Metode Taguchi Metode Taguchi digagas pertama kali oleh Dr. Genichi Taguchi sebagai tools untuk mengendalikan kualitas. Dalam penelitiannya, Dr. Genichi Taguchi menggunakan desain percobaan yaitu rancangan fractional factorial. Ide atau gagasan dari Dr. Genichi Taguchi mengenai quality engineering telah digunakan selama beberapa tahun di Jepang. Pada tahun 1980-an ide beliau mengenai desain eksperimen telah diperkenalkan di dunia barat. Sasaran quality engineering adalah merancang kualitas ke dalam tiap-tiap produk dan proses yang sesuai. Usaha peningkatan kualitas ini dikenal sebagai metode off-line quality control. Metode Taguchi merupakan perbaikan kualitas dengan metode percobaan “baru”, artinya melakukan pendekatan lain yang memberikan tingkat kepercayaan yang sama dengan SPC (Statistical Proces Control). Metode off-line Taguchi sangat efektif dalam peningkatan kualitas dan juga mengurangi biaya. Rekayasa kualitas yang diusulkan Taguchi bertujuan agar performansi produk/prosesnya tidak sensitif atau tangguh terhadap faktor yang sulit dikendalikan. Taguchi memperkenalkan sebuah metode perancangan terintegrasi yang dikenal sebagai tiga tahapan Metode Taguchi sebagai berikut: a. Perancangan Sistem (System Design) b. Perancangan Parameter (Parameter Design) c. Perancangan Toleransi (Tolerance Design)
Orthogonal Array (OA) Dr. Genichi Taguchi menyusun Orthogonal Array (OA) untuk tata letak eksperimennya. Tabel OA dapat digunakan untuk menentukan kontribusi setiap faktor yang berpengaruh terhadap kualitas dan dapat diketahui tingkat faktor yang memberikan hasil yang optimal. Dengan OA untuk tata letak eksperimennya, maka tidak semua perlakuan dijalankan atau dengan kata lain, runnya dapat dipersingkat sehingga biaya, waktu dan materi percobaan dapat dikurangi. Keuntungan OA adalah kemampuan untuk mengevaluasi beberapa faktor dengan jumlah run sedikit. Jika pada percobaan terhadap 4 faktor dengan 3 taraf, menggunakan percobaan faktorial penuh akan diperlukan 34 percobaan. Dengan
OA akan dapat dikurangi run yang dilakukan sehingga akan mengurangi waktu dan biaya. OA telah menyediakan berbagai matriks untuk pengujian faktor-faktor dengan dua dan tiga taraf dengan kemungkinan pengembangan untuk pengujian multiple taraf.
Signal to Noise Ratio(S/N) Signal to Noise Ratio(S/N) digunakan untuk mengidentifikasi faktor-faktor yang mempengaruhi variasi suatu respon. Taguchi menciptakan transformasi dari pengulangan data ke nilai lain yang merupakan ukuran dari variasi yang ada. Tranformasinya adalah signal to noise ratio atau rasio S/N. Perhitungan Rasio S/N yang dilakukan tergantung dari karakteristik mutu yang dituju. Karakteristik kualitas adalah hasil dari proses yang berkaitan dengan kualitas.Taguchi membagi karakteristik kualitas menjadi 3 kategori, yaitu: 1. Nominal is the best Merupakan karakteristik kualitas dengan nilai yang dapat positif maupun negatif. Contoh: ketebalan, berat, tekanan, temperatur, dimensi produk, dan sebagainya.
Nilai S/N untuk karakteristik kualitas Nominal is Best adalah:
∑
∑ dengan :
n = banyaknya ulangan dalam tiap eksperimen y = nilai pada zetiap run μ = rata-rata dari setiap run
σ2 = deviasi dari setiap run 2. Lower is better Merupakan karakteristik terukur non negatif dengan nilai ideal nol. Karakteristik dimana nilai dituju adalah suatu nilai terkecil. Contoh: jumlah produk cacat/gagal, pemborosan energi, kebisingan, limbah, dan lain-lain.
Nilai S/N untuk karakteristik kualitas Lower is Better adalah: [ ∑
]
3. Higher is better Merupakan karakteristik terukur dengan nilai non negatif dengan nilai ideal tak terhingga. Contohnya: kekuatan bangunan, ketahanan terhadap korosi, pemakaian bahan bakar per km, umur pemakaian produk, dan lainnya.
