Measurement (Six Sigma Materi)

M
Measurement
Tujuan
Mengklarifikasi dan menentukan Y baseline dengan mengukur capability proses saat ini yang berguna
untuk menentukan arahan dan target improvement.
Step
Step 4. Setup Rencana Pengumpulan Data
Step 5. Memeriksa kondisi saat ini
Output
Tools
- Klarifikasi terhadap Y
- Pengumpulan data yang tepat
- Validasi sistem pengukuran
- Sampling
- Gage R&R
- Mengetahui kapabilitas proses saat ini

- Menentukan arah perbaikan
- Capability analysis
- 4 Blok diagram
Fast Execution toward Zero Defect

Solusi
Data Continuous
Skala Interval
Kategori
Skala Ordinal
Jumlah
Frekuensi
Data Discrete
Skala Ratio
Skala Nominal
Data Attribute atau kategori
Problem / Issue
Dalam statistik terdapat 4 skala data:
1. Skala Nominal, Ciri :
Sebagai pembeda
Tidak berlaku operasi Matematika
Contoh : Jenis Kelamin, Jenis Warna, dsb.
2. Skala Ordinal, Ciri :
Sebagai pembeda
Terdapat tingkatan.
Contoh : Jenjang Pendidikan, Jabatan, dsb.
1
Tipe Data
3. Skala Interval, Ciri :
Sebagai pembeda
Terdapat tingkatan.
Nilai nol tidak absolut/patokan tidak harus dari
nilai nol.
Contoh : Temperatur, dsb.
4. Skala Rasio, Ciri :
Sebagai pembeda
Terdapat tingkatan.
Nilai nol absolut/patokan dari nilai nol.
Contoh : Temperatur, dsb.
Secara umum tipe data terbagi menjadi 2 :

1.Data Continuous, yaitu data hasil pengukuran,
biasanya berupa desimal (Interval & Ratio). bisa
dibuat kategori (discrete). Cnth : 20 oC; 22,1 cm, dsb.
2.Data Discrete, yaitu data hasil menghitung, tidak
terdapat desimal (Nominal & ordinal). tidak bisa
dibuat jadi continuous. Cnth: 100 Orang, 200 Kulkas,
dsb.
LG Electronics Indonesia
Pegumpulan Data Project Y
Definisi Rational Subgroup
PROCESS RESPONSE
adalah suatu metode untuk menentukan variasi di dalam suatu Subgroup (Within Group Variation) maupun
variasi antara subgroup (Between Group Variation). Rational subgrouping merupakan pengambilan sampel
yang hanya terdiri dari white noise, sedangkan black noise terjadi diantara beberapa sampel.
Black Noise
RATIONAL
Black Noise
SUBGROUPS
White noise
TIME
- Black noise adalah keadaan (variasi) yang disebabkan karena dipengaruhi oleh perbedaan faktor 4M1E
- Merupakan variasi yang dapat dikontrol
White Noise
- White noise adalah keadaan (variasi) yang disebabkan karena dipengaruhi oleh di luar perbedaan faktor
4M1E
- Merupakan variasi yang tidak dapat dikontrol
2
Pemeriksaan Measurement System
Variasi proses yang diamati bukan berarti hanya actual variation saja tapi juga variation dari
measurement system.
Pemeriksaan Measurement System adalah prasyarat dari keseluruhan analisis measurement.
Observed
Observedvariation
variationofof
process/product
process/product
Actual variation of
process/product
within-group
within-group
variation
variation
Measurement variation of
process/product
Between-group
Between-group
variation
variation
Precision
Precision
Accuracy
Accuracy
Measurement system adalah

keseluruhan
system
yang
digunakan untuk memperoleh nilai
pengukuran (Measurement).
Contoh :
Metode operasi, Prosedur, Mesin
Pengukur dan Peralatan yang
lainnya, software, dsb.
Z ST
Z LT
1.5
Repeatability
Bias
Reproducibility
Linearity
Stability
LSL
Target
USL
Measurement harus dilakukan dengan metode, alat, dan proses yang tepat
Accuracy
Praysarat
Bias
Linearity
Stability
Item yang diperiksa
Precision
Repeatability
Reproducibility
Precision rendah,
Accuracy rendah
Actual
value
Accuracy
Gage Assessment & Adjustment

