Work Sampling di Manufaktur: Temukan Penundaan Tersembunyi

Beranda » Sumber Daya » Work Sampling di Manufaktur: Temukan Penundaan Tersembunyi

Perkiraan waktu baca: 12 menit

Saat berkeliling pabrik, Anda bisa melihat shift yang sama tampak sibuk pada satu waktu, tetapi kurang termanfaatkan pada waktu lain. Kedua kunjungan itu tidak menunjukkan berapa banyak waktu yang digunakan untuk membuat komponen, menyiapkan pekerjaan, atau menunggu sesuatu tiba.

Work sampling menggantikan kesan tersebut dengan serangkaian pengamatan acak yang terencana. Metode ini membantu Anda menemukan kondisi yang mengganggu produksi dan memilih perbaikan yang layak diuji. Hasil yang berguna bukanlah skor tentang seberapa sibuk pekerja terlihat, melainkan pemahaman yang lebih jelas tentang apa yang menghambat kelancaran pekerjaan.

Setelah Anda memverifikasi dampak suatu perbaikan, SkyPlanner APS menggunakan waktu operasi dan ketersediaan sumber daya produksi yang lebih baik untuk menyusun jadwal produksi yang terkoordinasi. Anda menghabiskan lebih sedikit waktu untuk menyusun ulang antrean setiap mesin secara terpisah dan dapat melihat dampak perubahan tersebut terhadap pesanan yang harus dikirim.

Apa itu work sampling?

Work sampling adalah metode statistik untuk memperkirakan proporsi waktu yang digunakan untuk aktivitas tertentu dengan mengamati orang atau mesin pada saat-saat yang dipilih secara acak. Setiap pengamatan mencatat aktivitas yang sedang berlangsung tepat pada saat itu. Proporsi pengamatan dalam suatu kategori menjadi perkiraan proporsi waktu kategori tersebut selama periode studi, asalkan rancangan pengambilan sampelnya mewakili periode itu.

Sebagai contoh, studi di area perakitan dapat membedakan aktivitas perakitan, setup, inspeksi, menunggu material, dan gangguan lainnya. Pencatatan kategori tersebut pada shift yang representatif memberikan bukti yang lebih berguna daripada sekadar menggolongkan semua aktivitas sebagai produktif atau menganggur.

Metode ini sangat berguna ketika aktivitas bervariasi, gangguan terjadi di berbagai waktu, dan pengamatan terus-menerus membutuhkan banyak upaya. Anda tidak perlu mengikuti setiap operasi dari awal hingga akhir untuk memahami gambaran umum distribusi aktivitas.

Gunakan metode pengukuran lain jika pertanyaan yang perlu dijawab berbeda:

• Pengukuran waktu kerja di manufaktur mengkaji elemen kerja yang telah ditentukan dan dapat menetapkan waktu baku dengan dasar yang dapat dipertanggungjawabkan. Pengamatan sesaat secara acak tidak menunjukkan berapa lama setiap elemen kerja singkat berlangsung.
• Pencatatan waktu produksi merekam kejadian dan waktu aktual untuk job atau operasi. Catatan tersebut menunjukkan pekerjaan mana yang menggunakan jam yang dicatat, bukan memberikan sampel acak dari seluruh aktivitas.

Studi pengukuran kerja formal dapat menggunakan sampling bersama bukti lain untuk menetapkan standar. Namun, persentase aktivitas saja bukanlah waktu baku dan bukan pula ukuran tempo kerja seseorang.

Mulai dari keputusan yang perlu diambil, bukan hitungan sibuk atau menganggur

Pilih pertanyaan yang jawabannya dapat mengubah cara kerja pabrik. “Berapa banyak waktu tim perakitan yang digunakan untuk menunggu komponen?” merupakan titik awal yang berguna jika Anda dapat memperbaiki penyiapan material. Pertanyaan “Seberapa efisien semua orang bekerja?” terlalu umum untuk menjadi dasar rancangan studi atau penafsiran hasil yang baik.

Sepakati tujuan studi bersama orang-orang yang menjalankan pekerjaan tersebut. Jelaskan apa yang akan diamati, bagaimana kategori didefinisikan, siapa yang akan melihat hasilnya, dan keputusan apa yang akan didukung oleh hasil itu. Tanyakan kepada operator gangguan apa yang belum tercakup dalam catatan yang ada. Studi akan lebih berguna jika pekerja dapat menjelaskan ketidaktersediaan kit, bukan merasa terdorong untuk menyembunyikan waktu tunggunya.

