Research 028
Research 028
ABSTRAK
Dalam manajemen perawatan yang menerapkan strategi perawatan preventif, masih
tetap mempunyai resiko terjadinya kegagalan sebelum perawatan preventif dilaksanakan.
Penentuan interval waktu perawatan preventif berkaitan dengan nilai keandalan dan
probabilitas kegagalan dari alat yang dirawat. Semakin pendek interval waktu perawatan
preventif, maka nilai keandalan semakin tinggi dan probabilitas kegagalan semakin
rendah. Namun hal ini juga berdampak pada meningkatnya frekuensi perawatan
preventif dan menurunnya frekuensi perawatan korektif.
Penelitian ini mengevaluasi tiga metode aproksimasi yang dapat digunakan untuk
mengestimasikan frekuensi kejadian perawatan korektif dan frekuensi kejadian
perawatan preventif dalam selang waktu tertentu. Interval waktu perawatan preventif
menggunakan tiga skenario, yaitu persentil 10, persentil 90 dan rata-rata. Evaluasi
deviasi mempergunakan tiga cara, yaitu: Deductive Reasoning, Inductive Reasoning dan
Simulasi Montecarlo. Berdasarkan ketiga cara evaluasi deviasi pada ketiga metode
aproksimasi dengan tiga skenario, menunjukkan bahwa metode aproksimasi yang ketiga
mempunyai deviasi yang paling rendah..
I. PENDAHULUAN
Reliability, availability dan maintainability merupakan tiga indikator yang digunakan untuk
menilai kinerja manajemen perawatan (Ebeling, 1997). Manajemen perawatan mempergunakan
indikator reliability untuk mengetahui kondisi keandalan peralatan produksi menjalankan
fungsinya secara efektif dalam batas spesifikasi selama selang waktu tertentu tanpa mengalami
kegagalan atau kerusakan. Indikator availability menunjukkan porsi waktu ketersediaan peralatan
produksi untuk berfungsi efektif dengan kinerja optimum tanpa terganggu oleh kegagalan dan
kerusakan. Sedangkan indikator maintainability merupakan kapabilitas dalam menjalankan
perawatan peralatan produksi hingga kembali dalam kondisi berfungsi efektif sesuai batas
spesifikasi.
Perawatan preventif termasuk salah satu strategi perawatan yang dipergunakan untuk
mengendalikan availability peralatan produksi terutama yang mempunyai tingkat keparahan atau
severity yang relatif tinggi apabila terjadi kegagalan (Gross,2002). Tingkat severity menjadi tinggi
apabila saat terjadinya kegagalan dapat menyebabkan resiko operator yang cedera, downtime yang
lama, dan biaya perawatan yang besar. Perawatan preventif mengurangi resiko tersebut dengan
mencegah kegagalan dengan perawatan lebih awal. Karena perawatan preventif dilaksanakan
sebelum terjadinya kegagalan, maka menyebabkan frekuensi perawatan akan lebih sering.
Apabila terdapat perbedaan yang signifikan antara waktu yang diperlukan saat perawatan korektif
dibandingkan perawatan preventif, dengan merencanakan perawatan preventif akan meningkatkan
availability peralatan produksi.
Frekuensi perawatan dalam selama periode tertentu akan mempengaruhi availability peralatan
produksi selama periode tersebut. Terdapat banyak penelitian yang menghitung availability
dengan mempertimbangkan frekuensi perawatan korektif dan preventif, (Mutiara, 2014),
(Nurcahya, 2017), (Abdurrahman, 2017), (Alawiyah, 2017), (Iswayudi, 2017).
Preposisi 1 : Probabilitas kejadian A merupakan jumlah bobot semua titik sampel kejadian A
(Walpole, 2012). Probabilitas kejadian A merupakan suatu nilai peluang yang dimiliki oleh setiap
anggota kejadian A pada sebuah eksperimen acak (Montgomery, 2011). Probabilitas kejadian A
dalam ruang sampel S adalah peluang setiap titik sampel kejadian A menjadi keluaran dalam
sebuah eksperimen acak dengan ruang sampel S, di mana semua titik sampel kejadian A menjadi
elemen dari ruang sampel tersebut. Probabilitas kejadian A dalam ruang sampel S ekuivalen
dengan proporsi banyaknya elemen kejadian A, N(A) terhadap keseluruhan elemen ruang sampel
S, N(S).
