OPTIMASI PERAWATAN MESIN PRODUKSI

DENGAN PENDEKATAN NILAI OVERALL

EQUIPMENT EFFECTIVENESS (OEE) DAN SIX BIG
LOSSES PADA PT XYZ

Tesis

Untuk memenuhi sebagian persyaratan mencapai Sarjana S-2

Program Studi Magister Manajemen

Diajukan oleh :

RIMSON MUARA JAYA

18/432853/PEK/24119

PROGRAM STUDI MAGISTER MANAJEMEN

FAKULTAS EKONOMIKA DAN BISNIS
UNIVERSITAS GADJAH MADA
JAKARTA
JUNI 2020
ii
iii
 KATA PENGANTAR

Segala puji syukur hanya bagi Tuhan Yang Maha Esa dengan

penyertaanNya penulis dapat menyelesaikan tesis dengan segala keterbatasan dan

kemampuan penulis. Tesis ini disusun sebagai salah satu persyaratan untuk

mencapai derajat S-2 pada Program Studi Magister Fakultas Ekonomika dan Bisnis

Universitas Gadjah Mada

Selama penyusunan tesis ini, banyak pihak yang memberikan bimbingan,

bantuan, dan dukungan. Oleh karena itu dalam kesempatan ini penulis

menyampaikan ucapan terima kasih dan penghargaan yang setinggi-tingginya

kepada :

1. Bapak Henry Yuliando, MM., M.Agr., Ph.D. selaku dosen pembimbing

tesis, yang telah meluangkan waktunya dan dengan penuh perhatian

memberikan pengetahuan, bimbingan dan pengarahan yang begitu

berharga.

2. Prof. Dr. Eduardus Tandelilin, M.B.A. selaku Direktur Program Studi

Magister Manajemen Fakultas Ekonomika dan Bisnis Universitas Gadjah

Mada.

3. Bapak/Ibu Dosen Program Studi Magister Fakultas Ekonomika dan Bisnis

UGM yang tidak dapat saya sebutkan satu-persatu, atas jasanya telah

memberikan ilmu selama proses pembelajaran pada jenjang S2.

iv
 4. Keluarga terkasih Bapak, Mama, Kakak dan Abang yang memberikan kasih

sayang, perhatian, doa dan dukungannya, sehingga penulis pada akhirnya

dapat menyelesaikan perkuliahan dan tesis ini.

5. Jajaran Manajemen PT XYZ, terkhusus tim produksi yang selalu

memberikan semangat dan dukungan untuk menyelesaikan pendidikan ini

6. Teman-teman kelas Eksekutif B-36 C dan kelas Penjurusan Operation

Manajemen Eksekutif angkatan 36 yang tidak dapat disebutkan satu persatu,

atas dukungan dan kerja samanya selama masa perkuliahan.

Penulis menyadari masih banyak kekurangan dan keterbatasan dalam materi

maupun penulisan tesis ini maka pengembangan dan penyempurnaan tesis ini akan

sangat berguna bagi kita semua. Akhir kata semoga tesis ini bermanfaat bagi kita

semua terutama untuk perencanaan kebijakan jangka panjang suatu perusahaan.

Jakarta, 22 Juni 2020

Penulis

v
 DAFTAR ISI

Lembar Judul ...…………………………………………………………………….i

Lembar Pengesahan ............................................... Error! Bookmark not defined.
Lembar Pernyataan................................................. Error! Bookmark not defined.
Kata Pengantar ....................................................................................................... iv
Daftar Isi................................................................................................................. vi
Daftar Tabel ......................................................................................................... viii
Daftar Gambar ........................................................................................................ ix
Daftar Lampiran ...................................................................................................... x
Intisari .................................................................................................................... xi
Abstract ................................................................................................................. xii
BAB I PENDAHULUAN ....................................................................................... 1
1.1. Latar Belakang Masalah ........................................................................... 1
1.2. Rumusan Masalah .................................................................................... 8
1.3. Pertanyaan Penelitian ............................................................................... 8
1.4. Tujuan Penelitian ...................................................................................... 9
1.5. Manfaat Penelitian .................................................................................... 9
1.6. Batasan Penelitian .................................................................................. 10
1.7. Sistematika Penulisan ............................................................................. 11
BAB II TINJAUAN PUSTAKA........................................................................... 13
2.1. Sistem Manajemen Pemeliharaan .......................................................... 13
2.1.1. Program Pelatihan dan Pendidikan ................................................. 20
2.1.2. Program konsep 5S ......................................................................... 21
2.2. Definisi Six Big Losses ........................................................................... 24
2.3. Definisi Overall Equipment Effectiveness (OEE) .................................. 28
2.3.1. Tujuan Implementasi Overall Equipment Effectiveness (OEE) ...... 29
2.3.2. Pengukuran Nilai Overall Equipment Effectiveness (OEE) ............ 30
2.4. Diagram Pareto ....................................................................................... 33
2.5. Diagram Sebab Akibat ........................................................................... 35
BAB III METODE PENELITIAN........................................................................ 38
3.1. Desain Penelitian .................................................................................... 38
3.2. Alur Penelitian ........................................................................................ 39
3.3. Tempat dan Waktu Penelitian ................................................................ 40
3.4. Objek Penelitian ..................................................................................... 40

