Kajian Tekno-ekonomi Layanan Kalibrasi (4/5)

BAB IV ANALISA TEKNIS

4.1 Model Perhitungan Accuracy berdasarkan metode BMC

Untuk mengukur tingkat ketelitian dan akurasi yang mampu diberikan oleh suatu Lab Kalibrasi memang tidak sederhana, karena perlu melakukan audit secara komprehensif dan perbandingan “aple to aple” dengan lab lain yang menawarkan jasa sejenis.

Dari pengalaman operasional kalibrasi selama ini, ada beberapa faktor biasa dijadikan bahan pertimbangan kastamer untuk memilih suatu Lab adalah :

· Sertifikasi yang bisa didapatkan, untuk Nasional adalah Komite Akreditasi Nasional (KAN) sedangkan untuk luar negeri yang sudah memiliki nama besar antara lain NAMAS (Inggris), NATA (Australia), NIST (USA).

· BMC yang mampu dihasilkan dalam proses kalibrasi. BMC ini analogi dengan “nilai saham” untuk gambaran kemampuan teknis. BMC ini terdaftar di website KAN dan selalu menjadi obyek audit setiap tahunnya. Dari sini, kastamer bisa melihat seberapa besar akurasi yang akan didapatkannya jika mengkalibrasikan alat ukurnya ke suatu Lab.

· Kemampuan teknis Lab, yang biasanya didapatkan dari pengalaman ketika melakukan kalibrasi di Lab tersebut, terutama jika teknisi melakukan kalibrasi ditempat kastamer (on site) dimana kastamer lebih leluasa untuk “mengawasi” kerja teknisi kalibrasi.

· Kualitas service kalibrasi, utamanya dalam hal kecepatan respon, kecepatan layanan,

kemudahan, keramahan pelayanan, dll.

Dari website bsn.or.id, didapatkan keterangan bahwa BMC terkait current area dan impedance adalah sbb :

image

Pertanyaannya apakah ini cukup informatif pada kastamer ?

Ada beberapa kelemahan pada BMC yang sudah diapprove oleh KAN ini, terutama bagi Lab Kalibrasi JayaAbadi antara lain :

· Tidak memberikan nilai akurasi sesungguhnya yang diinginkan kastamer. BMC memang dibuat bukan untuk UUT yang memiliki tingkat ketelitian bermacam-macam. BMC hanya dibuat untuk menunjukkan tingkat akurasi tertinggi yang mungkin bisa dilakukan oleh suatu Lab, sehingga spesifikasi UUT tidak perlu disebutkan di daftar BMC tersebut.

· BMC yang ada masih dirasakan minim informasi bagi kastamer, sehingga untuk mendapatkan informasi yang cukup sebagai pertimbangan “go or no go” untuk melakukan order kalibrasi, masih membutuhkan keterangan lain yang lebih detail dari Lab.

· BMC ini adalah hasil kesepakatan antara KAN dengan Lab, sehingga terkadang dalam beberapa kasus bukan merupakan gambaran kemampuan sesungguhnya dari suatu Lab.

· Dari sudut pandang Lab sendiri, selama ini BMC menjadi satu-satunya dokumen tentang akurasi. Perlu ada dokumen lain yang lebih rinci, dengan akses yang lebih cepat dan mudah baik bagi personel Lab maupun kastamer sendiri.

Karena itu dibutuhkan adanya suatu sistem selain BMC, didukung teknologi IT, berupa suatu database yang mengakomodasi masukan dari beberapa parameter, mudah diedit atau diubah besaran dan parameter-parameternya. Dan dalam penelitian ini disodorkan konsep model perhitungan “commercial uncertainty” yang penulis sebut dengan Offered Uncertainty.

