4 0 2 MB
+
MSA MEASUREMENT SYSTEM ANALYSIS 4th Edition
+
Measurement System Analysis
Keputusan diambil berdasarkan informasi dari proses Informasi proses berasal dari data Data diperoleh dari suatu pengukuran
“ Apakah data yang diperoleh dari suatu pengukuran dapat diandalkan ?” Perlu dilakukan analisa untuk menilai jenis dan besarnya variasi dalam suatu sistem pengukuran
Fungsi Data Pengukuran l l
Melakukan “adjustment” atau tidak dalam proses Menentukan apakah ada hubungan yang “significant” antara 2 atau lebih variable / faktor
MUTU DATA PENGUKURAN
Berkaitan dg sifat2 statistik hasil pengukuran “multiple” dari sistem pengukuran yang stabil. Sifat2 statistik yg dikaitkan dg mutu data: “Bias” & “Variance” Bias: dihubungkan dg lokasi data dengan “master value” Variance dihubungkan dengan penyebaran data (spread of data) Jika interaksi sistem pengukuran dan lingkungan terlalu banyak, akibatnya mutu data semakin rendah. Tidak semua variasi tidak diinginkan Sistem pengukuran harus diperbaiki, jika mutu data tidak dapat diterima, daripada memperbaiki datanya.
+
Sistem Pengukuran Sekumpulan operasi, prosedur, alat ukur (gage) dan peralatan yang lain, perangkat lunak dan personil yang melakukan sejumlah karakteristik yang diukur; Dengan kata lain seluruh proses yang digunakan untuk mendapatkan pengukuran
+
MUTU DATA PENGUKURAN Jika pengukuran-pengukuran “dekat” dengan nilai “master” / nilai referensi sebuah karakteristik, mutu data dianggap “tinggi” Jika pengukuran-pengukuran “jauh” dengan nilai “master” / nilai referensi sebuah karakteristik, mutu data dianggap “rendah”
Bagaimana variasi dapat mempunyai efek / dampak terhadap mutu data pengukuran ?
MUTU SISTEM PENGUKURAN
Tergantung dari sifat statistik (statistical properties) dari data yang dihasilkan. Faktor penting yg lain adalah biaya, & penggunaanya yg mudah Sifat-sifat statistik yang SP harus miliki : Harus dalam pengendalian secara statistik (statistical control). Hanya ada variasi common causes, bukan special causes. Variasi SP harus kecil dibandingkan dg variasi proses. Variasi harus kecil dibandingkan dengan batas spesifikasi.
Process Capability Lower Spec. Limit
Upper Spec. Limit
6σ Tolerance = T Process Capability = T / 6 σ > 1.33
Mengapa Analisa Sistem Pengukuran (MSA) Penting ? Ingat tujuan dari Pengendalian Proses ( Process Control ), yaitu :
Peningkatan proses ( Process Improvement ) Pengurangan variasi ( Variability ) pada produk dan proses
Studi variasi pengukuran ( measurement variability ) Pengurangan variasi proses & Peningkatan pengendalian proses
FORMULIR DATA PENGUKURAN Data menggunakan Penggaris
Data menggunakan Caliper
X1=
X6=
X1=
X6=
X2=
X7=
X2=
X7=
X3=
X8=
X3=
X8=
X4=
X9=
X4=
X9=
X5=
X10=
X5=
X10=
Perhitungan : Rata-rata Pengukuran Nilai referensi (diberikan oleh trainer) Perbedaan antara Pengukuran Rata-rata dan nilai referensi Apakah Pengukuran rata-rata Anda sama dengan Nilai Referensi
Menggunakan Menggunakan Penggaris Caliper
Aplikasi dari Analisa Sistem Pengukuran
Sebagai kriteria penerimaan alat baru Suatu metode dalam perbandingan beberapa alat pengukuran Dasar penilaian alat ukur yang diduga bermasalah. Untuk membandingkan alat ukur sebelum dan sesudah perbaikan Salah satu komponen dalam menghitung variasi proses, dan level yang dapat diterima untuk proses produksi.
