ALERT LEVEL CALCULATION

MATERI AJAR ALERT LEVEL

CALCULATION
 ALERT LEVEL DEFINITION
OBJECTIVES :
MENGACU KEPADA ADVISORY CIRCULAR (AC) 120-17A
- Mensyaratkan suatu program u/ menunjukkan pelanggaran dr
batas2 yg telah ditentukan kecendrungannya. (Analisis “Alert”).
- Metoda yg digunakan u/ menentukan standar/norma umumnya adl
standar deviasi (σ) atau “Distribusi Poison”.
- Batas alert (control limits) ditentukan dr sekumpulan data (biasanya
12 bulan/1 tahun)
- Tingkat kenaikan situasi-situasi yg berbahaya pada waktu dini
- To provide adequate and timely warning of “OUT-OF- CONTROL”
Reliability situations
- Not excessive number of “FALSE-ALARMS”
- In case of large sample of data assume normal distribution
PROSES MENGGUNAKAN METODA STANDAR DEVIASI (σ):
a. Tentukan Rata-rata (mean) dan standar deviasi populasi (σ).
b. Hitung batas kontrol atas (Upper control limit, UCL).
 CONTROL LIMITS
Reliability tiap bulan dapat menggambarkan :

- Laju penggantian komponen yang tidak terjadual

- MTBF/MTBUR

- Defect Rate
- Trend data tiap bulan, yang meliputi jumlah komponen gagal
/bulan (const. FH/months) dan jumlah komponen/1000 FH/month
(varying FH/month)

- Random Fluctuations dapat ditentukan dari :

a. Identify gradual trends
b. Average value
c. Sudden high value
 CONTROL LIMITS
Identify gradual trend meliputi :

- Moving average

- Exponential smoothing
Average value (acceptable standar :
- Comparison with other (some type) of operator
- Comparison with world fleet average (type A/C)
provided by manufacture

- Suddent high value :

a. Significant or randaom
b. Define UCL (Upper Control Limit )
 STANDARD DEVIATION (σ) FORMULA

 X  ( X  X )2
2

Standard Deviation :  
N 1

Dimana : (  X ) = jumlah dari harga tiap bulan selama N bulan

N = jumlah bulan yg diperhitungkan (biasanya N=12 atau 24)
X = harga observasi

Mean : X =  X
N

UCL = X  k LCL = X  k
Dimana : k = Faktor pengali (biasanya bernilai antara 2 dan 3)
Jk k = 2.5 diterapkan pd distribusi normal, mk akan menjamin 99,4%
kemungkinan bhw variasi aktual dari mean tdk akan melewati batas
kontrol (UCL dan LCL). Makin kecil harga k, mk makin kecil
kemungkinan bhw variasi aktual tdk akan terlewati
 Kedudukan Standar Deviasi

Frekuensi

Time
 ALERT LEVEL FORMULA
UPPER CONTROL LIMIT

X 2 (1   ) / 2, 2 N X 2 (1   ) / 2, 2 N
UCL  LCL 
2X N 2X N
Dimana : α = Confidence Factor
N= Number of observation (N=12 atau 24)
X = MTBF ALERT LEVELS

UPPER CONTROL LIMIT :

NUMBER OF EVENTS
12 b
10
Average less than 8 – 10 (assume 8 a ACTUAL MONTH
poisson ditribution) 6
UCL
2 types of misinterpretation : 4
a. Failing to indicate an existing 2
problem 0
b. Fault to indication of a non- 0 1 2 3 4 5 6 7 8 9 10
existing problem MONTH
 UPPER CONTROL LIMIT
GRAPH I GRAPH I

95 % UCL 6
3
95 % UCL
2 4
FAIL'S

FAIL'S
ACT. MONTH ACT. MONTH
AVERAGE AVERAGE
1 2

0 0
1 2 3 4 5 6 7 8 9 10 11 12 1 2 3 4 5 6 7 8 9 10 11 12

MONTH MONTH

Graph I : 13 fail’s in 12 months, Graph II : 26 fail’s in 12 months,

average 1.08 average 2.15
a. P(≥ 3 fail’s) = 0.095 = 10 % a. P(≥ 6 fail’s) = 0.023 = 2 %
probably Random probably significant
b. UCL = 95 % = ± 3.3 or b. UCL = 95 % = ± 5 % or
z = (3 -100)/σ z = (5 -100)/σ
Course of the Graph does not give the right conclusion
 UPPER CONTROL LIMIT
Assume average level of 2 failure / month
4 failures/month due to sign. Increase of unreliability

