Gunakan Data Sebelum Anda Berjalan: Cara Memutuskan Di Mana Harus Melihat Lebih Dulu

Disclosure: M365.FM host Mirko Peters works at iFAKT GmbH. This page describes the company factually; paid partnerships and links are labelled as advertising.

By Mirko Peters · 2026-11-11

Data gemba walk membantu Anda memilih di mana harus melihat lebih dulu. Gunakan OEE, antrean, dan pesanan terlambat untuk memilih satu lini dan satu pertanyaan, lalu verifikasi angkanya di lantai produksi.

Automatically translated with AI from the original post. Read the English original

Gemba walk memberi hasil terbaik ketika Anda pergi ke tempat yang tepat dengan pertanyaan yang jelas. Data gemba walk membantu Anda memilih keduanya. Artikel ini ditujukan bagi manajer operational excellence yang menginginkan cara sederhana untuk mengubah data pabrik menjadi daftar singkat tempat yang perlu dikunjungi. Artikel ini membahas empat tampilan data, cara membaca OEE dan antrean sebelum turun ke lapangan, metode untuk mengubah angka menjadi pertanyaan, serta contoh dengan tiga lini. Gemba adalah istilah bahasa Jepang yang berarti "tempat yang sebenarnya", yaitu tempat pekerjaan berlangsung. Lean Enterprise Institute menjelaskan istilah ini dalam entri leksikon lean tentang gemba.

Poin Penting

• Gunakan data gemba walk untuk memilih tempat yang akan dikunjungi dan pertanyaan yang akan diajukan. Saat berjalan, Anda kemudian memeriksa apakah angka-angka tersebut menggambarkan kenyataan dan menemukan penyebab di baliknya.
• Lihat empat tampilan data sebelum berjalan: OEE per lini, antrean dan waktu tunggu, pesanan terlambat dibandingkan rencana, serta kualitas atau pengerjaan ulang.
• OEE adalah ketersediaan dikali performa dikali kualitas. Faktor terlemah dari ketiganya menunjukkan apa yang perlu dicari di lantai produksi.
• Antrean yang terus membesar di depan suatu tahap adalah tanda bottleneck. Mulailah jalan-jalan Anda dari tahap dengan antrean terpanjang.
• Tuliskan satu pertanyaan dari data, lalu berjalanlah. Jangan pernah menyajikan angka sebagai vonis. Tunjukkan angka tersebut kepada tim dan tanyakan apa yang mereka lihat.

Data gemba walk: apa yang perlu dilihat sebelum berjalan

Anda tidak memerlukan sistem baru untuk menyiapkan gemba walk, dan Anda juga tidak memerlukan aplikasi gemba walk digital. Spreadsheet sudah cukup untuk pengumpulan data di awal. Empat tampilan data yang kemungkinan besar sudah Anda miliki sudah memadai:

1. OEE atau output per lini. Overall equipment effectiveness menunjukkan porsi waktu yang direncanakan yang benar-benar produktif. Perhatikan tren, bukan hanya satu shift.
2. Antrean dan waktu tunggu. Work in progress di depan setiap tahap menunjukkan di mana alur kerja melambat.
3. Pesanan terlambat dibandingkan rencana. Pesanan mana yang melewati tenggat, dan di area mana pesanan tersebut menunggu?
4. Kualitas dan pengerjaan ulang. Di mana part gagal, dan di mana part dikerjakan ulang?

Tambahkan satu sumber informal: catatan dari gemba walk terakhir Anda. Tindakan korektif yang masih terbuka menunjuk ke tempat-tempat yang masih membutuhkan perhatian. Tuangkan empat tampilan data dan tindakan terbuka tersebut ke dalam daftar periksa gemba walk satu halaman, agar setiap gemba walk dimulai dengan cara yang sama dan Anda dapat membandingkan satu kunjungan dengan kunjungan berikutnya.

Aturannya sederhana. Carilah selisih terbesar antara rencana dan realisasi, serta perubahan dibandingkan minggu lalu. Lini yang selalu berada di 60 persen adalah cerita yang berbeda dibandingkan lini yang turun dari 80 menjadi 65 persen dalam dua minggu. Tuliskan dua atau tiga kandidat beserta data yang melatarbelakangi masing-masing. Kemudian pilih satu, karena satu pertanyaan per gemba walk sudah cukup. Gunakan daftar periksa untuk melakukan kunjungan dengan urutan yang sama setiap kali.

Data bisa menyesatkan. Sebuah KPI mungkin diukur secara berbeda di dua lini, atau kode henti dipakai secara longgar. Anggap angka-angka itu sebagai hipotesis. Gemba walk menguji apakah data benar-benar menggambarkan apa yang terjadi. Di sinilah benang merah antara data dan perbaikan berkelanjutan: data menunjukkan peluang perbaikan dan area yang layak dicermati lebih dekat, sementara gemba walk memperlihatkan masalah nyata di baliknya.

