15 0 4 MB
LANGKAH 5
Dalam implementasi perbaikan terbagi menjadi 3 aspek penting yang harus di perhatikan
1. Implementasi Perbaikan 2. Team Work 3. Development
Implementasi Perbaikan Kriteria Penilaian Langkah 5: Implementasi Perbaikan • Pelaksanaan perbaikan sesuai dengan rencana, pemantauan pencapaian target antara dilakukan dengan benar
Hal-hal yang perlu diperhatikan : 1. 2. 3. 4. 5.
6.
Buat pengertian bersama sebelum implementasi. Sesuaikan activity dengan rencana langkah 4. Lakukan pembagian tugas sesuai kompetensi anggota team Jika memerlukan sumber daya dari luar pastikan sudah dilakukan persiapan sebelumnya. Check apakah activity berhasil sesuai planning, Jika belum lakukan analisa dan buat penangulangannya (PDCA), jika berhasil lakukan pengamatan kesetabilan hasil improvement. Lakukan dokumentasi (Foto, Video, dll) selama improvement dan kumpulkan data sebagai bahan evaluasi.
• Solusi / penanggulangan bersifat permanen dilakukan dengan rekayasa engineering yang matang • Adanya pendekatan ilmiah (scientific approach / literatur / experties / benchmark)
Team Work • Ada usaha / PDCA dalam mewujudkan target & aktivitas yang melibatkan seluruh anggota yang sesuai dengan bidangnya / cross function / skill khusus Development •
Komite QCC –SS Paint Division
Aktifitas perbaikan memunculkan bidang / keahlian baru (challenge,desain ngineering / drawing & perhitungan) dan terjadi perubahan yang signifikan disetiap item perbaikan *Akan dibahas secara detail di slide selanjutnya
Implementasi Ide Perbaikan Rencana Perbaikan step 4
• 3. Adanya pendekatan ilmiah (scientific approach / literatur / experties / benchmark)
Urutan data order tertukar
Sistem e harigami tidak selesai 1 sequence
Add sequence dan konfirmasi finish Pos SPS order
PENYEBAB
1
MAN
QG memilih gambar pada tablet & Checksheet QG tidak sesuai dengan actual
Paint Division
Sensor detect pada PC rack tidak bisa coverage hole SPS
5X
4
Member melakukan confirm order sebelum METHODE sequence e harigami selesai
Wahyudi Rosidi
Ridwan Anggun
Produksi
Produksi Maintenance
Produksi
Lokasi
Quality Gate PIC
Team 1
Finish
20/11/2020 Cost
10-11-2020
Skill Baru
7x
5X
MACHINE
Fajar Ngisomudin
CIT
TRIA L
Picking sensor pada PC METHODE Rack Error karena rusak atau tertutup benda
3
Pos SPS
Anggun
Maintenance
HOW MUCH
Rp Rp Rp Rp 714.503 1.679.000 12.000.000 867.000.000
Additional lamp and sensor check pada system
Pos SPS
Rosidi Ridwan
Produksi
12-072020
System e harigami tidak bisa confirm order
FAKTOR
Ngisomudin
WHEN
15-082020
Sequence proses e harigami tidak sesuai
2
Komite QCC –SS
TEAM 1
Mengganti spesifikasi sensor pada PC rack
NO
Fajar
Wahyudi
Sensor tidak mendeteksi ketika member sudah mengambil part
4
Problem Step 3
Pos quality gate
Picking sensor error
3
• 2. Solusi / penanggulangan bersifat permanen dilakukan dengan rekayasa engineering yang matang
QG memilih gambar Mengganti method pada tablet & check dengan Checksheet QG tidak Collaboration robot sesuai dengan actual with vision camera
WHO
30-092020
2
WHERE
KOLABOR KOLABORA KOLABORA KOLABORASI ASI SI SI
• 1. Pelaksanaan perbaikan sesuai dengan rencana, pemantauan pencapaian target antara dilakukan dengan benar
HOW
TEAM 2
1
Flow out quality gate
KRITERIA PENILAIAN
WHY
TEAM 1
WHAT
TEAM 3
NO
2X
867 juta
Machine vision, Robot
Pelaksanaan improvement sesuai dengan rencana perbaikan
Implementasi Ide Perbaikan Kondisi sebelum
KRITERIA PENILAIAN
IMPROVEMENT Gate Vision Camera Automated Quality Visual Inspection and Traceability 1
• 1. Pelaksanaan perbaikan sesuai dengan rencana, pemantauan pencapaian target antara dilakukan dengan benar
AI Camera
AI Computer + Vision Camera
2
Output
3
4 Traceability
Line
1. Image 2. QR Code
OK
Work No. 123
OK / NG ?
• 2. Solusi / penanggulangan bersifat permanen dilakukan dengan rekayasa engineering yang matang
1. Squence 2. Work Number
1
3
Work No. 123
NG
1
2
3
Repair
Cobot Arm
Aktifitas Improvement
• 3. Adanya pendekatan ilmiah (scientific approach / literatur / experties / benchmark) Kondisi setelah
Komite QCC –SS Paint Division
2
Target Antara
Implementasi Ide Perbaikan Rekayasa engineering??? Apa tuh??? Teknik atau rekayasa (bahasa Inggris: engineering) adalah penerapan ilmu dan teknologi untuk menyelesaikan permasalahan manusia. Hal ini diselesaikan lewat pengetahuan, matematika dan pengalaman praktis yang diterapkan untuk mendesain objek atau proses yang berguna.
