Kapabilitas Proses: Hitung Cp dan Cpk, Lalu Tindak Lanjuti

Beranda » Sumber Daya » Kapabilitas Proses: Hitung Cp dan Cpk, Lalu Tindak Lanjuti

Perkiraan waktu baca: 11 menit

Kapabilitas proses menggambarkan kemampuan proses manufaktur yang stabil untuk memenuhi persyaratan tertentu, seperti diameter lubang atau berat isi. Penilaiannya membandingkan variasi alami proses dengan batas spesifikasi. Cp mengukur seberapa baik sebaran hasil proses dapat tercakup dalam rentang toleransi, sedangkan Cpk juga memperhitungkan posisi rata-rata proses.

Perbedaan ini penting. Hasil pengukuran suatu proses bisa mengelompok rapat, tetapi posisinya tetap terlalu dekat dengan batas toleransi. Demikian pula, mesin yang masih memiliki jam kosong besok belum tentu disetujui untuk mengerjakan fitur produk dengan persyaratan ketat.

Karena itu, studi kapabilitas yang bermanfaat menghasilkan dua keputusan: apa yang perlu diubah dalam proses dan routing produksi mana yang boleh digunakan untuk pekerjaan tersebut. SkyPlanner APS membantu tugas kedua. Setelah data routing yang disetujui dan stasiun kerja yang memenuhi syarat dikelola, SkyPlanner menjadwalkan pesanan pada sumber daya produksi tersebut dan memperlihatkan dampak keterbatasan kapasitasnya terhadap pengiriman.

Cara menghitung Cp dan Cpk

Mulailah dengan satu karakteristik yang diukur beserta spesifikasi yang berlaku untuknya. Jangan menggabungkan dimensi yang tidak berkaitan ke dalam satu indeks. Untuk perhitungan konvensional berdasarkan distribusi normal, Anda memerlukan:

• USL: batas spesifikasi atas, yaitu nilai terbesar yang diizinkan.
• LSL: batas spesifikasi bawah, yaitu nilai terkecil yang diizinkan.
• Rata-rata: nilai rata-rata hasil pengukuran untuk proses yang dikaji.
• Sigma: estimasi simpangan baku proses yang menggambarkan sebaran hasil pengukuran individual.

Gunakan satuan yang sama di seluruh perhitungan. Batas spesifikasi berasal dari persyaratan produk yang berlaku, bukan dari nilai pengukuran tertinggi dan terendah dalam sampel Anda. Batas ini juga berbeda dari batas kendali pada peta kendali, yang menggambarkan perilaku proses.

Cp: bandingkan lebar toleransi dengan sebaran proses

Cp = (USL − LSL) / (6 × sigma)

Pembilangnya adalah lebar toleransi. Penyebutnya adalah rentang sebaran proses yang digunakan secara konvensional, yaitu tiga simpangan baku di masing-masing sisi rata-rata dalam model distribusi normal.

Cp menjawab pertanyaan: apakah sebaran ini dapat tercakup dalam rentang toleransi jika rata-rata proses berada tepat di tengah kedua batas? Cp tidak menunjukkan apakah rata-rata proses benar-benar berada di titik tengah tersebut.

Cpk: periksa jarak ke batas terdekat

Cpk = min[(USL − mean) / (3 × sigma), (mean − LSL) / (3 × sigma)]

Hitung kedua sisi, lalu ambil hasil yang lebih kecil. Sisi itulah yang memiliki margin paling kecil. Dengan demikian, Cpk mencerminkan sebaran sekaligus posisi rata-rata proses.

Dengan data dan estimasi sigma yang sama, Cpk tidak dapat melebihi Cp. Keduanya sama ketika rata-rata berada di titik tengah antara batas spesifikasi. Selisih antara Cp dan Cpk menandakan bahwa proses tidak terpusat, bukan membuktikan bahwa proses stabil.

Dalam praktiknya, nilai-nilai ini merupakan estimasi yang dihitung dari sampel, bukan nilai populasi yang diketahui secara pasti. Nyatakan cara sigma diestimasi. Dalam konvensi pelaporan variasi dalam proses dan variasi keseluruhan yang umum digunakan, Cp dan Cpk memakai estimasi variasi dalam proses, sedangkan Pp dan Ppk memakai variasi keseluruhan. Perubahan estimasi dapat mengubah hasil perhitungan meskipun spesifikasinya tetap sama.

