Sebelumnya kita telah membahas tentang apa saja langkah -langkah yang harus dilakukan tim ketika menggunakan melakukan analisis menggunakan diagram fishbone. Artikel kali ini kami akan memberi ulasan singkat tentang apa yang harus dilakukan tim usai menyelesaikan analisa terhadap suatu masalah.     

Dalam roadmap implementasi proyek perbaikan Define  Measure  Analyze  Improve  Control (DMAIC), tujuan fase Analyze adalah menetapkan akar masalah (X’s) yang memiliki pengaruh signifikan terhadap output (Y). Data yang dikumpulkan di fase Measure akan dianalisa dan diselidiki untuk menemukan penyebab terjadinya masalah dan penyebab terjadinya cacat (defect). Beberapa aktivitas yang dilakukan selama fase Analyze, diantaranya:

  • Mengidentifikasi gap yang terjadi di antara performa yang berjalan saat ini dengan performa yang menjadi target proyek
  • Mengidentifikasi bagaimana input dari proses (X) mempengaruhi outputnya (Y) 
  • Membuat daftar dan menyusun prioritas dari potensi perbaikan yang dapat dilakukan
  • Mengidentifikasi penyebab terjadinya variasi dalam proses
  • Data dianalisa untuk mengetahui lokasi dan distribusi dari data yang terkumpul.

Diagram fishbone sendiri akan kita gunakan pada saat melakukan proses Identifikasi X (akar masalah) – langkah ini untuk mencari kemungkinkan penyebab masalah (X) yang memiliki pengaruh pada Y (sesuai dengan tahapan di atas). Namun, perlu kita garis bawahi bahwa variabel yang muncul dalam proses ini masih sebatas potensi masalah. Tim mungkin perlu menyesuaikan rencana pengumpulan data lebih lanjut untuk mendapatkan informasi tambahan. Proses ini harus terus dilakukan oleh tim untuk menganalisa data dan proses yang bermasalah sehingga bisa mempersempit lingkup sekaligus memvalidasi akar penyebab dari proses yang bermasalah.

Untuk mempersempit lingkup X yang akan kita analisa, kita bisa menggunakan tool Prioritization Matrix. Kemudian untuk memvalidasi X kita harus melakukan analisa data. Analisa pada data melibatkan penggunaan alat statistik untuk bisa menemukan korelasi atau hubungan atau pengaruh X terhadap Y. Alat statistik yang biasa dipakai adalah: Korelas/Regresi, ANOVA, Hypothesis Testing dan Design of Experience. Selain itu kita juga bisa melakukan analisa proses secara langsung (gemba) untuk menemukan fakta di lapangan.

Baca juga  Fishbone Diagram (LSS Tool)

Design of Experiments

Design of Experiments (DOE) adalah tool dalam Lean Six Sigma yang bisa membantu Anda menginvestigasi suatu sistem atau proses dengan pendekatan yang sistematik. Secara umum, DOE merupakan desain dengan informasi-informasi yang terkumpul berdasarkan pengalaman dan menghadirkan sebuah variasi, informasi tersebut bisa berada di bawah kendali pelaku eksperimen maupun tidak.

“Eksperimen” yang dimaksud disini adalah segala prosedur yang sistematik, yang dilakukan dalam kondisi terkontrol untuk menemukan efek-efek yang belum diketahui, untuk menguji atau mematangkan suatu hipotesis, atau untuk mengilustrasikan efek-efek yang telah teridentifikasi. Ketika menjalankan analisa proses, eksperimen kerap digunakan untuk mengevaluasi input proses yang memiliki impact signifikan terhadap output proses, dan mengetahui sampai level mana input harus diperbaiki untuk memperoleh output (hasil) yang diharapkan. Sangat banyak desain yang dapat dibuat untuk melaksanakan eksperimen-eksperimen semacam ini. Ada banyak aspek yang bida dianalisa menggunakan DOE, diantaranya:

Faktor

Faktor atau input dari proses dapat diklasifikasikan sebagai variable-variabel yang dapat dikontrol atau tidak dapat dikontrol. Untuk memudahkan mari kita ambil contoh kasus dari pembuatan kue. Faktor yang dapat dikontrol ketika membuat kue adalah bahan-bahan dasar kue dan oven untuk memanggang. Variabel yang dapat dikontrol ini akan disebut sebagai faktor. Catat bahwa bahan-bahan yang digunakan dalam contoh ini telah disederhanakan – mungkin ada bahan-bahan lainnya yang memiliki efek signifikan terhadap hasil (misalnya mentega, air, penyedap rasa, dll.) Begitu pula, faktor-faktor lain mungkin saja ada, seperti metode pencampuran atau peralatan masak yang digunakan, urutan pencampuran bahan, dan bahkan orang-orang yang terlibat dalam proses pembuatan. Manusia biasanya dianggap sebagai Noise Factor – faktor yang tak dapat dikontrol yang menyebabkan variabilitas dalam kondisi operasional yang normal. Namun kita dapat mengontrol faktor manusia ini selama melakukan eksperimen dengan blocking dan randomization. Faktor potensial ini dapat susun dalam kategori dengan menggunakan Diagram Fishbone.

Level

Baca juga  Mengenal Karakteristik Data dalam Measurement System Analysis (MSA)

Level atau setting (pengaturan) di setiap faktor dalam studi yang dilakukan, contohnya adalah pengaturan temperatur oven yang digunakan, pengaturan jumlah gula, tepung dan telur yang dipakai dalam eksperimen.

Response

Response adalah output dari proses. Dalam kasus memanggang kue, rasa, konsistensi, dan penampilan kue adalah hasil yang dapat diukur yang dipengaruhi oleh faktor dan level. Eksperimen dilakukan dengan tujuan menghindari keharusan optimasi proses untuk satu response dengan mengorbankan response lain. Oleh sebab itu, hasil-hasil yang penting akan selalu diukur dan dianalisa untuk menentukan faktor dan pengaturan sehingga bisa memberikan hasil paling sempurna.