vi
 3.5. Studi Pendahuluan .................................................................................. 41
3.6. Metode Pengumpulan Data .................................................................... 41
3.7. Pengolahan dan Analisis Data ................................................................ 44
3.8. Analisis Pemecahan Masalah ................................................................. 44
3.9. Kesimpulan dan Saran ............................................................................ 45
BAB IV HASIL DAN PEMBAHASAN .............................................................. 46
4.1. Profil Perusahaan .................................................................................... 46
4.1.1. Struktur Organisasi ......................................................................... 48
4.1.2. Visi dan Misi PT XYZ .................................................................... 48
4.1.3. Nilai Nilai Luhur PT XYZ .............................................................. 50
4.2. Hasil........................................................................................................ 51
4.2.1. Perhitungan Nilai Availability Ratio ............................................... 52
4.2.2. Perhitungan Nilai Performance Efficiency...................................... 54
4.2.3. Perhitungan Nilai Rate of Quality ................................................... 56
4.2.4. Perhitungan Nilai Overall Equipment Effectiveness (OEE)............ 58
4.2.5. Evaluasi Nilai OEE Mesin Pengisi Cozoli RFPC ........................... 60
4.2.6. Analisis Six Big Losses pada Lini Steril.......................................... 64
4.2.7. Analisis Penyebab Breakdown Losses dengan Fishbone Diagram 68
4.2.8. Optimasi Perawatan Mesin pengisi Cozzoli RFPC ......................... 75
BAB V KESIMPULAN ........................................................................................ 79
5.1. Kesimpulan ............................................................................................. 79
5.2. Saran ....................................................................................................... 81
5.3. Implikasi Manajerial ............................................................................... 82
5.4. Keterbatasan ........................................................................................... 83
DAFTAR PUSTAKA ........................................................................................... 85

vii
 DAFTAR TABEL

Tabel 1.1 Frekuensi Perbaikan Mesin Pengisi Cairan Periode Tahun 2016-2018 .. 5
Tabel 4. 1 Nilai Availability, Performance, dan Quality Cozzoli RFPC .............. 62
Tabel 4. 2 Persentase Six Big Losses..................................................................... 65
Tabel 4. 3 Rencana aktivitas penanggulangan untuk meningkatkan OEE............ 75

viii
 DAFTAR GAMBAR

Gambar 1. 1 Diagram Alir Proses Produksi Lini Steril .......................................... 6

Gambar 2. 1 Jenis-Jenis Pemeliharaan .................................................................. 18
Gambar 2. 2 Kurva Trade-off planned dan unplanned maintenance .................... 19
Gambar 2. 3 Mekanisme Evaluasi Six Big Losses ................................................ 27
Gambar 2. 4 Pengukuran Overall Equipment Effectiveness ................................. 33
Gambar 2. 5 Gambar Diagram Pareto ................................................................... 35
Gambar 2. 6 Diagram Sebab Akibat (Fishbone Diagram) ................................... 36
Gambar 3. 1 Diagram Alir Penelitian. .................................................................. 39
Gambar 4. 1 Sejarah PT XYZ. .............................................................................. 47
Gambar 4. 2 Struktur organisasi PT XYZ. ............................................................ 48
Gambar 4. 3 Grafik Contoh Nilai Availability Ratio Cozzoli RFPC .................... 53
Gambar 4. 4 Grafik Nilai Availability Ratio Cozzoli RFPC ................................. 54
Gambar 4. 5 Grafik Contoh Nilai Performance Efficiency Cozzoli RFPC .......... 55
Gambar 4. 6 Grafik Nilai Performance Efficiency Cozzoli RFPC ....................... 56
Gambar 4. 7 Grafik Contoh Nilai Rate of Quality Cozzoli RFPC ........................ 57
Gambar 4. 8 Grafik Nilai Rate of Quality Cozzoli RFPC ..................................... 58
Gambar 4. 9 Grafik Contoh Nilai OEE Cozzoli RFPC ......................................... 59
Gambar 4. 10 Grafik Nilai OEE Cozzoli RFPC ................................................... 60
Gambar 4. 11 Grafik Pareto Six Big Losses .......................................................... 66
Gambar 4. 12 Detail Waktu Breakdown losses ..................................................... 67
Gambar 4. 13 Diagram Sebab Akibat (Fishbone Diagram) ................................. 69
Gambar 4. 14 Sistem Process Centric Team (PCT) PT XYZ............................... 76
Gambar 4. 15 Tanggung jawab setiap personel pada saat PCT ............................ 78

ix
 DAFTAR LAMPIRAN

Lampiran 1 Perhitungan Availability Ratio Mesin Pengisi Cozzoli RFPC........... 87

Lampiran 2 Perhitungan Performance Efficiency Mesin Pengisi Cozzoli RFPC . 95
Lampiran 3 Perhitungan Rate of Quality Mesin Pengisi Cozzoli RFPC ............ 103
Lampiran 4 Perhitungan OEE Mesin Pengisi Cozzoli RFPC ............................. 111