KRITERIA PENILAIAN
• 1. Pelaksanaan perbaikan sesuai dengan rencana, pemantauan pencapaian target antara dilakukan dengan benar • 2. Solusi / penanggulangan bersifat permanen dilakukan dengan rekayasa engineering yang matang
1. Pemilihan Penggerak Rotary :
FMEA : Hanger Tidak Bisa Di pakai All Unit
v
Unit D40 D
Contoh simple
Before condition
Before condition
• 3. Adanya pendekatan ilmiah (scientific approach / literatur / experties / benchmark)
12 cm
Spesifikasi hoist > Berat Benda
Diganti dengan hoist
Komite QCC –SS
Naik dan turun tangga bolak balik
Paint Division Orang mengangkat benda
Unit D12 L
8 cm
Ada Beda Jarak pada attachment unit D40 D & D12 L
Common Use Attachment Hanger Transfer
Team Work & Development IMPROVEMENT Gate Vision Camera Automated Quality Visual Inspection and Traceability
KRITERIA PENILAIAN
1
• 1. Ada usaha / PDCA dalam mewujudkan target & aktivitas yang melibatkan seluruh anggota yang sesuai dengan bidangnya / cross function / skill khusus) • 2. Aktifitas perbaikan memunculkan bidang / keahlian baru (challenge,desain ngineering / drawing & perhitungan) dan terjadi perubahan yang signifikan disetiap item perbaikan
AI Camera
AI Computer + Vision Camera
2
Output
3
4 Traceability
Line
1. Image 2. QR Code
OK
Work No. 123
OK / NG ? 1. Squence 2. Work Number
Target Antara tidak achieve perlu dilakukan PDCA ulang
1
2
3
Work No. 123
NG
1
2
3
Repair
Cobot Arm
Flowout ke SAP ( Part Unreguller ). Vision camera hanya mendeteksi / membaca perbedaan warna Type Part namun Untuk gambar 3D tidak terbaca .
Komite QCC –SS Paint Division Problem yang menyebabkan tidak achieve target
Team Work & Development PENANGGULANGAN PROBLEM 1 PDCA : Additional Program Combine Methode Check Shape & Colour ( Compact ) BEFORE
IMPROVEMENT PROBLEM
Colour
KRITERIA PENILAIAN
• 1. Ada usaha / PDCA dalam mewujudkan target & aktivitas yang melibatkan seluruh anggota yang sesuai dengan bidangnya / cross function / skill khusus)
Automated Visual Inspection and Traceability 1
AI Camera
AI Computer + Vision Camera
2
3
Output
4 Traceability
Line
1. Image + Colour 2. QR Code
Detail problem yang menyebabkan tidak achieve target
Detail improvement dari problem EVALUASI 2
AFTER
Qty
• 2. Aktifitas perbaikan memunculkan bidang / keahlian baru (challenge,desain ngineering / drawing & perhitungan) dan terjadi perubahan yang signifikan disetiap item perbaikan
Combine Methode Checkshape & Colour
Terdapat Flow out 1 unit ke SAP, Case nya yaitu Engine exrepair(unreguller), ditemukan salah Tutup throttle Body Standart = Cover Hijau tanpa Tube Actual = Cover Hijau dengan tube Lokasi Engine Repair (Mainline)
Colour
Flow Out
1
Before S
Q
C
QG 1
M
P
E
Shape
Komite QCC –SS Paint Division
Combine method check dari gambar 3D dan perbedan warna antar Type part EG. DAMPAK : - Level up deteksi salah Type - Eliminasi problem salah setting / salah instal
Lokasi Finish
Quality Gate 25/11/2020
PIC Cost
QG 2
Before
After D
ELiminate Cycle time pos
0
0
0 Colour
50
Team 1
Skill Baru
-
Target achieve setelah pdca
Machine vision, Robot
QG After
Reduce man power Quality Gate 1 dan 2
Efect domino dari improvement yang dilakukan
Team Work & Development Inspirasi
• 1. Ada usaha / PDCA dalam mewujudkan target & aktivitas yang melibatkan seluruh anggota yang sesuai dengan bidangnya / cross function / skill khusus) • 2. Aktifitas perbaikan memunculkan bidang / keahlian baru (challenge,desain ngineering / drawing & perhitungan) dan terjadi perubahan yang signifikan disetiap item perbaikan
SATU-SATUNYA PERUSAHAAN MANUFACTURE ENGINE YANG MENGGUNAKAN TECHNOLOGI VISION CAMERA INSPECTION YANG DIKOLABORASIKAN DENGAN ROBOT
EXCELLENT INNOVATION
Magscale pada spray phospate
Upper body sealing
Paint Division
PROCESS MAGSCALE
Pemasangan magscale
Magscale pada sirkuasi phospate
Komite QCC –SS
Excellene
Saat ini di PT. ADM belum ada yang menerapkan methode Machine vision by vision camera yg di kolaborasikan dengan Collaborative robot.Tetapi kami berhasil menerapkan methode Cobots tersebut FILM MISSION IMPOSIBLE Mendeteksi benda dengan menggunakan Universal Security data dan device method pengolahan gambar dan warna. Robot menggunakan face recognition
Cara Kerja
KRITERIA PENILAIAN
Key Point
Bagian dalam MAGSCALE
Pipa bersih dari sludge yg menempel Click to play vidio
IDE APA YANG ADA DI JALUR KALIAN?????