Perbedaan antara nilai standard (true value) dan
hasil nilai yang diukur.
Average of treatment
Change of time
Bias dari keseluruhan Spec. Limit atau Gage Range

Perbedaan dari rata-rata hasil pengukuran oleh
gage yang sama secara berulang pada waktu
yang berbeda
Gage R&R
Variasi
pengukuran
yang
disebabkan
oleh
pengukuran yang berulang-ulang oleh operator yg
sama dengan alat ukur dan part yang sama.
Variasi yang diakibatkan oleh alat ukur
Variasi pengukuran yang disebabkan oleh pengukuran
dari operator yang berbeda terhadap part yang sama
oleh alat ukur yang sama
Variasi yang disebabkan oleh operator
Precision rendah,
Accuracy tinggi
Precision tinggi,
Accuracy rendah
Time 1 Time 2
Stability
Repeatability :
to get result with consistency
variation at measuring repeatedly
Operator A
Operator B
Operator C
Precision tinggi,
Accuracy tinggi
Reproducibility
Apakah anda percaya terhadap hasil Pengukuran ?

Misalkan hasil pengukuran suatu part tidak sesuai dengan Spesifikasi, apakah
anda dapat mengatakan bahwa part tersebut bermasalah?
Jika part tersebut tidak terlalu bermasalah lalu apa masalahnya ?
n
Apakah ada yang salah dalam sistem pengukuran ?
io
t
s
ue
Dalam mengukur jumlah variasi dalam proses yang diamati bisa saja
terjadi kesalahan dalam sistem pengukuran.
Guna mengevaluasi alat ukur (Gage) sebelum dipakai.
Guna membandingkan dengan tipe alat ukur yang lain
Guna mengevaluasi apakah gage masih laik pakai atau tidak
Gage R&R Studies
Tujuan Gage R&R Study

Untuk memeriksa apakah metoda sistem pengukuran yang telah dilakukan dapat
diterima secara analisis statistik.
+
Actual process variation
=
Variation of
Measurement System
Observed process variation
Total variation of measurement = process variation + variation of measurement system

Change of measurement system = repeatability + reproducibility
Analysis of variation of measurement system is called Gage R&R Study.
Gage R&R Study Method

X bar R : Analisa yang dilakukan apabila di asumsikan bahwa tidak ada interaksi antara Part & Operator
ANOVA : Analisa yang dilakukan apabila adanya interaksi antara part dan operator
Tipe
Data
Kemungkinan
Replikasi
Cara
Analisis
Nested Studies
- Pengontrolan kondisi adalah

penting.
Crossed
ANOVA
Xbar-R
ANOVA
Significant Test
- Pengukuran unit yang sama

secara berulang oleh operator
yang berbeda.
Nested
- Tidak dapat mengukur unit
yang sama secara berulang
oleh operator yang berbeda.
Pemeriksaan
O
Operators
Operators X Parts
Reproducibility
- Gage R&R Studies adalah

sebuah percobaan.
Crossed Studies
Graphical Summaries
Repeatability
Gage R&R Studies
Attribute
Data
Continuous Data
Crossed Studies
Gage R&R Studies
(Contoh) Destroy inspection,

tidak dapat memperoleh
sampel yang sama.
Gage R&R Studies
Kriteria penerimaan Gage R&R

1. % Study Variance ( Variasi dari semua komponen)
2. % Tolerance ( Apabila dibandingkan dengan part Spec)
3. Number of Distinct Categories
% Study Variance
% Tolerance
Number of Distinct
Categories (NDC)
20%
20% to 29%
30%
action)
>5
: Acceptable
: Conditionally accept
: Impossible to apply (improvement
Resolusi measurement equipment

Dalam melakukan pengukuran, alat ukur di haruskan memiliki resolusi minimal 10%
dari satuan pengukuran yang actual.
Resolusi : Tingkat keakuratan pengukuran yang bisa di berikan oleh Gauge ( alat ukur)
Contoh : Toleransi dari part : + 0.020 , maka resolusi dari gage harus < 0.0020
Gage R&R Studies
Panduan Gage 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
!!!!
9
Gage R&R Studies Manual calculation
Gage R&R
Source
VarComp
StdDev
5.15*Sigma
%Contribution
%Study Var
%Tolerance
Total Gage R&R

