlukan upaya-upaya yang terarah. pengendalian kualitas statistikal akan membantu menentukan arah ini. Dengan Pengendalian kualitas statistikal, proses akan secara konsisten terjaga pada tingkat kualitas yang diinginkan. Teknik pengendalian kualitas statistikal dapat dengan mudah dilakukan dengan menerapkan control chart, yang merupakan grafik kualitas terhadap waktu secara real time dan terus-menerus. Dalam control chart ada yang disebut nilai tengah (center value), batas atas pengendalian atau upper control limit (UCL) dan batas bawah pengendalian atau lower control limit (LCL). Dengan control chart, tingkat kegagalan digambarkan dalam diagram garis yang akan bergerak terhadap waktu. Cara yang paling mudah untuk mengetahui apabila ada sesuatu variasi yang tidak terkendali adalah dengan mengamati apakah ada nilai yang berada diluar batas kendali UCL & LCL. Selain itu kecenderungan-kecenderungan grafik yang menuju kepada variasi yang tidak normal yang walaupun masih ada dalam batas kontrol dapat diamati, sehingga masalah dapat diantisipasi lebih dini. Pola dan Bentuk Variasi Dalam memproduksi barang secara masal tentu akan dijumpai varisi meskipun sudah ditentukan ukuran maupun kualitasnya. Ada 3 macam variasi yang dapat terjadi :
Variasi-variasi tersebut timbul disebabkan karena dua sumber, yaitu variasi penyebab khusus dan variasi penyebab umum. Variasi Penyebab Khusus adalah kejadian-kejadian diluar sistem yang mempengaruhi variasi dalam sistem. (manusia, peralatan, material, lingkungan, metode kerja, dll). Variasi penyebab Umum adalah faktor-faktor dalam sistem atau yang melekat pada proses yang menyebabkan timbulnya variasi. Penyebab umum sering disebut penyebab acak (random causes) atau penyebab sistem (system causes). Karakteristik Data Ukuran Kualitas 1. Data Variabel : Ukuran kualitas variabel adalah karakteristik kualitas suatu produk yang dinyatakan dengan besaran yang dapat diukur (besaran kontinue). Seperti : panjang, berat, temperatur, dll. Ukuran kualitas yang bersifat variable memiliki distibrusi yang kontinyu Distribusi kontinyu (Continuous Distribution) menggambarkan data yang memiliki distribusi rapat sekali karena data tersebut bisa terjadi dalam digit dibelakang koma hingga n digit. Contoh data ini adalah untuk mengukur ketebalan kayu yang bisa bervariasi, misal sekitar 10 mm bisa 9.99995 hingga 10.0005 untuk toleransi ±0.005%. Pada perubahan frekuensi listrik sumber PLN yang bisa naik turun dari 50 Hz. Bisa 45, 01 Hz hingga 55.00 Hz, artinya variasi data bisa terjadi diantaraangka tersebut. Juga data tegangan listrik PLN yang bisa bervariasi antara 180 Volt hingga 230 Volt dimana sembarang data diantara interval tersebut mungkin muncul. Juga, berat produk, dimensi, atau volume dimana variasinya diukur dengan satuan berat, satuan dimensi, atau satuan volume. Secara statistik, distribusi data variabel dalam bentuk kurva normal dapat digambarkan secara grafis.2. Data Attribut : Ukuran kualitas atribut adalah karakteristik kualitas suatu produk yang dinyatakan dengan apakah produk tersebut memenuhi kondisi/persyaratan tertentu, bersifat dikotomi, jadi hanya ada dua kemungkinan baik dan buruk. Seperti produk cacat atau produk baik, dll. Discrete Distribution memberi gambaran data yang terdistribusi secara utuh atau tanpa pecahan atau angka dibelakang koma. Misal 10, 11, 12, dst. Contoh data semacam ini misal: jumlah produksi dalam satuan unit seperti mobil, sepeda motor, botol, karton produk, rokok, dsb. Secara statistik distribusi data atribut dapat digambarkan secara grafis distribusi frekuensi. Control Chart untuk masing-masing Jenis Data Metode Statistik untuk menggambarkan adanya variasi atau penyimpangan dari mutu (kualitas) hasil produksi yang diinginkan secara kronologis (jam/ hari/ minggu/ bulan dll). Control chart dapat membantu manajemen dalam hal:
Pengendalian kualitas statistikal dibedakan menjadi dua golongan besar sesuai dengan karakteristik data yang diobservasi, yaitu Variable dan Attribute, sebagai ukuran kualitas. Pembedaan antara kategori Variable dan Attribute didasarkan pada jenis distribusi data. Ada dua jenis kategori data, yaitu Continous dan Discrete. Oleh karena itu, pemilihan teknik pengendalian kualitas statistikal perlu memperhatikan jenis data disamping tujuan penggunaan teknik tersebut Control Chart Untuk Data Variabel Sebagaimana juga telah dibahas pada subtopik Peta Kendali Kualitas sebelumnya bahwa penggunaan jenis metode ditentukan oleh jenis ukuran data kualitas. Bila jenis ukuran kualitas yang ada atau yang akan dikumpulkan bersifat variabel artinya kualitas produk dapat dinyatakan dalam satuan ukuran tertentu seperti panjang, berat, volume dll yang bisa dinyatakan dalam cmm, kg, liter dll, Teknik-teknik Pengendalian kualitas statistikal yang termasuk dalam kategori data Variable adalah Peta Kendali Variabel (Shewart) yang terdiri antara lain: Peta kendali X bar dan R dan Peta kendali x dan S Control Chart Untuk Data Atribut Indeks Kapabilitas Proses Indeks Kapabilitas Proses atau disebut capability Process Index (Cp) adalah indeks yang menunjukkan kemampuan proses dalam menghasilkan produk/ output yang sesuai dengan spesifikasi. Berikut rumus matematik untuk menghitung CpKriteria penilaian Cp
Rumus matematik untuk menghitung Indeks Kapabilitas proses adalah sbb: Cpk = Minimum { CPU ; CPL } Keterangan:
Sangat berterimakasih bila bersedia mencantumkan alamat link halaman ini sebagai sumber |