Six Sigma

Six Sigma (6σ) adalah seperangkat teknik dan alat peningkatan proses yang diperkenalkan oleh insinyur Amerika Bill Smith pada tahun 1986 saat bekerja di Motorola. Tujuan dari strategi Six Sigma adalah untuk meningkatkan kualitas produksi dengan mengidentifikasi dan menghilangkan penyebab cacat dan cacat. meminimalkan variabilitas proses. proses produksi dan bisnis. Pendekatan ini didasarkan pada metode manajemen mutu empiris dan statistik dan melibatkan individu yang bertindak sebagai ahli Six Sigma.

Setiap proyek Six Sigma mengikuti metodologi tertentu dan memiliki tujuan nilai tertentu, seperti mengurangi polusi atau meningkatkan kepuasan pelanggan. Istilah "enam sigma"; Berasal dari pengendalian kualitas statistik mengacu pada bagian kurva normal yang berada dalam enam standar deviasi. Angka ini digunakan untuk menunjukkan jumlah kesalahan, yang mencerminkan tujuan pencapaian kualitas yang sangat tinggi dalam proses..

Sejarah

Motorola menjadi pionir konsep Six Sigma, yang bertujuan untuk "six sigma"; untuk kegiatan produksinya. Six Sigma secara resmi terdaftar sebagai merek layanan pada tanggal 11 Juni 1991 (US. Service Mark 1.647.704) dan kemudian sebagai merek dagang pada tanggal 28 Desember 1993. Pada tahun 2005, Motorola melaporkan penghematan lebih dari $17 miliar melalui penerapan Six Sigma Sigma .

Perkembangan ini diikuti oleh Honeywell dan General Electric (GE) sebagai pengadopsi awal Six Sigma. Jack Welch, CEO GE pada tahun 1995, menjadikan Six Sigma sebagai inti strategi bisnis perusahaan. Pada tahun 1998, GE melaporkan penghematan sebesar $350 juta berkat Six Sigma, yang kemudian tumbuh menjadi lebih dari $1 miliar. Pada akhir tahun 1990an, sekitar dua pertiga dari organisasi Fortune 500 telah meluncurkan inisiatif Six Sigma yang bertujuan untuk mengurangi biaya dan meningkatkan kualitas.

Dalam beberapa tahun terakhir, para praktisi telah menggabungkan konsep Six Sigma dengan lean manufacturing untuk membentuk metode yang dikenal sebagai Lean Six Sigma. Pendekatan ini memperlakukan lean manufacturing dan Six Sigma sebagai disiplin ilmu pelengkap yang dirancang untuk mempromosikan "keunggulan bisnis dan operasional". Pada tahun 2011, Organisasi Internasional untuk Standardisasi (ISO) menerbitkan standar pertama "ISO 13053:2011". yang mendefinisikan proses Six Sigma. Sebagian besar standar lainnya dibuat oleh universitas atau perusahaan melalui program sertifikasi Six Sigma..

Etimologi

Gambar tersebut menunjukkan distribusi normal yang menjadi dasar asumsi statistik Six Sigma. Pada diagram, simbol μ (mu) melambangkan nilai mean, yaitu jarak dari nilai mean yang diukur dalam satuan standar deviasi (σ atau sigma) pada sumbu horizontal. Semakin besar nilai simpangan baku maka semakin besar penyebaran nilainya; pada kurva hijau, μ = 0 dan σ = 1. Batas definisi atas dan bawah (USL dan LSL) berjarak 6σ dari mean.

Distribusi normal menunjukkan bahwa nilai yang jauh dari rata-rata sangat kecil kemungkinannya, sekitar satu dalam satu miliar terlalu rendah atau terlalu tinggi. Bahkan jika mean bergerak 1,5 sigma ke kanan atau ke kiri (dikenal sebagai pergeseran 1,5 sigma, ditunjukkan dengan warna merah dan biru), batasnya tetap ada.

Istilah Six Sigma berasal dari statistik, khususnya bidang pengendalian kualitas statistik, yang mengevaluasi karakteristik proses. Awalnya mengacu pada kemampuan suatu proses manufaktur untuk menghasilkan proporsi keluaran yang sangat tinggi sesuai dengan spesifikasi. Kualitas "enam sigma" yang diukur dengan tingkat cacat per juta peluang (DPMO) yang dihitung dengan offset ±1,5 sigma. Konsep ini didasarkan pada toleransi ketinggian tumpukan pelat.

Penting untuk diperhatikan bahwa penghitungan tingkat sigma tidak bergantung pada distribusi normal data proses. Beberapa kritikus Six Sigma berpendapat bahwa praktisi sering menghabiskan waktu untuk mengubah data abnormal menjadi data normal menggunakan teknik transformasi. Namun, tingkat sigma dapat dihitung untuk memproses data dengan tanda-tanda outlier.

Doktrin

Gambar: simbol six sigma

Six Sigma menegaskan bahwa:

Six Sigma menekankan bahwa upaya berkelanjutan untuk mencapai hasil proses yang stabil dan dapat diprediksi, seperti mengurangi variabilitas proses, merupakan aspek penting dalam mencapai kesuksesan bisnis. Menurut perspektif Six Sigma, manufaktur dan proses bisnis memiliki karakteristik yang dapat didefinisikan, diukur, dianalisis, ditingkatkan, dan dikelola. Untuk mencapai peningkatan kualitas yang berkesinambungan, komitmen seluruh organisasi, terutama manajemen puncak, dianggap penting.

Six Sigma dibedakan dari inisiatif peningkatan kualitas sebelumnya berdasarkan beberapa karakteristik, seperti fokusnya pada pencapaian manfaat finansial yang terukur, penekanannya pada kepemimpinan dan dukungan manajemen, dan komitmennya terhadap pengambilan keputusan berdasarkan data dan metode statistik yang dapat diverifikasi. dugaan dan hanya perkiraan.

Meskipun metode dan alat manajemen lean dan Six Sigma serupa, keduanya dipengaruhi oleh budaya bisnis Jepang. Perbedaannya terletak pada fokus utamanya, dimana manajemen lean bertujuan pada efisiensi dan pemborosan, sedangkan Six Sigma berfokus pada menghilangkan cacat dan mengurangi varians. Kedua pendekatan tersebut menggunakan data sebagai kekuatan pendorong, namun Six Sigma lebih mengandalkan data yang akurat.

Untuk mencapai tujuan implisit yaitu meningkatkan semua proses, Six Sigma tidak selalu harus mencapai DPMO level 3.4. Organisasi harus menentukan tingkat sigma yang sesuai untuk setiap proses utama dan berkomitmen untuk mencapainya. Oleh karena itu, menjadi tanggung jawab pengurus organisasi untuk memprioritaskan tujuan pembangunan sesuai dengan tujuan yang telah ditetapkan..

Metodologi

Proyek Six Sigma mengikuti dua metodologi proyek, terinspirasi oleh Plan–Do–Study–Act Cycle karya W. Edwards Deming, masing-masing dengan lima fase.

DMAIC ("duh-may-ick", /də.ˈmeɪ.ɪk/) digunakan untuk proyek yang ditujukan untuk meningkatkan proses bisnis yang ada
DMADV ("duh-mad-vee", /də.ˈmæd.vi/) digunakan untuk proyek yang ditujukan untuk membuat desain produk atau proses baru

Gambar: Lima langkah DMAIC

Metodologi proyek DMAIC memiliki lima fase:

• Tentukan sistem, suara pelanggan dan kebutuhan mereka, dan tujuan proyek, khususnya.
• Mengukur aspek kunci dari proses saat ini dan mengumpulkan data yang relevan; menghitung kemampuan proses "apa adanya".
• Menganalisis data untuk menyelidiki dan memverifikasi sebab dan akibat. Tentukan apa hubungannya, dan usahakan untuk memastikan bahwa semua faktor telah dipertimbangkan. Cari tahu akar penyebab cacat yang sedang diselidiki.
• Tingkatkan atau optimalkan proses saat ini berdasarkan analisis data menggunakan teknik seperti desain eksperimen, poka yoke atau pemeriksaan kesalahan, dan pekerjaan standar untuk membuat proses keadaan baru di masa depan. Siapkan uji coba untuk menetapkan kemampuan proses.
• Kontrol proses status masa depan untuk memastikan bahwa setiap penyimpangan dari target diperbaiki sebelum mengakibatkan cacat. Menerapkan sistem kontrol seperti kontrol proses statistik, papan produksi, tempat kerja visual, dan terus memantau proses. Proses ini diulang sampai tingkat kualitas yang diinginkan diperoleh.
• Beberapa organisasi menambahkan langkah Kenali di awal, yaitu mengenali masalah yang tepat untuk dikerjakan, sehingga menghasilkan metodologi RDMAIC.

DMADV

Gambar: Lima langkah DMADV

Juga dikenal sebagai DFSS ("Desain Untuk Six Sigma"), lima fase metodologi DMADV adalah:[6]

• Tentukan tujuan desain yang konsisten dengan permintaan pelanggan dan strategi perusahaan.
• Mengukur dan mengidentifikasi CTQ (karakteristik yang Critical To Quality), mengukur kapabilitas produk, kapabilitas proses produksi, dan mengukur risiko.
• Menganalisis untuk mengembangkan dan merancang alternatif
• Rancang alternatif yang lebih baik, paling sesuai per analisis pada langkah sebelumnya
• Verifikasi desain, atur uji coba, implementasikan proses produksi dan serahkan kepada pemilik proses.

Profesionalisasi

Mengidentifikasi peran kunci implementasi Six Sigma melibatkan sejumlah individu yang berperan penting dalam memastikan keberhasilan metode ini. Manajemen, termasuk CEO dan anggota manajemen senior, bertanggung jawab untuk menentukan visi penerapan Six Sigma, memberdayakan pemangku kepentingan dan mengatasi hambatan dan penolakan terhadap perubahan. Champion, yang diambil dari manajemen senior, bertindak sebagai agen perubahan dan mentor bagi Black Belts yang bertanggung jawab menerapkan Six Sigma pada proyek tertentu.

Diakui oleh para Master, Master Black Belts memainkan peran penting sebagai pelatih internal Six Sigma, mencurahkan sebagian besar waktunya untuk memastikan penerapan metodologi yang konsisten di seluruh departemen dan tempat kerja. Di bawah Master Black Belts, Black Belts fokus pada pelaksanaan proyek Six Sigma dan kepemimpinan yang berdedikasi, sementara Champion dan Master Black Belts lebih fokus pada identifikasi proyek dan aktivitas Six Sigma. Karyawan Green Belt, yang antara lain menerapkan Six Sigma, bekerja di bawah pengawasan Black Belts. Pentingnya pelatihan khusus untuk semua terapis ini sangat penting untuk memastikan penerapan metode ini dengan benar. Beberapa organisasi juga menggunakan sistem warna sabuk tambahan untuk menunjukkan tingkat pelatihan dan membuat struktur hierarki yang mendukung jalur karier Six Sigma..

