Peta Kontrol EWMA

Peta kontrol EWMA memberikan pertimbangan lebih terkait waktu kontrol operasi. Pada peta kontrol EWMA, proses kontrol awal memiliki nilai batas (UCL & LCL) lebih kecil daripada proses akhir dan  selanjutnya akan bernilai konstan. Peta kontrol EWMA dapat digunakan pada data individual, sedangkan untuk data dengan subgrup dapat diwakili dengan nilai rata – rata subgrup.
Peta kontrol EWMA digunakan untuk mengetahui pergeseran kecil dari mean proses. Hal ini dikarenakan, nilai yang diplotkan pada peta kontrol EWMA merupakan nilai rata – rata yang sudah terboboti dengan pembobot yang telah ditentukan peneliti. Nilai rata – rata yang diplotkan biasa disebut weighted moving average.
Contoh :
Tery Company adalah perusahaan yang bergerak dibidang farmasi. Perusahaan ini ingin membuat evaluasi proses menggunakan peta kontrol ewma. Diketahui nilai bobot lamda, L, dan standart deviasi berturut – turut adalah 0.1, 2.5 dan 0.95. pada proses awal Z0 ditentukan nilai rata – rata proses sebesar 10.

 

Peta control EWMA mempertimbangkan data sebelumnya (Zt-1) untuk membuat data control selanjutnya (Zt), sehingga data Zt bergantung pada nilai Zt-1. Artinya, ketika proses berjalan optimal pada range Zt (9.40 – 10.60) dengan Xi (7.99 – 12.16) kemudian terjadi out of control pada X9 (16.34) maka nilai X10 (10) akan menghasilkan nilai Zt yang besar dan bisa jadi dianggap sebagai nilai out of control pada diagram ewma.
Nilai keragaman data, sangat berpengaruh pada besar kecilnya batas control. Jika keragaman data yang didapat besar maka batas control akan semakin lebar. Hal ini juga terjadi pada nilai L yang merupakan bilangan pengali pada pembuatan batas kontrol ewma.

Peta Kendali Kualitas

Perbaikan kualitas produk dapat dievaluasi dengan melihat pergeseran kualitas. Sedangkan pergeseran kualitas dapat diketahui dengan melakukan evaluasi menggunakan peta kontrol. Dengan menggunakan peta kontrol maka dapat diketahui kapan kualitas produk berjalan optimal atau mengalami penurunan, sehingga dapat segera dilakukan perbaikan. Peta kontrol kualitas pertama kali dikenalkan oleh Pak Walter Andrew Shewhart.

Walter Andrew Shewhart

Berbagai jenis peta kontrol sudah dikembangkan untuk mendapatkan hasil analisis yang baik. Perubahan jenis dan distribusi data, menuntut adanya penanganan variasi dan mean yang lebih baik. Kesalahan dalam pemilihan peta kontrol akan mengakibatkan pemberian kesimpulan yang kurang tepat. Oleh karena itu, beberapa diantara peta kontrol yang ada, akan dijelaskan pada tulisan ini.

Peta dengan data subgroup
Subgroup merupakan sebuah kelompok unit, yang diperoleh dari pengambilan unit produksi dengan pengaturan seragam. Subgroup digunakan sebagai representasi proses yang sebenarnya. Biasanya pengambilan data sebagai subgroup dilakukan dalam waktu yang berdekatan. Hal ini, dimaksudkan untuk mengurangi noise proses yang akan mengganggu dalam pengambilan kesimpulan.
Peta kendali yang dapat digunakan untuk data subgrup adalah

1. Peta kontrol X bar menunjukkan control proses yang diwakili nilai rata – rata dalam sub grup. 
2. Peta kontrol R menunjukkan control variasi data dalam sub grup, dalam metode ini digunakan nilai range untuk mewakili variasi
3. Peta kontrol S menunjukkan variasi data yang diwakili nilai standart deviasi.

Peta R digunakan untuk sampel kecil n<10 atau n< 30 sedangkan untuk ukuran sampel besar digunakan peta S.

Peta dengan data Individual
Setiap proses belum tentu dapat dibuat sebuah subgrup sebagai proses evaluasi. Hal ini, dapat dikarenakan pengambilan data yang terkadang membutuhkan waktu yang lama dan biaya yang tidak sedikit. Oleh karena itu, beberapa peta kendali individu dibuat untuk menangani permasalahan ini.

