Sasaran Pelatihan
Setelah mengikuti pelatihan ini, diharapkan
peserta:
Memahami konsep Quality Control
Memahami teknik statistik dasar 7 QC tools
Mampu mengidentifikasi teknik statistik 7QC tools yang sesuai untuk menganalisadata di perusahaan dan melakukanimprovement
Definition
Fitness for use .... (J. M. Juran)
Conformance to CustomerRequirements …. (P. Crosby)
Meeting Customer Expectations …. (A.V. Feigenbaum)
Customer Satisfaction …. (K. Ishikawa)
Quality …. menurut Customer!!
Definition:Definition:
Quality Control adalah proses inspeksikeseluruhan proses untuk menjaminstabilitas dan mencegah penyimpangandengan cara mengevaluasi kinerja danmembandingkan dengan sasarannya sertamengambil tindakan jika terjadipenyimpanganQuality Control adalah proses inspeksikeseluruhan proses untuk menjaminstabilitas dan mencegah penyimpangandengan cara mengevaluasi kinerja danmembandingkan dengan sasarannya sertamengambil tindakan jika terjadipenyimpangan
Quality Control is universal managerial process for conducting so as to provide stabilityto prevent adverse change and to change and to ‘maintain the status quo’, byevaluating actual performance, compare actual performance to goals, and takeaction on the difference (Juran)Quality Control is universal managerial process for conducting so as to provide stabilityto prevent adverse change and to change and to ‘maintain the status quo’, byevaluating actual performance, compare actual performance to goals, and takeaction on the difference (Juran)
1.Stratifikasi
2.Lembar Data
3.Grafik
4.Diagram Pareto
5.Histogram
6.Diagram Ishikawa
7.Diagram Tebar
Definisi:
Adalah mengelompokkan/ menggolongkan/menstratifikasikan data berdasarkan faktortertentu untuk analisa yang lebih rinci
Contoh: Faktor Stratifikasi Umum
Mengelompokkan data berdasarkan ….
1.Siapa: Departemen, individu, jenis pelanggan
2.Apa: Jenis komplain, kategori cacat, alasan menelepon
3.Kapan: bulanan, triwulan, hari, waktu
4.Dimana: bagian, kota, lokasi spesifik dari produk (sudutkanan atas, tombol on/off, dsb)
Kesimpulan:
Mesin dari line C yang menghasilkan unit ditolak terbesar (75 unit)
EXAMPLE : STRATIFICATIONEXAMPLE : STRATIFICATION
Reviewing the two figures above, what is your Conclusion?
WITHOUT STRATIFICATION
WITH STRATIFICATION
Double click on sound button
with mad cow disease
Normal
Agriculture Dept. Announcement)
How to identify a mad cow disease
Manfaat:
Untuk mengumpulkan informasi mengenaipola dan penyebab masalah
TV-A
TV-A
TV-B
TV-B
TV-C
TV-C
Sub Woofer
Sub Woofer
Sub Woofer
Sub Woofer
Sebuah perusahan TV merek SONYA mempunyai 4 buah pabrik. Setiap pabrik memiliki 4line produksi dengan kapasitas produksi 1000 unit per hari, memproduksi tiada henti 3jenis design TV dan berbagai ukuran TV dari kecil s/d besar, dengan jumlah pekerja 3000karyawan. Beberapa Mitra kerja (Supplier) ikut berperan dalam supplai material.
Suatu ketika, di bulan November 1994, ada 2400 customer complain tentang gambarnyayang berbintik-bintik. Dan terpaksa semua TV berbagai Inch ditarik dari pasaran.
Kira-kira bagaimana anda mengamati? Apa potensi data yang bisa di Stratifikasi?
Diskusikan dengan tim anda.
Pada tahun 1998, Salah satu grup Mustika Ratu bagian Perkebunan Teh,yg daerah kebunnya seluas 20 ribu Ha pada berbagai tempat,menghadapi masalah serius. Produksi teh, turun drastis pada posisi20% dari target 80%. Dipastikan jika masalah ini berlanjut, 4200karyawan akan ter PHK.