Repeatability
Reproducibility
Operator
Operator*Part
Part-To-Part
Total Variation
0.004438
0.001292
0.003146
0.000912
0.002234
0.037164
0.041602
0.066615
0.035940
0.056088
0.030200
0.047263
0.192781
0.203965
0.34306
0.18509
0.28885
0.15553
0.24340
0.99282
1.05042
10.67
3.10
7.56
2.19
5.37
89.33
100.00
32.66
17.62
27.50
14.81
23.17
94.52
100.00
11.44
6.17
9.63
5.18
8.11
33.09
35.01
Number of Distinct Categories = 4
Source
VarComp StdDev
5.15*Sigma
Total Gage R&R

Repeatability
Reproducibility
Operator
Operator*Part
Part-To-Part
Total Variation
A
B
C
D
E
F
G
5.15*SQRT (A)
5.15*SQRT (B)
5.15*SQRT (C)
5.15*SQRT (D)
5.15*SQRT (E)
5.15*SQRT (F)
5.15*SQRT (G)
SQRT (A) = a
SQRT (B) = b
SQRT (C) = c
SQRT (D) = d
SQRT (E) = e
SQRT (F) = f
SQRT (G) =g
%Contribution %Study Var

A/G
B/G
C/G
D/G
E/G
F/G
G/G
a/g
b/g
c/g
d/g
e/g
f/g
g/g
%Tolerance
5.15*SQRT (A) / T
5.15*SQRT (B) / T
5.15*SQRT (C) / T
5.15*SQRT (D) / T
5.15*SQRT (E) / T
5.15*SQRT (F) / T
5.15*SQRT (G) / T

A=B+C
C=D+E
G =A+ F
10
Sigma = StdDev = SQRT(VarComp)

Process Tolerance (T) = USL LSL
Gage R&R Studies - Contoh

James, Bryan dan Michael adalah 3 orang staff QA yang diminta untuk melakukan pengukuran
sample terhadap suatu part. Dari hasil pengukuran dibawah, apakah kita bisa terima sistem
pengukuran yang telah mereka lakukan?
Gage R&R Sheet (Continuous Data)
Part
No
James
Bryan
Michael
1st
Measure
2nd
Measure
1st
Measure
2nd
Measure
1st
Measure
2nd
Measure
10.3
10.3
10.2
10.2
10.3
10.3
9.9
9.8
9.8
9.7
9.8
9.8
10.0
9.9
10.0
10.0
9.9
10.0
10.8
10.7
10.8
10.8
10.7
10.7
10.5
10.5
10.4
10.5
10.4
10.4
10.8
10.8
10.8
10.8
10.8
10.8
10.8
10.8
10.8
10.8
10.8
10.8
10.7
10.7
10.6
10.7
10.7
10.7
9.7
9.8
9.8
9.8
9.8
9.8
10
10.0
10.1
10.1
10.0
10.0
10.0
Part Spec : 10 + 0.8

11
12
13
% Tolerance < 20%

% Std Variance < 20%
N.D.C > 4
Sistem Pengukuran Dapat diterima !!
14
Step 5. Memeriksa Kondisi Saat ini
Operator Baru
Shift ke-2
Short & Long Term
Shift ke-1
Material berbeda
Short Term:
Long Term:
Lower Limit
15
Upper Limit
Short & Long Term Capability
Untuk Short Term pada proses six sigma,

terdapat 6 sigma (standard deviasi) diantara SL
dan .
Short Term Capability

untuk Six Sigma
LSL

menggambarkan
masalah penyebaran (spread) pada proses
kita.
USL
Estimasi Long Term

Capability :
1.5 Sigma dikurangkan dari
jarak antara & SL
Titik tengah untuk

dalam Six Sigma
LSL
USL
Estimasi reduksinya adalah 1.5 Sigma.

