
VALIDASI DATA ATRIBUTE
PADA MEASUREMENT SISTEM ANALISIS
Penulis : Hasiholan Simanjuntak Quality Consultant
MSA (Measurement System Analysis) mengacu pada evaluasi dan penilaian sistem pengukuran yang digunakan dalam pengumpulan data. MSA penting untuk memastikan bahwa data yang diukur dapat diandalkan dan akurat.
Dalam analisis sistem pengukuran (Measurement System Analysis/MSA), terdapat dua jenis data yang digunakan untuk memvalidasi sistem pengukuran tersebut, yaitu data VARIABEL yang biasa kita sebut data ukur, misalnya panjang, lebar, tinggi, dan data ATRIBUT yang biasa kita sebut data hitung, misalnya jumlah “NG” dalam satu periode produksi. Data yang dikumpulkan tersebut biasanya dihitung menggunakan metode statistik untuk mengevaluasi atau memvalidasi kinerja sistem pengukuran.
Dalam konteks Measurement System Analysis (MSA), seperti yang telah dijelaskan sebelumnya, untuk data atribut, konsep penilaian terhadap sistem pengukuran yang benar digambarkan dengan baik atau tidaknya nilai efektivitas, miss rate, dan false alarm rate yang melekat dalam mengidentifikasi kinerja dari sistem pengukuran.
Kemampuan penilai untuk membedakan antara produk atau part yang reject dan tidak reject.
Efektivitas dalam MSA dapat diartikan sebagai sejauh mana suatu sistem pengukuran berhasil mencapai tujuannya. Dalam hal ini, tujuan tersebut adalah memberikan hasil pengukuran yang konsisten, andal, dan akurat.
Efektivitas dapat dihitung dengan membandingkan hasil yang dicapai oleh sistem dengan tujuan atau standar yang ditetapkan.
Jika sistem pengukuran berhasil memberikan hasil yang konsisten dan dapat diandalkan, maka sistem tersebut dianggap efektif dalam mendukung proses pengukuran.
Status produk "OK", appraiser memutuskan "OK", atau sebaliknya status produk "NG", appraiser memutuskan "NG". Standar untuk menyatakan efektivitas yang baik adalah minimal 90%.
Dalam konteks MSA, miss rate dapat diartikan sebagai seberapa sering sistem pengukuran gagal mendeteksi variasi yang seharusnya diidentifikasi atau diukur.
Miss rate dihitung dengan membagi jumlah kejadian yang terlewat (missed) oleh sistem dengan total jumlah kejadian yang seharusnya terdeteksi.
Jika sistem pengukuran tidak dapat mendeteksi variasi yang signifikan dalam pengukuran, ini bisa dianggap sebagai "miss" dalam evaluasi sistem pengukuran.
Status produk "REJECT", tetapi appraiser menyatakan produk tersebut "OK". Standar untuk menyatakan miss rate yan\g baik adalah maksimal 2%.
Dalam MSA, false alarm rate dapat diartikan sebagai seberapa sering sistem pengukuran memberikan indikasi ketidakstabilan atau perubahan yang sebenarnya tidak ada.
False alarm rate dihitung dengan membagi jumlah respons positif yang salah (false alarms) dengan total jumlah kejadian yang seharusnya tidak diidentifikasi.
Jika sistem pengukuran memberikan peringatan ketidakstabilan atau perubahan meskipun tidak ada perubahan yang signifikan, ini bisa dianggap sebagai false alarm dalam konteks MSA.
Status produk “OK”, tetapi appraiser menyatakan produk “REJECT”. Standar untuk menyatakan false alarm rate yang baik adalah maksimal 5%.
Dalam MSA, fokus utamanya adalah pada evaluasi dan peningkatan sistem pengukuran, memastikan bahwa variabilitas yang teramati dalam hasil pengukuran sebagian besar berasal dari variasi yang sebenarnya dari objek yang diukur, bukan dari sistem pengukuran itu sendiri. Oleh karena itu, interpretasi analogi ini mungkin berguna untuk memahami konsep-konsep tersebut dalam konteks MSA. Selamat melakukan MSA.
Semoga Artikel ini bermanfaat untuk melakukan Measurement System Analysis di perusahaan Anda.
Salam Improvement.
There is Always Room for Improvement!
What did you think of this post?