Sertifikasi

General Electric dan Motorola memainkan peran penting dalam mengembangkan program sertifikasi sebagai bagian dari implementasi Six Sigma. Dengan pendekatan ini, banyak organisasi mulai menawarkan sertifikasi Six Sigma kepada karyawannya pada tahun 1990an. Pada tahun 2008, Motorola University, Vative, dan Lean Six Sigma Professionals mengembangkan serangkaian standar sertifikasi yang setara dengan Lean Certification.Sertifikasi Sabuk Hijau dan Sabuk Hitam memiliki kriteria berbeda dan beberapa perusahaan memerlukan partisipasi dalam kursus dan proyek Six Sigma.

Meskipun tidak ada lembaga sertifikasi standar, organisasi kualitas yang berbeda menawarkan sertifikasi yang berbeda dengan biaya tertentu. Misalnya, American Society for Quality menetapkan persyaratan bagi pelamar sabuk hitam, termasuk lulus ujian tertulis dan pernyataan tertulis yang ditandatangani bahwa mereka telah menyelesaikan dua proyek atau satu proyek dengan pengalaman praktis tiga tahun di bidang informasi. Inisiatif sertifikasi ini merupakan landasan penting untuk menjaga standar dan pengetahuan penerapan Six Sigma di berbagai organisasi..

Alat dan metode

Dalam fase individu proyek DMAIC atau DMADV, Six Sigma menggunakan banyak alat manajemen kualitas yang juga digunakan di luar Six Sigma. Tabel berikut menunjukkan ikhtisar metode utama yang digunakan.

• 5 Mengapa
• Alat statistik dan alat bantu
  • Analisis varians
  • Model linier umum
  • Pengukur ANOVA R&R
  • Analisis regresi
• Korelasi
• Diagram pencar
• Uji chi-kuadrat
• Desain aksiomatik
• Pemetaan Proses Bisnis / Lembar Pemeriksaan
• Diagram sebab & akibat (juga dikenal sebagai diagram tulang ikan atau diagram Ishikawa)
• Bagan kendali/Rencana kendali (juga dikenal sebagai peta jalur renang)/Bagan kendali
• Analisis biaya-manfaat
• Pohon CTQ
• Desain eksperimen/Stratifikasi
• Histogram/Analisis Pareto/Bagan Pareto
• Bagan pilihan/Kemampuan proses/Hasil keluaran yang digulung
• Penyebaran Fungsi Kualitas (Quality Function Deployment/QFD)
• Riset pemasaran kuantitatif melalui penggunaan sistem Enterprise Feedback Management (EFM)
• Analisis akar masalah
• Analisis SIPOC (Pemasok, Input, Proses, Output, Pelanggan)
• Analisis COPIS (Versi/perspektif SIPOC yang berpusat pada pelanggan)
• Metode Taguchi / Fungsi Kerugian Taguchi
• Pemetaan aliran nilai

Peran pergeseran 1,5 sigma

Pengalaman praktis menunjukkan bahwa proses dalam jangka panjang tidak selalu berjalan seefisien yang terlihat dalam jangka pendek. Oleh karena itu, offset 1,5 sigma berbasis empiris diintegrasikan ke dalam perhitungan untuk memperhitungkan variasi proses dari waktu ke waktu. Mikel Harry, pencipta Six Sigma, menyebut konsep ini “melenturkan”. sebanding dengan tinggi tumpukan disk. Menurutnya, semua proses berubah sebesar 1,5 sigma untuk setiap 50 sampel. Dengan asumsi bahwa proses yang setara dengan 6 sigma dalam jangka pendek hanya sama dengan 4,5 sigma dalam jangka panjang, definisi luas dari proses six sigma adalah proses yang menghasilkan 3,4 bagian per juta cacat (DPMO).

Hal ini didasarkan pada kenyataan bahwa distribusi normal adalah 3,4 bagian per juta di luar batas bila batasnya adalah enam sigma dari nilai "sebenarnya". yang diubah sebesar 1,5 sigma. Namun konsep transisi sigma lebih bersifat akademis dan pada akhirnya organisasi harus menentukan tingkat sigma yang diinginkan untuk proses berdasarkan harapan pelanggan. Six Sigma 3.4 DPMO bukanlah tujuan mutlak dalam setiap proses, namun merupakan alat benchmarking untuk mengevaluasi dan meningkatkan kinerja organisasi..

Tingkat sigma

Gambar: Sebuah peta kendali menunjukkan proses yang mengalami penyimpangan 1,5 sigma pada rata-rata proses menuju batas spesifikasi atas mulai tengah malam. Bagan kendali membantu mengidentifikasi kapan suatu proses harus diselidiki untuk menemukan dan menghilangkan variasi penyebab khusus.

Tabel di bawah memberikan nilai DPMO jangka panjang yang sesuai dengan berbagai level sigma jangka pendek.

Angka-angka ini mengasumsikan bahwa rata-rata proses akan bergeser sebesar 1,5 sigma ke arah sisi dengan batas spesifikasi kritis. Dengan kata lain, mereka berasumsi bahwa setelah studi awal menentukan tingkat sigma jangka pendek, nilai Cpk jangka panjang akan menjadi 0,5 lebih kecil dari nilai Cpk jangka pendek. Jadi, sekarang misalnya, angka DPMO yang diberikan untuk 1 sigma mengasumsikan bahwa rata-rata proses jangka panjang akan menjadi 0,5 sigma di luar batas spesifikasi (Cpk = –0,17), daripada 1 sigma di dalamnya, seperti di short- studi jangka panjang (Cpk = 0,33). Perhatikan bahwa persentase cacat menunjukkan hanya cacat yang melebihi batas spesifikasi yang paling dekat dengan rata-rata proses. Cacat di luar batas spesifikasi jauh tidak termasuk dalam persentase.

Rumus yang digunakan di sini untuk menghitung DPMO adalah demikian

Six Sigma dalam Praktek
Six Sigma biasanya digunakan dalam organisasi besar, namun menurut konsultan industri seperti Thomas Pyzdek dan John Kullmann, perusahaan dengan kurang dari 500 karyawan mungkin kurang cocok dengan standar Six Sigma atau mungkin memerlukan perubahan agar dapat berfungsi. Meskipun demikian, Six Sigma masih memiliki beberapa alat dan teknik yang dapat diterapkan secara efektif di organisasi kecil dan menengah. Penting untuk dicatat bahwa ukuran organisasi tidak boleh menjadi batasan mutlak, dan keberhasilan penerapan Six Sigma tidak hanya bergantung pada perolehan sabuk hitam. Infrastruktur yang dianggap perlu untuk mendukung Six Sigma lebih merupakan fungsi dari ukuran organisasi daripada kebutuhan yang melekat pada Six Sigma itu sendiri. Oleh karena itu, organisasi yang lebih kecil masih dapat melakukan perbaikan yang signifikan dengan menggunakan alat dan teknik yang disediakan oleh Six Sigma.

Manufaktur

Setelah penerapan pertama di Motorola pada akhir tahun 1980an, perusahaan lain yang diakui secara internasional mencatat penghematan yang signifikan setelah menerapkan Six Sigma. Contohnya termasuk Johnson dan Johnson, yang melaporkan penghematan sebesar $600 juta, Texas Instruments, yang menghemat lebih dari $500 juta, dan Telefónica, yang melaporkan penghematan sebesar €30 juta dalam 10 bulan pertama; Sony dan Boeing juga dikatakan mampu mengurangi limbah.

Rekayasa dan konstruksi

Meskipun perusahaan telah mempertimbangkan pengendalian kualitas secara umum dan strategi pengembangan proses, metode yang lebih rasional dan efektif masih diperlukan, karena tidak semua standar yang diinginkan dan kepuasan pelanggan selalu tercapai. Masih diperlukan analisa yang mendalam untuk mengendalikan faktor-faktor yang mempengaruhi retak dan selip beton antara beton dan baja. Setelah melakukan studi kasus pada teknologi konstruksi Tinjin Xianyi, ditemukan bahwa waktu konstruksi dan limbah konstruksi berkurang sebesar 26,2% dan 67% setelah penerapan Six Sigma. Demikian pula, penerapan Six Sigma dipelajari di salah satu perusahaan teknik dan konstruksi terbesar di dunia: Bechtel Corporation, di mana setelah investasi awal sebesar $30 juta dalam program Six Sigma yang mencakup pekerjaan perbaikan serta deteksi dan pencegahan cacat, diperoleh lebih dari $200 juta dulu won dicapai diselamatkan.

Keuangan

Six Sigma telah memainkan peran penting dalam meningkatkan keakuratan distribusi kas yang bertujuan untuk mengurangi biaya di industri perbankan. Dalam konteks ini, penerapan Six Sigma telah menghasilkan perubahan positif seperti pembayaran otomatis yang lebih akurat, peningkatan akurasi pelaporan, pengurangan letter of credit, peningkatan pengumpulan cek dan pengurangan variabilitas dalam pembuat faktur.

Misalnya, Bank of America melaporkan pada tahun 2004 bahwa Six Sigma meningkatkan kepuasan pelanggan sebesar 10,4% dan mengurangi masalah pelanggan sebesar 24%. Demikian pula, American Express mengumumkan bahwa mereka menghilangkan perpanjangan kartu kredit yang tidak diterima akibat penerapan Six Sigma. Lembaga keuangan lain yang telah mengadopsi Six Sigma antara lain GE Capital dan JPMorgan Chase, dimana kepuasan pelanggan menjadi prioritas utama. Six Sigma dengan demikian menunjukkan dampak positifnya terhadap peningkatan efisiensi operasional dan kepuasan pelanggan di sektor keuangan..

Rantai pasokan

Di bidang rantai pasokan, penting untuk memastikan bahwa produk dikirim ke klien pada waktu yang tepat sambil menjaga standar kualitas tinggi. Dengan mengubah skema diagram rantai pasokan, Six Sigma dapat memastikan kontrol kualitas pada produk (bebas cacat) dan menjamin tenggat waktu pengiriman, dua masalah utama dalam rantai pasokan.

Kesehatan

Sektor kesehatan telah lama dianggap sebagai sektor yang cocok dengan doktrin Six Sigma karena toleran terhadap kesalahan dan dapat mengurangi kesalahan medis dalam layanan kesehatan. Pendekatan Six Sigma telah banyak digunakan dalam industri selama bertahun-tahun dan memiliki tujuan yang sangat luas seperti mengurangi inventaris peralatan yang mahal, menyederhanakan proses layanan kesehatan, dan meningkatkan penggantian biaya. Sebuah studi di MD Anderson Cancer Center menemukan bahwa tanpa peralatan tambahan, jumlah pemeriksaan meningkat sebesar 45 persen dan waktu persiapan pasien berkurang sebesar 40 menit; Dalam beberapa kasus dari 45 menit hingga 5 menit.

