MASTERING 7 QC TOOLS FOR IMPROVEMENT

1
MASTERING 7 QC TOOLS FOR IMPROVEMENT

• TRAINING TOTAL QUALITY MANAGEMENT SCOPE

2
SASARAN

• Sasaran Pelatihan
• Setelah mengikuti pelatihan ini, diharapkan
• peserta
• Memahami konsep Quality Control
• Memahami teknik statistik dasar 7 QC tools
• Mampu mengidentifikasi teknik statistik 7 QC
  tools yang sesuai untuk menganalisa data di
  perusahaan dan melakukan improvement

3
Quality

• Definition
• Fitness for use .... (J. M. Juran)
• Conformance to Customer Requirements . (P.
  Crosby)
• Meeting Customer Expectations . (A. V.
  Feigenbaum)
• Customer Satisfaction . (K. Ishikawa)

Quality . menurut Customer!!
4
Quality Control
5
Quality Control

• Definition
• Quality Control adalah proses inspeksi
  keseluruhan proses untuk menjamin stabilitas dan
  mencegah penyimpangan dengan cara mengevaluasi
  kinerja dan membandingkan dengan sasarannya serta
  mengambil tindakan jika terjadi penyimpangan
• Quality Control is universal managerial process
  for conducting so as to provide stability to
  prevent adverse change and to change and to
  maintain the status quo, by evaluating actual
  performance, compare actual performance to goals,
  and take action on the difference (Juran)

6
7 QC TOOLS

1. Stratifikasi
2. Lembar Data
3. Grafik
4. Diagram Pareto
5. Histogram
6. Diagram Ishikawa
7. Diagram Tebar

7
1. STRATIFICATION
8
STRATIFIKASI

• Definisi
• Adalah mengelompokkan/ menggolongkan/
  menstratifikasikan data berdasarkan faktor
  tertentu 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
   (sudut kanan atas, tombol on/off, dsb)

9
STRATIFIKASI (ANALISIS DATA) Contoh

• Kesimpulan
• Mesin dari line C yang menghasilkan unit ditolak
  terbesar (75 unit)

10

• EXAMPLE STRATIFICATION

WITHOUT STRATIFICATION
WITH STRATIFICATION
Reviewing the two figures above, what is your
Conclusion?
11
Agriculture Dept. Announcement)
How to identify a mad cow disease
Normal
with mad cow disease
Double click on sound button
12
STRATIFIKASI

• Manfaat
• Untuk mengumpulkan informasi mengenai pola dan
  penyebab masalah

13
Kasus Perusahaan Televisi
Sub Woofer
Sub Woofer
TV-A
TV-B
TV-C
Sebuah perusahan TV merek SONYA mempunyai 4 buah
pabrik. Setiap pabrik memiliki 4 line produksi
dengan kapasitas produksi 1000 unit per hari,
memproduksi tiada henti 3 jenis design TV dan
berbagai ukuran TV dari kecil s/d besar, dengan
jumlah pekerja 3000 karyawan. Beberapa Mitra
kerja (Supplier) ikut berperan dalam supplai
material. Suatu ketika, di bulan November 1994,
ada 2400 customer complain tentang gambarnya yang
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.
14
Kasus Perkebunan Teh
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
posisi 20 dari target 80. Dipastikan jika
masalah ini berlanjut, 4200 karyawan akan ter
PHK. Laporan dari pihak RD, ini di akibatkan
oleh serangan hama penyakit. Sehingga banyak
tanaman teh daunya mengering. Mustika Ratu,
dikenal memiliki berbagai Varietas tanaman the,
dan menggunakan 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?
Potensi data apa saja yg harus diambil?
15
2. LEMBAR DATA/ CHECK SHEET
16
LEMBAR DATA

• Definisi
• Lembar (formulir) yang dirancang untuk
  mengumpulkan data

• Manfaat
• Membantu dan mempermudah proses pengumpulan data
• Menstandarisir cara pengumpulan data
• Mencatat suatu kejadian
• Mengetahui adanya permasalahan

