Saya coba share materi DOE dalam bentuk Artikel, ada 6 artikel, artikel DOE ini yang pertama sebagai pendahuluan.! semoga membantu dalam melakukan review Penyebab, menemukan Solusi dan Mengoptimalkan Proses secara Ilmiah, jadi DOE-kan saja
Pernahkah Anda Mengalami Situasi Seperti Ini?
Bayangkan Anda datang ke pabrik pada hari Senin pagi. Produksi berjalan lancar, semua mesin bekerja normal, material berasal dari pemasok yang sama, operator yang menjalankan mesin juga orang yang sama. Hasil pengukuran pun membuat semua orang tersenyum—diameter bearing tepat berada di tengah spesifikasi.
Namun keesokan harinya, tanpa ada perubahan yang terlihat, hasilnya mulai bergeser. Produk masih lolos inspeksi, tetapi nilainya sudah mendekati batas spesifikasi atas. Seminggu kemudian muncul beberapa produk yang mulai out of specification. Di area lain, proses Injection Molding mengalami hal serupa. Berat produk yang biasanya 25,00 gram perlahan berubah menjadi 24,70 gram. Tidak ada alarm mesin, tidak ada kerusakan mold, dan material pun masih sama. Di proses Centerless Grinding, kekasaran permukaan yang biasanya Ra 0,4 μm tiba-tiba meningkat menjadi Ra 0,8 μm.
Pertanyaannya sederhana.
Apa yang sebenarnya berubah?
Sering kali tidak ada seorang pun yang dapat menjawab dengan pasti. Sebagian mengatakan temperaturnya berubah. Sebagian lagi menyalahkan tekanan mesin. Ada yang beranggapan material berbeda. Bahkan ada yang menyimpulkan bahwa operator shift malam kurang berpengalaman. Sayangnya, hampir semua jawaban tersebut hanyalah DUGAAN. Padahal dalam dunia manufaktur modern, keputusan yang didasarkan pada dugaan bisa menjadi sangat mahal.
Mengapa Masalah yang Sama Terus Berulang?
Fenomena tersebut hampir terjadi di semua industri.
- Produk kadang bagus.
- Kadang muncul reject.
- Kadang customer complaint.
- Kadang proses stabil selama beberapa minggu, lalu tiba-tiba memburuk.
Ketika masalah muncul, tindakan pertama yang sering dilakukan adalah mengubah setting mesin.
Naikkan temperatur. Turunkan tekanan. Tambah holding time. Kurangi cooling time. Naikkan kecepatan.
Jika belum berhasil, ubah lagi. Jika masih gagal, ubah parameter lain. Lalu ulangi lagi. Metode ini sudah digunakan selama puluhan tahun dan dikenal sebagai TRIAL & ERROR.
Sekilas metode ini terlihat logis. Namun jika diperhatikan lebih dalam, sebenarnya kita sedang melakukan sesuatu yang cukup berisiko.
Kita mengubah proses… tanpa benar-benar mengetahui apa penyebab masalahnya.
TRIAL AND ERROR: Cepat Dimulai, Mahal Diselesaikan
Trial and Error tampak murah karena tidak membutuhkan software statistik atau pelatihan khusus. Namun biaya yang tersembunyi justru sangat besar. Setiap kali engineer mencoba setting baru, perusahaan sebenarnya sedang “membayar” biaya eksperimen.
Biaya tersebut dapat berupa:
- material scrap,
- waktu mesin berhenti,
- jam kerja engineer,
- overtime operator,
- energi listrik,
- biaya setup,
- hingga keterlambatan pengiriman kepada pelanggan.
Lebih parah lagi, sering kali setting yang dianggap “sudah bagus” ternyata hanya cocok untuk kondisi hari itu saja. Begitu material berubah sedikit… atau temperatur ruangan berubah… atau operator berganti…hasilnya kembali berubah.
Artinya proses tersebut belum benar-benar dipahami.
Yang terjadi hanyalah proses “beruntung” menemukan setting yang sementara terlihat baik.