1. Peta kontrol Moving Range (MR) adalah peta kontrol yang menggambarkan variasi proses, digambarkan dengan perbedaan nilai data X dengan Xt-1 .
2. Peta kontrol Z digunakan untuk mengevaluasi proses kontrol yang terjadi pada proses produksi yang memiliki variasi produk dalam satu line produksi.
3. Peta kontrol I digunakan untuk mengevaluasi proses yang dalam evaluasinya tidak memungkinkan untuk membuat subgrup dan hanya memiliki satu jenis produk dalam satu line produksi.

Peta Attribute Binomial
Dalam proses produksi seringkali terjadi kecacatan produk yang berakibat produk ditolak. Data kecacatan produk biasanya memiliki distribusi binomial, dikarenakan data dalam proses digambarkan dengan kualitas cacat atau tidak cacat. Beberapa peta kontrol untuk analisis proses tersebut adalah sebagai berikut.

1. Peta kontrol p jika ingin diketahui kontrol proporsi keberhasilan sebuah proses
2. Peta kontrol np jika ingin diketahui kontrol kumulatif cacat sebuah proses

Peta Attribute Poisson
Sedangkan data dengan nilai ketidakberhasilan proses tanpa bisa diketahui nilai keberhasilannya digolongkan sebagai data berdistribusi poisson. Data seperti ini misalnya data kejadian kecelakan dan data kejadian mati lampu pada hari senin. Kedua data tersebut dapat diketahui jumlah ketidakberhasilan prosesnya semisal lampu mati 3 kali, namun tidak akan bisa diketahui jumlah keberhasilan prosesnya. Evaluasi proses data berdistribusi poisson dapat dilakukan dengan beberapa peta kontrol sebagai berikut.

1. Peta kontrol C digunakan jika terdapat data kegagalan proses, tanpa bisa diketahui jumlah ketidakgagalan
2. Peta kontrol U digunakan jika terdapat data kegagalan proses dengan waktu yang berbeda sehingga probabilitas kegagalan berbeda pada tiap waktunya

Masih banyak lagi peta proses yang dapat digunakan untuk membuat evaluasi kualitas produk. Hal ini akan terus berkembang seiring dengan kemampuan perusahaan memperbaiki kualitas prosesnya. Tulisan berikutnya akan membahas mengenai peta kontrol EWMA.

House Of Risk ( HOR )

Salah satu analisis yang sering digunakan dalam manajemen rantai pasokan adalah analisis HOR (House Of Risk). Metode ini digunakan untuk mengidentifikasi permasalahan (resiko) dalam rantai pasokan sehingga diperoleh sistem yang robust. Analisis HOR menggunakan pendekatan penghitungan Risk Priority Index sebagai metode pemilihan resiko utama kemudian memasukkannya pada House Of Quality. Data yang diperlukan untuk mendapatkan hasil analisis HOR adalah

1. Data Kejadian Risiko ( Risk Event ) : data ini diperoleh dengan membuat daftar identifikasi resiko yang dapat terjadi di perusahaan berdasarkan model standar SCOR (plan, source, make, deliver, dan return). Identifikasi ini membutuhkan banyak pengalaman ataupun bisa diperoleh melalui studi literatur kemudian dipartisi kedalam lima model SCOR.
2. Data Penyebab Risiko : data ini bisa didapatkan dengan melakukan wawancara kepada tiap bagian perusahaan. Satu penyebab resiko bisa saja menyebabkan timbulnya beberapa resiko, sehingga bisa jadi data penyebab resiko lebih banyak dari pada data kejadian resiko.
3. Severity : merupakan besarnya gangguan yang ditimbulkan oleh kejadian risiko terhadap proses bisnis perusahaan. Data ini dapat diperoleh melalui penyebaran kuisioner pada tiap bagian perusahaan yang berwenang. Kuisioner ini berisi nilai skoring dampak resiko bagi perusahaan.
4. Occurance : data ini merupakan tingkat peluang munculnya suatu penyebab risiko sehingga berakibat pada timbulnya satu atau beberapa dampak resiko. Data dapat diperoleh dengan menghitung peluang kejadian pada record perusahaan atau menurut pengalaman pada bagian yang berwenang.
5. Data Korelasi : data hubungan antara suatu kejadian resiko dengan penyebab resiko. Data ini diidentifikasi dengan penyesuaian kondisi dan aktivitas supply chain perusahaan dan dapat diperoleh melalui penghitungan nilai korelasi statistik. data korelasi bisa juga menggunakan pertimbangan dari pihak yang berwenang dengan membuat standar {0, 1, 3, 9} yang artinya 0 = tidak ada korelasi, 1 = korelasi rendah, 3 = korelasi sedang, 9 = korelasi tinggi.