4.2 Offered Uncertainty, sebuah alternatif Model Perhitungan Accuracy

Masukan-masukan untuk perhitungan Offered Uncertainty (untuk selanjutnya disingkat OU) ini merujuk kepada “model bottom up diperluas” yang sudah diuraikan pada bahasan pemodelan pada bab sebelumnya. Maka didapatkan model perhitungan offered uncertainty yang dipersentasikan pada gambar di bawah ini.

image

Gambar 15. Model Perhitungan Offered Uncertainty

Langkah-langkah perhitungan OU adalah sbb :

a. Masukan-masukan pada model ini akan dianalisa lebih dalam, kemudian dilihat dampaknya terhadap OU. Jika signifikan pengaruhnya, maka buatkan distribusi normalnya (karena semua input nanti akan dinormalkan sehingga secara total akan menghasilkan distribusi normal untuk angka OU).

Catatan :

clip_image001 Spesifikasi perangkat umumnya menggunakan distribusi rectangular, sehingga untuk mendapatkan standard uncertainty-nya diperoleh dengan membagi angka spesifikasi dengan angka

clip_image001[1] Infrastruktur eksisting, misalnya pengaruh suhu dan kelembaban, jika signifikan maka harus dimasukkan pula dalam model. Dan distribusi yang digunakan adalah rectangular. Angka uncertainty-nya sendiri bisa didapatkan dari buku manual / katalog, ataupun dengan melakukan eksperimen sendiri.

clip_image001[2] SDM sebagai pelaksana kalibrasi memegang peran sangat penting dalam pemodelan ini, karena antar teknisi terkadang bisa berbeda ketelitian dalam proses produksi, walaupun sudah ada standarisasi melalui quality work instruksi (QWI), dimana setiap teknisi wajib melakukan kalibrasi berdasarkan metode yang tertulis pada QWI tersebut. Jika ada kondisi dimana ada kemungkinan perbedaan hasil seperti ini, maka muncul inkonsistensi, dan hal ini memperbesar uncertainty yang dihasilkan. Solusi yang ada adalah dengan melakukan proficiency testing, dengan perbedaan (delta) antar teknisi yang ada kemudian menjadi besaran yang akan dijadikan input dalam model. Distribusi yang digunakan tergantung dari hasil analisa statistik, namun nantinya harus dinormalkan.

clip_image001[3] Di tengah-tengah masa kalibrasi, perlu dilakukan pengecekan antara untuk calibrator atau standard. Jika dari kegiatan ini muncul kecurigaan adanya deviasi dengan hasil yang ditunjukkan sertifikat atau spesifikasi pabrikan, maka deviasi ini harus bisa diakomodasikan sebagai input pada model.

clip_image001[4] Untuk parameter Sertifikat kalibrasi, perlu diketahui dulu distribusi apa yang digunakan sebagai asumsi perhitungan oleh Lab Kalibrasi yang melakukan kalibrasi terhadap calibrator atau standar (biasanya di luar negeri). Untuk selanjutnya distribusi dan angka-angka uncertainty yang terkait harus disesuaikan dengan metode perhitungan Lab JayaAbadi.

clip_image001[5] Untuk pengaruh Demand, kondisi ekonomi dan BMC yang dimiliki kompetitor, ketiga faktor ini memiliki efek tidak langsung. Jadi jika ada demand dimana memerlukan suatu uncertainty yang lebih baik lagi dibandingkan dengan OU, maka Lab harus melakukan analisa mendalam atas kemungkinan untuk bisa mengurangi faktor-faktor masukan uncertainty. Mungkin ada yang bisa dikurangi besarnya, atau mungkin perlu menghitung lagi untuk titik-titik ukur tertentu. Atau bisa jadi jika memang BMC kompetitor jauh lebih baik dibanding OU yang dimiliki Lab, dan ternyata kompetitor memiliki calibrator yang relatif sama dengan yang dimiliki Lab JayaAbadi, maka solusi lainnya mungkin adalah dengan melakukan kalibrasi ke Lab lain di luar negeri yang lebih baik akurasinya, sampai calibrator bisa mendapatkan angka akurasi yang lebih teliti (uncertainty yang lebih kecil). Singkatnya, ada beberapa variasi teknis dalam menilai pengaruh deman, kondisi ekonomi dan BMC kompetitor ini.

b. Perhitungan offered uncertainty tidak menggunakan metode baru, tetap menggunakan kaidah atau aturan KAN dan ISO Guide 17025.