Contoh PPT Juara:
12/20
Langkah 5 : Pelaksanaan Perbaikan
5.1 PENANGGULANGAN PROBLEM 1 : Quality Gate - Collaboration robot with vision camera ( Compact ) BEFORE
IMPROVEMENT PROBLEM Melakukan proses pengecekan secara terus – menerus dapat membuat kebosanan pada member , apalagi jika member sedang merasa kurang sehat ataupun tidak nyaman karena keadaan Line produksi
Inspirasi
AFTER Vision Camera
Quality Gate Vision Camera Automated Visual Inspection and Traceability 1
AI Camera
2
AI Computer + Vision Camera
Output
3
4 Traceability
Line
1. Image 2. QR Code
OK
Work No. 123
OK / NG ? 1. Squence 2. Work Number
1
2
Collaborative robot
3
Work No. 123
NG
1
2
3
Repair
Cobot Arm
Key Point
EVALUASI
Excellene
10
7
Flow Out
Qty
Saat ini di PT. ADM belum ada yang menerapkan methode Machine vision by vision camera yg di kolaborasikan dengan Collaborative robot.Tetapi kami berhasil menerapkan methode tersebut Cobots Machine Vision dan Image prosesing FILM MISSION IMPOSIBLE Mendeteksi benda dengan menggunakan Universal Security data dan device method pengolahan gambar dan warna. Robot menggunakan face recognition
Cara Kerja
Robot vision terintegrasi dengan conveyor ketika judge OK / NG
Terdiri dari 2 item yg berkolarborasi : 1. Camera Berfungsi sebagai pengganti mata manusia untuk melakukan inspection check 2. Robot Berfungsi sebagai pengganti tubuh manusia untuk menggerakan camera
1 0 Before
S
Lokasi
Quality Gate
PIC
Team 1
Skill Baru
Finish
20/11/202 0
Cost
867 juta
Machine vision, Robot
Q
After
C
D
M
P
E
Flowout ke SAP ( Part Unreguller ). Vision camera hanya mendeteksi / membaca perbedaan warna Type Part namun Untuk gambar 3D tidak terbaca .
Contoh PPT Juara:
13/20
Langkah 5 : Pelaksanaan Perbaikan
5.2 PENANGGULANGAN PROBLEM 1 PDCA : Additional Program Combine Methode Check Shape & Colour ( Compact ) BEFORE
IMPROVEMENT PROBLEM
Colour
Key Point
Combine Methode Checkshape & Colour
Colour Colour
Shape
Automated Visual Inspection and Traceability 1
AI Camera
AI Computer + Vision Camera
2
Output
3
4 Traceability
Line
1. Image + Colour 2. QR Code
Prinsif Kerja
Shape
Combine method check dari gambar 3D dan perbedan warna antar Type part EG. DAMPAK : - Level up deteksi salah Type - Eliminasi problem salah setting / salah instal
EVALUASI 2
Flow Out
1
Qty
Inspirasi
Terdapat Flow out 1 unit ke SAP, Case nya yaitu Engine exrepair(unreguller), ditemukan salah Tutup throttle Body Standart = Cover Hijau tanpa Tube Actual = Cover Hijau dengan tube Lokasi Engine Repair (Mainline)
AFTER
0
0 Before
FILM TERMINATOR T-800
S
Machine Vision dan Image processing
Pengenalan terhadap Object Mendeteksi benda dengan menggunakan dengan methode Machine method pengolahan gambar dan warna. Computer vision adalah bidang yang Vision yang memiliki mencakup metode untuk memperoleh, kecerdasan buatan. mengolah, menganalisis, dan memahami data visual seperti gambar dan video. Lokasi Quality Gate PIC Team 1 Skill Baru Tujuan utamanya adalah agar komputer atau mesin dapat meniru kemampuan Machine vision, perseptual mata manusia dan otak, atau Finish 25/11/2020 Cost bahkan dapat mengunggulinya untuk Robot tujuan tertentu.
After
Q
C
ELiminate Cycle time pos 60 40 20 0
Machine vision mengacu pada proses menggabungkan Analisis citra otomatis dengan metode dan/atau teknologi lain
QG 1
QG 2 Before
QG After
Reduce man power Quality Gate 1 dan 2
D
M
P
E
SATU-SATUNYA PERUSAHAAN MANUFACTURE ENGINE YANG MENGGUNAKAN TECHNOLOGI VISION CAMERA INSPECTION YANG DIKOLABORASIKAN DENGAN ROBOT
EXCELLENT INNOVATION
Contoh PPT Juara:
14/20
Langkah 5 : Pelaksanaan Perbaikan
5.3 PENANGGULANGAN PROBLEM 2 : Mengganti spesifikasi sensor pada PC rack ( SIMPLE ) BEFORE
IMPROVEMENT 1. Member mengambil part sesuai dengan display lampu 2. Picking sensor mendeteksi tangan member ketika masuk ke hole PC Rack 3. Picking sensor mengkonfirmasi kepada main program bahwa part sudah di ambil dan sesuai dengan type yg di order
PROBLEM Sensor tidak bisa mendeteksi meskipun part sudah di ambil karena coverage area hanya 5 cm.
