UPDATE CSR GM – PENGALAMAN PIHAK LAIN ADALAH GURU YANG PALING BAIK

UPDATE CSR GM – PENGALAMAN PIHAK LAIN ADALAH GURU YANG PALING BAIK

Mengenai apakah dan konsep CSR, bisa dilihat di link ini: https://www.improvementqhse.com/customer-requirement-cr-dan-customer-specific-requiement-csr-2/ Ketika ada CSR yang berubah, misalkan dari General Motor, pasti perubahan ini disebabkan suatu hal dan tujuannya memperbaiki sistem yang saat Selengkapnya »

BAGAIMANA ASPEK KOMPETENSI BISA BIKIN GAGAL AUDIT?

BAGAIMANA ASPEK KOMPETENSI BISA BIKIN GAGAL AUDIT?

Pembahasan ini diambil dari SI 7.2.1 Automotive Certification Scheme for IATF 16949 Perlu ditetapkan dan dijalankan cara mengidentifikasi pelatihan dan Kesadaran dan pencapaian kompetensi semua pekerja, terutama yang langsung mempengaruhi persyaratan produk dan Selengkapnya »

PAHAMI 4 DOKUMEN (MANUAL) INI DULU DARIPADA GAGAL SERTIFIKASI IATF 16949

PAHAMI 4 DOKUMEN (MANUAL) INI DULU DARIPADA GAGAL SERTIFIKASI IATF 16949

1 RULES FOR ACHIEVING AND MAINTAINING IATF RECOGNITION Beberapa waktu lalu ada calon client kami, yang membuat part untuk kendaraan, dan ingin mendapatkan sertifikasi IATF 16949, kami saat itu diundang untuk presentasi Selengkapnya »

MEMBUAT CONTINGENCY YANG EFEKTIF

MEMBUAT CONTINGENCY YANG EFEKTIF

MEMBUAT CONTINGENCY YANG EFEKTIF PERTANYAAN dari FAQ tentang Contingency Plan (https://www.iatfglobaloversight.org/wp/wp-content/uploads/2022/05/IATF-16949-FAQs_May-2022.pdf) Apa langkah kunci untuk mengembangkan Contingency Plan yang efektif?   JAWAB Perusahaan diharuskan untuk menunjukkan bahwa ia telah dikembangkan dan diimplementasikan Selengkapnya »

MENINGKATKAN KEMAMPUAN DENGAN PROBLEM SOLVING

MENINGKATKAN KEMAMPUAN DENGAN PROBLEM SOLVING

Chaplin (2001) dalam kamus lengkap psikologi menyatakan bahwa pemecahan masalah adalah proses yang tercakup dalam usaha menemukan urutan yang benar dari alternatif-alternatif jawaban yang mengarah pada satu sasaran atau ke arah pemecahan Selengkapnya »

APA SIH YANG DIMINTA STATISTICAL PROCESS CONTROL (SPC)

APA SIH YANG DIMINTA STATISTICAL PROCESS CONTROL (SPC)

Di beberapa tulisan di www.improvementqhse.com, menampilkan informasi terkait SPC. Inti SPC di IATF 16949 adalah mempelajari apakah proses itu STABIL dan MAMPU? Nah di sistem IATF 16949 difokuskan pada data special characteristic Selengkapnya »

MASALAH SELALU SOLVED MELALUI TIGA ACTION INI

MASALAH SELALU SOLVED MELALUI TIGA ACTION INI

Saat itu memang ada issue kelembaban yang sudah kami selesaikan, tetapi mungkin karena sharing penjelasan keberhasilan perbaikan ke leader produksi yang kurang, membuat masalah kelembaban berulang dan action perbaikan dinilai lambat. Sharing Selengkapnya »

9 MASALAH MANUFAKTUR LOKAL DAN 4 TEMUAN TERBESAR IATF 16949

9 MASALAH MANUFAKTUR LOKAL DAN 4 TEMUAN TERBESAR IATF 16949

Dilaporkan di https://www.iatfglobaloversight.org/statistics/ tentang temuan audit IATF 16949, ada 4 aspek terbesar temuan major/minor IATF 16949: Problem Solving (perbaikan atau pencegahan) Coretool (APQP-CSR, FMEA+Control Plan, MSA, SPC-termasuk statistic tool) Contingency Plan TPM Selengkapnya »

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 »

 

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 evaluasi new model atau setelah minimal 30 data control chart terbentuk.