Tentukan populasinya: orang atau mesin, shift, hari, dan kondisi produksi yang hendak digambarkan oleh hasil studi. Studi pada shift siang di satu area perakitan tidak otomatis menggambarkan pekerjaan malam atau kondisi seluruh pabrik.

Selanjutnya, tentukan unit pengamatan. Seorang operator pada satu saat merupakan satu unit; sebuah mesin pada satu saat merupakan unit yang berbeda. Catat kondisi keduanya secara terpisah. Mesin dapat melakukan pemotongan secara otomatis saat operatornya memeriksa komponen lain. Mesin sedang beroperasi dan operator sedang melakukan inspeksi: tidak satu pun dari kedua pengamatan itu perlu dikategorikan sebagai menganggur.

Perjelas juga batas waktu yang dicakup. Jika studi mencakup seluruh jam shift berbayar, sertakan kategori istirahat yang berlaku. Jika studi hanya mencakup periode operasi tertentu, laporkan periode yang menjadi penyebutnya. Jangan membandingkan keduanya seolah-olah mengukur hal yang sama.

Tentukan aktivitas yang dapat dikenali pengamat

Gunakan sejumlah kecil kategori yang tidak saling tumpang tindih untuk unit pengamatan yang dipilih dan mencakup situasi yang diperkirakan akan ditemui. Buat definisi singkat untuk setiap kategori, disertai contoh dari area yang diteliti.

“Menunggu material” harus berarti pekerjaan yang dipilih tidak dapat dilanjutkan karena material yang dibutuhkan tidak tersedia, bukan sekadar karena operator sedang berdiri di dekat rak material. Batas aktivitas “setup”, dari persiapan hingga siap berproduksi, harus disepakati. Catat inspeksi yang diperlukan sebagai kategori tersendiri, alih-alih menyamarkannya dalam kategori umum nonproduksi.

Sertakan kode untuk kondisi yang tidak diketahui atau tidak dapat diamati. Jika Anda tidak dapat memastikan apa yang sedang terjadi, catat ketidakpastian tersebut alih-alih menebak penyebabnya. Tinjau kasus-kasus itu secara terpisah; jangan sampai kasus tersebut dihilangkan begitu saja dari penyebut.

Uji definisi tersebut dalam uji pendahuluan singkat. Minta para pengamat mengelompokkan situasi yang sama, lalu bahas perbedaan penilaiannya. Jika seorang pengamat menggolongkan pencarian perkakas sebagai setup dan pengamat lain menggolongkannya sebagai menunggu, sebagian hasil studi akan mencerminkan perbedaan definisi, bukan pekerjaan yang diamati. Selesaikan masalah ini sebelum mengumpulkan sampel utama.

Uji pendahuluan juga mengungkap kendala praktis: titik pengamatan yang tidak dapat diakses, rute yang memakan waktu terlalu lama, atau kategori yang terlalu terperinci untuk dibedakan hanya dengan melihat sesaat.

Lakukan pengamatan acak yang mewakili kondisi produksi

Tentukan waktu pengamatan terlebih dahulu dengan alat pembangkit angka acak, lalu sebarkan jadwal pengambilan sampel ke berbagai shift dan hari yang relevan dengan keputusan yang akan diambil. Pilih orang atau mesin sesuai rencana, bukan berdasarkan mana yang terlihat paling menarik saat Anda tiba.

Kunjungan rutin setiap setengah jam dapat berulang kali bertepatan dengan pengisian ulang material, waktu istirahat, atau siklus mesin. Berkunjung hanya ketika supervisor memiliki waktu luang menimbulkan bias yang berbeda. Waktu pengamatan acak membantu menghindari pola-pola tersebut. Dengan mencakup kondisi operasi yang relevan, hasilnya tidak hanya berguna untuk satu pagi yang kebetulan mudah diamati.