Nilai S/N untuk karakteristik kualitas Higher is better adalah: [ ∑
]
Berikut adalah contoh penerapan Metode Taguchi : Suatu proses produksi diduga dipengaruhi oleh 4 faktor (persentase bahan, temperatur, tekanan injeksi, kecepatan mesin). Masing-masing faktor terdiri dari 3 taraf. Diamati banyaknya produk yang cacat untuk setiap 100 produk, diperoleh hasil sebagai berikut: Faktor
Taraf Unit Satuan
1
2
3
A
Persentase Bahan
(%)
60
70
80
B
Temperatur
(0K)
217
225
233
C
Tekanan Injeksi
(kPa)
92
93
94
D
Kecepatan Mesin
(m/min)
81
83
85
Berikut adalah tabel respon dari hasil 9x run Tabel 1. Hasil respon Percobaan Order
Faktor Terkontrol
Jumlah Cacat
A
B
C
D
1
1
1
1
1
14
2
1
2
2
2
4
3
1
3
3
3
61
4
2
1
2
3
8
5
2
2
3
2
14
6
2
3
1
2
27
7
3
1
3
2
0
8
3
2
1
3
0
9
3
3
2
1
9
Langkah – Langkah Pengerjaan :
1. Jalankan program aplikasi Minitab 16 2. Stat DOE Taguchi Create Taguchi Design
Gambar 4. Langkah-langkah Create Taguchi Design 3. Pilih Perancangan Eksperimen dengan 3 taraf dan 4 faktor
Gambar 5. Tampilan Taguchi Design 4. Hitung Derajat kebebasan dari perancangan 3 taraf 4 faktor : DOF = 1 + (#faktor x (#level-1)) = 1 + ( 4 x (3-1)) = 9
Gambar 6. Tampilan Taguchi Design – Available Design
5. Pilih Perancangan Taguchi L9 karena jumlah dari run pada orthogonal array
DOF
Gambar 7. Tampilan Taguchi Design- Design 6. Salin dan Tempel hasil response percobaan ke dalam worksheet
Gambar 8. Tampilan worksheet 7. Pilih Stat DOE Taguchi Define Custom Taguchi Method. Pilih semua variable faktor. Klik Ok.
Gambar 9. Tampilan Define Custom Taguchi Design
8. Pilih Stat DOE Taguchi Analyze Taguchi Design. Pilih semua variable faktor. Klik Ok. Pilih Kolom yang mengandung respon data. Pilih option dan klik SN ratio smaller is better.
Gambar 10. Tampilan Analyze Taguchi Design
Hasil Perhitungan Dengan menggunakan program Minitab 16 diperoleh tabel S/NR dan means untuk smaller is better sebagai berikut: Tabel 2. Hasil Perhitungan Minitab 16 A
B
C
D
y
SNRA2
MEAN2
1
1
1
1
14
-22.9226
14
1
2
2
2
4
-12.0412
4
1
3
3
3
61
-35.7066
61
2
1
2
3
8
-18.0618
8
2
2
3
1
14
-22.9226
14
2
3
1
2
27
-28.6273
27
3
1
3
2
0
0
0
3
2
1
3
0
0
0
3
3
2
1
9
-19.0849
9
Response Table for Signal to Noise Ratios Smaller is better Level 1 2 3 Delta Rank
A -23.56 -23.20 -19.08 4.47 4
B -20.49 -17.48 -27.81 10.32 2
C -25.77 -16.40 -29.31 12.92 1
D -21.64 -20.33 -26.88 6.55 3
Response Table for Means Level 1 2 3 Delta Rank
A 26.333 16.333 3.000 23.333 2
B 7.333 6.000 32.333 26.333 1
C 13.667 7.000 25.000 18.000 3
D 12.333 10.333 23.000 12.667 4
Analisis Analisis S/NR Level 1 2 3 Delta Rank
A -23.56 -23.20 -19.08 4.47 4
B -20.49 -17.48 -27.81 10.32 2
C -25.77 -16.40 -29.31 12.92 1
D -21.64 -20.33 -26.88 6.55 3