Average 2 fail’s / month Average 2 fail’s / month

≥ x fail’s chance
0 1.000
1 0.8647
2 0.5940
3 0.3233
4 0.1429
5 0.0527
6 0.0166
7 0.0045
False indication of unreliability 5 %
UCL between 5 and 6
≥ x fail’s chance
0 1.000
1 0.9817
2 0.9084
3 0.7619
4 0.5665
5 0.3712
6 0.2149
7 0.1107
8 0.0511
9 0.0214
10 0.0081
Probability of undetected
indication of unreliability 57 %
 ALERT LEVEL FORMULA
CHI-SQUARE DISTRIBUTION

- In case of large sample of data assume normal distribution

UCL = X  k , one side NORMAL DISTRIBUTION GRAPH

0.25
Z = 1 exceedence limit 15.6 %
0.2
Z=2 idem 2.28 %
0.15
Z = 1.65 idem 5% Series1
0.1
Z = 1.96 idem 2.5 % 0.05

0
0 5 10 15 20
VALUE
 APPLICATION (EXAMPLE)
Tabel Data Contoh Perhitungan UCL X
Obser = 42.56 / 12 = 3.55
vation Month/Year X ( x - X )2
UCL
1 Jul-00 3.08 0.22 = 3.55 + 2.5 x 0.313 = 4.333
2 Aug-00 3.55 0.00
3 Sep-00 4.09 0.29 Ilustrasi hasil perhitungan UCL
4 Oct-00 3.28 0.07
5 Nov-00 3.70 0.02
5
6 Dec-00 3.86 0.10 UCL
4
7 Jan-01 3.28 0.07
3 X Value
8 Feb-01 3.54 0.00

X
2 UCL
9 Mar-01 3.44 0.01
10 Apr-01 3.89 0.12 1
11 May-01 3.70 0.02 0
12 Jun-01 3.15 0.16 1 2 3 4 5 6 7 8 9 10 11 12
N = 12 Σx=42.56 Σ = 1.09 Observasi
 APPLICATION (EXAMPLE)
MONTH NR OF MONTH NR OF
EVENTS EVENTS
ALERT LEVELS
1 2 6 3

NUMBER OF EVENTS
12
10
2 6 7 5 8
ACTUAL MONTH
UCL
6
3 4 8 4 4
LCL

2 AVERAGE
4 5 9 10 0
0 1 2 3 4 5 6 7 8 9 10
5 1 10 3 MONTH

ASSUME EXP. DISTRIBUTION, N = 10, 98 % CONFIDENCE

λ = (2 + 6 + 4 + 5 + 1 + 3 + 5 + 4 + 10 + 3) / 10 = 4,3
X = 1 / λ = 1 / 4.3 = 0.23256
2 X N = 2 x 0.23256 x 10 = 4.6512
From Table untuk 0,98 : 20 LCL = 9.237/4.6512 = 1.9859
diperoleh =
LCL = 9.237 UCL = 35.020

UCL = 35.020/4.6512 = 7.52924

 DATA RECORDING & RELIABILITY MONITORING PROGRAM
DATA RECORDING :
- Source Data : keluhan klien (passenger, cargo & agent user).
- Investigate, identification technical causes
- Comfortable / satisfaction passenger.
- Data operation & maintenance
- Collecting Data (aircraft, engine, & component).
- Type data (Tabel : Type data, sources and element)

RELIABILITY MONITORING PROGRAM :

Fundamental activities in MCRM monitoring are :
- Event Monitoring : memperhatikan’event’ yg berkaitan dgn keamanan (safety) atau ‘serviceability’
pesawat. Sumber data/informasi adl kejadian (accident) dan findings (penemuan).
- Trend monitoring : memperhatikan kecendrungan ‘trend’ permasalahan yg timbul, termasuk ‘alert’
dan rate dari kegagalan.
- Monitoring prestasi pesawat : memperhatikan kualitas keseluruhan dari pesawat dan material.

