TEKNIK KUALITAS DAN KEANDALAN

Bab buku ini dibuat untuk memenuhi tugas Kuliah Universitas Negeri Jakarta

DOSEN AKADEMIK
Aam Amaningsih Jumhur , Ph.D.

KELOMPOK 8
Devi Maharani Putri (1502621019)
Muhammad Zulfan Nur Fauzi (1502621086)
Widiyanto Santoso (1502621085)
David Abram Agustinus (1502620046)

UNIVERSITAS NEGERI JAKARTA

FAKULTAS TEKNIK PENDIDIKAN VOKASIONAL TEKNIK MESIN
2021/2022
Perusahaan Penerbitan Hindawi
Jurnal Rekayasa Kualitas dan Keandalan
Volume 2016, ID Artikel 8565791, 9 halaman
http://dx.doi.org/10.1155/2016/8565791
Pengembangan Sistem Pengukuran Kesalahan Baru pada Alat Mesin Multiaksial
untuk Kompensasi Aktif
Noureddine Barka dan Abderrazak El Ouafi
Departemen Matematika, Komputer dan Teknik, Universitas Quebec di Rimouski, Rimouski, QC,
Kanada G5L 3A1
Korespondensi harus ditujukan kepada Noureddine Barka; noureddine barka@uqar.ca
Editor Akademik: Christian Kirchsteiger
AbstrakTeknik kompensasi kesalahan
telah banyak diterapkan untuk meningkatkan
akurasi mesin multisumbu. Namun, karena
kurangnya instrumentasi yang andal untuk
pengukuran langsung dan keseluruhan, semua
metode kompensasi didasarkan pada
pengukuran offline dari setiap komponen
kesalahan secara terpisah. Hasil pengukuran ini
bersifat statis dan hanya dapat mencerminkan
kondisi pada saat pengukuran. Hasil ini tidak
mewakili kondisi kerja nyata karena gangguan
dari deformasi beban, distorsi termal, dan
gangguan dinamis. Pendekatan ini melibatkan
pengembangan sistem pengukuran baru yang
mampu mengevaluasi kesalahan secara
dinamis menurut enam derajat kebebasan.
Sistem yang dikembangkan memungkinkan
pembuatan data berguna yang mencakup
semua status mesin terlepas dari kondisi
pengoperasiannya. Pengukuran yang diperoleh
dapat digunakan untuk mengevaluasi kinerja
mesin, kalibrasi, dan kompensasi kesalahan
secara real time. Sistem ini mampu melakukan
pengukuran dinamis yang mencerminkan
akurasi global alat mesin tanpa analisis yang
panjang dan mahal dari berbagai kontribusi
sumber kesalahan. Akhirnya, sistem
menunjukkan karakteristik metrologi yang
kompatibel dengan aplikasi presisi tinggi.
Kata kunci : peralatan mesin, akurasi,
multiaksial
1. Perkenalan
Kontribusi peralatan mesin dalam
pengembangan beberapa bidang industri
ditunjukkan. Kendala pasar ini telah
berkembang jauh lebih cepat daripada kinerja
mesin yang ada. Teknologi di balik mesin ini
didasarkan pada konsep sejak beberapa dekade
dan hampir mencapai batas potensinya.
Stagnasi yang relatif ini dijelaskan oleh fakta
bahwa perkembangan teknologi di sektor ini
lebih dimotivasi oleh kebutuhan pengguna
daripada inisiatif pabrikan. Situasi ini
menyoroti kebutuhan untuk mengembangkan
strategi untuk menanggapi tantangan baru ini
dengan meningkatkan kinerja mesin dan
membuatnya berkembang ke tingkat teknologi
yang lebih tinggi [1–3].
Hilangnya presisi pada peralatan mesin
adalah karena ketidaksempurnaan geometris
dari struktur mekanik mesin atau mengikuti
modifikasi struktur ini di bawah tekanan statis,
termal, dan dinamis. Keterbatasan teknologi
dan biaya yang terkait dengan solusi ini
menyebabkan pengenalan konsep kompensasi
kesalahan [4-8]. Namun, teknik kompensasi
seperti yang dipraktikkan menyiratkan
kebutuhan untuk mengukur, di bawah kondisi
operasi dan lingkungan yang khas, semua
komponen kesalahan, sebelum
menggabungkannya melalui model matematika
untuk kemudian menghasilkan data yang
diperlukan untuk melakukan koreksi. secara
real time [9, 10]. Langkah seperti itu, meskipun
memungkinkan koreksi sebagian besar
kesalahan sistematis, tidak memungkinkan
untuk mengevaluasi komponen acak dari
kesalahan. Selain itu, beberapa keterbatasan
lain sebagian besar mengkompromikan potensi
pendekatan ini. Di antara keterbatasan ini
adalah (i) pentingnya tenggat waktu dan biaya
yang diperlukan untuk pengukuran jarak jauh
dari kesalahan dalam berbagai kondisi operasi;
(ii) sulitnya menutupi semua sumber kesalahan
yang dapat berdampak pada presisi mesin;
(iii) kebutuhan untuk melakukan kalibrasi
berkala dari mesin yang geometrinya
mengalami variasi terus menerus karena
keausan, kelelahan, dan efek statis dan dinamis
lainnya; (iv) kesalahan yang dievaluasi dalam
kondisi statis, dengan variasi yang dialami
dalam kondisi dinamis tidak diperhitungkan;
(v) kesalahan yang diukur secara individual
dan mekanisme interaksi antara berbagai
sumber kesalahan tidak dipertimbangkan.
Untuk menghindari keterbatasan ini, perlu
untuk mengembangkan pendekatan
pengukuran yang dinamis dan terintegrasi yang
mampu mengevaluasi, secara real time,
komponen individu dari kesalahan yang terkait
dengan efek geometris, termal, dan dinamis.
Langkah ini memungkinkan untuk
memberikan representasi yang andal dari status
mesin untuk kompensasi adaptif yang kuat dan
efektif [11-16].
Tujuan dari makalah ini adalah untuk
mengembangkan sistem pengukuran secara
real time untuk mengidentifikasi secara
simultan semua komponen kesalahan
volumetrik pada peralatan mesin multiaksial.
Prototipe mampu memantau dan mengukur
disajikan pada Gambar 1. Konfigurasi dasar
terdiri dari dua bagian: pelat tetap yang
merupakan referensi pengukuran dan pelat
bergerak yang langsung melekat pada
mekanisme yang digerakkan. Bagian tetap
mendukung sumber laser He-Ne, tiga cermin
semireflektif, dan tiga fotodetektor. Bagian
yang bergerak terdiri dari retroreflektor dan 3
cermin datar. Sinar referensi yang dihasilkan
oleh sumber laser Ne-He dibagi menjadi 3
sinar berbeda. Yang pertama diproyeksikan
pada cermin datar FM1 dan kemudian
dipantulkan ke fotodetektor PD1. Sinar kedua
diproyeksikan pada retroreflector RR dan
kemudian diarahkan ke fotodetektor PD2. Sinar
ketiga dipantulkan ke fotodetektor PD3
menggunakan 2 cermin datar FM2 dan FM3.
Setiap penyimpangan dari pelat bergerak
dibandingkan dengan referensi akan
menyebabkan variasi posisi sinar pada
fotodetektor. Variasi ini diperoleh mulai dari
sinyal output dari fotodetektor yang terhubung
ke rangkaian elektronik untuk
Sa
ya0
Pelat ponsel
FM
FM 2
3

RR
komponen kesalahan yang dihasilkan saat
FM1
bergerak di sepanjang sumbu utama.
Berdasarkan struktur optoelektronika,

= L 01 + kamu
+ kamu
pendekatan yang diusulkan memungkinkan
untuk mengevaluasi kesalahan secara simultan SM SM SM 0
2
sesuai dengan 5 dari 6 derajat kebebasan setiap 3 2 1
L
2
1=
L

kepala mesin, terlepas dari kondisi operasi. ka

m
Selain itu, pendekatan ini memungkinkan u
L

penyederhanaan secara substansial prosedur

Sumber
laser

PD3
kalibrasi dan evaluasi kinerja metrologi dari
PD2 PD1

Z x
peralatan mesin. Dibandingkan dengan teknik
pengukuran referensi, pendekatan ini
menyajikan beberapa keuntungan yang Plat referensi

signifikan dalam hal presisi dan dalam hal
kecepatan manipulasi dan biaya.
2. Konfigurasi Sistem Pengukuran
Kemajuan terbaru di bidang instrumentasi
memungkinkan pengembangan teknik
pengukuran baru yang kuat. Pendekatan
pengukuran, yang disarankan selama penelitian
ini, sebagian didasarkan pada inovasi ini,
menggabungkan komponen optik dan
elektronik untuk melakukan sistem pengukuran
presisi tinggi. Diagram perangkat pengukuran
Gambar 1: Disposisi komponen sistem pengukuran.
pengkondisian dan pra-pemrosesan. Komputer
digunakan untuk akuisisi, perawatan, dan
eksploitasi berbagai sinyal.
Laser He-Ne menghadirkan solusi berbiaya
rendah dengan pengulangan yang baik.
Pemisah sinar laser nonpolarisasi mencegah
polarisasi sinar datang. Penyerapannya yang
rendah memungkinkan spacer dielektrik ini
untuk memisahkan balok sebesar 50%. Mereka
dibuat dari substrat dengan presisi tinggi,
memiliki faktor ekspansi termal urutan 7,106
C1, untuk meminimalkan distorsi panjang
gelombang. Selain itu, kemiringan substrat
menghindari kemungkinan pantulan balik ke
laser. Sensor posisi terbuat dari fotodioda
silikon dalam kristal tunggal dengan elektroda
empat kali lipat. Kompatibel dengan sinar laser
berdaya rendah dan sinar inframerah lainnya,
mereka memungkinkan memperoleh informasi
yang akurat tentang posisi linier sinar dalam
arah horizontal dan vertikal.
Penting untuk diperhatikan prinsip derajat
kebebasan. Dalam kendala linier, perpindahan
sepanjang sumbu yang diketahui mengarah
pada penghapusan 5 dari 6 derajat kebebasan
bagian yang bergerak dibandingkan dengan
tumpuan pemandu. Pergerakan ke arah derajat
kebebasan yang tersisa dikendalikan dengan
presisi menggunakan perangkat kontrol yang
sesuai. Perpindahan linier dari bagian yang
bergerak sepanjang sumbu tertentu melibatkan
penyimpangan menurut tiga arah: tiga translasi
(kesalahan posisi dan kelurusan) dan tiga rotasi
(yaw, pitch, dan roll). Akibatnya, tiga berkas
yang diperoleh dari berkas utama harus
disejajarkan dengan arah sumbu yang bergerak
sehingga berkas yang dipertimbangkan
diterima oleh fotodetektor. Prinsip dan cara
perhitungan posisi setiap berkas sinar pada
fotodetektor disajikan pada Gambar 2. Posisi
berkas dihitung berdasarkan arus foto dari
tegangan , , , dan . Posisi horizontal (𝑃H) dan
V
B
Posisi balok
Ketegangan VA, VB, VC, dan
VD
VA VC
Posisi PH dan PV
V
D Penyimpangan aku j dan aku j
Gambar 2: Perhitungan posisi balok.
bidang vertikal (𝑃𝑉) dihitung mulai dari pintu
keluar ini sesuai dengan hubungan yang telah
ditentukan
VA−VCsebelumnya
( )
P =
VA +VC
(
V=
VB−VD
VB+VD ) (1)
Fotodetektor PD1 menerima sinar yang
dipantulkan oleh cermin datar FM1, dengan
posisinya (𝑃𝐻1, 1) sensitif terhadap yaw dan
pitch, masing-masing. Pembacaan ini tidak
terpengaruh oleh posisi linier cermin. Posisi
(𝑃𝐻2, 2) dari fotodetektor PD2, yang
menerima sinar yang dipantulkan oleh
retroreflektor RR, peka terhadap kesalahan
kelurusan pada denah horizontal dan vertikal.
Posisi berkas dipantulkan oleh 2 cermin datar
FM2 dan FM3 (berorientasi pada 45∘ ) dan
diwakili oleh posisi (𝑃𝐻3, 3) pada fotodetektor
PD3. Ini merupakan efek kumulatif dari
kesalahan sudut (pitch and roll) serta kelurusan
pada bidang horizontal. Berdasarkan
konfigurasi dimensi dan geometris sistem
pengukuran dan interaksi antara data dari
fotodetektor, beberapa hubungan aritmatika
didirikan untuk menghitung berbagai
kesalahan. Jadi, untuk setiap gerakan relatif
antara dua pelat (pelat bergerak dan pelat
referensi), tersedia enam koordinat untuk
mengevaluasi lima komponen kesalahan.
Pengukuran redundan dapat digunakan sebagai
kriteria pengecekan. Dalam kasus perkakas
mesin, pengukuran yang diperoleh dengan cara
ini mencerminkan posisi sebenarnya dari pahat
yang terkait dengan bagian dan memungkinkan
untuk mengevaluasi penyimpangan yang
dialaminya dibandingkan dengan lintasan
terprogramnya. Penyimpangan ini dapat
disebabkan oleh sumber geometris, statis,
termal, dan dinamis. Setelah posisi dan
dihitung untuk PD2, deviasi pada bidang
horizontal dianggap sebagai kesalahan
kelurusan horizontal sedangkan setiap
penyimpangan dalam bidang vertikal dianggap
sebagai kesalahan kelurusan vertikal.
=2
=2 (2)
Dua komponen sudut dan bergantung pada
rotasi di sekitar dua sumbu horizontal dan
vertikal. Setiap
Pemindahan
Referensi
Seluler
Tabel CMM
Sinyal Sinyal
Pengkondisian Akuisisi
 Bingkai mesin
Gambar 3: Representasi skematis dari pengaturan
eksperimental.
rotasi target terhadap sumbu x dan sumbu z
akan diterjemahkan menjadi yaw dan pitch
menggunakan hubungan trigonometri
= tan−1 (
PH 1
L 02+Y ) PHAL = 0,15 M
= tan−1 (
PV 1
L 02+Y ) (3)
Kesalahan gulungan tergantung pada rotasi terhadap
sumbu y dan z. Sudut rotasi terhadap sumbu y, yang
con-
sidered sumbu gerakan, diberikan oleh hubungan
trigonometri
= tan−1 ( PVl0 3 − LPV01+1y )
3. Pengaturan Eksperimental dan Tes Awal
Dengan tujuan menganalisis tanggapan sistem
pengukuran baru untuk menentukan
karakteristik metrologinya, digunakan mesin
pengukur koordinat (CMM) untuk melakukan
uji evaluasi. Representasi diagram dari
pengaturan eksperimental diilustrasikan pada
Gambar 3. Sistem keseluruhan mencakup pelat
bergerak dan pelat referensi yang mendukung
aksesori optik. Bagian tetap dari alat pengukur
ditempatkan pada marmer mesin, sedangkan
bagian yang bergerak dipasang pada kepala
CMM.
Pengujian pendahuluan dilakukan untuk
mengoptimalkan kondisi pemanfaatan sistem
pengukuran. Bahkan, tampaknya penting untuk
memaksimalkan presisi dan stabilitas sebelum
memulai validasi pengukuran. Hasil yang
diperoleh menunjukkan dengan jelas bahwa
kondisi lingkungan (cahaya, getaran, angin,
dan kelembaban) memiliki pengaruh negatif
terhadap kualitas respon sistem. Untuk
mengevaluasi dampak dari fenomena ini,
analisis sensitivitas dilakukan. Studi ini
memungkinkan untuk menentukan tindakan
mereka dan mekanisme interaksi mereka dan
PHPL = 1,50 M
PVPL = 1,75 M
PVAL = 0,25 M
(4)
Gambar 4: Respons fotodetektor berdasarkan kondisi yang
berbeda.
untuk melepaskan kondisi yang
memungkinkan pengurangan efeknya.
Dengan demikian, dua bagian dari sistem
pengukuran tertutup untuk mengurangi efek
dari sumber cahaya eksternal. Penggunaan
penutup memungkinkan untuk meningkatkan
secara substansial stabilitas dan luminositas
balok. Gambar 4 mengilustrasikan perbaikan
yang diperoleh dan menunjukkan, bahwa
dengan pengaturan ini, variasi sinyal
berkurang dari 1,50 m menjadi 0,15 m relatif
terhadap bidang horizontal dan dari 1,75 m
menjadi 0,25 m relatif terhadap bidang
vertikal.
Penggunaan filter juga memungkinkan untuk
mengurangi kebisingan dan efek buruk akibat
variasi kondisi sekitarnya lainnya. Selain itu,
dengan tujuan meningkatkan pengulangan
sistem dan memperhitungkan efek pemanasan,
periode pemanasan awal 100 menit diamati
sebelum setiap rangkaian pengujian (Gambar
5).
Untuk mengkalibrasi sistem dan
mengurangi pengaruh kondisi lingkungan,
jaringan syaraf tiruan menghadirkan solusi
yang menarik. Faktanya, jaringan saraf tiruan
berbasis model (JST) biasanya digunakan
untuk mengkompensasi efek suhu dan
kelembaban relatif. Integrasi model-model ini
dalam kompensasi mudah dan sederhana
untuk diterapkan. Namun, model tidak dapat
digeneralisasi untuk semua permukaan
detektor posisi, karena nonlinier karena
bentuk geometris detektor posisi. Untuk
mengatasi keterbatasan tersebut maka perlu
dilakukan kalibrasi sensor posisi dengan
mengembangkan algoritma untuk
mengestimasi posisi horizontal dan vertikal
sekaligus mengoreksi nonlinier akibat bentuk
permukaan sensor posisi yang cekung.
Algoritma ini harus memperhitungkan posisi
balok pada permukaan proyeksi dari detektor
posisi dengan menggabungkan semua faktor
lingkungan. Untuk mendapatkan perkiraan
kasar dari pembacaan resolusi, tes kalibrasi
dilakukan. Selama pengujian ini, pelat
bergerak dipasang pada anggota perpindahan
CMM yang terkait dengan pelat tetap
sehingga membawa sinar laser ke pusat setiap
posisi fotodetektor. Posisi ini kemudian
menjadi posisi referensi untuk kalibrasi
sensor posisi. Pemindaian seluruh permukaan
detektor posisi dilakukan untuk menghasilkan
pelat bergerak dipasang pada anggota
perpindahan CMM yang terkait dengan pelat
tetap sehingga membawa sinar laser ke pusat
setiap posisi fotodetektor. Posisi ini kemudian
menjadi posisi referensi untuk kalibrasi
sensor posisi. Pemindaian seluruh permukaan
detektor posisi dilakukan untuk menghasilkan
pelat bergerak dipasang pada anggota
perpindahan CMM yang terkait dengan pelat
tetap sehingga membawa sinar laser ke pusat
setiap posisi fotodetektor. Posisi ini kemudian
menjadi posisi referensi untuk kalibrasi
sensor posisi. Pemindaian seluruh permukaan
detektor posisi dilakukan untuk menghasilkan
data yang diperlukan untuk pemodelan. Pola
perolehan data ditunjukkan pada Gambar 6.
Posisi dan sinar laser pada fotodetektor
diestimasi sesuai dengan tegangan , , , dan .
Model terdiri dari representasi perilaku posisi
berdasarkan tegangan dan pengaruh suhu
lingkungan (𝑇𝐴) dan kelembaban relatif
(𝐻𝑅). Proses pemodelan dilakukan dengan
teknik ANN multilayer perceptron (MLP)
yang dikenal dengan kemampuan peramalan
yang baik, kesederhanaan, dan fleksibilitas
prediksi. MLP terdiri dari tiga lapisan; lapisan
pertama dan ketiga memiliki jumlah neuron
yang sama dibandingkan dengan input dan
output, masing-masing. Lapisan tersembunyi
dikembangkan dengan mempertimbangkan
input dan output neuron dan kompleksitas
parameter yang diestimasi untuk menghindari
overfitting. Beberapa upaya pelatihan penting
untuk menentukan 10 neuron dari lapisan
tersembunyi yang memenuhi akurasi terbaik.
Kontroler saraf tiruan yang mampu
melakukan koreksi yang tepat dikembangkan
untuk mengkompensasi efek dari kondisi
lingkungan. Perhatikan bahwa, untuk
memvalidasi keefektifan model (Gambar 7),
perlu untuk memverifikasi model
menggunakan data baru yang tidak digunakan
selama proses pelatihan. Pengujian pada
mesin pengukur koordinat telah
menghasilkan data yang berguna untuk
pelatihan dan validasi. Gambar 8 dan 9
menunjukkan kesalahan residual posisi dan
selama tahap pelatihan dan validasi. Selama
fase pelatihan, kesalahan kuadrat rata-rata
(MSE), masing-masing, dari urutan 76,15 m
dan sekitar 92,81 m untuk posisi dan . linier, karena tergantung pada posisi sinar laser
Variansnya berkisar antara 0,601 m2 untuk pada permukaan fotodetektor dan
posisi dan sekitar 0,650 m2 untuk posisi . ketidakpastian yang terkait dengan kalibrasi
Selama fase validasi, dua mean square error sensor suhu yang terintegrasi ke dalam
(MSE), masing-masing, dengan orde 277,71 pengaturan eksperimental. Tabel 2
m dan 240,27 m untuk posisi dan . Kesalahan menunjukkan pengaruh suhu lingkungan pada
ini 3 kali lebih tinggi dibandingkan dengan posisi sinar laser. Juga, dimungkinkan untuk
kesalahan pelatihan. Variansnya adalah orde mengevaluasi pengaruh kelembaban relatif
1,797 m2 untuk posisi dan sekitar 1,795 m2 (RH) pada pengukuran. Akibatnya, setiap
untuk posisi . Kesalahan residual memiliki variasi RH rata-rata 0,5% posisi HR
variasi yang relatif besar sehubungan dengan menyebabkan variasi rata-rata 0,15 m pada
fase pelatihan. Hasil menunjukkan bahwa arah horizontal dan 0,20 m pada arah vertikal
data yang diambil di wilayah perifer detektor posisi berkas pada fotodetektor (Tabel 3).
fotodetektor memiliki ketidakpastian waktu Setelah penilaian dampak kondisi lingkungan
yang lebih besar daripada yang diukur, yang pada sinar laser, analisis sensitivitas terdiri dari
sesuai dengan spesifikasi yang diberikan oleh mengukur sensitivitas sinyal di bawah faktor-
pabrikan elemen optik. Untuk mengurangi faktor yang mengganggu ini. Model yang
ketidakpastian, penting untuk beroperasi dihasilkan membantu untuk memperkirakan
sedekat mungkin dengan area pusat dengan
meningkatkan keselarasan total sistem
pengukuran (Tabel 1). Model analisis Tabel 1: Perbandingan kinerja pelatihan dan
digunakan untuk mengevaluasi pengaruh validasi.
suhu pada posisi. Rata-rata, variasi suhu
sekitar ±0,5∘ C menyebabkan perubahan pada Pelatihan Validasi
UMK ( - m) 76.15 277.71
balok
UMK ( - m) 92.81 240.27
Varians ( - m2) 0,601 1.797
Varians ( - m2) 0,650 1.795