Efek faktor A Taraf 1 mempunyai nilai S/NR yaitu -23.56, taraf 2 mempunyai nilai S/NR yaitu -23.20, dan taraf 3 yaitu -19.08, dari hasil terlihat bahwa taraf 3 memberikan nilai S/NR paling besar, itu berarti bahwa taraf 3 memberikan pengaruh terhadap kecacatan produk paling kecil. Efek faktor B Taraf 1 mempunyai nilai S/NR yaitu -20.49, taraf 2 mempunyai nilai S/NR yaitu -17.48 dan taraf 3 yaitu -27.81, dari hasil terlihat bahwa taraf 2 memberikan nilai S/NR paling besar, itu berarti bahwa taraf 2 memberikan pengaruh terhadap kecacatan produk paling kecil. Efek faktor C Taraf 1 mempunyai nilai S/NR yaitu -25.77, taraf 2 mempunyai nilai S/NR yaitu -16.40, dan taraf 3 yaitu -29.31, dari hasil terlihat bahwa taraf 2
memberikan nilai S/NR paling besar, itu berarti bahwa taraf 2 memberikan pengaruh terhadap kecacatan produk paling kecil. Efek faktor D Taraf 1 mempunyai nilai S/NR yaitu -21.64, taraf 2 mempunyai nilai S/NR yaitu -20.33, dan taraf 3 yaitu -26.88, dari hasil terlihat bahwa taraf 2 memberikan nilai S/NR paling besar, itu berarti bahwa taraf 2 memberikan pengaruh terhadap kecacatan produk paling kecil.
Main Effects Plot for SN ratios Data Means
A
-15
B
Mean of SN ratios
-20 -25 -30 1
2
3
1
C
-15
2
3
D
-20 -25 -30 1
2
3
1
2
3
Signal-to-noise: Smaller is better
Gambar 11. Grafik Pengaruh Utama untuk Rasio SN Dari Grafik tersebut dapat dilihat bahwa pada efek A3, B2, C2, dan D2 memberikan pengaruh terhadap kecacatan paling kecil. Selain dari Tabel S/NR, untuk melihat efek utama yang memberikan efek paling kecil adalah menggunakan Grafik Tabel Main Effect untuk Data Rata-rata.
Analisis Pengaruh Utama untuk Data Rata-rata Level 1 2 3 Delta
A 26.333 16.333 3.00 23.333
B 7.333 6.000 32.333 26.333
C 13.667 7.000 25.00 18.00
D 12.333 10.333 23.00 12.667
Rank
2
1
3
4
Main Effects Plot for Means Data Means
A
B
30
Mean of Means
20 10 0 1
2 C
3
1
2 D
3
1
2
3
1
2
3
30 20 10 0
Gambar 12. Grafik Pengaruh Utama untuk Data Rata rata Terlihat bahwa pada efek faktor A taraf 1, taraf 2, dan taraf 3 mempunyai perbedaan nilai yang cukup signifikan terlihat dari panjang garis. Dari Keempat faktor memiliki perbedaan yang cukup signifikan, terlihat dengan panjang garis antar faktor.
Faktor A Perbandingan dari setiap pasangan taraf faktor A disajikan sebagai berikut: A1
A2
A3
26.333 16.333 3.00 Faktor A (persentase bahan) taraf rendah (A3) mempunyai efek menghasilkan produk cacat paling rendah yaitu 3.00, dan secara statistik berbeda dengan efek faktor lainnya. Faktor B Perbandingan dari setiap pasangan taraf faktor B disajikan sebagai berikut: B1
B2
B3
7.33 6.00 32.33 Faktor B (temperatur) taraf rendah (B2) mempunyai efek menghasilkan produk cacat paling rendah yaitu 6.000, dan secara statistik tidak berbeda dengan efek factor B1, tetapi berbeda dengan B3.
Faktor C Perbandingan dari setiap pasangan taraf faktor C disajikan sebagai berikut: C1
C2
C3
13.667 7.00 5.00 Faktor C taraf rendah (C3) mempunyai efek menghasilkan produk cacat paling rendah yaitu 5.00, dan secara statistik berbeda dengan efek faktor C lainnya. Faktor D Perbandingan dari setiap pasangan taraf faktor D disajikan sebagai berikut: D1
D2
D3
12.333 10.333 23.00 Faktor D taraf rendah (D2) mempunyai efek menghasilkan produk cacat paling rendah yaitu 10.333, dan secara statistik secara statistik tidak berbeda dengan efek faktor D1, tetapi berbeda dengan D3.