17
LEMBAR DATA

• CARA PEMBUATAN
• Gunakan Pedoman pengumpulan Data (5W1H)
• a. What Item-item yang akan dikumpulkan
  datanya. Gunakan teknik stratifikasi
• 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 kalimat pernyataan sebagai Judul
  Lembar Data.
• Contoh Data Kecelakaan kerja.
• f. How much How collect data Tetapkan berapa
  banyak bagaimana cara mengumpulkan data. Banyak
  data dan frekwensi pengambilan data 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

18
LEMBAR DATACONTOH 1Tingkat kompetensi karyawan
bagian Maintenance per Tgl 1 Juni 2003
19
PERENCANAAN UNTUK PENGAMBILAN DATA(PERANAN
LEMBAR DATA DALAM DATA ANALISIS)

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 collection process

20
PLANNING FOR DATA COLLECTION1. Select what to
measure

• 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 of measure

21
PLANNING FOR DATA COLLECTION 1. Select what to
measure TOOL MEASUREMENT ASSESSMENT TREE

• STEPS
• Identify a customer related defect in a key
  output, and write it above the designated line on
  the chart (Use SIPOC diagram as a starting point)
  Lampiran 1
• Brainstorm a list of questions that relate to
  that defect, and write them on the left side of
  the tree
• What patterns do you suspect you might find?
• What factors do you think might influence the
  type or amount of that defect?
• Identify stratification factors that will help
  you answer the questions about the output. Write
  this on the branches to the right of output
• Identify specific types of data you could collect
  that would answer the question of how the
  stratification factor did or did not affect the
  output

22
PLANNING FOR DATA COLLECTION 1. Select what to
measure TOOL MEASUREMENT ASSESSMENT TREE

• STEPS
• When the diagram is complete, review each of the
  metrics and rate them as follows
• Y metric potentially help to predict the
  output
• Y data exist to support this metric
• Use this analysis to decide which of the metrics
  will be most useful for your project

23
PLANNING FOR DATA COLLECTION 1. Select what to
measure TOOL MEASUREMENT ASSESSMENT TREE
What are selected measures ?
24
EXERCISE SELECT WHAT TO MEASURE
Select your project measurements using
Measurement Assessment Tree
25
PLANNING FOR DATA COLLECTION2. Develop
Operational Definition

• Operational definitions a clear, understandable
  description of whats to
• be observed and measured, such that different
  people taking or
• interpreting the data will do so consistently
• Elements of an operational DEFINITION
• What you are trying to measure
• Number of surface defects on the rear panel
• What the measure isnt
• Does surface defects include smears or only
  scratches and dents?
• Basic Definition of the measure
• Surface defect any dent or scratch visible from
  a distance of 3 feet under normal light
• How to take the measurement (procedures)
• ..

26
PLANNING FOR DATA COLLECTION

• 3. Identify Data Sources
• Historical data
• New data
• 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 collectors
  name
• Organize the data collection form and compiling
  sheet
• Include key factors to stratify the data

27
PLANNING FOR DATA COLLECTION

• 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

28
3. GRAPH/ GRAFIK
29
GRAFIK BALOK

• DEFINISI
• Grafik Balok adalah grafik dalam bentuk balok
  yang menunjukkan perbandingan kuantitas/jumlah
  dari dua atau lebih faktor/item dalam periode
  tertentu
• MANFAAT
• Membandingkan dua atau lebih faktor pada periode
  tertentu

30
GRAFIK BALOKContoh

• Problem Tile di FT 1 Januari 2001

Kesimpulan Problem Tile terbesar pada Januari
2001 adalah Pinhole (39 pcs)
31
GRAFIK GARIS

• DEFINISI
• Grafik Garis adalah grafik dalam bentuk garis
  yang menunjukkan pergerakan hasil pengukuran
  suatu parameter dalam periode tertentu
• Contoh Parameter Suhu, kelembaban, jumlah cacat
• MANFAAT
• Memonitor kecenderungan perubahan hasil
  pengukuran pengamatan dalam periode tertentu

32
GRAFIK GARISCONTOH
Kerusakan mesin Jan Jul 02
Cacat chipping 2001
Kesimpulan Cacat chipping tahun 2001 cenderung
mengalami penurunan
Kesimpulan Mesin A mengalami kerusakan lebih
sering dari mesin B
33
GRAFIK LINGKARAN/PIE CHART

