PEMAHAMAN DASAR TENTANG SPC

Apakah yang di maksud dengan SPC?

SPC adalah kependekan dari

S : Statistical

P : Process
C : Control
Apakah yang di maksud dengan Statistical (Statistik):
Statistik secara bahasa berarti Sekumpulan data/angka yang disederhanakan dalam bentuk table atau grafik dengan tujuan untuk untuk ditarik maknanya atau untuk memperoleh informasi tertentu

STATISTIK = DATA
Nopri rev01

PEMAHAMAN DASAR TENTANG SPC

Apakah yang di maksud dengan Process Pemahaman Konvensional
IN IQC Process Process Out OQA

Process adalah tahapan yang diperlukan untuk mengubah dari input menjadi output ??

Saat ini Process harus dipahami lebih jauh lagi yakni sebagai semua kegiatan yang berhubungan dengan produk mulai dari raw material sampai menjadi Finish good adalah process
Process A Process B Process C

Nopri rev01

PEMAHAMAN DASAR TENTANG SPC

Apakah yang di maksud dengan Control Control adalah upaya2 yang dilakukan untuk memenuhi standard yang di Targetkan, mengurangi kemungkinan terjadinya defect (Stability) dan perbaikan

CONTROL => CAPABILITY => (P) (D)

STABILITY => IMPROVE (C) (A)

Jadi SPC adalah : Suatu method / tools yang systematic untuk mengetahui capability dan stability dari suatu product dan perbaikan yang diperlukan.

Nopri rev01

PEMAHAMAN DASAR TENTANG SPC

Ada 7 jenis tools yang biasa di pakai dalam SPC, atau yang lebih dikenal dengan nama (QC basic 7 tools)
Yaitu :
1) Histogram or Stem and Leaf plot 2) Check Sheet 3) Pareto Chart 4) Cause and Effect Diagram 5) Defect Concentration Diagram 6) Scatter Diagram 7) Control Chart Dalam training ini akan di bahas mengenai SPC dengan method Control chart
Nopri rev01

PEMAHAMAN DASAR TENTANG SPC

Histogram

Check Sheet

Pareto Chart

Defect Concentration Diagram

Fishbone Diagram

Scatter Diagram

Run Chart

Nopri rev01

KEGUNAAN DARI SPC

Kegunaan dari SPC :
1. Monitor process (defect prevention)
2. Menentukan apakah process masih dalam control atau tidak (Process capability) 3. Memutuskan apakah corrective actions diperlukan atau tidak (prevent unnecessary process adjustment)

4. Membantu memutuskan action apa yang diperlukan (improving productivity)

Nopri rev01

CONTROL CHART
Jenis dari control chart Variables Control Charts
Variables control charts biasa di pakai untuk data yang terukur (measurement data) dan memiliki distribusi / Variable data.

Contoh Jenis jenis data yang bisa terukur adalah: 1) Weight (Berat) 2) Height (Ketinggian) 3) Speed (Kecepatan) 4) Distance (Jarak) 5) Thickness (Ketebalan)
Jenis jenis dari control chart untuk variables data adalah:

X-Bar R chart, MR Chart.

Nopri rev01

CONTROL CHART
Jenis dari control chart
Attributes Control Charts Attributes control charts biasa di pakai untuk pengkategorian dari jenis data seperti Pass atau Fail, goNo go, NG and OK
Note :

Walaupun data tersebut adalah variabel data (data dalam bentuk angka hasil pengukuran), data tersebut dapat di anggap sebagai attributes data jika pointnya adalah jumlah dari pass dan fail.
Jenis jenis dari control chart untuk variables data adalah:
8

P-Chart, U- Chart and C-Chart.

Nopri rev01

SPC (Control chart Tree)

Attribute (Count) Count or measure? Variable (Measure)

Area or units? Defects per area Defective units Individual

No

Subgroups?