Tabel 2: Pengaruh suhu pada posisi.

Posisi horisontal ( ) Posisi vertikal ( )

±0,5∘C 1m 1,5 m
∘
±1 C 3,25 m 5m
±2∘C 5m 9m

Tabel 3: Pengaruh kelembaban relatif (RH) pada posisi.

Posisi horisontal ( ) Posisi vertikal ( )

±0,5% RH 0,15 m 0,20 m
±1% RH 0,45 m 0,65 m
±2% RH 0,75 m 1,10 m

pengaruh berbagai sumber kesalahan.

posisi 1 m pada arah horizontal dan 1,5 m pada
arah vertikal. Namun, variasi karena suhu tidak
Kompensator saraf diperlukan untuk
mengurangi variasi karena kondisi lingkungan,
dengan mempertimbangkan seluruh area
detektor. Stabilitas telah ditingkatkan karena
aksi cepat dari kompensator. Upaya tersebut
telah mengendalikan variasi yang dihasilkan
dari berbagai sumber, baik yang bersifat
sistematis maupun acak. Masih untuk
mencapai karakterisasi metrologi dari sistem
pengukuran baru untuk menentukan akurasi
dan ketidakpastian yang terkait dengan operasi
dan memvalidasi kinerjanya menggunakan alat
mesin multiaksial.
4. Hasil Eksperimen
Fase terakhir dari proyek ini adalah
mengevaluasi karakteristik metrologi dari
sistem pengukuran baru (NMS) dan
memvalidasi kinerjanya menggunakan alat
mesin multiaksial dengan membandingkan
dengan laser interferometer presisi (Renishaw-
ML10). Protokol untuk referensi dan
pemasangan sistem pengukuran pada mesin
dibuat untuk memfasilitasi prosedur
penyelarasan dan mengurangi waktu
penyiapan. Untuk mendapatkan estimasi yang
baik dari 5 komponen kesalahan di sepanjang
sumbu perpindahan utama, interferometer laser
(ML10) dengan akurasi sekitar 0,1 m dan
stabilitas termal pada urutan±0,0011 ppm
digunakan untuk mengevaluasi pengukuran
yang diperoleh oleh NMS. Karena ML10 tidak
mengizinkan pengukuran lebih dari satu
komponen secara bersamaan, prosedur
pengukuran yang diadopsi adalah
membandingkan NMS dengan ML10 untuk
setiap komponen kesalahan. Dalam setiap
pengujian, perpindahan seri (depan-belakang)
dilakukan untuk memvalidasi penyimpangan
linier (kelurusan horizontal dan vertikal) dan
sudut (yaw dan pitch). Berkenaan dengan
gulungan, tidak ada konfigurasi laser ML10
langsung untuk memvalidasinya. Kalibrasi
NMS menghasilkan algoritma untuk
memberikan pengukuran yang andal dan
efektif dengan mengurangi kesalahan karena
keselarasan total NMS dan kesalahan
sistematis karena
dengan sistem pengukuran itu sendiri.
Kalibrasi ini harus diulang setelah setiap
instalasi sistem pada mesin baru. Pembacaan
reset diperlukan untuk menentukan NMS
absolut untuk kembali ke posisi awal. Model
yang dikembangkan digunakan untuk
memperkirakan kesalahan sesuai dengan posisi
sinar pada fotodetektor dan jarak yang
ditempuh oleh pelat bergerak.
Tes validasi dilakukan pada CMM. Pelat
referensi NMS ditempatkan pada rangka
mesin, sedangkan pelat bergerak dipasang pada
kepala perpindahan mesin. NMS disejajarkan
sesuai dengan protokol penyelarasan. Karena
laser interferometer menggunakan pendekatan
pengukuran dasar, namun tidak dapat
memvalidasi lebih dari satu komponen
kesalahan pada setiap pengujian. Hal ini
diperlukan untuk me-mount secara paralel
dengan NMS sambil menghormati konfigurasi
yang diusulkan untuk setiap ukuran.
Gambar 10 menunjukkan hasil pengukuran
kelurusan horizontal menggunakan kedua
pendekatan. Kalibrasi NMS dilakukan dengan
menggunakan model linier yang mengubah
data yang terkait dengan posisi horizontal dari
fotodetektor untuk kelurusan posisi horizontal.
Kalibrasi ini untuk menghilangkan kesalahan
sistematik dan kesalahan kosinus yang dapat
mempengaruhi keseluruhan sistem
pengukuran. Kedua kurva (depan dan
belakang) yang diperoleh oleh laser ML10
memiliki kecenderungan yang sama, dan
keduanya menunjukkan offset dalam bentuk
perilaku histeresis mekanis, terutama yang
mencerminkan kesalahan geometris dan
jembatan pemandu CMM relatif terhadap
sumbu y. Kesalahan kelurusan maksimum
adalah sekitar 3,8 m. Kedua kurva (return)
yang diperoleh NMS memiliki kecenderungan
yang sama dengan kurva referensi. Kesalahan
kelurusan total berada di urutan 2,6 m.
Mengenai kurva belakang,
Gambar 11 menunjukkan hasil pengukuran
kelurusan vertikal menggunakan kedua
pendekatan. NMS dikalibrasi menggunakan
model linier yang mengubah data
penyimpangan dalam posisi vertikal. Dalam
hal ini, kedua lekukan (depan dan belakang)
yang diperoleh dengan menggunakan laser
ML10 memiliki kecenderungan yang sama

dan mereka menunjukkan offset dalam
histeresis mekanis. Kesalahan kelurusan
vertikal maksimum adalah sekitar 9,64 m.
Kurva yang diperoleh NMS memiliki
kecenderungan yang sama dengan kurva
referensi. Kesalahan kelurusan vertikal
maksimum adalah pada urutan 9,01 m.
Mengenai kurva belakang, encoder menerima
offset pada urutan 0,15 m yang disebabkan
oleh histeresis mekanis CMM dan histeresis
sistem pengukuran itu sendiri.
Analisis statistik yang dilakukan digunakan
untuk membandingkan korelasi antara dua
kurva (depan dan belakang). Sebuah studi
perbandingan kurva kinerja menurut siklus
perpindahan dilakukan. Mengenai urutan
“depan” kesalahan residual antara kurva yang
diperoleh dengan kedua teknik tersebut adalah
pada orde 11.130 m untuk kelurusan horizontal
sekitar 13.665 m untuk kelurusan vertikal.
Adapun urutan "belakang" kesalahan sisa
adalah dua kali lebih kecil dari siklus "depan"
untuk kelurusan horizontal dan sekitar 9,371 m
untuk kelurusan vertikal. Analisis varians
perbedaan antara dua kurva (depan dan
belakang) mengungkapkan variasi yang hampir
sama dengan kelurusan vertikal dan horizontal.
Analisis ini digunakan untuk memprediksi
perkiraan kasar akurasi keseluruhan sistem
pengukuran baru berdasarkan varians.
Pengukuran yang diperoleh oleh NMS
diperkenalkan melalui model kalibrasi untuk
mengatasi kesalahan kosinus dan sistematik
serta koreksi persamaan dasar yang digunakan
untuk menghitung kesalahan yaw dan pitch.
Kalibrasinya memperhitungkan posisi
sebenarnya dalam arah horizontal dan vertikal
serta jarak yang ditempuh oleh pelat bergerak.
Gambar 12 mengilustrasikan luasnya yaw
menggunakan kedua pendekatan dalam siklus
depan dan belakang tertentu. Evolusi
kesalahan hampir linier tergantung pada
sumbu y. Kesalahan maksimum adalah sekitar
5,9 arcsec. Hasil yang diperoleh NMS
konsisten dengan hasil yang diambil oleh
ML10. Kedua kurva (depan dan belakang)
memiliki kecenderungan yang sama dan
bervariasi dalam gaya linier sebagai fungsi
perpindahan. Namun, ada offset sekitar 0,45
detik busur yang disebabkan oleh histeresis
antara NMS dan CMM. Kesalahan yaw
maksimum yang diukur oleh NMS, sekitar 5,9
detik busur, sebanding dengan yang diperoleh
dengan laser ML10.
Gambar 13 mengilustrasikan pengukuran
pitch dengan menggunakan dua pendekatan
dalam siklus depan dan belakang. Kurva yang
diperoleh memiliki tren yang sama dengan
pengukuran laser ML10. Berbeda dengan
pengukuran kelurusan, kesalahan histeresis
minimal. Kesalahan maksimum lebih besar
dari kesalahan renda dan berada pada orde
9,456 arcsec. Hasil yang diperoleh NMS
konsisten dengan langkah-langkah yang
diambil oleh ML10. Namun, ada offset sekitar
0,25 arcsec yang disebabkan oleh histeresis
antara NMS dan CMM. Kesalahan maksimum
sebanding dengan yang diperoleh ML10 yang
berada di urutan 9,474 arcsec.
Menarik juga untuk membandingkan kedua
pendekatan dengan menghitung mean square
error (MSE) dan varians. Mengenai yaw,
varians lebih jelas antara

dua kurva daripada antara siklus depan dan
belakang. MSE adalah sekitar 0,331 arcsec
untuk siklus depan dan di urutan 1,204 arcsec
untuk siklus belakang. Variansnya masing-
masing sekitar 0,016 arcsec dan 0,045 arcsec
untuk dua siklus. Adapun pitch, MSE
sebanding dan urutan 0,151 arcsec dan 0,170
arcsec untuk dua siklus, masing-masing.
Varians sebanding dengan varians dari
langkah-langkah yang diambil oleh ML10.
Pengukuran gulungan diilustrasikan pada
Gambar 14. Perhitungan kesalahan dilakukan
dengan menerapkan hubungan yang ditentukan
di bawah ini. Kesalahan gulungan kurang
signifikan dibandingkan kesalahan sudut
lainnya. Validasi ukuran ini masih diperlukan
untuk mendapatkan gambaran tentang
keakuratan NMS. Namun, validasi kesalahan
memerlukan penetapan validasi struktural yang
khusus dan akurat. Kedua kurva memiliki trend
yang sama dan error maksimum sekitar 5
arcsec. Penting untuk dicatat bahwa ML10
tidak mengizinkan pengukuran kesalahan
gulungan.
5. Kesimpulan
Sistem pengukuran baru terdiri dari struktur
optoelektronika yang mampu mengukur secara
simultan dan dinamis 5 dari 6 komponen
kesalahan perpindahan. Sistem ini
memungkinkan identifikasi dan kompensasi
kesalahan secara real time terlepas dari kondisi
operasi. Pengujian yang dilakukan
menunjukkan bahwa presisi sistem secara
menguntungkan sebanding dengan yang
diperoleh dengan teknik pengukuran yang
diakui. Selain presisi, sistem pengukuran yang
diusulkan juga dicirikan oleh kecepatannya,
fasilitas penggunaannya, dan biayanya. Selain
itu, dengan karakter dinamisnya,
memungkinkan untuk mengintegrasikan efek
geometris, termal, dan dinamis dan
memasukkannya ke dalam operasi pengukuran
yang sama. NMS dikembangkan dan dirancang
untuk evaluasi simultan dan langsung dari lima
kesalahan geometris pada peralatan mesin
multiaksial menggunakan kombinasi berbagai
komponen optik dan elektronik. Susunan
optimal elemen-elemen ini dalam sistem yang
ada digunakan untuk mengukur posisi sinar
laser pada sensor posisi dan mengubah posisi
ini menjadi kesalahan nyata. Konfigurasi ini
memungkinkan kuantifikasi penyimpangan
linier atau kelurusan horizontal dan kelurusan
vertikal dan tiga kesalahan sudut, yaw, pitch,
dan roll. Sistem pengukuran baru memerlukan
analisis sensitivitas untuk mempelajari perilaku
sinyal dari tiga sensor posisi dari waktu ke
waktu. Analisis ini membantu mengungkap
dampak kondisi lingkungan pada pengukuran.
Meskipun membantu menstabilkan variasi
dalam kisaran suhu antara 17∘ C dan 25∘ C,
tidak mungkin untuk memperbaiki sifat
cembung fotodetektor. Model ini
dikembangkan untuk mengkarakterisasi posisi
horizontal dan vertikal balok sesuai dengan
pengaruh masing-masing parameter. . Model
yang dikembangkan membantu untuk
menghitung posisi horizontal (𝑃𝐻) dan posisi
vertikal (𝑃𝑉) sebagai fungsi dari tegangan dari
detektor (𝑉𝐴, , , dan ), suhu, dan kelembaban
relatif. Karakterisasi parameter metrologi NMS
diperlukan untuk menentukan kondisi operasi
dan karakteristik dalam hal akurasi dan
resolusi. Analisis statistik digunakan untuk
mempelajari akurasi dan fidelitas di berbagai
titik. Tambahan, tes yang dilakukan pada
CMM digunakan untuk memvalidasi kinerja
sistem pengukuran baru menggunakan laser
presisi (ML10). Sistem pengukuran yang
dikembangkan dicirikan oleh kecepatan,
akurasi (sekitar ±1,5 m), dan kemudahan
penggunaan. Akurasi dapat ditingkatkan
dengan mengadopsi analisis yang lebih
komprehensif dan rinci dari kondisi lingkungan
dan kondisi operasi. Selain itu, kondisi dinamis
harus diidentifikasi untuk lebih
mengintegrasikannya ke dalam model akhir.
Integrasi penuh dari sistem pengukuran dalam
peralatan mesin membutuhkan optimalisasi
prototipe dalam hal ukuran, komponen, dan
perlindungan dari gangguan lingkungan.
Akurasi dapat ditingkatkan dengan mengadopsi
analisis yang lebih komprehensif dan rinci dari
kondisi lingkungan dan kondisi operasi. Selain
itu, kondisi dinamis harus diidentifikasi untuk
lebih mengintegrasikannya ke dalam model
akhir. Integrasi penuh dari sistem pengukuran
dalam peralatan mesin membutuhkan
optimalisasi prototipe dalam hal ukuran,
komponen, dan perlindungan dari gangguan
lingkungan. Akurasi dapat ditingkatkan dengan
mengadopsi analisis yang lebih komprehensif
dan rinci dari kondisi lingkungan dan kondisi
operasi. Selain itu, kondisi dinamis harus
diidentifikasi untuk lebih mengintegrasikannya
ke dalam model akhir. Integrasi penuh dari
sistem pengukuran dalam peralatan mesin
membutuhkan optimalisasi prototipe dalam hal
ukuran, komponen, dan perlindungan dari
gangguan lingkungan.
Kepentingan Bersaing
Para penulis menyatakan bahwa mereka tidak
memiliki kepentingan yang bersaing.
Referensi
[1] MS Burdekin, "Uji pemotongan untuk
penilaian akurasi," dalam Teknologi
Peralatan Mesin, vol. 5, hlm. 9-11, 1980.
[2]JB Bryan, “Metode sederhana untuk
menguji mesin pengukur dan peralatan
mesin bagian 1: prinsip dan aplikasi,”
Precision Engineering, vol. 4, tidak. 2, hlm.
61–69, 1982.
[3]Y. Kakino, Y. Ihara, Y. Nakatsu, dan K.
Okamura, “Pengukuran kesalahan gerak
peralatan mesin NC dan diagnosis asal-
usulnya dengan menggunakan metode
batang bola magnet teleskopik,” CIRP
Annals—Manufacturing Technology, jilid
36, tidak. 1, hlm. 377– 380, 1987.
[4]J. Tlusty dan F. Koenigsberger, "Konsep
akurasi peralatan mesin," Annals of CIRP,
vol. 24, 1975.
[5]W. Knapp dan E. Matthias, “Uji
ketidakpastian tiga dimensi dari peralatan
mesin dan mesin pengukur dan
hubungannya dengan kesalahan mesin,”
CIRP Annals—Manufacturing Technology,
vol. 32, tidak. 1, hlm. 459–464, 1983.
[6]W. Knapp, “Uji melingkar untuk mesin
pengukur tiga koordinat dan peralatan
mesin,” Precision Engineering, vol. 5,
tidak. 3, hlm. 115–124, 1983.
[7] FW Jones, Evaluasi Kinerja
Peralatan Pembubutan yang Dikontrol
Secara Numerik Presisi, MTDR, 1970.
[8] J. Jedrzejewski, W. Kwasny, D.
Milejski, dan M. Szafarczyk, “Metode
diagnostik yang dipilih untuk pengujian
penerimaan peralatan mesin,” CIRP Sejarah
—Teknologi Manufaktur, jilid. 34, tidak. 1,
hlm. 343–346, 1985.
[9] MS Burdekin, “Instrumentasi dan
teknik untuk evaluasi kesalahan alat mesin,
akurasi alat mesin,” Teknologi Peralatan
Mesin, jilid. 5, hlm. 9–17, 1980.
[10] T.Treib, Sistem Pengukuran Baru
untuk Menguji Akurasi Geometris Linear
Guideways, IWF (ETHZ), Zuerich, Swiss-
land, 1988.
[11] Y. Kagawa, S. Matsumiya, K.
Yamazaki, dan Y. Yang, Sistem Sensor
Berbasis Laser-CCD untuk Deteksi Linieritas
Gerak Waktu Nyata, Departemen Teknik
Mesin dan Penerbangan, Universitas
California, 2003.
[12] MA Donmez, DS Blomquist, RJ
Hocken, CR Liu, dan MM Barash, “A
metodologi umum untuk peningkatan akurasi
alat mesin dengan kompensasi kesalahan,”
Precision Engineering, vol. 8, tidak. 4, hlm.
187–196, 1986.
[13] V.Ragunath, Efek Termal pada
Akurasi Alat Mesin Numerik, Universitas
Purdue, Indianapolis, Ind, AS, 1985.
[14] AH Slocum, Desain Mesin Presisi,
Prentice-Hall, Engle-wood Cliffs, NJ, AS,
1992.
[15] S. Sartori, PC Cresto, M. Di Ciommo,
dan TK Kancheva, “Sebuah cara untuk
meningkatkan akurasi mesin pengukur
koordinat,” Pengukuran, jilid. 6, tidak. 2,
hlm. 50–54, 1988.

