Statistical Process Control (SPC): Metode dan Contoh

Statistical process control adalah disiplin menggunakan data real-time dan statistik untuk memantau, mengendalikan, dan meningkatkan proses sebelum cacat sampai ke pelanggan. Ini adalah salah satu alat kualitas paling praktis yang bisa diterapkan seorang manajer, dan berada di jantung lean manufacturing, Six Sigma, dan manajemen operasi modern.

Apa Itu Statistical Process Control?

Statistical process control (SPC) adalah metode kendali mutu yang menerapkan teknik statistik untuk memantau output proses dan mendeteksi ketika sebuah proses berperilaku di luar dugaan. Alih-alih memeriksa produk jadi dan berharap masalah muncul belakangan, SPC mengawasi proses itu sendiri, secara real time, sehingga Anda bisa melakukan intervensi saat produk masih dalam proses pembuatan.

Gagasan intinya sederhana: setiap proses memiliki variasi alami. SPC membedakan antara variasi yang normal (disebut common cause) dan variasi yang menandakan ada yang salah (disebut special cause). Ketika hanya ada variasi common cause, proses tersebut "terkendali" (in control). Ketika muncul special cause, itu adalah sinyal untuk menyelidiki dan bertindak.

SPC dikembangkan oleh Walter Shewhart di Bell Labs pada tahun 1920-an dan dipopulerkan secara global oleh W. Edwards Deming. Saat ini SPC digunakan di industri otomotif, farmasi, makanan, semikonduktor, dan layanan.

Fakta Kunci

• Perusahaan yang menggunakan SPC dalam manufaktur melaporkan pengurangan cacat sebesar 50% atau lebih pada tahun pertama penerapan (ASQ Quality Progress, 2022).
• Survei tahun 2023 oleh International Journal of Production Research menemukan bahwa 67% produsen tersertifikasi ISO 9001 menggunakan beberapa bentuk pemantauan statistik pada parameter proses kritis mereka.
• Deming memperkirakan bahwa 94% masalah kualitas berasal dari sistem (common cause) dan hanya 6% dari penyebab khusus individu, yang berarti sebagian besar cacat tidak bisa diperbaiki dengan menyalahkan pekerja.

Variasi Common Cause vs Special Cause

Memahami perbedaan antara kedua jenis variasi ini adalah fondasi dari SPC.

Bereaksi terhadap variasi common cause seolah-olah itu special cause (disebut tampering) justru membuat proses menjadi lebih buruk. SPC mencegah kesalahan ini dengan menetapkan batas kendali yang rasional berdasarkan data itu sendiri.

Diagram Kendali: Jantung dari SPC

Diagram kendali adalah alat utama dalam SPC. Ini adalah run chart dengan tiga garis referensi horizontal yang ditambahkan:

• Garis tengah (CL): rata-rata proses
• Batas kendali atas (UCL): rata-rata ditambah tiga standar deviasi
• Batas kendali bawah (LCL): rata-rata dikurangi tiga standar deviasi

Batas-batas ini dihitung dari data proses aktual, bukan dari spesifikasi atau toleransi. Ketika titik data jatuh di luar UCL atau LCL, atau ketika muncul pola tidak acak di dalam batas, chart tersebut menandakan special cause.

Aturan sinyal yang umum meliputi:

• Satu titik melewati batas 3-sigma
• Delapan titik berturut-turut berada di satu sisi garis tengah
• Enam titik berturut-turut yang secara konsisten trennya naik atau turun

Bereaksi cepat terhadap sinyal adalah yang membuat SPC menjadi alat kendali real-time, bukan audit retrospektif. Sebaiknya padukan analisis diagram kendali dengan metrik process capability (Cp/Cpk), yang mengukur seberapa baik proses tersebut sesuai dengan batas spesifikasi setelah Anda memastikan proses tersebut berada dalam kendali statistik.

SPC vs Inspeksi

Jaminan kualitas tradisional mengandalkan inspeksi output pada akhir jalur produksi. Anda membuat produk, lalu Anda memeriksanya. Masalah dengan pendekatan ini sudah terdokumentasi dengan baik: mahal, lambat, dan hanya menangkap cacat setelah pemborosan sudah terjadi.

Deming menggambarkan inspeksi akhir jalur sebagai "terlalu terlambat, terlalu mahal, dan tidak dapat diandalkan." Argumennya adalah jika sebuah proses kapabel dan terkendali, inspeksi 100% menjadi sebagian besar berlebihan. Jika proses tersebut tidak kapabel, inspeksi tidak akan memperbaikinya. Hanya perbaikan proses yang bisa melakukan itu.

