Statistical Process Control (SPC): Pengertian, Sejarah, Struktur, Langkah Penerapan, dan Manfaatnya

Table of Contents

Statistical Process Control (SPC)

Pengertian Statistical Process Control (SPC)

Statistical Process Control (SPC) adalah metode pengendalian proses dengan menggunakan data dan teknik statistik untuk mengukur dan menganalisa variasi yang terjadi selama proses berlangsung. Alat dan prosedur SPC dapat membantu memantau proses, menemukan masalah dalam sistem internal, serta solusi suatu masalah dalam proses produksi.

Praktik SPC serta formula dan tekniknya banyak diterapkan di beberapa bidang operasional industri. SPC merupakan metode atau konsep statistik yang dikembangkan oleh Dr. Walter Shewhart dari Bell Laboratories. Konsep ini kemudian diperluas oleh Edwards Deming ke industri Jepang setelah Perang Dunia II.

Metode Statistical Process Control sering digunakan secara bergantian dengan Statistical Quality Control (SQC). Metodologi ini dapat digunakan untuk mengukur serta mengendalikan kualitas selama proses manufaktur.

Baca Juga: Pengertian Industri Manufaktur, Sejarah, Perkembangan, Proses Pengendalian, dan Contohnya

Data yang diamati umumnya berupa pengukuran produk atau proses yang diperoleh secara real-time. Data yang didapatkan lalu diolah pada grafik dengan batas kendali yang telah ditentukan sebelumnya. Batas kendali ditentukan oleh kemampuan proses, sedangkan batas spesifikasi ditentukan oleh kebutuhan klien.

SPC dapat membantu perusahaan bergerak menuju kontrol kualitas berbasis pencegahan daripada kontrol kualitas berbasis deteksi. Dengan memantau grafik SPC, organisasi dapat dengan mudah memprediksi perilaku proses.

Sejarah Statistical Process Control (SPC)

Konsep Statistical Process Control (SPC) awalnya dikembangkan oleh Dr. Walter Shewhart dari Bell Laboratories pada tahun 1920-an. Kemudian, konsep ini diperluas oleh Dr. W. Edwards Deming setelah Perang Dunia II yang ditandai dengan perkembangan industri Jepang.

Banyak perusahaan Jepang yang sukses mengadopsi konsep ini hingga kemudian organisasi di seluruh dunia menjadikan SPC sebagai alat utama untuk meningkatkan kualitas produk dengan mengurangi variasi proses. Dr. Shewhart mengidentifikasi dua sumber variasi proses, yaitu variasi peluang serta variasi tidak terkontrol.

Variasi peluang melekat dalam proses, dan stabil dari waktu ke waktu, dan dapat ditetapkan. Sedangkan variasi yang tidak terkontrol umumnya tidak stabil dari waktu ke waktu karena merupakan hasil dari peristiwa tertentu di luar sistem.

Berdasarkan pengalaman dengan banyak jenis data proses, dan didukung oleh hukum statistik dan probabilitas, Dr. Shewhart kemudian merancang diagram kendali. Diagram inilah yang kemudian digunakan untuk memplot data dari waktu ke waktu dan mengidentifikasi baik variasi penyebab umum maupun variasi penyebab khusus.

Jenis Variasi

Satu hal yang harus menjadi filosofi dasar dan harus dipahami oleh kita bahwa setiap produk ataupun jasa yang dihasilkan dari suatu proses (produksi-red) itu tidak akan 100% sama, hal ini terjadi karena adanya variasi selama proses (produksi-red) berlangsung. 

Baca Juga: Pengertian Proses Produksi, Tujuan, Karakteristik, dan Jenisnya

Variasi dapat didefinisikan sebagai ketidakseragaman produk atau jasa yang dihasilkan. Dapat pula didefinisikan sebagai produk atau jasa yang dihasilkan tidak memenuhi spesifikasi standard yang telah ditetapkan.

Variasi dikelompokkan menjadi 2 jenis di antaranya,
1. Variasi yang tidak bisa dihindari (uncontrollable variation/chance/common/random variation) contoh: kelembaban udara, suhu ruangan yang berubah-ubah, getaran mesin penggilingan padi, perubahan voltage PLN, dll
2. Variasi yang bisa dihindari (controllable variation/assignable variation) Contoh: kurang homogennya bahan baku, kurang cermatnya operator, dll.