Tx
Rx Grey Area Hole PC Rack
Level Up specification sensor Andon FRM Call
Push Button
LED
DAMPAK - Level up Coverage area - Dapat memastikan dan mengkonfirmasi bahwa part sudah diambil
Stoper pokayoke
Photo sensor BJ1M DDT
.
Item
Coverage Area
Photo sensor BJ1M
Up to 5 cm
Safety Light Curtain
up to 30 cm
10
Safety Light Curtain
CT SCAN Judge NG OK
LOKAS I
Price to cover Hole rack
Program Modification
Price
Judge
Level
Judge
NG
Mediu m
NG
3,6 Jt 3 jt
OK
Easy
Safety Light Curtain Keyence
EVALUASI
Sensor Comparation Photo sensor BJ1M DDT
Tx
Type yang dipakai pada picking sensor diganti dengan safety light curtain. Meskipun method sensing nya tegak lurus, namun coverage areanya mampu meng cover seluruh permukaan hole PC Rack
Hole PC Rack
Sensor Safety
Inspirasi
CT (computed tomography) scan adalah prosedur yang menggabungkan serangkaian gambar X-ray yang diambil dari berbagai sisi di sekitar tubuh seseorang.
Rx
Display
OK
SPS
FINISH
15/08/2020
PIC
Team 2
COST 12 JUTA Skill Baru
Level Up Picking Sensor
Qty
Grey Area
AFTER
5
Flow Out 0
0 Before
S
Q
After
C
LEVEL UP PICKING SENSOR DAN MAMPU DI YOKOTEN KE AREA LAIN.
D
M
P
E
Contoh PPT Juara:
15/20
Langkah 5 : Pelaksanaan Perbaikan
5.4 PENANGGULANGAN PROBLEM 3 : Additional lamp and sensor check pada system ( SIMPLE ) IMPROVEMENT PB Order ON
Display Sesuai Order
Picking Sensor confirm ( Value = 1 )
Rx
Tx
Hole PC Rack
Push button by member
Self Diagnostic : Check lamp and sensor Data Order Masuk
Konfirmasi part sudah sesuai dengan type yg di order
Self Diagnostic
Pada film iron man, tony stark dibantu oleh Jarvis untuk mendeteksi kondisi iron man, yg mana Jarvis sendiri berada didalam system iron man tersebut.( self diagnostic ) .
No.
Process
1
Data Order In
2 2
Self Diagnostic
PB Order ON Display Sesuai Order Picking Sensor Confirm ( Value = 1 )
4
Requirement Item Status Lamp ON
Picking sensor
Tx
ON -> OFF
Hole PC Rack
Feedback
Request Order
PB 1
ON
4
Display order
Lamp
ON
Picking sensor
ON
Check Lamp and Sensor dengan method Self Diagnostic mampu mendeteksi kerusakan maupun potensi kegagalan proses pada system e-harigami pada setiap cycle nya yg kemudian akan memberikan warning.
DAMPAK - Level up picking sensor system - Memastikan bahwa tidak ada kerusakan software maupun hardware pada system.
Blinking
3
5 Confirm Order
Rx
ON
Lamp
3
Self Diagnostic system
IRON MAN : JARVIS
1
Panduan setting
PROBLEM Ketika sensor rusak ataupun tertutup benda selain tangan member, system tidak dapat mendeteki kondisi tersebut, dapat menyebabkan salah setting
Inspirasi
AFTER
Picking sensor detection
DISPLAY ORDER TYPE ENGINE
EVALUASI Pada diagram controller system mempunyai komponen Input , controller, Plant / Actuator serta output yg datanya bisa kita manfaatkan sebagai feedback untuk membandingkan output yg dihasilkan sesuai dengan set point pada input atau tidak. Feedback system ini yang bisa kita olah dan kemudian dimanfaatkan sebagai self diagnostic.
Lokasi
SPS
PIC
Finish
15/09/202 Cost 0
Team 3
714.503
Skill Baru
Self Diagnostic
10
Qty
BEFORE
5
Flow Out 0
0 Before
S
Q
After
C
LEVEL UP PICKING SENSOR DAN MAMPU DI YOKOTEN KE AREA LAIN.
D
M
P
E
Contoh PPT Juara:
16/20
Langkah 5 : Pelaksanaan Perbaikan
5.5 PENANGGULANGAN PROBLEM 4 : Additional sequence finish order ( SIMPLE ) IMPROVEMENT
Data Order Masuk
Self Diagnostic
OK PB Order ON
Display Sesuai Order
Picking Sensor Confirm ( Value = 1 )
Inspirasi
PROBLEM Secara sequence e harigami, kapan pun PB Order ON, display order akan muncul tanpa me reset data FIFO order yg ada di memori PLC, kondisi ini dapat menyebabkan miss order karena data setting sebelumnya belum di reset.