Cara membaca data OEE sebelum gemba walk

OEE adalah cara standar untuk mengukur seberapa baik peralatan dimanfaatkan. Panduan Lean Production dari Vorne Industries mendefinisikannya sebagai persentase waktu produksi yang direncanakan yang benar-benar produktif, dan memberikan rumusnya sebagai ketersediaan × kinerja × kualitas. Anda dapat membacanya di panduan OEE.

Setiap faktor memberi tahu Anda apa yang perlu dicari:

• Ketersediaan adalah waktu operasi dibagi waktu produksi yang direncanakan. Nilai rendah menunjuk pada henti: kerusakan, kekurangan material, pergantian produk. Di lantai produksi, tanyakan apa yang menghentikan mesin dan berapa lama waktu untuk menyalakannya kembali.
• Kinerja membandingkan output aktual dengan waktu siklus ideal. Nilai rendah menunjuk pada siklus yang lambat dan henti-henti kecil. Di lantai produksi, amati siklus demi siklus dan tanyakan apa yang membuat mesin berjalan di bawah kecepatan idealnya.
• Kualitas adalah jumlah produk baik dibagi total jumlah produk. Nilai rendah menunjuk pada scrap dan pengerjaan ulang. Di lantai produksi, tanyakan di mana cacat mulai muncul dan bagaimana cacat itu ditemukan.

Panduan tersebut menyatakan bahwa OEE 85 persen dianggap kelas dunia untuk produsen diskret, dan menggambarkan 60 persen sebagai angka yang cukup umum. Ingatlah bahwa ini adalah pernyataan dari satu vendor sistem OEE, bukan standar. Gunakan riwayat Anda sendiri sebagai tolok ukur utama. Pertanyaannya adalah apakah sebuah lini membaik, bukan apakah lini itu mencapai angka dari sebuah halaman web.

Temukan bottleneck terlebih dahulu

OEE memberi tahu Anda tentang satu mesin. Untuk memilih di antara beberapa mesin, lihat alurnya. Bottleneck adalah sumber daya atau langkah proses yang membatasi jumlah pekerjaan yang dapat melewati sistem produksi dalam periode tertentu. Antrean adalah jejaknya. Jika pekerjaan menumpuk di depan satu langkah dan langkah-langkah setelahnya menunggu komponen, langkah itu membatasi seluruh lini.

Gunakan data untuk menemukannya:

• Urutkan langkah-langkah berdasarkan jumlah pekerjaan yang menunggu di depannya.
• Bandingkan tingkat utilisasi langkah-langkah tersebut. Langkah yang paling sibuk, dan di depannya pekerjaan menunggu, adalah kandidatnya.
• Periksa apakah bottleneck telah berpindah sejak bulan lalu. Setelah gangguan, bottleneck dapat bergeser ke mesin lain, langkah inspeksi, atau seorang pekerja.

Satu menit yang hilang di bottleneck berarti satu menit yang hilang untuk seluruh lini. Satu menit yang hilang di langkah dengan kapasitas cadangan mungkin tidak berdampak apa pun. Itulah sebabnya gemba walk di bottleneck sering memberikan imbal hasil tertinggi.

Dari data menuju sebuah pertanyaan

Ubah angka-angka menjadi satu pertanyaan dalam lima langkah:

1. Daftarkan kesenjangannya. Catat tiga kesenjangan terbesar antara rencana dan realisasi.
2. Pilih satu tempat. Pilih lini atau langkah dengan kesenjangan terbesar dan perubahan paling baru.
3. Tulis pertanyaan yang tidak bisa dijawab oleh data. "Mengapa kinerja turun di lini C?" lebih baik daripada "Mengapa lini C buruk?"
4. Tunjukkan data kepada tim. Bawa bagan satu halaman dan tanyakan kepada anggota tim apa yang mereka lihat. Mereka sering tahu penyebabnya, dan ide pemecahan masalah mereka biasanya praktis.
5. Periksa data di lantai produksi. Hitung sendiri beberapa siklus atau henti. Apakah hitungan Anda sesuai dengan sistem?

Contoh: memilih di antara tiga lini

Ini adalah contoh ilustratif dengan angka rekaan. Seorang manajer operational excellence meninjau data OEE minggu lalu untuk tiga lini.

• Lini A: ketersediaan 90 persen, kinerja 85 persen, kualitas 98 persen. OEE = 0,90 × 0,85 × 0,98 = 0,7497, sekitar 75 persen.
• Lini B: ketersediaan 82 persen, kinerja 90 persen, kualitas 95 persen. OEE = 0,82 × 0,90 × 0,95 = 0,7011, sekitar 70 persen.
• Lini C: ketersediaan 88 persen, kinerja 78 persen, kualitas 99 persen. OEE = 0,88 × 0,78 × 0,99 = 0,6795, sekitar 68 persen.

