Contoh Makalah Preventive Maintenance Mulai Bab 2
Contoh Makalah Preventive Maintenance Mulai Bab 2
BAB 2
LANDASAN TEORI
kombinasi dari berbagai tindakan yang dilakukan untuk menjaga suatu barang
atau memperbaikinya, sampai pada suatu kondisi yang bisa diterima ( Corder,
yang diperlukan agar tercapai suatu keadaan operasi produksi yang memuaskan
namun juga harus dapat menandingi persaingan pasar dengan membuat produk
yang berkualitas dengan harga yang pantas dan diserahkan kepada konsumen
dalam waktu yang tepat. Untuk mewujudkan hal tersebut antara lain
keandalan pabrik.
dalam kondisi yang siap setiap saat. Berdasarkan hal tersebut maka
produksi yang lebih tepat dan efektif dalam menghadapi fasilitas – fasilitas
apabila:
dihasilkan.
proses produksi.
Modal yang ditanamkan dalam fasilitas tersebut cukup besar atau
mahal.
kerusakan atau tidak dapat berfungsi lagi dengan baik. Kegiatan perawatan
akan lebih kecil daripada mengadakan perawatan pencegahan. Hal ini benar
selama kerusakan tidak terjadi pada saat fasilitas / peralatan produksi sedang
terhadap umur peralatan dalam jangka waktu yang panjang. Oleh karena itu,
akibat yang lebih serius, seperti hilangnya waktu untuk berproduksi, kerusakan
besar pada peralatan dan biaya – biaya perbaikan yang lebih mahal.
( Ebelling, hal 6 )
2.1.4.3 Konsep Ketersediaan ( Availability )
tertentu.
pada tahun 1971. Konsep ini mencakup semua hal yang berhubungan dengan
bersangkutan.
1. Membersihkan ( cleaning )
mesin dari debu maupun kotoran – kotoran lain yang dianggap tidak perlu.
Debu tersebut akan menjadi inti bermulanya proses kondensasi dari uap
3. Memperbaiki ( repair )
kerusakan lagi. Pada umumnya saat terjadinya perubahan kondisi peralatan dari
baik menjadi rusak tidak dapat diketahui dengan pasti namun dapat diketahui
f X (t) ≥ untuk t ≥ 0
0
sehingga, ∫f x
(t )dt
0
yang merupakan fungsi dari waktu yang secara matematis dapat dinyatakan
dan diketahui kondisinya baik pada awal interval. Pola dasar dari fungsi laju
kerusakan sesaat yang umum bagi suatu produk adalah kurva bak mandi (
bathtub curve ). pada umumnya laju kerusakan suatu sistem selalu berubah
Failure
rate Infant
mortality
and
improper
use
failure
Lifetime
Gambar 2.1 Kurva Laju Kerusakan Sesaat ( Bathtub Curve )
Kurva ini terbagi atas 3 daerah dengan pola laju kerusakan yang berbeda
Daerah ini pada selang waktu antara t0 sampai t1 ditandai dengan laju
kerusakan cukup tinggi pada awal operasi dan terus menurun sampai t1.
Penyebab kerusakan ini antara lain karena pengendalian kualitas yang
standar, kesalahan pemasangan dan set – up, kesalahan yang timbul pada
sama. Oleh karena itu pada daerah ini kerusakan yang terjadi tidak dapat
kondisi peralatan yang telah mencapai batas umur pemakaian. Bila suatu
singkat.
Nilai tengah dari distribusi kerusakan atau MTTF adalah nilai rata – rata
atau nilai yang diharapkan ( expected value ) dari suatu distribusi kerusakan.
dF (t ) dR(t)
f (t ) = =−
dt dt
sehingga,
∞
dR(t)
MTTF = ∫ − tdt
0
dt
∞
∞
MTTF = −tR(t ) 0 + ∫ R(t )dt
0
∞
MTTF = ∫ R(t )dt
0
Nilai tengah dari distribusi perbaikan atau MTTR adalah variabel acak
saat kegiatan perbaikan yang memiliki akibat pada waktu perbaikan berikutnya.