AFTER
Menambahkan sensor reset pada roller input dar SPS ke Line sebagai Trigger dari interlock confirm finish order pada system e harigami
Sequence Finish order with interlock system PB Order ON
Self Diagnosti c
Requirement Item Status
No. Process 1
Request Order
NG Display Sesuai Order Picking sensor Confirm ( Value =1 )
Kondisi basket SPS sudah input ke line tidak dapat terkonfirmasi
Self 2 Diagnosti c 3
Finish Order Confirm ( Value = 0 ) Stoper Down LS ON
4 5
Display order Confirm Order Finish Order
PB 1
ON
LS 1
Value = 1 ON -> OFF Feedback ON Blinking
Picking sensor Lamp Lamp
ON
Picking sensor
ON
LS 1
Value = 0 ( ON )
INTERLOCK SYSTEM & DATA FIFO DATA FIFO pada PLC (First In First Out)
cara mengatur dan memanipulasi data relatif terhadap waktu dan prioritas. Konsep ini yg diterapkan sebagai penyimpan data order pada system e harigami Interlock system adalah fitur yang membuat status 2 mekanisme atau fungsi saling bergantung. dapat digunakan untuk mencegah keadaan yang tidak diinginkan.
2 Step verification WA Fitur verifikasi dua langkah berfungsi meningkatkan keamanan akun WhatsApp dengan menambah enam Berfungsinya data FIFO Lokasi diintegrasikan dengan digit angka sebagai passcode yang dipilih sendiri oleh pengguna ketika Interlock system supaya memverifikasi nomor teleponnya berjalan sesuai dengan Finish sequence yang seharusnya sebagai kontak WhatsApp
SPS
PIC
30/09/2020
Cost
Team 3 1.679.000
Skill Baru System Interlock
Add Sensor reset
Cylinder Stoper
Sensor Limit Switch
DAMPAK - Confirm finish order - Sebagai interlock system dan memastikan proses selesai 1 cycle EVALUASI
Qty
BEFORE
2 2
0
0 Before
S
Q
After
C
LEVEL UP PICKING SENSOR DAN MAMPU DI YOKOTEN KE AREA LAIN.
D
M
P
E
LANGKAH
6
E VA L U A S I H A S I L
Kriteria Penilaian Langkah 6: Pencapaian Hasil Terhadap Target • Adanya analisa / data perbandingan sebelum (target) & data sesudah perbaikan
01
• Hasil perbaikan melampaui target serta berkontribusi terhadap peningkatan finansial perusahaan seperti ditunjukkan dalam NQI Dampak • Dampak perbaikan dianalisa secara SQCDME serta melakukan pencegahan terhadap dampak negatif serta penanggulangannya • Hasil perbaikan juga sudah diterapkan di tempat lain
03
• Pengaruh terhadap pihak yang berkepentingan (testimoni) serta ada pengesahan dan komentar yang relevan dari atasan Peningkatan kemampuan anggota
•
Komite QCC –SS Paint Division
Peningkatan kompetensi anggota dalam ber-QCC yang ditunjukkan dengan adanya data perkembangan / matrix skill
Pencapaian Hasil Terhadap Target Periksa hasil dengan menggunakan control point/tolak ukur yang sama(tools, satuan, periode waktu) agar kondisi sebelum dan sesudah mudah dipahami.
KRITERIA PENILAIAN
Pengukuran ini bisa dilakukan berdasarkan tolak ukur, SQCDMEP
• 1. Adanya analisa / data perbandingan sebelum (target) & data sesudah perbaikan
Achieve World class company 6 Sigma DPMO before 37,4 (5,5 Sigma) DPMO Target 0 (6 Sigma)
• 2. Hasil perbaikan melampaui target serta berkontribusi terhadap peningkatan finansial perusahaan seperti ditunjukkan dalam NQI. Flowout EG Couse Mis Type 12
Defect Per Million Opportunities
8
40
4
10
2
2 0
0
0
Paint Division
20
1
0
0
0
1
0
37,4
0
0 0
2019 Mei Jun '20 '20
Komite QCC –SS
DPM
6
BEFORE
Jul Aug Sep Okt Nop Des Jan Feb '20 '20 '20 '20 '20 '20 '21 '21 IMPROVEMENT
AFTER
DPMO before
Nilai Sigma 5,5
6
Sigma
( x ) Kejadian
10
8 7 6 5 4 3 2 1 0
DPMO After
Before
After
Pencapaian Hasil Terhadap Target Cost : Cost Reduction : KRITERIA PENILAIAN
1. 2.
• 1. Adanya analisa / data perbandingan sebelum (target) & data sesudah perbaikan
Total Opportunity Cost = Rp. 667.048.404 Cost Invesment : 1. 2. 3.
• 2. Hasil perbaikan melampaui target serta berkontribusi terhadap peningkatan finansial perusahaan seperti ditunjukkan dalam NQI.
Reduce Cost MP : 2 MP/shift ( Pos QG ) ( 4 x 166.445.351 = Rp. 665.781.404 ) Reduce Pemakaian Kertas ( Pos QG 2 ) : 6336 lembar/th = Rp. 1.267.000
4. 5. 6. 7.
8.
