Process Capability

ESTIMASI KEMAMPUAN PROSES

Dapatkah proses yang terkendali sepenuhnya sesuai

dengan keinginan konsumen?

Contoh:
Perkiraan nilai rata-rata (CL pada peta kendali) = 74
Perkiraan deviasi standar proses:
R
ˆ   0.0099
d2
Spesifikasi konsumen: 74  0.05
 ESTIMASI KEMAMPUAN PROSES

Perkiraan proporsi produk yang tidak memenuhi

spesifikasi?
pˆ  P  X  73.95  P  X  74.05
 73.95  74   74.05  74 
 P Z    P X 
 0.0099   0.0099 
 P  Z  5.15  1  P  X  4.04
 0.00002

Artinya: 20 parts/million (PPM)

 Process Capability

Control charts can tell us when a process is in control,

but
not whether the output from the process meets
specification.

Process capability is a measure of the ability of the in

control
process to produce product which meets specification.

Two widely used measures of process capability are Cp

and Cpk.
 PROCESS CAPABILITY
(KEMAMPUAN PROSES)
 Kemampuan proses adalah suatu perhitungan melalui
perbandingan antara output produk dengan spesifikasi disain.
 Jika peralatan mempunyai kemampuan secara konsisten
memenuhi batas rentang kualitas yang diharapkan, maka kualitas
dan biaya produksi dapat optimal.
 Jika mesin tidak mampu secara konsisten memenuhi tingkat
kualitas yang diharapkan, maka biaya akan menjadi tinggi karena
produk cacat (reject) dan pengerjaan ulang (rework)
 Penggunaan analisa kemampuan proses

-memperkirakan variasi output dari proses

-mempermudah pemilihan proses produksi
-menentukan pemilihan mesin
-membantu program pengendalian kualitas
 Cp

Cp is an appropriate measure
of process capability if the
process distribution is
centered on the nominal
LSL USL value.
Nominal
Value

Lower Upper
Specification Specification
Limit Limit
 Cp

The same variables data can be used to construct the X-bar

chart and also to calculate Cp. To construct the X-bar
and range control charts, the sample means are used. To
calculate Cp the individual values are used. An estimate of
the process standard deviation is often determined using

R
ˆ x  d 2

where d2 is a constant obtained from a table.

 Cp
After collecting at least 25 samples from the process, the
X-bar and range charts are constructed. If the process is
determined to be in control, the process standard deviation
is estimated. If the process is centered on the nominal value
of the specification, Cp can be calculated.

USL  LSL
Cp  6
x
 Cp
Suppose the process standard deviation is estimated as 1.5.
Given specifications of 100 - 110, Cp would be calculated as

USL  LSL 110  100

Cp  6   1.11
x 6 1.5

A Cp of 1.33 or greater is usually used as an indicator

that the process is capable. In this case, the process is
not capable.
 Cpk

Cpk is an appropriate measure

of process capability if the
process distribution is not
centered on the nominal
LSL USL value.
Nominal
Value

Lower Upper
Specification Specification
Limit Limit
 Cpk
After collecting at least 25 samples from the process, the
X-bar and range charts are constructed. If the process is
determined to be in control, the process standard deviation
is estimated. If the process is not centered on the nominal
value of the specification, Cpk can be calculated.

Cpk = min.(Cpl,Cpu)
where
USL     LSL
C pu  3 
x C pl
3 x
 Cpk
Suppose the process standard deviation is estimated as 1.5
and the process mean, , is 103. Given specifications of
100 - 110, Cpk would be calculated as
USL   110  103
C    1.56
pu
3 x
3 1.5 Cpk = 0.67

  LSL 103  100

C    0.67
pl
3 x
3 1.5

A Cpk of 1.33 or greater is usually used as an indicator

that the process is capable. In this case, the process is
not capable.
 INDEKS KEMAMPUAN PROSES

Indeks kemampuan proses

USL  LSL
PCR 
6
Rentang 6 merupakan dasar pendefinisian kemampuan
proses. Estimasi  dari data: ˆ  R d2

Rasio kemampuan proses:

USL  LSL 74.05  73.95
PCR    1.68
6ˆ 6(0.0099)
INDEKS KEMAMPUAN PROSES

PCR > 1

PCR = 1

PCR < 1
 RUMUS DASAR
 Apabila proses berada dalam pengendalian statistikal (proses stabil), hitung indeks
kapabilitas proses, Cp, dan indeks performansi Kane, Cpk sbb :
 Kemampuan proses = 6σ, σ = standar deviasi, nilai σ didekati dengan s,
s = R/d2
 Jika rata-rata proses = pertengahan batas spesifikasi, dan proses
terdistribusi normal, maka 99,73% output proses tersebut akan berada
dalam rentang
 Rumus diatas hanya menunjukkan kemampuan proses, tetapi tidak menunjukkan
apakah proses tersebut mampu memenuhi batas spesifikasi yang diharapkan.
 Hubungan antara kemampuan proses (6σ) dengan batas spesifikasi dapat dinyatakan
dengan rasio kemampuan (capability ratio, Cp)
 Cp = RASIO KEMAMPUAN = BATAS SPESIFIKASI = BSA – BSB
KEMAMPUAN PROSES 6σ

