Ketika mengimplementasi control chart di pabrik, apakah excellent people sering menemukan data yang tidak normal? Apa yang sebaiknya kita lakukan, ya?

Excellent people, penting untuk diketahui bahwa ada dua kemungkinan yang membuat data terlihat tidak normal. Apa saja itu, simak ulasannya di bawah ini.

  1. Secara natural, memang proses data excellent people tidak normal.

Bagaimana anda bisa tahu? Anda bisa cek data historical populasi proses Anda dan melakukan tes normalitas (normality test). Jika tidak normal maka kemungkinan besar memang proses anda tidak normal.

Jika ini yang terjadi, anda dapat melakukan control chart yang normal dengan melakukan transformasi data misalnya dengan transformasi box-cox dan transformasi Johnson. Data yang telah ditransformasi biasanya sudah berbentuk normal, dan dapat diplot menggunakan control chart yang umum digunakan (ImR, X bar –R, X bar – S). Contoh data populasi yang tidak normal biasanya ada di data gaji pegawai di sebuah perusahaan, data-data accelerated testing di dunia elektrik, dll.

Cara yang kedua adalah, perbesar sampel anda dan gunakan X bar-S (sampel lebih dari 10 bahkan lebih lagi – catatan: lakukan ini jika data dapat diperoleh dengan mudah, murah dan cepat). Teknik ini juga akan otomatis menormalkan data (untuk lebih detil, coba pelajari Central Limit Theorem)

2. Secara natural, proses anda datanya normal, namun ada assignable cause atau faktor penyebab luar yang masuk mengganggu proses anda sehingga proses anda menjadi tidak normal.

Jika ini yang terjadi, maka, di dalam control chart anda akan banyak titik-titik out of control (liat 8 sympthoms of out of control).

Kemungkinan pertama adalah: ada penyebab khusus (assignable cause) yang masuk ke proses Anda, dan tugas andalah untuk mencarinya. Coba cek apakah SOP diikuti, apakah terjadi perubahan material, apakah tools yang digunakan sudah tepat, apakah spare part tertentu sudah rusak (mesin), ? Dan sebagainya (lihat dari berbagai faktor manusia, material, lingkungan, pengukuran, metode, dan mesin).

Baca juga  Mengantisipasi resistensi dalam proses transformasi

Kemungkinan kedua adalah: sampel anda kurang. Excellent people bisa mulai coba menambahkan sampel dan menggunakan X bar –S (lihat cara kedua di poin nomor 1).