Setelah semua data terkumpul maka dapat dilakukan penghitungan Agregate Risk Potential (ARP) yaitu nilai yang menggambarkan besarnya akibat yang ditimbulkan oleh resiko. Hasil penghitungan ARP dapat digunakan untuk pemilihan penanganan resiko yang harus diutamakan. Setelah itu dapat juga dihitung beberapa nilai sebagai pertimbangan perusahaan seperti:

1. Nilai keefektifan tindakan atau biasa disebut Total Effectiveness (TEk) untuk mengetahui keefektifan tindakan pencegahan yang direkomendeasikan
2. Tingkat kesulitan dalam melakukan upaya pencegahan untuk diterapkan di perusahaan (Dk)
3. Nilai rasio antara TEk dengan Dk sehingga diperoleh nilai yang menggambarkan besarnya kemungkinan tindakan dapat terealisasi, atau jika diranking maka akan diperoleh nilai rekomendasi yang dapat diprioritaskan.

Setelah penghitungan dilakukan dapat diringkas menjadi sebuah hasil analisis menggunakan House Of Quality bagian dari analisis Quality Function Deployment.

kebanyakan dari tulisan ini bersumber dari :
- Firdausa, R., Setyanto, N.W., dan Yuniarti, R. Analisis Risiko Project Alat Antrian c2000 Menggunakan House of Risk (Studi Kasus di PT. Cendana Teknika Utama). Jurnal Rekayasa Dan Manajemen Sistem Industri Vol. 3 no. 2 Teknik Industri Universitas Brawijaya
- Hidaya, S dan Baihaqi, I. Analisis dan Mitigasi Risiko Rantai Pasok pada PT. Crayfish Softshell Indonesia. ITS.
- Pujawan, I.N. dan Geraldin, L.H. 2009. House of risk: a model for proactive supply chain risk management. Business Process Management Journal Vol. 15 No. 6. Emerald Group Publishing Limited.

Supply Chain Management ( SCM )

Bahasa yang umum digunakan untuk pembahasan judul tulisan ini adalah Supply Chain Management (SCM), dalam bahasa indonesia berarti Manajemen Rantai Pasokan (MRP). Oleh karena singkatan MRP sudah digunakan dalam salah satu bahasan operasi maka pada tulisan ini digunakan singkatan SCM untuk pembahasan. 

Akan tetapi, secara tidak menguntungkan, tidak ada definisi umum dari Supply Chain Management (SCM). Pada awal nya istilah rantai pasokan pertama kali digunakan oleh Oliver and Weber (1982) dan diulang kembali oleh Houlihan (1984,1985, 1988) pada sebuah artikel untuk memberikan gambaran manajemen aliran bahan baku dalam lingkup organisasi. Kemudian definisi SCM terus berkembang secara signifikan pada perusahaan yang terkait dengan bidang rantai pasokan. Namun beberapa peneliti manajemen, memberikan definisi yang dapat melingkupi maksud dari SCM sebagai berikut.

1. SCM adalah sebuah aktivitas manajemen untuk mendapatkan material dan jasa kemudian mentransformasikan ke bentuk menengah dan produk akhir dan mengirimkannya melalui sistem distribusi
2. SCM adalah bentuk manajemen internal sebuah rantai pasokan. Ketika beberapa perusahaan membuat sebuah syarat manajemen rantai pasokan, mereka bisa saja menghubungkan aliran material dengan informasi dari supplier tingkat menengah, baik hubungan dalam operasi internal maupun diluar distribusi kepada pelanggan.
3. SCM adalah suatu bentuk hubungan panjang antara partner atau relasi dengan supplier. Bisa dikatakan bahwa Partner adalah sumber daya yang terkait erat dengan pembayaran dan pasokan dengan cara bekerja secara bersama – sama untuk mendapatkan bisnis yang menguntungkan kedua pihak.
4. SCM adalah perilaku memanajemen seluruh jaringan yang berhubungan dengan pasokan dari sumber daya paling awal sampai pada kebutuhan pelanggan.