2.1.9 Distribusi Kerusakan
digunakan jika laju kerusakan tidak berubah dan konstan terhadap waktu
dapat digunakan pada model yang mengalami laju kerusakan menaik maupun
kemiripan dengan Distribusi Weibull sehingga jika pada suatu kasus memiliki
metode pendekatan median rank karena metode ini memberikan hasil yang
1. Distribusi Eksponensial
Distribusi ini memiliki laju kerusakan yang tidak berubah dan konstan
terhadap waktu ( Constant Failure rate Model ). Jika ada peralatan yang
memiliki laju kerusakan yang tetap, maka bisa dipastikan termasuk dalam
• xi = ti
• yi = ln [1 / (1 - F(ti) )]
• F( ti) = (i - 0.3 ) / (n + 0.4 )
n
∑ x iy
i
i =1
• Parameter : λ = b = n
∑ xi 2
i =1
i = 1, 2, 3, ...., n
f(t) = (- λ . t )
λe
Fungsi distribusi kumulatif
(- λ.t )
F(t) = 1 - e
Fungsi keandalan
( - λ.t )
R(t) = e
f(t)
λ(t) = =λ
R(t)
1
MTTF =
λ
2. Distribusi Weibull
• xi = ti
• yi = ln [ln(1 /(1 - F(ti))) ]
• F(ti) = (i - 0.3 ) / (n + 0.4)
n
⎛ n ⎞⎛ n ⎞
n∑ xi y i − ⎜ ∑ xi ⎟.⎜ ∑ y i ⎟
i =1 ⎝ i =1 ⎠ ⎝ i =1 ⎠
b
2
= n n
2 ⎛ ⎞
n∑ xi − ⎜ ∑ xi ⎟
i =1 ⎝ i =1 ⎠
n n
∑ yi ∑x i
i −b i
a = =1n =1
n
Parameter : θ = e
- (β )
α
i = 1, 2, 3, ...., n
f(t)= β
β
t ⎞
β −1 − ⎛⎜ ⎟
⎛ t ⎞
θ
e
⎝ ⎠
⎜ ⎟
θ ⎝ θ kumulatif
Fungsi distribusi ⎠
β
⎛t⎞
−⎜ ⎟
⎝θ ⎠
F (t ) = 1 −
e
Fungsi keandalan
β
⎛ t ⎞
−⎜ ⎟
⎝α⎠
R(t ) = e
Fungsi laju kerusakan
β −1
β t
λ (t) = ⎜⎛ ⎟⎞
θ ⎝θ⎠
MTTF = θΓ ⎛⎜ 1 + 1 ⎟⎞
⎝ β ⎠
Γ( x) = ( x − 1).Γ( x − 1)
3. Distribusi Normal
simetris terhadap nilai rataan dengan dua parameter bentuk yaitu μ ( nilai
• xi = ti
• yi = zi = Φ
-1
[F(ti )]
• F(ti) = (i - 0.3 ) / (n + 0.4)
n
⎛ n ⎞⎛ n ⎞
n∑ xi y i − ⎜ ∑ xi ⎟.⎜ ∑ y i ⎟
i =1 ⎝ i =1 ⎠ ⎝ i =1 ⎠
b
2
= n n
2 ⎛ ⎞
n∑ xi − ⎜ ∑ xi ⎟
i =1 ⎝ i =1 ⎠
n n
∑ yi ∑x i
a i − b i =1
n
= =1
n
a 1
• Parameter : μ = - dan σ =
b b
i = 1, 2, 3, ...., n
f(t) =
1
e
( )
( t - μ )2
2σ2
σ 2π
F(t) = Φ( σ )
t-μ
Fungsi keandalan
R (t) = 1 - Φ σ ( )
t -μ
f (t)
λ(t) =
1 - Φ (σ
t -μ
MTTF = μ
4. Distribusi Lognormal
memiliki bentuk yang bervariasi. Yang sering terjadi, biasanya data yang dapat
• xi = ln ti
• yi = zi = Φ
-1
[F(ti )]
• F(ti) = (i - 0.3 ) / (n + 0.4)
n
⎛ n ⎞⎛ n ⎞
n∑ xi y i − ⎜ ∑ xi ⎟.⎜ ∑ y i ⎟
i =1 ⎝ i =1 ⎠ ⎝ i =1 ⎠
b
2
= n n
2 ⎛ ⎞
n∑ xi − ⎜ ∑ xi ⎟
i =1
⎝ i =1 ⎠
n n
∑y i ∑x i
a i − b i =1
n
= =1
n
1
• Parameter : s =
b dan t = e
med -( a.s)
i = 1, 2, 3, ...., n
1
f(t) = 1
2s
2 ln( ) t
t med
2
e
s.t 2π
F(t) = Φ s (1
ln t
t
med
)
Fungsi keandalan
R (t) = 1 - Φs ( 1 t
t med
)
ln
⎛s2 ⎞
⎜ ⎟
⎜ 2 ⎟
⎝ ⎠
MTTF = tmed e
menunjukkan hubungan linear yang kuat antara dua peubah acak Xi dan Yi.