x
 INTISARI

OPTIMASI PERAWATAN MESIN PRODUKSI DENGAN PENDEKATAN

NILAI OVERALL EQUIPMENT EFFECTIVENESS (OEE) DAN SIX BIG
LOSSES PADA PT XYZ

Rimson Muara Jaya

18/432853/PEK/24119

Penurunan kinerja secara global yang disebabkan oleh pandemic Covid-19

berdampak pada seluruh sektor perekonomian termasuk industri manufaktur
farmasi. Namun permintaan terhadap produk farmasi tetap terus meningkat, maka
untuk memenuhi permintaan ini PT XYZ harus dapat meningkatkan efektivitas dari
mesin produksi untuk dapat memenuhi permintaan konsumen sesuai target produksi
agar dapat bersaing dengan perusahaan farmasi lainnya. Untuk mencapai efektivitas
mesin yang diharapkan PT XYZ perlu meningkatkan perawatan mesin yang belum
optimal sehingga efektivitas dari mesin dan peralatan produksi dapat meningkat
bersama dengan menurunnya kehilangan produk akibat tidak tercapainya kualitas
produk. Berdasarkan hal tersebut, perlu dilakukan analisis efektivitas penggunaan
mesin produksi agar dapat menganalisis penyebab terjadinya kehilangan yang
terjadi di produksi.
Pada penelitian ini penulis menggunakan data produksi yang dicatat dalam
buku catatan harian penggunaan mesin pada PT XYZ lini produksi steril untuk
mengetahui kapasitas produksi dan menghitung Overall Equipment Effectiveness
(OEE). Metode analisis yang digunakan berupa analisis diagram Pareto dan analisis
diagram sebab akibat (Fishbone Diagram).
Hasil dari penelitian didapatkan bahwa efektivitas kinerja lini produksi steril
dengan menggunakan mesin pengisi steril Cozzoli RFPC pada PT XYZ lini
produksi steril masih belum maksimal. Hal ini terlihat pada hasil pengukuran OEE
sebesar 49.60% dengan faktor penyebab yang terbesar adalah breakdown losses
dimana hal ini terjadi karena tinggi waktu yang diperlukan untuk melakukan
perbaikan pada mesin produksi. Peningkatan Manajemen perawatan melalui
Preventive Maintenance yang diawasi oleh seluruh bagian dan level jabatan di PT
XYZ diyakini dapat mengurangi pemborosan waktu dari penyebab utama ini
sehingga efektivitas mesin bisa ditingkatkan dan produktivitas pun bisa optimal.

Kata kunci: Produktivitas, Overall Equipment Effectiveness, Six Big Losses,

Fishbone, Breakdown Losses

xi
 ABSTRACT

OPTIMIZATION OF PRODUCTION MACHINE MAINTENANCE

METHOD USING OVERALL EQUIPMENT EFFECTIVENESS (OEE)
AND SIX BIG LOSSES APPROACH IN PT XYZ

Rimson Muara Jaya

18/432853/PEK/24119

The decline in global economic performance caused by Covid-19 pandemic

has an impact to all economic sectors including pharmaceutical manufacturing
industry. PT XYZ as a pharmaceutical industry must be able to increase availability
of production machines to meet customer demands according to production targets
in order to compete with other pharmaceutical companies. To achieve the
effectivity of production machine PT XYZ needs to improve machine maintenance
that is not yet optimal so it’s effectivity can be increased along with the decreased
of product losses because of low product quality. Based on this statement, it is
necessary to analyze the effectiveness of production machines in order to analyze
the causes of losses occurred in production.
In this study the authors used production data recorded in a daily logbook
usage of machines at PT XYZ in sterile production line to determine production
capacity and calculate Overall Equipment Effectiveness (OEE). The analytical
method used is Pareto analysis diagram and cause effect analysis diagram (Fishbone
Diagram).
The results of this study found that effectiveness of sterile filling line
machine Cozzoli RFPC at PT XYZ was not optimal yet. This data can be seen in
OEE measurement results of 49.60%, with the biggest contributing factor was
breakdown losses where this occurs because of much time needed to repair
production machine. Improvement in maintenance management through Preventive
Maintenance that monitored by all sections and levels of positions at PT XYZ could
reduce breakdown losses so that effectiveness of the machine can be increased and
productivity can be optimal.

Key Word: Productivity, Overall Equipment Effectiveness, Six Big Losses,

Fishbone, Breakdown Losses

xii
 BAB I

PENDAHULUAN

1.1. Latar Belakang Masalah

Saat ini situasi ekonomi secara global sedang dalam masa penurunan kinerja

atau krisis. Hal ini terjadi karena turunnya perekonomian negara-negara penggerak

utama perekonomian global yaitu Amerika Serikat dan Tiongkok yang disebabkan

oleh pandemi Covid-19. Krisis ini secara tidak langsung berdampak kepada negara-

negara yang memiliki hubungan dagang, termasuk Indonesia yang ikut dalam

penurunan kinerja ekonomi dampak dari krisis global yang sedang terjadi. Untuk

menghadapi situasi di mana semua sektor perekonomian mengalami penurunan

kinerja yang saling berdampak satu sama lain karena turunnya permintaan untuk

barang dan jasa maka efisiensi terhadap produksi menjadi tantangan besar bagi

semua industri. Berbeda dengan industri lain permintaan terhadap produk esensial

menjadi semakin meningkat jika dibandingkan dengan produk inferior. Salah satu

produk esensial yang permintaannya meningkat adalah obat-obatan dan

multivitamin atau dikenal dengan produk farmasi.

Tantangan yang dihadapi industri manufaktur farmasi dalam persaingan

global adalah tingginya permintaan terhadap produk farmasi dengan tingkat

kualitas (quality) yang tinggi dari produk yang dihasilkan untuk menunjang

kesehatan pada masa pandemi, biaya (cost) di mana saat ini harga bahan baku

pembuatan obat menjadi tinggi sehingga perlu dilakukan efisiensi dalam proses

produksi agar harga obat jadi dapat bersaing dengan perusahaan lain dan diperlukan

1
pengiriman (delivery) yang tepat waktu agar dapat digunakan untuk mendukung

pemulihan kesehatan paska pandemik.

Di dalam suatu industri kualitas dari produk dan produktifitas adalah kunci

sukses. Kedua faktor ini merupakan faktor kritis kinerja yang paling penting bagi

perusahaan yang berorientasikan profit. Salah satu hal untuk menunjang

produktivitas kerja adalah ketersediaan alat-alat produksi seperti mesin produksi

dan peralatan produksi. Mesin dan peralatan produksi merupakan tulang punggung

bagi perusahaan berbasis manufaktur. Sehingga apabila pada proses produksi

terjadi kegagalan pada mesin dan peralatan produksi maka mengakibatkan proses

produksi terhenti, yang pada akhirnya akan mengakibatkan kerugian pada

perusahaan (Hervian dan Soekardi, 2013).