( ) ( ) ( ) (1)
( )
( ) (2)
( )
Preposisi 2 : Jika terdapat dua kejadian A dan B dalam ruang sampel S yang bersifat mutually
exclusive maka probabilitas gabungan kedua kejadian dapat diperoleh dari penjumlahan
probabilitas kejadian A dan probabilitas kejadian B, dan probabilitas irisan kedua kejadian adalah
himpunan kosong (Montgomery, 2011). Jika tidak ada kejadian lainnya selain kedua kejadian,
maka probabilitas gabungan kedua kejadian adalah sama dengan satu (Walpole, 2012). Sehingga
satu kejadian merupakan komplemen atau negasi kejadian yang lainnya.
( ) ( ) ( ) (3)
( ) ( ) ( ) (4)
Preposisi 4 : Rata-rata aritmetika terpotong (trimmed mean) variabel acak X merupakan nilai
rata-rata dari nilai X yang terhitung setelah dikurangi sebagian nilai keluarannya yang mungkin
(Montgomery, 2011 dan Walpole, 2012). Rata-rata aritmetika terpotong variabel acak diskrit
diperoleh dari jumlah hasil perkalian dari setiap nilai X yang terhitung dengan bobot senilai
probabilitasnya, p(x), dibagi dengan total probabilitas X yang terhitung. Rata-rata aritmetika
terpotong variabel acak kontinyu diperoleh dari integral dari perkalian antara variabel acak X
yang terhitung dengan fungsi probabilitasnya, f(x), dibagi dengan total probabilitas X yang
terhitung.
∑ ( )
̅ ( ) (7)
∑ ( )
∫ ( )
̅ ( ) (8)
∫ ( )
Hasil pengujian distribusi dari data TTF tersebut menunjukkan bahwa distribusi dari variabel
acak TTF adalah distribusi eksponensial dengan parameter Beta () sebesar 865 jam atau Lamda
() sebesar 10,127 kegagalan/tahun.
Frekuensi kejadian perawatan korektif dan preventif dalam selang waktu tertentu tidak dapat
ditentukan secara deterministik. Terjadinya kegagalan pada peralatan produksi mengikuti proses
stokastik. Terdapat ketidakpastian kapan akan terjadinya kejadian kegagalan. Kejadian kegagalan
dan ketidak-gagalan hingga interval perawatan preventif (Interval Time of Preventive
Maintenance, TP) merupakan dua kejadian yang bersifat mutually exclusive. Perawatan preventif
akan dilakukan apabila hingga interval perawatan preventif tidak terjadi kegagalan pada peralatan
produksi. Dan apabila sebelum interval perawatan preventif terjadi kegagalan, maka dilakukan
perawatan korektif pada peralatan produksi tersebut. Penelitian ini mempergunakan tiga
aproksimasi untuk mengestimasikan frekuensi kejadian perawatan korektif dan preventif dengan
asumsi waktu perawatan (Time To Repair, TTR) relatif singkat.
Aproksimasi 1 : probabilitas kejadian perawatan dikalikan dengan frekuensi kejadian
mutually ekslusif dengan waktu kejadian perawatan korektif sebesar MTTF.
( ) (10)
( ) (11)
(12)
∫ ( )
(13)
∫ ( )
( ) (14)
( ) (15)
(16)
Berdasarkan Tabel 3, Tabel 4 dan Tabel 5, maka dapat diperkirakan berapa frekuensi kejadian
perawatan korektif, frekuensi kejadian perawatan preventif, frekuensi kejadian perawatan
keseluruhan dan total akumulasi waktu menuju perawatan (TM). Semua skenario memang
menunjukkan bahwa frekuensi kejadian perawatan keseluruhan adalah sama, namun total
akumulasi waktu menuju perawatan (TM) berbeda. Jika dalam selang waktu tertentu sebesar
8.760 jam (1 tahun), dengan menggunakan perhitungan proporsional maka dapat diperoleh
perhitungan estimasi frekuensi kejadian perawatan dalam selang waktu 8.760 jam yang
ditunjukkan Tabel 6.