Robot vision ( 1 Unit ) : Rp. 450.000.000 Vision sensor Camera ( 1 Unit ) : Rp. 295.508.000 PC AIO data collection ( 1 Unit ) : Rp. 21.560.000 Panel Control( 1 set ) : Rp. 12.450.000 Auto Rotary Table ( 1 set ) : Rp. 25.482.000 Auto Conveyor ( 1 set ) : Rp. 27.000.000 Picking sensor seri F3W-D Omron ( 4 Unit ) = Rp. 12.000.000 Biaya Training : Rp. 35.000.000
Total Cost Invesment = Rp. 879.000.000
BEP ( Years ) = CI / CR = 879.000.000 / 667.048.404 =
1,3 Years
Komite QCC –SS Paint Division
Dampak & Peningkatan kemampuan anggota KRITERIA PENILAIAN
MANFAAT DAN HASIL PERBAIKAN
: Menghilangkan Potensi sakit akibat kerja dengan menaikan
Safety
• 1. Dampak perbaikan dianalisa secara SQCDME serta melakukan pencegahan terhadap dampak negatif serta penanggulangannya
level Temotoka dari -5 menjadi 0
Quality
: Menghilangkan Flowout Ke Next Proses dari 10 kejadian menjadi 0
Delivery
: Menunjang Effisiensi Produksi hingga 99%
Meningkatkan akurasi pengeCheckan di Qulaity gate, dengan menghilangkan Potensial mis check by Vision Sensor
Workability :
• 2. Hasil perbaikan juga sudah diterapkan di tempat lain
Analisa SQCDME
Menghilangkan pekerjaan tidak ergonomi
Environment : Eliminasi Limbah kertas 6336 lembar per tahun ( Green Company ) Morale
: Menaikkan Matrix skill Anggota QCC terhadap pemahaman materi, dari Zone C ke Zone B Mendapatkan skill baru ( Pemograman PLC dan HMI, Digitalisasi proses data, VB, Web Base, Vision Camera dan Robot, Temotoka, dan Penerapan ilmu TPS di jalur Produksi
• 3. Pengaruh terhadap pihak yang berkepentingan (testimoni) serta ada pengesahan dan komentar yang relevan dari atasan • 4. Peningkatan kompetensi anggota dalam ber-QCC yang ditunjukkan dengan adanya data perkembangan / matrix skill
PENGELOLAAN DAMPAK NEGATIF
NO
MODE KEGAGALAN
EFEK
RPN SEBELUM
PENANGGULANGAN
RPN SESUDAH
JUDGE
1
PICKING SENSOR ERROR
ERROR DETECT SAAT AMBIL PART
120
DIBUATKAN CHECKSHEET FUNCTION PICKING SENSOR PADA AWAL SHIFT
1
O
200
DIBUATKAN CHECKSHEET FUNCTION VISION SENSOR PADA AWAL SHIFT
1
O
300
SYSTEM REDUDANCY DATA
1
O
2
VISION SENSOR TIDAK BISA CEK PART ENGINE CAMERA RUSAK FINISH
Komite QCC –SS Paint Division
Pencegahan terhadap dampak negative
Untuk menghilangkan potensi problem akibat improvement QCC ini kami mengelola dampak negatif yang mungkin timbul dengan menggunakan FMEA (Failure Mode and Effect Analysis)
3
DATA HILANG DATA CHECK ENGINE TIDAK KARENA TERSIMPAN DATABASE RUSAK
FMEA Apa itu FMEA??? (Failure Mode Effect Analysis)
Tujuan FMEA
01
1. tindakan antisipasi terhadap kemungkinan munculnya kegagalan, sehingga kegagalan tersebut dapat dicegah atau dikurangi resikonya. 2. tool wajib yang dapat membuktikan bahwa sebuah perusahaan sudah membuat sistem analisa terhadap prediksi kegagalan secara sistematis
Identifikasi potensi kegagalan (keseriusan permasalahan) yang mungkin terjadi dari setiap tahapan proses. (Severity) Identifikasi keseringan suatu permasalahan terjadi. (Occurrence)
02
Penerapan FMEA 1. Adanya design produk baru, adanya teknologi baru dan ada proses baru. 2. Terjadi perubahan pada design atau proses yang ada, perangkat pendukung baru, sumber daya baru
Risk Assesment Bagian dari evaluasi dan analisis adalah penilaian resiko atau risk assessment, penilaian tersebut dievaluasi dengan 3 tahap yaitu : •Severity : penilaian tingkat dampak permasalahan di pelanggan •Occurrence : seberapa sering penyebab kesalahan terjadi •Detection : penilaian mengenai kemampuan control produk atau proses untuk mendeteksi penyebab masalah atau failure mode.