BSA = batas spesifikasi atas (upper specification limit, USL)

BSB = batas spesifikasi bawah (lower specification limit, LSL)
 NILAI Cp

KRITERIA PENILAIAN

 Jika Cp > 1,33, maka kapabilitas proses sangat baik

 Jika 1,00  Cp  1,33, maka kapabilitas proses baik, namun perlu

pengendalian ketat apabila Cp mendekati 1,00

 Jika Cp < 1,00, maka kapabilitas proses rendah, sehingga perlu

ditingkatkan performansinya melalui perbaikan proses itu

CATATAN :
Indeks kapabilitas proses baru layak untuk dihitung apabila proses
berada dalam pengendalian statistikal
 RASIO Cpk
 Penggunaan Cp dalam menilai kemampuan proses
berdasarkan asumsi bahwa rata-rata proses tepat
berada di pertengahan batas spesifikasi
 Dalam kenyataan, hal ini jarang tercapai. Untuk
memperbaiki kelemahan diatas, digunakan rasio Cpk
 Cpk menyatakan posisi rata-rata proses dibandingkan
dengan batas spesifikasi.
 Makin tinggi nilai Cpk makin kecil presentasi produk
yang terletak di luar batas spesifikasi.
 Rumusnya: Cpk = min (CPL, CPU)
Cpk = min
| X –BSB , BSA - X
3σ 3σ
|
NILAI Cp
 NILAI Cpk
 Nilai Cpk negatif menunjukkan bahwa rata-rata proses terletak di luar
batas spesifikasi

 Nilai Cpk sama dengan nol menunjukkan rata-rata proses sama dengan
salah satu batas spesifikasi

 Nilai Cpk diantara nol dan satu menunjukkan rata-rata proses terletak
dalam batas spesifikasi tetapi beberapa bagian dari variasi proses
terletak di luar batas spesifikasi

 Nilai Cpk yang lebih besar dari satu menunjukkan seluruh variasi
proses berada dalam batas spesifikasi

 Nilai Cpk sama dengan nilai Cp menunjukkan bahwa rata-rata proses

terletak tepat ditengah-tengah spesifikasi
 NILAI Cpk

 Besaran CPL dan CPU dapat juga dibandingkan terhadap kriteria

berikut :

KRITERIA PENILAIAN CPL

 Jika CPL > 1,33, proses akan mampu memenuhi batas spesifikasi
bawah (LSL)

 Jika 1,00  CPL  1,33, proses masih mampu memenuhi batas

spesifikasi bawah (LSL), namun perlu pengendalian ketat apabila
CPL telah mendekati 1,00

 Jika CPL < 1,00, proses tidak mampu memenuhi batas spsifikasi
bawah (LSL)
 NILAI Cpk
 Besaran CPL dan CPU dapat juga dibandingkan terhadap kriteria
berikut :

KRITERIA PENILAIAN CPU

 Jika CPU > 1,33, proses akan mampu memenuhi batas spesifikasi
bawah (USL)

 Jika 1,00  CPU  1,33, proses masih mampu memenuhi batas

spesifikasi bawah (USL), namun perlu pengendalian ketat apabila
CPU telah mendekati 1,00

 Jika CPU < 1,00, proses tidak mampu memenuhi batas spsifikasi
bawah (USL)
 INDEKS KEMAMPUAN PROSES

PCR tidak memperhatikan dimaan lokasi pemusatan data

(rata-rata).
Contoh: Spesifikasi diameter piston ring: 50  12
Kasus 1: Rata-rata diameter 50, & deviasi standar 2
USL  LSL 24
PCR   2
6 12

LSL USL

6
 INDEKS KEMAMPUAN PROSES

Kasus 2: Rata-rata diameter 65, & deviasi standar 2

USL  LSL 24
PCR    2 , nilai yang sama
6 12

LSL USL

6
 INDEKS KEMAMPUAN PROSES

Process Capability Ratio (PCR atau CP) yang

sesungguhnya mengukur kemampuan proses dan
memperhatikan lokasi rata-rata:
PCRk  min  PCRU , PCRL  atau CPK
Kasus 1:
 USL     LSL 
PCRk  min  , 
 3 3 
 min  2, 2   2
Kasus 2:
PCRk  min  0.5, 4.5  0.5
 INDEKS KEMAMPUAN PROSES