Dalam usaha meningkatkan persaingan pada industri manufaktur farmasi

yang perlu dilakukan adalah dengan mendorong efektivitas dari mesin dan

peralatan produksi yang ada dengan semaksimal mungkin. Hal yang sering terjadi

saat ini, usaha untuk melakukan perbaikan terhadap masalah pada mesin dan

peralatan produksi hanya menghasilkan kerugian karena tidak menyelesaikan akar

dari permasalahan yang sedang terjadi. Hal ini dapat terjadi karena perbaikan yang

dilakukan pada mesin dan peralatan produksi tidak sepenuhnya menghilangkan

permasalahan dan penyebabnya. Kerugian yang terjadi pada manufaktur ini kita

kenal dengan istilah losses.

Tidak tercapainya target dari manufaktur yang disebabkan oleh rendahnya

produktivitas dari mesin dan peralatan produksi menimbulkan kerugian bagi

perusahaan. Hal ini diakibatkan oleh penggunaan mesin dan peralatan produksi

2
yang tidak efektif dan efisien sehingga menghasilkan kerugian (losses) seperti yang

terdapat dalam enam faktor yang disebut enam kerugian besar (six big losses).

Enam kerugian besar (six big losses) tersebut adalah breakdown atau kerusakan

yang terjadi pada mesin dan peralatan produksi, set up and adjustment yaitu

kesalahan pada saat proses pemasangan awal dan penyetelan yang menyebabkan

kerusakan pada saat proses produksi, idling/minor stoppage yaitu mesin produksi

berhenti untuk sementara karena terjadi kemacetan pada mesin atau hambatan lain

yang menyebabkan mesin produksi berhenti untuk sementara, reduced speed losses

yaitu kecepatan produksi sengaja atau tidak secara sengaja diturunkan lebih rendah

dari kecepatan aktual operasional mesin atau dari kecepatan mesin yang telah

dirancangkan pada saat kualifikasi, process defect yaitu terjadinya kerusakan pada

produk atau produk apkir yang disebabkan karena adanya masalah pada mesin dan

peralatan produksi sehingga perlu dilakukan produk diproses ulang (rework), start

up losses yaitu tidak tercapainya kualitas produk yang disebabkan kesalahan pada

saat pengaturan awal mesin.

Departemen produksi di berbagai manufaktur berusaha menghadapi

masalah yang merupakan bagian dari six big losses dengan cara meminimalkan dan

menghilangkan losses yang ada. Untuk meminimalkan masalah tersebut,

manufaktur perlu diperlengkapi oleh mesin dan peralatan produksi serta personel

yang handal dan terkualifikasi. Optimasi dan peningkatan produktivitas dapat

dilakukan apabila manufaktur dapat mengidentifikasi dan mengeliminasi hambatan

yang ada sehingga departemen produksi dapat menghasilkan dan membawa produk

ke pasar dengan harga yang minimum. Berdasarkan penelitian yang dilakukan oleh

3
Vijayakumar dan Puvanasvaran pada tahun 2014, dengan melakukan evaluasi nilai

dari Overall Equipment Effectiveness (OEE) kemudian membandingkannya

terhadap nilai-nilai OEE dengan standar kelas dunia manufaktur merupakan cara

yang tepat untuk meningkatkan kinerja mesin dan mengeliminasi six big losses

(Vijayakumar dan Puvanasvaran, 2014).

PT XYZ merupakan suatu industri farmasi yang bergerak dalam obat dan

suplemen. PT XYZ sudah bertahan lama di Indonesia, terutama karena tingginya

kebutuhan masyarakat Indonesia akan obat-obatan serta supplement penunjang

kesehatan lainnya. Tingginya kebutuhan masyarakat akan obat-obatan serta

semakin meningkatnya kebutuhan masyarakat untuk meningkatkan daya tahan

tubuh agar terhindar dari paparan virus, melahirkan suatu tuntutan baru terhadap

industri farmasi untuk mampu memproduksi obat-obatan yang berkualitas, dalam

jumlah yang besar dan dalam waktu yang efisien.

PT XYZ telah menerapkan Manajemen Perawatan (Preventative

Maintenance) untuk mesin dan peralatan produksi dalam menjalankan aktivitas

produksinya. Dalam pelaksanaannya departemen Operation Excellence bekerja

sama dengan departemen Engineering dan departemen Produksi melakukan

Manajemen Perawatan (Preventative Maintenance) dengan melakukan pengamatan

terhadap kondisi mesin secara periodik untuk memastikan kondisi mesin masih

dapat digunakan untuk melakukan kegiatan produksi. Namun dalam

pelaksanaannya masih dapat dikatakan belum terimplementasi dengan tepat. Hal

tersebut disebabkan perawatan yang dilakukan pada saat ini belum dapat

meminimalkan dan menghilangkan six big losses. Sebagai contoh six big losses

4
yang belum dapat dihilangkan adalah mencegah terjadinya kerusakan pada mesin

(breakdown) dan tingginya kerusakan produk (product reject) yang disebabkan

oleh mesin produksi. Hal tersebut terlihat dari tingginya permintaan perbaikan

(work order) yang ditujukan kepada departemen engineering karena terjadinya

kerusakan pada mesin (breakdown) sehingga mesin berhenti beroperasi. Pada

periode tahun 2016 sampai 2018, frekuensi tingkat kerusakan pada mesin dan

peralatan produksi yang terjadi pada mesin produksi adalah sebagai berikut:

Tabel 1.1 Frekuensi Perbaikan Mesin Pengisi Cairan Periode Tahun 2016-2018

Total Rata-rata
Frekuensi
Nama Mesin Jenis Produk Downtime downtime per
Kerusakan
(Menit) kerusakan (Menit)
Cozzoli RFPC Produk Steril 64 kerusakan 4.884 76,31
IWKA Produk Semisolid 36 kerusakan 2.320 64,44
MAR Type 36 Produk Cair 21 kerusakan 972 46,29

PT XYZ memiliki beberapa lini untuk proses produksi, akan tetapi untuk

evaluasi terhadap kerugian PT XYZ memilih beberapa lini produksi prioritas untuk

diperbaiki. yaitu lini produksi steril karena mesin pengisi Cozzoli RFPC yang

digunakan untuk melakukan proses pengisian produk steril memiliki frekuensi

kerusakan paling tinggi dibandingkan dengan mesin lain yaitu 64 kerusakan dalam

interval waktu 2 tahun dari tahun 2016 sampai tahun 2018. Jumlah kerusakan

sebanyak 64 kerusakan ini menyumbang nilai total downtime mesin paling tinggi

yaitu 4.884 menit dengan rata-rata downtime per kerusakan yaitu 76.31 menit. Pada

PT XYZ lini produk steril yang menggunakan mesin pengisi Cozzoli RFPC sebagai

pengemas primer memiliki aliran proses produksi sebagai berikut :

5
 Mesin : Mixing Tank Indolafal
Jumlah : 1 Tank
Pencampuran
Kapasitas : 1300 L (173.333 Botol)
Cycle Time : 12 Jam
Holding Time :
5 Hari Quality Control Test
Mesin : Cozzoli RFPC
Jumlah : 1 Mesin
Pengemasan Primer Kapasitas : 84 Botol / Menit
Cycle Time : 56 Jam

Quality Control Test

Mesin : Meja Inspeksi
Jumlah : 12 Meja
Inspeksi Visual Kapasitas : 12 Botol / Menit
Cycle Time : 24 Jam

Quality Control Test

Mesin : IMA K Cartoning
Jumlah : 1 Mesin
Pemberian Label dan Kapasitas : 90 Botol / Menit
Pengemasan Sekunder Cycle Time : 48 Jam

Gambar 1. 1 Diagram Alir Proses Produksi Lini Steril

Holding time (HT) adalah waktu maksimal material dalam proses dapat

digunakan dalam suatu proses. Bahan baku harus digunakan dalam waktu 30 hari

setelah material ditimbang dan campuran material harus dikemas primer 5 hari

setelah bahan baku dicampur. Waktu yang diperlukan untuk melakukan pengisian

dalam satu batch adalah 3,5 hari. Jadi hanya ada 1,5 hari waktu tambahan yang

dicadangkan untuk melakukan perbaikan jika terjadi kerusakan mesin.

Keterbatasan waktu dari hasil pencampuran hingga selesai pengemasan primer ini

merupakan proses kritis dimana ketika terjadi kerusakan pada mesin pengisi

Cozzoli RFPC dengan waktu downtime lebih dari 1,5 hari maka akan

mengakibatkan produk apkir karena terjadi kerusakan atau defect in proses.

6
 Ketika terjadi downtime atau losses pada proses produksi terjadi, maka akan

menyebabkan biaya overhead operational terus tumbuh yang secara langsung

berpengaruh pada laba bersih perusahaan. Jika rata-rata jam kerja operasional PT

XYZ adalah 2700 jam dengan revenue pertahun sekitar 900 Miliar Rupiah untuk 3

lini produksi maka potensi kerugian downtime perjam adalah 111 Juta Rupiah

perjam untuk setiap lini. Maka kerugian yang telah dialami oleh PT XYZ karena

downtime untuk periode tahun 2016 sampai 2018 pada lini produk steril adalah 9

Miliar Rupiah.

Berdasarkan latar belakang diatas, maka dapat diketahui bahwa adanya

kesempatan yang besar untuk melakukan penyempurnaan pada manajemen

perawatan mesin dan peralatan produksi yang ada di PT XYZ untuk dapat

menghindari terjadinya breakdown yang secara signifikan memberikan kerugian

pada PT XYZ. Dengan melakukan manajemen perawatan mesin dan peralatan

produksi yang tepat maka secara langsung dapat meningkatkan kinerja mesin dan

peralatan produksi dengan optimal sehingga menurunkan nilai dari kehilangan

produk karena syarat kualitas yang tidak tercapai. Optimasi perawatan mesin dan

peralatan produksi yang berdampak pada peningkatan kinerja dari mesin produksi

serta menurunkan nilai dari kehilangan produk (losses) akibat tidak tercapainya

kualitas produk dapat dilakukan dengan melakukan evaluasi nilai dari Overall

Equipment Effectiveness (OEE) yang dipergunakan sebagai alat bantu untuk

mengukur dan mendapatkan informasi yang jelas terkait dengan kinerja dari mesin

dan peralatan produksi. Dengan melakukan analisis terhadap nilai OEE ini maka

akan didapatkan perbaikan terhadap sistem pemeliharaan mesin yang menjadi

7
metode untuk meningkatkan dan menjaga kinerja mesin produksi ke depan

(Vijayakumar dan Puvanasvaran, 2014).

1.2. Rumusan Masalah

Melihat kondisi seperti dipaparkan pada latar belakang permasalahan di atas,

untuk menghadapi tantangan persaingan di industri farmasi maka PT XYZ perlu

meningkatkan perawatan mesin yang belum optimal sehingga mengakibatkan

kerugian yang besar.