Yes

Average

Sample size? Constant Changing

MR Chart

X bar R Chart

p or p

n p n2p 2 ... nk pk p 1 1 n1 n2 ... nk

UCL p p 3 p (1 p ) n

X1 X 2 ... X k k R1 R 2 ... Rk R k UCL X A R X

X 2

LCL X X A 2 R UCL R D 4 R LCLR D3 R

p (1 p ) LCLp p 3 n
9

n 2 3 4 5

A2 1.88 1.02 0.73 0.58

E2 D4 D3 2.66 3.27 0 1.77 2.57 0 1.46 Nopri rev01 2.28 0 1.29 2.11 0

CONTROL CHART
X Bar R chart: Menjadikan nilai distribusi rata rata dan nilai Range untuk melihat proces [Link] with a average value in a process MR chart: Menjadikan nilai rata-rata perubahan dari

P Chart: chart yang menjadikan nilai ratio defect sebagai trend chart. C chart: chart yang menjadikan jumlah total defect menjadi trend chart. U chart: chart yang menjadikan nilai rata2 dari jumlah defect menjadi trend chart.
Nopri rev01

10

How to make the Xbar-R control chart ?

n adalah jumlah (size) dari sample yang terkadang juga di sebut sebagai subgroup)
bar - adalah average dari data sample
Jika x1, x2, , xn adalah nilai dari sample, maka average adalah

x1 x2 xn x n
R adalah nilai range (max-min)
m jumlah dari sub group

Nopri rev01

11

How to make the Xbar-R control chart ?

Control Limits for the X bar chart

UCL x A2 R Center Line x LCL x A2 R

A2 is found in Appendix VI for various values of n. Control Limits for the R chart

UCL D4 R Center Line R LCL D3 R

D3 and D4 are found in Appendix VI for various values of n.
Nopri rev01

12

How to make the Xbar-R control chart ?

Process 1
Hitung nilai dari rata2 (mean) dari subgroup(Lot) Biasanya Sub group size adalah : 510)

Process 2
Hitung nilai Range (R) dari subgroup(Lot)

Process 3
Jumlahkan nilai total rata2

Process 4
Jumlahkan nilai total range

Process 5
Hitung nilai CL, UCL, LCL dari X bar.

Process 6
Hitung nilai CL, UCL, LCL dari R

Process 7
Plot the Xbar and R by the subgroup
Nopri rev01

13

How to make the Xbar-R control chart ?

Sample # 1

Nopri rev01

14

How to make the Xbar-R control chart ?

Dari sample diatas didapat :

n = 5

m = 12

X bar : 45.5

R : 6.0

UCL : 45.5 + 0.577 x 6.0 = 48.962 LCL : 45.5 - 0.577 x 6.0 = 42.03

X bar Chart UCL _ LCL

UCL : 2.282 x 6.0 = 13.684 LCL : 0.0 x 6.0 = 0

R Chart UCL _ LCL

Nopri rev01

15

How to make the Xbar-R control chart ?

m 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
16

A2
1.880 1.023 0.729 0.577 0.483 0.419 0.373 0.337 0.308 0.285 0.266 0.249 0.235 0.223 0.212 0.203 0.194 0.187 0.180 0.173 0.167 0.162 0.157 0.153

D3
0.000 0.000 0.000 0.000 0.000 0.076 0.136 0.184 0.223 0.256 0.283 0.307 0.328 0.347 0.363 0.378 0.391 0.404 0.415 0.425 0.435 0.443 0.452 0.459

D4
3.267 2.575 2.282 2.114 2.004 1.924 1.864 1.816 1.777 1.744 1.717 1.693 1.672 1.653 1.637 1.622 1.609 1.596 1.585 1.575 1.565 1.557 1.548 1.541

A3
2.659 1.954 1.628 1.427 1.287 1.182 1.099 1.032 0.975 0.927 0.886 0.850 0.817 0.789 0.763 0.739 0.718 0.698 0.680 0.663 0.647 0.633 0.619 0.606

B3
0.000 0.000 0.000 0.000 0.030 0.118 0.185 0.239 0.284 0.321 0.354 0.382 0.406 0.428 0.448 0.446 0.482 0.497 0.510 0.523 0.534 0.545 0.555 0.565

B4
3.267 2.568 2.266 2.089 1.970 1.882 1.815 1.761 1.716 1.679 1.646 1.618 1.594 1.572 1.552 1.534 1.518 1.503 1.490 1.477 1.466 1.455 1.445 1.435

Note: m = subgroup size For moving range charts in which the moving ranges are calculated using pairs of successive values, use m = 2.

Nopri rev01

How to make the Xbar-R control chart ?

X Bar Chart

55,0 53,0 51,0 49,0 47,0 45,0 43,0 41,0 39,0 37,0 35,0 1/1

UCLXBar 48,96

XDBar 45,50

LCLXBar 42,02

14,00

R Chart

10,00

UCLR 12,68

6,00

RBar 6,00

2,00

1/1 -2,00

Nopri rev01

17

How to make the Xbar-R control chart ?

