TUGAS V
Diajukan Sebagai Salah Satu Syarat Tugas Mata Kuliah Manajemen Aset
Filbert Reginald
1606932665
FAKULTAS TEKNIK
PROGRAM STUDI TEKNIK SIPIL
KEKHUSUSAN MANAJEMEN PROYEK
JAKARTA
OCTOBER 2017
Optimized Investment Planning for High-Volume Low-Value
Buried Infrastructure Assets
Ben Ward; David Smith; Dragan Savic; Joe Roebuck; and Julian Collingbourne
1. Permasalahan
Makalah ini membahas potensi penghematan yang dapat direalisasikan melalui
identifikasi kebijakan bisnis pengelolaan aset yang optimal untuk pipa komunikasi air
diameter kecil (25-50 mm), yang dipasang di antara batas properti pelanggan dan
distribusi utama. Algoritma optimasi digunakan untuk mengevaluasi trade off antara
total pengeluaran (totex) dan pencegahan kegagalan aset di masa depan (serviceability) ,
selain itu identifikasi kebijakan investasi yang optimal dilakukan sesuai dengan prioritas
pengambil keputusan. Sebuah studi kasus digunakan untuk menunjukkan
pengembangan dan penyebaran metodologi ini di South West Water, dimana
penghematan £ 8.5 juta dan pencegahan sebanyak 1.320 kegagalan telah diidentifikasi
selama 25 tahun.
2. Pendahuluan
Pipa komunikasi didefinisikan sebagai aset pembawa air yang berada di antara
sumber air dan batas sumber daya pribadi (gambar 1). Jika stop tap atau water meter
dipasang, ini biasanya merupakan akhir dari pipa komunikasi, dan pada titik ini, pipa
tersebut disebut sebagai "pipa suplai". Aset ini biasanya diletakkan di jalan atau di
trotoar dan memiliki biaya kegagalan yang jauh lebih tinggi, tidak hanya karena teknik
perbaikan yang lebih serius dan menantang namun sebagai akibat dari jumlah pelanggan
yang terkena dampak.
1
Gambar 1. Communication Pipe Arrangement
2
dan potensi keuntungan yang dapat direalisasikan dengan menerapkan kerangka kerja
pengambilan keputusan yang optimal, penulis menggabungkan kerangka pemodelan
kemunduran yang berhasil untuk infrastruktur bernilai rendah bervolume tinggi dengan
life cycle cost keseluruhan.
3. Metodologi
Metodologi ini memberikan tinjauan terhadap pemodelan yang dilakukan
untuk memungkinkan penerapan kerangka optimasi life cycle cost untuk pipa
komunikasi. Tahap awal adalah proses peningkatan kualitas data aset menggunakan
sistem informasi geospasial (GIS) diselesaikan untuk mendigitalkan aset yang belum
dipetakan dengan membuat hubungan logis antara lokasi alamat properti pelanggan dan
jaringan distribusi terdekat yang paling relevan.
Prosedur hirarkis data logis kemudian digunakan untuk menetapkan usia setiap
aset dengan menggunakan sumber data yang paling sesuai yang tersedia, yang dipesan
berdasarkan akurasi dan kualitas data :
a. Pipa komunikasi korporat dan data induk distribusi aset induk.
b. Perkiraan usia properti dari HMRC dan VOA.
c. Pemetaan bersejarah.
Selain itu, karena bahan pipa komunikasi tidak dapat ditentukan dengan pasti
dan tingkat ketidakjelasan pasti akan hadir dalam menentukan parameter tersebut,
logika fuzzy telah diusulkan untuk memperhitungkan ketidakpastian dan ketidakjelasan
yang terkait dengannya. Konsekuensi dari aturan fuzzy adalah proporsi pipa yang
ditugaskan ke material berdasarkan sistem fuzzy sebagai berikut :
3
Ditemukan bahwa pendekatan ini membantu mengatasi ketidakpastian seputar
penggunaan material dari waktu ke waktu dan juga menjelaskan pentahapan masuk dan
keluar dari bahan yang berbeda. Akhirnya, keluaran dari proses ini adalah data pipa
komunikasi digital sepenuhnya yang ditetapkan di seluruh wilayah, dikaitkan dengan
umur aset, material, dan sifatnya, yaitu sambungan sisi pendek atau panjang. Keluaran
ini digunakan untuk mengisi kembali kesenjangan dalam sistem SIG perusahaan, yang
dapat berupa lokasi aset fisik pada peta, bahan aset, usia aset, atau ketiganya.
Kumpulan data akhir dapat digambarkan sebagai kumpulan data gabungan
yang digabungkan pada gabungan data GIS perusahaan dan data nosional untuk
menentukan representasi paling akurat dari jaringan pipa komunikasi. Proses pemodelan
kemerosotan kemudian berusaha mengembangkan model representatif yang dapat
digunakan untuk memprediksi kinerja masa depan semua aset pipa komunikasi di
seluruh jaringan. Hal ini dicapai dengan mengkalibrasi satu set parameter Weibull untuk
setiap bahan pipa untuk memberikan keluaran kegagalan yang paling representatif bila
dibandingkan dengan data kegagalan yang diamati (Weibull 1951).
