CUKUP DENGAN CONTROL CHART &  HISTOGRAM UNTUK MENGATAHUI KETIDAKSTABILAN & ABNORMAL MESIN ROBOT

CUKUP DENGAN CONTROL CHART &  HISTOGRAM UNTUK MENGATAHUI KETIDAKSTABILAN & ABNORMAL MESIN ROBOT

Bagi teman-teman yang menjalankan Statistical Process Control (SPC), apakah pernah dilakukan pembuatan histogram dari data control chart? Misalkan control chart parameter special pada produk /proses dibuatan histogramnya.  Hal ini bisa dilakukan saat Selengkapnya »

10 TEMUAN MAJOR & MINOR TERBANYAK DI SISTEM IATF 16949

10 TEMUAN MAJOR & MINOR TERBANYAK DI SISTEM IATF 16949

Temuan MAJOR di IATF 16949 didefinisikan ketika minimal salah satu kondisi ini terjadi, saat: Tidak adanya bukti pelaksanaan sistem sesuai dengan pasal IATF 16949 (bisa ada beberapa kesalahan yang mencerminkan sistem tidak Selengkapnya »

MEMBUAT STUDI MSA MENJADI DASAR KUAT IMPROVEMENT

MEMBUAT STUDI MSA MENJADI DASAR KUAT IMPROVEMENT

Dari beberapa kegiatan improvement yang kami koordinir di client, studi MSA bisa dapat diandalkan untuk dasar ide improvement, cara singkatnya kita perlu fokus mengamati pola-pola variasi produk dan proses yang merupakan effect Selengkapnya »

ERROR PROVING DI IATF 16949

ERROR PROVING DI IATF 16949

ERROR PROVING /POKAYOKE diatur di pasal IATF 16949 pasal 10.2.4, ERROR PROVING digunakan untuk menjamin kalau kesalahan bisa terdeteksi, Kemudian kesalahan ini tentu dicari penyebab dan kemudian diperbaiki sebelum menjadi defect (NG). Selengkapnya »

JENIS CYBER ATTACK

JENIS CYBER ATTACK

Penekanannya penerapan Risk Analisis HARUS juga ke arah Ancama Cyber-Attack, pemakaian teknologi IT yang semakin luas di pekerjaan, berpotensi memberikan kendala stop line/stop supplai bila terjadi gangguan. Jadi identifikasi dulu ancaman  itu, Selengkapnya »

POTENSIAL DAN ACTUAL FIELD FAILURE

POTENSIAL DAN ACTUAL FIELD FAILURE

APAKAH FIELD FAILURE FIELD FAILURE dalam arti luas adalah kegagalan produk saat digunakan oleh pelanggan, atau pengguna akhir. Identifikasi potensi FIELD FAILURE merupakan parameter-parameter potensial di proses dimana produk bisa gagal berfungsi Selengkapnya »

TEMPORARY CHANGE DI IATF 16949

TEMPORARY CHANGE DI IATF 16949

Maksud dari TEMPORARY CHANGE/ ALTERNATE METHOD ini sama dengan perubahan sementara. Alternate Change ini biasa dilakukan di pelaksanaan test/uji, adanya pemakaian error-proving di suatu proses. Misalkan, ada alat chek error-proving yang  rusak, Selengkapnya »

ATURAN LABOLATORIUM EXTERNAL DI IATF 16949

ATURAN LABOLATORIUM EXTERNAL DI IATF 16949

Pembahasan tulisan ini terkait Perubahan yang ada di pasal Labolatorium Eksternal (SI 7.1.5.3.2), perubahan itu menghilangkan pernyataan approval pelanggan untuk Labolatorium External. Artinya assessment Labolatorium External bisa tidak diperlukan lagi dan bahkan Selengkapnya »

MEMPUNYAI CONTINGENCY PLAN PANDEMI ITU DIPERSYARATKAN IATF 16949

MEMPUNYAI CONTINGENCY PLAN PANDEMI ITU DIPERSYARATKAN IATF 16949

Pandemi semoga jadi Endemi, walau ada lagi Virus Omicron BA 4 dan BA-5. Sebelumnya ada kabar juga dari WHO mengenai penyakit Liver yang belum ada vaksinasinya.  Berbicara Pandemi, juga dibahas di pasal Selengkapnya »

DEVELOPMENT SUPPLIER DI SISTEM IATF 16949

DEVELOPMENT SUPPLIER DI SISTEM IATF 16949

Dalam pabrik dengan sistem IATF 16949, dipersyaratkan sistem Manajemen Suppliernya  bukan lagi dalam bentuk pemenuhan ISO 9001, tetapi diharuskan minimum tersertifikasi ISO 9001 (yang disertifikasi pihak ke-3), ketentuan ini bisa dikecualikan asal Selengkapnya »

 

BILA ADA ABNORMAL, JANGAN SALAHKAN PROSES UTAMA DULU, TETAPI….

