Journal of Artificial Intelligence and Digital Business
Vol. 5 No. 1 (2026): Februari - April

Analisis Pengendalian Kualitas Produk Cacat Komponen Common rail AF di Line Produksi C1 Mengunakan Metode FMEA & AHP Studi Kasus PT XYZ

Pratama, Anggit Eka (Unknown)
Rahmana, Arief (Unknown)



Article Info

Publish Date
02 Feb 2026

Abstract

Pada industri otomotif, komponen common rail berperan vital dalam sistem bahan bakar diesel karena menyalurkan bahan bakar bertekanan tinggi ke ruang bakar. Tingginya produk cacat dapat menimbulkan kerugian finansial bagi perusahaan. Standar perusahaan menetapkan batas cacat maksimum 0,2% dari total produksi, namun pada line produksi C1 rata-rata tingkat cacat mencapai 0,47% sehingga pengendalian kualitas belum optimal. Penelitian ini bertujuan mengidentifikasi jenis cacat dominan, menentukan prioritas penanggulangan, dan memberikan usulan perbaikan. Metode Failure mode and Effect Analysis (FMEA) digunakan untuk mengidentifikasi potensi kegagalan dari cacat dominan, sedangkan Analytical Hierarchy Process (AHP) digunakan untuk menentukan bobot kepentingan kriteria FMEA. Prioritas perbaikan ditentukan berdasarkan nilai RPN(AHP) Data yang digunakan berasal dari laporan produksi dan cacat selama 11 bulan (Januari–November 2025). Hasil menunjukkan cacat dominan meliputi drill Ø0,67 patah, karat, dan lubang Ø8 gores/kasar. Nilai RPN(AHP)) tertinggi pada cacat drill Ø0,67 patah adalah deteksi cacat hanya visual (8) dan pengecekan getaran mesin secara visual (7,87). Pada cacat karat, penyebab utama adalah proses airblow sebelum inspeksi (6,78) serta penggunaan sarung tangan kotor (6,35). Pada cacat lubang Ø8 gores/kasar, prioritas tertinggi adalah pemasangan benda kerja tidak rata dengan fixture (8,54) dan saluran coolant mampet (8,44). Usulan perbaikan meliputi inspeksi 100% in-process berbasis sensor patah drill, pemasangan pengunci kaki mesin, pencelupan anti karat, edukasi penggunaan sarung tangan, sensor gap switch, serta flowmeter coolant

Copyrights © 2026






Journal Info

Abbrev

RIGGS

Publisher

Subject

Computer Science & IT Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering

Description

Journal of Artificial Intelligence and Digital Business (RIGGS) is published by the Department of Digital Business, Universitas Pahlawan Tuanku Tambusai in helping academics, researchers, and practitioners to disseminate their research results. RIGGS is a blind peer-reviewed journal dedicated to ...