[16] K. Busch, H. Kunzmann, dan F.

Waeldele, "Koreksi kesalahan numerik dari
mesin pengukur koordinat", Tokyo, Jepang,
1984.

Perusahaan Penerbitan Hindawi

Jurnal Rekayasa Kualitas dan
Keandalan Volume 2016, ID Artikel
5314312, 10
halamanhttp://dx.doi.org/10.1155/2016/
5314312

Optimalisasi Pemeliharaan Pencegahan di Domain Perawatan Kesehatan:Status

Penelitian dan Perspektif
H. Mahfoud, A. El Barkany, dan A. El Biyaali
Fakultas Sains dan Teknik, Laboratorium Teknik Mesin, Universitas Sidi Mohammed Ben
Abdellah, 2202 Fes, Maroko
Korespondensi harus ditujukan kepada H. Mahfoud; hassana.mahfoud@usmba.ac.ma
Editor Akademik: Adiel T. de Almeida

AbstrakMeskipun pemeliharaan peralatan perawatan. Dalam makalah ini, kami meninjau

medis telah dikelola dengan hati-hati selama dan memeriksa dengan cermat status penelitian
bertahun-tahun, sangat sedikit studi mendalam berorientasi aplikasi pada optimasi
yang dilakukan untuk mengevaluasi efektivitas pemeliharaan preventif perangkat medis. Studi
dan efisiensi dari strategi pemeliharaan ini membahas pemeliharaan kesehatan
preventif yang diterapkan ini, terutama setelah preventif dengan fokus pada faktor-faktor yang
perdebatan tentang kredibilitas rekomendasi mempengaruhi pengambilan keputusan
pabrikan meningkat di komunitas teknik klinis. pemeliharaan. Analisis ini disusun dengan
. Menghadapi dilema hanya dengan mengikuti mendefinisikan berbagai aspek yang
manual perawatan manufaktur atau membuat diperlukan untuk membangun model optimasi
perawatan berbasis bukti, perawatan peralatan pemeliharaan. Kami secara meyakinkan
medis dapat memanfaatkan area lanjutan dalam mengusulkan arahan untuk mengembangkan
riset operasi yang merupakan riset optimasi
alat yang sesuai untuk manajemen
pemeliharaan kesehatan yang lebih baik
1. pengantar
Di pasar yang kompetitif saat ini, di mana
perusahaan di seluruh dunia memperketat
ikat pinggang ekonomis mereka untuk
mengurangi biaya sambil memastikan
kualitas dan keamanan layanan yang tinggi,
indikator kinerja utama ketergantungan
pabrik telah menjadi area di mana inisiatif
menjadi pusat. Baru-baru ini, perusahaan
menyadari bahwa daya saing, kinerja, dan
Nomor publikasi
masa depan mereka terkait erat dengan
efektivitas dan efisiensi manajemen
pemeliharaan. Oleh karena itu, pengakuan ini
membawa perubahan radikal dari persepsi
pemeliharaan dari «necessary evil» menjadi
«investment opportunity» untuk
dioptimalkan. Keunggulan perawatan dapat
dicapai dengan membuat keputusan
perawatan yang rasional dengan
menyeimbangkan biaya dan kinerja industri.
Perlu disebutkan bahwa jumlah, keragaman,
kecanggihan, dan biaya peralatan medis
meningkat secara tiba-tiba, yang membuat
kompleksitas dan biaya pemeliharaan mereka
juga meningkat tajam dalam beberapa tahun
terakhir. Selain biaya perawatan, peralatan
medis sering terlibat dalam insiden pasien .
Oleh karena itu, kewajiban hukum dikenakan
pada organisasi perawatan kesehatan dan
teknik klinis untuk memastikan keamanan
tingkat tinggi dan keandalan perangkat medis
mereka serta memeriksa efisiensi strategi
pemeliharaan. Dalam makalah ini, kami
membahas bagian yang lebih baik dari
publikasi yang ada tentang optimasi
pemeliharaan preventif, khususnya model
yang diterapkan dan divalidasi dalam domain
perawatan kesehatan. Studi ini meninjau
berbagai aspek penting dari pemeliharaan
peralatan medis, menganalisis insufisiensi
penelitian yang berbeda ditemukan dalam
literatur pemodelan optimasi pemeliharaan
kesehatan,
Untuk kepentingan penyusunan bibliografi
umum tentang masalah optimasi
pemeliharaan kesehatan, kami berkonsultasi
dengan berbagai database akademik,
terutama database Scopus. Kemudian, kami
mengekstrak 35 sumber yang terkait dengan
pemeliharaan peralatan medis, berdasarkan
beberapa kombinasi kata kunci berikut:
Pemeliharaan kesehatan, Peralatan medis,
optimalisasi pemeliharaan, efektivitas strategi
medis, dan efisiensi pemeliharaan klinis.
Koleksi yang diekstraksi mencakup artikel
yang diterbitkan antara tahun 2000 dan 2015,
yang mencakup berbagai aspek: pemodelan
optimasi pemeliharaan, studi empiris, dan
prioritas peralatan medis berbasis risiko; lihat
Gambar 1 dan Lampiran. "Jurnal klinis"
16
14
12
10
8
6
4
2
0
2000–2004 2005–2010 2011–2015
Tahun terbit
Optimasi Prioritas Empiris
FIGURe 1: Medis peralatan ibuniat penelitianH
berevolusition.
Rekayasa" dipilih, karena memberikan
cakupan paling banyak pada topik yang
diselidiki dalam penelitian ini. Menurut
penelitian, hanya 11% penelitian mengenai
pemodelan optimasi pemeliharaan peralatan
medis dibandingkan dengan 60% empiris dan
29% publikasi prioritas. Kami menyimpulkan
bahwa pemodelan optimasi pemeliharaan
preventif dalam domain perawatan kesehatan
masih dalam tahap awal dan merupakan area
yang kurang dieksplorasi untuk
memfokuskan inisiatif untuk mengatasi
strategi pemeliharaan yang optimal.
2. Evolusi Pemeliharaan
Karena meningkatnya kesadaran akan
pentingnya manajemen pemeliharaan, proses
ini telah mengalami perubahan berturut-turut
selama beberapa tahun terakhir, Gambar 2.
Sampai tahun 1960-an, pemeliharaan run to
failure telah menjadi kebijakan yang tersebar
luas; kemudian, konsep pemeliharaan
preventif muncul dan menjadi terkenal.
Pemeliharaan berbasis waktu adalah aspek
pertama dari PM, yang terdiri dari aktivitas
pemeliharaan terjadwal dan penggantian suku
cadang untuk menghindari kegagalan yang
tidak terduga. Pada paruh kedua tahun 1980-
an, teknologi pemantauan kondisi
dikembangkan dan pemeliharaan berbasis
kondisi keluar. Kebijakan ini memicu
kegiatan pemeliharaan tidak lebih dari bila
ada bukti kerusakan untuk mengurangi
tindakan terjadwal yang tidak perlu. Baru-
baru ini, komunitas manajemen pemeliharaan
memperkenalkan konsep «prognostik» yang
berhubungan dengan prediksi kesalahan
sebelum terjadi. Dalam konteks ini,
pemeliharaan prediktif adalah kebijakan
CBM yang menyertakan prognostik dalam
proses keputusannya. Dengan demikian, PdM
memasukkan lebih banyak informasi tentang
degradasi aset, dalam bentuk sisa masa
manfaatnya .
Meskipun peningkatan eksponensial dari
teknologi informasi yang mendukung
kebijakan pemeliharaan lanjutan ini, masih
ada beberapa masalah yang belum
terselesaikan dalam literatur. Banyak peneliti
sampai pada kesimpulan yang sama: Perlu
untuk menangani kesenjangan antara model
akademis dan aplikasi lingkungan nyata.
Dalam konteks ini, ditunjukkan bahwa
penerapan model optimasi pemeliharaan
untuk perangkat medis agak langka dan baru.
Sebagian besar organisasi perawatan
kesehatan hanya mengikuti rekomendasi
pabrikan dan tidak mengambil keuntungan
dari keunggulan pemeliharaan sejauh industri
lain. Sebagian besar penelitian dalam domain
ini hanya mengedepankan bagaimana
mengevaluasi dan meningkatkan keandalan
perangkat dalam fase desain atau manufaktur
mereka tanpa mempertimbangkan penilaian
keandalan dan strategi pemeliharaan
peralatan ini dalam konteks operasinya.
Makalah ini menetapkan kode kegagalan
khusus untuk mengukur efektivitas
perawatan untuk berbagai jenis perangkat
medis. Mereka menyimpulkan bahwa strategi
pemeliharaan saat ini efektif tetapi tidak jelas
apakah mereka efisien.
3. Ikhtisar Optimalisasi Pemeliharaan
Alat Kesehatan
Meskipun banyak program manajemen
peralatan (MEMPs) telah direncanakan dan
dilaksanakan dengan baik di organisasi
perawatan kesehatan selama lebih dari 30
tahun, sangat sedikit penelitian yang
menyelidiki efektivitas program ini dalam
menyediakan PM yang dioptimalkan dengan
Pemeliharaan
mempertimbangkan keandalan, biaya, dan
keamanan untuk pemberian layanan.
Beberapa MEMP berbasis risiko telah
diusulkan dalam literatur dan saat ini sedang
digunakan. Makalah ini menerapkan alat
prioritas berbasis risiko untuk inspeksi
pemeliharaan preventif. Interval PM
ditetapkan sesuai dengan tingkat risiko
perangkat kritis. Makalah ini menarik
perhatian pada perlunya memberikan dasar
logis untuk menentukan tes interval PM yang
wajar dan tepat, dengan mempertimbangkan
kegagalan sebagian. Ridgway mengusulkan
pendekatan berbasis risiko untuk
memprioritaskan perangkat yang memenuhi
kriteria sensitivitas pemeliharaan. Makalah
ini menyoroti bahwa salah satu masalah
manajemen pemeliharaan klinis yang paling
dikritik adalah usangnya perangkat medis.
Mereka menekankan ketidakcukupan model
matematis biaya siklus hidup untuk
penggantian perangkat kritis dan
mengusulkan model inferensi fuzzy untuk
memasukkan parameter kuantitatif dan
kualitatif yang mempengaruhi keputusan
penggantian. Makalah ini dikembangkan
untuk tujuan yang sama model keputusan
multikriteria menggunakan pendekatan
sosioteknik Macbeth berdasarkan preferensi
pembuat keputusan. Model yang diusulkan
tidak hanya memberikan tingkat risiko
menyapu tetapi juga analisis biaya manfaat.
Namun demikian, durasi konferensi
keputusan dan kesulitan untuk berkonsentrasi
dalam penilaian kriteria adalah kelemahan
utama. Makalah ini menyajikan teknik
prioritas multikriteria yang berasal dari
proses hierarki analitis menggunakan skala
tajam yang tidak menangani ketidakpastian.
Makalah ini mengusulkan kerangka kerja
berbasis risiko fuzzy untuk memprioritaskan
MD dan memutuskan strategi pemeliharaan
yang optimal. Makalah ini mencoba
mengatasi kekurangan karya-karya
sebelumnya yang mengabaikan kriteria lain
seperti kerugian ekonomi dan ketidakpastian
dalam masalah penilaian ahli.
Namun demikian, penilaian risiko tunggal
yang digunakan untuk memandu kegiatan
keselamatan dan PM adalah tema umum
dalam metode ini yang merupakan proses
agregasi yang tidak konsisten sehingga tidak
dapat memberikan solusi optimal yang tepat
untuk masalah pemeliharaan stokastik.
 berbasis
Segera Tanggu Berdasa Berbasi Inspeks Kontinu Inspeks Kontinu
han rkan s i- - i-
waktu penggu berdas berdas berdas berdas
naan arkan arkan arkan
Evolusi
melalui
waktu
GAMBAR 2: Evolusi pemeliharaan
Perdebatan yang tenang telah diangkat baru-
baru ini di antara para profesional dan
peneliti insinyur klinis tentang kredibilitas
interval PM yang direkomendasikan pabrikan
dan apakah itu didasarkan pada data uji yang
bermakna. Ridgway memperdebatkan
pertanyaan tersebut dan menekankan
pentingnya merampingkan kebijakan
pemeliharaan saat ini dengan menganalisis
keandalan operasional MD. Makalah ini
mengevaluasi dan menganalisis pengaruh
strategi pemeliharaan terhadap probabilitas
kelangsungan hidup beberapa MD
menggunakan pendekatan distribusi
eksponensial. Temuan utama dari studi ini
adalah bahwa peralatan yang mengalir
dengan ketat pada interval yang
direkomendasikan pabrikan untuk PM kurang
dapat diandalkan dibandingkan dengan
model yang sama dengan intervensi
pencegahan yang lebih sedikit. Itu
mengotentikasi perdebatan.
Makalah ini berfokus pada aspek-aspek yang
terkait dengan optimasi pemeliharaan
preventif alat kesehatan. Analisis ini disusun
dengan mendefinisikan kelas yang berbeda
yang diperlukan untuk membangun model
optimasi pemeliharaan menggunakan
kerangka kerja pada Gambar 3.
3.1.Konsep. Pemeliharaan yang berpusat
pada keandalan dan pemeliharaan produktif
total adalah konsep pemeliharaan terkemuka
dalam literatur. Mereka menetapkan struktur
pendukung keputusan umum di mana
tindakan dan kebijakan pemeliharaan
direncanakan. Tinjauan telah menunjukkan
bahwa sedikit yang telah dilakukan untuk
membuktikan kinerja pendekatan empiris
tersebut dalam domain perawatan kesehatan.
Makalah tersebut menunjukkan bahwa
-
melacak alasan yang memicu panggilan
arkan perbaikan di rumah sakit akan berguna untuk
memberikan tindakan perbaikan.
Berdasarkan statistik dari 9 kategori
penyebab utama, penulis menemukan bahwa
penyebab terkait pengguna mewakili 10%
dari total dan dia menarik perhatian pada
perlunya mengadopsi metodologi RCM di
rumah sakit. Lebih-lebih lagi, mempelajari
hubungan antara ketersediaan MD risiko
tinggi dan hasil pasien dan menyarankan
pendekatan pemeliharaan baru untuk
peralatan penting seperti TPM untuk
meningkatkan MMS. Makalah ini
menerapkan metodologi Six Sigma pada
proses pemeliharaan korektif di rumah sakit
Yordania. Disebutkan dalam model bahwa
waktu pemeriksaan, waktu pengambilan
keputusan, dan waktu pengiriman merupakan
faktor kunci yang mempengaruhi waktu
henti, bukan waktu pemeliharaan. Penulis
mengusulkan prosedur CM baru untuk
mengatur staf pemeliharaan. Bahkan jika
pendekatan ini heuristik dan memakan waktu
dan didasarkan pada penilaian dan
pengalaman ahli, mereka mewakili langkah
signifikan dalam «mendapatkan hasil
maksimal» dari aset seperti aeronautika dan
aplikasi militer.
3.2.Kebijakan dan Tindakan Pemeliharaan.
Kebijakan pemeliharaan biasanya dapat
diklasifikasikan ke dalam tiga kategori:
pemeliharaan preventif, korektif, dan
berbasis kondisi. Seperti yang ditunjukkan
dalam
PM termasuk blok dan pemeliharaan berbasis
waktu adalah kebijakan yang paling
diselidiki dalam literatur dibandingkan
dengan CBM. PM juga merupakan kebijakan
yang ditetapkan secara luas untuk perangkat
medis. Makalah ini membedakan antara tiga
jenis pemeliharaan preventif MD:
pemeliharaan terjadwal , verifikasi kinerja ,
dan keamanan pengujian . Demikian juga
dirangkum beberapa jenis kegiatan
pemeliharaan MD yang terdiri dari
perbaikan, penggantian, atau inspeksi.
Makalah ini menghilangkan kesalahpahaman
terkait pemeliharaan MD yaitu «semakin
banyak pemeliharaan semakin baik» dan
memperkenalkan konsep analog
«pemeliharaan berbasis bukti.» Tingkat
 penyelesaian pemeliharaan terjadwal yang satu kriteria, yang biasanya adalah biaya
tinggi bukanlah indikator yang baik untuk pemeliharaan. Dalam sejumlah besar studi
efektivitas dan efisiensi pemeliharaan, ini, pemeliharaan tidak dipertimbangkan
Konsep Sumber data karena asumsi umum waktu perbaikan yang
pemeliharaan Keluara
n diabaikan. Pengecualian durasi tindakan
Sistem Informasi Tindakan
pemeliharaan terkadang mengarah ke solusi
Pemeliharaan
pemeliharaan suboptimal. Kemudian lagi, sejumlah
publikasi yang muncul dalam literatur
Pemodelan umum model Kebijakan
teknik pengoptimala pemeliharaan berurusan dengan masalah optimasi
n multiobjektif menambahkan kriteria
Kemunduran/usia Algoritma keandalan atau ketersediaan.
pemodelan pengoptimalan
Dalam domain perawatan kesehatan, model
Efektivitas Tujuan optimasi ruang lingkup terbatas dengan
pemeliharaan pengoptimalan
mempertimbangkan satu tujuan adalah
Sistem konfigurasi
batasan lain yang dirasakan dalam ulasan ini,
yang seringkali tidak terjadi pada lingkungan
industri nyata. Makalah ini menegaskan
Gambar 3: Faktor-faktor yang mempengaruhi bahwa, selain keandalan, keselamatan, dan
pemodelan pemeliharaan preventif ukuran efisiensi pemeliharaan, ketersediaan
. merupakan indikator penting efektivitas
Meskipun tren pemodelan pemeliharaan pemeliharaan. Pernyataan ini diperdebatkan
bergeser ke CBM dan strategi pemeliharaan dalam penelitian. Dengan demikian, model
prediktif, ini tetap merupakan area yang optimasi multiobjektif tetap menjadi subjek
belum dijelajahi dalam domain perawatan yang kurang dieksplorasi untuk peralatan
kesehatan. Bahkan, membuktikan efisiensi medis. Dan lebih sedikit perhatian diberikan
pemeliharaan berbasis kondisi pada untuk menentukan kriteria tujuan utama
perangkat medis melalui studi kasus yang untuk menghindari model pemeliharaan yang
menunjukkan manfaat biaya yang besar dari salah yang mengarah ke solusi suboptimal.
CBM dibandingkan dengan kebijakan 3.4.Efektifitas. Ini adalah tingkat di mana
sebelumnya yang terdiri dari PM reaktif dan kondisi operasi komponen dipulihkan setelah