Laporan dari pihak R&D, ini di akibatkan oleh serangan hama penyakit.Sehingga banyak tanaman teh daunya mengering.
Mustika Ratu, dikenal memiliki berbagai Varietas tanaman the, danmenggunakan banyak Mitra kerja. Pemeliharaan, pengendalian hama.Dsb. Telah dilakukan.
Mengapa masalah ini terjadi?
Pihak Mustika Ratu akan mencari data-data detail masalah:
Berikan saran anda, apa yg harus dilakukan oleh mustika ratu? Potensidata apa saja yg harus diambil?
Definisi:
Lembar (formulir) yang dirancang untukmengumpulkan data
Manfaat:
1.Membantu dan mempermudah prosespengumpulan data
2.Menstandarisir cara pengumpulan data
3.Mencatat suatu kejadian
4.Mengetahui adanya permasalahan
CARA PEMBUATAN:
Gunakan Pedoman pengumpulan Data (5W+1H):
a. What: Item-item yang akan dikumpulkan datanya. Gunakan teknikstratifikasi
Contoh: Jenis defect : black spots,, goresan, bolong, gelombang, jalur putih
b. Where: Tetapkan lokasi (scope) pengumpulan data.
Contoh: semua Departemen
c. Who: Nama seseorang yang mengumpulkan data
d. When: Tetapkan periode pengumpulan Data,
Contoh: Jan & Feb 06
e. Why : Tetapkan Tujuan Pengumpulan Data, dan tulis dalam kalimatpernyataan sebagai Judul Lembar Data.
Contoh: Data Kecelakaan kerja.
f. How much & How collect data: Tetapkan berapa banyak & bagaimanacara mengumpulkan data. Banyak data dan frekwensi pengambilandata harus disesuaikan dengan kondisi proses
Misal: - setiap box diambil 5 dan diukur, atau
- setiap roll turun dicatat ukurannya, atau
- cairan diambil 1 cc setiap jam dan diukur
1.Select what to Measure
2.Develop Operational Definitions
3.Identify Data Sources
4.Prepare a data Collection and Sampling Plan
5.Implement and Refine the data collectionprocess
Criteria for selecting measures/ parameter data:
•Value / usefulness
Link to high priority customer requirements
Accuracy of the data
Areas of concern or potential opportunity
Can be benchmarked to other organizations
Can be helpful ongoing measure
•Feasibility
Availability of data
Lead time required
Cost of getting the data
Complexity
Likely resistance to “fear factor” associated with a particular type ofmeasure
STEPS
1.Identify a customer related defect in a key output, and write it abovethe designated line on the chart (Use SIPOC diagram as a startingpoint) – Lampiran 1
2.Brainstorm a list of questions that relate to that defect, and writethem on the left side of the tree
1.What patterns do you suspect you might find?
2.What factors do you think might influence the type or amount of thatdefect?
3.Identify stratification factors that will help you answer the questionsabout the output. Write this on the branches to the right of output
4.Identify specific types of data you could collect that would answer thequestion of how the stratification factor did or did not affect the output
STEPS
5.When the diagram is complete, review each of the metrics and ratethem as follows:
1.Y : metric potentially help to predict the output
2.Y : data exist to support this metric
6.Use this analysis to decide which of the metrics will be most usefulfor your project
What are selected measures ?
Select your project measurements using Measurement Assessment Tree
Operational definitions : a clear, understandable description of what’s to
be observed and measured, such that different people taking or
interpreting the data will do so consistently
Elements of an operational DEFINITION
1.What you are trying to measure
•Number of surface defects on the rear panel
2.What the measure isn’t
•Does “surface defects” include smears or only scratches and dents?
3.Basic Definition of the measure
•Surface defect = any dent or scratch visible from a distance of 3 feet undernormal light
4.How to take the measurement (procedures)
•…………………..
