Analisis Akar Masalah bagi Produsen: Panduan Definitif dan Tindakan

Menemukan Sumber Masalah di Lantai Produksi

Manufaktur dapat menjadi upaya yang kacau, berkecepatan tinggi, dan kompleks, memaksa produsen untuk tidak hanya mengidentifikasi tetapi juga menyelesaikan tantangan unik. Masalah-masalah ini dapat memperlambat produksi, menciptakan hambatan atau penangguhan ketika tidak diharapkan. Ketika masalah semacam itu muncul, banyak orang beralih ke analisis akar masalah (RCA) untuk membantu mengimplementasikan solusi.

Berikut adalah apa yang akan kita bahas dalam panduan mendalam ini tentang mengidentifikasi akar masalah. Silakan lewati ke bagian tertentu:

• Apa itu Analisis Akar Masalah?
• Manfaat RCA
• Cara Melakukan Analisis Akar Masalah
• Metode dan Alat yang Tersedia
• Mengeksplorasi Contoh Analisis Akar Masalah

Apa itu Analisis Akar Masalah?

Analisis akar masalah, atau RCA, adalah proses spesifik yang mengakui bahwa gangguan dan masalah dapat ditelusuri ke penyebab tertentu dan bahwa solusi untuk memperbaiki penyebab itu akan bergema melalui rantai dan menghasilkan keadaan yang lebih baik. RCA mencoba mengidentifikasi penyebab cacat dan masalah daripada sekadar mengatasi gejala atau "memadamkan kebakaran."

Manfaat Analisis Akar Masalah

Analisis akar masalah diakui sebagai komponen kritis baik dalam metodologi manufaktur lean maupun Six Sigma. Ini mengoptimalkan waktu yang diperlukan untuk menelusuri penyebab masalah dan memberikan struktur untuk pemecahan masalah dalam manufaktur.

Manfaat analisis akar masalah meliputi:

• Penghematan Biaya
  • Karena analisis akar masalah mengatasi "penyakit" dan bukan gejalanya, ini dapat mengurangi biaya dengan menurunkan waktu henti, mengurangi cacat, dan meningkatkan proses.
• Proses yang Realistis
  • Banyak perusahaan manufaktur beroperasi dengan proses yang sebagian rusak. Analisis akar masalah membantu mengoptimalkan proses untuk memberikan solusi praktis dan menetapkan SOP yang dapat diikuti tanpa memotong sudut atau menyimpang dari proses.
• Otomatisasi
  • Saat ini, pabrik memiliki akses dan wawasan terhadap data lebih dari sebelumnya. Data ini dapat diurai, dianalisis, dan dikontekstualkan untuk membuat analisis akar masalah dapat dikonsumsi oleh departemen dan pabrik lain dalam perusahaan yang sama. Ini bertindai sebagai penguat untuk perbaikan.
• Keproaktifan
  • Karena otomatisasi melalui analisis data secara ideal cocok untuk hasil analisis akar masalah, kekhawatiran keamanan, pemeliharaan, dan kualitas dapat diprediksi dengan lebih akurat dan ditindaklanjuti dengan cepat untuk mengurangi waktu henti.

Cara Melakukan Analisis Akar Masalah

Pendekatan analisis akar masalah akan berbeda dari perusahaan ke perusahaan serta dari masalah ke masalah. Ini mungkin fokus pada masalah spesifik mesin di seluruh tipe mesin OEM tertentu. Ini juga dapat digunakan untuk analisis hambatan antara departemen. Atau ini dapat digunakan untuk mengatasi cacat pabrik-wide dalam perusahaan.

Secara umum, ada enam langkah yang terlibat dalam analisis akar masalah:

1. Mendefinisikan Masalah

Langkah pertama adalah yang paling kritis. Semua anggota tim harus memahami masalah. Ini harus dinyatakan secara objektif. Dan ini memerlukan pertanyaan klarifikasi untuk menentukan bahwa ini memang masalah atau hambatan mendesak. Ini adalah tahap yang paling luas dan adalah pernyataan masalah umum seperti tingkat cacat, hambatan, atau pengiriman yang terlewat.