berbasis waktu. tindakan pemeliharaan dilakukan. Makalah
ini menyajikan ulasan tentang kemungkinan
3.3.Tujuan. Optimalisasi pemeliharaan tingkat pemulihan yang berbeda: perbaikan
dicapai dengan memaksimalkan atau sempurna atau sebagai.
meminimalkan satu atau beberapa kriteria, Baik seperti perawatan baru dimana tingkat
yang disebut fungsi tujuan. Makalah ini kegagalan menjadi sama dengan komponen
menunjukkan bahwa tujuan ini dapat baru. Perbaikan minimal atau seburuk-
diklasifikasikan di bawah empat keterangan. buruknya untuk itu tingkat degradasi
Yang penting pertama adalah memastikan dikembalikan ke keadaan sebelum tindakan
fungsi sistem, sinonim dengan pemeliharaan dijalankan. Asumsi ini adalah
ketergantungan dan kemampuan dan yang kelemahan utama dari berbagai model
kedua memastikan umur sistem dan optimasi pemeliharaan dalam literatur. Kami
meminimalkan biaya untuk memenuhi juga menemukan perbaikan yang lebih buruk
norma-norma manajemen aset. Selanjutnya, yang merupakan tindakan pemeliharaan yang
menjamin keamanan sangat penting, menyebabkan tingkat kegagalan menurun
terutama dalam kasus konsekuensi dramatis. sedangkan perbaikan terburuk menyebabkan
Akhirnya, melakukan pemeliharaan kerusakan sistem yang dipelihara.
manajemen pribadi dan kesejahteraan Pemeliharaan yang tidak sempurna dianggap
manusia jarang diselidiki. sebagai representasi efektivitas pemeliharaan
Banyak tujuan pemeliharaan telah dikutip yang sesuai dalam konteks industri nyata, di
dalam literatur; namun, sangat sedikit di mana kondisi operasi sistem dikembalikan ke
antaranya yang diperhitungkan dalam model suatu tempat antara AGAN dan ABAO.
pengoptimalan . Sebagian besar penelitian di Model Brown-and Porchan, aturan, faktor
bidang ini berusaha untuk mengoptimalkan peningkatan, dan usia virtual adalah beberapa
metode di antara banyak metode yang
dikembangkan untuk memodelkan
pemeliharaan semacam ini.
Untuk perangkat medis, beberapa pekerjaan
dikembangkan untuk menilai efektivitas
perawatan. Dalam optimasi matematis, model
inspeksi periodik didasarkan pada asumsi
sederhana yang sama tentang perawatan
sempurna. Kemudian, disajikan model yang
bergantung pada usia untuk mengevaluasi
dan menganalisis efek strategi pemeliharaan
pada probabilitas kelangsungan hidup
beberapa MD menggunakan pendekatan
distribusi eksponensial. Tujuan dari
penelitian ini adalah untuk melawan
kredibilitas interval yang direkomendasikan
pabrikan. Asumsi perbaikan minimal dan
sempurna adalah kelemahan utama dari
berbagai model optimasi pemeliharaan dalam
literatur dan pemeliharaan yang tidak
sempurna kurang ditujukan untuk menilai
efektivitas MEMP.
3.5.Kemerosotan. Ini adalah bagian utama
dari model optimasi pemeliharaan.
Keunggulan pemeliharaan diukur dengan
kemampuannya untuk mengatasi mekanisme
kegagalan yang paling signifikan. Pemodelan
deteriorasi harus dicocokkan sedekat
mungkin dengan waktu nyata sistem dengan
kegagalan. Oleh karena itu, banyak alat yang
dikembangkan dalam literatur untuk
memodelkan perilaku penurunan yang
diklasifikasikan ke dalam tiga kategori: kotak
hitam, putih, dan abu-abu.
Distribusi statistik adalah model yang paling
mudah dan paling banyak digunakan di
antara kategori kotak hitam yang tidak
memberikan interpretasi fisik dari sistem
yang dipelajari. Selain itu, mereka sangat
bergantung pada ketersediaan data kegagalan
yang biasanya tidak terjadi pada sistem yang
andal tinggi. Kemudian, metode kotak putih
adalah alat yang menarik untuk memodelkan
perilaku kegagalan komponen dengan fokus
pada detail properti fisik dari sistem yang
dipelihara. Namun demikian, mekanisme
kegagalan kurang untuk beberapa kasus dan
ekspresi analitis keandalan yang diturunkan
biasanya meningkatkan kompleksitas model.
Dengan demikian, peneliti menggunakan
metode stokastik menengah. Mengacu pada
karya, proses Markov adalah pendekatan
umum yang digunakan untuk memodelkan
degradasi stokastik waktu diskrit atau
kontinu. Namun, dengan sistem yang lebih
kompleks,
Dengan cara yang sama, banyak model lain
telah diusulkan dalam literatur untuk
mengatasi masalah kerusakan pemodelan.
Makalah ini mengevaluasi gambar kinerja
sistem multikomponen pada jaringan Petri
net. Makalah ini menilai ketergantungan
sistem dalam konteks hibrida dinamis yang
menggunakan robot stokastik hibrida. Kertas
mengeksploitasi jaringan dinamis Bayesian
untuk memodelkan keandalan kerusakan rel.
Munculnya pemeliharaan berbasis kondisi
memicu penyebaran alat lain seperti model
hazard proporsional untuk menyelidiki
pengaruh kovariat pada degradasi sistem.
Strategi pemeliharaan bergeser ke
pengambilan keputusan prediktif
menggunakan informasi prognostik telah
menghasilkan publikasi baru. Makalah ini
menggunakan proses gamma dan
mengevaluasi pendekatan pemodelan untuk
sisa masa manfaat sistem yang rusak.
Meskipun pemodelan mekanisme kegagalan
telah banyak digunakan dan diterapkan di
banyak industri, penerapannya pada konteks
operasi perangkat kesehatan cukup baru.
Sebagian besar penelitian di bidang ini
terbatas pada penilaian keandalan tahap
desain awal MD. Makalah ini menyebutkan
beberapa model keandalan yang terkenal
dalam konsep, desain, prototipe, dan fase
manufaktur MD untuk mencapai tingkat
kepuasan keselamatan yang tinggi. Namun,
dilaporkan bahwa beberapa fakta dan angka
dalam kaitannya dengan hasil pasien secara
langsung atau tidak langsung terkait dengan
keandalan perangkat medis dan kesalahan
operator. Makalah ini memberikan pedoman
yang berguna untuk meningkatkan keandalan
MD. Dengan demikian, Dhillon bersikeras
menggunakan metode klasik seperti
pendekatan umum, metode penghitungan
bagian, rantai Markov, mode kegagalan dan
analisis efek, dan analisis pohon kesalahan.
Bekerja di adalah langkah pertama untuk
menilai penerapan dan kegunaan dari
beberapa model efek tergantung usia dan
perbaikan yang umum digunakan untuk
sistem MD yang dapat diperbaiki. Dia
menyimpulkan bahwa proses hukum daya
adalah yang paling nyaman untuk model
bertahan hidup dan paling cocok untuk
perangkat yang dapat diperbaiki. Demikian
juga, strategi pemeliharaan yang dievaluasi
dan dianalisis berpengaruh pada probabilitas
kelangsungan hidup beberapa MD
menggunakan pendekatan distribusi
eksponensial. Kemudian, mengusulkan
analisis statistik dari data kegagalan lunak
dan keras MD yang mengalir proses Poisson
Nonhomogen dengan fungsi intensitas
hukum daya.
Hasil studi di atas bertentangan dengan
kepercayaan umum bahwa kegagalan
perangkat medis mengikuti distribusi
eksponensial dan bahwa waktu antara
kegagalan adalah independen. Model kotak
hitam termasuk distribusi kelangsungan
hidup adalah metode yang paling banyak
diterapkan untuk mengevaluasi mekanisme
degradasi peralatan medis. Kemudian,
metode stokastik lainnya seharusnya
diselidiki dalam domain ini.
3.6.Informasi dan Sumber Data. Biasanya,
semua informasi sistem termasuk deskripsi
teknis, fungsi, dan kepentingannya adalah
aspek pertama yang dicakup oleh model
optimasi pemeliharaan. Makalah ini
menekankan bahwa menganalisis data
kegagalan dengan informasi sistem yang
tidak lengkap memungkinkan model dan
keputusan yang salah. Makalah ini
merangkum model pemeliharaan
multikomponen berdasarkan dependensi
ekonomi, struktural, dan stokastik. Model ini
juga tersedia untuk konfigurasi berbeda yang
diberikan seri, paralel, K-out-of-N, dan
standby . Makalah ini menerapkan metode
dekomposisi sederhana untuk mengevaluasi
keandalan perangkat medis pada sistem seri-
paralel. Makalah tersebut menyatakan bahwa
MD yang dapat diperbaiki secara kompleks
dapat diklasifikasikan ke dalam dua kategori:
komponen kegagalan keras dan lunak, yang
independen secara stokastik dan ekonomis.
Selalu ada persyaratan yang jelas dari data
yang andal dan tersedia untuk beralih dari
penelitian teoretis ke penelitian terapan.
Secara umum, aplikasi pengoptimalan
pemeliharaan memerlukan tiga jenis data:
data kegagalan, pengoperasian, dan biaya.
Ketidaktersediaan sistem informasi
pemeliharaan seringkali menjadi kendala
terbesar untuk mengatasi kekurangan data
kegagalan. Apalagi data biaya cukup sulit
untuk dihitung, terutama biaya pemeliharaan
tidak langsung. Oleh karena itu, banyak
publikasi muncul untuk mengatasi
ketidakpastian data . Makalah ini
mengusulkan analisis statistik data kegagalan
lunak dan keras MD yang menyajikan
banyak peristiwa penyensoran. Di
lingkungan medis, peralatan cenderung
sangat andal yang membuat data kegagalan
yang langka dan disensor menjadi masalah
utama domain ini.
3.7. Teknik. Setelah tujuan diidentifikasi
dengan baik dan semua informasi yang
diperlukan dikumpulkan, algoritma optimasi
pemeliharaan yang berguna bervariasi sesuai
dengan kemampuannya untuk menemukan
solusi optimal dalam waktu dan uang
minimum. Metode analitis dan numerik
adalah metode yang umum digunakan dalam
literatur. Namun, mereka hanya diterapkan
pada sistem sederhana dengan jumlah
kendala yang dikurangi. Dalam kasus model
yang lebih kompleks, metode yang tepat ini
memakan waktu atau terkadang tidak
mungkin untuk diterapkan. Memang,
optimasi pemeliharaan dalam konteks
industri nyata biasanya mengalami beberapa
kendala dan sangat kompleks untuk
diselesaikan. Oleh karena itu, banyak metode
simulasi yang digunakan untuk mengatasi
masalah ini. Misalnya, mengevaluasi gambar
kinerja sistem multikomponen pada jaringan
Petri net yang dikombinasikan dengan
simulasi Monte Carlo. Kertas
memberikan gambaran optimasi berbasis
simulasi dan menyatakan bahwa simulasi
peristiwa diskrit mendominasi literatur.
Meskipun metode ini memberikan solusi
dalam waktu yang wajar, tidak ada jaminan
apakah solusi ini akurat dan dapat
diandalkan. Baru-baru ini, penelitian
berorientasi pada tren baru teknik optimasi
pemeliharaan, yang disebut meta-heuristik.
Metode evolusi ini didasarkan pada
mekanisme yang diamati di alam dan
memberikan eksplorasi dan eksploitasi yang
cerdas dari ruang pencarian masalah
optimasi. Perlu disebutkan bahwa heuristik
berbasis populasi, terutama algoritma
genetika, adalah kelas metaheuristik yang
terkenal yang diterapkan dalam masalah
optimasi pemeliharaan.
Seperti disebutkan sebelumnya, model
optimasi perawatan untuk peralatan medis
masih merupakan area yang kurang
dieksplorasi. Berdasarkan tinjauan pemetaan,
menyatakan bahwa menerapkan model
matematika untuk mengoptimalkan strategi
pemeliharaan di domain perawatan kesehatan
masih langka dan masih dalam tahap awal.
Selain itu, beberapa model yang diusulkan
dalam literatur didasarkan pada asumsi kritis Pekerjaan ini telah menetapkan pandangan
seperti tingkat kegagalan konstan terlepas untuk menilai status penelitian yang
dari usia peralatan, waktu perawatan yang menangani masalah optimasi pemeliharaan
diabaikan, riwayat perawatan lengkap, dan preventif perangkat medis. Karena tidak
informasi. banyak yang telah disajikan dalam bidang
Selanjutnya, beberapa publikasi yang muncul ini, penelitian ini diperluas untuk
dalam literatur didasarkan pada beberapa memperhitungkan makalah penelitian lain
asumsi sederhana dan menggunakan metode yang telah menunjukkan sebagian besar
optimasi klasik. Makalah ini mengusulkan keberhasilan model optimasi pemeliharaan
beberapa model matematika untuk lanjutan pada industri lain. Kami
menemukan interval inspeksi periodik yang menganalisis secara mendalam sepuluh aspek
optimal untuk sistem yang dapat diperbaiki yang menentukan model masalah optimasi
MD berdasarkan hipotesis perawatan pemeliharaan: kebijakan dan tindakan
minimal. Penulis menggunakan algoritma pemeliharaan, tujuan pemeliharaan,
rekursif untuk menemukan solusi, yang efektivitas pemeliharaan, kerusakan model,
membuat model sulit komputasi dan informasi dan konfigurasi sistem, sumber
memakan waktu. Makalah ini menyarankan data, dan teknik pengoptimalan. Temuan
program linier integer campuran untuk terpenting dari penelitian ini adalah perlunya
memecahkan masalah penjadwalan penelitian lebih lanjut dalam pemodelan
pemeliharaan MD menggunakan algoritma optimasi pemeliharaan di domain perawatan
serakah. kesehatan, seperti yang disorot oleh
Konvergensi prematur ke local optima kesenjangan literatur yang dirinci di atas.
terlihat sebagai batasan terbesar dari (Saya) Alih-alih hanya mengikuti
algoritma pencarian lokal yang digunakan standar, peraturan, dan rekomendasi pabrik,
dalam model optimasi yang telah disajikan. profesional kesehatan harus menerapkan
Model matematis ini juga terbatas pada pemeliharaan berbasis bukti untuk belajar
penilaian tingkat kegagalan tidak termasuk dari studi efisiensi pemeliharaan komparatif
efektivitas pemeliharaan. Kemudian, dengan dan membuat penyesuaian yang diperlukan
mempertimbangkan asumsi lain membuat untuk kebijakan dan tindakan pemeliharaan,
model optimasi lebih kompleks untuk terutama, ketika banyak manuskrip telah
diselesaikan dengan pendekatan eksak klasik. menunjukkan bagaimana pemeliharaan
3.8. Model optimasi pemeliharaan strategi untuk peralatan medis sangat luas
menghasilkan bermacam-macam aspek, yang dan kontraproduktif.
dijelaskan dalam . Output biasa pertama dari (ii) Pemeliharaan yang berpusat pada
model ini adalah penentuan keputusan waktu. keandalan dan konsep pemeliharaan
Kedua, mereka dapat berfungsi sebagai alat produktif total merupakan langkah penting
untuk mengevaluasi dan membandingkan dalam "mendapatkan hasil maksimal" dari
berbagai strategi pemeliharaan . Model peralatan medis dibandingkan dengan
optimasi juga dapat menyediakan aplikasi industri lain dan dapat membantu
penjadwalan dan perencanaan perawatan layanan pemeliharaan medis menguraikan
yang optimal dan membantu menentukan strategi berbasis bukti untuk peningkatan
kebutuhan sumber daya perawatan. Model tingkat kinerja mereka.
optimasi perawatan untuk hasil alat (aku aku aku) Metode prioritas
kesehatan pada prinsipnya adalah penentuan berbasis risiko digunakan secara luas hanya
interval pemeriksaan/penggantian perawatan untuk mengidentifikasi perangkat medis
yang optimal. Makalah ini mengevaluasi dan kritis yang tunduk pada program
membandingkan strategi PM dengan CM dan pemeliharaan yang ketat dan bukan untuk
mempelajari implementasi CBM dalam masalah pengoptimalan PM yang
domain perawatan kesehatan dibandingkan sebenarnya. Bukti dalam literatur
dengan kebijakan yang ada. Walaupun menunjukkan bahwa pemodelan matematika
demikian, jauh lebih fleksibel daripada pendekatan
empiris, dan pemeliharaan medis akan
4. Diskusi dan Kesimpulan mendapat manfaat dari pemodelan optimasi.
(iv) Hampir tidak ada penelitian dalam
perawatan peralatan medis yang membahas
kebijakan perawatan berbasis kondisi
dibandingkan dengan yang preventif dan
korektif. Penelitian lebih lanjut di bidang ini
harus mengukur hasil pemeliharaan prediktif
termasuk prognostik.
(v) Mengenai beberapa karya sebelumnya
dalam pemodelan pengoptimalan perangkat
medis, model pengoptimalan multiobjektif
tetap menjadi area yang kurang dieksplorasi.
Dan kurang perhatian diberikan untuk
menentukan kriteria tujuan utama untuk
menghindari model pemeliharaan yang tidak
tepat yang mengarah ke solusi suboptimal.
(vi) Pemeliharaan yang tidak sempurna
kurang ditujukan untuk menilai efektivitas
MEMP.
(vii) Metode stokastik lainnya seharusnya
diselidiki dalam domain ini.
(viii) Berbagai jenis konfigurasi dan
dependensi komponen sistem harus
dipertimbangkan untuk membuat model
pengoptimalan jauh lebih realistis.
(ix) Persyaratan sumber daya pemeliharaan
(ukuran dan komposisi kru, suku cadang,
outsourcing, dan masalah logistik) harus