Struktur Statistical Process Control (SPC)

Secara umum, peta kendali dalam SPC selalu terdiri dari tiga garis horisontal di antaranya,
1. Center line. Merupakan garis yang menunjukkan nilai tengah (median) atau nilai rata-rata dari karakteristik kualitas yang di-plot pada peta kendali SPC.
2. Upper control limit (UCL). Merupakan garis di atas garis pusat yang menunjukkan batas kendali atas.
3. Lower control limit (LCL). Merupakan garis di bawah garis pusat yang menunjukkan batas kendali bawah.

Garis-garis tersebut ditentukan melalui data historis. Shewhart menggunakan kurva distribusi normal (distribusi Gauss) dengan μ sebagai garis pusat (center line) yang menunjukkan nilai rata-rata sebaran karakteristik proses, dan ±σ yang dirubah menjadi UCL dan LCL sebagai landasannya.

Langkah Penerapan Statistical Process Control (SPC)

Metode SPC dapat dilakukan melalui beberapa langkah di antaranya,
1. Identifikasi proses
Identifikasi proses merupakan kunci utama yang berdampak pada keluaran produk atau proses yang sangat penting bagi pelanggan. Misalnya, ketebalan pelat berdampak pada kinerja produk di perusahaan manufaktur, kemudian hal ini menjadi suatu pertimbangan dalam proses pembuatan pelat.

2. Tentukan atribut yang dapat diukur dari proses
Identifikasi atribut yang perlu diukur selama produksi. Dari contoh di atas, pertimbangkan ketebalan pelat sebagai atribut terukur.

3. Menentukan metode pengukuran dan juga melakukan Gage R&R
Membuat instruksi atau prosedur kerja metode pengukuran termasuk alat ukurnya. Misalnya, pertimbangkan pengukur ketebalan untuk mengukur ketebalan dan buat prosedur pengukuran yang sesuai. Lakukan pengulangan dan reproduksibilitas Gage (Gage R & R) untuk menentukan jumlah variasi dalam data pengukuran karena sistem pengukuran.

4. Kembangkan strategi subkelompok dan rencana pengambilan sampel
Tentukan ukuran subkelompok berdasarkan kekritisan produk dan tentukan ukuran dan frekuensi pengambilan sampel. Misalnya mengumpulkan 20 set ketebalan pelat dalam urutan waktu dengan ukuran subkelompok 4.

5. Kumpulkan data dan plot grafik SPC
Kumpulkan data sesuai ukuran sampel dan pilih grafik SPC yang sesuai berdasarkan tipe data (Kontinu atau Diskrit) dan juga ukuran subkelompok. Misalnya, ketebalan pelat dengan ukuran subkelompok 4, pilih grafik Xbar-R.

6. Jelaskan variasi alami dari atribut
Hitung batas kendali. Dari contoh di atas, hitung batas kendali atas (UCL) dan batas kendali bawah (LCL) untuk kedua Rentang Xbar.

7. Pantau variasi proses
Interpretasikan dalam diagram kontrol dan periksa apakah ada titik di luar kendali dan polanya. Contohnya, periksa grafik Xbar R jika prosesnya tidak terkendali, maka identifikasi penyebab yang dapat ditentukan dan atasi masalahnya. Proses ini harus berkelanjutan untuk memantau variasi proses.

Manfaat Statistical Process Control (SPC)

SPC berfokus pada pengoptimalan perbaikan berkelanjutan dengan menggunakan alat statistik untuk menganalisis data, membuat kesimpulan tentang perilaku proses, dan kemudian membuat keputusan yang tepat. Metode statistik ini memiliki beberapa manfaat di antaranya,
1. Mengurangi variabilitas dan memo secara signifikan
2. Secara ilmiah meningkatkan produktivitas
3. Mengurangi biaya sehingga lebih hemat
4. Meningkatkan kualitas secara keseluruhan
5. Dapat terus memantau proses untuk mempertahankan kontrol
6. Menyediakan data untuk mendukung pengambilan keputusan
7. Menemukan proses yang mungkin tersembunyi
8. Bereaksi langsung terhadap perubahan proses
9. Proses yang dibutuhkan dalam operasional dapat menjadi lebih sederhana
10. Peluang untuk peningkatan kualitas di seluruh segmen perusahaan

Dari berbagai sumber

Download