Pada setiap saat yang telah dipilih, catat aktivitas yang sedang berlangsung tanpa menunggu aktivitas berikutnya dimulai. Simpan waktu pengamatan, unit pengamatan, kategori, serta konteks shift atau produk yang relevan. Tambahkan catatan faktual singkat jika dapat membantu menyelidiki penundaan. Jangan menghentikan aktivitas untuk meminta penjelasan lalu menggolongkan percakapan yang justru Anda timbulkan sendiri.

Catat pengamatan yang terlewat beserta alasannya. Mengganti setiap pengamatan yang sulit atau tidak dapat diakses dengan pengamatan lain yang lebih mudah di dekatnya dapat mengubah apa yang diwakili oleh sampel.

Jika Anda sengaja mengambil lebih banyak sampel pada satu shift, laporkan hasil tiap shift secara terpisah atau gabungkan dengan bobot yang mencerminkan waktu atau populasi yang hendak diperkirakan. Menggabungkan begitu saja hasil dengan frekuensi pengambilan sampel yang berbeda dapat membuat shift yang tidak lazim mendominasi hasil.

Bedakan juga jumlah pengamatan dari jumlah informasi yang independen. Mengamati beberapa operator dalam satu putaran menghasilkan beberapa catatan, tetapi kekurangan material yang sama dapat membuat kondisi mereka saling berkaitan. Pengamatan sesaat yang diulang selama penghentian yang sama memiliki keterbatasan serupa. Pastikan setiap putaran dan kelompok waktu dapat diidentifikasi agar analisis dapat memperhitungkan pengelompokan tersebut.

Berapa banyak pengamatan work sampling yang Anda perlukan?

Jumlah sampel yang dibutuhkan bergantung pada tingkat presisi yang diperlukan untuk mengambil keputusan dan perkiraan proporsi aktivitas. Tidak ada jumlah pengamatan tertentu yang menjamin setiap studi akan representatif.

Untuk merencanakan sampel acak sederhana dengan pengamatan yang independen, rumus pendekatan yang umum digunakan untuk satu proporsi aktivitas adalah:

n ≈ z² × p × (1 − p) ÷ e²

Di sini, n adalah jumlah pengamatan, p adalah perkiraan proporsi yang ditulis dalam desimal, e adalah margin kesalahan absolut yang diinginkan, dan z adalah nilai distribusi normal untuk tingkat kepercayaan yang dipilih. Untuk tingkat kepercayaan sekitar 95%, nilai z adalah 1,96. Bulatkan jumlah yang diperoleh ke atas.

Jika Anda belum memiliki perkiraan p yang dapat dipercaya, penggunaan nilai 0,50 menghasilkan jumlah sampel terbesar untuk margin absolut tertentu. Dengan margin lima poin persentase, e = 0,05, perhitungan menghasilkan 385 pengamatan. Ini adalah contoh perencanaan berdasarkan asumsi tersebut, bukan jumlah minimum yang berlaku umum atau jaminan untuk setiap subkelompok.

Perjelas apa yang dimaksud dengan “lima persen”. Proporsi waktu menunggu sebesar 20% dengan margin lima poin persentase berarti kisaran sekitar 15% hingga 25%. Margin relatif sebesar 5% dari proporsi tersebut hanya berarti satu poin persentase ke masing-masing arah, sehingga membutuhkan sampel yang jauh lebih besar.

Rencanakan tingkat ketelitian sesuai kategori dan perbandingan yang penting bagi keputusan Anda. Jumlah pengamatan yang memadai untuk memperkirakan proporsi waktu menunggu secara keseluruhan belum tentu memadai untuk tiap shift, hambatan yang jarang terjadi, atau masing-masing stasiun kerja. Pengamatan yang dikelompokkan dalam satu putaran kunjungan juga perlu dianalisis dengan memperhitungkan desain pengambilan sampelnya, bukan dengan menganggap setiap catatan pengamatan saling independen. Jika keputusan menyangkut perubahan kecil atau investasi besar, mintalah ahli pengambilan sampel memeriksa desainnya sebelum Anda mengumpulkan data utama.

Contoh: gunakan jumlah pengamatan tiap aktivitas untuk merumuskan pertanyaan perbaikan

Bayangkan sebuah area perakitan manual yang timnya menduga bahwa kit material yang tidak lengkap menghambat pekerjaan. Sebuah studi mengumpulkan 400 pengamatan sesaat terhadap operator selama periode produksi yang tercakup, dengan peluang pemilihan yang sama untuk setiap pasangan operator dan saat pengamatan. Untuk menyederhanakan contoh ini, anggap semua pengamatan saling independen dan setiap pengamatan dapat diklasifikasikan.

