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 »

 

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?
63 views