Langkah Pembuatan
03
FMEA
INFOGRAPHI OPTION C TINYPPT designed template and background for presentation in PowwerPoint
05
04 04
Identifikasi sistem kontrol yang ada. (Detection)
Menghitung RPN (Risk Priority Number) = Severity x Occurrence x Detection
Menetapkan langkah perbaikan)
FMEA TABEL SEVERITY Efek
Berbahaya (Sangat Serius)
Keseriusan dari Efek Rangking severity sangat tinggi jika potensi kegagalan mempunyai efek terhadap keselamatan dalam pengoperasian dan pelanggaran peraturan pemerintah tanpa adanya peringatan
TABEL OCCURANCE Ranking
Kemungkinan
Rata – Rata Kegagalan
Ranking
10
Sangat Tinggi
1 diantara 2 produk
10
1 diantara 3 produk
9
1 diantara 8 produk
8
1 diantara 20 produk
7
1 diantara 80 produk
6
Rangking severity sangat tinggi jika potensi kegagalan mempunyai efek terhadap keselamatan dalam pengoperasian dan pelanggaran peraturan pemerintah dengan peringatan
9
Produk/ item tidak beroperasi (kehilangan fungsi utamanya)
8
Produk/item beroperasi tetapi performance berkurang, customer sangat tidak puas
7
Sedang
Produk/item beroperasi tetapi ada salah satu hal yang tidak beroperasi, customer tidak puas
6
Rendah
Produk/item beroperasi tetapi ada salah satu hal yang menurun performancenya, customer tidak puas
5
1 diantara 400 produk
5
Product/item beroperasi terjadi defect untuk sebagian besar customer
4
1 diantara 2000 produk
4
Sedikit mengganggu
Product/item beroperasi terjadi defect untuk separuh customer
3
1 diantara 15000 produk
3
Sangat sedikit mengganggu
Product/item beroperasi terjadi defect untuk customer yang sangat teliti
2
1 diantara 150000 produk
2
Tidak ada efek
Tidak berpengaruh
1
1 diantara 1500000 produk
1
Berbahaya dengan peringatan Sangat Tinggi Tinggi
Sangat rendah
Tinggi
Sedang
Rendah
Terkendali
FMEA TABEL DEECTION Efek
PERHITUNGAN NILAI RPN (Risk Priority Number)
Keseriusan dari Efek
Hampir tidak mungkin
Ranking
Pasti tidak dapat terdeteksi
10
Sangat kecil
9
Kecil
8
Sangat Rendah
7
Rendah
6
Sedang
5
Sedang-Tinggi
4
Tinggi
3
Sangat Tinggi
2
Sangat Tinggi
Pengecekan dengan mudah dapat terdeteksi
RPN = severity X occurance X detetion Case 1 RPN = . X .X . = 49 Case 2 RPN = . X .X . = 63
1
Proses
Potensi Kegagalan
Efek
Severity
Potensi Penyebab
Occurance
Proses Kontrol
Detrction
RPN
Perbaikan
Sealing Fr/Dr Inner
Sealer Missplaced
Terjadi Bocor
7
Ujung Nozle Aus
7
Visual cheking
1
49
Di sediakan spare nozzle di masing – masing gun
Spray base front pilar
Sagging
Appearance jelek
7
Viscositas tidak sesuai
9
Visual Cheking
1
63
Checksheet viscositas di update harian
Dampak & Peningkatan kemampuan anggota PENGEMBANGAN IMPROVEMENT
Dengan teknologi Data Science, data yang disimpan di database dapat diolah menjadi SPC untuk monitoring kestabilan proses INPUT
• 3. Pengaruh terhadap pihak yang berkepentingan (testimoni) serta ada pengesahan dan komentar yang relevan dari atasan • 4. Peningkatan kompetensi anggota dalam ber-QCC yang ditunjukkan dengan adanya data perkembangan / matrix skill
Komite QCC –SS Paint Division
Komentar atasan
Progress
• 2. Hasil perbaikan juga sudah diterapkan di tempat lain
OUTPUT
SPC Predictive Mtn
Yokoten ke 2 jalur assembling lainya
Current
• 1. Dampak perbaikan dianalisa secara SQCDME serta melakukan pencegahan terhadap dampak negatif serta penanggulangannya
PROSES
K Line 4
K Line 1
Next
KRITERIA PENILAIAN
K Line 3
Penerapan di tempat lain
Testimoni
TESTIMONI “ Hasilnya sangat bermanfaat buat kami di produksi, merupakan inovasi di bidang teknologi. Semangat berkaizen ” Toufan Sondong | Sect. Head Production
“Terimakasih kepada Team Semut Emas. sudah melakukan kaizen di jalur kami. Khususnya bidang Automation & Digitalize, sangat membuka wawasan kami. Maju Terus Team Semut Emas“ Yohan Veri Susanto | Dept. Head Production
“Tim Semut Emas datang dengan kemajuan yang luar biasa. Hasilnya bisa meningkatkan Productivitas Jalur, menghilangkan potensi sakit akibat kerja dan mengurangi biaya produksi.Tetap Semangat berinovasi Team Semut Emas ”
Tanggal : Kamis 14 Januari 2021
Morale
:
Menaikkan Matrix skill Anggota QCC terhadap pemahaman materi, dari Zone C ke Zone B Mendapatkan skill baru ( Pemograman PLC dan HMI, Digitalisasi proses data, VB, Web Base, Vision Camera dan Robot, Temotoka, dan Penerapan ilmu TPS di jalur Produksi
Hasilnya sangat baik dan membanggakan, Manfaatnya signifikan untuk membantu proses Analisis dan traceability
Peningkatan skill QCC
17/20
Langkah 6 : Evaluasi Hasil
( x ) Kejadian
10
Penanggulangan 3: Additional Lamp & sensor Check pada system
8
Penanggulangan 4: Add Sequence & Confirmation finish Order
6 4
10
2
2 2019
0
0
Mei '20
Jun '20
BEFORE
Jul '20
0
0
0
Sep '20
Okt '20
Nop '20
Des '20
IMPROVEMENT
0
0
Jan '21
Feb '21 AFTER
“Terimakasih kepada Team Semut Emas. sudah melakukan kaizen di jalur kami. Khususnya bidang Automation & Digitalize, sangat membuka wawasan kami. Maju Terus Team Semut Emas“ Yohan Veri Susanto | Dept. Head Production Tanggal : Kamis 14 Januari 2021 Hasilnya sangat baik dan membanggakan, Manfaatnya signifikan untuk membantu proses Analisis dan traceability
0 DPMO before
8 6
DPMO After
Nilai Sigma 5,5
6
4 2
6.2 TESTIMONI “ Hasilnya sangat bermanfaat buat kami di produksi, merupakan inovasi di bidang teknologi. Semangat berkaizen ” Toufan Sondong | Sect. Head Production
37,4
20
REDUCE 100%
1
Aug '20
40
0
1
0
Defect Per Million Opportunities
DPM
12
Penanggulangan PDCA 1 : Combine methode Check shape & Colour
Penanggulangan 1 : Penanggulangan 2: Changing Spesification Sensor in Collaboration robot with Vision Camera PC Rack
Sigma
6.1 EVALUASI HASIL QCC Flowout EG Couse Mis Type
“Tim Semut Emas datang dengan kemajuan yang luar biasa. Hasilnya bisa meningkatkan Productivitas Jalur, menghilangkan potensi sakit akibat kerja dan mengurangi biaya produksi.Tetap Semangat berinovasi Team Semut Emas ”
Novi Lekwandi Div. Head KEP
0 Before
After
6.3 MANFAAT DAN HASIL PERBAIKAN
Safety
: Menghilangkan Potensi sakit akibat kerja dengan menaikan level Temotoka dari -5 menjadi 0
Quality :
Menghilangkan Flowout Ke Next Proses dari 10 kejadian menjadi 0 Meningkatkan akurasi pengeCheckan di Qulaity gate, dengan menghilangkan Potensial mis check by Vision Sensor
Delivery : Menunjang Effisiensi Produksi hingga 99%
18/20
Langkah 6 : Evaluasi Hasil Workability : Menghilangkan pekerjaan tidak ergonomi Environment : Eliminasi Limbah kertas 6336 lembar per tahun (
6.4 PENGELOLAAN DAMPAK NEGATIF Untuk menghilangkan potensi problem akibat improvement QCC ini kami mengelola dampak negatif yang mungkin timbul dengan menggunakan FMEA (Failure Mode and Effect Analysis)
Green Company )
1.
2.
Reduce Cost MP : 2 MP/shift ( Pos QG ) ( 4 x 166.445.351 = Rp. 665.781.404 ) Reduce Pemakaian Kertas ( Pos QG 2 ) : 6336 lembar/th = Rp. 1.267.000
Total Opportunity Cost = Rp. 667.048.404 Cost Invesment : 1. 2. 3. 4. 5. 6. 7. 8.
Robot vision ( 1 Unit ) : Rp. 450.000.000 Vision sensor Camera ( 1 Unit ) : Rp. 295.508.000 PC AIO data collection ( 1 Unit ) : Rp. 21.560.000 Panel Control( 1 set ) : Rp. 12.450.000 Auto Rotary Table ( 1 set ) : Rp. 25.482.000 Auto Conveyor ( 1 set ) : Rp. 27.000.000 Picking sensor seri F3W-D Omron ( 4 Unit ) = Rp. 12.000.000 Biaya Training : Rp. 35.000.000
Total Cost Invesment = Rp. 879.000.000
RPN SEBELUM
PENANGGULANGAN
RPN SESUDAH
JUDGE
1
PICKING SENSOR ERROR
ERROR DETECT SAAT AMBIL PART
120
DIBUATKAN CHECKSHEET FUNCTION PICKING SENSOR PADA AWAL SHIFT
1
O
1
O
1
O
2
VISION SENSOR CAMERA RUSAK
TIDAK BISA CEK PART ENGINE FINISH
200
DIBUATKAN CHECKSHEET FUNCTION VISION SENSOR PADA AWAL SHIFT
3
DATA HILANG KARENA DATABASE RUSAK
DATA CHECK ENGINE TIDAK TERSIMPAN
300
SYSTEM REDUDANCY DATA
PENGEMBANGAN IMPROVEMENT
Dengan teknologi Data Science, data yang disimpan di database dapat diolah menjadi SPC untuk monitoring kestabilan proses INPUT
PROSES
BEP ( Years ) = CI / CR = 879.000.000 / 667.048.404 =
1,3 Years
Yokoten ke 2 jalur assembling lainya
K Line 4
K Line 1
OUTPUT
SPC Predictive Mtn
Next
Cost Reduction :
pemahaman materi, dari Zone C ke Zone B Mendapatkan skill baru ( Pemograman PLC dan HMI, Digitalisasi proses data, VB, Web Base, Vision Camera dan Robot, Temotoka, dan Penerapan ilmu TPS di jalur Produksi
EFEK
Progress
Cost :
: Menaikkan Matrix skill Anggota QCC terhadap
MODE KEGAGALAN
Current
Morale
NO
K Line 3