DPMO Defects per million opportunities FMEA Failure Mode and Effects Analysis

mencegah masalah yang sama atau praktek–praktek lama terulang kembali. Gaspersz, Vincent, 2002, “Pedoman Implementasi Six Sigma”, Gramedia Pustaka Utama, Jakarta.

2.5 DPMO Defects per million opportunities

Defect adalah kegagalan untuk memberikan apa yang diinginkan oleh pelanggan. Sedangkan Defects per Opportunity DPO merupakan ukuran kegagalan yang dihitung dalam program peningkatan kualitas Six Sigma, yang menunjukkan banyaknya cacat atau kegagalan per satu kesempatan. Dihitung menggunakan formula DPO = banyaknya cacat atau kegagalan yang ditemukan dibagi dengan banyaknya unit yang diperiksa dikalikan banyaknya CTQ potensial yang menyebabkan cacat atau kegagalan itu. Besaran DPO ini, apabila dikalikan dengan konstanta 1.000.000, akan menjadi ukuran Defect Per Million Opportunities DPMO. Defects Per Million Opportunities DPMO merupakan ukuran kegagalan dalam program peningkatan Six Sigma , yang menunjukkan kegagalan per satu juta kesempatan. Target dari pengendalian kualitas Six Sigma Motorola, sebesar 3,4 DPMO seharusnya diinterpretasikan sebagai 3,4 unit output yang cacat dari sejuta unit output yang diproduksi, tetapi diinterpretasikan sebagai dalam satu unit produk tunggal terdapat rata–rata kesempatan untuk gagal dari suatu karakteristik CTQ adalah hanya 3,4 kegagalan per satu juta kesempatan. Gaspersz, Vincent,

2002, “Pedoman Implementasi Six Sigma”, Gramedia Pustaka Utama, Jakarta.