3. Identify Data Sources
•Historical data
•New data
4.Prepare a data Collection and sampling Plan
•Identify or confirm the stratification factors
•Develop a sampling scheme
Random sampling
Stratified sampling : ex. dividing 1000 customer into four groups: large, medium small,and infrequent buyers
Systematic sampling ; ex. every half hour or every 20th item)
•Create data collection form
Keep it simple
Label it well
Include space for date , time, and collector’s name
Organize the data collection form and compiling sheet
Include key factors to stratify the data
5. Implement and Refine the data Collection Process
•Review and finalize your data collection plans
•Prepare the workplace
•Test your data collection procedures
•Collect the data
•Monitor accuracy and refine procedures as appropriate
DEFINISI:
Grafik Balok adalah grafik dalam bentukbalok yang menunjukkan perbandingankuantitas/jumlah dari dua atau lebihfaktor/item dalam periode tertentu
MANFAAT:
Membandingkan dua atau lebih faktorpada periode tertentu
Problem Tile di FT 1 Januari 2001
Kesimpulan: Problem Tile terbesar pada Januari 2001 adalah Pinhole (39 pcs)
DEFINISI:
Grafik Garis adalah grafik dalam bentuk garisyang menunjukkan pergerakan hasilpengukuran suatu parameter dalam periodetertentu
Contoh Parameter: Suhu, kelembaban, jumlahcacat
MANFAAT:
Memonitor kecenderungan perubahan hasilpengukuran pengamatan dalam periodetertentu
Kerusakan mesin Jan – Jul ‘02
Cacat chipping 2001
Kesimpulan: Mesin A mengalamikerusakan lebih sering dari mesin B
Kesimpulan: Cacat chipping tahun2001 cenderung mengalamipenurunan
DEFINISI:
Suatu grafik lingkaran yang menggambarkanproporsi dua atau lebih data kategoridengan pengukuran yang sama padaperiode waktu tertentu
Contoh: kg, Newton, Rp, Unit
MANFAAT:
Berguna untuk menunjukkan proporsi darisetiap kategori data relatif terhadapkeseluruhan data
Problem Tile di FT 1 – Januari 2001
Kesimpulan: Problem Tile terbesar pada Januari 2001 adalah Pinhole (24% = 39/156)
DEFINISI:
Control Chart adalah suatu grafik garisyang yang mencantumkan garis-gariskontrol (control limit) sebagai dasarpengendalian proses (untukmenunjukkan proses dalam keadaanterkontrol atau tidak)
UCL & LCL ditentukan oleh variasi proses itu sendiri dan tidak adahubungannya dengan batas spec yang ditentukan customer
MANFAAT:
Control Chart ini digunakan untuk memonitor variasihasil pengukuran parameter proses
Apakah prosesnya normal atau menunjukkan trend?
Mengidentifikasi penyimpangan dini dan mengambiltindakan sebelum proses out of control
Dengan grafik garis saja, kita tidak bisa menyelidiki apakah sebuah titikabnorma atau tidak. Jika standar pengontrolan tidak jelas dapat timbulOver Control atau Under Control
Over Control: pengontrolan terlalu ketat, bisa menurunkan efisiensi
Under Control: pengontrolan terlalu longgar, sehingga bisa menurunkanmutu
Process in Control: Titik-titik terdistribusisecara random di sekitar center line dansemua titik berada di dalam control limit
41
1. – R chart 2. - s chart
:
centre line = centre line =
UCL + UCL +
LCL - LCL -
R: S:
centre line = centre line =
UCL LCL
LCL LCL
42
3. X-MR chart
X
centre line = / m
UCL + 3 / = + 2.66
LCL -3 / = -2.66
MR:
centre line =
UCL = 3.267
LCL
note:
MR is defined as follows:
= underfined
=
=
.......