SPC membalik model tersebut. Anda memantau proses secara real time dan bereaksi terhadap sinyal sebelum cacat terbentuk. Beberapa perbedaan praktisnya:

SPC tidak menghilangkan inspeksi sepenuhnya. Industri yang kritis terhadap keselamatan tetap membutuhkan pemeriksaan akhir. Perusahaan farmasi yang tunduk pada FDA 21 CFR Part 211, misalnya, menggabungkan SPC untuk pemantauan dalam proses dengan pengujian rilis berbasis sampling karena regulasi mensyaratkan keduanya. Namun bahkan di sana, SPC secara drastis mengurangi beban inspeksi dengan mencegah cacat, bukan menemukannya. Lebih sedikit kegagalan yang mengejutkan pada inspeksi akhir berarti lebih sedikit pengerjaan ulang, lebih sedikit batch yang ditolak, dan jalur yang lebih singkat dari produksi ke rilis.

Cara Menerapkan SPC

Menjalankan SPC adalah latihan rekayasa dan manajemen yang praktis. Berikut langkah-langkah intinya.

Langkah 1: Definisikan proses dan pilih metriknya

Pilih satu variabel output kunci untuk dipantau. Ini bisa berupa dimensi, berat, waktu siklus, volume pengisian, atau tingkat kesalahan. Metrik tersebut harus terukur, terkait langsung dengan kualitas, dan dikumpulkan pada frekuensi yang praktis.

Gunakan check sheet untuk mencatat data secara konsisten sejak awal.

Langkah 2: Validasi sistem pengukuran

Data yang buruk menghasilkan diagram kendali yang menyesatkan. Sebelum mengumpulkan data proses, jalankan studi Gauge R&R (Repeatability and Reproducibility) untuk memastikan perangkat pengukuran dan operator Anda menghasilkan hasil yang konsisten.

Langkah 3: Kumpulkan data baseline

Kumpulkan 20 hingga 30 subkelompok rasional (atau pembacaan individu) dari proses yang berjalan dalam kondisi normal. Data baseline ini digunakan untuk menghitung garis tengah dan batas kendali Anda.

Langkah 4: Pilih diagram kendali yang tepat

Jenis data yang berbeda membutuhkan chart yang berbeda (lihat bagian Jenis Diagram Kendali di bawah). Memilih chart yang salah menghasilkan batas kendali yang keliru.

Langkah 5: Hitung dan plot batas kendali

Hitung UCL, LCL, dan garis tengah dari data baseline Anda. Plot batas-batas tersebut pada chart. Batas ini harus tetap tidak berubah sampai Anda dengan sengaja memperbaiki proses.

Langkah 6: Pantau proses dan tanggapi sinyal

Plot titik data baru secara real time. Ketika muncul sinyal, ikuti rencana reaksi yang telah ditetapkan: berhenti dan selidiki, identifikasi akar masalah, perbaiki, dan dokumentasikan hasilnya. Gunakan DMAIC ketika investigasi mengungkap masalah sistemik yang lebih dalam.

Langkah 7: Tinjau dan hitung ulang secara berkala

Setelah perbaikan proses yang nyata, hitung ulang batas kendali menggunakan baseline baru. Batas berdasarkan performa lama tidak lagi mencerminkan realita saat ini. Beberapa tim menetapkan tinjauan berkala (misalnya triwulanan) untuk menilai apakah proses telah bergeser cukup jauh untuk memerlukan batas baru. Yang lain memicu tinjauan setiap kali proyek DMAIC ditutup, memperlakukan batas baru sebagai bagian dari hasil fase kendali.

Jenis Diagram Kendali

Memilih chart yang tepat bergantung pada dua hal: apakah data Anda kontinu (terukur) atau atribut (terhitung), dan bagaimana subkelompok Anda terstruktur.

Histogram dan scatter diagram adalah pendamping yang berguna ketika Anda sedang memilih jenis chart. Histogram menunjukkan apakah data Anda mengikuti distribusi yang kurang lebih normal (prasyarat untuk sebagian besar variables chart), sementara scatter diagram membantu Anda memahami hubungan antara input dan output sebelum Anda memutuskan variabel mana yang layak dipantau.

Jika Anda masih ragu chart mana yang cocok dengan situasi Anda, AIAG SPC Reference Manual (saat ini pada edisi kedua) memiliki decision tree yang memandu Anda melalui jenis data, struktur subkelompok, dan frekuensi pengukuran. Sebagian besar paket perangkat lunak manajemen mutu juga secara otomatis memilih jenis chart berdasarkan data yang Anda masukkan.