Penerapan Lean Six Sigma di Rumah Sakit Stanford pada tahun 2003 dan penerapannya di Rumah Sakit Palang Merah pada tahun 2002 menunjukkan bahwa Six Sigma dapat secara positif mempengaruhi peningkatan proses dan efisiensi dalam lingkungan layanan kesehatan. Pendekatan ini membuka peluang untuk meningkatkan kualitas layanan, mengoptimalkan sumber daya, dan mengurangi waktu persiapan pasien, yang berdampak positif pada efisiensi dan efektivitas layanan kesehatan..

Kritik

Penerapan Six Sigma seringkali mendapat banyak dukungan karena meningkatkan efisiensi dan kualitas. Lebih dari separuh proyek Six Sigma gagal. Pada tahun 2010, Wall Street Journal melaporkan bahwa lebih dari 60% proyek Six Sigma gagal. Tinjauan literatur akademis mengidentifikasi sejumlah faktor kegagalan yang umum, seperti kurangnya dukungan dan keterlibatan dari manajemen puncak, kurangnya sumber daya, pemilihan proyek yang tidak tepat, dan ketidakselarasan dengan tujuan strategis organisasi. Isu-isu seperti penolakan terhadap perubahan budaya, kurangnya pelatihan dan kurangnya keahlian teknis juga berkontribusi terhadap tingginya tingkat kegagalan proyek Six Sigma. Meskipun Six Sigma menawarkan pendekatan yang dapat memberikan manfaat besar, keberhasilan penerapannya tetap bergantung pada kepemimpinan yang kuat, komitmen total, dan pemahaman konsep yang mendalam..

Kurang orisinalitas

Pakar kualitas Joseph M. Juran menggambarkan Six Sigma sebagai "versi dasar peningkatan kualitas". mengklaim bahwa "tidak ada yang baru dalam hal itu". Menurutnya, konsep Six Sigma mencakup unsur-unsur yang familiar, termasuk fasilitator secara umum, meskipun istilah yang digunakan lebih mencolok, misalnya zona dengan warna berbeda. Juran berpendapat konsep tersebut tidak boleh dianggap sebagai ide baru karena American Society for Quality telah lama menciptakan sertifikasi, termasuk untuk insinyur keandalan. Dengan demikian, menurut Juran, ada elemen Six Sigma yang sudah ada dan dapat ditemukan pada inisiatif peningkatan kualitas sebelumnya. Kritik ini menggarisbawahi pandangan bahwa Six Sigma lebih mengarah pada restrukturisasi dan rebranding daripada inovasi konseptual.

Tidak memadai untuk manufaktur yang kompleks

Pakar kualitas Philip B. Crosby berpendapat bahwa standar Six Sigma tidak memadai karena dia yakin bahwa pelanggan selalu berhak atas produk bebas cacat. Misalnya, dalam industri semikonduktor, yang memerlukan pengujian lengkap terhadap jutaan sirkuit kecil dalam satu chip, standar Six Sigma dianggap tidak cukup karena satu cacat saja dapat dianggap cacat. Crosby menekankan bahwa dalam industri semikonduktor, di mana akurasi sangat penting, standar Six Sigma mungkin tidak memenuhi persyaratan ketat untuk produk utuh. Komentarnya menyoroti kontradiksi antara standar kualitas yang diterapkan dalam Six Sigma dan tingginya ekspektasi pelanggan terhadap produk yang benar-benar sempurna..

Peran konsultan

"Sabuk hitam" sebagai agen perubahan perjalanan mengembangkan bidang pelatihan dan sertifikasi. Kritikus berpendapat bahwa banyak perusahaan konsultan yang menjual Six Sigma secara berlebihan, banyak di antaranya mengaku sebagai ahli Six Sigma ketika mereka hanya memiliki pemahaman dasar tentang alat dan teknik yang terlibat atau pasar atau industri tempat mereka beroperasi..

Potensi efek negatif

Sebuah artikel Fortune mencatat bahwa "dari 58 perusahaan besar yang mengumumkan program Six Sigma, 91% telah membuat SandP 500." Pernyataan ini disertai dengan "analisis Charles Holland terhadap perusahaan konsultan Qualpro (mendukung proses peningkatan kualitas yang kompetitif)." Artikel tersebut menyimpulkan bahwa Six Sigma telah terbukti efektif dalam mencapai tujuannya, namun dirancang secara sempit untuk meningkatkan proses yang ada dan tidak memberikan kontribusi yang signifikan terhadap penciptaan produk baru atau teknologi disruptif. Kritik ini menyoroti keterbatasan Six Sigma dalam konteks inovasi dan pengembangan produk baru..

Terlalu mengandalkan statistik

Kritik langsung terhadap Six Sigma menekankan “kekakuan” yang terkait dengan metode dan alat yang berlebihan. Dalam banyak kasus, kita lebih fokus pada pengurangan variabilitas dan mengidentifikasi faktor-faktor penting, sementara membangun ketahanan sering kali diabaikan. Hal ini dapat menghilangkan kebutuhan untuk mengurangi variabilitas secara signifikan.

Ketergantungan yang besar pada pengujian signifikansi dan penggunaan teknik regresi berganda kemungkinan besar meningkatkan risiko kesalahan statistik yang tidak diketahui. Salah satu konsekuensi yang mungkin terjadi dari kesalahpahaman nilai p enam sigma adalah keyakinan keliru bahwa kemungkinan kesimpulan yang salah dapat dihitung dari data dari satu eksperimen tanpa bukti eksternal atau logika mekanisme yang mendasarinya.

Beberapa kritikus juga memperhatikan fungsi transfer yang sering disebutkan, yang jika diamati lebih dekat dianggap hilang. Para ahli statistik arus utama telah menentang uji signifikansi sejak dipopulerkan, dan kritik serta keberatan telah memenuhi banyak buku, sehingga menimbulkan perdebatan ilmiah.

Sebuah artikel kritis tahun 2006 tentang logistik Angkatan Darat AS menekankan bahwa orientasi paradigmatik tunggal, dalam hal ini fokus pada rasionalitas teknis, dapat menghambat pemahaman nilai-nilai seperti pembelajaran lingkaran ganda dan organisasi pembelajaran. kemampuan beradaptasi organisasi, kreativitas, pengembangan tenaga kerja, memanusiakan tempat kerja, kesadaran budaya dan pembuatan strategi.

Nassim Nicholas Taleb memberikan tinjauan kritis terhadap Six Sigma, mengenai manajemen risiko sebagai "pengguna buta"; alat dan metode statistik. Dia merasa bahwa statistik pada dasarnya tidak sempurna dalam bidang ini karena statistik tidak dapat memprediksi risiko kejadian langka yang sangat dikhawatirkan oleh Six Sigma. Taleb juga menekankan bahwa kesalahan dalam prediksi sering kali terjadi karena perbedaan antara ketidakpastian epistemik dengan jenis ketidakpastian lainnya. Kesalahan ini dianggap terkait dengan varian waktu (keandalan) tertinggi..

1,5 pergeseran sigma

Ahli statistik Donald J. Wheeler mengkritisi perubahan 1,5-sigma sebagai dasar yang menggelikan, menyoroti sifat sewenang-wenangnya. Wheeler mencatat bahwa perubahan tersebut mencerminkan efisiensi jangka pendek daripada jangka panjang, dan bahwa sebuah proses dengan tingkat kegagalan jangka panjang yang sama hingga efisiensi 4,5-sigma dianggap sebagai "proses Six Sigma" menurut Konvensi Six Sigma. Oleh karena itu, sistem evaluasi Six Sigma tidak dapat secara langsung disamakan dengan probabilitas distribusi normal dari sejumlah deviasi standar tertentu. Perdebatan terkait dengan definisi inisiatif Six Sigma telah muncul, karena jarang dijelaskan bahwa "6 sigma" sebenarnya merujuk pada tingkat kegagalan jangka panjang yang sama dengan kinerja 4,5 sigma dibandingkan dengan kinerja 6 sigma. Kondisi ini telah menciptakan perdebatan, dengan beberapa komentator menyatakan bahwa Six Sigma mungkin hanya merupakan trik kepercayaan diri.

Mencekik kreativitas dalam penelitian

Menurut pemimpin redaksi Design News John Dodge, penggunaan Six Sigma dalam setting penelitian dianggap tidak tepat. Dodge menyadari bahwa metrik, langkah, pengukuran yang berlebihan, dan fokus Six Sigma yang intens dalam mengurangi variasi dapat menghambat proses penemuan. Selama Six Sigma, katanya, sifat bebas dari brainstorming dan unsur peluang dalam penemuan biasanya terbatas. Dodge menyimpulkan bahwa terdapat kesepakatan umum bahwa kebebasan dihargai dalam penelitian dasar atau penelitian murni, sedangkan Six Sigma lebih efektif dalam inovasi tambahan ketika tujuan bisnis telah ditetapkan.

Artikel Business Week melaporkan bahwa penerapan Six Sigma di 3M oleh James McNerney berdampak negatif pada kreativitas dan mengakibatkan berkurangnya fokus pada penelitian. Artikel tersebut mengutip dua profesor Wharton School yang mengatakan bahwa Six Sigma cenderung mengorbankan penelitian langit biru demi inovasi tambahan. Fenomena ini dieksplorasi secara mendalam dalam buku “Going Lean”; yang menjelaskan konsep terkait yang disebut dinamika lean. Buku ini menyajikan data yang menunjukkan bahwa program Six Sigma Ford tidak mengubah kinerja perusahaan secara signifikan..

Kurangnya dokumentasi

Salah satu kritik yang diajukan oleh Yasar Jarrar dan Andy Neely dari Cranfield School of Management dan Center for Business Performance adalah bahwa meskipun Six Sigma merupakan pendekatan yang efektif, namun Six Sigma juga dapat terlalu mendominasi budaya organisasi. dan menambahkan bahwa sebagian besar literatur Six Sigma—terutama (six sigma diklaim berbasis bukti, masuk akal secara ilmiah)—kurang memiliki ketelitian akademis:

Kritik akhir, mungkin lebih banyak literatur Six Sigma daripada konsepnya. , menyangkut tanda-tanda keberhasilan Six Sigma. Sampai saat ini, studi kasus yang terdokumentasi dengan menggunakan metode Six Sigma telah disajikan sebagai bukti terkuat keberhasilannya. Namun, jika Anda melihat kasus-kasus yang terdokumentasi, dan dengan pengecualian beberapa kasus rinci dari pengalaman organisasi terkemuka seperti GE dan Motorola, sebagian besar kasus belum didokumentasikan secara sistematis atau akademis.