ANOTHER ACTIVITIES :
- Presentasi data & evaluasi, pembuatan laporan, analisis data & perbaikan (corrective action) :
analisis statistik, analisis penyimpangan2 yg dilakukan oleh engineer (R), A/C, u/ identifikasi
kemungkinan sumber permasalahan. Analisis detail shgg diperoleh rekomendasi.
- Buletin dr pabrik pembuat : SB, SL yg relevan u/ memecahkan masalah.
TABEL TYPE DATA, SOURCE AND ELEMENT
 RELIABILITY MONITORING (TREND ANALYSIS)

• ALERT LEVEL CALCULATION

• TREND ANALYSIS (MOVING AVERAGE)
Dua teknik yg biasa digunakan dlm “Trend Analysis” :

- Moving Average (MA) : menggunakan data rata-rata dr periode sebelumnya dgn rentang
yg ditentukan. Ex. 3 bulan atau 6 bulan, dsb. Dengan MA, harga rata-rata entri ke-i, Mi
adalah :

X i n1  X i n  2  ......  X i
Mi  ,i  n
n
- Single Exponential Smoothing (SES) : analisis kecendrungan dgn menggunakan teknik
SES mengikuti rumus sbb :

S1  X 1
Sn  Yn  (1   ) Sn 1 , n  1; 0    1
RELIABILITY MONITORING (TREND ANALYSIS - MA)
 RELIABILITY MONITORING (TREND ANALYSIS - MA)
• Untuk data pada tabel, harga entri MA untuk n=3 adalah :

• M3 = (5 + 7 + 8)/3 = 6,667 • Untuk n=3, harga entri MA adalah :

• M4 = (7 + 8 + 6)/3 = 7,000 • M6 = (5+7+8+6+4+3)/6 = 5,500
• dst • M7 = (7+8+6+4+3+2)/6 = 5,000
• Hasil perhitungan MA, untuk n=3 & n=6. semakin besar harga n, maka Plot
MA akan semakin halus (Smooth)
MOVING AVERAGE

20
18
16
14
ACTUAL EVENT
EVENT

12
10 MA 3
8
MA 6
6
4
2
0
1 3 5 7 9 1113151719212325272931333537
MONTH
 RELIABILITY MONITORING / TREND ANALYSIS

• Untuk data pada tabel, harga entri SES dengan α =0.7 adalah :
• S1 = 5 • S3 = 0.7 *8 + (1-0.7)*6.40 = 7.52
• S2 = 0.7 *7 + (1-0.7)*5 = 6.40 • dst
• Representasi grafis u/ perhitungan SES dgn α = 0.7 dan α = 0.2. Semakin kecil
harga α, maka makin halus (Smooth) plotting SES pada analisis kecendrungan.
MOVING AVERAGE

20
18
16
14
ACTUAL EVENT
EVENT

12
10 SES ALPHA = 0.7
8
SES ALPHA = 0.2
6
4
2
0
1 3 5 7 9 1113151719212325272931333537
MONTH
Hubungan antara trend analysis terhadap
preventive vs corrective Maintenance

 Preventive maintenance : action before

functional failure
 Corective maintenance : action after
functional failure
 Criterium : functional failure definition
 Recording : down time, cost, manhours
 Judgement of effectiveness
 Preventive maintenance concept
 Failure definition
condition

Initial condition

Potential failure condition

Functional failure condition

defect Time
Non available
state
Available state
Preventive maintenance policies

 Periodic policy (Hard Time) : waktu interval

maksimum dalam pemeliharaan yang
sifatnya seperti overhaul, pemeliharaan
seluruh sistem pesawat bisa dilakukan bila
degradasi komponen secara pasti , sebaran
datanya kecil

 Condition progress as function of time known

Preventive maintenance policies

 Condition Based policy (On Condition) :

inspeksi dalam interval yang lebih kecil di
dalam skala yang lebih kecil, bila degradasi
komponen tidak diketahui secara pasti
(tindakan pemeliharaan dilakukan pada
kondisi tertentu pada selang lebih kecil
sesuai kebutuhan
 Condition progress as function of time
unknown
Corrective maintenance policy

 Condition monitoring
Periodic maintenance (Lihat Gambar)

Progresss of condition known

Gradual degradation type

Small spread of condition progress

Significant growth of hazard rate

 Periodic Maintenance

INITIAL CONDITION
C
O
N
D
I
T
I
O
N

FUNCTIONAL FAILURE CONDITION

PERIODIC INTERVAL = i

MTBF TIME

MTBF ~ i (mendekati Hard Time)

Condition Based Maintenance (On Condition .... Lihat Gambar) 
lebih efektif, inspection, biaya murah karena ini bukan
pemeliharaan besar, interval inspeksi lebih kecil
Progresss of condition unknown