Sifat-Sifat Statistik Sistem Pengukuran
Bias ( accuracy ) Perbedaan antara nilai pengamatan dengan nilai referensi. Repeatability ( gage/equipment variation = EV ) Variasi pengukuran dari satu alat ukur dalam mengukur karakteristik yg sama pada bemda yang sama beru,lang-ulang oleh seorang operator. Reproducibility ( appraiser variation = AV ) Variasi dari rata-rata pengukuran oleh operator yg berbeda dg alat ukur yg sama saat mengukur karakteristik yg sama di benda yg sama. Stability Total variasi pengukuran dari waktu ke waktu. Linearity Perbedaan bias alat ukur pada rentang operasinya.
Seringkali diasumsikan bahwa pengukuran adalah tepat (exact)
REPEATABILITY
+
( Variasi Alat Ukur konsisten ) • Dua sebab repeatability error : • 1. Variasi pengukuran, karena alat ukur itu sendiri. • 2. Variasi letak dari part pada alat ukur. • • • • • •
Dapat dianalisa menggunakan Range Chart Standart deviation dari Repeatabilityσ : e = R * d2 dimana R = rata-rata range dari pengukuran berulang dan d * dapat dilihat pada tabel 2. 2 m = banyaknya percobaan ; g = banyaknya part x jumlah inspektor Repeatability ( gage variation ) = 5.15 R * d2
UCLR = R × D4 ; LCLR = R × D3 • D4 dan D3 dapat dilihat pada tabel 3
+
+
FORMULIR UNTUK REPEATABILITY Gunakan caliper dan satu set sample yang ditandai dari 1 sampai 5, ukur ketebalan dari 5 sample tersebut dan catat hasilnya. Ulang pengukuran tersebut 2 kali. Part 1 Trial 1 2 3 Ratarata X Range Jika ada 2 appraiser : Part 1 Trial 1 2 3 Ratarata X Range
2
3
4
5
2
3
4
5
Rata-rata = X = jumlah dari hasil ketiga trial dibagi 3
Range = perbedaan antara hasil yang tertinggi ( terbesar ) dan yang terendah ( terkecil ) dari hasil pengukuran ketiganya dari masing-masing sample. Untuk setiap appraiser X = jumlah dari rata-rata / 5 =__________ R = jumlah dari range / 5 = __________ Hitung UCL dan LCL masing-masing UCL = = ________x________ =________ LCL = = ________x________ =________ Hitung Repeatability : Perkiraan Standar deviasi untuk repeatability atau Variasi gage = ____________ Repeatability = ____________
+
Reproducibility
( Variasi Inspektor konsisten ) Dapat dianalisa menggunakan x chart. Standart deviation dari Reproducibility :
σ 0 = R0
d 2*
Dimana R0 = rata2 inspektor terbesar – rata2 inspektor terkecil dan d2 *(tabel 2). m = jumlah inspektor ; g = jumlah kalkulasi range
R0
d 2*
Reproducibility ( appraisers variation ) = 5.15
+
+
+
FORMULIR UNTUK REPRODUCIBILITY Hitung Reproducibility Copy data X Anda dan data x partner Anda dari table Repeatability ke tabel berikut ini. Parts Rata-rata Appraiser 1 X
Rata – rata Appraiser 2 X
1
2
3
4
5
x
+
Masing-masing rata-rata Appraiser ( X ) dihitung dengan menghitung rat-rata untuk seluruh sampel yang didapat dari masing-masing appraiser dan mengambil perbedaannya ( X – X ) dan dibagi dengan d2. (R = X yang terbesar – X yang terkecil ) dan dibagi dengan d2*. Estimasi Standar deviasi appraiser = R / d2 = ( terbesar X – terkecil X ) / d2*. Kemudian reproducibility = ___________________________
+
+•