Awalnya, tiga parameter kurva penurunan Weibull diperkirakan dan model
dipecahkan secara iteratif dalam langkah waktu tahunan dari tahun 1837 sampai 2015.
Ketiga parameter tersebut kemudian disesuaikan dalam proses kalibrasi dengan tujuan
meminimalkan kesalahan dengan menggunakan metode kuadrat terkecil, yang
dipecahkan dengan menggunakan metode gradien reduksi nonlinear yang umum.
Proses pemodelan kemerosotan dilakukan untuk dua penyedia utilitas air
bersih, Perusahaan A dan B, secara independen (Ward et al, 2016). Model yang
diperoleh didasarkan pada data kegagalan dari tahun 2002 sampai 2011, dimana hampir
60.000 titik data dipasok oleh setiap utilitas untuk kalibrasi. Namun, untuk menguji
keakuratan model, proses validasi dibuat untuk membandingkan kegagalan prediksi dan
kegagalan yang diamati untuk data kegagalan yang tidak terlihat yang ditetapkan untuk
setiap perusahaan air dari tahun 2011 sampai 2014. Untuk menunjukkan keakuratan
model secara keseluruhan, gabungan representasi grafis dari kegagalan yang diamati
versus perkiraan untuk Perusahaan Air A ditunjukkan sebagai kumulatif tahun ke-tahun
kegagalan dihitung pada Gambar 3.
4
Gambar 3. Deterioration Modeling Results Accuracy
4. Studi kasus
South West Water adalah penyedia utilitas air bersih Amerika Serikat yang
memasok layanan air di wilayah operasional 11.137 km2, membawa 1,6 juta penduduk
(South West Water 2013). Studi ini ditugaskan untuk memahami dan mengukur
5
besarnya potensi manfaat yang dapat direalisasikan dengan mengembangkan kerangka
pemodelan yang komprehensif dan optimal untuk perencanaan investasi pipa
komunikasi di wilayah South West Water. Informasi dari penelitian ini memberikan
kontribusi terhadap penyampaian perencanaan investasi South West Water kepada
Ofwat, regulator ekonomi, pada tahun 2014.
Dengan menggunakan teknik pemodelan yang dijelaskan di bagian depan
makalah ini, seluruh aset saluran pipa komunikasi South West Water dimodelkan
melalui skenario.
a. Skenario 1, total minimisasi pengeluaran, dimana model optimasi menghukum
solusi yang mengidentifikasi tingkat kegagalan yang lebih tinggi daripada kebijakan
dasar.
b. Skenario 2, minimalisasi kegagalan, dimana model optimasi menghukum solusi
yang mengidentifikasi solusi pengeluaran total yang lebih tinggi daripada kebijakan
dasar.
6
Gambar 4. Totex Minimization Scenario Versus Base Policy
7
Pengurangan pembaharuan proaktif yang diamati pada kedua skenario optimal
telah mengidentifikasi bahwa metode penggantian proaktif saat ini tidak efektif biaya
jika dibandingkan dengan penggantian atau perbaikan aset pada kegagalan dari
keseluruhan biaya perspektif. Hal ini diyakini sebagian besar disebabkan oleh
konsekuensi kegagalan aset individual yang relatif rendah dan penghematan biaya
marjinal terkait dengan pembaharuan proaktif dibandingkan dengan penggantian reaktif.
5. Kesimpulan
Pada akhirnya, metodologi ini menyediakan kerangka kerja kuantitatif dan
auditable untuk pengambilan keputusan manajemen aset strategis untuk aset
infrastruktur bernilai rendah dengan volume tinggi, yang pada gilirannya
memberdayakan pengambil keputusan untuk menantang optimalisasi kebijakan bisnis
mereka yang ada.
Metodologi ini juga memungkinkan pengoptimalan ulang kebijakan pada
tahun-tahun depan, yang akan menguntungkan karena kebijakan yang berbeda
cenderung dipilih karena persediaan aset akan beralih ke fase yang berbeda seiring
dengan kurva penurunannya. Kemampuan untuk pertimbangan ini dilakukan secara
manual tidak dapat dipahami, terutama untuk infrastruktur bervolume rendah bernilai
rendah dimana pengetahuan tentang kinerja aset kurang. Dengan demikian, penulis
percaya bahwa mereka telah mengembangkan metodologi pengambilan keputusan yang
berharga untuk menantang aset infrastruktur yang berpotensi dikelola secara
suboptimal.
- Finish -
Sumber :
Ben W, David S; Dragan S; Joe R, and Julian C (2017) “Optimized Investment
Planning for High-Volume Low-Value Buried Infrastructure Asset”, Journal Pipeline
System Eng, Prac, ASCE 2017.