 Nilai PCRk akan berarti jika dibandingkan dengan PCR

 Besar nilai PCRk relatif terhadap PCR menunjukkan
seberapa jauh pemusatan data dari target

PCR  PCRk  proses memusat pada target

PCR  PCRk  proses tidak memusat pada target

Jika PCR  PCRk artinya adalah:

PCRk  0  Rata-rata proses dalam spesifikasi

PCRk  0  Rata-rata proses =USL atau LSL

PCRk  0  Rata-rata proses di luar spesifikasi
INDEKS KEMAMPUAN PROSES

Proses A Proses B
 50 57.5
 5 2.5
Spesifikasi: 50  15
B
LSL USL
A

PCRkA  PCRkB  1.0 [apa artinya?]

Seharusnya:
Proses A: PCR  PCRk  1  memusat
Proses B: PCR  2  PCRk  1.0  tidak memusat
 INDEKS KEMAMPUAN PROSES

USL  LSL
PCRkm 
6  2   T 
2

dimana T  target  2 USL  LSL 

1

PCR
Indeks kemampuan proses : PCRkm 
1  2
T 
dimana  


PCRkm memposisikan setiap proses pada skala yang sama sebelum

dilakukan penghitungan indeks
 INDEKS KEMAMPUAN PROSES

Spesifikasi: 50  15  T  12  65  35  50

Proses A (memusat)
T   50  50
  0
 5
PCR 1
PCRkm   1
1  2
1 0

Proses B (tidak memusat)

T   50  57.5
   3
 2.5
PCR 2
PCRkm    0.63
1  2
1 9
 INDEKS KEMAMPUAN PROSES

Pernyataan umum: semakin besar nilai PCRkm kemampuan proses

semakin baik

Jika   T maka PCRkm  PCR

Jika   T maka PCRkm  PCR
Dalam hal   T   , maka PCRkm  0

PCR
Estimasi PCRkm :
PCR km 
1V 2
T  ˆ
dimana V  ˆ

 INDEKS KEMAMPUAN PROSES

Pro dan kontra:

 Pelanggan ingin mengetahui kemampouan produsen
 Banyak digunakan untuk system pemasok
 Tidak memerlukan pemahaman statistik canggih

 Proses harus dalam kendali

 Jumlah sample harus cukup besar n (approx > 20)
 Sensitif tehadap non-normality
 “Oversimplification of complex phenomenon”
 KEMAMPUAN PENGUKURAN

Contoh: kasus dimana proses “in-control”:

Peta X: CL  223 , UCL  237.4 , LCL  208.6
Peta R: CL  34.3 , UCL  66.0 , LCL  2.6
Spesifikasi: 220  35
Apakah proses capable?

Hitung indeks kemampuan proses

ˆ  R d2  34.3 2.7  12.7
PCR  USL  LSL 6ˆ  70 76.2  0.92  1
Kesimpulan: proses tidak memenuhi spesifikasi.
 KEMAMPUAN PENGUKURAN

Bagaimana pemusatannya? ˆ  x  223

PCR k  min  PCRU , PCRL 
 USL  ˆ ˆ  LSL 
 min  , 
 3 ˆ 3ˆ 
 255  223 223  185 
 min  , 
 3 12.7  3 12.7  
 min  0.84,1.0   0.84
Proses tidak memusat (thd spesifikasi) karena: PCR  0.92  PCRk  0.89
Berapa indeks PCRkm ?
PCR 0.92
PCR km    0.89
1V 2
1  0.24 2

V  T  ˆ  ˆ   220  223 /12.7  0.24

T  12 USL  LSL   220
 KEMAMPUAN PENGUKURAN

Variabilitas data yang diobservasi dapat berasal dari:

1.  2
Variabilitas produk - product
2. Variabilitas alat ukur (Gage), misalkan kesalahan pengukuran -
 gage
2

Variansi total yang diobservasi dari produk adalah:

 total
2
  product
2
  gage
2

Permasalahan ini dikenal juga sebagai “Gage capability studies”

 KEMAMPUAN PENGUKURAN

Contoh: ada 20 parts, masing-masing diukur oleh operator

sebanyak dua kali
Part Meas. 1 Meas. 2 x R
1 21 20 20.5 1

20 19 19 19 0
x  22.3 R  1.0

Estimasi deviasi standar dari kesalahan pengukuran:

 gage  R d2  1.0 1.128  0.887
Esimasi kemampuan gage: 6ˆ gage  6  0.887   5.32
Diperkirakan setiap pengukuran menyimpang: 3 gage
 KEMAMPUAN PENGUKURAN