2. Mengumpulkan Data

Pengumpulan data sangat penting dalam analisis akar masalah. Di sini, anggota tim mencoba untuk mencantumkan sebanyak mungkin elemen penyebab. Semua ada di meja, dan daftar dapat luas dan rinci. Saat ini, lebih mudah untuk menemukan dan memanfaatkan data dalam analisis akar masalah karena banyak produsen peralatan OEM menyematkan pengumpulan data dalam mesin mereka. Ini juga mungkin kasus bahwa pabrik telah menerapkan perangkat pengumpulan data untuk mesin yang tidak memilikinya secara asli.

3. Memisahkan Penyebab dari Gejala

Seringkali terjadi kebingungan antara gejala dan penyebab. Beberapa alat dan metode dapat membantu dalam menelusuri untuk memisahkan gejala dari penyebab. Asumsinya adalah jika penyebab dapat ditentukan dan diperbaiki, gejala akan berhenti ada. Di sini, pengumpulan data juga dapat sangat penting karena banyak sistem pengumpulan data memiliki analitik yang mampu menentukan kategori masalah.

4. Menentukan Tindak Lanjut Perbaikan

Setelah akar masalah ditentukan, solusi yang efektif dapat dirancang. Ini dapat mencakup pelatihan, modifikasi mekanis, tata letak lantai, atau kemampuan pengumpulan data dan analisis yang lebih kuat. Seringkali, data dapat membantu dalam merancang tindak lanjut perbaikan. Dengan memiliki data dan wawasan real-time di tangan ketika akar masalah ditentukan, manajer dapat menciptakan solusi yang relevan dan nyata berdasarkan data aktual.

5. Menerapkan Solusi

Setelah akar masalah ditetapkan dan tindak lanjut perbaikan diidentifikasi, tim harus menerapkan solusi. Ini berarti merevisi atau mengganti SOP lama, membuat workflow baru, dan mengaudit hasilnya. Semu dalam kemampuan pengumpulan data, semakin besar dampak analisis pada solusi yang dipilih. Ini bahkan mungkin memungkinkan untuk memprogram tindakan otonom atau semi-otonom oleh mesin untuk membantu menerapkan atau memantau kemajuan solusi atau mempengaruhi pertumbuhannya.

6. Memvalidasi dan Memperluas Hasil

Tidak ada solusi yang bertahan lama tanpa proses audit. Bagian audit ini harus memvalidasi efektivitas solusi. Ini menjadi lebih mudah saat pengumpulan data kuat dan diberlakukan analisis real-time. Dengan demikian, keabsahan solusi dapat dipantau atau disesuaikan untuk meningkatkan efektivitas. Dan jika jawaban berhasil, akar masalah dapat ditransfer ke proses dan departemen lain dalam perusahaan.

Analisis akar masalah dapat dilakukan oleh tim secara manual. Namun ketika digabungkan dengan pengumpulan dan analisis data lanjutan, ini mempercepat dan meningkatkan dampaknya. Solusi dapat diterapkan ke pabrik dan departemen lain yang mengalami masalah serupa, dan ini dapat meningkatkan efisiensi produksi dan mengurangi cacat dalam produksi.

Metode dan Alat Analisis Akar Masalah

Bagi perusahaan yang melakukan analisis akar masalah, terdapat banyak alat dan metodologi yang tersedia untuk digunakan. Kami memberikan ringkasan singkat tentang banyak strategi ini di bawah ini:

The Five Whys

Salah satu alat analisis akar masalah yang paling sederhana adalah juga salah satu yang paling efektif. Cukup bertanya "mengapa" lima kali dapat membantu menelusuri penyebab. Ini memaksa pemikiran yang lebih dalam dan lebih kritis hingga semua alasan habis. Secara realistis, mungkin sedikit lebih atau kurang dari lima, tetapi metodologinya adalah jawaban akhir dapat terungkap dengan bertanya mengapa hingga semua solusi diadopsi.

Fishbone Diagrams

Fishbone diagrams, juga dikenal sebagai Ishikawa diagrams, adalah grafik penyebab dan efek visual yang membantu membangun penyebab dari semua faktor penyumbang. Masalah dianggap sebagai "kepala" ikan. Penyebab dikategorikan sebagai tulang yang lebih kecil di bawah daftar kategori penyebab. Aspek visual membantu tim menilai opsi yang mungkin tidak terpikir dalam pemikiran abstrak saja.

