PROCESS CAPABILITY ANALYSIS

Ir. Budi Nurtama, M.Agr.

PS. SUPERVISOR JAMINAN MUTU PANGAN
DEP. ILMU DAN TEKNOLOGI PANGAN
FATETA - IPB
ANALISIS KAPABILITAS PROSES
A process in "A STATE OF STATISTICAL CONTROL"
special causes sudah teridentifikasi dan tereliminasi

PROCESS CAPABILITY
membandingkan kinerja proses (process
performance) dengan tuntutan proses
(pemenuhan specification limits)
Data variabel :

atau


dengan process spread :
Estimating Process Variation
2
d
R
=

4
c
s
=

3
PROCESS POTENTIAL
Process Capability I ndex =

C
p
<1.0 not capable process
C
p
=1.0 marginally capable process
C
p
>1.0 capable process

biasanya digunakan C
p
> 1.33 yang berarti sangat bagus
6
LSL - USL
spread actual
spread allowable
C
p

= =
INDEKS KAPABILITAS
Gambar 1.
C
p
< 1.0
C
p
= 1.0
C
p
> 1.0
X
X
X
LSL USL
LSL USL
PROCESS PERFORMANCE
Untuk sebaran non-normal :
(

=
3
LSL -
,
3
- USL
Minimum C
pk

( )
( )
( ) 2
2
LSL USL
LSL USL
k C k C
p pk

+
= =

dimana 1
INDEKS KAPABILITAS .....
Nilai 0 s k s 1 C
pk
s C
p
Jika C
pk
= C
p
berarti proses berada tepat di tengah
specification limit.
Gambar 2.
Kedua sebaran mempunyai
C
p
yang sama tetapi C
pk

yang berbeda
Process mean
LSL USL
Process mean
LSL USL
ONE-SIDED TOLERANCES
Untuk proses dengan LSL :

Untuk proses dengan USL :


3
LSL -
C
pl

=
3
- USL
C
pu


=
INDEKS KAPABILITAS .....
C
pk
selalu sama dengan nilai terkecil C
pl
dan C
pu

C
pk
= Minimum (C
pl
,C
pu
)
PERCENT OF SPECIFICATION USED

Capability Ratio =

Mengukur besarnya wilayah spesifikasi (USL-LSL) yg "hilang" ke proses.
Semakin lebar process spread maka proses cenderung semakin banyak
memakai wilayah spesifikasi; sebaliknya jika proses terpusat dgn rasio C
p

yang tinggi maka cenderung semakin kecil menggunakan toleransi.
Disebut juga "persentase dari spesifikasi yang terpakai oleh proses"
jika diekspresikan dalam %.
p
C
1
INDEKS KAPABILITAS .....
Contoh :
Sebuah mesin ekstruder diukur suhunya tiga
kali setiap harinya selama 20 hari (data pada
slide selanjutnya). Spesifikasi suhu proses
adalah 200 10
o
C. Proses diketahui sudah
terkendali secara statistik. Lakukan analisis
kapabilitas untuk proses tsb.
Subgrup x
1
x
2
x
3
x-bar R
1 200 210 202 204.00 10
2 190 206 205 200.33 16
3 206 201 195 200.67 11
4 205 204 205 204.67 1
5 193 199 194 195.33 6
6 210 203 185 199.33 25
7 207 198 209 204.67 11
8 204 201 203 202.67 3
9 200 198 204 200.67 6
10 188 196 207 197.00 19
11 203 185 200 196.00 18
12 209 203 202 204.67 7
13 200 217 208 208.33 17
14 198 205 210 204.33 12
15 203 198 193 198.00 10
16 199 195 203 199.00 8
17 215 200 198 204.33 17
18 200 204 200 201.33 4
19 208 207 200 205.00 8
20 197 198 206 200.33 9
Total 4030.67 218
Subgroup
S
a
m
p
l
e

M
e
a
n
20 19 18 17 16 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1
210
205
200
195
190
_
_
X=201.53
UCL=212.68
LCL=190.38
Subgroup
S
a
m
p
l
e

R
a
n
g
e
20 19 18 17 16 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1
30
20
10
0
_
R=10.9
UCL=28.06
LCL=0
X bar R Chart
( )
( )
% 192 92 . 1 52 . 0 1 1
44 . 0
44 . 0
44 . 6 3
53 . 201 210
60 . 0
44 . 6 * 3
190 53 . 201
52 . 0
44 . 6 * 6
190 210
44 . 6 693 . 1 20 218
53 . 201 20 67 . 4030
190 10 200
210 10 200
2
C
C , C C

*

C
C
C
d R
x
LSL
USL
p
pu pl pk
pu
pl
p
atau
Minimum
= =
= =
=

=
=

=
=

=
= = = o
= = =
= =
= + =
Perhitungan Indeks Kapabilitas
Kesimpulan :
C
p
< 1.0 proses tidak kapabel
C
pk
< C
p
proses tidak tepat di tengah spec. limit
1/C
p
= 192 % dari spesifikasi yang terpakai proses

216 208 200 192 184
LSL TARGET USL
Process Data
SampleN 60
StDev(Within) 6.43828
LSL 190
Target 200
USL 210
Sample Mean 201.533
Potential (Within) Capability
CCpk 0.52
Cp 0.52
CPL 0.60
CPU 0.44
Cpk 0.44
Analisis Kapabilitas Proses
( ) ( ) o = * 3 LSL Target , Target USL Min CC : Note
pk
PETUNJUK PENGGUNAAN INDEKS KAPABILITAS
1. STATISTICAL CONTROL.
Sebelum dilakukan analisis kapabilitas, proses harus
"in a state of statistical control".
Kendali ditetapkan dgn suatu variables control chart.
2. MEASUREMENT ERROR.
Besarnya galat yg dihasilkan sistem pengukuran harus
dipastikan, karena variasi galat mengganggu batas-batas
nilai yang dapat dicapai dari indeks-indeks kapabilitas.
3. DISTRIBUTION TYPE.
Bentuk sebaran pengukuran proses tidak akan pernah
dapat diketahui dgn pasti. Jadi perlu utk mengasumsikan
bahwa beberapa sebaran (misalnya normal) menentukan
keragaman proses. Sebaran normal tidak tepat untuk :
(i) batas spesifikasi satu sisi (skewed distributions)
(ii) proses sortasi otomat (truncated distributions)
4. SAMPLING VARIATION.
Bahkan untuk proses terkendali, indeks C
p
adalah suatu
statistik; jadi diharapkan menampilkan keragaman alami
dari sampel ke sampel.
5. SOFTWARE.
Jika analisis kapabilitas dilakukan dgn perangkat lunak
Statistical Process Control (SPC) maka perlu diketahui
metode mana yang dipakai untuk mengestimasi variasi
proses (o). Metode-metode berdasarkan grafik kendali
garis pusat mungkin memberikan hasil yg
sangat berbeda jika dibandingkan dgn yg berdasarkan
simpangan baku dari sekumpulan data yang disatukan.
) s R ( dan
PETUNJUK PENGGUNAAN INDEKS KAPABILITAS