Aktivitas yang diamati	Jumlah pengamatan	Proporsi pengamatan
Pekerjaan perakitan	200	50%
Setup dan persiapan	60	15%
Inspeksi	40	10%
Menunggu material	80	20%
Hambatan lain yang teridentifikasi	12	3%
Istirahat terjadwal	8	2%
Total	400	100%

Estimasi proporsi waktu menunggu material adalah 80 ÷ 400 = 20%. Angka ini menggambarkan gabungan waktu seluruh operator yang diwakili oleh studi tersebut. Ini bukan berarti setiap operator menunggu tepat seperlima dari setiap shift, atau bahwa setiap gangguan berlangsung sama lama.

Untuk proporsi tunggal ini, pendekatan normal sederhana menghasilkan:

Perkiraan margin pada tingkat kepercayaan 95% = 1,96 × √[0.20 × 0.80 ÷ 400] = 0,0392

Margin tersebut sekitar 3,9 poin persentase, sehingga perkiraan intervalnya adalah 16,1% hingga 23,9%. Interval ini menyatakan ketidakpastian akibat pengambilan sampel berdasarkan asumsi yang telah disebutkan. Interval ini tidak memperhitungkan jadwal pengamatan yang bias, aktivitas yang salah diklasifikasikan, atau bauran produk yang berbeda pada bulan berikutnya.

Untuk sampel kecil atau proporsi aktivitas yang mendekati nol atau satu, gunakan interval yang lebih sesuai, seperti interval Wilson atau interval binomial eksak, alih-alih mengandalkan pendekatan simetris ini. Jika pengamatan dikelompokkan atau diberi bobot, gunakan metode yang juga memperhitungkan desain pengambilan sampelnya.

Kesimpulan untuk kegiatan produksi lebih jelas daripada rincian angka desimalnya: waktu menunggu material perlu diselidiki. Mulailah dengan memeriksa pada tahap mana kit tersebut menjadi tidak lengkap, komponen apa yang kurang, dan apakah pekerjaan perakitan berikutnya sebenarnya bisa dimulai sebagai pengganti. Kategori pengamatan menunjukkan bagian yang perlu ditelusuri; tim dan catatan pendukung menjelaskan penyebabnya.

Perbaiki kondisi, lalu verifikasi perubahannya

Tinjau temuan bersama operator, petugas penanganan material, dan penanggung jawab proses terkait. Bedakan pekerjaan yang diperlukan dari gangguan yang dapat dihindari. Inspeksi dapat menjaga kualitas, setup memungkinkan batch berikutnya diproduksi, dan istirahat membantu pekerja menjalani hari kerja. Aktivitas tersebut tidak serta-merta menjadi pemborosan yang bisa dihilangkan hanya karena bukan perakitan.

Tentukan perbaikan yang terarah beserta penanggung jawabnya. Dalam contoh perakitan tadi, perbaikannya bisa berupa memastikan kelengkapan kit sebelum pekerjaan dilepas ke area tersebut. Periksa apakah masalah kekurangan komponen berkurang dan apakah pekerjaan benar-benar bisa berlanjut lebih cepat, bukan sekadar memindahkan waktu tunggu ke departemen lain.

Ulangi pengamatan dalam kondisi yang sebanding, dengan definisi kategori dan batas waktu pengamatan yang konsisten. Selain persentase utama, bandingkan juga bauran produk, jumlah tenaga kerja, dan kejadian tidak biasa. Perubahan persentase yang kecil dan masih berada dalam rentang ketidakpastian studi belum menjadi bukti yang meyakinkan jika berdiri sendiri. Perubahan bauran produk juga dapat membuat hasil tampak lebih baik meskipun metode kerjanya tidak membaik.

Yang terpenting, jangan langsung mengubah proporsi waktu menunggu awal sebesar 20% menjadi tambahan kapasitas sebesar 20%. Waktu yang terbebas mungkin terpecah-pecah, membutuhkan orang lain agar bisa dimanfaatkan, atau bertepatan dengan mesin yang sedang berjalan. Bisa juga tidak ada job lain yang dapat menggunakan stasiun kerja selama waktu tersebut.