Sample # 2
6/8 8AM 6/8 10AM 6/8 12PM 6/8 2PM 6/9 8AM 6/9 10AM 6/9 12PM 6/9 2PM 6/10 8AM 6/10 10AM 6/10 12PM 6/10 2PM 6/11 8 AM 6/11 10AM 6/11 12PM

1 2 3 4 5

0.65 0.7 0.65 0.65 0.85

0.75 0.85 0.75 0.85 0.65

0.75 0.8 0.8 0.7 0.65

0.6 0.7 0.7 0.75 0.65

0.7 0.75 0.65 0.85 0.8

0.6 0.75 0.75 0.85 0.7

0.75 0.8 0.65 0.75 0.7

0.6 0.7 0.8 0.75 0.75

0.65 0.8 0.85 0.85 0.75

0.6 0.7 0.6 0.8 0.65

0.8 0.75 0.95 0.55 0.8

0.85 0.75 0.85 0.65 0.7

0.7 0.7 0.75 0.75 0.7

0.65 0.7 0.85 0.75 0.6

0.9 0.8 0.8 0.75 0.85

5 parts di ambil samplenya setiap dua jam dan hasilnya seperti data diatas. Dari sample diatas didapat :

n = ?
UCL : ?? LCL : ?? UCL : ??

m= ?

X bar : ?

R: ?
X bar Chart UCL _ LCL

R Chart UCL _ LCL

LCL : ??
Nopri rev01

18

Membaca Jenis dari Control Chart

Natural pattern:
Menunjukkan process yang stabil. Fluktuasi chart random mendekati centre line. Tidak ada abnormal trend, shifted trend, atau trend yang out-of-control.
4 -4
0

-2

10

15

20

25

30

Nopri rev01

19

Membaca Jenis dari Control Chart

Unnatural patterns (Freaks or Outliers) : Satu point yang keluar dari control limit. Artinya : Perubahan process yang tidak permanent dan lebih ke accidensial (biasanya kejadian ini sudah untuk di identified root causednya), untuk memastikanya haru di re-check data atau unit yang bermasalah.
6 -6
0

-4

-2

10

15

20

25

30

Nopri rev01

20

Membaca Jenis dari Control Chart

Unnatural patterns: 8 points berturut2 baik di raw bawah ataupun atas dari centre line. Artinya : Perubahan process data secara tiba tiba yang bisa jadi karna ada perubahan process seperti adjustment machine atau new lot number dari raw material.

-4
0

-2

10

15

20

25

30

Nopri rev01

21

Membaca Jenis dari Control Chart

Unnatural patterns: 7 atau lebih point yang terus menerus trendnya naik atau turun.. Artinya : Trend menanjak atau trend menurun biasanya di sebabkan oleh tool atau machine yang stabilitynya NG (Worn out)

-4
0

-2

10

15

20

25

30

Nopri rev01

22

Membaca Jenis dari Control Chart

Unnatural patterns: Dua dari tiga point data yang yang berurut berada pada posisi di luar warning (Warning Limits = 2*sigma) Empat dari lima point data yang berurut berada pada posisi diluar 1 sigma control limit. Artinya : Menunjukkan adanya pergesaran di parameter process.
6 -4
0

-2

10

15

20

25

30

Nopri rev01

23

Membaca Jenis dari Control Chart

Unnatural patterns: Dua dari tiga point data yang yang berurut berada pada posisi di luar warning (Warning Limits = 2*sigma = zone A) Empat dari lima point data yang berurut berada pada posisi diluar 1 sigma control limit (Zone B) Artinya : Menunjukkan adanya pergesaran di parameter process.
6 -4
0

-2

10

15

20

25

30

Nopri rev01

24

Membaca Jenis dari Control Chart

Unnatural patterns: 14 points data menunjukkan data yang terus menerus naik turun Artinya : Menunjukkan effek yang disebabkan oleh pengunnaan dua process ang berbeda, seperti machine, operator atau material lot number. Average

9/28 9/29 9/30 10/3 10/4 10/5 10/6 10/7 10/11 10/12 10/13 10/14 10/17 10/18 10/19 10/20 10/21 10/24 10/25 10/26 10/27 11/1 11/2 1 Nopri rev01
25