Faktanya, sebagian besar adalah studi kasus yang dijelaskan di situs web dan masih kurang lengkap. Mereka tidak menyebutkan metode spesifik Six Sigma yang digunakan untuk memecahkan masalah tersebut. Ada pendapat bahwa ketergantungan pada kriteria Six Sigma menidurkan manajemen dalam berpikir bahwa ada sesuatu yang dilakukan demi kualitas, sementara perbaikan yang dihasilkan tidak disengaja (Latzko 1995). Jadi ketika kita melihat bukti keberhasilan Six Sigma yang disajikan terutama oleh para konsultan dan kepentingan pribadi, kita harus bertanya: apakah kita benar-benar melakukan perbaikan dengan metode Six Sigma, atau apakah kita hanya mampu bercerita?. Semua orang tampaknya percaya bahwa kita sedang melakukan perbaikan nyata, namun ada cara untuk mendokumentasikan hal ini secara empiris dan menjelaskan hubungan sebab akibat.

Disadur dari: en.wikipedia.org

Rekayasa Keandalan

Rekayasa keandalan adalah sub-disiplin dari rekayasa sistem yang menekankan pada kemampuan peralatan untuk berfungsi tanpa kegagalan. Keandalan menggambarkan kemampuan sistem atau komponen untuk berfungsi dalam kondisi tertentu selama periode tertentu. Keandalan berkaitan erat dengan ketersediaan, yang biasanya digambarkan sebagai kemampuan suatu komponen atau sistem untuk berfungsi pada saat atau interval waktu tertentu.

Fungsi keandalan secara teoritis didefinisikan sebagai probabilitas keberhasilan pada waktu t, yang dilambangkan dengan R(t). Dalam praktiknya, fungsi ini dihitung dengan menggunakan teknik yang berbeda, dan nilainya berkisar antara 0 dan 1, di mana 0 menunjukkan tidak ada probabilitas keberhasilan, sedangkan 1 menunjukkan keberhasilan yang pasti. Probabilitas ini diperkirakan dari analisis terperinci (fisika kegagalan), kumpulan data sebelumnya, atau melalui pengujian keandalan dan pemodelan keandalan. Ketersediaan, kemampuan pengujian, pemeliharaan, dan pemeliharaan sering kali didefinisikan sebagai bagian dari "rekayasa keandalan" dalam program keandalan. Keandalan sering kali memainkan peran kunci dalam efektivitas biaya sistem.

Rekayasa keandalan berhubungan dengan prediksi, pencegahan, dan pengelolaan ketidakpastian rekayasa "seumur hidup" tingkat tinggi dan risiko kegagalan. Meskipun parameter stokastik menentukan dan memengaruhi keandalan, keandalan tidak hanya dicapai dengan matematika dan statistik." Hampir semua pengajaran dan literatur tentang subjek menekankan aspek-aspek ini dan mengabaikan kenyataan bahwa rentang ketidakpastian yang terlibat sebagian besar tidak memvalidasi metode kuantitatif untuk prediksi dan pengukuran." Sebagai contoh, mudah untuk merepresentasikan "probabilitas kegagalan" sebagai simbol atau nilai dalam sebuah persamaan, tetapi hampir tidak mungkin untuk memprediksi besarnya yang sebenarnya dalam praktiknya, yang secara masif bersifat multivariat, sehingga memiliki persamaan untuk keandalan tidak berarti sama dengan memiliki pengukuran prediktif yang akurat tentang keandalan.

Rekayasa keandalan berkaitan erat dengan Rekayasa Kualitas, rekayasa keselamatan, dan keselamatan sistem, karena mereka menggunakan metode umum untuk analisis mereka dan mungkin memerlukan masukan dari satu sama lain. Dapat dikatakan bahwa suatu sistem harus aman secara andal.

Rekayasa keandalan berfokus pada biaya kegagalan yang disebabkan oleh waktu henti sistem, biaya suku cadang, peralatan perbaikan, personel, dan biaya klaim garansi.

Sejarah

Kata reliabilitas dapat ditelusuri kembali ke tahun 1816 dan pertama kali dibuktikan oleh penyair Samuel Taylor Coleridge.[6] Sebelum Perang Dunia II, istilah ini lebih banyak dikaitkan dengan pengulangan; sebuah tes (dalam semua jenis ilmu pengetahuan) dianggap "reliabel" jika hasil yang sama diperoleh berulang kali. Pada tahun 1920-an, peningkatan produk melalui penggunaan kontrol proses statistik dipromosikan oleh Dr. Walter A. Shewhart di Bell Labs, sekitar waktu ketika Waloddi Weibull bekerja pada model statistik untuk kelelahan. Pengembangan rekayasa keandalan berada di jalur yang sejajar dengan kualitas. Penggunaan modern dari kata keandalan didefinisikan oleh militer AS pada tahun 1940-an, yang mencirikan sebuah produk yang akan beroperasi sesuai dengan yang diharapkan dan untuk jangka waktu tertentu.

Pada Perang Dunia II, banyak masalah keandalan disebabkan oleh ketidakandalan yang melekat pada peralatan elektronik yang tersedia pada saat itu, dan masalah kelelahan. Pada tahun 1945, M.A. Miner menerbitkan makalah penting berjudul "Kerusakan Kumulatif pada Kelelahan" dalam jurnal ASME. Aplikasi utama untuk rekayasa keandalan dalam militer adalah untuk tabung vakum seperti yang digunakan dalam sistem radar dan elektronik lainnya, yang keandalannya terbukti sangat bermasalah dan mahal. IEEE membentuk Reliability Society pada tahun 1948. Pada tahun 1950, Departemen Pertahanan Amerika Serikat membentuk sebuah kelompok yang disebut "Kelompok Penasihat tentang Keandalan Peralatan Elektronik" (AGREE) untuk menyelidiki metode keandalan peralatan militer. Kelompok ini merekomendasikan tiga cara kerja utama:

• Meningkatkan keandalan komponen.
• Menetapkan persyaratan kualitas dan keandalan untuk pemasok.
• Mengumpulkan data lapangan dan menemukan akar penyebab kegagalan.

Pada tahun 1960-an, lebih banyak penekanan diberikan pada pengujian keandalan pada tingkat komponen dan sistem. Standar militer MIL-STD-781 yang terkenal diciptakan pada saat itu. Sekitar periode ini juga pendahulu yang banyak digunakan untuk buku pedoman militer 217 diterbitkan oleh RCA dan digunakan untuk prediksi tingkat kegagalan komponen elektronik. Penekanan pada keandalan komponen dan penelitian empiris (misalnya Mil Std 217) sendiri perlahan-lahan menurun. Pendekatan yang lebih pragmatis, seperti yang digunakan dalam industri konsumen, digunakan.

Pada tahun 1980-an, televisi semakin banyak menggunakan semikonduktor solid-state. Mobil dengan cepat meningkatkan penggunaan semikonduktor dengan berbagai mikrokomputer di bawah kap mesin dan di dasbor. Sistem pendingin udara yang besar mengembangkan pengontrol elektronik, seperti halnya oven microwave dan berbagai peralatan lainnya. Sistem komunikasi mulai mengadopsi elektronik untuk menggantikan sistem sakelar mekanis yang lebih tua.

Bellcore mengeluarkan metodologi prediksi konsumen pertama untuk telekomunikasi, dan SAE mengembangkan dokumen serupa SAE870050 untuk aplikasi otomotif. Sifat prediksi berevolusi selama dekade ini, dan menjadi jelas bahwa kompleksitas die bukan satu-satunya faktor yang menentukan tingkat kegagalan sirkuit terpadu (IC). Kam Wong menerbitkan makalah yang mempertanyakan kurva bak mandi yang berpusat pada keandalan. Selama dekade ini, tingkat kegagalan banyak komponen turun hingga 10 kali lipat. Perangkat lunak menjadi penting bagi keandalan sistem. Pada tahun 1990-an, laju pengembangan IC meningkat.

Penggunaan mikrokomputer yang berdiri sendiri yang lebih luas adalah hal yang umum, dan pasar PC membantu menjaga kepadatan IC mengikuti hukum Moore dan berlipat ganda setiap 18 bulan. Rekayasa keandalan kini berubah seiring dengan pergerakannya menuju pemahaman fisika kegagalan. Tingkat kegagalan komponen terus menurun, tetapi masalah tingkat sistem menjadi lebih menonjol. Pemikiran sistem menjadi semakin penting. Untuk perangkat lunak, model CMM (Capability Maturity Model) dikembangkan, yang memberikan pendekatan yang lebih kualitatif terhadap keandalan. ISO 9000 menambahkan ukuran keandalan sebagai bagian dari bagian desain dan pengembangan sertifikasi. Perluasan World Wide Web menciptakan tantangan baru dalam hal keamanan dan kepercayaan.

Masalah lama yaitu terlalu sedikitnya informasi yang dapat diandalkan yang tersedia sekarang telah digantikan oleh terlalu banyak informasi yang nilainya dipertanyakan. Masalah keandalan konsumen sekarang dapat didiskusikan secara online dalam waktu nyata dengan menggunakan data. Teknologi baru seperti sistem elektromekanis mikro (MEMS), GPS genggam, dan perangkat genggam yang menggabungkan ponsel dan komputer, semuanya merupakan tantangan dalam menjaga keandalan. Waktu pengembangan produk terus dipersingkat selama dekade ini dan apa yang telah dilakukan dalam tiga tahun dilakukan dalam 18 bulan. Hal ini berarti bahwa alat dan tugas keandalan harus lebih terkait erat dengan proses pengembangan itu sendiri. Dalam banyak hal, keandalan telah menjadi bagian dari kehidupan sehari-hari dan harapan konsumen.

Gambaran umum

Keandalan adalah kemungkinan bahwa suatu produk akan menjalankan fungsi yang dimaksudkan dengan cara yang memenuhi atau melampaui harapan pelanggan selama periode penggunaan dan kondisi pengoperasian.

Tujuan

Seorang insinyur yang percaya diri memiliki banyak tujuan yang ditekankan dalam urutan prioritas. Pertama, kemampuan menerapkan pengetahuan teknis dan teknik khusus untuk mencegah atau mengurangi risiko dan frekuensi kegagalan sistem atau produk. Selain itu, apa pun tindakan pencegahannya, tujuan kedua adalah mengidentifikasi dan mengatasi penyebab kegagalan. Jika penyebab kesalahan tidak dapat diperbaiki, langkah selanjutnya adalah menentukan cara mengatasi dampak kesalahan tersebut. Yang keempat adalah menerapkan metode untuk memperkirakan keandalan desain baru dan menganalisis data relevan yang andal.