• DEFINISI
• Suatu grafik lingkaran yang menggambarkan
  proporsi dua atau lebih data kategori dengan
  pengukuran yang sama pada periode waktu tertentu
• Contoh kg, Newton, Rp, Unit
• MANFAAT
• Berguna untuk menunjukkan proporsi dari setiap
  kategori data relatif terhadap keseluruhan data

34
GRAFIK LINGKARAN/PIE CHARTCONTOH

• Problem Tile di FT 1 Januari 2001

Kesimpulan Problem Tile terbesar pada Januari
2001 adalah Pinhole (24 39/156)
35
CONTROL CHART

• DEFINISI
• Control Chart adalah suatu grafik garis yang yang
  mencantumkan garis-garis kontrol (control limit)
  sebagai dasar pengendalian proses (untuk
  menunjukkan proses dalam keadaan terkontrol atau
  tidak)

36
CONTOH CONTROL CHARTX Chart dan R Chart
UCL LCL ditentukan oleh variasi proses itu
sendiri dan tidak ada hubungannya dengan batas
spec yang ditentukan customer
37
CONTROL CHART

• MANFAAT
• Control Chart ini digunakan untuk memonitor
  variasi hasil pengukuran parameter proses
• Apakah prosesnya normal atau menunjukkan trend?
• Mengidentifikasi penyimpangan dini dan mengambil
  tindakan sebelum proses out of control

Dengan grafik garis saja, kita tidak bisa
menyelidiki apakah sebuah titik abnorma atau
tidak. Jika standar pengontrolan tidak jelas
dapat timbul Over Control atau Under Control Over
Control pengontrolan terlalu ketat, bisa
menurunkan efisiensi Under Control pengontrolan
terlalu longgar, sehingga bisa menurunkan mutu
38
JENIS-JENIS CONTROL CHART
39
(No Transcript)
40
PROCESS IN CONTROL

• Process in Control Titik-titik terdistribusi
  secara random di sekitar center line dan semua
  titik berada di dalam control limit

41
Formula Untuk variabel control chart(m no. of
subgroups)

• R chart
  2. - s chart
• 
  
• centre line
  centre line
• UCL
  UCL
  
• LCL -
  LCL -
• R
  S
• centre line
  centre line
  
• UCL
  LCL
• LCL
  LCL
  

42
Formula untuk variabel control chartparameters
(contd)

• 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
TABEL KONSTANTA
SUB GROUP SIZE Chart for Averages Chart for standart Deviations Chart for ranges
SUB GROUP SIZE Factor for control limits Factor for Factor for central line control limit Factor for Factor for central line control limit
SUB GROUP SIZE 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
44
Contoh Aplikasi Grafik

• Target Setting

Februari
Januari
Before Vs Target
45
Control chart perbandingan before Vs After
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
46
Contoh Run Chart perbandingan
47
4. Diagram Pareto
48
DIAGRAM PARETO

• DEFINISI
• Diagram Pareto adalah sebuah grafik balok
  berbentuk vertikal yang mengurutkan hasil
  pengukuran dari yang tertinggi ke yang terendah
• Diagram Pareto merupakan salah satu bentuk Bar
  Chart, dimana setiap balok dapat mencerminkan
  suatu hasil perhitungan kategori, suatu fungsi
  (rumus) dari kategori (seperti rata-rata, jumlah,
  atau standar deviasi) atau jumlahan nilai dari
  suatu tabel
• Pada umumnya digunakan untuk menunjukkan masalah
  yang disusun dari prioritas tertinggi ke yang
  terendah untuk menentukan masalah yang harus
  ditangani terlebih dahulu
• Pertama kali ditemukan oleh Vilfredo Pareto, ahli
  ekonomi Italia

49
DIAGRAM PARETO

• MANFAAT
• Merupakan pedoman memilih peluang perbaikan
  berdasarkan prinsip Vital Few dari Trivial
  Many.
• Memfokuskan sumber daya pada area/ defect/
  penyebab yang menghasilkan keuntungan yang
  terbesar
• Membandingkan frekuensi dan/atau dampak dari
  berbagai penyebab masalah

50
DIAGRAM PARETODefect Produksi FT 1 Periode
1-7 Juli 2001

• Kesimpulan Defect paling besar di FT 1 pada 1-7
  Juli 2001 adalah Chipping (40 pcs 37.38)

