ANALISIS PENGENDALIAN MUTU PRODUK MENGGUNAKAN STATISTICAL PROCESS CONTROL (SPC) ( Studi kasus PT Mitratani 27 Jember)

Gratis

1
41
73
2 years ago
Preview
Full text

ANALISIS PENGENDALIAN MUTU PRODUK MENGGUNAKAN

  Ketika proses mengalami masalah atau proses tidak terkendali maka hasil yang didapat tidak akan sesuaidengan targetyang diinginkan, begitupula sebaliknya, proses yang terkendali menghasilkan output yang sesuai dengan yang diharapkan. Hasil penelitian menunjukkan bahwa pada proses IQF dengan analisis menggunakan bagan X, proses dikatakan terkendali karena berdasarkan grafik yangdihasilkan tidak ada titik yang melewati batas kendali atas maupun batas kendali bawah, dengan nilai batas atas sebesar 18,44715 dan batas bawah sebesar 7,345646.

1.4 Manfaat

BAB 2. TINJAUAN PUSTAKA

, 2.1 Mutu 2.2 Pengendalian Mutu 2.4 Peta Kendali / , 0 123 41 56 3 7 81963 : 39; 3 5 < 2 9 8 =2 ./ , / 0 123 41 56 3 7 819 63 : 39 ; 35 > 39 3817 ? @ 2.5 Analisis Pola pada grafik Pengendali CDE FGFH I JH GJH K FL M NO P L FQ R P L FSM TTTTTTTTTTTTTTTTTTTTTTTTTTTTTT UV B u u f ( Cusum) V T W T U X YZ[ \]^Y _ ` ab[ c TTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTT UV V T W T V d b e^f b Y gf h ZYB ij b k b hbl mno np TTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTT Uq ( ) V T W T r X mno np TTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTT Uq V T W T s tuvw xy v gz { TTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTT UW Run Length ( ) TTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTT U|

BAB 3. METODOLOGI PENELITIAN TTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTT U|

3.1 Pengumpulan Data TTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTT U| 3.2 Pengolahan Data TTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTT VU 3.3 Pengolahan Data dengan Program R TTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTT Vq 3.4 Analisis Kemampuan Proses TTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTT Vq 3.4 Nilai ARL (Average Run Length) TTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTT VW

BAB 4. HASIL dan PEMBAHASAN TT VW

4.1 Bagan Kendali untuk Cacat Kemasan Menggunakan P-Chart TTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTT V} 4.2 Bagan Kendali Menggunakan P Cusum 4.3 Bagan Kendali untuk Rata-rata Hasil Produksi Menggunakan X TTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTT V| (Shewhart) TTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTT r~ 4.4 Bagan Kendali X Cusum TTTTTTTTTTTTTTTTTTTTTTTTTTTTTTT rU 4.5 Kapabilitas Proses untuk Bagan X(Shewhart) TTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTT rU 4.6 Kapabilitas Proses untuk Bagan P TTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTT rV 4.7 Pemilihan Nilai Sigma TTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTT rr 4.8 Nilai ARL TTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTT rq

BAB 5. KESIMPULAN dan SARAN TTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTT r DAFTAR PUSTAKA LAMPIRAN

  2 A 8 0 5<2 8 2 6 25 89> < @ :05 2 6 2 @ 8 09 @ : 2A 2 25 B K 2 1 @ 5 : 0 94 5 ; 3 2= 4 6 9 E 2 < 4 30 64 < 23 8@ 2:25 3 > 5: @ 1 05 6 0 9 A 2< 2 8 : @ 2 6 @ 89 >< @ 3< 4 32 9 0 523 25 1@6@ 7 2 5 ; < 4 A 2:4 = 32 5 = 0 ?4 A 905 < 2A <2 94 : 6 2 5<29 7 25 ; < 46 6 2 8 325 L1 0: 3 48@ 5 89> :0: 89>< @ 3: 4 6 0=2A < 4 = 23 : 252 325 <05 ;25 ? 2 4 3 B G 0 : 2=2A25 M 30:2= 2A 25 8 2< 289>: 0: 89 > < @ 3:4 1 5 ; 23 4 ?2 6 3 25 89> < @ 3 6 4 <23 : 0 :@ 2 4 <0 5 ; 25 :6 25< 2 9 7 25 ; < 46 0 6 2 8 325 BN 2= 6 0 9: 0 ?@6 1 9 @8 232 5 : 2=2A : 2 6 @ H 23 6>9 8 05 @9@ 52 5 3 @ 2= 4 6 2: : @ 2 6 @ 8 9> < @ 3 B O 2 32< 4?@6@ A325 8050 92 8 25 :4 :6 1 8 05; 05<2= 4 25 3 @ 2= 4 6 2: 7 25 ; 6 8 2 6 7 2 5 ; 1 0 18@ 5 7 2 46@ E @ 2 5 <25 6 2A 2 8 25 7 25; E 0=2: L : 96 2 1 1?