dimasukkan lebih lanjut dalam model
pengoptimalan peralatan medis untuk
menciptakan struktur pengambilan keputusan
yang lebih pragmatis.
(x) Algoritma metaheuristik menemukan
kesuksesan mereka di banyak industri lain.
Mereka dapat berguna untuk optimasi
pemeliharaan peralatan medis untuk
mengatasi kelemahan metode klasik yang
telah digunakan.
Lampiran
Lihat Tabel 1.
Kepentingan Bersaing
Para penulis menyatakan bahwa tidak ada
konflik kepentingan sehubungan dengan
penerbitan makalah ini.
Referensi
[1] AHC Tsang, "Dimensi strategis
manajemen pemeliharaan," Journal of
Quality in Maintenance Engineering, vol. 8,
tidak. 1, hlm. 7–39, 2002.
[2] B. Al-Najjar, “Kurangnya pemeliharaan
dan bukan pemeliharaan yang memakan
biaya: sebuah model untuk menggambarkan
dan mengukur dampak pemeliharaan berbasis
getaran pada bisnis perusahaan,”
International Journal of Production
Economics, vol. 107, tidak. 1, hlm. 260– 273,
2007.
[3] D. Maletic, M. Maleti c, B. Al-Najjar, dan
B. Gomi scek, “Peran pemeliharaan dalam
meningkatkan daya saing dan profitabilitas
perusahaan: studi kasus di perusahaan
tekstil,” Journal of Manajemen Teknologi
Manufaktur, vol. 25, tidak. 4, ID Pasal
171110934, hlm. 441–456, 2014.
[4] AT de Almeida, CAV Cavalcante, MH
Alencar et al., Model Multikriteria dan
Multiobjektif untuk Analisis Keputusan
Risiko, Keandalan dan Pemeliharaan, vol.
231 of International Series in Operations
Research & Management Science, Springer,
Berlin, Jerman, 2015.
[5] B. Wang, "Perawatan peralatan medis:
manajemen dan pengawasan," Kuliah
Sintesis Teknik Biomedis, vol. 7, tidak. 2,
hlm. 1–85, 2012.
[6] BS Dhillon, "Keandalan peralatan medis:
tinjauan, metode analisis dan strategi
peningkatan," Jurnal Internasional
Reliabilitas, Kualitas dan Teknik
Keselamatan, vol. 18, tidak. 4, hlm. 391–
403, 2011.
[7] M. Arturo, Optimasi de la Disponibilite
des Syst emes Assu-` jettis a la Maintenance
Imparfaite ` , 2008.
[8] SH Nggada, Optimalisasi sistem multi-
tujuan sehubungan dengan ketersediaan,
pemeliharaan, dan biaya [Ph.D. tesis],
Departemen Ilmu Komputer, Universitas
Hull, 2012.
[9] HC Oteyaka, “Model Penggantian Biaya
dan Ketersediaan Optimal untuk Sistem
Multi-Komponen,” 2008.
[10] WI Soro, “Modelisation et Optimization
Des Performances et de La Maintenance Des
Systemes Multi-` Etats,” 2011.
[11] F. Besnard, On Maintenance
Optimization for Offshore Wind Farms,
Chalmers University of Technology, 2013.
[12] E. Deloux, Politiques de Maintenance
Conditionnelle Pour un Systeme `a D`
egradation Continue Soumis a un
Environnement ` Stressant, 2008.
[13] BR Wu, “Optimasi Pemeliharaan
Berbasis Kondisi Menggunakan Metode Data
Driven,” 2013.
[14] S. Yacine, “Optimasi Des Methodes
D'inspection Des Pipes,” 2014.
[15] A. Van Horenbeek, Optimasi
Pemeliharaan Berbasis Informasi dengan
Fokus Pemeliharaan Prediktif, Fakultas Ilmu
Teknik, 2013.
[16] KT Huynh, Quantification de L'apport
de L'Information de Surveillance Dans La
Prize de Decision En Maintenance ,
Universite de Technologie de Troyes,
Troyes, Prancis, 2011.
[17] NFG van Dorst, IJBF Adan, H. Peng,
JAM Melssen, dan RWFJM Lemmens,
Pemantauan kondisi komponen dan prediksi
masa manfaat yang tersisa [Skripsi Magister
Sains], Departemen Teknik Industri,
Universitas Teknologi Eindhoven,
Eindhoven, Belanda , 2014.
[18] A. Van Horenbeek, L. Pintelon, dan P.
Muchiri, "Model dan kriteria optimasi
pemeliharaan," Jurnal Internasional Teknik
dan Manajemen Jaminan Sistem, vol. 1,
tidak. 3, hlm. 189–200, 2010.
[19] RP Nicolai dan R. Dekker, “A review of
multi-component maintenance models,”
dalam Proceedings of the European Safety
and Reliability Conference, hlm. 289–296,
2007.
[20] A. Garg dan SG Deshmukh,
"Manajemen pemeliharaan: tinjauan literatur
dan arahan," Journal of Quality in
Maintenance Engineering, vol. 12, tidak. 3,
hlm. 205–238, 2006.
[21] A. Jamshidi, SA Rahimi, D. Ait-Kadi,
dan AR Bartolome, “Pemeriksaan dan
pemeliharaan perangkat medis—tinjauan
literatur,” dalam Prosiding Konferensi
Tahunan IIE, Januari 2014.
[22] B. Wang, J. Fedele, B. Priden et al.,
"Pemeliharaan berbasis bukti: bagian I:
mengukur efektivitas pemeliharaan dengan
kode kegagalan," Journal of Clinical
Engineering, vol. 35, tidak. 3, hlm. 132–144,
2010.
[23] RB Arslan dan Y. Ulgen, "Smart-IPM:
alat adaptif untuk pemeliharaan preventif
peralatan medis," Laporan Tahunan Institut
Reaktor Penelitian, Universitas Kyoto, vol. 4,
hlm. 3950–3953, 2001.
[24] M. Ridgway, "Mengklasifikasikan
perangkat medis menurut sensitivitas
pemeliharaannya: pendekatan praktis
berbasis risiko untuk manajemen program
PM," Instrumentasi dan Teknologi Biomedis,
vol. 35, tidak. 3, hlm. 167–176, 2001.
[25] G. Mummolo, L. Ranieri, V.
Bevilacqua, dan P. Galli, “A fuzzy approach
for medical equipment replacement
planning,” dalam Proceedings of the 3rd
International Conference on Maintenance and
Facility Management, pp. 229–235, 2007.
[26] LMJ De Figueiredo, Model multikriteria
untuk mendukung penggantian peralatan
medis rumah sakit [tesis MS], Instituto
Superior Te´cnico, Lisboa, Portugal, 2009.
[27] S. Taghipour, D. Banjevic, dan AKS
Jardine, "Prioritas peralatan medis untuk
keputusan pemeliharaan," Jurnal Masyarakat
Riset Operasional, vol. 62, tidak. 9, hlm.
1666–1687, 2011.
[28] A. Jamshidi, SA Rahimi, D. Ait-Kadi,
dan A. Ruiz, "Sebuah kerangka kerja
pemeliharaan berbasis risiko fuzzy yang
komprehensif untuk prioritas perangkat
medis," Terapan Soft Computing, vol. 32,
hlm. 322–334, 2015.
[29] B. Tawfik, BK Ouda, dan YM Abd El
Samad, “A fuzzy logic model for medical
equipment risk classification,” Journal of
Clinical Engineering, vol. 38, tidak. 4, hlm.
185–190, 2013.
[30] AT de Almeida, RJ Ferreira, dan CA
Cavalcante, "Sebuah tinjauan penggunaan
multikriteria dan model multi-tujuan dalam
pemeliharaan dan keandalan," IMAJournal of
Management Mathematics, vol. 26, tidak. 3,
hlm. 249–271, 2015.
[31] MG Ridgway, “Interval PM yang
direkomendasikan pabrikan: apakah sudah
waktunya untuk perubahan?” Instrumentasi
dan Teknologi Biomedis, vol. 43, tidak. 6,
hlm. 498–500, 2009.
[32] AB Khalaf, Y. Hamam, Y. Alayli, dan
K. Djouani, "Pengaruh pemeliharaan pada
kelangsungan hidup peralatan medis," Jurnal
Teknik, Desain dan Teknologi, vol. 11, tidak.
2, hlm. 142-157, 2013.
[33] NH Kim, H. Wang, dan NV Queipo,
"Pengurangan adaptif variabel acak
menggunakan sensitivitas global dalam
optimasi berbasis keandalan," International
Journal of Reliability and Safety, vol. 1,
tidak. 1-2, hlm. 102–119, 2006.
[34] J. Moubray, Pemeliharaan Berpusat
Keandalan, Industrial Press, New York, NY,
AS, 1997.
[35] S. Nakajima, Pengantar TPM: Total
Productive Maintenance, Productivity Press,
Cambridge, Mass, USA, 1988.
[36] A. Shahin, E. Pourjavad, dan H.
Shirouyehzad, "Memilih strategi
pemeliharaan yang optimal dengan proses
jaringan analitik dengan studi kasus di
industri pertambangan," International Journal
of Productivity and Quality Management,
vol. 10, tidak. 4, hlm. 464–483, 2012.
[37] M. Ridgway, LR Atles, dan A. Subhan,
Mengurangi Waktu Henti Peralatan: Garis
Serangan Baru, 2009.
[38] KA Mkalaf, P. Gibson, dan J. Flanagan,
"Sebuah studi tentang strategi pemeliharaan
saat ini dan keandalan peralatan medis kritis
di rumah sakit dalam kaitannya dengan hasil
pasien," Jurnal Internasional Sosial, Perilaku,
Pendidikan, Ekonomi , Teknik Bisnis dan
Industri, vol. 7, tidak. 10, hlm. 1383–1390,
2013.
[39] Majeda, “Implementasi Six Sigma pada
Perawatan Korektif di Direktorat Teknik
Biomedis di Kementerian Kesehatan
Yordania,” 2012.
[40] D. Troyer, Buku Kursus Manajemen
Keandalan Pabrik Strategis, 2006.
[41] A. Miguel Cruz dan A. Maria Rios
Rincon, “Pengalihdayaan perawatan
perangkat medis: apakah penelitian
manajemen operasi dan teori manajemen
telah melupakan komunitas teknik medis?
Sebuah tinjauan pemetaan,” European
Journal of Operational Research, vol. 221,
tidak. 1, hlm. 186–197, 2012.
[42] H. Mahfoud, “Optimisation des Strate
´gies de Maintenance D'un Syste`me
Complexe-Analyse Bibliographique,” dalam
Congre`s International du Ge´nie Industriel et
Management des Syste`mes (CIGIMS '15),
hal . 16, Fes, Maroko, 2015,
http://abdennebi.voila
.net/ARTICLES/T12 R143.pdf.
[43] Q. Zhang, "Studi kasus manfaat biaya
pemeliharaan berbasis kondisi yang
digunakan dalam perangkat medis," dalam
Prosiding Simposium Keandalan dan
Pemeliharaan Tahunan ke-59 (RAMS '13),
hlm. 1-5, Orlando, Fla, USA , Januari 2013.
[44] R. Dekker, “Applications of
Maintenance Optimization Models: a review
and analysis,” Reliability Engineering &
System Safety, vol. 51, tidak. 3, hlm. 229–
240, 1996.
[45] S. Gasmi dan N. Mannai, "Masalah
optimasi biaya dalam sistem multistatus
dengan perawatan yang tidak sempurna,"
Journal of Quality and Reliability
Engineering, vol. 2014, ID Artikel 592527,
10 halaman, 2014.
[46] AO Olumuyiwa, Model pendukung
keputusan untuk meningkatkan penjadwalan
pemeliharaan rolling stock berdasarkan
keandalan dan biaya [tesis MS], Universitas
Stellenbosch, 2014.
[47] A. Khalaf, K. Djouani, Y. Hamam, dan
Y. Alayli, “Evidence-based mathematic
maintenance model for medical equipment,”
in Proceedings of the 2010 International
Conference on Electronic Devices, Systems
and Applications, pp 222–226, IEEE, Kuala
Lumpur, Malaysia, April 2010.
[48] S. Taghipour, “Keandalan dan
Pemeliharaan Alat Kesehatan,” 2011.
[49] B. Wang, J. Fedele, B. Priden et al.,
"Pemeliharaan berbasis bukti—bagian II:
membandingkan strategi pemeliharaan
menggunakan kode kegagalan," Journal of
Clinical Engineering, vol. 35, tidak. 4, hlm.
223–230, 2010.
[50] AT de Almeida, “Model multikriteria
untuk pemilihan interval pemeliharaan
preventif,” Quality and Reliability
Engineering International, vol. 28, tidak. 6,
hlm. 585–593, 2012.
[51] L. Doyen dan O. Gaudoin, “Mode
´lisation de l'efficacite´ de la maintenance des
syste`mes re´parables-synthe`se
bibliographique,” Laporan Kontrak T50L47
F 555, 2004.
[52] H. Wang, "Sebuah survei kebijakan
pemeliharaan sistem yang memburuk," Jurnal
Riset Operasional Eropa, vol. 139, tidak. 3,
hlm. 469–489, 2002.
[53] RS Al Hosseini, Koloni Semut untuk
Optimalisasi Pemeliharaan Pencegahan yang
Tidak Sempurna untuk Sistem Multi-Negara,
Universite´ Laval, 2006.
[54] V. Hegde, “Reliability in the medical
device industry,” dalam Handbook of
Performability Engineering, pp. 997-1009,
Springer, Berlin, Germany, 2000.
[55] BS Dhillon, Keandalan Perangkat Medis
dan Area Terkait, CRC Press, New York,
NY, AS, 2000.
[56] RD Baker, "Pemodelan berbasis data
tingkat kegagalan peralatan yang dapat
diperbaiki," Analisis Data Seumur Hidup,
vol. 7, tidak. 1, hlm. 65–83, 2001.
[57] B. Wang dan WP Rice, “kriteria inklusi
peralatan JCAHO ditinjau kembali—aplikasi
teknik sampling statistik,” Journal of Clinical
Engineering, vol. 28, tidak. 1, hlm. 37–48,
2003.
[58] M. Ridgway, "Menganalisis data
inspeksi pemeliharaan terencana (PM)
dengan metodologi Analisis Mode dan Efek
Kegagalan," Instrumentasi dan Teknologi
Biomedis, vol. 37, tidak. 3, hlm. 167–179,
2003.
[59] WA Hyman, "Teori dan praktik
pemeliharaan preventif," Jurnal Teknik
Klinis, vol. 28, tidak. 1, hlm. 31–36, 2003.
[60] B. Wang, “model Fennigkoh dan Smith
untuk kriteria inklusi: Retrospektif 15 tahun:
Wawancara dengan Larry Fenniggoh,”
Journal of Clinical Engineering, vol. 31,
tidak. 1, hlm. 26–30, 2006.
[61] WP Rice, "Evaluasi dan pemeliharaan
berbasis risiko perangkat medis
menggunakan analisis pohon kesalahan,"
Instrumentasi & Teknologi Biomedis, vol.
41, tidak. 1, hlm. 76–82, 2007.
[62] LR Atles, Praktikum untuk Rekayasa
Biomedis dan Masalah Manajemen
Teknologi, Kendall/Hunt Publishing, 2008.
[63] M. Ridgway, “Decoding the PM
puzzle,” dalam Prosiding Simposium
Biomedis ke-20, 2008.
[64] RH Stiefel, Manual Manajemen
Peralatan Medis, 2009.
[65] PH Tsarouhas, “Measuring the
efficiency of medical equipment,” World
Academy of Science, Engineering and
Technology, vol. 4, tidak. 44, hlm. 340–345,
2010.
[66] B. Wang, J. Fedele, B. Priden et al.,
"Pemeliharaan berbasis bukti: bagian III,
meningkatkan keselamatan pasien
menggunakan analisis kode kegagalan,"
Journal of Clinical Engineering, vol. 36,
tidak. 2, hlm. 72– 84, 2011.
[67] S. Taghipour, D. Banjevic, dan AKS
Jardine, "Analisis keandalan data
pemeliharaan untuk perangkat medis yang
kompleks," Kualitas dan Keandalan
Engineering International, vol. 27, tidak. 1,
hlm. 71– 84, 2011.
[68] RC Fries, Desain Perangkat Medis yang
Andal, CRC Press, New York, NY, AS,
2012.
[69] L. Pintelon dan F. Van Puyvelde,
Pengambilan Keputusan Pemeliharaan, Acco,
2006.
[70] C. Letot dan P. Dehombreux, “Model
keandalan aktual berdasarkan data degradasi
dan optimalisasi pemeliharaan,” dalam
Prosiding Workshop IFAC ke-2 tentang
Rekayasa, Layanan, dan Teknologi
Pemeliharaan Lanjutan (A-MEST '12),
hal. .211–216, Seville, Spanyol, November
2012.
[71] W. Lair, Mode´lisation Dynamique de
Systemes Complexes Pour le Calcul de
Grandeurs Fiabilistes et L'Optimisation de la
Maintenance, Universite´ de Pau et des Pays
de l'Adour, 2011.
[72] V. Zille, “Mode´lisation et Evaluation
Des Strate´gies de Maintenance Complexes
Sur Des Syste`mes Multi-Composants,”
2009.
[73] GAP Castaneda, Evaluasi Par Simulasi
de La Suˆrete´ de Fonctionnement de System
En Contexte Dynamique Hybride, Institut
National Polytechnique de Lorraine, 2009.
[74] R. Donat, “Mode´lisation de La Fiabilite
´ et de La Maintenance Par Mode`les
Graphiques Probabilistes: Aplikasi A` La Pre
´vention Des Ruptures de Rail,” 2009.
[75] Z. Tian, L. Wong, dan N. Safaei,
"Sebuah pendekatan jaringan saraf untuk
prediksi sisa masa pakai yang memanfaatkan
sejarah kegagalan dan suspensi," Sistem
Mekanik dan Pemrosesan Sinyal, vol. 24,
tidak. 5, hlm. 1542–1555, 2010.
[76] RP Nicolai dan R. Dekker,
“Pemeliharaan optimal sistem multi-
komponen: tinjauan,” dalam Buku Pegangan
Pemeliharaan Sistem Kompleks, KAH
Kobbacy and DNP Murthy, Eds., Springer
Series in Reliability Engineering, hlm. 263–
286, Springer, New York, NY, AS, 2008.
[77] IS Triantafyllou, "Sistem keandalan
tipe-berturut-turut: tinjauan umum dan
beberapa aplikasi," Journal of Quality and
Reliability Engineering, vol. 2015, ID Artikel
212303, 20 halaman, 2015.
[78] R. Azimi dan F. Yaghmaei, "Estimasi
Bayesian berdasarkan data tersensor tipe II
Rayleigh progresif dengan penghapusan
binomial," Journal of Quality and Reliability
Engineering, vol. 2013, ID Artikel 896807, 6
halaman, 2013.
[79] K. Sadeghzadeh dan N. Fard, "Metode
pemilihan variabel untuk data waktu-ke-
peristiwa yang disensor kanan dengan
kovariat dimensi tinggi," Journal of Quality
and Reliability Engineering, vol. 2015, ID
Artikel 795154,9 halaman, 2015.
[80] AKS Jardine dan AHC Tsang,
Pemeliharaan, Penggantian, dan Keandalan:
Teori dan Aplikasi, CRC Press, New York,
NY, AS, 2013.
[81] A. Alrabghi dan A. Tiwari, "State of the
art dalam optimasi berbasis simulasi untuk
sistem pemeliharaan," Komputer dan Teknik
Industri, vol. 82, hlm. 167–182, 2015.
[82] AA Elhadidy, EE Elbeltagi, dan MA
Ammar, "Analisis optimal pemeliharaan
perkerasan menggunakan algoritme genetika
multi-tujuan," Jurnal HBRC, vol. 11, tidak. 1,
hlm. 107-113, 2015.
[83] Y.-T. Tsai, K.-S. Wang, dan L.-C. Tsai,
“Sebuah studi tentang pemeliharaan preventif
yang berpusat pada ketersediaan untuk sistem
multi-komponen,” Reliability Engineering &
System Safety, vol. 84, tidak. 3, hlm. 261–
270, 2004.
[84] V. Murth, Pendekatan berbasis simulasi
untuk menentukan strategi pemeliharaan
[tesis MS], University of Tennessee, 2003.