Distribusi Eksponensial
Xi = ln ti
ln1
Yi =
1 - F(ti)
Distribusi Weibull
Xi = ln ti
Yi = ln ( )
ln 1
1-F(ti)
Distribusi Normal
Xi = ti
Distribusi Lognormal
Xi = ln ti
Yi = Nilai normalitas dari F(ti)
dan Yi semakin baik. Nilai r = 0 berarti antara Xi dan Yi tidak ada hubungan
linear namun bukan berarti tidak ada hubungan sama sekali ( Walpole, hal
Diantaranya adalah memilih Index of Fit terbaik yaitu yang terbesar, untuk
n
⎛ n ⎞⎛ n ⎞
n∑ xi yi − ⎜ ∑ xi ⎟⎜ ∑ yi ⎟
⎝ ⎠⎝ ⎠
r= i =1 n i i =1
⎡ n
⎛ n
⎛ n ⎞ ⎤
2
=1
⎞ ⎤⎡
2
⎢n ∑ x − ⎜ ∑ x ⎥ ⎢n∑ y − ⎜ ∑ y ⎟ ⎥
2 2
⎟ i i i i
⎢
⎣ i =1 ⎝ i =1 ⎠ ⎥⎦ i =1 ⎝ i =1 ⎠
⎥⎦
⎢⎣
distribusi data yang telah dipilih benar – benar mewakili data. Pengujian
karena uji ini memiliki probabilitas yang lebih besar dalam menolak suatu
Test. General Test biasanya menggunakan Chi Square Test dengan ukuran
Square Test dengan ukuran data yang lebih kecil ( Ebelling, hal 408 ).
Lognormal.
modelnya yaitu:
dilakukan pada saat pengoperasian telah mencapai umur yang telah ditetapkan
yaitu tp. Hal ini dilakukan jika pada selang waktu tp tidak terjadi
kerusakan.
Apabila sebelum waktu tp, sistem ini tidak mengalami kerusakan maka
dilakukan penggantian sebagai tindakan perawatan korektif. Penggantian
selanjutnya akan dilakukan pada saat tp dengan mengambil waktu acuan dari
Penggantian Penggantian
kerusakan kerusakan
Penggantian pencegahan
Tf tp Tp Tf
Total downtime per unit waktu untuk penggantian pencegahan pada saat tp
R(tp) )
D(t p ) =
(tp + T p ).R(tp) + (M (tp)) + T f ).(1 - R(tp))
kerusakan.
penggantian pencegahan.
terjadi.
pada saat tp
kerusakan yang terjadi secara tiba – tiba. Konstruksi model interval waktu
Total downtime per unit waktu merupakan fungsi dari frekuensi pemeriksaan (
λ(n) n
D(n) = +
μ i
λ(n) = k / n
λ(n) n
D(n) = +
μ i
Maka :
2
λ' (n) = -k/n
dan :
k 1
D' (n) = - n 2μ + i
1 MTTR
dimana : =
(1/ μ) jam kerja/bln
1 waktu 1x pemeriksaan
=
(1/i) jam ker ja / b ln
nilai k adalah nilai konstan dari jumlah kerusakan per satuan wak tu
k•i
n=
μ
jam kerja/bln
Interval waktu pemeriksaan ( ti ) =
n
dilakukan.
merupakan dua kejadian yang saling bebas dan tidak saling mempengaruhi.
⎢ ⎜ ⎟ ⎥
⎣⎢ ⎝ θ ⎠
⎥⎦
⎛ ⎞β
⎡
n ⎤T
R(T ) = exp ⎢ − n⎜ ⎟ ⎥
⎣ ⎢ ⎝ θ ⎠ ⎥⎦
β
⎡ t − ntT ⎞ ⎤
R(t − nt ) = exp ⎢− ⎛⎜ ⎟ ⎥
⎣⎢ ⎝ θ ⎠ ⎥⎦
n
Rm(t ) = R(T ) * R(t − nt )
Dimana :
n
R(T) = Probabilitas keandalan dengan n kali preventive maintenance.
maintenance.
2.2 Kerangka Pemikiran
maintenance sejak tahun 1993, namun dari data historis kerusakan mesin
yang ada dengan cara memprediksikan waktu yang tepat dalam menentukan
data dan pengetahuan yang mendalam mengenai perilaku mesin yang diamati.
ketat dan teratur akan memerlukan tenaga manusia dan biaya yang cukup
tinggi. Oleh karena itu hanya mesin – mesin yang memiliki tingkat kerusakan
yang tinggi sajalah yang akan masuk dalam program preventive maintenance.
Dari data historis kerusakan mesin maka dapat ditentukan mesin dan
peralatan produksi dan pada akhirnya akan disusun suatu jadwal maitenance
baru yang menunjukkan kapan suatu mesin atau komponen harus diperiksa
atau diganti.
Hampir seluruh mesin pada perusahaan ini telah mencapai batas umur
mesin dapat dicegah atau dikurangi sehingga peralatan dan fasilitas produksi
dapat digunakan secara optimal dan akan memiliki umur pakai yang lebih
panjang.