Bagaimana jika hanya ada satu batas spesifikasi?

Gunakan indeks satu sisi yang sesuai: Cpu = (USL − mean) / (3 × sigma) untuk batas atas, atau Cpl = (mean − LSL) / (3 × sigma) untuk batas bawah. Cp dua sisi memerlukan dua batas spesifikasi. Jangan mengada-adakan persyaratan kedua hanya agar rumus dapat digunakan.

Batas alami tidak otomatis menjadi batas spesifikasi. Karakteristik yang nilainya tidak mungkin negatif juga mungkin memerlukan analisis distribusi nonnormal, bukan perhitungan dengan model normal di atas.

Contoh perhitungan: Cp baik, Cpk lebih rendah

Bayangkan sebuah lubang hasil pemesinan dengan batas spesifikasi 19,90 mm dan 20,10 mm. Studi yang sesuai menghasilkan rata-rata 20,04 mm dan estimasi simpangan baku dalam proses sebesar 0,020 mm. Angka-angka ini hanya untuk ilustrasi, bukan hasil pengukuran pelanggan.

Lebar toleransinya adalah 0,20 mm dan rentang sebaran enam sigmanya adalah 0,120 mm:

Cp = (20,10 − 19,90) / (6 × 0,020) = 1,67, setelah dibulatkan.

Sekarang periksa masing-masing sisi rata-rata:

• Indeks sisi atas: (20,10 − 20,04) / (3 × 0,020) = 1,00.
• Indeks sisi bawah: (20,04 − 19,90) / (3 × 0,020) = 2,33, setelah dibulatkan.
• Cpk adalah nilai yang lebih kecil: 1,00.

Sebarannya relatif sempit, tetapi posisi proses terlalu dekat dengan batas atas sehingga rentang toleransi tidak dimanfaatkan sepenuhnya. Jika hanya Cp yang dilaporkan, masalah ini tidak akan terlihat.

Jika rata-rata bergeser ke 20,00 mm sementara simpangan bakunya tetap, Cp akan tetap 1,67 dan Cpk akan naik menjadi 1,67, setelah dibulatkan. Karena itu, pemusatan proses layak dikaji sebagai langkah perbaikan. Namun, ini bukan jaminan bahwa perubahan offset tidak akan mengubah variasi. Verifikasi proses yang telah disesuaikan dengan bukti baru.

Jika nilai Cp sendiri terlalu rendah untuk memenuhi persyaratan yang disepakati, pemusatan proses saja tidak akan menyelesaikan masalah. Sebarannya juga harus diperkecil, misalnya dengan mengatasi sumber variasi yang telah teridentifikasi pada perkakas, material, setup, atau lingkungan. Selidiki penyebabnya sebelum mengubah proses.

Berapa nilai Cpk yang baik?

Pada Cpk sebesar 1,00, batas spesifikasi terdekat berjarak tiga estimasi simpangan baku dari rata-rata. Nilai 1,33 merupakan tolok ukur yang umum, tetapi bukan aturan persetujuan yang berlaku universal. Nilai yang disyaratkan bergantung pada pelanggan, karakteristik, risiko, dan persyaratan mutu yang berlaku.

Nilai hasilnya berdasarkan kriteria yang telah disepakati, bukan hanya dari indikator warna pada perangkat lunak:

• Cpk di bawah nilai yang disyaratkan: margin yang dibuktikan belum memadai. Periksa keabsahan studi, lalu perbaiki posisi rata-rata, variasi, atau keduanya.
• Cpk sama dengan atau di atas nilai yang disyaratkan: tinjau kondisi studi dan ketidakpastian statistik sebelum menerima hasilnya sebagai bukti untuk produksi.
• Cpk sama dengan nol: rata-rata berada tepat pada salah satu batas spesifikasi.
• Cpk negatif: rata-rata berada di luar salah satu batas spesifikasi sehingga hasil perhitungan pada sisi terdekat bernilai negatif.