Tujuan utama pekerjaan ini ditentukan oleh efektivitas penurunan harga dan menghasilkan produk yang andal. Keterampilan utama yang dibutuhkan adalah kemampuan untuk mengenali dan memprediksi potensi masalah serta mengetahui cara menghindarinya. Penting juga untuk memiliki pemahaman yang kuat tentang teknik desain dan analisis data agar berhasil menerapkan rekayasa nyata.

Ruang Lingkup dan Teknik

Teknologi sejati untuk "sistem yang kompleks" memerlukan pendekatan sistem yang lebih kompleks dibandingkan sistem yang lebih kecil. Dalam konteks ini, terdapat beberapa aspek penting dalam rekayasa keandalan, termasuk analisis ketersediaan sistem, kesiapan misi, distribusi kebutuhan pemeliharaan, dan keandalan terkait. Indikator lainnya termasuk keandalan desain, termasuk analisis kegagalan fungsional sistem, persyaratan turunan, desain analisis sistem, dan implementasi kinerja. Fitur penting lainnya mencakup pemeliharaan prediktif dan preventif, analisis perilaku manusia, dan pemahaman mendalam tentang kesalahan terkait interaksi manusia, seperti manufaktur, perakitan, transportasi, dan penyimpanan.

Juga dalam Mesin Keandalan Efektif: Pemahaman mendalam diperlukan. Fondasi pekerjaan tidak terampil adalah pengalaman dalam berbagai disiplin ilmu teknik khusus, keterampilan teknik, dan pengetahuan yang baik. Spesialisasi ini meliputi tribologi, tegangan, mekanika rekahan, termodinamika, mekanika fluida, teknik elektro, teknik kimia (oksidasi, dll.) dan ilmu material. Cakupan komprehensif ini memungkinkan teknisi tepercaya untuk mengidentifikasi, mencegah, dan mengatasi kegagalan sistem.

Definisi

Kebenaran dapat ditafsirkan melalui banyak perspektif yang saling terkait. Pertama, keandalan mengacu pada kemampuan suatu entitas untuk mencapai tujuan tertentu dalam jangka waktu tertentu. Hal ini juga mencakup kemampuan produk, baik yang dirancang, diproduksi atau dipelihara, untuk bekerja sesuai kebutuhan dari waktu ke waktu. Keandalan juga dapat dilihat sebagai kemampuan suatu peralatan produk untuk mempertahankan kinerja yang diinginkan dalam jangka waktu yang lama. Selain itu, menolak kurangnya waktu adalah bagian penting dalam memahami kebenaran sesuatu. Kemungkinan suatu benda akan menjalankan fungsi yang diinginkan dalam kondisi tertentu dalam jangka waktu tertentu juga merupakan pertimbangan penting. Terakhir, daya tahan suatu benda adalah ukuran utama keandalan, yang mengacu pada kemampuan benda tersebut untuk bertahan dan terus berfungsi dalam situasi di mana masalah mungkin terjadi.

Dasar-Dasar Penilaian Keandalan

Berbagai metode digunakan dalam dunia penilaian keandalan, termasuk diagram blok keandalan, analisis risiko, FMEA, analisis pohon kesalahan, dan pemeliharaan keandalan. Faktanya, tujuan dari tahap peninjauan ini adalah untuk menyajikan bukti yang meyakinkan, baik kualitatif maupun kuantitatif, bahwa penggunaan komponen atau sistem tidak menimbulkan masalah yang tidak dapat diterima, terutama dalam hal keselamatan.

Proses ini mencakup identifikasi risiko secara menyeluruh, penilaian risiko sistem, pertimbangan mitigasi, penentuan solusi terbaik, dan kesepakatan mengenai tingkat risiko akhir yang dapat diterima. Risiko diukur sebagai kombinasi probabilitas dan tingkat keparahan suatu peristiwa kegagalan. Definisi kerusakan juga mencakup faktor-faktor seperti biaya, waktu tenaga kerja, logistik, kerusakan, dan waktu henti mesin yang menyebabkan operasi terhenti. Jika hal ini terlaksana, maka risiko-risiko lainnya, termasuk risiko-risiko yang belum teridentifikasi, akan menjadi prioritas. Perbaikan desain, pengurangan dan pemantauan terencana untuk mengatasi kompleksitas sistem teknis merupakan metode utama untuk mengurangi risiko. Tujuan utamanya adalah mencapai tingkat risiko yang dapat diterima seperti ALARA atau ALAPA, untuk membuat sistem seaman dan seandal mungkin.

Rencana program keandalan dan ketersediaan

Menerapkan program keandalan lebih dari sekadar membeli perangkat lunak atau menjelaskan apa yang perlu dilakukan untuk memastikan keandalan produk dan proses. Sebaliknya, program autentik dianggap sebagai sistem berbasis pembelajaran kompleks yang spesifik terhadap hasil dan proses.

Selama implementasi, proyek ini didukung oleh kepemimpinan, membangun keterampilan yang dikembangkan dalam tim, diintegrasikan ke dalam aktivitas bisnis dan dilaksanakan sesuai dengan metode bisnis yang telah terbukti. Rencana proyek yang realistis digunakan untuk mendokumentasikan "praktik terbaik" yang terkait dengan aktivitas, proses, alat, analisis, dan pengujian yang diperlukan untuk suatu (sub) sistem. Rencana tersebut juga memperjelas persyaratan pelanggan terkait penilaian keandalan.

Pentingnya rencana proyek keandalan terletak pada kemampuannya untuk mencapai keandalan, pengujian, retensi, dan ketersediaan sistem tingkat tinggi. Dokumen ini dikembangkan pada awal pengembangan sistem dan akan terus ditingkatkan sepanjang siklus hidupnya. Rencana proyek yang sebenarnya tidak hanya menggambarkan pekerjaan sebenarnya dari insinyur tersebut, namun juga menunjukkan tanggung jawab pemangku kepentingan lainnya. Manajemen proyek harus disepakati sepenuhnya untuk memastikan alokasi sumber daya yang tepat.

Perencanaan proyek keandalan juga dapat digunakan untuk meningkatkan ketersediaan sistem dengan berfokus pada peningkatan keandalan, termasuk pengujian dan retensi. Peningkatan stabilitas lebih mudah, namun perkiraan pemeliharaan lebih akurat. Namun, kegagalan di luar kendali Anda dapat menyebabkan masalah kompleks seperti kekurangan staf, ketersediaan suku cadang, dan biaya pengelolaan konfigurasi yang rumit. Oleh karena itu, tidak cukup hanya berfokus pada pemeliharaan saja.

Perencanaan keandalan juga harus fokus pada hubungan antara ketersediaan dan biaya kepemilikan, terutama untuk penggunaan sistem. Untuk sistem yang terhubung dengan sistem produksi, seperti anjungan minyak besar, biaya kepemilikan meningkat. Kurangnya sumber daya dapat menyebabkan kerugian finansial yang besar. Oleh karena itu, perencanaan keandalan yang efektif mempertimbangkan analisis RAMT (Keandalan, Ketersediaan, Pemeliharaan, dan Pengujian) dalam konteks kebutuhan pelanggan.

Persyaratan keandalan

Keandalan teknis sistem apa pun pertama-tama harus dicapai melalui konfigurasi dan persyaratan pemeliharaan yang tepat. Persyaratan ini harus didasarkan pada persyaratan yang tersedia melalui analisis kegagalan desain dan hasil pengujian prototipe awal. Persyaratan keandalan membatasi desain suatu objek atau konfigurasi. Penting untuk dipahami bahwa menetapkan tujuan yang baik, benar, dapat diuji, dan stabil saja tidaklah benar. Karena ini adalah kesalahpahaman tentang persyaratan sebenarnya. Persyaratan validasi mencakup keseluruhan sistem, termasuk persyaratan pengujian dan evaluasi, serta pekerjaan dan dokumentasi terkait. Persyaratan ini disertakan dalam spesifikasi sistem atau sistem, rencana pengujian, dan kontrak terkait untuk mencegah kesalahan atau mengurangi konsekuensi kesalahan.

Persyaratan desain harus cukup tepat sehingga perancang dapat merancang dan membuktikan melalui analisis atau pengujian bahwa persyaratan tersebut terpenuhi. Karena sifat persyaratan dan tingginya tingkat ketidakpastian, sulit untuk memverifikasi kinerja yang andal pada tingkat rendah untuk sistem yang kompleks. Solusi alternatif, seperti penggunaan berbagai tingkat/kelas pengukuran, adalah realistis, terutama jika dampak degradasi juga dipertimbangkan. Persyaratan pemeliharaan fokus pada biaya perbaikan dan waktu perbaikan. , namun persyaratan pengujian merupakan hubungan antara keandalan, pemeliharaan, dan kepercayaan. Terjadi kesalahan dalam proses pencarian mode alamat.

Persyaratan yang andal memerlukan banyak pekerjaan dan dokumentasi selama pengembangan sistem, pengujian, produksi, dan pengoperasian. Kepatuhan terhadap persyaratan ini ditentukan di bagian kinerja berdasarkan add-on yang dibutuhkan oleh pelanggan. Pilihan keandalan harus seimbang dengan pentingnya dan biaya sistem. Sistem yang kritis terhadap keselamatan mungkin memerlukan tinjauan bug formal dan proses pelaporan selama pengembangan, sementara sistem non-keselamatan lebih cenderung mengandalkan laporan pengujian akhir. Standar keandalan desain, seperti MIL-STD-785 dan IEEE 1332, adalah metode umum untuk memantau keandalan produk atau proses dan mendokumentasikan kondisi keandalan desain, termasuk analisis laporan kegagalan dan prosedur perbaikan sistem.

Disadur dari: en.wikipedia.org

Reliabilitas (Statistika)

Dalam statistik dan psikologi, reliabilitas mengacu pada konsistensi pengukuran secara keseluruhan. Suatu pengukuran dikatakan reliabel jika menghasilkan hasil serupa dalam kondisi serupa."Ini adalah properti set pengujian yang mengacu pada jumlah kesalahan acak yang dapat disertakan dalam proses pengukuran. Hal ini sangat mungkin terjadi dan konsisten dari satu pengujian ke pengujian lainnya, artinya jika mengulangi proses pengujian pada beberapa server maka akan mendapatkan hasil yang sama (banyak kesalahan) hingga 1,00 (tidak ada kesalahan) dan eksponen digunakan untuk menunjukkan derajat kesalahan. "Misalnya, pengukuran tinggi dan berat badan seseorang sangatlah akurat.

Jenis

Ada beberapa jenis estimasi reliabilitas yang menggambarkan reliabilitas dan konsistensi suatu ukuran atau pengujian. Keandalan antar penilai mengacu pada tingkat kesepakatan antara dua atau lebih penilai mengenai suatu penilaian. Misalnya dalam bidang medis, jika seseorang mengeluh sakit perut dan mendapat gejala serupa dari beberapa dokter, hal ini menunjukkan keandalan penilai. Reliabilitas tes-tes ulang menilai sejauh mana skor tes tetap konsisten dari tes ke tes. Ini melibatkan pengukuran yang dilakukan oleh seorang penilai dengan menggunakan metode atau instrumen dan metode tes yang sama.