Gradual degradation type

Time delayed degradation type

Large spread of condition progress

Non significant growth of hazard rate

Condition Based Maintenance
C INITIAL CONDITION
O
N
D
I
T
I
O
N

FUNCTIONAL FAILURE
CONDITION

Inspection

I << MTBF

MTBF

TIME
 Relation among degradation type,
hazard rate and maintenance policy
Degradation Type Hazard Rate Basic Maintenance
Policy
A. Gradual
A.1. Small Spead Significant growth Periodic
maintenance
A.2. Large Spread Non significant Condition Based
growth Maintenance
B. Time Delayed Constant Condition Based
Maintenance

C. Sudden Constant Corrective

Maintenance
 PART – I
ALERT LEVEL DEFINITION
OBJECTIVES :
MENGACU KEPADA ADVISORY CIRCULAR (AC) 120-17A
- Mensyaratkan suatu program u/ menunjukkan pelanggaran dr batas2 yg telah
ditentukan kecendrungannya. (Analisis “Alert”).
- Metoda yg digunakan u/ menentukan standar/norma umumnya adl standar deviasi
(σ) atau “Distribusi Poison”.
- Batas alert (control limits) ditentukan dr sekumpulan data (biasanya 12 bulan/1
tahun)
- Tingkat kenaikan situasi-situasi yg berbahaya pada waktu dini
- To provide adequate and timely warning of “OUT-OF- CONTROL” Reliability
situations
- Not excessive number of “FALSE-ALARMS”
- In case of large sample of data assume normal distribution

PROSES MENGGUNAKAN METODA STANDAR DEVIASI (σ):

a. Tentukan Rata-rata (mean) dan standar deviasi populasi (σ).
b. Hitung batas kontrol atas (Upper control limit, UCL).
 PART – II
STANDARD DEVIATION (σ) FORMULA

Standard Deviation :

Dimana : ( X) = jumlah dari harga tiap bulan selama N bulan

N = jumlah bulan yg diperhitungkan (biasanya N=12 atau 24)

X = harga observasi

Mean : X = X
N

UCL = X  k LCL = X  k
Dimana : k = Faktor pengali (biasanya bernilai antara 2 dan 3)
Jk k = 2.5 diterapkan pd distribusi normal, mk akan menjamin 99,4%
kemungkinan bhw variasi aktual dari mean tdk akan melewati batas
kontrol (UCL dan LCL). Makin kecil harga k, mk makin kecil
kemungkinan bhw variasi aktual tdk akan terlewati
 RELIABILITY MONITORING (TREND ANALYSIS)

• ALERT LEVEL CALCULATION

• TREND ANALYSIS (MOVING AVERAGE)
Dua teknik yg biasa digunakan dlm “Trend Analysis” :

- Moving Average (MA) : menggunakan data rata-rata dr periode sebelumnya dgn rentang
yg ditentukan. Ex. 3 bulan atau 6 bulan, dsb. Dengan MA, harga rata-rata entri ke-i, Mi
adalah :

X i n1  X i n  2  ......  X i
Mi  ,i  n
n
- Single Exponential Smoothing (SES) : analisis kecendrungan dgn menggunakan teknik
SES mengikuti rumus sbb :

S1  X 1
Sn  Yn  (1   ) Sn 1 , n  1; 0    1
 Tugas V
ALC APPLICATION (EXAMPLE)
MONTH NR OF MONTH NR OF
EVENTS EVENTS Berikut ini diberikan data
1 4 7 4 pengamatan tentang jumlah
2 2 8 1 kegagalan per 100 jam terbang
3 5 9 3
4 6 10 9 per bulan untuk suatu
5 4 11 3 komponen pesawat :
6 3 12 5

Dengan menganggap data mengikuti distribusi Poisson,

tentukan 93 % UCL dengan menggunakan tabel distribusi
kumulatif Poisson .

Buatlah grafik terhadap data tersebut dan

From Table Poisson harga UCL yang diperoleh !
UCL | X, 0.93 = ...... Apakah dapat mendeteksi kegagalan yang
tidak terkendali ?
 Tugas V Tentang ALC
Diberikan data pengamatan tentang life time suatu
komponen pesawat dalam jam terbang sebagai
berikut :
12, 4, 19, 22, 25, 14, 18, 21, 12, 24, 12, 6, 16, 7

a. Dengan menganggap data mengikuti distribusi

negati exponential, tentukan MTBF dan laju
kegagalan l !

b. Tentukan 95 % UCL dan 5 % LCL dengan

menggunakan tabel distribusi c2