Verifikasi dampaknya pada sumber daya produksi yang akan Anda jadwalkan. Jika metode persiapan yang lebih baik memang mempersingkat setup, ukur dan sahkan durasi setup yang baru. Jika perbaikan tersebut membuat stasiun kerja tersedia lebih lama, pastikan tenaga kerja dan peralatannya dapat mendukung ketersediaan itu. Tetap bedakan waktu kerja tenaga manusia, durasi operasi dari awal hingga akhir, dan waktu pemakaian mesin.

Masukkan perbaikan yang telah diverifikasi ke dalam jadwal produksi

Dampak perbaikan yang telah divalidasi tidak terbatas pada stasiun kerja yang Anda teliti. Setup yang lebih singkat dapat memungkinkan pesanan berikutnya dimulai lebih awal, tetapi pesanan itu tetap membutuhkan material dan tempat pada operasi selanjutnya. Pesanan lain mungkin juga membutuhkan mesin yang sama. Karena itu, perbaikan di satu bagian perlu dimasukkan ke dalam rencana produksi bersama.

Dengan SkyPlanner, Anda dapat menetapkan durasi tahapan proses berdasarkan waktu per unit, laju output, atau durasi tetap, sementara waktu setup dan teardown tetap dapat dibedakan. Shift stasiun kerja menentukan rentang waktu yang tersedia. Arcturus, kecerdasan buatan SkyPlanner untuk penjadwalan, menghitung jadwal sesuai kapasitas, ketergantungan antaroperasi, dan prioritas yang dikonfigurasi. Hasilnya ditampilkan pada linimasa Gantt.

Bayangkan pengukuran lanjutan memvalidasi perubahan waktu setup dari 40 menjadi 30 menit untuk kelompok job tertentu. Perbarui data perencanaan yang terdampak agar job terkait menggunakan waktu setup yang telah disetujui tersebut, lalu hitung ulang penempatannya dalam jadwal bersama seluruh beban kerja lainnya. Tinjau operasi lanjutan dan tanggal pengiriman, bukan hanya celah waktu yang terbuka di stasiun pertama.

SkyPlanner menangani perhitungan jadwal yang saling terkait tersebut, sehingga Anda tidak perlu menempatkan setiap job yang direvisi secara manual ke dalam antrean masing-masing mesin. Anda menentukan perbaikan mana yang valid dan pesanan mana yang diprioritaskan; Arcturus menerapkan arahan itu pada rencana. Dengan bukti yang lebih baik, perbaikan dapat diwujudkan menjadi kapasitas produksi yang berguna di bagian yang benar-benar dapat memanfaatkannya.

Pengalaman Fredman Operations menggunakan SkyPlanner menggambarkan manfaat penjadwalan ini. Sebelumnya, produsen kemasan makanan tersebut tidak memiliki gambaran yang jelas tentang kapasitas per shift, dan penjadwalan ulang yang mendesak bisa memakan waktu satu jam atau lebih. Penerapan SkyPlanner menyatukan jadwal mesin dan kapasitas shift dalam tampilan Gantt bersama. Perusahaan tersebut menyebutkan bahwa mereka dapat merespons perubahan lebih cepat dan memiliki dasar yang lebih jelas untuk menetapkan komitmen pengiriman. Pengalaman ini menunjukkan pentingnya mengoordinasikan beban kerja ketika kondisi berubah.

Pilih SkyPlanner ketika perbaikan di lantai produksi yang telah diverifikasi perlu diwujudkan menjadi rencana yang dapat dijalankan untuk seluruh pesanan. SkyPlanner dapat terintegrasi dengan ERP atau MES apa pun melalui REST API terbukanya. Dengan begitu, Anda dapat tetap menggunakan sistem pengelolaan bisnis yang ada sambil memperbaiki cara produksi dijadwalkan.

Jadwalkan demo SkyPlanner dan siapkan satu contoh perbaikan, dampaknya terhadap durasi atau ketersediaan yang telah disetujui, serta pesanan lain yang memakai sumber daya produksi yang sama. Dengan cara ini, Anda dapat melihat secara konkret arti perubahan tersebut bagi pekerjaan yang sudah Anda janjikan. Jika ingin menjelajahinya terlebih dahulu, coba SkyPlanner dengan data demo.