Reliabilitas antar metode adalah penilaian terhadap konsistensi nilai tes ketika metode atau instrumen yang digunakan berbeda, sehingga mengabaikan reliabilitas antar penilai. Jika gambar atau perangkatnya berbeda, konsep ini disebut paralelisme. Terakhir, reliabilitas internal menilai konsistensi hasil di seluruh item tes dan menggambarkan kualitas konsistensi pengukuran. Pemahaman yang lebih mendalam tentang jenis kebenaran ini akan membantu Anda memvalidasi hasil pengukuran dan meningkatkan kepercayaan diri Anda dalam menafsirkan data.

Perbedaan dari validitas

Kebenarannya tidak benar. Artinya, ukuran sebenarnya yang mengukur sesuatu tidak selalu mengukur apa yang hendak diukur. Misalnya, ada banyak tes yang dapat diandalkan untuk keterampilan tertentu, namun tidak semuanya valid untuk memprediksi kinerja.

Reliabilitas tidak menjamin validitas, namun membatasi validitas keseluruhan tes. Tes tersebut kurang reliabel sehingga tidak dapat dikatakan valid sepenuhnya sebagai alat untuk mengukur ciri-ciri kepribadian atau sebagai penanda berdasarkan suatu sifat tertentu. Pengujian yang dapat diandalkan dapat memberikan informasi yang berguna dan valid, namun pengujian yang tidak dapat diandalkan mungkin tidak valid.

Misalnya, satu set timbangan dapat menimbang suatu benda seberat 500 gram atau lebih. Timbangan ini sangat akurat dalam pengukuran, namun tidak valid (karena berat yang dikembalikan bukan berat sebenarnya). Agar timbangan menjadi valid, berat benda harus dikembalikan. Contoh ini menunjukkan bahwa pengukuran absolut tidaklah akurat, namun pengukuran yang valid seharusnya akurat..

Model umum

Dalam praktiknya, pengukuran tes tidak selalu sama. Teori reliabilitas tes dikembangkan untuk memperkirakan pengaruh kebisingan terhadap akurasi pengukuran. Titik awal dari hampir semua teori reliabilitas tes adalah gagasan bahwa nilai tes mencerminkan pengaruh dua faktor.Pertama, faktor yang mendukung konsistensi berkaitan dengan stabilnya karakteristik orang atau atribut yang diukur. Hal ini mencakup faktor-faktor seperti kesehatan, kelelahan, motivasi, dan stres emosional, yang memengaruhi nilai ujian.Faktor-faktor tersebut dapat menyebabkan variabilitas dalam pengukuran. terkait dengan keadaan atau keadaan individu, Mempengaruhi ujian Anda. mencetak gol tanpa masalah.

Hubungan dengan hasil yang diukur. Misalnya, kondisi pengujian dan kejadian acak dapat menimbulkan bias pada hasil pengujian meskipun orang tersebut stabil.Dalam konteks ini, desain dan implementasi pengukuran yang andal harus sama. Pemahaman mendalam tentang kelompok itu penting.

Faktor-faktor tersebut antara lain

Seseorang mungkin mengalami kondisi yang bersifat sementara namun umum, seperti kesehatan yang buruk, kelelahan, mudah tersinggung, dan stres emosional, yang dapat berdampak signifikan pada hasil tes. Kondisi jangka pendek spesifik yang berkaitan dengan penguasaan tugas tes, instruksi dan prosedur khusus dalam mengolah materi tes, dan perbedaan memori, perhatian, atau akurasi. Aspek situasi pengujian, seperti kejelasan instruksi, interaksi manusia, dan tidak adanya gangguan, berperan penting dalam mempengaruhi hasil pengukuran.

Terakhir, faktor risiko seperti keberuntungan dalam memprediksi pilihan jawaban, gangguan waktu, dan faktor lainnya dapat mempengaruhi validitas dan reliabilitas tes. Memahami kompleksitas dan keragaman faktor-faktor ini akan memberikan pemahaman yang lebih mendalam tentang bagaimana menafsirkan hasil tes dan memungkinkan evaluasi yang lebih efisien.

Tujuan estimasi reliabilitas adalah untuk menentukan seberapa besar variasi skor tes yang disebabkan oleh kesalahan pengukuran dan seberapa besar variasi yang disebabkan oleh skor sebenarnya.Skor reliabilitas merupakan karakteristik subjektif. Itu sedang diukur. Ini adalah pecahan dari penghitungan pengamatan yang diulang tanpa kesalahan dalam kondisi pengukuran berbeda.Kesalahan pengukuran adalah kesalahan acak dan sistematis. Ini mewakili perbedaan antara skor tes dan skor aktual yang sesuai.Analisis teoritis ini sering dinyatakan dalam persamaan sederhana:

Skor tes yang diamati = skor aktual + kesalahan pengukuran.

Tujuan teori reliabilitas adalah untuk menentukan kesalahan pengukuran dan menyarankan cara untuk meningkatkan eksperimen guna meminimalkan kesalahan.Asumsi utama teori reliabilitas adalah bahwa kesalahan pengukuran bersifat acak. . Ini tidak berarti bahwa kesalahan terjadi dalam proses acak.

Bagi seorang individu, kesalahan pengukuran bukanlah suatu kejadian yang terjadi secara acak. Namun, sumber kesalahan pengukuran antar individu sangat bervariasi sehingga kami menganggap kesalahan pengukuran sebagai variabel acak.Jika kesalahan tersebut mengandung karakteristik sebenarnya dari variabel acak, yang terbaik adalah: asumsikan bahwa kesalahan positif dan negatif sama, dan kesalahan tersebut tidak berhubungan dengan skor sebenarnya atau kesalahan dalam tes lainnya.

Teori tes klasik

Diasumsikan bahwa:

1. Rata-rata kesalahan pengukuran = 0

2. Skor benar dan kesalahan tidak berkorelasi

3. Kesalahan pada ukuran yang berbeda tidak berkorelasi

Teori reliabilitas menunjukkan bahwa varians skor yang diperoleh hanyalah jumlah varians dari skor sebenarnya ditambah varians dari kesalahan pengukuran.

Persamaan ini menunjukkan bahwa nilai tes bervariasi sebagai akibat dari dua faktor:

1. Variabilitas dalam skor sebenarnya

2. Variabilitas karena kesalahan pengukuran.

Koefisien reliabilitas memberikan indeks pengaruh relatif dari skor benar dan skor kesalahan pada skor tes yang dicapai. Dalam bentuk umumnya, koefisien reliabilitas didefinisikan sebagai rasio varians skor benar terhadap varians total nilai tes. Atau, secara ekuivalen, satu dikurangi rasio variasi skor kesalahan dan variasi skor yang diamati:

Namun, tidak ada cara untuk mengamati atau menghitung skor aktual secara langsung, sehingga berbagai metode digunakan untuk memperkirakan reliabilitas tes.Contoh metode untuk memperkirakan reliabilitas mencakup reliabilitas tes-tes ulang, reliabilitas internal, dan paralelisme. buktinya, kebenarannya. Setiap metode menghadapi tantangan untuk mengidentifikasi sumber kesalahan dalam eksperimen yang berbeda.

Teori respon barang

Para ahli teori pengujian sangat menyadari bahwa akurasi pengukuran tidak sama di semua skala pengukuran. Tes tersebut membedakan dengan lebih baik antara peserta tes dengan sifat tingkat menengah dan lebih buruk lagi antara peserta tes dengan nilai tinggi dan rendah. Teori respon item memperluas konsep reliabilitas indeks tunggal ke suatu fungsi yang disebut fungsi verbal. Fungsi pelaporan IRT adalah transformasi kesalahan standar dari skor observasi dan terikat pada skor tes.

Perkiraan

Pendugaan reliabilitas bertujuan untuk mengidentifikasi variabilitas skor tes yang disebabkan oleh kesalahan pengukuran dan variabilitas skor yang sebenarnya. Terdapat empat strategi praktis untuk memperkirakan reliabilitas tes.Pertama, metode tes-tes ulang mengevaluasi konsistensi skor tes dari satu administrasi ke administrasi berikutnya. Dengan menggunakan koefisien korelasi product-moment Pearson, hasil tes pertama dikorelasikan dengan hasil tes ulang untuk memperkirakan reliabilitas.Kedua, metode bentuk paralel melibatkan pengembangan bentuk tes alternatif setara yang dihubungkan dengan tes awal untuk memperkirakan reliabilitas.Ketiga, metode split-half membagi tes menjadi dua bagian dan menghubungkan skor setiap bagian untuk memperkirakan reliabilitas. Prediksi Spearman-Brown digunakan untuk mengestimasi reliabilitas penuh tes dari hasil reliabilitas separuh.Terakhir, konsistensi internal dievaluasi melalui alpha Cronbach, mengukur konsistensi hasil di seluruh item dalam tes.

Hal ini memberikan pandangan menyeluruh tentang reliabilitas dan dapat ditingkatkan dengan berbagai strategi, seperti peningkatan kejelasan ekspresi dan analisis item untuk mengganti item yang tidak memadai.Meskipun ukuran reliabilitas berbeda dalam sensitivitasnya terhadap kesalahan, strategi tersebut memberikan kerangka kerja yang holistik untuk mengevaluasi dan meningkatkan reliabilitas tes..

• 
• adalah tingkat kegagalan)

Disadur dari : https://en.wikipedia.org/wiki/Reliability_(statistics)

Analisis Regresi

Dalam pemodelan statistik, analisis regresi adalah serangkaian prosedur statistik untuk memperkirakan hubungan antara variabel terikat (disebut variabel "hasil" atau "respons" atau "label" dalam istilah pembelajaran mesin) dan satu atau lebih variabel bebas. Variabel (juga disebut "prediktor", "kovariat", "variabel penjelas", atau "skema"). Regresi linier, bentuk analisis regresi yang paling umum, melibatkan pencarian garis atau kumpulan garis yang paling sesuai dengan data berdasarkan beberapa kriteria matematika. Misalnya, kuadrat terkecil mewakili garis atau bidang elevasi yang meminimalkan jumlah selisih kuadrat antara data aktual dan garis.

Ada dua tujuan teoretis utama dari analisis invers. Pertama, digunakan untuk prediksi dan perkiraan, sering kali beralih ke bidang pembelajaran mesin. Kedua, dalam beberapa situasi, analisis regresi dapat digunakan untuk menentukan hubungan antara variabel independen dan dependen.