51
Pareto Perbandingan
Kesimpulan? Berapa persen improvemen yang
dicapai?
52
Contoh proposal teamdalam penentuan masalah yang
harus segera diselesaikan
Team sebaiknya fokus untuk menyelesaikan ketiga
complaint terbesar C, B dan A Yang mempunyai
cumulative masalah sebesar 77.1
53
Efek Synergis ParetoMemperbaiki salah satu, yang
lain ikut terpengaruh
Pada proyek pertama, team fokus hanya pada satu
object. Hasilnya, tidak hanya satu object saja
yang berpengaruh, semua ikut terpengaruh.
54
5. Histogram
55
HISTOGRAM

• DEFINISI
• Grafik Balok yang menggambarkan penyebaran data
  sebagai hasil dari satu macam pengukuran, atas
  suatu kejadian atau proses
• MANFAAT
• Berguna untuk menguji bentuk dan penyebaran
  sample data
• Untuk melihat range dan distribusi dari data
  continuous (misalnya berat barang yang dikirim,
  dollar yang dibelanjakan dalam setiap PO, dsb)
• Untuk melihat variasi dan tingkat pemenuhan
  spesifikasi/persyaratan pelanggan (size, cycle
  time, suhu, dsb). Hanya berlaku untuk data
  continuous saja

56
EXAMPLE HISTOGRAM
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
57
HISTOGRAMCONTOH
58
HISTOGRAM

• 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

59
HISTOGRAM

• STEPS
• Beri label di sumbu X dengan nilai dari tiap
  balok (dari balok pertama 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.

60
Latihan Histogram

• Buatlah histogram dengan menggunakan flipchart
  terhadap tinggi-berat
• Interpretasikan hasilnya

61
HISTOGRAM PATTERN
Normal Distribution (Symmetrical) Anda bisa
memberi tanda spesifikasi pelanggan pada
histogram sehingga secara visual dapat diketahui
seberapa baik kemampuan proses memenuhi (tidak
memenuhi) persyaratan pelanggan. Anda juga dapat
memunculkan nilai rata-rata dan Standard deviasi/
sigma pada histogram ini sebagai angka yang
mewakili proses
62
HISTOGRAM PATTERN
30
30
25
25
25
20
20
20
15
15
15
10
10
10
5
5
5
0
0
0
Evenly distributed data values Jarang sekali
terjadi Model ini muncul di pabrik bila sebuah
gauge atau tools pengukuran sudah tidak lagi
sensitif dalam mendeteksi perbedaan antara unit
(seperti sebuah penggaris yang seluruhnya hanya
memiliki tanda inci)
Skewed Distribution Kelompok data mendekati
salah satu ekor histogram Contoh Waktu proses,
cycle time, biaya Analisa kondisi apa yang
terjadi di area ekor yang membedakan dengan area
lainnya, jika kondisi tersebut tidak diinginkan
lakukan perbaikan, eliminir kejadiannya, tetapi
jika merupakan kondisi yang diinginkan maka
pertahankan dan dapat diterapkan di area lain.
Bimodal distribution Data memiliki dua
puncak Pola ini muncul bila sesuatu yang anda
perkirakan sebagai sebuah proses ternyata adalah
dua proses Jika anda melakukan stratifikasi,
Anda bisa mengidentifikasi sumber data dari
setiap puncak
63
EXAMPLE HISTOGRAM
KASUS Anda bekerja di pabrik shampoo dan ingin
memastikan bahwa tutup botol dikencangkan secara
baik. Jika terlalu longgar, maka ada kemungkinan
bocor selama pengiriman. Jika terlalu keras, maka
akan sulit untuk dibuka pelanggan (terutama bila
sedang mandi) Anda mengumpulkan sampel secara
acak dari botol yang ada dan membuka tutup
botol. Buat histogram untuk mengevalusi data dan
seberapa dekat data sample terhadap nilai target
18
64
EXAMPLE HISTOGRAM

• Interpreting the results
• Sebagian tutup dikencangkan dengan kekuatan torsi
  13 dan 25. Hanya ada satu tutup yang sangat
  longgar, dengan kekuatan
• kurang dari 11. nampak distribusi skewed/ miring
  kearah positif yang menunjukkan beberapa tutup
  terlalu kencang dari yang
• seharusnya. Banyak tutup yang membutuhkan
  kekuatan lebih dari 24 untuk dibuka dan lima
  tutup membutuhkan kekuatan lebih dari 33, sekitar
  dua kali lipat dari target.