Jangan menafsirkan Cpk sebagai persentase komponen yang memenuhi syarat atau jaminan tingkat produk yang ditolak. Untuk mengonversi indeks menjadi prediksi tingkat cacat, diperlukan asumsi tentang distribusi dan kestabilan proses serta posisi kedua batas spesifikasi. Satu nilai Cpk saja tidak memberikan gambaran lengkap.

Cpk juga tidak secara langsung mengukur kedekatan dengan target desain yang ditetapkan secara terpisah. Dengan sebaran tetap dan dua batas spesifikasi, nilai maksimumnya tercapai di titik tengah toleransi. Jika target desain berbeda dari titik tengah tersebut, evaluasi juga pencapaian target itu, alih-alih menggeser proses hanya untuk memaksimalkan Cpk.

Periksa studinya sebelum mempercayai angkanya

Perhitungannya biasanya mudah. Yang lebih sulit adalah memastikan apakah hasil pengukuran benar-benar menggambarkan proses yang hendak Anda jalankan.

Gunakan sistem pengukuran yang sesuai dengan kebutuhan

Pastikan metode pengukuran mampu membedakan perubahan pada karakteristik yang diukur dan memiliki kesalahan pengukuran yang dapat diterima untuk keputusan tersebut. Kalibrasi memang penting, tetapi bias, keterulangan, serta perbedaan antaroperator atau antarmetode juga perlu diperhatikan. Analisis sistem pengukuran membantu memisahkan variasi pengukuran dari variasi proses manufaktur.

Gunakan nilai hasil pengukuran aktual untuk studi Cp/Cpk berbasis data variabel. Jumlah unit baik dan cacat tidak dapat menggantikan distribusi diameter lubang, berat, atau karakteristik lain yang diukur.

Ambil sampel yang mewakili kondisi dalam cakupan keputusan

Tentukan revisi produk, karakteristik, routing, peralatan, setup, dan kondisi produksi yang relevan. Catat waktu dan lokasi pengukuran. Produksi singkat dengan satu perkakas, satu operator, dan satu lot material tidak otomatis membuktikan kapabilitas pada kondisi lain.

Kumpulkan data sesuai urutan waktu. Jika menggunakan subgrup rasional, kelompokkan hasil pengukuran agar variasi di dalam subgrup mewakili variasi proses jangka pendek yang ingin dikaji, sementara studi tetap dapat mengungkap perubahan antarsubgrup. Jangan mengelompokkan ulang data untuk memperbaiki nilai indeks atau membuang hasil pengukuran yang tidak diinginkan tanpa penjelasan.

Hindari menggabungkan data dari mesin, rongga cetakan, atau setup yang berbeda tanpa memeriksa apakah semuanya mewakili satu proses. Histogram gabungan dapat menyembunyikan pergeseran atau campuran distribusi yang perlu diselidiki secara terpisah.

Pastikan kestabilan proses sebelum membuat prediksi

Gunakan peta kendali yang sesuai dan pemahaman tentang proses untuk menyelidiki perubahan, tren, dan penyebab khusus. Histogram menunjukkan distribusi hasil, tetapi tidak mempertahankan urutan waktunya. Karena itu, histogram saja tidak dapat membuktikan kestabilan proses.

Proses yang stabil belum tentu mampu memenuhi toleransi. Sebaliknya, estimasi kapabilitas yang tampak baik dari proses yang tidak stabil bukanlah prediksi hasil produksi mendatang yang dapat diandalkan. Stabilkan proses lalu lakukan penilaian ulang, alih-alih menganggap nilai indeks sebagai izin untuk terus berproduksi tanpa perubahan.

Periksa distribusi dan ketidakpastiannya

Rumus konvensional menggunakan model distribusi normal. Periksa data dan kecocokan distribusinya. Untuk karakteristik yang memang tidak berdistribusi normal, gunakan transformasi yang dapat dipertanggungjawabkan atau metode kapabilitas nonnormal yang sesuai. Menghapus hasil pengamatan sampai data lolos uji normalitas bukanlah solusi.

Rencanakan ukuran sampel dan durasi pengambilan data sesuai tujuan studi serta persyaratan yang berlaku. Jumlah pengamatan yang memadai dari satu periode produksi dengan kondisi yang sangat menguntungkan pun masih bisa melewatkan variasi yang penting. Sampel kecil juga menimbulkan ketidakpastian pada estimasi indeks. Karena itu, tinjau interval kepercayaan atau batas bawah kepercayaan bila diperlukan untuk keputusan penerimaan.