16
Capability Analisis
Proces Perhitungan sigma level

Proses perhitungan sigma level dibedakan berdasarkan jenis data yaitu data diskrit
maupun data kontinyu.
Data Analysis
Discrete
Data
Type of material
Number of defect
DPU
DPO
Continuous
Data
Location,
Spread,
Shape
Transformation
of sigma level
17
Capability Analisis
Berdasarkan Count/Proportion
: Ratio on interested Attribute
Berdasarkan distribusi
: Shape, Location, Spread
Continuous Data
Cp, Cpk, (Cpm)

Pp, Ppk
Attribute Data
Z(Bench)-Value
(ST, LT), Zshift
Defect Ratio
DPU
PPM
DPO,DPMO
Sigma-level, RTY
18
Capability Analisis
Estimasi Dari Capability Index (Short Term Vs Long Term)

Jika kapabilitas proses kita telah mencapai Six Sigma maka nilai dari kapabilitas
adalah sebagai berikut :
Short term
Long term
Zst = 6
Zlt
ppm = 3.4
ppm = 3.4
Zshift = Zst - Zlt = 6 - 4.5 = 1.5

19
= 4.5
!!!
Z-Bench
value
One-side Spec.
Capability Analisis-Kontinyu
Z-Bench value
Two-side Spec.
N(0,1)
N(0,1)
Probability of Defects
:P
Z-value
0
Probability
of Defects : PL
Execution
Limits 1
Execution
Limits
Probability of
Defects : PU
0
Execution
Limits 2
Contoh :
Dari hasil data didapatkan ST=2 , LT=2.5, average =100 CTQS dari proses Parts Resistence
USL=110, LSL=88. Hitunglah ZLT.Bench dalam long term proses.
Zlt.usl = (USL-X)/lt = (110-100)/2.5
= 4.0
P(NG) : 31.8 ppm
Zlt.lsl = (X-LSL)/lt = (100-88)/2.5

P(L)
P(U)
= 4.8
P(NG): 0.818 ppm
total NG = 32.618 ppm =>

LSL=88
20
Target=99
Zlt.bench = 4.0
USL=110
Stat > Quality Tools > Capability Analysis > Normal
StDev(Within) = 0.18769
ZBench.Lt Calculation
ZBench.LT = 1.91
Process capability
measured from current
data (PPM)
21
Process capability in
terms of Long-term
ZBench.St Calculation
USL + LSL
2
StDev (Within)
9.5 + 10.5
2
= 10
Process capability
measured from current
data (PPM)
22
Process capability
estimated in terms of
Short-Term
ZBench.ST = 2.42
Menentukan arah perbaikan
Continuous Case
- Merupakan penggambaran dari suatu permasalahan di proses
- Tujuan kita adalah kotak D
4 Block Diagram
Poor
Z shift
Lack of Control
Control
Lack of Control
Lack of Technology
Proper Technology
1.5
DProper Control
Proper Control
Proper Technology
Lack of Technology
Pada tahap Measurement 4 Blok

diagram
digunakan
untuk
menentukan improvement direction,
apakah memperbaiki control atau
technology
Good
4.5
Poor
Technology
ZST
Good
Zshift = ZBench.St ZBench.Lt

23
Tahapan setiap Proses
DPU
DPO
Capability Analisis-Diskrit
Tahapan Dengan sebagian/keseluruhan Proses
YFT
DPMO
Defect
Unit
Defect
DPO
(Unit opportunity )
YRT
DPU
DPMO DPO 10
YNorm
YRT e dpu
YRT YFT 1 YFT 2 YFT 3 ....YFT n
ZLT
YNorm YNA (YRT )

Sigma-level
ZST
YNorm YNA (YRT )
1
Opportunity
1
Pr ocess
Zst = Zlt + 1.5

24
Defects & Opportunities
DPU =
Unit
Defects
DPO =
(Unit*Opportunity)
Defects
Unit
Opportunity
Defect
Apa yang dimaksud dengan DPU ?

Apa yang dmaksud dengan DPMO ?
25
DPMO
Suatu Opportunities (kesempatan) dipilih karena :
Critical To Quality (CTQ) dan Kemauan konsumen adanya Cost Of Failure
(COF)
DPMO adalah jumlah defect yang terjadi dalam satu juta kesempatan, atau
defect per sejuta kesempatan
DPMO =
Defects
PO
D
=
X 1,000,000
(Unit*Opportunities)
Pertanyaan : Apakah PPM sama dengan DPMO?

Jawaban
: benar ! PPM sama dengan DPMO sebab kesempatan
(opportunities) sama dengan jumlah unit yang diproses
atau diproduksi.
26
Contoh : Membandingkan Proses manakah yang lebih baik?