Tujuan SCM adalah untuk membangun pasokan dari suppliers yang berfokus pada pengoptimalan nilai untuk pelanggan akhir. Pembahasan SCM sangat penting dalam dunia industri, karena kompetisi sebenarnya bukan antar perusahaan industri / jasa namun pada rantai pasokan nya.

Ada banyak proses identifikasi yang harus dilakukan untuk membuat proses SCM berjalan robust. Salah satu cara identifikasi proses SCM yang sering digunakan adalah dengan menggunakan model SCOR. Model SCOR sudah dianggap sudah mencangkup keseluruhan proses industri. Model ini terdiri dari proses plan, source, make, deliver, dan return pada sebuah perusahaan.

kebanyakan dari tulisan ini bersumber dari :
- http://blog.pasca.gunadarma.ac.id/wp-content/uploads/2012/11/supply-chain-management.jpg
- Heizer, J. and Render, B. 2011. Operations Management Tenth Edition. Pearson Education.
- Slack, N., et all. 2005. The Blackwell Encyclopedia Of Management Second Edition. Blackwell Publishing.

Statistika dalam Industri

Kata Industry akan sangat erat kaitannya dengan kata Produksi dan Manajemen Operasi. Produksi adalah pembuatan sebuah barang dan jasa, sedangkan Manajemen Operasi adalah satu set aktivitas manajerial untuk menciptakan sebuah nilai dalam pembentukan barang dan jasa dengan mentransformasi input menjadi output.

Statistika memegang peranan penting dalam tugas manajemen operasi, terutama sebagai subject untuk melakukan analis yang berhubungan dengan forecast, QAC, atau proses operasi itu sendiri. Oleh karena itu, penting bagi seorang statistisi untuk mengetahui tentang Manajemen Operasi. Alasan paling utama untuk belajar Manajemen Operasi (MO) adalah karena MO memegang peranan penting dalam empat tugas pokok perusahaan dan dapat menghubungkan keempat bisnis tersebut secara baik. Selain itu pengeluaran terbesar (sekitar 40%) sebuah industri / perusahaan dihabiskan pada Manajemen Operasi. Ada empat tugas pokok yang harus dilakukan sebuah industri (perusahaan) agar dapat terus menjalankan usahanya.

1. Finance / Akutansi, untuk evaluasi seberapa baik jalannya perusahaan, memantau pendapatan dan pengeluaran agar sesuai target, melakukan pembayaran hutang / salary, pengumpulan modal, dan memastikan modal dipergunakan dengan hati - hati.
2. Marketing, sangat berhubungan dengan permintaan, keinginan pelanggan, seberapa banyak kebutuhan pelanggan,  iklan dan promosi untuk penginformasian dan membujuk pelanggan untuk mencoba produk, atau mengenai proses pemesanan barang atau jasa sampai produk itu terjual.  
3. Personal, dalam perkembangannya tidak hanya dalam kemampuan memberikan salary, juga tentang kebutuhan pelanggan, atau tentang teknologi yang dia miliki saja, namun juga menyangkut organisasi seperti kemampuan yang memadai, pemilihan manajernya dan kecukupan pegawai dalam rekrutmen.
4. Produksi / Operasi, yang secara singkat berhubungan dengan pembuatan produk, bentuk transformasi input menjadi output yang memiliki added value.

Namun keempat tugas ini seringkali dirangkum menjadi tiga tugas pokok, dimana tugas untuk pemilihan human resource (personel) dilebur dalam proses operasi. Sehingga akan ada 10 hal yang menjadi point penting seorang analis manajemen operasi.

1. Desain produk dan jasa
2. Manajemen kualitas
3. Desain proses dan kapasitas produksi
4. Strategi lokasi industri
5. Stretegi tata letak ruang produksi
6. Sumber daya manusia dan desain kerja
7. Manajemen rantai pasokan
8. Inventory, perencanaan material, dan ketepatan waktu
9. Penjadwalan jangka pendek dan lanjutan
10. Perawatan Mesin

kebanyakan dari tulisan ini bersumber dari :
- Johnson, B. 1998. Managing Operations. Butterworth-Heinemann. The Institute of
Management Oxford.
- Heizer, J. and Render, B. 2011. Operations Management Tenth Edition. Pearson Education.
- Slack, N., et all. 2005. The Blackwell Encyclopedia Of Management Second Edition.
Blackwell Publishing.