=
43
SUB
GROUP
SIZE
Chart for Averages
Chart for standart Deviations
Chart for ranges
Factor for
control limits
Factor for Factor for
central line control limit
Factor for Factor for
central line control limit
A A2 A3
C4 1/(C4) B3 B4 B5 B6
d2 1/(d2) d3 D1 D2 D3 D4
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
2.121 1.88 2.659
1.732 1.023 1.954
1.5 0.729 1.628
1.312 0.577 1.427
1.225 0.483 1.287
1.134 0.419 1.182
1.061 0.373 1.099
1 0.337 1.032
0.949 0.308 0.975
0.905 0.285 0.927
0.866 0.266 0.888
0.832 0.249 0.85
0.802 0.205 0.817
0.775 0.223 0.789
0.75 0.212 0.763
0.728 0.203 0.739
0.707 0.194 0.718
0.688 0.187 0.698
0.671 0.18 0.68
0.655 0.173 0.663
0.54 0.167 0.647
0.626 0.162 0.633
0.612 0.157 0.619
0.6 0.153 0.606
0.7979 1.2533 0 3.267 0 2.606
0.8862 1.1284 0 2.568 0 2.276
0.9213 1.0854 0 2.266 0 2.088
0.94 1.0638 0 2.089 0 1.964
0.9515 1.051 0.03 1.97 0.029 1.874
0.9594 1.0423 0.118 1.882 0.113 1.806
0.965 1.0863 0.185 1.815 0.179 1.751
0.9693 1.0317 0.239 1.761 0.237 1.707
0.9727 1.0281 0.284 1.716 0.276 1.669
0.9754 1.0252 0.321 1.679 0.313 1.637
0.9776 1.0229 0.354 1.616 0.346 1.61
0.9794 1.021 0.382 1.618 0.374 1.585
0.981 1.0194 0.406 1.594 0.399 1.563
0.9823 1.018 0.428 1.572 0.421 1.544
0.9835 1.0168 0.448 1.552 0.44 1.526
0.9815 1.0157 0.466 10534 0.458 1.511
0.9854 1.0148 0.482 1.518 0.475 1.496
0.9862 1.014 0.497 1.503 0.49 1.483
0.9869 1.0133 0.51 1.49 0.504 1.47
0.9876 1.0126 0.523 1.477 0.516 1.459
0.9822 1.0119 0.534 1.466 0.528 1.448
0.9887 1.0119 0.515 1.455 0.539 1.138
0.9892 1.0109 0.555 1.455 0.549 1.29
0.9896 1.0105 0.565 1.435 0.559 1.12
1.128 0.8865 0.853 0 3.686 0 3.267
1.693 0.5907 0.888 0 4.358 0 2.574
2.059 0.4857 0.88 0 4.698 0 2.282
2.326 0.4299 0.864 0 4.918 0 2.144
2.534 0.3946 0.818 0 5.078 0 2.004
2.704 0.3698 0.833 0.204 5.204 0.076 1.924
2.847 0.3517 0.82 0.388 5.306 0.136 1.861
2.97 0.3367 0.808 0.547 5.393 0.104 1.816
3.078 0.3249 0.797 0.687 5.469 0.223 1.777
3.173 0.3152 0.787 0.811 5.535 0.256 1.744
3.258 0.3069 0.778 0.922 5.594 0.283 1.717
3.336 0.2998 0.777 1.025 5.647 0.307 1.693
3.407 0.2935 0.763 1.118 5.696 0.328 1.672
3.472 0.288 0.756 1.203 5.741 0.347 1.653
3.572 0.2831 0.75 1.282 5.782 0.363 1.637
3.588 0.2787 0.744 1.356 5.82 0.378 1.622
3.64 0.2747 0.739 1.424 5.856 0.391 1.608
3.689 0.2711 0.734 1.487 5.891 0.403 1.597
3.735 0.2677 0.729 1.549 5.921 0.415 1.585
3.778 0.2647 0.724 1.605 5.951 0.425 1.575
3.819 0.2618 0.72 1.659 5.979 0.434 1.566
3.858 0.2592 0.716 1.171 6.006 0.443 1.557
3.895 0.2567 0.712 1.759 6.031 0.451 1.548
3.931 0.2544 0.708 1.806 6.056 0.459 1.541
Target Setting
Before Vs Target
Before Vs Target
Januari
Januari
Februari
Februari
Lebar garis control before = 44.14-28.00 = 16.14
Lebar garis control after = 40.46-31.47 = 8.99
% Improvement = (16.14-8.99)/16.14 = 44.3%
Lebar garis control before = 44.14-28.00 = 16.14
Lebar garis control after = 40.46-31.47 = 8.99
% Improvement = (16.14-8.99)/16.14 = 44.3%
DEFINISI:
Diagram Pareto adalah sebuah grafik balok berbentuk vertikalyang mengurutkan hasil pengukuran dari yang tertinggi keyang terendah
Diagram Pareto merupakan salah satu bentuk Bar Chart,dimana setiap balok dapat mencerminkan suatu hasilperhitungan kategori, suatu fungsi (rumus) dari kategori(seperti rata-rata, jumlah, atau standar deviasi) ataujumlahan nilai dari suatu tabel
Pada umumnya digunakan untuk menunjukkan masalahyang disusun dari prioritas tertinggi ke yang terendah untukmenentukan masalah yang harus ditangani terlebih dahulu
Pertama kali ditemukan oleh Vilfredo Pareto, ahli ekonomiItalia
MANFAAT:
Merupakan pedoman memilih peluangperbaikan berdasarkan prinsip “VitalFew” dari “Trivial Many”.