Membaca Jenis dari Control Chart

Unnatural patterns: 15 points berada pada zone C (Centre area) secara terus menerus Artinya : Menunjukkan data yang sangat stabil (Bisa jadi di adjust)

Nopri rev01

26

Membaca Jenis dari Control Chart

Unnatural patterns: 8 points data berturut turut tidak terdapat pada zone C baik di raw atas maupun Artinya : variasi data menjauhi centre area (Marginal)

Nopri rev01

27

Process Capability (Cpk)

Apakah yang di maksud dengan process capabiltiy?? Process capability dapat diartikan sebagai kemampuan dari process untuk dapat memenuhi standard yang

Tehnik yang biasa di pakai untuk process capability analysis 1. 2. 3. Control Charts Histograms Designed Experiments (DOE)

Nopri rev01

28

Process Capability (Cpk)

Penggunaan Histogram Histogram digunakan dengan parameter nilai rata2 (mean) nilai standard deviasi (sigma) dan nilai process capability (Cpk)

Apakah yang di maksud dengan sigma (standard Deviasi) ( s ) ? SD adalah parameter untuk mengukur besarnya deviasi/variability dari suatu data. semakin besar SD maka makin sebesar deviasi/variability data.

Standard Deviation (SD): s = [(x1 - m)2+(x2 - m)2+...+(xn - m)2] / (n-1)

Nopri rev01

29

Process Capability (Cpk)

No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 Average Value 46 47 45 44 48 45 47 53 48 48 45 42 48 47 44 46 50 42 44 46 45 43 41 45 39 44 45 48 45 44 47 43 45,4375
No

Berapakah nilai Sigma dari data di samping??

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 Average

Value Xn-Mean = p 46 0,5625 47 1,5625 45 -0,4375 44 -1,4375 48 2,5625 45 -0,4375 47 1,5625 53 7,5625 48 2,5625 48 2,5625 45 -0,4375 42 -3,4375 48 2,5625 47 1,5625 44 -1,4375 46 0,5625 50 4,5625 42 -3,4375 44 -1,4375 46 0,5625 45 -0,4375 43 -2,4375 41 -4,4375 45 -0,4375 39 -6,4375 44 -1,4375 45 -0,4375 48 2,5625 45 -0,4375 44 -1,4375 47 1,5625 43 -2,4375 45,4375 P.2/(n-1) = U /U

p.2 0,316406 2,441406 0,191406 2,066406 6,566406 0,191406 2,441406 57,19141 6,566406 6,566406 0,191406 11,81641 6,566406 2,441406 2,066406 0,316406 20,81641 11,81641 2,066406 0,316406 0,191406 5,941406 19,69141 0,191406 41,44141 2,066406 0,191406 6,566406 0,191406 2,066406 2,441406 5,941406 229,875 7,415323 2,723109

Sigma

Nopri rev01

30

Process Capability (Cpk)

0.6

Spec Width
Process Variation
6s

0.2

0.4

Process Mean

0.0

LSL
-6 -4 -2

Target
0 2 4

USL
6

Nopri rev01

31

The Normal Distribution

99.73% 95.45% 68.26%

0.13 %
-3 -2 - 0 2 3

0.13%

STDEV(STANDARD DEVITASION)

Center + 3*Sigma Center + 2*Sigma Center+Sigma Center Center - Sigma Center - 2*Sigma Center - 3*Sigma
32

Zone A Zone B Zone C Zone C Zone B Zone A

UCL UWL

Center LWL LCL

Nopri rev01

Process Capability (Cpk)

Process-Capability Ratios (Cp) Digunakan untuk mengekpresikan / potential process capability.

USL LSL Cp 6s
Cp dapat diartikan sebagai berikut: Jika Cp > 1, maka sangat sedikit peluang / tendesi defect akan dihasilkan dari. Jika Cp = 1, maka defect yang dihasilkan akan berulang. Jika Cp < 1, maka banyak defect yang akan di hasilkan

Nopri rev01

33

Process Capability (Cpk)

Cpk Digunakan untuk mengekpresikan process capability dengan melakukan pendekatan dari nilai rata2.

USL C pu 3s LSL C pl 3s

Cpk defined as
Cpk = min(Cpu, Cpl)
Process Capability Rank Criteria of Cp Cpk Rank A Rank B Rank C Cpk>1.67 for both side tolerance Definition Maintain the process quality

Cpk is greater than 1.33 and less than 1.67

Investigation and improvement plan required

Detail action taken is required and Stop the machine

Cpk<1.33 for one side tolerance

Nopri rev01

34

CP and CPK
Cp and Cpk can be used for data histogram analysis, tetapi Cpk lebih akurat untuk penilaian process secara keseluruhan.