Masalah Terbesar Bukan Variasi… …Tetapi Tidak Mengetahui Penyebab Variasi
Dalam manufaktur modern, variasi adalah sesuatu yang tidak bisa dihilangkan sepenuhnya. Yang harus dihilangkan adalah ketidaktahuan terhadap penyebab variasi tersebut. Bayangkan sebuah mobil tiba-tiba bergetar saat kecepatan 100 km/jam.
Apakah langsung mengganti ban? Belum tentu, di seri F1 aja perlu waktu, beberapa detik bila sampai pit stationnya Getar ban bisa jadi berasal dari:
- balancing,
- bearing,
- suspensi,
- velg,
- poros,
- bahkan tekanan angin.
Mengganti satu komponen demi satu komponen tanpa mengetahui akar masalah tentu akan menghabiskan banyak waktu dan biaya. Hal yang sama terjadi pada proses produksi. Satu karakteristik kualitas dapat dipengaruhi oleh puluhan parameter proses yang saling berkaitan. Karena itu, pendekatan coba-coba sudah tidak lagi cukup.
DUNIA MANUFAKTUR SUDAH BERUBAH
Dulu, mesin relatif sederhana. Parameter proses hanya sedikit. Produk juga tidak terlalu kompleks. Sekarang kondisinya sangat berbeda!
- Satu mesin Injection Molding dapat memiliki lebih dari 50 parameter proses.
- Mesin Grinding memiliki puluhan parameter yang dapat diatur.
- Proses Heat Treatment dipengaruhi oleh temperatur, waktu tahan, atmosfer, pendinginan, hingga posisi produk.
Belum lagi faktor lain seperti:
- material,
- tooling,
- kelembaban,
- operator,
- lingkungan,
- bahkan umur mesin.
Semuanya dapat saling memengaruhi. Karena itu muncul pertanyaan baru.
Bagaimana cara mengetahui parameter mana yang benar-benar berpengaruh?
Jawabannya adalah…
Design of Experiments (DOE). DOE itu bisa dibilang: Cara Berpikir Seorang Engineer Modern
DOE bukan sekadar software. Bukan pula sekadar analisis statistik. DOE adalah cara berpikir ilmiah.
Sebelum mengubah proses, DOE mengajukan beberapa pertanyaan penting.
- Faktor apa saja yang mungkin memengaruhi kualitas?
- Faktor mana yang paling dominan?
- Apakah faktor tersebut saling berinteraksi?
- Seberapa besar pengaruhnya?
- Kombinasi parameter mana yang menghasilkan kualitas terbaik?
Dengan DOE, engineer tidak lagi bekerja berdasarkan intuisi semata. Keputusan diambil berdasarkan data, bukan asumsi. Inilah perbedaan antara engineering berbasis pengalaman dan engineering berbasis bukti (evidence-based engineering).
Mengapa DOE Sangat Powerful?
Bayangkan Anda ingin mengetahui pengaruh empat parameter proses. Jika menggunakan Trial and Error, kemungkinan Anda harus melakukan puluhan bahkan ratusan percobaan. Sebaliknya, DOE mampu merancang percobaan sehingga informasi yang sama dapat diperoleh hanya dengan sebagian kecil jumlah eksperimen.
Artinya:
- waktu eksperimen lebih singkat,
- biaya lebih rendah,
- hasil lebih akurat,
- dan kesimpulan lebih dapat dipercaya.
DOE bukan sekadar menghemat percobaan. DOE membuat setiap percobaan bernilai. Tidak ada eksperimen yang sia-sia.
Cost Down: Inilah Alasan Mengapa Manajemen Menyukai DOE
Di banyak perusahaan, keberhasilan DOE tidak hanya diukur dari keberhasilan teknis. Yang paling dirasakan justru adalah dampak finansialnya. Implementasi DOE yang baik mampu menghasilkan:
- Penurunan Scrap, parameter optimum menghasilkan produk yang lebih konsisten sehingga jumlah reject turun secara signifikan.
- Pengurangan Rework, semakin sedikit produk cacat berarti semakin sedikit pekerjaan ulang.
- Penghematan Material, parameter proses yang tepat mengurangi pemborosan resin, baja, coolant, abrasive, chemical, maupun energi.