Memfokuskan sumber daya pada area/defect/ penyebab yang menghasilkankeuntungan yang terbesar
Membandingkan frekuensi dan/ataudampak dari berbagai penyebabmasalah
Kesimpulan: Defect paling besar di FT 1 pada 1-7 Juli2001 adalah Chipping (40 pcs = 37.38%)
Cum
100%
10
5
3
2
0
5
10
15
20
Data sebelum implementasi
Week 001-002
5
3
2
1
0
5
10
15
20
Cum
100%
Data setelah implementasi Week 005-006
Daun me-nguning
Tnm Ber -Penyakit
Tnm Tumbang
Tnm Kerdil
Daun me-nguning
Tnm Ber -Penyakit
Tnm Tumbang
Tnm Kerdil
Kesimpulan?
Berapa persen improvemen yang dicapai?
Kesimpulan?
Berapa persen improvemen yang dicapai?
Team sebaiknya fokus untukmenyelesaikan ketigacomplaint terbesar
C, B dan A
Yang mempunyaicumulative masalahsebesar 77.1%
Team sebaiknya fokus untukmenyelesaikan ketigacomplaint terbesar
C, B dan A
Yang mempunyaicumulative masalahsebesar 77.1%
Pada proyek pertama, team fokus hanya pada satu object.
Hasilnya, tidak hanya satu object saja yang berpengaruh, semua ikutterpengaruh.
Pada proyek pertama, team fokus hanya pada satu object.
Hasilnya, tidak hanya satu object saja yang berpengaruh, semua ikutterpengaruh.
DEFINISI:
Grafik Balok yang menggambarkan penyebarandata sebagai hasil dari satu macam pengukuran,atas suatu kejadian atau proses
MANFAAT:
Berguna untuk menguji bentuk dan penyebaransample data:
Untuk melihat range dan distribusi dari datacontinuous (misalnya: berat barang yang dikirim,dollar yang dibelanjakan dalam setiap PO, dsb)
Untuk melihat variasi dan tingkat pemenuhanspesifikasi/persyaratan pelanggan (size, cycle time,suhu, dsb). Hanya berlaku untuk data continuoussaja
DATA FOR HISTOGRAM
CHECK SHEET FOR HISTOGRAM
(EMPLOYEE HEIGHT - WEIGHT (KG))
Number of data values = n = 100 k = sqrt (100) = 10
Range = max – min = 124 – 77 = 47
H = Range / k = 47 / 10 = 4,7
STEPS
Tentukan variabel data dari suatu hasil pengukuran. Misal :Waktu, Ukuran panjang, pendek lebar, Bobot, Kecepatan,Keasaman (PH).
Ambil data 50 - 250 points
Siapkan tabel frekuensi data
Hitung jumlah data = n
Tentukan range data, max – min = r
Tentukan interval/ jumlah balok, akar dari n = k
Tentukan jarak tiap interval , r/k = h
Bentuk tabel data berdasarkan nilai a – d
Masukkan data tabel ke dalam grafik
STEPS
Beri label di sumbu X dengan nilai dari tiap balok (dari balokpertama s/d balok ke k)
•Balok pertama : min + h
•Balok kedua : min + 2h
•…..