Berdasarkan data dapat diketahui bahwa mesin pengisi Cozzoli RFPC

memiliki frekuensi kerusakan yang paling tinggi sehingga diperlukan analisis

penyebab masalah dan menyusun rencana perbaikan serta perawatan mesin yang

optimal untuk dapat meningkatkan efektivitas produksi. Analisis penyebab

tingginya frekuensi kerusakan dilakukan dengan menghitung nilai Overall

Equipment Effectiveness (OEE) dan menganalisis hasilnya untuk mencari akar

masalah yang menyebabkan kerugian di departemen produksi PT XYZ.

1.3. Pertanyaan Penelitian

Berdasarkan kondisi yang telah dijelaskan pada latar belakang masalah

tentang perawatan mesin yang belum optimal sehingga berpengaruh terhadap

efektivitas mesin produksi, maka dapat dirumuskan sebagai berikut :

1. Bagaimana kinerja mesin pengisi steril Cozzoli RFPC di PT XYZ berdasarkan

evaluasi perhitungan efektivitas mesin dengan metode OEE?

8
2. Apa saja yang menjadi penyebab tingginya frekuensi kerusakan mesin produksi

di Departemen Produksi PT XYZ, khususnya lini Produk Steril?

3. Upaya apa yang dapat dilakukan perusahaan untuk dapat menurunkan

terjadinya breakdown pada mesin dan peralatan produksi di PT XYZ?

1.4. Tujuan Penelitian

Sebagai tujuan akhir yang diharapkan dari penelitian ini adalah untuk :

1. Mengevaluasi nilai dari OEE mesin pengisi steril Cozzoli RFPC yang memiliki

frekuensi kerusakan paling tinggi di departemen produksi PT XYZ.

2. Menganalisis penyebab permasalahan yang ada dari mesin produksi dengan

pendekatan nilai Six Big Losses menggunakan diagram sebab akibat (Fishbone

Diagram).

3. Memberikan usulan kepada PT XYZ, untuk dapat melakukan manajemen

perawatan mesin dan peralatan produksi yang optimal.

1.5. Manfaat Penelitian

Manfaat yang ingin dicapai dari penelitian ini adalah sebagai berikut :

1. Dengan diketahuinya titik kritis permasalahan yang terjadi maka diharapkan

PT XYZ dapat melakukan perbaikan dan meningkatkan efektivitas mesin

produksi yang digunakan.

2. PT XYZ dapat menentukan kebijakan – kebijakan strategis bisnis berkenaan

dengan pengoptimalan mesin produksi, pengurangan pemborosan dan

pelaksanaan pemeliharaan mesin produksi secara terpadu.

9
3. Hasil dari penelitian yang dilakukan dapat digunakan sebagai masukan bagi PT

XYZ dalam menerapkan strategi operasi khususnya berkaitan dengan

pemeliharaan dan perawatan mesin/peralatan produksi dalam upaya

meningkatkan efisiensi perusahaan secara menyeluruh.

1.6. Batasan Penelitian

Dalam penelitian ini terdapat beberapa faktor yang menjadi pembatas dan

tidak dapat dihindarkan yaitu faktor dari waktu, dana dan fasilitas yang terbatas.

Oleh sebab itu dilakukan pembatasan masalah yang diteliti agar tujuan dari

penelitian dapat tercapai. Batasan tersebut adalah :

1. Penelitian ini dilakukan untuk meneliti satu lini produksi pada lini 1 di PT XYZ

yaitu lini produksi steril dengan mesin pengisi steril cozzoli RFPC.

2. Evaluasi produktivitas dan efisiensi dari mesin dan peralatan produksi yang

diukur adalah dengan menggunakan metode OEE.

3. Data yang digunakan pada penelitian ini adalah data dari bulan Agustus 2018

sampai bulan Agustus 2019.

4. Pembahasan hanya pada evaluasi nilai OEE, mengeliminasi pemborosan dan

solusi yang ditawarkan untuk manajemen perawatan mesin tidak membahas

implikasi lanjutan, perhitungan biaya, dan aspek manajerial lainnya.

10
1.7. Sistematika Penulisan

Penulisan penelitian ini dibuat dengan maksud memudahkan pembaca dalam

mendapatkan gambaran keseluruhan secara jelas dari penelitian yang dilakukan.

Sistematika dari penulisan penelitian ini :

BAB I. PENDAHULUAN

Bab I yaitu berisi tentang uraian latar belakang dari masalah yang mendasari

pentingnya penelitian ini dilakukan, rumusan masalah secara singkat mengenai

permasalahan yang muncul di perusahaan sehingga menarik untuk dikaji,

pertanyaan dari penelitian yang akan dijawab pada akhir dari penelitian, tujuan

yang ingin dicapai dari penelitian, manfaat dari penelitian bagi penulis, perusahaan,

dan akademisi, lingkup dari penelitian yang berguna untuk membatasi aspek yang

dikaji, serta sistematika dari penulisan untuk menerangkan secara singkat bagian

penting dari tiap bab.

BAB II. LANDASAN TEORI

Bab II berisi tinjauan dari teori yang mendeskripsikan pengertian dari judul dan

prinsip dalam analisa kasus, antara lain teori produktivitas, efisiensi, dan

efektivitas, teori perhitungan overall equipment effectiveness (OEE) dan diagram

yang berguna untuk mencari penyebab utama dari kasus yang terjadi.

BAB III. METODE PENELITIAN

Bab III adalah penjelasan mengenai desain penelitian yang digunakan pada

penelitian ini, metode dalam proses pengumpulan data-data dan metode untuk

melakukan analisa data-data yang dikumpulkan, dan profil dari masalah yang akan

diselesaikan.