Saran teman saya kalau meminta cuti ke pak Hendrik “Minta ijin Cuti ke pak Hendrik, pas hari jumat saja (hari jumat beliau ke rumahnya di Jogya, karena keluarganya di Jogya) dan plus tugas yang diberikan sudah beres”.  Teman saya sudah kenal pak Hendrik, karena dia dekat dengan pak Hendrik, dia pernah satu tim New Model yang berjalan sampai 3 tahun dan teman saya itu juga berasal dari Jogja.

Kisah di atas, tentang perlunya mengetahui sifat atasan, hampir sama dengan keharusan kita mengenal proses yang kita kelola, mengenal proses yang kita kelola adalah dengan mengetahui pola Variasi proses itu.  Tidak memahami pola variasi maka pasti akan menyulitkan dan bahkan bisa merugikan kita.

Tetapi Ingat saat ada pola variasi yang akhirnya menyebabkan issue (defect, complain dll), belum tentu serta merta salah proses utamanya (katakanlah proses itu proses produksi). Hal ini juga sama dengan  cerita di atas, pak Hendrik sudah punya kebiasaan akan happy saat hari Jumat dan suka dengan pekerja yang tugasnya sudah beres di akhir minggu. Jadi jangan cari masalah ke pak Hendrik kalau kedua hal ini tidak dipenuhi saat meminta Cuti. Mungkin tetap disetujui, tetapi akan timbul konflik hubungan.

Mengidentifikasi aspek lain sebelum menganalisa proses produksi adalah hal yang perlu dilakukan. Jadi kalau kita lihat cerita di atas lagi, jangan salahkan sifat pak Hendriknya dulu karena kita ditolak/ cutinya karena kita sebenarnya mengganggu pak Hendrik, sudah tahu pak Hendrik seperti itu malah minta cuti di hari rabu dan tugas kita belum beres.

Kenapa cerita di atas sama dengan problem di produksi??? Saya mau ajak melihat masalah itu jangan yang sudah terlihat/disadari (seperti komplain, barang Ng internal, downtime naik sampai 80% dll), tetapi yang sifatnya yang belum disadari, saya artikan secara praktis adalah kondisi yang masih sesuai spesifikasi tetapi pola datanya sudah abnormal.

Mudahnya melihat yang belum disadari (pola data abnormal) adalah dengan menemukan adanya puncak yang lebih dari satu di graphik Histogram. Puncak grafik mewakili sifat /kondisi yang mewakili populasi, jadi bila ada dua dua puncak, maka dapat dikatakan ada pola variasi lain, alias ada pola atau variasi yang belum dikontrol atau sudah dikontrol tetapi masih kurang efektif.

Sama seperti teori ice berg (gunung es), seorang pekerja yang baik adalah pekerja yang sering mengamati dan memberikan ide dari hal-hal yang ada di dalam air dan kalaupun menemukan masalah, pekerja yang bijaksana adalah tetap mengamati sebelum menyimpulkan penyebabnya, minimal 4 aspek di bawah ini yang diamati sebelum  memberikan kesimpulan:

  • Review bagaimana penanganan parameter itu saat awal/new model, apakah data sudah normal/satu populasi (satu puncak)? Pertanyaan ini sifatnya pemastian saja, karena seharusnya pola data normal sudah dihasilkan saat serah terima dari team new model ke produksi.
  • Perubahan apakah yang sudah terjadi? Apakah ada perubahan yang selama ini dilakukan? (4M+1E Change). Ini memastikan apakah ada pencatatan dan pelaksanaan perubahan? Ingat adanya perubahan dominan menyebabkan recall part/kendaraan. Di beberapa Industri perubahan temperature/kelembaban bisa memberikan dampak, jadi tetap perlu memperhatikan perubahan yang dihasilkan di exterbal proses
  • Bagaimana dengan metoda ukur? Apakah sudah dijalankan studi MSA yang sesuai dengan pengukuran yang dilakukan?
  • Apakah sampling saat produksi massal sudah sesuai dan konsisten dijalankan?

 

Gambar Artikel mengilustrasi pengamatan data parameter A yang sudah abnormal di produksi. Masalah rupanya timbul dari proses Predictive Maintenance spindle. Rupanya pergantian SPINDLE no 10 tidak dilakukan (Change Wajib: penggantian Spindel), padahal penggunaannya sudah melewati hampir 10 bulan dari waktu predictivenya.

Pekerja melihat ada dua pola variasi (ada dua bentuk lonceng), walaupun data masih sesuai spec tetapi data berbeda polanya beberapa bulan lalu, kemudian cukup mengamati hal-hal yang tidak sesuai standard, kemudian memperbaikinya. Cukup itu saja untuk mengembalikan ke pola yang normal.

 

Salam

www.improvementqhse.com

Open chat
Need Help?
hello, ada yang bisa kami bantu?

oh ya bapak/ibu, kami ada layanan Improvement di Proses, namanya Free Assessment Proses, dilakukan 1-2 hari, cukup dengan mengganti akomodasi Konsultannya saja, tertarik?
82 views