4.3 Contoh Perhitungan Offered Uncertainty

Proses input sampai perhitungan Offered Uncertainty sebaiknya dilakukan memanfaatkan IT. Bisa dibuat database sederhana misalnya menggunakan mySQL, dibalut dengan aplikasi PHP, maka bisa dibuat aplikasi web. Pada tahap awal, bisa digunakan di sekitar jangkauan LAN di sekitaran kantor saja, namun nantinya bisa diporting sampai ke level yang lebih luas. Agak sulit jika model perhitungan offered uncertainty ini mengunakan cara lama (manual), akan terlalu banyak waktu yang akan terbuang.

Berikut diberikan contoh langkah-langkah perhitungan offered uncertainty untuk parameter pengukuran DC Voltage berdasarkan pemodelan yang telah dibuat sebelumnya.

1. Masukkan semua macam input yang bisa mempengaruhi uncertainty berbasiskan model, seperti yang dapat dilihat pada tabel berikut :

image

1. Dari tiap input yang ada, carilah sumber uncertainty-nya dan deskripsi kondisi yang menyertainya. Sumber uncertainty bisa lebih dari satu untuk tiap satu input, demikian juga kondisinya. Kombinasi antara sumber nama input, kondisi dan sumber uncertainty ini memberikan besar sumbangan yang berbeda-beda pada uncertainty gabungan.

2. Untuk setiap baris, carilah jenis distribusi, nilai dan satuannya. Carilah ketidakpastian bakunya, yaitu dengan cara membagi nilai dengan divider.

Catatan :

Sesuai dengan Pedoman Evaluasi dan Pelaporan Ketidakpastian Pengukuran dari KAN, divider untuk beberapa distribusi adalah sbb :

a. Pada distribusi kemungkinan rectangular, ketidakpastian bakunya diperoleh dengan membagi semi-range ‘a’ dengan

image

b. Pada distribusi kemungkinan rectangular, ketidakpastian bakunya diperoleh dengan membagi semi-range ‘a’ dengan

image

c. Pada distribusi kemungkinan bentuk-U, ketidakpastian bakunya diperoleh dengan membagi semi-range ‘a’ dengan

image

d. Pada distribusi Gaussian atau Normal, ketidakpastian bakunya diperoleh dengan membagi uncertainty dengan faktor cakupan yang tepat berdasarkan tabel distribusi-t, yaitu dimana U adalah uncertainty bentangan tingkat kepercayaan tertentu dan k adalah faktor cakupan.

image

3. Maka didapatkan uncertainty baku untuk tiap sumber uncertainty ini berikut dividernya.

image

1. Akhirnya didapatkan uncertainty akumulasi dari semua ketidakpastian baku yang didapatkan, angka 5.2 ppm (menggunakan k = 2, dengan confidence level 95%).

Catatan :

· Untuk kondisi yang berbeda, maka nilai yang dimasukkan akan berbeda pula, bahkan dividernya pun bisa berubah, sesuai dengan kondisi yang terjadi. Misalnya jika terjadi kasus adanya refleksi konektor frekuensi radio pada suatu pengukuran, maka parameter ini harus dimasukkan dalam perhitungan, dan distribusi yang digunakan adalah distribusi kemungkinan bentuk U.

· Perhitungan ini sebaiknya dimasukkan dalam suatu database, sehingga memudahkan dalam perhitungan dan penyimpanan nilai-nilainya.

Tidak ada komentar:

Poskan Komentar