Process (A)
Process (B)
Process (A)
Process (B)
Unit number
Total Opportunity No.
Total Defect No.
DPU
DPO
DPMO
27
Contoh : Cara mengitung sigma level untuk process discrete dengan menggunakan
DPU,DPO,DPMO?
Jika terdapat 34 buah defect dari 750 unit, Hitunglah sigma level melalui
DPU/DPO/Yield/DPMO.
Diketahui bahwa terdapat 10 buah opportunity per unit.
Penyelesaian
Tabel Z
1. DPU = Banyaknya defect di bagi dengan banyaknya unit ,

DPU = ( 34 ) ( 750 ) = ( 0.045 ) .
2. DPO = Banyaknya defect di bagi dengan (Banyaknya unit opportunity) ,
DPO = ( 34 ) ( 750 10 ) = ( 0.0045 )
P(defect) = 1 YNA
= 1 0.996 = 0.0045
= 4.5 x 10-3
Zlt = 2.61
3. Yield Value Zero Defect (r = 0), Poision Distribution is YRT= e (-dpu)
atau
MINITAB
YRT = 2.7183 -0.045 = ( 0.956 ) = 95.6%
Zlt
YNA = (YRT)1/Opp = (0.956)1/10 = 0.9955
Calc + Probability Dist + Normal
4. DPMO = DPO 1,000,000,

DPMO = ( 0.0045 ) 1,000,000 = 4,500 PPM
5. Sigma Level (Zst) = Zlt + 1.5 shift = 2.61 + 1.5 = 4.11
Nilai YNA
Inverse Cumulative Distribution Function

Normal with mean = 0 and standard deviation = 1
P( X <= x )
x
0.995510 2.61284
28
Hasil MiNITAB
Model Yield
YRT (Rolled Throughput Yield)
First Time Yield (YFT)
Receive from Supplier
Hasil Akhir dari proses yield

Tidak termasuk internal rework loops
Kemungkinan zero defect diukur dari akhir
proses
Rolled Throughput Yield (YRT)
Total proses yield
Termasuk internal rework loops
Kemungkinan menghasilkan zero defects
95.5% Yield
45,000
ppm
waste
97% Yield
28,650
ppm
waste
94.4% Yield
51,87
6 ppm
waste
dari keseluruhan proses

Normalized Yield (YNA)
Rata-rata yield dari proses yang berurutan atau
process steps
29
125,526 parts per million

wasted opportunities
Right
First
Time
YRT = 0.955*0.97*0.94.4 = 87.4%
Contoh :
Hitunglah nilai-nilai YRT, YF dan YNA !
Dengan menggunakan Minitab, berapakah sigma level proses tersebut ?
CTQ
INPUT
S1
S2
CTQ
S3
S4
CTQ
S5
S6
CTQ
S7
S8
test
YIELD
275
300
Scrap
20
Rework
Scrap
Defects - Tuning &
48
Cleaning
25
YFT (S2) = 280/300 = 0.93

YFT (S5) = 232/280 = 0.83
Zlt
MINITAB
YFT (S7) = 255/280 = 0.91

YFT (test) = 275/280 = 0.98
YRT = 0.93 * 0.83 * 0.91 * 0.98 = 0.688
YF = YIELD / INPUT = 275/300 = 0.917

P( X <= x )
0.9107
x = Zlt
1.34508
Nilai YNA
YNA = (YRT)1/4 = 0.9107

Sigma Level (Zst) = 1.34508 + 1.5 = 2.85
30
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
Process 2
Process 3
YFT1 = 80%
YFT2 = 70%
YFT3 = 90%
Output
YRT ?
Zlt
YRT = YFT1x YFT2 x YFT3

YRT = 0.8 x 0.7x 0.9 = 0.504 = 50.4%
YNA ?
YNA =
3
3
YNA =
YFT 1 YFT 2 YFT 3

YRT 3 0.504 0.965
MINITAB

P( X <= x )
0.965
x
1.81191
Nilai YNA
Sigma Level (Zst) = 1.812 + 1.5 = 3.31

31
Contoh Kasus (Tahap Measurement)

Melanjutkan kasus pada tahap DEFINE, langkah selanjutnya adalah meneruskan ke
Tahap MEASUREMENT :
Dari hasil survey diperoleh data mengenai ratarata lama waktu terbang beberapa kompetitor.
Akan dilakukan Validasi Measurement System

melalui Gage R&R.
Dengan operator 2 orang, part 10 Unit pesawat
mainan, dan alat stop watch.
Dari hasil pengambilan data diperoleh :
Y = Lama Waktu Terbang (menit)

