STATISTICAL ENGINEERING (DOE),

SEBAGAI PROBBLEM SOLVING TEKNIK YANG POWERFULL

 

PENDAHULUAN

Seiring dengan semakin terbukanya pasar global, bagi kalangan industri sesungguhnya memberikan dua konsekuensi. Pertama semakin terbukanya peluang untuk terciptanya pasar baru, dan yang kedua adalah justru semakin ketatnya persaingan karena masuknya produk-produk dari luar. Disamping itu semakin kristisnya konsumen akan produk-produk yang mereka pilih juga merupakan factor tidak bias dihindari. Persaingn harga dan kualitas didalam suatu produk merupakan kata kunci untuk memenangkan persaingan. Perbaikan terus-menerus (Continues Improvement) dengan menerapkan methode-methode yang tepat harus menjadi kultur didalam organisasi perusahaan.

Banyak methode, baik sebagai problem solving tehnik maupun sebagai alat bantu (Improvement Tools) dalam perbaikan terus-menerur telah diperkenalkan oleh beberapa ahli, seperti antara lain :

1. Design Review                                                Design Quality Assurance
2. 7 QC Tools                                                     Data data analysis & problem-solving
3. New 7 QC Tools                                             Business Process Management
4. Statistical Process Control (SPC)                   Holding the gains
5. Design of Experiments (DOE)                       Quality breakthroughs
6. Quality Function Deployment (QFD)            Translating customer requirements
7. Failure Mode and Effects Analysis (FMEA)  Bullet-proofing design & process
8. Kepner Tregoe                                                Problem Solving & Decision making
9. Etc.

 

DOE SEBAGAI PROBLEM SOLVING TEHNIK

Hingga saat ini sebagian besar perusahaan-perusahaan kelas dunia  telah mensyaratkan untuk menggunakan DOE sebagai methode dalam problem solving dan menjadikan sebagai bagian dari kultur perbaikan terus-menerus (Continues Improvement).Bahkan beberapa diantaranya telah intensive menggunakanya sejak tahun 1980 seperti: AT&T, Ford, Xerex dan ITT. Kemudian diikuti yang lainya seperti, Motorola, General Electric, Philips dan lain-lain.

Alasan mendasar akan perlunya penggunaan statistical engineering sebagai alat bantu sebagai problem solving teknik dalam bidang manufacturing adalah:

• Lebih dari 90 % perusahaan tidak tahu bagaimana menyelesaikan problem mereka.
• Kebanyakan perusahaan mengandalkan “kekuatan otot’ karyawanya, tetapi bukan pikiranya.
• 90% spesifikasi dan toleransi adalah tidak tepat.
• Defect dan variation tidak mungkin dihindari
• Optimisasi product atau process tidak dikitahui.
• Tingginya tingkat kegagalan produk, mengakibatkan ketidakpuasan pelanggan.
• Tingginya Cost Of Poor Quality (C.O.P.Q)

Dalam perkembanganya hingga saat ini, telah ada beberapa pendekatan DOE yang digunakan diantaranya :

• Classical (dikembangkan awal 1920-an)
• Taguchi (dikembangkan pertengahan 1980-an)
• Shainin (dikembangkan akhir 1990-an)

Dari ketiga pendekatan diatas, maka Shainin Approach merupakan methode yang saat ini paling banyak di terapkan di bidang manufacturing.

Berikut adalah perbandingan secara mendasar diantara ketiga pendekatan DOE sebagai alasan,

Dari beberapa perbandingan diatas, factor complexity merupakan hal yang paling utama kekuatan dari Shainin approach. Disamping mudah difahami oleh level operator karena tidak harus menggunakan analisa – analisa statistic yang rumit, methode ini juga lebig practical.

Clasiccal DOE

Clasikan DOE umumnya di kenal dengan Factorial desain, dimana percobaan di perlakukan terdiri atas semua kemungkinanan kombinasi antara semua factor dengan level setiap factor. Misalnya ada 3 faktor (variable yang akan di uji) dengan level masing masing ada 2, maka banyaknya sel percobaan yang dilakukan adalah sebanyak 2 x 2 x 2 atau di simbulkan dengan 2³. Ada kalanya level variable tidak sama misalkan dari contoh di atas variable terakhir levelnya ada 3, maka sel percobaan yang dilakukan adalah sebanyak 2 x 2 x 3.

Methode Taguchi.

Methode taguchi di kembangkan oleh Dr. Genechi Taguchi dari Jepang. Salah satu keutamaan metode Taguchi adalah mengurangi jumlah percobaan. Bayngkan jika jumlah factor / variablenya percobaan adalah banyak misalnya 10, maka tentu akan di butuhkan jumlah percobaan yang banyak pula, sehingga menjadi tidak efisien. Pengurangan percobaan di lakukan dengan mempelajari pengaruh tiap factor sehingga kombinasi factor bisa di tentukan. Untuk menbuat desain percobaan Taguchi menggunakan table khusus yang di sebut dengan tabal Orthogonal Array (OA). Dengan table OA maka jumlah percobaan bisa di reduksi sehingga bisa mempercepat waktu percobaan.

Shainin Approach

Semakin canggihnya proses produksi, disamping memberi kemudahan karena factor otomatisasi, namun disisi yang lain sesungguhnya membawa dampak lain bila dilihat dari sisi kompleksitas yang ada. Parameter proses akan semakin bertambah, untuk proses tertentu bisa jadi parameter yang ada tidak saja puluhan, mungkin ratusan bahkan ribuan. Hal ini akan sangat menyulitkan jika digunakan DOE methode Classic atau Taguchi sebagai metode untuk optimisasi proses. Sebagai contoh misalkan dari suatu proses produksi untuk meproses produk tertentu, berdasarkan technical analysis didapatkan 50 parameter, berapa banyak percobaan jika menggunakan methode classic ?, atau berapa panjang orthogonal array yang harus di desain sehingga didapatkan jumlah percobaan yang optimal ? Belum lagi jika informasi deductive tidak didapatkan.

Untuk menjawab itu semua maka Shainin approach diperkenalkan. Prinsip dari Shainin approach adalah pengurangan sejumlah factor/parameter yang kurang penting terhadap terjadinya variasi menjadi sekelompok parameter penting yang berpengaruh terhadap terjadinya variasi.

Ada beberapa prinsip/methode yang diperkenalkan didalam DOE Shainin,