65
Contoh Histogram perbandingan
Kesimpulan?
66
6. FISHBONE DIAGRAM
67
DIAGRAM SEBAB DAN AKIBAT

• DEFINISI
• Suatu diagram yang terstruktur untuk
  mengidentifikasi penyebab dari masalah dan
  hubungan sebab akibat berdasarkan pengalaman dan
  keahlian dari sekelompok orang dengan melakukan
  brainstorming secara terstruktur
• Juga dapat dilakukan untuk brainstorming
  cara-cara yang perlu dilakukan untuk mencapai
  suatu tujuan
• Diagram Sebab-Akibat ini dikembangkan tahun 1943
  oleh Prof Kaoru Ishikawa. Sehingga diagram ini
  juga sering disebut diagram Ishikawa atau diagram
  Tulang Ikan karena bentuknya mirip tulang ikan

68
DIAGRAM SEBAB DAN AKIBAT

• MANFAAT
• Mengidentifikasi sebab-sebab utama masalah
• Mengidentifikasi akar masalah
• Mengidentifikasi beberapa alternatif cara
  penyelesaian masalah

69
CONTOH DIAGRAM ISHIKAWA

• Sebab dominan dari kebocoran di pre-heater
  adalah
• Sering feeding stop
• Design tidak bagus

70
Langkah didalam meeting TQM

1. Pastikan semua orang memahami prosesnya dulu maka
   sebelum meeting/ brainstorming penyebab perlu
   diulas flow chart proses atau SIPOC diagram
   proses.
2. Identifikasi siapa saja (Man) yang terlibat,
   metode, alat ukur, 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?
71
Contoh 1
72
Contoh 2
Selected Root cause is Employee medications
requests ( the number of employee prescription
requests by telephone to the pharmacy was causing
a delay in medication delivery
73
EXERCISE CAUSE EFFECT DIAGRAM
Identify the root cause of your identified
problem from your previous analysis using Cause
effect Diagram
74
7. SCATTER DIAGRAM
75
DIAGRAM TEBAR (SCATTER DIAGRAM)

• DEFINISI
• Diagram yang menggambarkan hubungan (korelasi)
  antara dua variabel (faktor)
• MANFAAT
• Menyajikan data untuk mengkonfirmasikan hipotesa
  apakah dua variabel (faktor) saling
  berhubungan/berkorelasi
• Mengetahui seberapa erat hubungan antara dua
  faktor tersebut
• Sebagai tools untuk memverifikasi akar penyebab
  yang diperoleh dari analisa sebab dan akibat

76
DIAGRAM TEBAR (SCATTER DIAGRAM)

• CONTOH KORELASI
• Antara jumlah kunjungan ke pelanggan dengan hasil
  penjualan
• 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 jumlah
  reject/breakdown
• Antara tingkat inventory dengan jumlah produk
  kadaluarsa
• Antara jumlah buku dengan kompetensi karyawan
• Antara jam training dengan kecelakaan/kesalahan
  kerja

77
JENIS KORELASI ANTARA DUA VARIABEL
78

• Kesimpulan karena nilai r 0.735 mendekati 1,
  maka bisa disimpulkan ada korelasi yang cukup
  kuat antara variabel X dan variabel Y
  (peningkatan kunjungan mempengaruhi peningkatan
  penjualan)

79
Contoh1 pemakaian dalam verivikasi akar masalah
untuk menentukan penyebab yang dominan
80
Contoh2 pemakaian dalam verivikasi akar masalah
untuk menentukan penyebab yang dominan
81
Contoh2 pemakaian dalam verivikasi akar masalah
untuk menentukan penyebab yang dominan
82
SCATTER DIAGRAM SANGAT DIPERLUKAN
DALAM PEMBUKTIAN AKAR PENYEBAB MASALAH
83
Latihan Scatter Diagram
Tinggi Berat Badan Nomor Sepatu Nomor Celana Jeans Jumlah (Gelas) Air Diminum/ hari



















84
SekianTerimakasih