Linearity Empat lubang cincin part yg terbuat dari alumunium dipilih ( yang masing2nya sudah diketahui diameter2nya yg berada pada rentang operasi gage. Masing-masing part diukur 5 kali dan akurasi masingmasing empat set tadi dari lima pengukuran dihitung. 1
2
3
4
17.94
17.96
18.01
18.06
17.97 18.03 17.99 18.01 18.00
17.99 17.96 17.95 17.98 17.97
18.03 18.00 18.05 18.04 18.01
18.09 18.08 18.11 18.06 18.10
Rata - rata
18.00
17.97
18.03
18.09
Bias
0.06
0.01
0.02
0.03
Part Diameter referensi Pengukuran2 yg diamati
• Linearity =
-
= ……..mm ; Linearity % = …………
+
PERSIAPAN STUDI SP
Metodologinya harus dipersiapkan Jumlah operator, jumlah part sample, jumlah pembacaan yang diulang Seberapa kritis dimensinya Konfigurasi part-part yg berat / besar lebih sedikit sample, dan lebih banyak percobaan. Operator sebaiknya operator yg biasanya mengoperasikan peralatan / instrument tersebut. Part sample harus dipilih dari proses & mewakili rentang operasi. Identifikasi dari masing-masing part. Diskriminasi alat ukur 1/10 dari toleransi dari karakteristik yg diukur. Contoh : Jika toleransi karakteristik 0,001, alat ukur harus dapat membaca pertambahannya tidak lebih besar dari 0,0001 Yakinkan bahwa metode pengukuran mengukur karakteristik yg diinginkan dan mengikuti prosedur pengukuran.
PERHATIKAN HAL-HAL BERIKUT
( Untuk meminimalkan hasil yang “misleading” )
Pengukuran secara random. Operator vs orang melaksanakan studi sehubungan dengan nomor part yang dicek. Pembacaan peralatan dibulatkan ke pembacaan yang terdekat ½ dari penambahan yang terkecil ( smallest graduation ). Jika penambahan terkecil 0,0001, maka perkiraan untuk masing-masing pembacaan harus dapat dibulatkan paling tidak ke yang terdekat. Diamati oleh personil yang mengenal pentingnya kehatihatian dalam malaksanakan studi yang dapat dipercaya. Penggunaan prosedur yang sama untuk masing-masing operator.
+
PETUNJUK MELAKSANAKAN R& R SHORT METODE-METODE RANGE
Perkiraan cepat variasi pengukuran Hanya menggambarkan SP secara keseluruhan Biasanya menggunakan 2 inspektor & 5 part Tiap operator mengukur masing-masing part sekali Range = Pengukuran inspektor A – Pengukuran inspektor B Range rata-rata = R = R / jumlah part. Total variasi pengukuran ( Gage R & R ) = R 5.15 / d2* % Gage R&R = ( Gage R&R / Variasi proses) x 100%
Pada Short Method – Metode Range, GAGE REPEATABILITY & REPRODUCIBILITY TIDAK DAPAT DIPISAHKAN Hasilnya merefleksikan kombinasi dari kedua tipe kesalahan gage
+
PETUNJUK MELAKSANAKAN R&R METODE RATA-RATA & RANGE SP dipisahkan Repeatability dengan Reproducibility, tetapi tidak interaksinya. Mempunyai informasi sehubungan dengan sebab-sebab dari kesalahan SP atau gage. ( MS or gage error ) Jika Repeatability >>> Reproducibility, maka sebab2-nya sbb:
Peralatan butuh perawatan Gage ( alat ukur ) harus didesain lebih keras / baik Point ( lokasi tertentu ) perlu dikembangkan. Banyak variasi dalam part ( within-part variation )
Jika Repeatability 15 Jika jumlah sample = 15 part atau kurang, maka banyaknya percobaan haris ditingkatkan pula. Ambil sample / part yang harus mencakup rentang SP yang diharapkan.