0. 8

0. 0

Cp = 0.5, Cpk = 0.5

32 34 x1 36 38

Greater the process spread, lower the Cp or Cpk. For a process which is centered at the target, Cp=Cpk. Cp does not account for whether or not the process is centered at the target, but Cpk does.

0. 4

0. 8

0. 4

0. 0

Cp = 1, Cpk = 1
32 34 x2 36 38

0. 4

0. 8

0. 0

Cp = 1, Cpk = 0.33
32 34 x3 36 38

LSL = 33.5 Target = 35.0 USL = 36.5

Nopri rev01

35

CP and CPK
Sample Kita memiliki 10.000 distribusi data dengan beberapa parameter beikut : Specification: LSL = 9.997, USL = 10.003, Nominal value = 10. Mean : 10.000156 SD : 0.00059 Berapakah nilai Cp dan Cpk nya?? Bagaimana menurut anda graph yang di hasilkan?? Cp: 1,694 Cpk : 1,606

Mean = 10.00156 SD = 0.00059

20

30

LSL=9.997
10 0
9.996 9.998 10.000 x 10.002

USL=10.003
10.004

Nopri rev01

36

Reference Table of CPK

REFERENCE TABLE FOR CP AND CPK
SIGMA
1 2 3 4 4.5 5 6

% GOOD
68.27% 95.45% 99.73% 99.99% 99.99993% 99.9999426% 99.9999998%

% BAD
31.73% 4.55% 0.27% 0.07% 0.00068% 0.0000574% 0.0000002%

PPM
317.300 45.500 2.700 63 6.8 0.574 0.002

APPROXIMATELY BAD
1 out of 3 1 out of 20 3 out of 1000 6 out of 100000 7 out of million 0.6 out of million 2 out of billion

CP
0.33 0.66 1 1.33 1.5 1.66 2

SIGMA
1 2 3 4 4.5 5 6

% GOOD
84.135% 97.725% 99.865% 99.99685% 99.99997% 99.9999713% 99.9999999%

% BAD
15.865% 2.275% 0.135% 0.00315% 0.00034% 0.0000287% 0.0000001%

PPM
156.650 22.750 1.350 31.5 3.4 0.287 0.001

APPROXIMATELY BAD
1 out of 6 1 out of 40 1 out of 1000 3 out of 100000 3.4 out of million 0.3 out of million 1 out of billion

CPK
0.33 0.66 1 1.33 1.5 1.66 2

Nopri rev01

37

Process Control vs. Process Capability

Sangat penting untuk memahami perbedaan antara process contol dengan process

Sebuah process di anggap memiliki capability apabila semua data yang dihasilkan process masih masuk dalam limit Sebuah process di anggap tercontrol apabila parameter process itu sendiri semua data yang dihasilkan sesuai dengan yang diharapkan. Jadi process yang walaupun di control dengan SPC tidak serta merta process tersebut sudah memiliki capability, dan sebaliknya process yang memenuhi spesifikasi tidak serta merta di anggap sebagai process yang terkontrol
Untuk menjadikan process tersebut dianggap process yang terkontrol harus udah usaha untuk mengurangi atau menghilangkan distributsi data yang tidak bagus dengan adanya process improvement.

Nopri rev01

38

PENYEBAB PERUBAHAN PROCESS

Ada dua hal yang bisa menjadi penyebab terjadinya perubahan process distribusi data yakni : common cause variation and special cause variation. Comon caused adalah perubahan process control yang terjadi secara acak (random) dan bersifat accidentsial (unidentifiable causes) Special caused adalah perubahan process control di karenakan oleh sebab sebab tertentu seperti machine yang rusak, perubahan di dalam method, perubahan raw material dan lain2, Special caused di kenal juga dengan nama assignable causes.

Nopri rev01

39

P Charts
P chart adalah salah satu dari control chart yang di gunakan untuk memonitoring fraction / ratio dari defect.