Image source

Failure Mode and Effects Analysis

Untuk produk dengan kompleksitas tinggi yang kinerja berlanjutnya kritis, failure mode and effects analysis (FMEA) adalah opsi untuk menentukan akar masalah. Metode ini melihat area di mana kegagalan desain mungkin terjadi. Dalam banyak hal, ini mencari akar masalah cacat dan kegagalan sebelum terjadi. Ini dapat membantu dalam menentukan kegagalan proses untuk rangkaian atau manufaktur.

Fault Tree Analysis

Untuk analisis akar masalah dalam sistem keamanan kritis di mana kesalahan teknis dapat menyebabkan efek berbahaya, fault tree analysis (FTA) adalah alat analisis akar masalah yang efektif. Ini membantu memahami bagaimana kegagalan sistem dapat terjadi dan kegagalan apa yang mungkin. "Keadaan yang tidak diinginkan" ini kemudian ditetapkan ke peristiwa gagal level rendah dalam pohon yang membantu mengidentifikasi kegagalan yang mungkin dan memungkinkan insinyur merancang untuk menyesuaikan atau menghilangkan risiko kegagalan.

Pareto Charts

Pareto chart adalah metode visualisasi yang teruji dan benar lainnya yang membantu tim memahami frekuensi masalah dalam analisis akar masalah. Ini "meningkatkan" masalah secara visual untuk membantu tim mengetahui apa yang harus mereka tangani pertama. Pareto charts juga berharga ketika ada banyak penyebab yang berbeda.

Dengan mencantumkan mereka berdasarkan urutan kepentingan, solusi dapat dirancang terlebih dahulu untuk menghilangkan cacat yang paling signifikan. Analisis akar masalah, seringkali bagian dari metodologi lean atau six sigma, kemudian dapat diulang untuk mengatasi beberapa level berikutnya pada grafik untuk melanjutkan perbaikan melewati fase awal.

Pareto charts memudahkan untuk menentukan 20% masalah yang menyebabkan 80% masalah.

Is/Is Not Analysis

Dikatakan bahwa setengah kehidupan adalah mengetahui apa yang tidak boleh dilakukan. Seperti five whys, Is/Is Not Analysis sederhana namun kuat. Dengan secara visual memecah masalah menjadi kategori "is" dan "is not", tim analisis akar masalah dapat membuat daftar untuk difokuskan yang membantu mereka memahami kondisi apa yang memengaruhi situasi dan yang tidak. Ini menjaga tim tetap pada jalur dan mencegah mereka mencantumkan atau mengejar penyebab palsu.

Mengeksplorasi Contoh Analisis Akar Masalah dengan MachineMetrics

Menemukan akar masalah dari masalah apa pun memerlukan tim yang berdedikasi dan kerja keras. Dan semakin manual usahanya, semakin lama waktu yang akan dibutuhkan untuk modifikasi proses. Namun tim optimasi proses saat ini memiliki sekutu dalam perjuangan untuk menentukan akar masalah.

Pengumpulan data dengan cepat menjadi standar dalam lingkungan manufaktur saat ini. Perangkat pengumpulan data yang canggih, perangkat lunak, dan program analitik menggantikan spreadsheet, grafik yang dibuat secara manual, dan sistem input berbasis manusia yang digunakan untuk analisis akar masalah.

Dengan platform seperti MachineMetrics, perusahaan sekarang dapat menggunakan pengumpulan data otomatis secara real-time serta analitik lanjutan untuk menghasilkan data yang dapat digunakan, distandardisasi, dan dikontekstualkan bagi mereka yang mencari akar masalah. Data yang dikumpulkan langsung dari kontrol mesin berarti akurasi dan akar masalah yang tidak bias dapat ditentukan lebih cepat dan lebih efektif daripada proses manual.

Mari kita jelajahi beberapa contoh bagaimana MachineMetrics dapat digunakan untuk mengidentifikasi penyebab masalah di lantai produksi Anda:

RCA secara Real-Time: Dasbor Shift Saat Ini

Dasbor shift saat ini adalah solusi yang bagus untuk memantau kemajuan produksi secara real-time. Ini memberikan visibilitas kinerja terhadap target sehingga operator dapat membandingkan kinerja yang diharapkan dan aktual. Dengan cara ini, Anda dapat memberdayakan operator dan manajer untuk mengidentifikasi masalah secara langsung.