11
BAB IV. ANALISIS DATA DAN PEMBAHASAN

Bab IV adalah penjelasan mengenai deskripsi data yang diperoleh dari buku

pencatatan penggunaan mesin di produksi, dan pembahasan yang menguraikan

jawaban yang diajukan atas masalah dari penelitian yang telah jelaskan pada Bab I,

dan terkait dengan capaian tujuan dari penelitian dan kaitan antara hasil penelitian

dengan teori-teori yang relevan.

BAB V. KESIMPULAN DAN SARAN

Bab V berisi uraian tentang Kesimpulan secara singkat, tepat, dan relevan dengan

rumusan masalah dan tujuan penelitian, uraian implikasi praktis yang berkaitan

dengan pelaksanaan manajerial dalam konteks penelitian dan juga keterbatasan

yang dihadapi penulis dalam melaksanakan penelitian.

BAB VI. DAFTAR PUSTAKA

Bab VI berisi daftar dari pustaka yang dikutip dalam penelitian ini.

12
 BAB II

TINJAUAN PUSTAKA

2.1. Sistem Manajemen Pemeliharaan

Pemeliharaan atau aktivitas perawatan pada awalnya dianggap sebagai

aktivitas yang tidak penting dan perlu dikelola karena hal tersebut dapat dilakukan

bersamaan dengan dijalankannya proses operasional. Dalam berkembangnya

pengetahuan terhadap efektivitas proses, manajemen pemeliharaan menjadi hal

yang diprioritaskan karena manajemen pemeliharaan mempunyai andil yang cukup

besar bagi kinerja suatu perusahaan. Melalui penerapan dari sistem, infrastruktur,

proses dan prosedur yang sesuai dengan standar dan konsisten, maka pemeliharaan

dapat mengurangi kerugian yang dapat terjadi, operasional dari perusahaan akan

menjadi lebih stabil, output dari produksi mendapatkan hasil yang maksimal dan

juga produk yang dihasilkan akan memberikan kualitas yang tinggi serta dapat

dipertahankan secara konsisten (Mobley, 2008).

Menurut Mann (1976), pemeliharaan diartikan sebagai suatu aktivitas yang

dilakukan dengan tujuan untuk mempertahankan agar mesin dan peralatan produksi

tetap pada kondisi yang baik seperti saat kualifikasi pemasangan hal ini perlu

dilakukan agar mesin dan peralatan produksi dapat terus beroperasi sesuai dengan

kapasitas dari mesin yang telah ditetapkan. Manajemen untuk pemeliharaan secara

umum adalah aktivitas yang memiliki hubungan dengan rencana kerja, struktur

organisasi dan personel, pelaksanaan program dan metode sebagai kontrol untuk

melakukan kegiatan pemeliharaan. Kegiatan yang dilakukan ini bertujuan untuk

13
mengoptimalkan kinerja dari pemeliharaan dengan cara melakukan peningkatan

terhadap keandalan dan ketersediaan dari suatu sistem yang ada atau peralatan yang

digunakan melalui rencana kerja, struktur organisasi dan personel, pelaksanaan

program dan metode sebagai kontrol untuk melakukan kegiatan pemeliharaan.

Menurut Wiremen (2005), tipe pemeliharaan dapat dibagi menjadi :

a. Breakdown Maintenance (BM): Merupakan suatu tindakan yang

merupakan bagian dari strategi perbaikan, yaitu perbaikan akan dilakukan

setelah terjadinya kerusakan mesin dan peralatan produksi atau pada saat

terlihat adanya penurunan kinerja yang signifikan (Wireman, 2005). Pada

situasi yang terjadi ini, mesin akan diperbaiki jika hanya sangat diperlukan

perbaikan yang besar. Pada konsep ini jika dilakukan memiliki kelemahan

yaitu adanya penghentian operasional dari proses produksi yang tidak

direncanakan sebelumnya (unplanned), kejadian kerusakan yang berulang-

ulang, permasalahan suku cadang yang cepat habis, biaya perbaikan yang

sangat tinggi, waktu tunggu diperlukan sangat lama dan trouble shooting

untuk menyelesaikan masalah yang tinggi (Wireman, 2005).

Breakdown maintenance dapat terjadi jika pada mesin dan peralatan

produksi pada saat operasional jika perhatian pada mesin dan peralatan

produksi kurang. Fokus utama breakdown maintenance adalah untuk

mengembalikan kondisi dari mesin dan peralatan produksi atau sistem

menjadi normal kembali secepat mungkin. Hal utama yang berkontribusi

pada tingginya biaya breakdown maintenance adalah perencanaan yang

tidak baik dan perbaikan dilakukan secara tidak tepat dan lengkap.

14
 • Perencanaan yang buruk: Keterbatasan waktu yang cenderung

dipaksakan oleh Manajer Produksi mengakibatkan pemanfaatan tenaga

kerja dan penggunaan sumber daya pemeliharaan kurang efektif. Jika

perencanaan kurang baik, kerusakan atau perawatan reaktif biasanya

memakan biaya tiga sampai empat kali lebih besar.