Manfaat dan Keterbatasan

Manfaat

• Peringatan dini: Masalah tertangkap selama produksi, bukan setelahnya.
• Keputusan objektif: Batas kendali menghilangkan tebakan dari penilaian "apakah ini normal?"
• Mengurangi pemadaman kebakaran: Proses yang stabil dan terkendali membebaskan perhatian manajemen untuk pekerjaan perbaikan alih-alih respons darurat.
• Pengetahuan proses: Chart membangun memori institusional tentang bagaimana perilaku proses dari waktu ke waktu.
• Pengurangan biaya: Lebih sedikit cacat, lebih sedikit pengerjaan ulang, dan pengurangan scrap secara langsung menurunkan biaya operasi.

Keterbatasan

• Membutuhkan pengumpulan data yang stabil: Jika sistem pengukuran tidak andal atau pengumpulan data tidak konsisten, chart tersebut menyesatkan.
• Pemilihan chart itu penting: Jenis chart yang salah menghasilkan batas yang keliru dan sinyal palsu.
• Investasi pelatihan: Operator dan insinyur perlu memahami arti sinyal dan cara meresponsnya. Chart di dinding yang tidak ditindaklanjuti siapa pun lebih buruk daripada tidak ada chart sama sekali.
• Bukan pengganti desain proses: SPC mengendalikan proses yang sudah ada. Jika prosesnya secara fundamental tidak mampu memenuhi spesifikasi, SPC akan mengonfirmasi hal itu tetapi tidak memperbaikinya. Anda membutuhkan analisis process capability (Cp/Cpk) dan perubahan rekayasa untuk itu.
• Bisa menimbulkan kelelahan alert: Aturan yang terlalu sensitif atau batas yang tidak terawat dengan baik menghasilkan terlalu banyak sinyal palsu, membuat tim mengabaikan chart tersebut.

Pertanyaan yang Sering Diajukan

Apa perbedaan antara SPC dan SQC? Statistical quality control (SQC) adalah disiplin yang lebih luas yang mencakup baik sampling statistik untuk inspeksi penerimaan maupun SPC. SPC adalah subset pemantauan real-time dari SQC. Ketika orang mengatakan "statistical process control," mereka secara spesifik merujuk pada pendekatan diagram kendali untuk memantau produksi yang sedang berjalan.

Berapa banyak titik data yang saya butuhkan sebelum bisa menetapkan batas kendali? Sebagian besar textbook dan manual AIAG SPC merekomendasikan setidaknya 20 hingga 25 subkelompok (atau pembacaan individu untuk chart I-MR). Titik yang lebih sedikit menghasilkan estimasi batas yang tidak stabil. Jika Anda harus mulai dengan lebih sedikit data, perlakukan batas awal sebagai sementara dan hitung ulang setelah Anda mengumpulkan 25 titik.

Bisakah SPC digunakan di lingkungan layanan dan kantor? Bisa. SPC berlaku di mana pun Anda memiliki proses yang berulang dan output yang terukur. Aplikasi layanan yang umum meliputi waktu penanganan panggilan, kesalahan pemrosesan faktur, waktu siklus pengiriman, dan waktu tunggu pelanggan. Jenis chart-nya sama; hanya metriknya yang berubah.

Apa hubungan antara batas kendali dan batas spesifikasi? Batas kendali dihitung dari variasi proses aktual. Batas spesifikasi ditetapkan oleh pelanggan atau tim rekayasa. Keduanya sepenuhnya independen satu sama lain. Sebuah proses bisa berada dalam kendali statistik (semua titik dalam batas kendali) dan tetap tidak mampu memenuhi spesifikasi. Itulah persis yang diukur oleh indeks process capability seperti Cp dan Cpk.

Kapan saya harus menghitung ulang batas kendali? Hitung ulang setelah perbaikan proses yang terkonfirmasi dan disengaja. Jangan hitung ulang hanya karena ada titik yang jatuh di luar batas. Menghapus data "buruk" untuk mendapatkan batas yang lebih ketat menggagalkan tujuan SPC. Batas harus mencerminkan proses yang stabil dan telah diperbaiki yang benar-benar ingin Anda jalankan.

---

SPC adalah salah satu alat kualitas tertua yang masih aktif digunakan, dan ia mendapatkan usia panjang tersebut karena benar-benar efektif. Mulailah dengan satu metrik, satu chart, dan rencana reaksi yang berkomitmen. Seiring tim Anda membangun kepercayaan diri dengan dasar-dasarnya, kembangkan ke lebih banyak variabel dan integrasikan temuan SPC ke dalam siklus perbaikan DMAIC Anda yang lebih luas.