•kth Bar : min + (kxh)
Hitung jumlah data dari tiap balok
Sumbu vertikal (Y) menunjukkan jumlah data pada tiap balok
Sumbu horisontal (X) menunjukkan nilai data dari tiap balok
Analisa histogram, pelajari pola distribusi datanya.
Buatlah histogram denganmenggunakan flipchart terhadap tinggi-berat
Interpretasikan hasilnya
Normal
S
er
S
er
S
er
S
er
0
5
10
15
20
25
30
35
Normal Distribution (Symmetrical)
Anda bisa memberi tanda spesifikasi pelanggan pada histogram sehingga secara visualdapat diketahui seberapa baik kemampuan proses memenuhi (tidak memenuhi)persyaratan pelanggan.
Anda juga dapat memunculkan nilai rata-rata dan Standard deviasi/ sigma padahistogram ini sebagai angka yang mewakili proses
Normal Distribution (Symmetrical)
Anda bisa memberi tanda spesifikasi pelanggan pada histogram sehingga secara visualdapat diketahui seberapa baik kemampuan proses memenuhi (tidak memenuhi)persyaratan pelanggan.
Anda juga dapat memunculkan nilai rata-rata dan Standard deviasi/ sigma padahistogram ini sebagai angka yang mewakili proses
0
5
10
15
20
25
30
0
5
10
15
20
25
30
0
5
10
15
20
25
Skewed Distribution
Kelompok data mendekatisalah satu ekor histogram
Contoh: Waktu proses, cycletime, biaya
Analisa kondisi apa yangterjadi di area ekor yangmembedakan dengan arealainnya, jika kondisi tersebuttidak diinginkan lakukanperbaikan, eliminirkejadiannya, tetapi jikamerupakan kondisi yangdiinginkan makapertahankan dan dapatditerapkan di area lain.
Skewed Distribution
Kelompok data mendekatisalah satu ekor histogram
Contoh: Waktu proses, cycletime, biaya
Analisa kondisi apa yangterjadi di area ekor yangmembedakan dengan arealainnya, jika kondisi tersebuttidak diinginkan lakukanperbaikan, eliminirkejadiannya, tetapi jikamerupakan kondisi yangdiinginkan makapertahankan dan dapatditerapkan di area lain.
Evenly distributed data values
Jarang sekali terjadi
Model ini muncul di pabrik bilasebuah gauge atau toolspengukuran sudah tidak lagi sensitifdalam mendeteksi perbedaanantara unit (seperti sebuahpenggaris yang seluruhnya hanyamemiliki tanda inci)
Evenly distributed data values
Jarang sekali terjadi
Model ini muncul di pabrik bilasebuah gauge atau toolspengukuran sudah tidak lagi sensitifdalam mendeteksi perbedaanantara unit (seperti sebuahpenggaris yang seluruhnya hanyamemiliki tanda inci)
Bimodal distribution
Data memiliki dua puncak
Pola ini muncul bila sesuatuyang anda perkirakan sebagaisebuah proses ternyata adalahdua proses
Jika anda melakukan stratifikasi,
Anda bisa mengidentifikasisumber data dari setiap puncak
Bimodal distribution
Data memiliki dua puncak
Pola ini muncul bila sesuatuyang anda perkirakan sebagaisebuah proses ternyata adalahdua proses
Jika anda melakukan stratifikasi,
Anda bisa mengidentifikasisumber data dari setiap puncak
KASUS:
Anda bekerja di pabrik shampoo daningin memastikan bahwa tutup botoldikencangkan secara baik. Jikaterlalu longgar, maka adakemungkinan bocor selamapengiriman.
Jika terlalu keras, maka akan sulituntuk dibuka pelanggan (terutamabila sedang mandi)
Anda mengumpulkan sampel secaraacak dari botol yang ada danmembuka tutup botol.