Penting untuk diperhatikan bahwa regresi hanya menunjukkan hubungan antara variabel terikat dan bebas dalam suatu kumpulan data. Untuk menggunakan analisis regresi dalam memprediksi atau menentukan hubungan sebab akibat, peneliti harus terlebih dahulu memahami apa hubungan tersebut dalam konteks baru, atau apa hubungan antara dua variabel, penjelasan sebab akibat. Hal ini sangat penting ketika peneliti mencoba menyimpulkan hubungan sebab-akibat dengan menggunakan data observasi.

Sejarah 

Dalam pemodelan statistik, analisis regresi melibatkan serangkaian proses statistik untuk memperkirakan hubungan antara variabel terikat (sering disebut sebagai variabel 'hasil' atau 'respons', atau 'label' dalam bahasa pembelajaran mesin) dan satu atau lebih variabel bebas (sering disebut sebagai 'prediktor', 'kovariat', 'variabel penjelas', atau 'fitur'). Regresi linier, bentuk analisis regresi yang paling umum, melibatkan pencarian garis atau kombinasi linier yang paling sesuai dengan data berdasarkan kriteria matematika tertentu. Metode kuadrat terkecil biasa, misalnya, menghitung garis atau bidang hiper yang meminimalkan jumlah selisih kuadrat antara data sebenarnya dan garis tersebut.

Bentuk awal analisis regresi ditemukan dalam metode kuadrat terkecil, yang diperkenalkan oleh Legendre pada tahun 1805 dan kemudian diterapkan oleh Gauss pada tahun 1809. Mereka menggunakan metode ini untuk menentukan orbit benda-benda astronomi seperti komet dan planet-planet kecil. Gauss kemudian mengembangkan teori kuadrat terkecil lebih lanjut pada tahun 1821, termasuk versi teorema Gauss-Markov.

Istilah "regresi" pertama kali digunakan oleh Francis Galton pada abad ke-19 untuk menjelaskan fenomena biologis di mana keturunan tinggi cenderung mengalami kemunduran menuju rata-rata normal, yang disebut sebagai regresi terhadap rata-rata. Galton memberi arti biologis pada regresi, tetapi definisi ini diperluas ke konteks statistik yang lebih luas oleh Udny Yule dan Karl Pearson. Yule dan Pearson mengasumsikan distribusi Gaussian untuk variabel respon dan penjelas, asumsi ini kemudian dilemahkan oleh RA Fisher pada tahun 1922 dan 1925. Fisher mengusulkan bahwa distribusi kondisional dari variabel respon adalah Gaussian, namun distribusi korelasi tidak harus seperti itu.

Pada tahun 1950-an dan 1960-an, para ekonom menggunakan kalkulator elektronik untuk menghitung penyusutan, seringkali membutuhkan waktu 24 jam untuk mendapatkan hasilnya. Metode deduktif adalah bidang penelitian yang aktif, dan dekade terakhir telah menyaksikan perkembangan baru, termasuk regresi yang kuat, regresi berdasarkan data yang berkorelasi seperti deret waktu, regresi yang melibatkan proyeksi atau respons kurva, elemen data yang kompleks, dan regresi. Ada berbagai jenis data yang hilang, regresi nonparametrik, metode regresi Bayesian, regresi dengan kesalahan pengukuran pada prediktor, regresi dengan estimasi observasi yang berlebihan, dan estimasi white matter.

Model Regresi

Dalam praktiknya, peneliti memilih model yang ingin mereka estimasi dan menggunakan metode khusus, seperti kuadrat terkecil, untuk memperkirakan parameter model. Ada beberapa komponen kunci dalam model regresi termasuk:

1. Parameter tidak diketahui

ditetapkan sebagai skala atau vektor β.

2. Variabel variabel

Variabel yang ditemukan dalam data, sering kali diwakili oleh vektor 𝑋ᵢ. Di sini 𝑖 mewakili urutan data.

3. Skala konservasi

Hal ini juga terlihat pada data dan dinyatakan sebagai skala 𝑌ᵢ.

4. Istilah Kesalahan 

Juga dikenal sebagai 𝑒ᵢ, istilah kesalahan yang tidak secara langsung tercermin dalam data, sering kali dinyatakan dalam skala.Istilah lain digunakan untuk mewakili keyakinan dalam berbagai aplikasi. dan variabel independen.Pada sebagian besar model regresi, 𝑌ᵢ adalah fungsi dari 𝑋ᵢ dan β (fungsi regresi), dan 𝑒ᵢ mungkin mewakili istilah kesalahan tambahan yang mencerminkan perkiraan 𝑌ᵢ tanpa sampel atau gangguan statistik acak.

Diagnostik

Setelah model regresi dibuat, penting untuk memeriksa kesesuaian model dan signifikansi statistik dari parameter yang diestimasi. Uji kesesuaian yang umum digunakan meliputi R-squared, analisis model residu, dan pengujian hipotesis. Signifikansi statistik dapat ditentukan menggunakan uji F untuk goodness of fit dan uji t untuk parameter individual.Interpretasi uji probabilitas ini sangat bergantung pada sampel. Meskipun Anda dapat menggunakan uji residu untuk mengesampingkan suatu model, hasil uji t atau F lebih sulit diinterpretasikan jika asumsi model dilanggar. Misalnya, jika istilah kesalahan tidak terdistribusi secara normal, parameter yang diestimasi mungkin tidak terdistribusi secara normal di seluruh subsampel, sehingga membuat inferensi menjadi sulit. Namun, untuk sampel yang sangat besar, kita dapat melanjutkan ke pengujian hipotesis menggunakan pendekatan asimtotik menggunakan batasan utama.

Variabel Terikat Bebas

Variabel terikat terbatas , yaitu variabel respon yang merupakan variabel kategori atau variabel yang dibatasi untuk berada pada kisaran tertentu saja, sering kali muncul dalam ekonometrika .

Variabel respons mungkin tidak kontinu ("terbatas" terletak pada beberapa subset dari garis nyata). Untuk variabel biner (nol atau satu), jika analisis dilakukan dengan regresi linier kuadrat terkecil, modelnya disebut model probabilitas linier . Model nonlinier untuk variabel terikat biner meliputi model probit dan logit . Model probit multivariat adalah metode standar untuk memperkirakan hubungan gabungan antara beberapa variabel dependen biner dan beberapa variabel independen. Untuk variabel kategori dengan nilai lebih dari dua terdapat logit multinomial . Untuk variabel ordinal yang nilainya lebih dari dua, terdapat model logit ordinal dan model probit ordinal. Anda dapat menggunakan model regresi tertentu jika variabel dependen Anda acak, atau model koreksi Heckman jika sampel tidak diambil dari populasi yang diminati. Pendekatan lain terhadap metode ini adalah regresi linier, yang didasarkan pada korelasi polinomial (atau korelasi poliserial) antar variabel kategori. Metode-metode ini berbeda dalam asumsi mengenai distribusi variabel dalam populasi. Jika variabelnya positif dengan nilai kecil dan menunjukkan pengulangan peristiwa, Anda dapat menggunakan model statistik seperti regresi Poisson atau model binomial negatif.

Regresi Non-Linear

Jika parameter fungsi model tidak linier, maka jumlah kuadrat harus diminimalkan menggunakan metode iteratif. Hal ini menimbulkan sejumlah masalah yang dirangkum dalam Perbedaan antara kuadrat terkecil dan nonlinier.

Prediksi Interpolasi dan Ektrapolasi

Model regresi memprediksi nilai variabel Y, dengan mengetahui nilai variabel X yang diketahui. Prediksi rentang nilai dalam suatu kumpulan data digunakan dalam interpolasi. Contohnya secara informal disebut interpolasi. Prediksi di luar rentang data ini disebut ekstrapolasi. Pengurangan ini sangat bergantung pada asumsi terbalik. Jika estimasi melampaui data, kemungkinan kegagalan model karena perbedaan asumsi dan data sampel atau nilai aktual akan meningkat.

Area prediksi mewakili ketidakpastian dalam prediksi merek. Ketika nilai variabel independen berada di luar rentang yang terdapat dalam data observasi, rentang tersebut melebar dengan cepat.Karena alasan ini dan alasan lainnya, beberapa orang berpendapat bahwa ekstrapolasi tidak benar. Namun, hal ini tidak mencakup semua kemungkinan kesalahan pemodelan. Khususnya, jika hubungan diasumsikan antara Y dan , hal ini hanya mungkin terjadi dalam rentang nilai. Ini adalah jumlah variabel independen yang tersedia. Dengan kata lain, semua metode aditif sangat bergantung pada asumsi tentang sifat struktural dari hubungan regresi.

Jika pengetahuan ini mencakup fakta bahwa variabel terikat tidak boleh berada di luar rentang nilai tertentu, pengetahuan ini dapat digunakan untuk pemilihan sampel meskipun kumpulan data tidak memiliki nilai yang mendekati rentang tersebut. Implikasi dari langkah pemilihan bentuk pekerjaan yang tepat untuk pengurangan ini dapat menjadi signifikan ketika mempertimbangkan saling melengkapi. Paling tidak, ini memastikan bahwa keluaran dari model masukan adalah "benar" (atau serupa dengan yang diketahui).

Disadur dari: en.wikipedia.org

Manajemen Mutu

Manajemen mutu adalah bagian penting untuk memastikan bahwa suatu organisasi, produk atau layanan bekerja dengan baik. Manajemen mutu, dengan empat komponen utamanya: perencanaan mutu, jaminan mutu, pengendalian mutu dan peningkatan mutu, mencakup pendekatan komprehensif untuk mencapai standar mutu yang tinggi. Pendekatan manajemen mutu tidak terbatas pada bidang produk dan jasa, namun menekankan pentingnya proses untuk mencapai standar mutu. Tujuan dari penjaminan dan pengendalian mutu adalah untuk mencapai mutu yang konsisten dan memastikan bahwa seluruh kegiatan produksi atau jasa dilaksanakan sesuai standar yang telah ditetapkan. Kontrol kualitas berkelanjutan adalah bagian penting dari kontrol kualitas dan memastikan bahwa semua aspek produk atau layanan memenuhi standar yang ditetapkan.

Dalam hal kualitas, kontrol kualitas adalah tentang menentukan apa yang diinginkan dan bersedia dibayar oleh pelanggan Pengetahuan tentang pengetahuan. level kualitas. Dalam konteks ini, kualitas mewakili janji kepada pelanggan, tertulis atau tertulis, di pasar yang diketahui atau tidak. Kualitas dapat didefinisikan sebagai seberapa baik suatu produk menjalankan fungsi yang diharapkan, yang menunjukkan komitmen organisasi untuk memberikan nilai terbaik kepada pelanggannya. Manajemen mutu bukan hanya alat yang ampuh, namun juga kemampuan untuk mencapai pentingnya kualitas yang berkelanjutan.