Tabel 6 Estimasi Frekuensi Kejadian Perawatan dalam T=8.760 jam pada Data Historis
Skenario Perhitungan Estimasi
Nc Np Ntot TM Nc Np Ntot TM
Persentil 10 2 28 30 2.717 6,45 90,28 96,73 8.760
Persentil 90 28 2 30 23.429 10,47 0,75 11,22 8.760
Rata-rata 18 12 30 16.180 9,75 6,50 16,25 8.760
Tabel 7 Estimasi Frekuensi Kejadian Perawatan dalam T=8.760 jam Hasil Simulasi
Skenario Nc Np Ntot
Persentil 10 7,5 2,068 92,5 1,354 100 1,054
Persentil 90 11 2,449 0,5 0,527 11,5 2,121
Rata-rata 9,2 3,490 5,4 1,955 14,6 2,011
⁄
( ) (21)
Tabel 8 Estimasi Frekuensi Kejadian Perawatan dalam T=8.760 jam Hasil Aproksimasi
Skenario MTTFt Aproksimasi 1 Aproksimasi 2 Aproksimasi 3
Nc Np Ntot Nc Np Ntot Nc Np Ntot
Persentil 10 44,70 1,01 86,65 87,66 19,57 86,65 106,22 10,13 91,29 101,42
Persentil 90 643,57 9,11 0,44 9,554 12,25 0,44 12,69 10,13 1,13 11,26
Rata-rata 361,59 6,40 3,73 10,13 15,31 3,73 19,04 10,13 5,89 16,02
Validasi ketiga aproksimasi dievaluasi dengan deductive reasoning, inductive reasoning dan
simulasi montecarlo. Evaluasi deductive reasoning menunjukkan bahwa ketiga aproksimasi
dikembangkan sesuai 5 preposisi dalam fundamental perawatan. Dalam evaluasi inductive
reasoning, yaitu dengan membandingkan antara Tabel 8 dengan Tabel 6, diperoleh bahwa deviasi
terrendah adalah aproksimasi 3. Sedangkan dalam evaluasi simulasi montecarlo, yaitu dengan
membandingkan antara Tabel 8 dengan Tabel 7, aproksimasi 3 juga memberikan deviasi
terrendah.
IV. PENUTUP
DAFTAR PUSTAKA
Abdurrahman, H.; Rahman, A.; & Himawan, R., 2017, “Perencanaan Jadwal Pemelharaan Preventif Mesin
Plate Heat Exchanger Di KUD Dau”, Jurnal Rekayasa dan Manajemen Sistem Industri, Vol. 5 No. 5,
hlm. 985-996.
Alawiyah, S.U.; Rahman, A.; & Hamdala, I., 2017, “Perencanaan Interval Perawatan Komponen Mesin
Filler Dengan Metode Fault Tree Analysis Untuk Meningkatkan Availability”, Jurnal Rekayasa dan
Manajemen Sistem Industri, Vol. 5 No. 11, hlm. 2437-2449.
Ebeling, C.E., 1997, An Introduction To Reliability And Maintainability Engineering, New York: McGraw-
Hill.
Iswayudi, D.; Rahman, A.; & Hamdala, I., 2017, “Upaya Meminimasi Downtime Pada Mesin Bamboo
Wool Licer Menggunakan Metode Reliability Centered Maintenance (RCM) II Di CV Mandiri,
Malang”, Jurnal Rekayasa dan Manajemen Sistem Industri, Vol. 5 No. 1, hlm. 203-214.
Gross, J.M., 2002, Fundamentals of Preventive Maintenance, New York: Amacom.
Montgomery, D.C.; & Runger, G.C., 2011, Applied Statistics and Probability for Engineers, Fifth Edition,
New York: John Wiley & Sons.
Mutiara, S.D.; Rahman, A.; & Hamdala, I., 2014, “Perencanaan Preventive Maintenance Komponen Cane
Cutter I dengan Pendekatan Age Replacement (Studi Kasus Di PG Kebon Agung Malang)”, Jurnal
Rekayasa dan Manajemen Sistem Industri, Vol. 2 No. 2, hlm. 396-405.
Nurcahya, N.N.T.; Rahman, A.; & Sulistyarini, D.H., 2017, “Perancangan Aktivitas Pemeliharaan Boiler
Unit 3 Dengan Metode Reliability Centered Maintenance (RCM) II”, Jurnal Rekayasa dan Manajemen
Sistem Industri, Vol. 5 No. 7, hlm. 1541-1553.
Walpole, R.E.; Myers, R.H.; & Myers, S.L., 2012, Probability & Statistics for Engineers & Scientists,
Ninth Edition, New York: Prentice Hall.