Dalam industri manufaktur, hal semacam ini sudah biasa dilakukan, terlebih lagi industri otomotif.
Namun demikian, aktual yang dijalankan di industri, terkadang implementasi perhitungan statistika hanya sekedar pemenuhan persyaratan dari permintaan customer semata, tanpa menggunakannya sebagai alat bantu analisa proses.
Termasuk yang masih banyak belum dipahami oleh pelaku industri adalah konsep dasar penganalisaan statistika.
2 hari, rabu & kamis kemarin, alhamdulillah, berlokasi di daerah MH.Thamrin Jakarta, saya mendapatkan perspektif yang baru mengenai hal ini. Saya mengikuti pendalaman mengenai analisa statistik yang biasa digunakan di dunia otomotif yang menjadi salah satu persyaratan penting dalam sistem manajemen otomotif .
Sering kali para praktisi di industri menggunakan Statistical Proses Control (SPC) tanpa mengetahui konsep dan pemahaman serta tujuan dari alat bantu tersebut. Sehingga yang terjadi adalah statistik hanya sekedar dokumentasi yang SekedAr "memenuhi hal yang harus ada" sesuai dengan diinginkan customer.
Satu point penting lagi, kita harus memahami konsep dalam pengambilan data. Pengambilan data yang salah akan berakibat pada pengambilan kesimpulan & keputusan yang salah.
Konsep Variasi:
Ilustrasi-nya :
definisinya: variasi merupakan perbedaan data dari suatu object yang ingin dipelajari
Penyebaran data pada distribusi normal sebagai berikut;
Sering kali para praktisi di industri menggunakan Statistical Proses Control (SPC) tanpa mengetahui konsep dan pemahaman serta tujuan dari alat bantu tersebut. Sehingga yang terjadi adalah statistik hanya sekedar dokumentasi yang SekedAr "memenuhi hal yang harus ada" sesuai dengan diinginkan customer.
Satu point penting lagi, kita harus memahami konsep dalam pengambilan data. Pengambilan data yang salah akan berakibat pada pengambilan kesimpulan & keputusan yang salah.
Konsep Variasi:
Ilustrasi-nya :
definisinya: variasi merupakan perbedaan data dari suatu object yang ingin dipelajari
Penyebaran data pada distribusi normal sebagai berikut;
Dari grafik, sebanyak 68% data, seharusnya berada pada daerah 1σ,sebanyak 28% data, seharusnya berada pada daerah 2σ, hanya sebanyak 4% data yang berada pada daerah 3σ.
Ada 2 faktor utama yang menyebabkan output dari suatu proses bervariasi, yaitu adanya variasi part dan adanya variasi pengukuran. Variasi part sangat dipengaruhi oleh faktor mesin, metode, material yang digunakan, manusia yang menjalankan proses tersebut, maupun lingkungan.
Untuk mendapatkan kestabilan proses, pola yang diharapkan dari suatu proses adalah pola yang stabil, sehingga output dari suatu data bisa diprediksi.
Namun demikian, suatu proses bisa tidak stabil akibat adanya spesial cause (faktor x).
Dengan alat bantu statistika inilah, ketidakstabilan proses bisa kita deteksi & bisa kita lakukan perbaikan pada proses untukmemperkecil variasi.
kemampuan Proses:
Lain halnya ketidaksetabilan, kemampuan proses adalah bilamana variasi produk kita bandingkan terhadap spesifikasi produk.
Spesifikasi dibuat sesuai dengan tuntutan fungsi dari produk yang diinginkan oleh customer.
Jadi harus dibedakan, boleh jadi suatu proses, variasi-nya sangat kecil (stabil),tapi bila kita bandingkan dengan spesifikasi, dia keluar dari spesfikasi, nah ini kategori proses yang TIdak mampu.
Grafik diatas ada contoh proses stabil, tapi tidak mampu (tidak capable).
Perhatikan grafik C diatas, itu adalah proses Stabil dan Capable !
Sedangkan grafik A adalah proses yang Tidak Stabil & Tidak mampu !
Sampai disini mudah2an para pembaca setidaknya memahami konsep dasar dalam membedakan Ketidakstabilan & ketidakmampuan proses.
Mudah2an materi ini bisa dilanjutkan dengan materi selanjutnya yang lebih detail.
Semoga Bermanfaat !!
(dari berbagai sumber)