Buat histogram untuk mengevalusidata dan seberapa dekat datasample terhadap nilai target 18
Interpreting the results
Sebagian tutup dikencangkan dengan kekuatan torsi 13 dan 25. Hanya ada satu tutup yangsangat longgar, dengan kekuatan
kurang dari 11. nampak distribusi skewed/ miring kearah positif; yang menunjukkan beberapatutup terlalu kencang dari yang
seharusnya. Banyak tutup yang membutuhkan kekuatan lebih dari 24 untuk dibuka dan limatutup membutuhkan kekuatan lebih dari 33, sekitar dua kali lipat dari target.
Kesimpulan?
DEFINISI:
Suatu diagram yang terstruktur untuk mengidentifikasipenyebab dari masalah dan hubungan sebabakibat berdasarkan pengalaman dan keahliandari sekelompok orang dengan melakukanbrainstorming secara terstruktur
Juga dapat dilakukan untuk brainstorming cara-cara yang perlu dilakukan untuk mencapai suatutujuan
Diagram Sebab-Akibat ini dikembangkan tahun1943 oleh Prof Kaoru Ishikawa. Sehingga diagramini juga sering disebut diagram Ishikawa ataudiagram Tulang Ikan karena bentuknya miriptulang ikan
MANFAAT:
1.Mengidentifikasi sebab-sebab utamamasalah
2.Mengidentifikasi akar masalah
3.Mengidentifikasi beberapa alternatifcara penyelesaian masalah
Sebab dominan dari kebocoran di pre-heater adalah:
•Sering feeding stop
•Design tidak bagus
1.Pastikan semua orang memahami prosesnya dulumaka sebelum meeting/ brainstorming penyebab perludiulas flow chart proses atau SIPOC diagram proses.
2.Identifikasi siapa saja (Man) yang terlibat, metode, alatukur, mesin-mesin, pengaruh lingkungan, material.
3.Semua ide penyebab masalah ditulis
4.Hati-hati jebakan jawaban “WHY”
80% keberhasilan project anda ditentukan oleh fase ini.
Apa kemungkinan penyebab?
Dan, Bagaimana membuktikannya?
Selected Root cause is:
Employee medications requests ( the number of employee prescription requests by telephone to thepharmacy was causing a delay in medication delivery
Selected Root cause is:
Employee medications requests ( the number of employee prescription requests by telephone to thepharmacy was causing a delay in medication delivery
Identify the root cause of your identified problem from your previous analysisusing Cause & effect Diagram
DEFINISI:
Diagram yang menggambarkan hubungan (korelasi)antara dua variabel (faktor)
MANFAAT:
Menyajikan data untuk mengkonfirmasikanhipotesa apakah dua variabel (faktor) salingberhubungan/berkorelasi
Mengetahui seberapa erat hubungan antara duafaktor tersebut
Sebagai tools untuk memverifikasi akar penyebabyang diperoleh dari analisa sebab dan akibat
CONTOH KORELASI:
Antara jumlah kunjungan ke pelanggan dengan hasilpenjualan
Antara keluhan pelanggan dengan pendapatan usaha
Antara lama kerja dengan prestasi kerja
Antara jumlah salesman dengan dengan hasil penjualan
Antara waktu pelayanan dengan kepuasan pelanggan
Antara umur mesin dengan jumlah breakdown
Antara jumlah sampel yang diinspeksi dengan jumlah defect
Antara frekuensi perawatan dengan jumlahreject/breakdown
Antara tingkat inventory dengan jumlah produk kadaluarsa
Antara jumlah buku dengan kompetensi karyawan
Antara jam training dengan kecelakaan/kesalahan kerja
Kesimpulan: karena nilai “r” = 0.735 mendekati 1, makabisa disimpulkan ada korelasi yang cukup kuat antaravariabel X dan variabel Y (peningkatan kunjunganmempengaruhi peningkatan penjualan)
SCATTERDIAGRAM SANGATDIPERLUKANDALAM
PEMBUKTIANAKAR PENYEBABMASALAH
Tinggi
Berat Badan
Nomor Sepatu
Nomor Celana Jeans
Jumlah (Gelas) AirDiminum/ hari