6ˆ gage
“Precision-to-tolerance ratio” P T 
USL  LSL
Spesifikasi: 32.5  27.5

6ˆ gage 6  0.887 

PT   0.097
USL  LSL 55

Keputusan (rule of thumb):

P T  0.1  Kemampuan gage dinilai cukup
 KEMAMPUAN PENGUKURAN

Estimasi variansi total dengan seluruh data observasi: ˆ total  S

2 2

1 n 1 n
     i   10.05
2
S    
2 2
x x x 22.3
n  1 i 1
i
39 i 1

Karena  total   product   gage , maka:

2 2 2

ˆ product
2
 ˆ total
2
 ˆ gage
2
 10.05  0.79  9.26
ˆ product  9.26  3.04

Nyatakan deviasi standar gage sebagai % deviasi

standar produk:
ˆ gage 0.887
100%  100%  29.2%
ˆ product 3.04
 KEMAMPUAN PENGUKURAN

Interpretasi peta kendali & kemampuan pengukuran

 Peta kendali menunjukkan out-of-control points
 Peta x dapat menunjukkan kemampuan pengukuran
yang membedakan pengukuran antar unit
(discriminating power of instrument)
X-bar Chart for xbar
30
UCL = 24.18
28 CTR = 22.30
26 LCL = 20.42
X-bar

24

22

20

18
0 4 8 12 16 20

Subgroup
 KEMAMPUAN PENGUKURAN

 Peta R secara langsung menunjukkan kesalahan pengukuran

(gage capability)
 Nilai R menunjukkan perbedaan antar pengukuran pada
sebuah unit dengan alat ukur yang sama
Range Chart for R
4
UCL = 3.27
CTR = 1.00
3
LCL = 0.00
Range

0
0 4 8 12 16 20
Subgroup

In-control: operator melakukan pengukuran secara konsisten

Out-of-control: operator sulit melakukan pengukuran secara
konsisten
 REPEATABILITY & REPRODUCIBILITY

Kesalahan pengukuran terdiri dari dua komponen:

 total
2
  product
2
  gage
2

 repeatability
2
  reproducibiliy
2

 Repeatability:  repeatability - Variansi dari instrument pengukuran

2

 Reproducibility:  reproduciblity
2
- Variansi dari (perbedaan) operator

Pembahasan ini dikenal sebagai “R&R studies”

REPEATABILITY & REPRODUCIBILITY

Contoh: ada 20 parts dan 3 operator. Setiap operator

mengukuran part sebanyak dua kali
x R
Operator 1 22.30 1.00
Operator 2 22.28 1.25
Operator 3 22.60 1.20

Estimasi repeatability:
R  13  R1  R2  R3 
 13 1.00  1.25  1.20   1.15
R 1.15
ˆ repeatabiltiy    1.02
d 2 1.128
(Gunakan d 2 untuk n =2 (karena setiap part diukur dua kali)
 REPEATABILITY & REPRODUCIBILITY

Estimasi reproducibility:
Perbedaan pada xi menunjukkan bahwa operator bias karena semua
operator mengukuran part yang sama

xmax  max  x1 , x2 , x3   22.60

xmin  min  x1 , x2 , x3   22.28
Rx  xmax  xmin  0.32 ,
Rx 0.32
maka ˆ reproducibility    0.19
d 2 1.693

(gunakan d 2 untuk n  3 karena Rx diambil dari sample berukuran 3)

 REPEATABILITY & REPRODUCIBILITY

Total variabilitsa gage:

ˆ gage
2
 ˆ reproducibility
2
 ˆ repeatability
2

ˆ gage  1.02    0.19   1.08

2 2 2

Standar deviasi gage (kesalahan pengukuran):

ˆ gage  1.08  1.04

Spesifikasi : USL = 60, LSL = 5

P 6ˆ gage 6 1.04 
   0.11
T USL  LSL 60  5

Catatan: P T  0.11  0.1 , diinginkan P T < 0.1

REPEATABILITY & REPRODUCIBILITY

ˆ gage PT
Satu operator 0.887 0.097
Tiga operator 1.04 0.11
Kemampuan pengukuran tidak sebaik yang diharapkan, baik
pada reproducibility dan repeatability

Kesimpulan:
 Latih kembali operator untuk mengurangi  reproducibility

 Karena  repeatibility lebih besar, diperlukan usaha untuk

mencari alat inspeksi yang lebih baik.
 Assumption of Normality

Both Cp and Cpk assume that the individual x’s are normally
distributed. It is possible to calculate process capability
indices for non-normal distributions. It is always wise to
plot the data to visually determine whether the distribution
is close to normal before calculating Cp or Cpk.
 Summary
• Two measures of process capability for variable data are Cp
and Cpk.

• To obtain a valid measure of process capability the process

must be in control.