Ini adalah strategi jangka pendek dan real-time yang bagus untuk mengatasi masalah sehari-hari, sebelum analisis yang lebih mendalam dapat diselesaikan.

Ada beberapa tampilan yang dapat digunakan untuk dasbor shift saat ini, termasuk bagian target, OEE, penggunaan, dan waktu henti.

Pelanggan kami biasanya memasang monitor di seluruh lantai produksi sehingga semua pemangku kepentingan memiliki visibilitas penuh di seluruh mesin yang berlaku.

Identifikasi Penyebab Utama Waktu Henti dengan Laporan Pareto

Salah satu laporan yang paling berguna untuk memahami alasan waktu henti adalah Laporan Pareto Waktu Henti, yang akan mengagregasi semua alasan waktu henti yang tercatat.

Dengan laporan ini, Anda dapat dengan mudah mengidentifikasi alasan waktu henti yang paling parah. Selain itu, Anda dapat mengsegementasi data di antara shift yang berbeda, sel mesin, atau bahkan mesin individu untuk melihat yang lebih terperinci di mana masalah mungkin ada. Selain itu, Anda dapat melihat di mana waktu henti yang tidak terencana terjadi versus waktu henti yang terjadwal.

Kategori waktu henti umum termasuk pergantian alat berlebihan, pergantian pekerjaan berlebihan, kurangnya operator, dan pemeliharaan mesin yang tidak terencana. Dengan MachineMetrics, tidak hanya Anda akan memiliki tampilan waktu henti yang akurat, tetapi Anda akan dapat menentukan di mana masalah Anda.

Laporan Pareto Waktu Henti MachineMetrics memvisualisasikan alasan teratas waktu henti di lantai produksi.

Menganalisis Laporan Produksi untuk Mengidentifikasi Ketidakefisienan Produksi

Ada banyak metrik yang tersedia dalam Laporan Produksi MachineMetrics. Manajer perbaikan berkelanjutan, pengawas lantai produksi, dan insinyur dapat menganalisis laporan produksi untuk lebih memahami bagaimana pabrik berkinerja. Ketika datang untuk mengoptimalkan efisiensi Anda, ada beberapa metrik efisiensi produksi dan waktu pengerjaan pekerjaan yang Anda inginkan untuk memastikan ada dalam laporan:

Efisiensi Produksi

Metrik yang tersedia dalam Laporan Produksi terkait efisiensi produksi mesin untuk Pekerjaan yang selesai meliputi:

• Efisiensi Produksi
• Total Waktu Bagian
• Waktu Bagian Aktual
• Rata-rata PPH
• PPH Ideal
• PPH yang Diharapkan
• Waktu Bagian yang Diharapkan
• Waktu Bagian Ideal
• Total Setup
• Setup yang Diharapkan

Waktu Pengerjaan Pekerjaan

Metrik yang tersedia dalam Laporan Produksi terkait waktu mesin untuk Pekerjaan yang selesai meliputi:

• Waktu Mulai Pertama
• Waktu Akhir Terakhir

Laporan Produksi dipenuhi informasi tentang seberapa efisien bagian dan pekerjaan diselesaikan.

Mulai Mengidentifikasi Ketidakefisienan Hari Ini

Dengan MachineMetrics, data lantai produksi secara otomatis dikumpulkan secara real-time, dan distandardisasi untuk menyebarkan laporan (dan kustom) siap pakai dan visualisasi. Kembalikan kekuatan ke tangan pengambil keputusan dengan data yang akurat yang menjelaskan dengan tepat apa yang terjadi di lantai produksi, menyediakan visibilitas untuk membuat keputusan yang lebih baik.

Mulai mengidentifikasi ketidakefisienan dan memperbaiki masalah hari ini. Pesan demo dengan tim kami hari ini untuk membahas bagaimana MachineMetrics dapat mengurangi waktu henti, meningkatkan kapasitas, dan mendorong dampak bottom-line untuk organisasi Anda.

Mulai Mengidentifikasi Masalah Produksi

Book a Demo