+
ANALISA METODE RATA- RATA & RANGE YANG TELAH DILAKSANAKAN Repeatability atau variasi peralatan ( EV atau ) = R x K1 dimana : R = rata-rata range dari pengukuran berulang K1 = 5.15 / d2* dimana d2* dapat dilihat pada table 2 m = banyaknya percobaan g = banyaknya part x jumlah inspektor ( dg Asumsi g > 15, K1 yg ada di table GR&R Report dapat digunakan )
+
ANALISA METODE RATA- RATA & RANGE YANG TELAH DILAKSANAKAN Reproducibility atau variasi inspektor ( AV atau ) = Xdiff x K2 dimana : Xdiff = perbedaan inspektor rata-rata maximum K2 = 5.15 / d2* dimana d2* dapat dilihat pada table 2 m = banyaknya inspektor g = 1 , karena hanya 1 kalkulasi range Karena variasi inspektor dikontaminasi oleh EV, maka: 2 n = banyaknya part; ⎡ ⎤ ( ) EV 2 AV = [X DIFF × K 2 ] − ⎢ ⎥ r = jumlah percobaan
⎣ (nr ) ⎦
ANALISA METODE RATA- RATA & RANGE YANG TELAH DILAKSANAKAN Variasi part-to-part / Part-to-part Variation: ( PV atau σ p ) = Rp x K3 dimana : K3 = 5.15 / d2* dimana d2* dapat dilihat pada table 2 m = jumlah part yang digunakan g = 1 , karena hanya satu kalkulasi range
ANALISA METODE RATA- RATA & RANGE YANG TELAH DILAKSANAKAN JUMLAH PERSENTASE DARI MASING-MASING FAKTOR VARIASI TIDAKAKAN SAMA DENGAN 100% Ubah laporan Gage R&R, jika dasar analisanya toleransi, bukan variasi proses Kolom disebelah kanan menjadi % dari toleransi, bukan % dari total variasi. %Ev, %AV, % R&R dan %PV dihitung dengan subsitusi nilai toleransi ke TV. Petunjuk nilai %R&R yang dapat diterima : v < 10% kesalahan v 10% - 30% kesalahan
v > 30% kesalahan
SP OK Mungkin bisa diterima tergantung dari penting alikasinya, biaya dari gage & biaya perbaikan. SP perlu peningkatan.
BIAS • • • •
Bias = Nilai rata-rata yang diamati – Reference Value Presentase variasi proses untuk bias : Presentase toleransi untuk bias : Kemungkinan-kemungkinan, jika Biasnya besar : • • • • • •
Kesalahan pada master ( reference value ) Komponen- komponen yang aus (habis dipakai ) Peralatan dipakai pada dimensi yang salah Peralatan dipakai untuk mengukur karakteristik yang salah Peralatan tidak dikalibrasi dengan benar Peralatan digunakan secara tidak benar
+
Bias Gage • Seorang inspektor melakukan pengukuran diameter lubang cincin part yang terbuat dari alumunium secara manual. Pengukuran dilakukan 10 kali dan hasilnya didapatkan sbb: • • • • •
18.03 18.05 18.02 18.05 18.02
• • • • •
18.01 18.02 17.99 18.01 18.00
• Catatan : Diameter tersebut mempunyai nilai referensi adalah 18.03 mm. Toleransi karakteristiknya adalah plus atau minus . 05mm. • Bias gage adalah = …………… • % Toleransi untuk Bias gage = ……………..
+
+
+
ATRIBUT GAGE STUDY (Short Method)
Tidak dapat mengidentifikasikan seberapa bagus atau jelek sebuah part. Menyatakan part tersebut diterima atau ditolak. Dilakukan dengan memilih 20 part ( beberapa part sebaiknya diambil lebih rendah dan di atas batas spesifikasi) denagan 2 inspektor. Masing-masing inspektor mengukur seluruh part 2 x. Inspektor jangan mengetahui identifikasi part.
DAPAT DITERIMA JIKA SELURUH KEPUTUSAN PENGUKURAN (empat/part) SAMA
+
ATTRIBUTE GAGE EXAMPLE ( SHORT METHOD ) Rubber Hose I.D. Go/No-Go Plug Cage Pa rts 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Apra ise r 1 G G G G NG G NG NG G G NG NG NG NG NG NG G G G G G G G G G NG G G G G G G G G G G G G G G
Apra ise r 2 G G G G G G NG NG G G NG NG G G G G G G G G G G G G G G G G G G G G G G G G G G G G
Apa yang Anda rekomendasikan dari hasil studi di atas ?