Perusahaan Penerbitan Hindawi

Jurnal Rekayasa Kualitas dan
KeandalanVolume2016,ArtikelID
9184039,7halaman
http://dx.doi.org/10.1155/2016/91
84039

Karakterisasi Fisikokimia Manik-manik Alginat yang Mengandung Gula

dan Biopolimer
Tatiana Aguirre Calvo1 dan Patricio Santagapita1,2
1Departemen Perindustriandan Departemen Kimia Organik,
Fakultas Ilmu Pasti dan Ilmu Pengetahuan Alam, Universitas Buenos
Aires (FCEN-UBA), Buenos Aires, Argentina
 2Dewan Nasional Riset Ilmiah dan Teknis (CONICET), Buenos Aires, Argentina
Korespondensi harus ditujukan kepada Patricio Santagapita;prs@di.fcen.uba.ar
Editor Akademik: Yi-Hung Chen.
Hidrogel alginat cocok untuk enkapsulasi berbagai macam biomolekul. Beberapa alternatif untuk formulasi alginat
konvensional sedang dipelajari untuk berbagai aplikasi bioteknologi; di antaranya penambahan gula dan biopolimer
muncul sebagai strategi yang baik dan ekonomis. Gula (trehalosa dan -siklodekstrin), biopolimer kationik (kitosan),
biopolimer anionik (pektin), dan gom netral (Arab, guar, espina corona, dan gom vinal) memberikan karakteristik yang
berbeda pada manik-manik. Di sini kita membahas pengaruh komposisi manik-manik pada beberapa sifat fisikokimia,
seperti ukuran dan bentuk, dianalisis melalui analisis citra digital selain kadar air dan aktivitas. Hasil penelitian
menunjukkan bahwa penambahan biopolimer kedua,
-CD,atau trehalosa memicu manik-manik yang lebih kompak, tetapi fakta bahwa mereka kompak tidak selalu
menyiratkan peningkatan sirkularitas mereka secara bersamaan. Manik-manik korona Espina menunjukkan nilai
sirkularitas tertinggi, berguna untuk aplikasi yang memerlukan sirkularitas terkontrol dan tinggi, memastikan kontrol
kualitas. Manik-manik dengan trehalosa menunjukkan kadar air yang lebih rendah daripada sisa sistem, diikuti oleh yang
mengandung galaktomanan (espina corona, vinal, dan guar gum), mengungkapkan efek struktur polimer. Karakterisasi
lengkap manik-manik dilakukan oleh FT-IR, menetapkan pita karakteristik untuk setiap komponen individu.

1. pengantar terhadap kondisi lingkungan, karena bagian dalamnya

diketahui bersifat inert secara kimiawi [6];
Banyak penelitian telah dilakukan di bidang Untuk mengoptimalkan efisiensi enkapsulasi dan
enkapsulasi yang mengarah pada studi tentang mengontrol pelepasan biokompon, penambahan gula dan
perlindungan dan pelepasan terkontrol senyawa biopolimer muncul sebagai strategi yang baik dan
bioaktif yang digunakan dalam industri farmasi, ekonomis. Di antara gula, trehalosa, disakarida yang
kosmetik, dan makanan [1, 2]. Ada minat besar dalam digunakan sebagai cryo- Di antara biopolimer, kitosan
penggunaan manik-manik hidrogel yang mengandung adalah salah satu yang paling banyak digunakan, karena
agen enkapsulasi, menjadi pencarian eksipien biopolimer kationik menyediakan membran yang lebih
memadai yang menjamin stabilitas dan pelepasan tebal untuk interaksi langsung dengan alginat,
terkontrol merupakan tantangan besar. Beberapa memodifikasi juga beberapa sifat termal [5] dan
hidrokoloid dan biopolimer digunakan untuk tujuan ini fungsional [11]. Sebuah biopolimer anionik seperti
karena sifatnya yang berhubungan dengan pektin, mirip dengan alginat, membentuk hidrogel
perlindungan dan pengiriman dinding serta atribut mengikuti model kotak telur [12], bersaing untuk Ca(II)
fungsional dan sensoriknya. Diantaranya, natrium dengan alginat untuk membentuk jaringan gelasi,
alginat (terisolasi dari ganggang coklat) adalah salah mempengaruhi sifat fungsional [5]. Diketahui bahwa
satu eksipien yang paling banyak digunakan untuk pencantuman food gum pada campuran emulsi
memformulasi manik-manik hidrogel karena sifat membentuk butiran memiliki kelebihan yaitu
enkapsulasi/gellingnya ketika berikatan silang dengan menunjukkan struktur yang lebih kaku dan sekaligus
ion divalen seperti kalsium [3], metode persiapan melindungi senyawa dari difusi
berbiaya rendah, yang terdiri dari menjatuhkan larutan
berair (atau emulsi) dari biopolimer dan senyawa
bioaktif ke dalam CaCl2 [4, 5]; (b) kompatibilitas
dengan eksipien lain, meningkatkan sifat dinding dan
pelepasannya; (c) keserbagunaan, dengan
(d) nontoksisitas dan biodegradabilitas, karena
hasil studi in vivo menunjukkan pengembangan sistem
pembawa alginat biodegradable untuk antibiotik dan
sel tulang, menyediakan prosedur pengobatan
potensial untuk cacat tulang yang terinfeksi [7].
Namun, beberapa kelemahan sering dikaitkan dengan
pembawa ini, termasuk kebocoran biomolekul yang
tinggi, kekuatan mekanik yang rendah, dan ukuran
pori yang besar [8]. Untuk mengoptimalkan efisiensi
enkapsulasi dan mengontrol pelepasan biokompon,
penambahan gula dan biopolimer muncul sebagai
strategi yang baik dan ekonomis. Di antara gula,
trehalosa, disakarida yang digunakan sebagai cryo-
agen dehidroprotektif, telah terbukti meningkatkan
formulasi dan melindungi enzim selama pembekuan
dan perlakuan termal pada manik-manik alginat [5, 9],
dan -siklodekstrin, oligosakarida siklik yang terdiri
dari tujuh unit glukopiranosa, memiliki kemampuan
untuk merangkum molekul hidrofobik dengan ukuran
yang sesuai di dalam rongganya untuk membentuk
kompleks inklusi [10]. memungkinkan enkapsulasi
berbagai senyawa bioaktif, yang sangat sensitif
 [13]; kemudian, empat gum netral dinilai: guar dan gum
arab, yang merupakan dua gum yang paling banyak
digunakan, dan dua gum novel, vinal dan gum korona espina.
Gum yang terakhir adalah biopolimer nongelling baru yang
memberikan viskositas tinggi pada larutan berair dan relatif
stabil terhadap variasi pH, kekuatan ionik, dan suhu [14-16].
Tujuan dari pekerjaan ini adalah untuk menilai
pengaruh komposisi manik-manik pada beberapa sifat
fisikokimia, seperti ukuran dan bentuk, dianalisis melalui
analisis citra digital, serta kadar air dan aktivitas.
Karakterisasi lengkap manik-manik dilakukan oleh FT-IR,
menetapkan pita karakteristik untuk masing-masing
komponen individu.
2. Bahan dan metode
Bahan. Bahan yang digunakan tercantum di bawah ini:
natriumalginat(Algogel 5540) Cargill SA(San
Isidro,Buenos Aires, Argentina), MW = 1,97,105 g/mol
dan rasio mannuronate/guluronate = 0,6; D-trehalosa
dihidrat (Hayashibara Co., Ltd., Shimoishii, Okayama,
Japan/Cargill Inc., Minneapolis, Minnesota, USA), MW
= 378 g/mol; - siklodekstrin (𝛽-CD) (Amaizo American
Jagung-Products Co., Hammond, IN, USA), MW = 1185
g/mol; rendah methoxyl pectin (LM), Meath & Nutrition
Degussa Argentina Inc. (San Isidro, Buenos Aires,
Argentina) dengan tingkat esterifikasi antara 26 dan 31%
dan tingkat amidasi antara 16 dan 19%; guar gum (Cordis
SA, Villa Luzuriaga, Buenos Aires, Argentina), MW
220.000 g/mol dan M/G (mannose/galaktosa) = 1,8; Gum
Arab (Biopack, Za´rate, Buenos Aires, Argentina). MW
250.000 g/mol dan kemurnian 99%; espina corona gum
disediakan dari Supply Idea Argentina SA (Chaco,
Argentina), dengan komposisi persentase sebagai berikut:
kadar air, 0,04 g/100 g; abu, 1,44 g/100 g; lemak, 0,27
g/100 g; protein, 2,17 g/100 g; serat kasar, 0,70 g/100 g;
polisakarida, 85,38 g/100 g; dan M/G = 2,5 [16]; kitosan,
viskositas berat molekul sedang 200–800 cP (1% b/v
dalam asam asetat 1% pada 25∘C, viskometer
Brookfield), dan derajat deasetilasi 75-85% (Sigma-
Aldrich Chemie GmbH, Steinheim, Jerman). Vinal gum
adalah gum yang diekstrak dari biji Prosopis ruscifolia
seperti dilansir Busch et al. [14], dengan M/G = 1,6,
kandungan protein 1,9 ± 0,2% (b/b), dan MW 1,43 106
Da.
Etambahan perawann minyak zaitun
(MolinoCan˜uelas SACIFIA, Mendoza, Argentina) dibeli
di pasar lokal untuk memformulasi emulsi. Emulsi
disiapkan dalam Ultra-Turrax T18B (IKA-Werke GMBH
& CO.KG, Staufen, Jerman) pada 15.500 rpm (kecepatan
4) selama 10 menit. Minyak diemulsi dengan larutan
biopolimer yang sesuai dengan perbandingan massa 1 : 2.
2.1.Persiapandari Alginat Beads.Formulasi emulsi awal
adalah 1% (b/v) alginat dengan 20% (b/v) trehalosa
dicampur dengan 0,25% (b/v) pektin, guar, Arabic, vinal,
atau espina corona gum.
Larutan alginat dicampur dengan biopolimer untuk
menghasilkan emulsi awal. Untuk semua formulasi,
larutan natrium alginat 1% (b/v) dibuat dengan air
sulingan dalam pengaduk magnet yang memungkinkan
hidrasi penuh alginat selama sekitar 12 jam; untuk
menghilangkan gelembung udara, larutan disonikasi
selama 3 menit. Manik-manik dibuat dengan gelasi
ionotropik sesuai dengan metode tetes yang dijelaskan
sebelumnya [5, 9]. Secara singkat, untuk memastikan
pembentukan manik, larutan CaCl2 2,5% (b/v) (dengan
trehalosa 20% (b/v), selain 1,5% (b/v)
-siklodluaratau 0,5% (b/v) kitosan untuk sistem
koresponden) disiapkan dalam air suling sebagai media
eksternal. Dengan meneteskan 10 mL larutan emulsi awal
dilakukan menggunakan pompa peristaltik dengan model
kepala BT50-1J JY10 (Boading Longer Precision Pump
Co., Ltd., China), selalu dengan pengadukan konstan, ujung
pipet standar untuk 0,1– 10 L (diameter 0,35 mm)
terhubung ke tabung silikon diameter internal 1 mm (3 mm
eksternal) di atas 100mL larutan CaCl2.
Sistem dihasilkan pada pH lebih tinggi dari 4,
mengingat nilai pka alginat (3,38 dan 3,65 [5, 9]). Nilai pH
antara 5,5 dan 6 untuk manik-manik A dan AT dan antara 4
dan 5 untuk sisa manik-manik.
2.2. Ukuran dan Bentuk melalui Analisis Citra
Digital.Ukuran dan bentuk manik-manik diperoleh dengan
menganalisis gambar digital yang ditangkap oleh kamera
digital (kamera digital Canon,
3.2 Mpix PowerShotA70; Canon Inc., Malaysia; dengan
zoom tetap pada 3x) digabungkan ke mikroskop binokular
(Unitron MS, Unitron Inc., New York, USA; perbesaran
pada 7x). Gambar-gambar dianalisis dengan perangkat
lunak bebas lisensi ImageJ. Setelah gambar manik-manik
ditangkap untuk semua formulasi, ukuran dan bentuk
diperoleh dengan analisis gambar, pemrosesan dengan
perangkat lunak lisensi gratis
ImageJ(Http://rsbweb.nih.gov/ij/). Analisis yang dilakukan
ditunjukkan pada Gambar 1.
Area, perimeter, diameter Feret, dan lingkaran
dianalisis untuk setidaknya 60 manik-manik dengan
menerapkan perintah "menganalisis partikel" dari perangkat
lunak. Diameter Feret sesuai dengan jarak terpanjang antara
dua titik di sepanjang batas manik. Circularity didefinisikan
sebagai nilai antara 0 dan 1 yang menunjukkan seberapa
dekat bentuk partikel menyerupai lingkaran. Pengaruh
komposisi terhadap diameter dan sirkularitas Feret
dianalisis dengan ANOVA 1 arah dengan post test Tukey
menggunakan Prism 5 (GraphPad Software Inc.).
Perbedaan yang signifikan antara nilai dengan < 0,05
ditunjukkan pada
 1 2

Gambar asli (RGB) (1) Ubah jenis gambar menjadi 8-bit Analisis>analisis partikel
(2) Ambang batas menggunakan memilih garis besar: setiap
Image>Adjust>Threshold manik diberi nomor dan
dianalisis oleh perangkat
Setel opsi skala (dalam menu analisis) memungkinkan penyajian hasil dalam unit yang lunak
dikalibrasi (sebagai mm)

FIGURe 1: Urutan analisis citra dari citra asli hingga analisis partikel. Misalnya, manik-manik yang hanya mengandung alginat (A) sebagai
biopolimer.

kolom dengan huruf yang berbeda, "a" menjadi nilai yang lebih tinggi. Analisis statistik diadaptasi dari [5, 9, 14]. Perangkat
lunak ImageJ dikalibrasi untuk mengubah piksel yang diukur dalam satuan panjang (mm) dengan mengambil gambar bagian
kaliper.