Kenapa spt itu?

Control chart berfungsi mendeteksi kestabilan. Cara cepat memastikan kestabilan pada control chart adalah memastikan data kita banyak berada di sepanjang area tengah control chart (68%), dan sisanya berada di sepanjang area bawah atau atas (kira-kira 16%nya).Kemudian untuk memastikan kenormalan data cukup dengan melihat graphik histogramnya, jadi selama distribusi data berbentuk lonceng maka populasi data cenderung normal. Jadi setelah populasi data diterjemahkan menjadi  control chart dan  Histogram maka bisa diketahui apakah data populasi kita stabil dan normal?

Mohon dipahami rekan-rekan, kalau definisi tidakstabil atau tidak normal itu bukan berarti di luar spec ya, semua masih di dalam spec/tuntutan. Tetapi yang kita review adalah sesuatu yang sepertinya sesuai spec tetapi tidak normal, untuk membantu memberikan pemahaman tambahan silahkan baca link ini: https://www.improvementqhse.com/bila-ada-abnormal-jangan-salahkan-proses-utama-dulu-tetapi/)

Aspek yang kedua, saat kita tampilan ke dalam bentuk Histogram, bisa juga mengidentifikasi apakah ada problem pengukuran. Potensi kesalahan pengukuran dapat diidentifikasi dari pola distribusi yang tidak selesai, biasanya tidak selesai karena bertemu dengan area SPEC (USL/LSL). Mungkin saat data dekat spec maka pembualatannya cenderung ke arah range spec.

Agar lebih mudah memahami konsep di atas, kita review data 3 mesin Robot. Dimana ada tiga mesin  robot yang menghasilkan parameter yang sama, semua hasil kerja robot sesuai spesifikasi, tetapi rupanya data menunjukkan bahwa ada mesin robot yang TIDAK NORMAL dan TIDAK STABIL. Ilsutrasi Grapik Control Chart menggunakan Xbar-R

Graphik Mesin Robot-1

Pola Graph Xbar Mesin Robot-1 terlihat relatif stabil karena data banyak di tengah demikian juga dengan R. Graphik histogram menunjukkan seperti pola Lonceng.  Untuk aspek pengukuran tidak terlihat karena Histogram selesai sampai ke bawah.

Graphik Mesin Robot-2

Graphik Xbar Cenderung menurun, memang data dominan di tengan tetapi tidak disepanjang  Control Chart, di bagian awal lebih tinggi dan bagian bawah jauh lebih rendang. Untuk Rchart, data R berada dibawah saat awal-awal jalan. Kedua graphik menunjukkan ketidakstabilan. Dan Bentuk Histogram pun tidak berbentuk lonceng (tidak normal). Untuk aspek pengukuran tidak terlihat karena Histogram selesai sampai ke bawah.

Graphik Mesin Robot-3

Graphik Xbar R pada mesin Robot-3 terlihat dominan di area tengah, sangat sedikit di atas dan tidak ada di bawah, lalu pada Graphik R data di tengah tidak dominan jumlahnya. Graphik distribusi Normalnya berbentuk 2 Lonceng. Ada kemungkinan faktor seting awal menjadi penyebab karena data awal dominan berbeda. Untuk aspek pengukuran tidak terlihat karena Histogram selesai sampai ke bawah.

Kesimpulan: Mesin 2 dan 3 perlu ada tindaklanjut review prosesnya, apa yang menyebabkan tidak normal? Kenapa mesin Robot-2  datanya berbeda saat awal? Lalu Kenapa mesin robot-3 cenderung banyak di tengah?? Silahkan gunakan P-FMEA dan tool yang lain spt Fish Bond dan Why Analisis.

Salam Improvement

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?
435 views