Proses Desain

ekopujiyanto@ft.uns.ac.id

Proses Desain

Tujuan eksperimen di manufakturadalah minimasi deviasi (variabilitas) proses

Tujuan dalam desain manufaktur :

Gambar teknik

Spesifikasi

Informasi

sesuai dengankebutuhan konsumen

Life Cycle Produk

Desain produk

Desain proses produksi

Proses manufaktur

Digunakan konsumen

Off-line quality controlOff-line quality controlOn-line quality controlOn-line quality control

Tahapan Proses Desain

Desain sistemDesain sistem

Desain parameter Desain parameter

Desain toleransi Desain toleransi

Berkaitan dengan tekonologi yang digunakan

Membutuhkan pengetahuan teknis dan pengalaman yang luas

Contoh : Ahli motor bakar diperlukan untuk mendesain sistem mesin mobil tipe baru

Desain sistemDesain sistem

Mereduksi biaya dan meningkatkan kualitas secara bersamaan menggunakan desain eksperimen

Bagian sentral dalam desain kokoh (robust design)

Menentukan parameter yang kurang sensitif terhadap noise

Menentukan level parameter yang optimal

Desain parameter Desain parameter

Mengontrol faktor yang berpengaruh terhadap target

Mengontrol noise factor padatoleransi yang kecil

Mengoptimasikan trade off antarakualitas dengan biaya

Desain toleransi Desain toleransi

Klasifikasi parameter

Y =f ( X , M , Z , R )

Y =f ( X , M , Z , R )

Noise Factors ( X )

Response ( Y )Signal Factors ( M )

ControlFactors ( Z )

ScalingFactors ( R )

Klasifikasi parameter

Klasifikasi parameter

Klasifikasi parameter

Noise Factor

Tiga jenis tipe noise factor ( yang menyebabkan variabilitas proses )

External noise

Internal noise

Unit-to-unit noise

Contoh Noise Factor

Contoh : Rangkaian daya TV

External noise

Suhu, kelembaban, debu dan voltase masuk

Internal noise

Karakteristik material

Unit-to-unit noise

Individual unit karena voltase keluar dari voltase masuk yang sama

Memilih Faktor-Faktor

Sifat-sifat faktor yang harus diperhatikan

Level factor

Jumlah level factor

Efek Jumlah level factor

Jangkauan level factor

Kelayakan level

Pergeseran level

Keamanan pabrik atau operator

Efek factor yang mungkin terjadi

Hanya berpengaruh pada mean

Hanya berpengaruh pada variansi

Berpengaruh pada mean dan variansi

Tidak berpengaruh

Hanya berpengaruh pada mean

Hanya berpengaruh pada variansi

Berpengaruh mean dan variansi

Tidak berpengaruh

Prinsip Kekokohan

Mereduksi loss dengan cara memperhatikan faktorterkontrol , sehingga produk tidak sensitive terhadap noise factor

QLF untuk sampel produk

3 komponen QLF

Koeifisien biaya , k agak sulit

Variansi , σ2 langkah yang sulit

Kuadrat bias , ỹ - m mudah (melalui penyesuaian)

22 )()( mykyL

Distribusi sampel dan QLF

05 0

1 0 01 5 02 0 02 5 0

3 0 03 5 04 0 0

4 5 05 0 0

8 5 9 5 1 0 5 1 1 5 1 2 5 1 3 5 1 4 5Output voltage of TV Sony

Los

s ($

)

LSL USLm ỹ

Bias = ỹ - m

Prinsip Kekokohan

Mereduksi loss melalui reduksi variansi dapat dilakukan dengan 4 cara :

Screening produk yang gagal

Menghilangkan penyebab variansi

Menyempitkan toleransi

Mengaplikasikan desain kokoh ( robust design )

Contoh Desain Parameter

Ina seito tile experiment

1950 problem with variability in dimension

More than 50% outside specification

Problem with kiln

Redesign kiln expensive

Use parameter design

Contoh Desain Parameter

Seven factors were studied ( 2 level )

Use Orthogonal Array L8(27)

Factor Level 1 Level 2

A Lime content 5% 1%

B Granularity coarse fine

C Agalmatolite 43% 53%

D Agalmatolite Type current mixture cheaper mixture

E Charge equity 1300 kg 1200 kg

F Waste return 0% 4%

G Feldspar content 0% 55%

Result the experiment

Exp A B C D E F G per 100

1 1 1 1 1 1 1 1 16

2 1 1 1 2 2 2 2 17

3 1 2 2 1 1 2 2 12

4 1 2 2 2 2 1 1 6

5 2 1 2 1 2 1 2 6

6 2 1 2 2 1 2 1 68

7 2 2 1 1 2 2 1 42

8 2 2 1 2 1 1 2 26

Result the experiment

%50.354

2642686

%75.124

6121716

%125.24

2

1

A

A

y

Result the experiment

A B C D E F G

Level 1 12.75 26.75 25.25 19 30.5 13.5 33

Level 2 35.5 21.5 23 29.25 17.75 34.75 15.25

Diference 22.75 5.25 2.25 10.25 12.75 21.25 17.75

Rank 1 6 7 5 4 2 3

Response table of factor effect

Result the experiment

Response graph of factor effect

Factor level

24.125 %

A1

B1C1

A2

Prediction of the process average

Optimum condition

A1 , F1, G2 , E2, D1 , B2 , C2

Conclusion

C small effect most expensive

Robust design minimizing the effect of the cause of variation without eliminating the cause

%75.62111

)1()1()1(

yGFA

yGyFyAypredicted

Discussion

1. What is robust design process ?

2. Distinguish between external, internal and unit-to-unit noise factors ?

3. Describe 4 ways of reducing the variation in a production sample ?

4. An engineer wishes to increase the fuel efficiency and the power output of an automobile engine. It feasible ? What constrains is the engineer likely to face