2.4.2 Peta Kendali berdasarkan Variabel

X- R chart

  78 Batas-batas kendali mutu untuk X rt a h : 9 Upper on trol im it (UCL)= (2.10) 9 8 9 : ;<= Batas-batas kendali mutu untuk R- t : UCL= dan LCL= . (2.12) Haming dan Nurnajamuddin (2007), > ?@ A B CDEF E F G H DC I CJ C K C L CB G MBL MB J CDE Suatu bagan pengendali dapat menunjukkan keadaaan tidak terkendali apabila satu atau lebih itik berada diluar natas kendali baik batas pengendali atas maupunbatas pengendali bawah atau apabila itik dalam grafik menunjukkan pola yang sistematik.

6 Analisis kemampuan proses merupakan kemampuan dari proses untuk

  Untuk menghitung berapa persentase kemampuan spesifikasi yang telah ditentukan dalam proses maka dihitung nilai perbandingan kemampuan proses atau e f ra tio ca pa bility process r ) ( r = = (2.17) h ij k lml n o p n m pn q l r s t u v r l w x u v u r l ysz { u m u s ( ) g |} | ~€  ‚ ƒ |} g „… € „ ~ g † ‡ Bagan pengendali jumlah kumulatif ( v r t ) sering juga disebut bagan Cusum atau disingkat CSCC. Lebih lanjutdijelasakan bahwa apabila akan digunakan bagan cusum untuk X, maka bagan rentangan untuk cusum biasa digunakan bagan R shewhart yang standart (Grant &Leavenworth,1993) Bagan pengendali jumlah kumulatif dibentuk berdasarkan persamaan : = ∑ −(2.18)dengan : = jumlah kumulatif simpangan dari rata-rata subsample terhadap nilai target sampel dengan subsample ke-I,= rata- rata subsampel ke-I, dan = nilai target.

2.7.1 Prosedur V-Mask

  9A A 8A 7A A 6AO d 5A 4A P 3A 2A B 1A B A 1 2 3 4 m Gambar 2.1 prosedur V-Mask dengan : AA = batas kendali atas BB = batas kendali bawah  O = perpanjangan dari garis AA OB = perpanjangan dari garis BB .d = jarak antara O dan P tan = tangent dari sudut S k = jumlah kumulatif bagan pengendali jumlah kumulatif ditentukan oleh parameter penutup V. Menurut pedoman umum K dipilih setengah dan jika pergeseran dinyatakan dalam bentuk standar deviasi dan hdipilih 4-5,maka =(2.26) =(2.27) Sehingga jumlah kumulatif dihitung sebagai berikut : = max(0, − ( ) + + (2.28) š ‘’ š ‘’ dengan : = u s atas (upper s u ), š ‘’ š ’ = u s bawah (lower su u ), dengan dan adalah 0.

2.7.3 P u s

  @ A ; A B C ; : DEF>@ >' # " " # " " " * # = 6 7 G H =<; = 9 IJ 9 K @ E; L @ I C: J @: L M N ( ) 4 X 3 " xcusum. @AB;7 CDDDD E 6 A; > ; 9 F GHID J E 6 A; > ; 9 A 6 9 : 7 ; > 8 BE; 9E @ ;B8 K ; > L ; 9: M ;8E N O 6 = < ; >; = E; 9 7; > 8 B ;9;B 8 >8 > L ; 9: < 8E 6 K ;7 @ 8 M ;7 P ; K 8 < ;E > 6A@ ;E 6A ; > ; 9 L ; 9: < 87; >8BE; 9 < ;B; A E 6 ; < ; ; 9 M ;8E N QB 6 7 E;=69 ; 8 K @ R6= B @ < 8B ;E@ E; 9R6= M ;8E; 9 B 6 M 87 B; 9 ?

9 K 8 @ @ K @ E A 6 < ; R ; K 7;>8 B L ; : A ;E >8 A ;B

  d 6A 8 B87; 9 9 8B ; 8 K 6= > 6 M @ K < 8 < ; > ; = E;9 R; < ; E 6 8 9 : 8 9;9 8 9< 8 e8 <@ N ;E;9 K 6 K ;R 8 R6 A8B 87; 9 9 8B ; 8 > 8 :A ; A6A B 8E8 > @ ; K @ ;B; >;9 F E ; = 6 9 ; 9 8B ; 8 > 8 : A ; A6969 K @ E;9 B 6 M ; = ; K ; @ = 69 K ; 9:; 9< ; = 8 M ; K ; > E 69< ; B 8 ; K ; > A ; @R@9 M ; P ;7 N f8 M ; P ;7 8 9 8 < 8 >; ? / 0 1 & 23 4 3 - 5 & 23 4 3 5 6 & )ò ó 7 ö 8 9 : ; < := > ?