Agar laporan dapat ditafsirkan dengan benar, cantumkan revisi spesifikasi, kondisi studi, rencana pengambilan sampel, metode estimasi sigma, bukti kestabilan, metode analisis distribusi, estimasi indeks, dan kriteria penerimaan yang disepakati. Rincian ini membantu pembaca berikutnya memahami kesimpulan apa yang benar-benar didukung oleh angka tersebut.

Cp/Cpk, Pp/Ppk, dan Cm/Cmk tidak dapat saling menggantikan

Dalam konvensi umum yang membedakan variasi di dalam proses dan variasi keseluruhan, Cp dan Cpk menggambarkan kapabilitas berdasarkan estimasi variasi di dalam proses. Pp dan Ppk menggunakan simpangan baku keseluruhan dari data studi. Kedua pasangan indeks membandingkan sebaran dengan spesifikasi; Cpk dan Ppk juga memperhitungkan posisi rata-rata.

Nilai Ppk yang jauh lebih rendah daripada Cpk dapat menandakan adanya variasi antarsubgrup yang tidak tercakup dalam estimasi variasi di dalam proses. Selidiki urutan waktu dan sumber variasinya. Apa pun label indeksnya, data yang tidak stabil tidak dapat diubah menjadi prediksi yang andal. Indeks keseluruhan pun hanya mewakili kondisi yang benar-benar tercakup dalam sampel.

Cm dan Cmk digunakan dalam studi kapabilitas mesin, yang biasanya dilakukan dalam kondisi terkendali untuk mengisolasi kontribusi mesin. Cakupan ini berbeda dari proses produksi yang menghadapi berbagai pengaruh dalam kondisi normal.

Istilah dan konvensi perhitungan dapat berbeda antarstandar, industri, dan perangkat lunak analisis. Saat membandingkan laporan, periksa tujuan studi, data, estimasi variasi, dan metodenya, bukan sekadar kemiripan rumus. Hasil studi mesin tidak dapat begitu saja diberi label lain lalu dijadikan bukti untuk keseluruhan proses produksi.

Masukkan proses yang disetujui ke dalam rencana produksi

Setelah tim mutu mengevaluasi studi, hasil praktisnya harus jelas: metode manufaktur mana yang dapat diterima, dalam kondisi apa, serta pemantauan atau tindakan korektif apa yang diperlukan. Catat persetujuan beserta cakupannya dalam proses pengelolaan mutu Anda.

Selanjutnya, berikan informasi routing dan sumber daya produksi yang diizinkan oleh keputusan tersebut kepada tim perencanaan produksi. Metode yang disetujui mungkin tidak hanya bergantung pada mesin: perkakas, program, material, setup, dan kondisi operasi juga dapat berperan. Penetapan stasiun kerja yang boleh digunakan merupakan salah satu bagian dari penerapan keputusan itu, bukan pengganti seluruh pengendalian produksi yang terkait.

Bayangkan pengerjaan lubang tersebut telah disetujui untuk dilakukan pada satu pusat pemesinan. Pusat pemesinan kedua memiliki waktu luang, tetapi belum dinyatakan memenuhi syarat untuk operasi ini. Memindahkan pesanan ke sana tidak akan menyelesaikan masalah kapasitas dengan cara yang telah disetujui. Tim perencanaan perlu melihat apakah pekerjaan tersebut dapat dijadwalkan pada pusat pemesinan yang memenuhi syarat, bersama job lain yang sudah dijanjikan.

Biarkan SkyPlanner menjadwalkan pekerjaan pada sumber daya produksi yang memenuhi syarat

SkyPlanner APS mengubah routing yang Anda pelihara tersebut menjadi jadwal produksi dengan kapasitas terbatas. Tentukan tahapan proses, durasinya, dan stasiun kerja yang memenuhi syarat, beserta shift, kapasitas, ketergantungan, dan prioritasnya. Arcturus, kecerdasan buatan untuk penjadwalan di SkyPlanner, menempatkan operasi pada sumber daya produksi yang telah dikonfigurasi. Linimasa Gantt menunjukkan kapan pekerjaan dijadwalkan dan bagaimana penempatannya bersama pesanan lain.