Beberapa parameter dalam P chart:

P = nilai ratio (fraction) dari total defect yang di temukan dengan total jumlah product yang di inspected. n = Number of subgroup. Center Line = Average UCL = Average + 3*Sigma LCL = Average - 3*Sigma

Nopri rev01

40

Example 1 - P Chart
Number of subgroups = 25 Subgroup size = 100 Control limits Average = 0.077 Sigma = 0.02525 LCL = 0.077 - (3)(0.02525) = 0.001 centerline = 0.077 UCL = 0.077 + (3)(0.02525) = 0.153
sample # 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 # defects 10 7 8 11 5 8 12 6 4 11 5 8 6 8 12 9 10 8 9 4 7 9 5 3 8 fraction 0.1 0.07 0.08 0.11 0.05 0.08 0.12 0.06 0.04 0.11 0.05 0.08 0.06 0.08 0.12 0.09 0.1 0.08 0.09 0.04 0.07 0.09 0.05 0.03 Nopri rev01 0.08

0.15 0.10

UCL=0.153

Avg=0.077 0.05 0.00 LCL=0.001

subgroup
41

Pareto Charts
Kegunaan dari Pareto Chart
Pareto charts di gunakan untuk mengidentifikasi suatu masalah dan menentukan tingkap prioritas dari masalah untuk yang harus di selesaikan. Di dalam Pareto chart di kenal juga istilah 80/20 rule yang di perkenalkan oleh Joseph Juran. 80/20 rule menyatakan bahwa 80% dari suatu contribusi masalah di hasilkan oleh 20% dari total kemungkinan penyebab dari masalah tersebut. ???????

Nopri rev01

42

Pareto Chart
100.00

93
Jumlah Claim

84 54
9,400

80.00 60.00 40.00 20.00

0
Lubang Part karat kunci minus Flange Patah saat Tercampur Ulir masuk Ulir miring miring assy IR-1 Kepala cacat Lain-lain

0.00

Jumlah Claim

Kumulatif

Persentase Kumulatif
Nopri rev01

98

99

99

99

100

100

43

Fish Born Chart

Cause-and-Effect Diagram / Ishikawa diagaram
Measurement
Faulty testing equipment
Incorrect specifications Improper methods

Human
Poor supervision Lack of concentration Inadequate training

Machines
Out of adjustment Tooling problems Old / worn

Inaccurate temperature control

Quality Problem
Defective from vendor Not to specifications Poor process design

Ineffective quality management

Deficiencies in product design

Dust and Dirt

Materialhandling problems

Environment
44

Materials

Process
Nopri rev01

Defect concentration diagram

Defect concentration diagram
Defect concentration diagram juga merupakan QC tools yang digunakan untuk mengidentifikasi masalah/defect yang muncul BERULANG. Ciri2 dari Defect concentration Diagram : Di gunakan untuk analisa observasi pada defect yang berulang Mengunnakan alat / sample visualisasi yang di gunakan dalam pengumpulan data dan analisa data. (Gambar/lay out/Drawing ..etc) Observasi dari defect di catat / di tandai langsung ke alat visualisasi.

Nopri rev01

45

Contoh Defect concentration diagram

Defect concentration Diagram Analisa kualitas baju Defect concentration Diagram Lokasi defect pada PCBA

Nopri rev01

46

Scatter Diagrams
Kegunaan dari Scatter Diagrams Scatter Diagrams di gunakan untuk mengidentifikasi hubungan / correlation dari dua variable yang berbeda. contoh : Di gunakan untuk mencari hubungan antara nilai master dengan nilai actual tester.

Nopri rev01

47

10- 47

Scatter Diagrams and Correlation

Makin mendekati / berbentuk garis makin bagus correlasinya.

Nopri rev01

48

10- 48

Scatter Diagrams and Correlation

Nopri rev01

49

10- 49``

Common Mistakes
Mengabaikan SPC Bingung dengan spec limits dan control limits Specification limits where the part will work. Control limits adalah operational range dari process. Memonitor parameter yang salah. Menghitung control limits dengan formula yang salah Tidak ada rule yang mengatur bila chart out-of-control. Memerintahkan operator untuk tetap continue process walaupun ada process dengan paramter out of limit. Engineer tidak memiliki / ownership terhadap SPC charts control, hanya sebatas data entry. Pastikan chart ter-update dan di kontrol. Pastikan semua parameter yang di control telah di mengerti dengan baik. Pastika ada rule yang mengatur apabila ada chart yang diluar kontrol dan chart tersebut telah di artikan dengan benar.
Terlalu banya chart yang di buat (walaupun tidak perlu) - don't plot for plotting's sake.
Nopri rev01

50

SPC Depends on Teamwork

Nopri rev01

51