Lini C memiliki OEE terendah. Faktor terlemahnya adalah performa sebesar 78 persen, sementara kualitasnya hampir sempurna. Itu menunjukkan siklus yang lambat atau banyak henti kecil, bukan scrap. Data antrean menunjukkan bahwa lini C juga memiliki antrean terpanjang di depan mesin keduanya.

Pertanyaannya untuk gemba walk: "Apa yang membuat mesin 2 di lini C berjalan di bawah kecepatan idealnya?" Ia merencanakan 30 menit di mesin tersebut. Ia akan menghitung siklus selama 10 menit, mencatat henti-henti kecil, dan menanyakan kepada operator apa penyebabnya. Jika hitungan henti miliknya berbeda dengan sistem, itu juga merupakan temuan: data mungkin keliru.

Angka-angka itu tidak memberitahunya penyebabnya. Angka-angka itu memberitahunya di mana harus mulai.

Cara menggunakan data setelah Anda berada di lantai produksi

Data sudah menjalankan tugasnya saat Anda tiba. Sekarang singkirkan sejenak data itu dan amatilah. Berikut rutinitas sederhana untuk 30 menit pertama di stasiun yang dipilih:

1. Sampaikan alasan kedatangan Anda. Beri tahu operator angka mana yang menarik perhatian Anda dan bahwa Anda ingin memahaminya, bukan menghakiminya.
2. Amati dua atau tiga siklus tanpa bertanya apa pun. Anda membutuhkan gambaran sendiri sebelum mendengarkan penjelasan.
3. Bandingkan dengan sistem. Hitung henti, waktu tunggu, atau scrap selama sepuluh menit. Tuliskan hasil hitungan tersebut di samping angka yang Anda lihat di dasbor.
4. Ajukan pertanyaan terbuka. "Apa yang biasanya menghambat di sini?" lebih efektif daripada "Mengapa OEE rendah?" Operator mengetahui henti-henti kecil yang tidak tertangkap oleh kode mana pun.
5. Catat apa yang tidak tertangkap data. Jika lantai produksi menunjukkan masalah yang tidak pernah disebutkan dasbor, itu adalah temuan. Bisa jadi Anda membutuhkan kode henti baru atau ukuran baru.

Jika dasbor Anda menampilkan data real-time, periksalah di stasiun dan bandingkan dengan hasil hitungan Anda. Setelah proses gemba walk selesai, perbarui tampilan data Anda. Tambahkan kode alasan yang diberikan orang-orang kepada Anda. Lain kali, grafik akan memberi lebih banyak informasi, dan pertanyaan Anda akan menjadi lebih tajam. Dalam hitungan minggu, hal ini membangun budaya perbaikan berkelanjutan, karena tim melihat bahwa jawaban mereka mengubah data dan data mengubah pekerjaan. Gemba walk yang baik dan dilakukan dengan data merupakan kebiasaan inti manajemen lean dan keunggulan operasional, karena memastikan keputusan yang tepat bertumpu pada fakta, peningkatan produktivitas bertahan, dan karyawan tetap terlibat dalam pekerjaan perbaikan. Begitulah dasbor KPI dan gemba walk saling memperbaiki: dasbor mengarahkan Anda ke tempat yang tepat, dan gemba walk memperbaiki dasbor.

Kesalahan umum

• Menggunakan data sebagai vonis. Jika Anda datang dengan grafik dan tuduhan, tim akan membela angka-angka alih-alih menjelaskannya.
• Mempercayai data begitu saja. Periksa sampel di lantai produksi. Kode henti yang keliru sangat umum.
• Hanya melihat satu shift. Gunakan tren beberapa minggu untuk menghindari pengejaran fluktuasi acak.
• Melewatkan lini yang baik. Bandingkan dengan lini yang berkinerja baik. Perbedaannya sering menunjukkan penyebabnya.
• Selalu hanya mengunjungi lini terburuk. Lakukan rotasi, atau tim akan merasa disorot secara khusus.
• Menyiapkan terlalu banyak hingga Anda berhenti mengamati. Data berfungsi untuk memilih tempat. Di lantai produksi, amatilah pekerjaannya.

Bagaimana perangkat lunak dapat membantu

Mengumpulkan pandangan ini secara manual memakan waktu, dan alat dapat menyederhanakan pekerjaan serta mendukung efisiensi operasional. Dasbor KPI menyatukannya. iFAKT's Polaris Analyzer adalah modul dari perangkat lunak produksi Polaris, dengan dasbor KPI di seluruh modul yang membandingkan nilai rencana dan aktual dalam produksi. Tampilan rencana dibandingkan aktual membantu Anda memilih area untuk gemba walk berikutnya. Penjelasannya tetap harus datang dari orang-orang yang menjalankan prosesnya.

Langkah berikutnya

Ambil data minggu lalu, pilih lini dengan selisih terbesar antara rencana dan aktual, lalu tuliskan satu pertanyaan untuknya. Setelah itu, uji angka-angka tersebut di lantai produksi dan bandingkan hitungan Anda sendiri dengan dasbor, karena data gemba walk adalah titik awal, bukan jawabannya.