Bagi perencana, manfaatnya adalah berkurangnya waktu untuk mengingat batasan routing dan memperbaiki antrean mesin secara manual. Jika sumber daya produksi yang disetujui memiliki beban tinggi, dampaknya terhadap pengiriman akan terlihat dalam jadwal. Anda dapat menilai perubahan prioritas atau penambahan waktu kerja pada sumber daya produksi yang memenuhi syarat, alih-alih menganggap setiap mesin yang kosong dapat menangani job tersebut.

Tetap lakukan penilaian statistik dalam alur kerja mutu. Peran SkyPlanner di sini adalah menyusun jadwal berdasarkan informasi routing yang telah disetujui dan Anda pelihara, bukan menyimpulkan kelayakan dari nilai Cpk atau memperbarui persetujuan itu secara otomatis. Ketika tim mutu menyetujui sumber daya produksi lain, perbarui routing yang diizinkan agar jadwal mencerminkan tambahan kapasitas tersebut.

Anda juga dapat bekerja melalui asisten kecerdasan buatan Anda sendiri, seperti Claude, ChatGPT atau Microsoft Copilot, yang terhubung melalui MCP, penghubung antara asisten dan SkyPlanner. Sampaikan hal yang ingin Anda pahami, misalnya pesanan mana saja yang bersaing untuk mendapatkan kapasitas pada stasiun kerja tertentu yang telah disetujui pada minggu ini. Asisten dapat memadukan data SkyPlanner dan pengetahuan produk untuk membantu Anda memeriksa antrean serta menggunakan fungsi penjadwalan yang diizinkan. Dengan demikian, Anda lebih mudah menemukan informasi yang tepat sambil tetap memegang kendali atas prioritas produksi.

SkyPlanner dapat diintegrasikan dengan ERP atau MES apa pun melalui REST API terbukanya. Anda dapat tetap menggunakan sistem tersebut dan menghubungkan data pesanan serta produksi yang diperlukan untuk penjadwalan.

Contoh penerapan alokasi sumber daya produksi yang lebih baik

Di KJH-Comp, produsen kontrak komponen pelat logam, ERP dan spreadsheet menampilkan gambaran umum beban mingguan, tetapi pembagian pekerjaan ke mesin per hari masih dilakukan secara manual. Perusahaan ini mulai menggunakan SkyPlanner untuk penjadwalan kapasitas terbatas sambil tetap memakai ERP C9000. Kisah pelanggan tersebut menjelaskan alokasi pekerjaan ke mesin secara otomatis dan kemampuan melihat lebih awal ketika beban pekerjaan melebihi kapasitas mesin tekuk tertentu.

Pengalaman tersebut menggambarkan manfaat penjadwalan: sumber daya produksi yang terkait dan rentang waktu pengiriman terlihat jelas, bukan tersembunyi dalam total mingguan. Ini bukan klaim tentang hasil Cp/Cpk KJH-Comp. Untuk routing yang dibatasi oleh kapabilitas proses, pertanyaan perencanaannya tetap sama: kapan pekerjaan dapat selesai pada sumber daya produksi yang diizinkan?

Uji rencana dengan routing yang telah disetujui

Gunakan Cp dan Cpk untuk memahami hubungan antara toleransi, sebaran, dan posisi distribusi. Gunakan studi yang dirancang dengan baik untuk menentukan arti bukti tersebut bagi produksi. Lalu terapkan routing yang telah disetujui sebagai batasan nyata dalam jadwal, bukan sekadar catatan yang harus diingat perencana.

Jadwalkan demo SkyPlanner dengan membawa satu routing yang telah disetujui, stasiun kerja yang memenuhi syarat, dan beban pesanan Anda saat ini. Lihat bagaimana pekerjaan dapat dijadwalkan dan komitmen pengiriman mana yang perlu diperhatikan. Jika ingin menjelajahinya terlebih dahulu, coba SkyPlanner dengan data demo atau gunakan panduan Memulai dengan bantuan kecerdasan buatan di SkyPlanner Assistant.