Spec : > 1.65 Menit
Alat ukur : Stop Watch
Note : Spec diambil 1.65 menit supaya bisa
mengalahkan kompetitor dipasaran
32
Hasil Perhitungan Gage R&R

Gage R&R (ANOVA) for Y
Gage R&R Study - ANOVA Method

Two-Way ANOVA Table With Interaction
Part
SS
0.21814
MS
0.0242378
Components of Variation
156.935 0.000
0.00016
0.0001600
1.036
0.335
Part * Opr
0.00139
0.0001544
6.178
0.000
Repeatability 20
0.00050
0.0000250
Total
0.22019
% Contribution
%StudyVar
50
Opr
1.3
Gage R&R
Repeat
Reprod
Part-to-Part
Sample Range
0.016
Y by Opr
0.008
0.000
_
R=0.005
1.4
LCL=0
1.3
2
Opr
Sample Mean
Opr * Part I nteraction
Opr
1.5
_
UCL=1.4639
X=1.4545
LCL=1.4451
1.4
1.5
1
2
1.4
1.3
5
6
Part
VarComp
(of VarComp)
Total Gage R&R
0.0000900
1.47
Source
StdDev (SD)
(6 * SD)
(%SV)
Repeatability
0.0000250
0.41
Total Gage R&R
0.0094868
0.056921
12.14
Reproducibility
0.0000650
1.06
Repeatability
0.0050000
0.030000
6.40
Opr
0.0000003
0.00
Reproducibility
0.0080623
0.048374
10.31
Opr*Part
0.0000647
1.06
Opr
0.0005270
0.003162
0.67
Part-To-Part
0.0060208
98.53
Opr*Part
0.0080450
0.048270
10.29
Part-To-Part
0.0775940
0.465564
99.26
Total Variation
0.0061108
Total Variation
0.0781718
0.469031
100.00
>4
10
Study Var %Study Var
Source
10
UCL=0.01634
1.3
100.00
1.5
%Contribution
5
Part
R Chart by Opr
Xbar Chart by Opr
Gage R&R
33
1.5
1.4
39
Y by Part
100
Average
DF
Percent
Source
Reported by:
Tolerance:
Misc:
Gage name:
Date of study:
< 20%
Measurement System Acceptable.

Hasil Perhitungan Capability Analysis
Data Lama Waktu Terbang (Menit)
Process Capability of Data

LSL
Within
Overall
Process Data
LSL
1.65000
Target
*
USL
*
Sample Mean
1.52933
SampleN
30
StDev(Within)
0.20361
StDev(Overall) 0.19549
Potential (Within) Capability

Z.Bench -0.59
Z.LSL
-0.59
Z.USL
*
Cpk
-0.20
CCpk
-0.20
Overall Capability
Z.Bench
Z.LSL
Z.USL
Ppk
Cpm
Normality Test
1.2
H0 : Data mengikuti distribusi normal
Observed Performance
PPM<LSL 700000.00
PPM>USL
*
PPMTotal
700000.00
H1 : Data tidak mengikuti distribusi normal
1.4
Exp. Within Performance

PPM<LSL 723285.71
PPM>USL
*
PPMTotal
723285.71
1.6
1.8
-0.62
-0.62
*
-0.21
*
2.0
Exp. Overall Performance

PPM<LSL 731460.87
PPM>USL
*
PPMTotal
731460.87
Zlt.Bench = -0.62
Probability Plot of Data

Normal
Process Capability of Data
99
Mean
StDev
N
AD
P-Value
95
90
1.529
0.1938
30
0.421
0.303
Percent
80
70
60
50
40
30
LSL
Within
Overall
Process Data
LSL
1.65000
Target
*
USL
*
Sample Mean
1.70000
SampleN
30
StDev(Within)
0.20361
StDev(Overall) 0.19549
Potential (Within) Capability

Z.Bench 0.25
Z.LSL
0.25
Z.USL
*
Cpk
0.08
CCpk
0.08
Overall Capability
Z.Bench
Z.LSL
Z.USL
Ppk
Cpm
20
10
0.26
0.26
*
0.09
*
1.2
1.0
1.2
1.4
1.6
1.8
2.0
Data
Karena P-Value (0.305) > 0.05, maka :