10 P P C v

  ..- attr(*, "names")= chr [1:25] "1" "2" "3" "4" ...$ sizes : int [1:25] 1 1 1 1 1 1 1 1 1 1 ...$ center : num 8.94 $ std.dev : num 1.94$ nsigmas : num 3 $ limits : num [1, 1:2] 3.11 14.77 ..- attr(*, "dimnames")=List of 2 $ violations:List of 2 0 123 4 5 16 7 8 9 :;<= > ? VW E 8 E F G H 8 8 I GH 8L I H J F KE N8 H G I HMH H8P T 8F U V W U 8 I GH KI MH I NME9 : = OP Q O BRS 8L KJ 8 L MFM8 EE G U V W U VW F 8 I GH L IE 8 K F I MN E 8FNN IEK U V W U ?

Dokumen baru

Download (73 Halaman)
Gratis

Tags

Dokumen yang terkait

ANALISIS KEPUTUSAN PEMBELIAN ULANG PRODUK EDAMAME BERBASIS BAURAN PEMASARAN (Studi Pada PT Mitratani Dua Tujuh Jember)
0
15
17
ANALISIS PENGENDALIAN KUALITAS CERUTU DENGAN MENGGUNAKAN STATISTICAL PROCESS CONTROL (SPC) PADA PT MANGLI DJAYA RAYA
1
29
16
ANALISIS PENGENDALIAN KUALITAS FROZEN EDAMAME DENGAN MENGGUNAKAN STATISTICAL PROCESS CONTROL (SPC) PADA PT MITRATANI DUA TUJUH
7
97
77
Analisis Pengendalian Kualitas Frozen Edamame Dengan Menggunakan Statistical Process Control (SPC) Pada PT Mitratani Dua Tujuh (Quality Control Analysis of Frozen Edamame Using Statistical Process Control (SPC) in PT Mitratani Dua Tujuh)
3
46
8
ANALISIS PENGENDALIAN KUALITAS PRODUK DENGAN MENGGUNAKAN STATISTICAL PROCESS CONTROL (SPC) PADA PERUSAHAAN BATIK ROLLA JEMBER
1
26
15
ANALISIS PENGENDALIAN KUALITAS PRODUK DENGAN MENGGUNAKAN STATISTICAL PROCESS CONTROL (SPC) PADA PERUSAHAAN ROKOK GAGAK HITAM BONDOWOSO
0
48
18
ANALISIS PENGENDALIAN KUALITAS PRODUK GENTENG DENGAN MENGGUNAKAN STATISTICAL PROCESS CONTROL (SPC) PADA UD. GENTENG JAYA AMBULU KABUPATEN JEMBER
3
34
66
ANALISIS PENGENDALIAN KUALITAS PRODUK PAVING BLOCK MENGGUNAKAN STATISTICAL QUALITY CONTROL (SQC) PADA CV. MULTI BANGUNAN JEMBER
6
51
16
ANALISIS PENGENDALIAN MUTU PRODUK MENGGUNAKAN STATISTICAL PROCESS CONTROL (SPC) ( Studi kasus PT Mitratani 27 Jember)
1
41
73
PERENCANAAN PENGENDALIAN KUALITAS PRODUK SEPATU SEPAK BOLA SUPER COPA DENGAN MENGGUNAKAN METODE STATISTICAL PROCESS CONTROL (SPC) (Studi Kasus Pada CV. Cipta Pratama Santoso, Malang)
0
5
1
PERENCANAAN PENGENDALIAN KUALITAS (QUALITY CONTROL) PRODUK ROKOK DENGAN MENGGUNAKAN METODE STATISTICAL PROCESS CONTROL (SPC) (Studi Kasus: PR. Sami Subur, Nganjuk)
0
3
1
PENGENDALIAN MUTU BETON READY MIX PADA BATCHING PLANT DENGAN MENGGUNAKAN STATISTICAL QUALITY CONTROL Kristanto Usman
0
0
12
View of ANALISIS PENGENDALIAN KUALITAS PROSES PRODUKSI DENGAN METODE STATISTICAL PROCESS CONTROL (SPC) DI PT. SURYA TOTO INDONESIA, TBK.
0
0
8
ANALISIS PENGENDALIAN KUALITAS PRODUK DENGAN METODE STATISTICAL QUALITY CONTROL (Studi Kasus: pada PT “ X” Depok)
0
0
10
PENGENDALIAN MUTU TERPADU ( TOTAL QUALITY CONTROL )
0
0
9
Show more