Evolusi 

Manajemen mutu merupakan fenomena baru yang mempunyai dampak signifikan terhadap organisasi. Awalnya, di negara-negara yang menyukai seni dan kerajinan, konsumen bebas memilih barang yang memenuhi standar kualitas lebih tinggi dibandingkan barang biasa. Dalam konteks ini seniman atau seniman mempunyai peranan penting dalam mengarahkan kajian, pelatihan, dan pengawasan terhadap orang lain. Namun, seiring dengan meningkatnya produksi massal dan pengulangan, seni menjadi semakin tidak penting. Eli Whitney, dengan penerapan manufaktur lintas sektoral, dan Frederick Winslow Taylor, yang dikenal sebagai "Bapak Manajemen Ilmiah", memelopori produksi massal melalui standardisasi dan jalur perakitan.

Perkembangan selanjutnya dalam pengendalian kualitas dilakukan oleh Walter A .dengan banyak masukan. Shewhart dan W.Edwards Deming. Shewhart mengembangkan metode pengendalian mutu statistik pada tahun 1924 yang kemudian menjadi dasar pengendalian mutu statistik. Deming menerapkan metode ini ke Amerika Serikat selama Perang Dunia II, sehingga meningkatkan kualitas produksi senjata dan produk strategis lainnya.

Jepang kemudian menjadi bagian penting dalam pembangunan ekonominya setelah Perang Dunia II. Jepang mencapai tingkat kualitas produk yang tinggi pada tahun 1970an dengan bantuan Shewhart, Deming dan Juran. Tren ini berdampak besar pada industri otomotif, karena mobil Jepang mendominasi peringkat kepuasan konsumen.

Dalam beberapa dekade berikutnya, popularitas kekuatan berkualitas, terutama setelah keberhasilan Jepang dalam mengatasi citra kualitas rendah pusat perhatian dunia. Konsep mutu digunakan oleh banyak negara dan industri, dan standar ISO 9000 adalah salah satu standar internasional utama untuk manajemen mutu.

Pentingnya budaya mutu, manajemen pengetahuan, dan peran kepemimpinan. Disiplin seperti pemikiran sistem adalah semua pendekatan terhadap manajemen mutu dan memandang orang, proses, dan produk sebagai hubungan yang saling berhubungan. Kepuasan pelanggan adalah fokus utama, namun penelitian mengenai pemangku kepentingan dan pembangunan berkelanjutan semakin meningkat.

Dampak pemikiran kualitas tidak terbatas pada manufaktur, namun meluas ke bidang layanan seperti penjualan, pemasaran, dan layanan pelanggan . Kaitan antara budaya kualitas dan keunggulan kompetitif dapat dilihat di sektor keuangan. Manajemen mutu semakin terintegrasi dengan pembangunan berkelanjutan, mencari keseimbangan antara kualitas dan tanggung jawab sosial. Oleh karena itu, manajemen mutu terus berkembang dan beradaptasi dengan dinamika global dan kebutuhan pelanggan.\

Prinsip

Prinsip Standar Internasional untuk Manajemen Mutu (ISO 9001:2015) menjelaskan serangkaian prinsip manajemen yang dapat digunakan oleh manajemen puncak untuk memandu peningkatan kinerja organisasi.

1. Orientasi Pelanggan

Prinsip ini menekankan bahwa tujuan utama manajemen mutu adalah untuk memenuhi kebutuhan pelanggan dan berusaha mencapai harapan mereka. Keberhasilan yang berkelanjutan bergantung pada kemampuan organisasi untuk mendapatkan dan mempertahankan kepercayaan pelanggan dan pemangku kepentingan lainnya. Pemahaman menyeluruh tentang kebutuhan pelanggan saat ini dan masa depan membantu kami menciptakan nilai tambah bagi pelanggan.

2. Kepemimpinan

Pemimpin di semua tingkatan organisasi berperan penting dalam membangun kesatuan tujuan dan arah serta menciptakan proses yang mendukung partisipasi masyarakat dalam mencapai tujuan kualitas.tujuan. Perubahan tidak hanya diperlukan untuk meningkatkan kualitas, namun juga menumbuhkan rasa kualitas di seluruh organisasi.

3. Keterlibatan Karyawan

Prinsip ini menekankan pentingnya melibatkan orang-orang yang berpengetahuan, kompeten, dan berkomitmen di semua tingkat organisasi. Setiap orang mempunyai peran dalam organisasi, menghormati mereka sebagai individu, memberdayakan dan memberdayakan mereka, serta mendukung penciptaan dan penyampaian nilai yang luar biasa.

4. Teori Proses

Pendekatan ini menekankan bahwa hasil yang konsisten dan dapat diprediksi dapat dicapai dengan memahami dan mengelola aktivitas sebagai proses yang membentuk sistem yang saling berhubungan dan saling berhubungan.

5. Peningkatan

Prinsip ini menyatakan bahwa organisasi yang sukses harus selalu fokus pada perbaikan. Peningkatan sangat penting untuk mempertahankan tingkat kinerja saat ini, merespons perubahan internal dan eksternal, dan menciptakan peluang baru.

6. Pengambilan keputusan berdasarkan bukti

Pengambilan keputusan yang efektif berfokus pada analisis dan evaluasi data dan informasi. Keputusan yang didasarkan pada bukti lebih mungkin memberikan hasil yang diinginkan, memberikan alasan dan keyakinan, serta mengurangi ketidakpastian.

7. Manajemen Hubungan

Agar kesuksesan berkelanjutan, organisasi harus mengelola hubungan dengan berbagai pemangku kepentingan, termasuk pemasok dan pemasar. Manajemen hubungan yang efektif membantu organisasi mempertimbangkan semua pemangku kepentingan dan mengoptimalkan dampaknya terhadap kinerja.Penerapan prinsip-prinsip ini adalah dasar untuk mencapai keunggulan dalam manajemen mutu dan membantu organisasi mencapai perbaikan berkelanjutan, kami akan memandu Anda menuju kesuksesan berkelanjutan.

Disadur dari: en.wikipedia.org

Quality function deployment

Jaminan fungsional kualitas (QFD) adalah metode yang dikembangkan di Jepang sejak tahun 1966 untuk menerjemahkan bahasa pelanggan ke dalam sifat mekanik suatu produk. Pengembang asli Yoji Akao menggambarkan QFD sebagai "metode untuk mengubah permintaan pengguna yang memenuhi syarat menjadi parameter yang terukur dan terdistribusi." Penerapan metode untuk mencapai kualitas manufaktur, dan kualitas desain, pada sistem dan komponen, dan akhirnya pada bagian tertentu dari proses manufaktur. Artikel sebelumnya

Rumah berkualitas

Rumah kualitas untuk proses pengembangan produk perusahaan

Pusat Mutu, bagian dari QFD, adalah alat desain utama untuk penggunaan proses mutu. Belajar mengidentifikasi dan mengkategorikan kebutuhan pelanggan (Mengapa), mengidentifikasi pentingnya kebutuhan tersebut, mengidentifikasi fungsi teknik yang terkait dengan kebutuhan tersebut (Bagaimana), menghubungkan keduanya, dan memverifikasi hubungan ini. Persyaratan sistem. . Proses ini dapat diterapkan pada setiap tingkat konfigurasi sistem (misalnya, sistem, subsistem, atau komponen) dalam desain produk di mana beberapa abstraksi sistem dapat dievaluasi. Ini berkembang melalui beberapa tingkatan Apa dan bagaimana menentukan peringkat dan menganalisis setiap tahap pertumbuhan produk (peningkatan layanan) dan produksi (pengiriman layanan).

House of quality muncul dalam desain kapal tanker Mitsubishi Heavy Industries pada tahun 1972.House of quality pada dasarnya adalah sebuah matriks dengan kebutuhan pelanggan di satu sisi dan kebutuhan non-fungsional di sisi lain. Sel-sel tabel matriks diisi dengan bobot yang diberikan pada karakteristik pemangku kepentingan, yang dipengaruhi oleh parameter sistem di bagian atas matriks. Di bagian bawah matriks, kolom dirangkum untuk memberi bobot pada karakteristik sistem menurut karakteristik pemangku kepentingan. Parameter sistem yang tidak terkait dengan karakteristik pemangku kepentingan apa pun yang mungkin tidak diperlukan dalam perancangan sistem diidentifikasi dengan kolom matriks kosong, namun karakteristik pemangku kepentingan yang tidak terkait dengan parameter sistem (ditentukan oleh baris kosong) "oleh parameter desain. ." Tampilkan "kondisi pengabaian". Parameter sistem dan karakteristik pemangku kepentingan yang lemah menyebabkan hilangnya informasi, namun matriksnya "sangat berkorelasi" yang menunjukkan bahwa keterlibatan pemangku kepentingan perlu ditingkatkan.

Area aplikasi

QFD berlaku untuk berbagai aplikasi, termasuk desain produk, manufaktur, teknik, penelitian dan pengembangan (RandD), teknologi informasi (TI), dukungan, pengujian, hukum, dan aspek lain dari perangkat keras, perangkat lunak, layanan, dan manajemen sistem. Fungsi manajemen diperlukan untuk menjamin kepuasan pelanggan, termasuk perencanaan bisnis, pengemasan dan logistik, penjualan, pemasaran, penjualan dan layanan. QFD juga digunakan untuk meningkatkan kualitas, pengendalian kualitas, persyaratan militer, dan produk pelanggan. Permintaan layanan pelanggan untuk meningkatkan pelatihan dan layanan di hotel dll.

Ketidakjelasan

Konsep logika fuzzy telah diterapkan pada QFD (“Fuzzy QFD” atau “FQFD”). Tinjauan tahun 2013 terhadap 59 artikel oleh Abdolshah dan Moradi menyimpulkan: FQFD pada dasarnya adalah "studi berorientasi metode" untuk membangun bangunan matriks berkualitas tinggi sesuai dengan kebutuhan pelanggan, metode yang banyak digunakan berdasarkan berbagai kriteria. Teknik analisis keputusan. Mereka mencatat bahwa ada sesuatu di luar pusat kendali mutu yang terlibat dalam pengembangan produk dan menyatakan bahwa metode metaheuristik "adalah cara yang baik untuk memecahkan masalah FQFD yang kompleks".

Teknik dan alat yang diturunkan

Proses implementasi fungsi kualitas (QFD) dijelaskan dalam ISO 16355-1:2015. Teori seleksi Pugh dapat digunakan bersama dengan QFD untuk memilih konfigurasi produk atau layanan dari varian yang terdaftar. Dibandingkan dengan bangunan berkualitas, ada tiga perbedaan utama dalam QFD terkait penerapan proses modular. Data indeks tidak ada. Kotak centang dan tanda silang telah berubah menjadi lingkaran dan segitiga "super" hilang.

Disadur dari : en.wikipedia.org