2.3. Air Konten dan Aktivitas Air. Kandungan air total butiran ditentukan secara gravimetri dengan perbedaan berat
sebelum dan sesudah pengeringan dalam oven vakum selama 48 jam pada 96 ± 2∘C. Kadar air dinyatakan dalam persentase
gram air per gram sampel (basis basah, wb). Aktivitas air (𝑤) ditentukan dengan cara
Instrumen Aqualab (Decagon Devices, Inc., USA).
Air konten dan diukur dalam rangkap tiga. Pengaruh komposisi terhadap kadar air dan dianalisis dengan ANOVA 1
arah dengan post test Tukey menggunakan Prism5 (Graph-Pad Software Inc.). Perbedaan signifikan antara nilai dengan
< 0,05 ditunjukkan pada kolom dengan huruf yang berbeda.

2.4. Total yang Dilemahkan Reflektansi-Fourier Transform-Spektroskopi Inframerah (FT-IR). Spektrum FT-IR diukur pada
spektrometer Spectrum 400 FT-IR/FT-NIR (Perkin Elmer, Inc., Shelton, CT, USA). Manik-manik basah menjadi sasaran
pengeringan beku sebelum analisis karena penyerapan air yang tinggi yang sangat mendominasi spektrum, menutupi
biopolimer dan pita gula. Gula dan larutan biopolimer juga dikeringkan-beku untuk mendapatkan spektrum kontrol untuk
setiap eksipien. Semua sampel dipelajari dalam aksesori MIRacle atten-uated total reflectance (ATR) (PIKE Technologies,
Inc., Madison, WI, USA) dengan kristal berlian/ZnSe refleksi tunggal pada sudut datang 45∘. Dua manik-manik ditempatkan
langsung di atasnya, tanpa persiapan sampel sebelumnya, memperoleh sinyal yang sangat baik untuk rasio kebisingan.
Spektrum diperoleh dalam mode refleksi antara 675 dan 4000 cm-1, memperoleh 32 scan rata-rata dengan resolusi 4 cm-1.
Sebuah apodization kuat digunakan, dengan koreksi fase besarnya. Ujung datar digunakan untuk mendapatkan kontak yang
erat antara sampel dan kristal, tanpa kontrol tekanan. Spektrum latar belakang direkam di udara (tanpa sampel) sebelum setiap
pengukuran spektrum. Analisis spektral dilakukan dengan menggunakan perangkat lunak Spectrum versi
6.3.5(PerkinElmer,Inc). Rata-rata rangkap tiga untuk setiap sistem dilaporkan. Baseline dikoreksi dan spektrum
dinormalisasi (antara 0 dan 1) untuk presentasi gambar.

3. Hasil dan Diskusi

3.1.Ukuran dan Bentuk melalui Analisis Citra Digital.Macrobeads alginat dari formulasi yang berbeda diperoleh dengan
metode drop dianalisis dengan analisis citra. Ukuran dan karakterisasi morfologi manik-manik relevan karena dapat
berdampak pada sifat fisikokimia yang berbeda seperti penyerapan air dan pelepasan agen yang dienkapsulasi serta
penerimaan konsumen (meningkatkan kualitas estetika yang dapat menjadi karakteristik yang diinginkan untuk farmasi,
makanan, dan produk pakan) [17]. Gambar 2 menunjukkan ukuran (ditentukan sebagai diameter Feret), sirkularitas, luas,
dan keliling manik-manik dianalisis dengan mikroskop optik dan teknik pengolahan citra digital.
Penambahan eksipien apa pun ke alginat menghasilkan signifikansipengurangan yang signifikan dari diameter dan
luas dan keliling manik-manik, seperti yang ditunjukkan pada Gambar 2. Manik-manik alginat menunjukkan penyimpangan
yang signifikan dari kebulatan (nilai lingkaran 0,6), menunjukkan karakteristik elips. Penambahan setiap eksipien ke alginat
menyebabkan peningkatan dalam lingkaran (Gambar 2(b)), kecuali untuk trehalosa dalam manik-manik AT, karena tidak
ada perbedaan yang signifikan di antara mereka (A versus AT). Peningkatan sirkularitas manik karena penambahan
biopolimer kedua atau -CD mungkin terkait dengan perubahan tegangan permukaan/viskositas tetesan yang mengandung
emulsi awal, yang selanjutnya digunakan untuk membentuk manik-manik alginat.
Sangat menarik untuk dicatat bahwa penambahan biopolimer kedua, -CD, atau trehalosa memicu manik-manik yang
lebih kompak, tetapi fakta bahwa mereka kompak tidak selalu menyiratkan peningkatan sirkularitas mereka secara
bersamaan. Misalnya, manik-manik AVG-T menunjukkan diameter yang lebih kecil dibandingkan dengan manik-manik A-
T (keduanya berdiameter lebih kecil dari manik-manik A), tidak menunjukkan perbedaan signifikan dalam sirkularitas satu
sama lain. Manik-manik yang mengandung gom arab atau
-CD ditunjukkan menjadi yang lebih kecil untuk semua parameter yang dianalisis (luas, keliling,

2.8 0.9
A A
B B
B
Feret's diameter (mm)

2.6 BB 0.8 C C

2.4

Bentuk
D 0,7

bundar
C CD
E DE D
F F E
2.2 0.6

2.0 0,5

AVG-T
AAG-T

AVG-T
A-TCD

AGG-T

AECG-T

A
A-TCh

A-TCD

AAG-T
A

AGG-T
A-TCh

AECG-T
DA
DA

PA
PA

TEP

TEP
AT

AT
Mani
Mani
k-
k-
manik
manik
A 11.0 A
(a)
(b)
B
B 9.5
5 C
Keliling (mm)

CD D C D
CD
E 8.0 EF E G EF
F G
F
4
(mm2)

6.5
Luas

3 5.0

AECG-T
AVG-T
AAG-T
AGG-T
A-TCD
AVG-T
AAG-T
A-TCD

AGG-T

AECG-T

A-TCh
A-TCh
A

A
DA

DA
PA

PA
TEP

TEP
AT

AT

Manik-manik (c) Manik-manik(d)

FIGURe 2: Diameter Feret (a), sirkularitas (b), luas (c), dan keliling (d) diperoleh dengan analisis citra manik-manik dengan komposisi
berbeda. Interval kepercayaan pada 95% ditunjukkan. Setidaknya, 60 manik-manik dari setiap sistem dianalisis. Huruf yang berbeda pada
kolom (A–G, dari nilai tertinggi ke terendah, resp.) menunjukkan perbedaan yang signifikan antara nilai dengan <0,05.

atau diameter). Manik-manik yang mengandung espina 𝑎𝑤. Bagaimanapernah, tidak semua manik-manik
corona gum menunjukkan nilai sirkularitas tertinggi (0,85). memiliki nilai kadar air yang lebih rendah dari manik-
manik A. Perbedaan ini dimungkinkan karena fakta bahwa
3.2. Air Aktivitas dan Konten. Sangat penting untuk manik-manik dari sistem yang berbeda mungkin memiliki
perbedaan dalam isoterm penyerapan airnya, yang tidak
mengetahui kadar air dan aktivitas air ( 𝑤) manik-manik
ditentukan dalam penelitian ini. Manik-manik dengan
untuk menentukan kondisi pemrosesan dan penyimpanan trehalosa (A-
yang tepat, dengan mempertimbangkan pengaruh tinggi air T) menunjukkan kadar air yang lebih rendah daripada sistem
pada stabilitas ketika formulasi yang mengandung senyawa lainnya,
bioaktif disimpan
[9]. dan kadar air dianalisis menurut komposisi diikuti oleh yang mengandung galaktomanan (espinacorona,
manik-manik, seperti yang ditunjukkan pada Tabel 1. vinal, dan guar gums).
Seperti yang diharapkan, manik-manik basah
menunjukkan nilai tinggi antara 0,96 dan 0,98 tetapi 3.3.Identifikasi Komponen dengan FT-IR.Komponen
lebih rendah dari nilai yang dilaporkan oleh penulis lain individu dari ekstrak dan manik-manik ditentukan oleh FT-
untuk manik-manik alginat (sekitar 0,99) [9, 18], IR menggunakan aksesori mikro-ATR (refleksi total yang
mungkin karena adanya minyak dalam manik-manik. dilemahkan). Keuntungan alat ini adalah memungkinkan
Sebagian besar manik-manik yang mengandung gula dan pengukuran langsung manik-manik, tanpa perlu
biopolimer memiliki nilai lebih rendah dari manik-manik menggunakan matriks pendispersi (seperti KBr yang umum
A (kecuali manik-manik A-TCh dan AP-T) digunakan), menyederhanakan preparasi sampel dan
menunjukkan bahwa penambahan manik-manik terlarut pemrosesan data selanjutnya.
lainnya komponen menyebabkan A mengurangi di dalam Gambar 3 dan 4 menunjukkan spektrum manik-manik
beku-kering dan kontrol beku-kering koresponden dari
masing-masing eksipien yang digunakan. Sinyal yang
sesuai dengan keberadaan minyak terlihat jelas di semua
spektrum manik-manik (Gambar 3 dan 4),
mengkonfirmasikan penggabungan yang benar dari
emulsi dalam manik-manik. Dalam spektrum ini, pita
karakteristik yang terkait dengan kelompok lipid diamati
antara 1380 dan 1370, 1485 dan 1430 cm-1 (CH
membungkuk), 1745 cm-1 (C=O, ester) dan 3010, dan
2920 dan 2852 cm-1 ( peregangan CH) dan pita utama
pada 1160 cm−1. Selain itu, dimungkinkan untuk
mengamati keberadaan masing-masing eksipien berbeda
yang digunakan dalam setiap sistem manik dari
pengenalan sinyal utama yang sesuai juga
TMAMPU 1: Kadar air (sebagai persen basis basah, WC % wb) dan EKG (kontrol)
aktivitas air (𝑎𝑤) diperoleh untuk formulasi butiran yang berbeda.
Nilai standar deviasi (𝑛= 3) disertakan. AECG-T

manik-manik toilet(% wb) 𝑎𝑤 A

Reflektansi yang dinormalisasi, skala

VG (kontrol) AVG-T
44 ± 2 (a) 0,983 ± 0,002
AG (kontrol)
(a)
PADA 37 ± 1 (d) 0,975 ± 0,002 (b) AAG-T
A-TCh 41 ± 2 (a,b) 0,981 ± 0,004(a,b)
A-TCD 41 ± 1 (a,b) 0,979 ± 0,002(a,b)
GG (kontrol) AGG-T
TEPAT 39 ± 3(a,b,c,d) 0,981 ± 0,002(a)
AGG-T 39 ± 1(b,c,d) 0,967 ± 0,003 (c)
P (kontrol) AP-T
AAG-T 41,6 ± 0,6(a) 0,958 ± 0,006(c,d)

arbitrer
AVG-T 40 ± 2(a,b,c,d) 0,960 ± 0,003 (d)
AECG-T 37.1± 0,6(c,d) 0,961 ± 0,007(c,d)
Huruf yang berbeda (a–d) menunjukkan perbedaan yang signifikan antara
nilai-nilai di setiap kolom dengan <0,05, menetapkan (a) ke nilai tertinggi
dan (d) ke nilai terendah.

3800

2800
1750
1650
1550
1450
1350
1250
1150
1050
950
850
750
650
-CD (kontrol)
A-TCD bilangan gelombang
(cm−1)

FIGURe 4: Spektrum ternormalisasi yang diperoleh dari manik-

manik beku-kering dan kontrolnya (biopolimer atau gula beku-
Reflektansi yang dinormalisasi, skala

Ch (kontrol) kering). Pita karakteristik disorot oleh lingkaran dan panah (lipid).

A-TCh
T (kontrol)

PADA Pergeseran sinyal diamati untuk sinyal pada 1033 cm-1,

yang menghasilkan pola tiga puncak karakteristik pada
1024, 1007, dan 992 cm-1.
A (kontrol) Penting untuk mempertimbangkan bahwa biopolimer
arbitrer

yang digunakan memiliki beberapa kesamaan (perilaku

A hidrokoloid, komposisi utama gula, dan kandungan protein
rendah (kecuali gom arab)). Kesamaan ini menyebabkan pita
serupa dalam spektrum IR, tetapi beberapa sinyal
karakteristik (dirinci di bawah) masih dapat diamati. Selain
itu, wilayah 1500-900 cm−1 tidak terganggu oleh keberadaan
1200
1100
1000
3400