2.6 FMEA Failure Mode and Effects Analysis

Failure Mode diartikan sebagai sejenis kegagalan yang mungkin terjadi, baik kegagalan secara spesifikasi maupun kegagalan yang mempengaruhi konsumen. Dari failure mode ini kemudian dianalisis terhadap akibat dari kegagalan dari sebuah proses terhadap mesin setempat maupun proses lanjutan bahkan konsumen. Pada dasarnya FMEA terbagi menjadi 2 yaitu FMEA Design yang dipergunakan untuk memprediksi kesalahan yang akan terjadi pada desain proses produk, sedangkan FMEA process untuk mendeteksi kesalahan pada saat proses telah dijalankan. Tahapan FMEA sendiri adalah : 1. Menetapkan batasan proses yang akan dianalisa, didapatkan dari tahap define dari proses DMAIC. 2. Melakukan pengamatan terhadap proses yang akan dianalisa. 3. Hasil pengamatan digunakan untuk menemukan kesalahandefect potensial pada proses. 4. Mengidentifikasi potensial cause penyebab dari kesalahandefect yang terjadi. 5. Mengidentifikasikan akibat effect yang ditimbulkan. 6. Menetapkan nilai–nilai dengan jalan brainstorming dalam point:  Keseriusan akibat kesalahan terhadap proses lokal, lanjutan dan terhadap konsumen severity.  Frekuensi terjadinya kesalahan occurance.  Alat kontrol akibat potential cause detection. 7. Memasukkan kriteria nilai sesuai dengan tiga kriteria yang telah dibuat sebelumnya. 8. Dapatkan nilai RPN Risk Potential Number dengan jalan mengalikan nilai SOD Severity, Occurance, Detection. 9. Pusatkan perhatian pada nilai RPN yang tertinggi, segera lakukan perbaikan terhadap potential cause, alat control dan efek yang diakibatkan. 10. Buat implementation action plan, lalu terapkan. 11. Ukur perubahan yang terjadi dalam RPN dengan langkah- langkah yang sama diatas. 12. Apabila ada perubahan maka pusatkan perhatian pada potential cause yang lain. Tidak ada angka acuan RPN untuk melakukan perbaikan.Adapun nilai severity, occurance, dan detection dijelaskan dengan tabel berikut ini. Tabel 2.4 Nilai Severity Rangking Tingkat Deskripsi dari efek 1 Pengaruh buruk yang dapat diabaikan Negligible Severity Kita tidak perlu memikirkan bahwa akibat ini akan berdampak pada kinerja produk. Pengguna akhir tidak mungkin memperhatikan kecacatan atau kegagalan ini. 2 3 Pengaruh buruk yang ringan sedikit Mild Severity Akibat yang ditimbulkan hanya bersifat ringan. Pengguna akhir tidak akan merasakan perubahan kinerja. Perbaikan dapat dikerjakan pada saat pemeliharaan reguler reguler maintenance. 4 5 6 Pengaruh buruk yang moderat moderate Severity Pengguna akhir akan merasakan penurunan kinerja, namun masih berada dalam batas toleransi. Perbaikan yang dilakukan tidak akan mahal, jika terjadi down time hanya dalam waktu singkat. 7 8 Pengaruh buruk yang tinggi High Severity Pengguna akhir akan merasakan akibat buruk yang tidak dapat diterima, berada di luar batas toleransi. Akibat akan terjadi tanpa pemberitahuan terlebih dahulu. Down time akan berakibat biaya yang sangat mahal. 9 10 Masalah keselamatan keamanan potensial Potential Safety Problems Akaibat yang ditimbulkan sangat berbahaya yang dapat terjadi tanpa pemberitahuan atau peringatan terlebih dahulu. Gaspersz, Vincent, 2002, “Pedoman Implementasi Program Six Sigma”, Gramedia Pustaka Utama, Jakarta. Tabel 2.5 Nilai Occurance Ranking Tingkat Deskripsi Tngkat kegagalan 1 Very Low Adalah tidak mungkin bahwa penyebab ini yang mengakibatkan failure mode 1 dalam 1.000.000 1 dalam 20.000 2 3 Low Kegagalan akan terjadi 1 dalam 4.000 1 dalam 1.000 1 dalam 4.00 4 5 6 Moderate Kegagalan agak mungkin terjadi 1 dalam 80 1 dalam 40 7 8 High Kegagalan adalah sangat mungkin terjadi 1 dalam 20 1 dalam 8 9 10 Very high Hampir dapat dipastikan bahwa kegagalan akan terjadi 1 dalam 2 Gaspersz, Vincent, 2002, “Pedoman Implementasi Program Six Sigma”, Gramedia Pustaka Utama, Jakarta Tabel 2.6 Nilai Detection Ranking Tingkat Deskripsi Tngkat kegagalan 1 Very Low Metode pencegahan atau deteksi sangat efektif. Tidak ada kesempatan bahwa penyebab mungkin masih muncul atau terjadi 1 dalam 1.000.000 1 dalam 20.000 2 3 Low Kemungkinan bahwa penyebab itu terjadi adalah rendah . 1 dalam 4.000 1 dalam 1.000 1 dalam 4.00 4 5 6 Moderate Kemungkinan bahwa penyebab itu terjadi adalah bersifat moderat. Metode pencegahan atau deteksi memungkinkan kadang – kadang penyebab itu terjadi. 1 dalam 80 Ranking Tingkat Deskripsi Tngkat kegagalan 1 dalam 40 7 8 High Kemungkinan bahwa penyebab itu masih tinggi. Metode pencegahan atau deteksi kurang efektif, karena masih berulang kembali. 1 dalam 20 1 dalam 8 9 Very high Kemungkinan bahwa penyebab itu terjadi sangat tinggi. Metode pencegahan atau deteksi tidak efektif, karena penyebab akan selalu terjadi kembali. 1 dalam 2 Gaspersz, Vincent, 2002, “Pedoman Implementasi Program Six Sigma”, Gramedia Pustaka Utama, Jakarta. Tabel 2.7 Tabel Konversi nilai DPMO ke nilai Sigma Defects per 100 Defects per 10,000 Defects per 1,000,000 Success rate Sigma Value 93 9,330 933,000 7 0.0 92 9,190 919,000 8 0.1 90 9,030 903,000 10 0.2 88 8,850 885,000 12 0.3 86 8,640 864,000 14 0.4 84 8,410 841,000 16 0.5 82 8,160 816,000 18 0.6 79 7,880 788,000 21 0.7 76 7,580 758,000 24 0.8 73 7,260 726,000 27 0.9 69 6,910 691,000 31 1.0 66 6,550 655,000 34 1.1 62 6,180 618,000 38 1.2 58 5,790 579,000 42 1.3 54 5,400 540,000 46 1.4 50 5,000 500,000 50 1.5 46 4,600 460,000 54.0 1.6 42 4,210 421,000 57.9 1.7 38 3,820 382,000 61.8 1.8 34 3,450 345,000 65.5 1.9 31 3,090 309,000 69.1 2.0 27 2,740 274,000 72.6 2.1 24 2,420 242,000 75.8 2.2 21 2,120 212,000 78.8 2.3 Defects per 100 Defects per 10,000 Defects per 1,000,000 Success rate Sigma Value 18 1,840 184,000 81.6 2.4 16 1,590 159,000 84.1 2.5 14 1,360 136,000 86.4 2.6 12 1,150 115,000 88.5 2.7 10 968 96,800 90.32 2.8 8 808 80,800 91.92 2.9 7 668 66,800 93.32 3.0 6 548 54,800 94.52 3.1 5 446 44,600 95.54 3.2 4 359 35,900 96.41 3.3 3 287 28,700 97.13 3.4 2 228 22,800 97.72 3.5 2 179 17,900 98.21 3.6 1 139 13,900 98.61 3.7 1 107 10,700 98.93 3.8 1 82 8,200 99.18 3.9 1 62 6,210 99.379 4.0 47 4,660 99.534 4.1 35 3,470 99.653 4.2 26 2,560 99.744 4.3 19 1,870 99.813 4.4 14 1,350 99.865 4.5 10 968 99.903 4.6 7 687 99.931 4.7 5 483 99.952 4.8 3 337 99.966 4.9 2 233 99.9767 5.0 2 159 99.9841 5.1 1 108 99.9892 5.2 1 72 99.9928 5.3 48 99.9952 5.4 32 99.9968 5.5 21 99.9979 5.6 13 99.9987 5.7 9 99.9991 5.8 5 99.9995 5.9 3.4 99.99966 6.0 Sumber : www.mulburysixsigma.com

2.7 Seven Tools