H0 diterima atau
Dengan derajat kepercayaan 95% data mengikuti distribusi
normal
34
O bserved Performance
PPM<LSL 700000.00
PPM>USL
*
PPMTotal
700000.00
1.4
Exp. Within Performance

PPM<LSL 403008.52
PPM>USL
*
PPMTotal
403008.52
1.6
1.8
2.0
Zst.Bench = 0.25
Exp. Overall Performance

PPM<LSL 399067.59
PPM>USL
*
PPMTotal
399067.59
Sigma Level Kondisi saat ini = 0.25

Arahan Improvement
Berdasarkan perhitungan capability analysis maka

nilai Zbench yang diperoleh dapat dipetakan ke
dalam :
4 Block Diagram
Control
Poor
Z shift
1.5
Lebih fokus untuk memperbaiki

Technology
0.87
Improvement Direction
Target Setting
1,51
Good
0.25
Poor
()
(Minutes)
Poor Technology
Good Control
4.5
Technology
1,7
0.25
ZST
Good
Current
Target
Current
Target
Zshift = ZBench.St ZBench.Lt

= 0.25 (-0.62) = 0.87
35
Aktivitas utama dalam tahap MEASUREMENT

adalah klarifikasi Y, data collecting, process
capability actual, dan penentuan arah
improvement.
Langkah selanjutnya adalah menentukan faktorfaktor (X) apa saja yang menjadi Vital Factor
yang mempengaruhi Y pada tahap ANALYSIS
36

Measurement (Six Sigma Materi)

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Measurement (Six Sigma Materi)

Hochgeladen von

Copyright:

Verfügbare Formate

M

Step 4. Setup Rencana Pengumpulan Data

Step 5. Memeriksa kondisi saat ini

- Mengetahui kapabilitas proses saat ini

Fast Execution toward Zero Defect

Step 4. Setup Rencana Pengumpulan Data

Secara umum tipe data terbagi menjadi 2 :

Step 4. Setup Rencana Pengumpulan Data

Pegumpulan Data Project Y

Definisi Rational Subgroup

Step 4. Setup Rencana Pengumpulan Data

Pemeriksaan Measurement System

Measurement system adalah

Step 4. Setup Rencana Pengumpulan Data

Pemeriksaan Measurement System

Item yang diperiksa

Gage Assessment & Adjustment

Bias dari keseluruhan Spec. Limit atau Gage Range

variation at measuring repeatedly

Step 4. Setup Rencana Pengumpulan Data

Pemeriksaan Measurement System

Apakah anda percaya terhadap hasil Pengukuran ?

Step 4. Setup Rencana Pengumpulan Data

Gage R&R Studies

Tujuan Gage R&R Study

Observed process variation

Total variation of measurement = process variation + variation of measurement system

Gage R&R Study Method

Step 4. Setup Rencana Pengumpulan Data

- Pengontrolan kondisi adalah

- Pengukuran unit yang sama

- Gage R&R Studies adalah

Gage R&R Studies

Gage R&R Studies

(Contoh) Destroy inspection,

Step 4. Setup Rencana Pengumpulan Data

Gage R&R Studies

Kriteria penerimaan Gage R&R

Resolusi measurement equipment

Step 4. Setup Rencana Pengumpulan Data

Gage R&R Studies

Panduan Gage R&R :

Step 4. Setup Rencana Pengumpulan Data

Gage R&R Studies Manual calculation

Total Gage R&R

Number of Distinct Categories = 4

Total Gage R&R

%Contribution %Study Var

Number of Distinct Categories = 4

Sigma = StdDev = SQRT(VarComp)

Gage R&R Studies - Contoh

Part Spec : 10 + 0.8

Gage R&R Studies - Contoh

Gage R&R Studies - Contoh

Gage R&R Studies - Contoh

% Tolerance < 20%

Sistem Pengukuran Dapat diterima !!

Step 5. Memeriksa Kondisi Saat ini

Short & Long Term

Step 5. Memeriksa Kondisi Saat ini

Short & Long Term Capability

Untuk Short Term pada proses six sigma,

Short Term Capability

YRT = 0.9550.970.94.4 = 87.4%