2700
1700
1600
1500
1400
1300

800
900

700

air dan sangat kaya informasi struktural, karena banyak

bilangan gelombang (cm−1) karakteristik gugus fungsi sinyal sakarida muncul di wilayah
FIGURe 3: Spektrum ternormalisasi yang diperoleh dari manik- spektral ini [21].
manik beku-kering dan kontrolnya (biopolimer atau gula beku- Spektrum kitosan menunjukkan puncak serapan yang
kering). Pita karakteristik disorot oleh lingkaran dan panah (lipid). ditandai pada 1550 cm−1 karena protonasi gugus amino,
satu pada 1635 cm−1 karena ikatan amida, dan deformasi
gugus CH2 terjadi pada 1405 cm−1 [20, 22 ]. Bukti
interaksi antara alginat dan kitosan dapat dilihat pada
sebagai interaksi yang sudah dilaporkan antara kitosan manik-manik A-TCh dalam perpindahan dan pelebaran pita
dan alginat [5, 18] melalui pergeseran puncak di A- ini (1641–1610 cm−1 dan 1405–1420 cm−1), meskipun
TChbeads (Gambar 3). Pita karakteristik alginat sesuai yang terakhir ditumpangkan karena kontribusi pita minyak.
dengan gugus karboksilatnya pada 1595 dan 1405 cm−1 Karakteristik sinyal pektin adalah 1741 (getaran C=O
(peregangan simetris dan asimetris, resp.) [19, 20] dan COOH), 1605 (getaran simetris COO-), 1410 (getaran
telah diamati juga dalam spektrum manik-manik A. Sinyal- antisimetris COO-), dan 1011 cm−1 (peregangan C=O) [23,
sinyal ini kurang kuat di sisa spektrum manik-manik 24]. Tidak seperti yang diamati dengan kitosan, untuk
(Gambar 3 dan 4) karena adanya trehalosa, yang sinyalnya pektin manik-manik (AP-T), tidak ada perpindahan pita
sangat mendominasi spektrum (pita pada 983 cm-1 dan karena keduanya bermuatan negatif dan tidak membentuk
1148 cm-1, sesuai dengan ikatan glikosidik. , [21]). Pita kompleks (seperti yang diharapkan). Namun, manik-manik
pada 1033 cm−1 yang sesuai dengan regangan CO juga AP-T menunjukkan pita yang lebih kuat pada 1415 dan
merupakan karakteristik alginat [20, 21]. Sinyal pada 1490- 1330 cm-1 (yang cukup kecil dalam skala yang disajikan)
1380 cm-1 sesuai dengan alginat dan minyak. daripada manik-manik AT mungkin karena kontribusi
pektin.
 Spektrum gum, terutama untuk ketiga galaktomanan
(guar, espina corona, dan vinal gum), menunjukkan
kesamaan pada daerah karbohidrat (1200–700 cm−1),
terutama pada sinyal yang sesuai dengan karbon anomerik
dari monomer yang berbeda (sinyal spesifik untuk
galaktosa ( o
β) pada 871 ± 7 cm−1, mannose (876 ± 9 cm−1), dan
glukosa (915, 874, dan 767 ± 8 cm−1)) [25-27]. Intensitas
relatif pita pada 1150, 1070, dan 970 cm-1 sehubungan
dengan pita utama pada 1020 cm-1 terkait dengan
perbedaan rasio mannose/galaktosa dari galaktomanan yang
digunakan. Pita utama guar gum diamati pada 1017, 1082,
dan 1158 cm−1 (peregangan C-OH), pada 1648 cm−1
(diamati sebagai bahu pada AGG-T), dan pada 1620 cm−1
(pembengkokan OH). ). Selanjutnya, manik-manik AGG-T
menunjukkan pelebaran pita pada 1150 cm-1. Spektrum
gum arab menunjukkan pita karakteristik pada 3000–3600
cm−1 (penguluran OH), 2993 dan 2918 cm−1 (peregangan
C-H), dan 1612 cm−1 (peregangan C=O) dengan puncak
utama pada 1017 cm− 1.
Kesepengetahuan kami, spektrum FT-IR dari vinal dan
espina corona gum dilaporkan untuk pertama kalinya.
Spektrum vinal gum menunjukkan sinyal yang sangat luas
antara 1700 dan 1500 cm-1, yang mencakup beberapa
puncak dengan maksimum antara 1600 dan 1630 cm-1.
Dalam manik-manik AVG-T, bentuk pita lebar pada 1620
cm−1 lebih mirip dengan permen karet vinal daripada
alginat, menunjukkan peningkatan relatif pada 1640 cm−1
(dibandingkan dengan pita pada 1620 cm− 1). Pelebaran
sinyal pada 1150 cm−1 (bertepatan dengan adanya pita
dalam spektrum kontrol korona espina) dan modifikasi
relatif dari rasio pola tiga pita (wilayah 1060–1130 cm−1)
diamati untuk manik-manik yang mengandung permen
karet espina corona (Gambar 4).
4. Kesimpulan
Bentuk dan ukuran manik-manik sangat dipengaruhi
oleh komposisi.Penambahan biopolimer kedua, -
siklodekstrin, atau trehalosa menyebabkan manik-manik
lebih kompak, tetapi ini tidak selalu berarti peningkatan
sirkularitas. Manik-manik dengan gum Arab atau -CD
terbukti lebih kecil. Manik-manik yang mengandung espina
corona menunjukkan nilai sirkularitas tertinggi, yang dapat
berguna untuk aplikasi yang memerlukan sirkularitas
terkontrol dan tinggi, memastikan kontrol kualitas.
Penambahan gula dan biopolimer netral menghasilkan
nilai yang lebih rendah daripada manik-manik alginat biasa.
Namun, tidak ada nilai kadar air yang lebih rendah secara
bersamaan. Perbedaan ini dimungkinkan karena fakta
bahwa manik-manik dari
sistem yang berbeda mungkin memiliki perbedaan dalam
isoterm penyerapan airnya. Kemudian, penting untuk
diingat bahwa penambahan eksipien juga dapat berdampak
pada karakteristik fisikokimia lainnya yang pada gilirannya
dapat mempengaruhi sifat fisikokimia yang paling umum
dianalisis.
Hasil yang diperoleh merupakan titik awal untuk
mengatasi kerugian yang terkait dengan alginat sebagai
pembawa, yang mengarah ke stabilitas yang lebih tinggi
dan pelepasan manik-manik alginat-Ca(II) yang terkontrol
dengan menggunakan biopolimer kedua,
β- sikluslodekstrin, atau trehalosa. Komponen manik-
manik berhasil ditentukan dengan studi spektroskopi
inframerah transformasi Fourier (FT-IR). Studi ini
memungkinkan kita untuk mengamati interaksi antara
kitosan dan alginat dan keberadaan masing-masing
komponen yang digunakan dalam pembuatan manik-manik
dari identifikasi pita utamanya.
Daftar Singkatan
A: Alginat
T: Trehalosa
T: Kitosan
CD: -
Siklodekstrin
P:
Pektin
GG: Guar gum
AG: Arabic gum
VG: Vinalgusi
EKG: Espina corona gum.
Kepentingan Bersaing
Para penulis menyatakan bahwa tidak ada konflik
kepentingan sehubungan dengan penerbitan makalah ini.
Ucapan Terima Kasih
Para penulis mengakui dukungan keuangan dari ANPCYT
(PICT 2013 no. 0434 dan PICT 2013-1331) dan CONICET
dan UBA (Proyek UBACyT 20020130100443BA). Mereka
juga berterima kasih kepada Dr. Pilar Buera atas diskusi
yang bermanfaat dan Dr. Vero´nica Busch atas sumbangan
permen karet.
Referensi
[1] B. Zeeb, AH Saberi, J. Weiss, dan DJMcClements, “Retensi
dan pelepasan emulsi minyak dalam air dari manik-manik
hidrogel yang diisi yang terdiri dari kalsium alginat: dampak
jenis pengemulsi dan pH,” Soft Matter, vol. 11, tidak. 11,
hlm. 2228–2236, 2015.
[2] B. Zeeb, AH Saberi, J. Weiss, dan DJ McClements,
"Pembentukan dan karakterisasi manik-manik hidrogel yang
diisi berdasarkan kalsium alginat: faktor yang mempengaruhi
retensi dan pelepasan nanoemulsi," Food Hydrocolloids, vol.
50, hlm. 27–36, 2015.
[3] MHL Ribeiro, C. Afonso, HJ Vila-Real, AJ Alfaia, and
L. Ferreira, "Kontribusi metodologi permukaan respon untuk
pemodelan hidrolisis naringin oleh manik-manik naringinase
Ca-alginat di bawah tekanan tinggi," LWT—Ilmu dan
Teknologi Pangan, vol. 43, tidak. 3, hlm. 482–487, 2010.
[4] E.-S. Chan, B.-B. Lee, P. Ravindra, dan D. Poncelet, "Model
prediksi untuk bentuk dan ukuran makrobeads Ca-alginat
yang dihasilkan melalui metode ekstrusi-menetes," Journal of
Colloid and Interface Science, vol. 338, tidak. 1, hlm. 63–72,
2009.
[5] PR Santagapita, MFMazzobre, dan MDPBuera, "Stabilitas
invertase dalam butiran alginat: efek inklusi trehalosa dan
kitosan dan metode pengeringan," Food Research
International, vol. 47, tidak. 2, hlm. 321–330,2012.
[6] LG Griffith,“Biomaterial polimer,” Acta Materialia,vol. 48,
tidak. 1, hlm. 263–277, 2000.
[7] SWN Ueng, MS Lee, S.-S. Lin, E.-C. Chan, dan S.-J. Liu,
 “Pengembangan sistem pembawa alginat biodegradable [14] VM. Busch, AA Kolender, PR Santagapita, dan MP Buera,
untuk antibiotik dan sel “Vinal gum, galactomannan dari biji Prosopis ruscifolia:
tulang,”JournalofOrthopaedicResearch,vol. 25, tidak. 1, karakterisasi fisikokimia,” Food Hydrocolloids, vol. 51, hlm.
hlm. 62–72, 2007. 495–502, 2015.
[8] MMM Elnashar, EN Danial, dan GEA Awad, “Pembawa baru [15] V M. Busch, F. Loosli, PR Santagapita, MP Buera, dan S. Stoll,
alginat yang dicangkok untuk imobilisasi kovalen inulinase,” “Pembentukan kompleks antara nanopartikel hematit dan gum
Penelitian Kimia Industri dan Teknik, vol. 48, tidak. 22, hlm. galaktomannan non-konvensional. Menuju pemahaman yang
9781–9785, 2009. lebih baik tentang proses interaksi,” Science of the Total
Environment, vol. 532, hlm. 556–563,2015.
[9] P. R. Santagapita, MF Mazzobre, dan MP Buera, "Formulasi
dan pengeringan manik-manik alginat untuk pelepasan [16] MJ Perduca, MJ Spotti, LG Santiago, MA Judis, AC Rubiolo,
terkontrol dan stabilisasi invertase," Biomacromolekul, vol. dan CR Carrara, "Karakterisasi reologi hidrokoloid dari biji
12, tidak. 9, hlm. 3147–3155, 2011. Gleditsia amorphoides," LWT—Ilmu dan Teknologi Pangan,
vol. 51, tidak. 1, hlm. 143–147, 2013.
[10] P.A. Ponce Cevallos, MP Buera, dan BE Elizalde,
"Enkapsulasi komponen minyak esensial kayu manis dan [17] B.-B. Lee, P. Ravindra, dan E.-S. Chan, “Ukuran dan bentuk
thyme (cinnamaldehyde dan timol) dalam -siklodekstrin: efek manik-manik kalsium alginat yang dihasilkan oleh tetesan
interaksi dengan air pada stabilitas kompleks," Journal of ekstrusi,” Teknik dan Teknologi Kimia, vol. 36, tidak. 10, hlm.
Food Engineering, vol. 99, tidak. 1, hlm. 70–75, 2010. 1627–1642, 2013.
[11] PR Santagapita, MFMazzobre, dan MPBuera, “Stabilisasi dan [18] L. Deladino, PS Anbinder, AS Navarro, dan MN Martino,
pelepasan terkendali invertase melalui penambahan trehalosa "Enkapsulasi antioksidan alami yang diekstraksi dari Ilex
dalam butiran alginat-kitosan basah dan kering,” dalam Stres paraguariensis," Polimer Karbohidrat, vol. 71, tidak. 1, hlm.
Air dalam Sistem Biologi, Kimia, Farmasi, dan Pangan: 126– 134, 2008.
ISOPOW '11, G. Gutie rrez, G. Barbosa-Ca´novas, L. [19] MG Sankalia, RC Mashru, JM Sankalia, dan VB Sutariya,
Alamilla, E. Para-Arias, dan MPBuera, Eds., hlm. 353–360, "Jebakan papain dalam manik-manik alginat untuk peningkatan
Springer, 2015. stabilitas dan pengiriman spesifik lokasi: karakterisasi
[12] I. Braccini, RP Grasso, dan S. Pe´rez, “Fitur konformasi dan fisikokimia dan optimasi faktorial menggunakan pemodelan
konfigurasi polisakarida asam dan interaksinya dengan ion jaringan saraf," AAPS PharmSciTech, vol. 6, tidak. 2, hlm.
kalsium: investigasi pemodelan molekul,” Carbohydrate E209–E222, 2005.
Research, vol. 317, tidak. 1-4, hlm. 119-130, 1999. [20] B. Sarmento, D. Ferreira, F. Veiga, dan A. Ribeiro,
[13] I. Roy, M. Sardar, dan MN Gupta, “Cross-linked alginate- "Karakterisasi nanopartikel alginat insulin-loaded diproduksi
guar gum beads sebagai media fluidized bed afinitas untuk oleh pra-gelasi ionotropik melalui studi DSC dan FTIR,"
pemurnian jacalin,” Biochemical Engineering Journal, vol. Polimer Karbohidrat, vol. 66, tidak. 1, hlm. 1–7, 2006.
23, tidak. 3, hlm. 193–198, 2005. [1] M.Kacˇura´kova´ dan M. Mathlouthi, "FTIR dan laser-raman
spektrum oligosakarida dalam air: karakterisasi ikatan
[2] glikosidik," Penelitian Karbohidrat, vol. 284, tidak. 2, hlm. 145– 157, 1996.
[3] B. Smitha, S. Sridhar, dan AA Khan, "Kompleks poliion kitosan-natrium alginat sebagai membran sel bahan bakar,"
European Polymer Journal, vol. 41, tidak. 8, hlm. 1859–1866, 2005.
[4] A.Sinitsya, J. Cˇop´ıkova´, V. Prutyanov, S. Skoblya, dan V. MacHovicˇ, “Amidasi pektin jeruk yang sangat
termetoksilasi dengan amina primer,” Polimer Karbohidrat, vol. 42, tidak. 4, hlm. 359–368, 2000.
[5] T.H. Kim, YH Park, KJ Kim, dan CS Cho, "Pelepasan albumin dari manik-manik pektin berlapis kitosan in vitro,"
International Journal of Pharmaceutics, vol. 250, tidak. 2, hlm. 371–383, 2003.
[6] S. Paul dan GS Mittal, “Mengatur penggunaan minyak/lemak terdegradasi dalam lemak/minyak goreng
makanan,”Critical ReviewinFoodScienceand Nutrition, vol. 37, tidak. 7, hlm. 635–662,1997.
[7] HT Pedersen, L. Munck, dan SB Engelsen, "Resonansi magnetik nuklir 1H medan rendah dan kombinasi kemometrik
untuk penentuan simultan kandungan air, minyak, dan protein dalam biji minyak," Journal of American Oil Chemists'
Society, vol. 77, tidak. 10, hlm. 1069–1076, 2000.
[8] WS. Price, “Resonansi magnetik nuklir gradien medan berdenyut sebagai alat untuk mempelajari difusi translasi: bagian
1. Teori dasar,” Conceptsin Magnetic Resonance, vol. 9,no.5, hal.299–335, 1997.
 Sintesis Konseptual
Sintesis adalah Sebuh pemikiran atau intisari dari sebuah sumber rujukan artikel,
jurnal , makalah, maupun buku oleh penulis pada karya ilmiah sedangkan Konseptual
adalah sebuah model dalam bentuk diagram yang memperlihatkan struktur dan sifat
hubungan logis antara variabel dari teori review artikel, dan digunakan untuk
menganalisis masalah penelitian.
Quality and Reliability Engineering
Quality
Quality adalah derajat dari sebuah barang, fungsi, atau proses yang memuaskan
pengguna dan kebuuhan konsumen. . Kualitas suatu produk adalah salah satu kunci
bagikemajuan dan kesuksesan suatu perusahaan. Perusahaan yang mempertahankan
kualitas produknya akan lebih diterima oleh konsumen sehingga akan meningkatkan
keuntungan bagi perusahaan tersebut. Sementara itu, quality engineering adalah disiplin
ilmu yang berhubungan dengan analisis sistem manufaktur di semua tahap, tujuannya
untuk meningkatkan kualitas dari proses produksi dan output-nya secara continous dan
juga meningkatkan customer statisfaction

Ada beberapa faktor penting yang mempengaruhi quality , yaitu:

1. Mesin yang digunakan dalam manufaktur.
2. Metode informasi modern.
3. Uang, sumberdaya dan material ( resources ).
4. Mounting product requirements .
5. Motivas pekerja.
6. Pasar produk dan jasa.
7. Manajemen.

Reliability
Reliabilitas adalah probabilitas dari sebuah item akan bekerja sesuai fungsi
yangsemestinya tanpa mengalami kerusakan dalam kondisi dan periode waktu tertentu.
Reliabilitas juga dapat diartikan sebagai jumlah kegagalan dalam suatu periode tertentu.

Sementara itu reliability engineering adalah prinsip dan praktek yang berkaitan dengan
persyaratan keandalan/reliabilitas (seperti prediksi waktu kegagalan dan kondisi) dan
pengimplementasiannya ke dalam spesifikasi yang tergabung dalam desain produk, dan
produksi. Tujuan dari reliability engineering adalah sebagai berikut:
 1. Untuk penerapan ilmu keteknikan dalam menekan atau menghindari
frekuensikegagalan
2. Untuk memperbaiki dan mengidentifikasi penyebab dari suatu kegagalan
yangmuncul, meskipun itu hanya upaya untuk mencegah
3. Untuk menetapkan berbagai macam jenis perbaikan untuk mengatasi kegagalan
sesuaidengan jenis kegagalan yang terjadi
4. Untuk penerapan pada suatu desain sebuah sistem baru dan untuk
menganalisareliabilitas dari sebuah data

Saat ini, reliability menjadi sebuah factor penting pada design of

engineeringsystem/produk di kehidupan kita sehari-hari. Beberapa contoh dari system
itu adalah kereta,computer, pesawat terbang, satelit luar angkasa, dan mobil. Biasanya
reliability yangdibutuhkan pada suatu barang dinyatakan di spesifikasi desain. Semua
usaha ini dibuat untuk keperluan kepuasan pengguna.

Review Artikel
 Pengertian kualitas produk menurut Kotler and Armstrong (2012;283) adalah "the
ability of a product to perform its functions, it includes the product's overall durability,
reliability, precision, ease of operation and repair, and other valued attributes" dengan
arti kemampuan sebuah produk dalam memperagakan fungsinya, hal itu termasuk
keseluruhan durabilitas, reliabilitas, ketepatan kemudahan pengoperasian dan reparasi
produk juga atribut produk lainnya.
 Menurut Assauri (2008) faktor – faktor yang memengaruhi kualitas adalah :
a. Fungsi suatu barang Suatu barang yang dihasilkan hendaknya memerhatikan fungsi
untuk apa barang tersebut digunakan atau dimaksudkan, karena pemenuhan fungsi
tersebut memengaruhi kepuasan para pelanggan. Mutu yang hendak dicapai sesuai
dengan fungsi untuk apa barang tersebut digunakan, tercermin pada spesifikasi dari
barang tersebut seperti kecepatan, daya tahan, kegunaannya, berat, bunyi, mudah atau
tidaknya perawatan dan kepercayaan.
b. Wujud luar Walaupun barang yang dihasilkan secara teknis atau mekanis telah maju,
tetapi bila wujud luarnya kuno atau kurang dapat diterima, maka akan menyebabkan
barang tersebut tidak disenangi oleh konsumen karena dianggap mutunya kurang
memenuhi syarat.
c. Biaya barang Umumnya biaya dan harga suatu barang akan menentukan kualitas
barang tersebut. Hal ini terlihat dari barang – barang yang mempunyai biaya atau harga
yang mahal,
dapat menunjukkan bahwa kualitas barang tersebut relatif lebih baik.
 Menurut Yamit (2005:349) faktor – faktor yang mempengaruhi kualitas adalah:
a. Fasilitas operasi seperti kondisi fisik bangungan
b. Peralatan dan perlengkapan
c. Bahan baku dan material
d. Pekerjaan ataupun staf organisasi
 Menurut (Goetsch & Davis, dalam buku Fnady Tjiptono & Gregorius Chanar
2011 :164) adalah “Kualitas adalah kondisi dinamis yang berhubungan dengan produk,
jasa, sumber daya manusia, proses dan lingkungan yang memenuhi atau melebihi
harapan.”
 Jadi dapat disimpulkan faktor yang mempengaruhi kualitas terdapat pada hasil jadi
suatu barang yang di produksi sudah pasti dipengaruhi oleh proses produksi dari awal
sampai ahir yang menjadikan barang tersebut berkualitas atau tidak.
Berdasarkan resume hasil-hasil penelitian , variabel penelitian yang digunakan
1. Fasilitas
2. Peralatan dan perlengkapan
3. Bahan baku
4. Pekerja

Sintesi Konseptual melalui kerangka berpikir

Rancangan Produk

Fasilitas Peralatan dan Bahan baku Pekerja

perlengkapan

Hasil Produk
 Quality and Reablity Engineering

ket
Teknik untuk memingkatkan kualitas dan
ketahanan produk pada proses manufaktur .

Pengembangan Pengembangan Pengembangan

Sistem Pengukuran Sistem Pengukuran Sistem Pengukuran
Kesalahan Baru Kesalahan Baru Kesalahan Baru
 REFERENCES

https://mnjmnsumberdayamanusia.blogspot.com/2019/06/pengertian-
kualitas-produk-menurut-para-ahli.html

http://library.binus.ac.id/eColls/eThesisdoc/Bab2/2014-2-00528-MN
%20Bab2003.pdf

https://www.academia.edu/3668894/Quality_and_Reliability_Engineering

http://eprints.umm.ac.id/42843/3/BAB%20II.pdf

http://repository.unisba.ac.id/bitstream/handle/
123456789/147/06bab2_Meidasari_10070210033_skr_2014.pdf?
sequence=6&isAllowed=y