- Waktu Setup Lebih Singkat, engineer tidak perlu lagi mencoba berbagai setting secara acak. Parameter optimum sudah diperoleh melalui eksperimen yang terstruktur.
- Pengurangan Downtime, masalah proses dapat diselesaikan lebih cepat karena akar penyebabnya diketahui secara ilmiah.
- Pengembangan Produk Lebih Cepat, saat meluncurkan produk baru, DOE mampu mempercepat proses validasi sehingga waktu menuju produksi massal menjadi lebih singkat.
- Meningkatkan Cp dan Cpk, variasi proses mengecil sehingga kemampuan proses meningkat. Semakin tinggi Cp dan Cpk, semakin kecil peluang menghasilkan produk cacat.
- Menurunkan Cost of Poor Quality (COPQ), sSemua manfaat di atas bermuara pada satu tujuan besar: mengurangi biaya kualitas buruk (Cost of Poor Quality) dan meningkatkan profit perusahaan.
Tidak mengherankan jika perusahaan otomotif, semikonduktor, elektronik, farmasi, hingga aerospace menjadikan DOE sebagai salah satu alat utama dalam program Continuous Improvement dan Operational Excellence.
DOE Bukan Lagi Pilihan, Tetapi Kebutuhan
Saat ini hampir semua industri kelas dunia menggunakan DOE. Mengapa? Karena kompetisi tidak lagi ditentukan oleh siapa yang memiliki mesin paling mahal. Tetapi oleh siapa yang paling memahami prosesnya. Dan pemahaman tersebut diperoleh melalui data. DOE membantu perusahaan mengubah data menjadi pengetahuan. Pengetahuan menjadi keputusan. Keputusan menjadi keuntungan.
DOE dalam AIAG & VDA SPC: Bukan Sekadar Rekomendasi
Dalam industri otomotif, DOE bahkan telah menjadi bagian penting dari pendekatan AIAG & VDA. Ketika organisasi menentukan Special Characteristics (SC)—karakteristik produk atau proses yang memiliki dampak signifikan terhadap keselamatan, fungsi, regulasi, atau kepuasan pelanggan keputusan tersebut tidak seharusnya hanya berdasarkan pengalaman atau intuisi.
AIAG & VDA mendorong penggunaan Design of Experiments (DOE) untuk membuktikan secara statistik faktor-faktor proses yang benar-benar memengaruhi karakteristik tersebut. Dengan kata lain, DOE digunakan untuk mengidentifikasi Critical Process Parameters (CPP) yang memiliki hubungan nyata dengan Special Characteristics.
Alur pengembangannya dapat digambarkan sebagai berikut:
Voice of Customer (VOC) → Critical to Quality (CTQ) → Special Characteristics (SC) → PFMEA → Design of Experiments (DOE) → Critical Process Parameters (CPP) → Process Capability (Cp/Cpk) → Control Plan → Statistical Process Control (SPC) → Reaction Plan → Continuous Improvement
Melalui pendekatan ini:
- PFMEA menghasilkan dugaan faktor-faktor yang berpotensi menyebabkan kegagalan.
- DOE membuktikan secara ilmiah faktor mana yang benar-benar signifikan.
- CPP yang telah tervalidasi kemudian dikendalikan menggunakan SPC.
- Hasilnya didokumentasikan dalam Control Plan dan Reaction Plan sehingga pengendalian proses menjadi berbasis data, bukan asumsi.
Inilah salah satu prinsip penting dalam AIAG & VDA: “Jangan menetapkan parameter kritis hanya berdasarkan pengalaman. Buktikan dengan data.” Pendekatan tersebut menghasilkan proses yang lebih stabil, lebih mampu diprediksi, dan lebih mudah dipertahankan sepanjang siklus produksi.
salam DOE, salam perubahan
Rio B P S – automotive, Ergonomic & Lean-Sigma Engineer
Jikalau bapak/ibu menginginkan training DOE secara comprehensive dan sekaligus mereview proses di internal, kontak saya NOVA di 08777 178-1334 atau email di sales@improvementqhse.com