• Perbaikan yang tidak lengkap: Keterbatasan kedua breakdown

maintenance adalah berkonsentrasi pada perbaikan pada gangguan

yang terlihat, bukan pada akar masalah penyebab gangguan. Sebagai

contoh kerusakan bearing dapat menyebabkan mesin kritis berhenti

beroperasi. Dalam breakdown maintenance, bearing diganti secepat

mungkin dan mesin kembali beroperasi. Tidak ada upaya yang

dilakukan untuk mengetahui akar masalah penyebab gangguan untuk

mencegah kejadian terulang (Mobley et al., 2008).

b. Preventive Maintenance (PM) : Pada konsep ini diterapkan pemeriksaan

secara fisik terhadap mesin dan peralatan produksi untuk mencegah

terjadinya kerusakan sehingga dapat memperpanjang usia operasional dari

mesin dan peralatan produksi. PM atau Preventive Maintenance ialah suatu

kegiatan yang perlu dilakukan setelah operasional dari mesin dan peralatan

produksi mencapai jangka waktu tertentu. Dalam rentang periode ini, fungsi

pemeliharaan dari mesin dan peralatan produksi dilakukan dan kegiatan

perawatan yang berdasarkan waktu dilakukan. PM dilakukan dengan

melakukan perkiraan dan probabilitas untuk menentukan waktu pada suatu

mesin dan peralatan produksi akan mengalami kegagalan fungsi atau

15
 berkurangnya kinerja pada suatu waktu. PM pada mesin dan peralatan

produksi mencakup terkait dengan kegiatan pelumasan, kegiatan

pembersihan, kegiatan penggantian suku cadang, kegiatan mengencangkan

baut, dan kegiatan penyetelan. Pemeriksaan terhadap mesin dan peralatan

produksi juga akan dilakukan jika terdapat gejala kegagalan yang ditemukan

selama proses PM (Wireman, 2005).

c. Predictive Maintenance (PdM): Yaitu pemeliharaan yang telah diprediksi

atau sering juga disebut sebagai pemeliharaan yang dilakukan berdasarkan

dari kondisi (Condition Based Maintenance - CBM). Tindakan perawatan

dan pemeliharaan ini diambil sebagai upaya untuk menghadapi kondisi

mesin dan peralatan produksi tertentu atau ketika mesin dan peralatan

produksi mengalami penurunan kinerja pada saat proses operasional.

Teknik pemeriksaan yang dipakai untuk mengukur kondisi fisik peralatan

dan mesin produksi adalah seperti temperatur dari mesin, kebisingan yang

dihasilkan dari mesin, getaran yang disebabkan dari mesin, pelumasan

mesin dan korosi yang terjadi. Bila terdapat satu atau lebih dari satu dari

indikator yang telah ditetapkan ini mencapai batas yang telah ditentukan

sebelumnya, tindakan pemeliharaan terhadap mesin dan peralatan produksi

segera dilakukan untuk dapat mengembalikan mesin dan peralatan produksi

pada kondisi yang optimal. Hal ini memiliki arti bahwa mesin dan peralatan

produksi akan dikeluarkan dari jalur produksi jika hanya ditemukan bukti

secara langsung bahwa telah terjadi penurunan kinerja. Pemeliharaan

prediktif dilakukan pada prinsip yang sama dengan pemeliharaan preventif

16
 meskipun pada pelaksanaannya dilakukan dengan menggunakan kriteria

yang berbeda untuk dapat menentukan kebutuhan dari pemeliharaan

tertentu. Kelebihan lainnya yang dapat terlihat adalah bahwa kebutuhan

untuk melakukan pemeliharaan ini hanya akan terjadi ketika kebutuhan itu

telah terlihat, dan tidak dilakukan setelah berlalu dengan jangka waktu

tertentu (Wireman, 2005).

d. Corrective Maintenance (CM): Strategi pemeliharaan ini telah

diperkenalkan pada tahun 1957, yaitu konsep untuk menghindari kerusakan

pada mesin dan peralatan produksi diperluas menjadi peningkatan

keandalan dari mesin dan peralatan produksi sehingga kerusakan dari mesin

dan peralatan produksi dapat ditiadakan dan dapat dengan mudah dilakukan

pemeliharaan. Hal yang menjadi perbedaan utama dari pemeliharaan

korektif dan preventif ialah bahwa untuk permasalahan harus terjadi

sebelum dilakukan tindakan korektif yang diambil. Tujuan dilakukannya

perawatan korektif ialah untuk meningkatkan keandalan dari mesin dan

peralatan produksi, kemampuan dari pemeliharaan, keamanan, kelemahan

desain (bahan, bentuk); mesin dan peralatan produksi yang mengalami

reformasi secara struktural, mengurangi kerusakan yang terjadi dan

bertujuan untuk tercapainya keadaan dari mesin dan peralatan produksi

yang bebas pemeliharaan. Data-data yang telah diperoleh dari CM akan

sangat berguna untuk menghindari dilakukannya pemeliharaan atas

peralatan yang pada masa yang akan datang serta peningkatan atas fasilitas

manufaktur yang ada. (Wireman, 2005).

17
 e. Routine Maintenance (RM) : Pemeliharaan yang dilakukan secara periodik

ini dilakukan menurut siklus dari operasi yang berulang, yaitu dapat berupa

pemeliharaan setiap hari, setiap minggu atau dapat juga dilakukan

berdasarkan jumlah waktu operasional dari mesin dan peralatan produksi.

Kegiatan pemeliharaan rutin dapat dilakukan dengan cara melakukan

pembersihan, melakukan penyetelan, melakukan pelumasan dan atau

melakukan penggantian. Kegiatan pemeliharaan secara rutin ini bertujuan

agar tidak terjadi kerusakan dan pada akhirnya akan mengurangi biaya dari

pemeliharaan mesin dan peralatan produksi. (Wireman, 2005)

Gambar 2. 1 Jenis-Jenis Pemeliharaan

(Sumber: Mobley, 2008)

Planned Maintenance adalah kegiatan pemeliharaan yang dijadwalkan untuk

memperbaiki peralatan dan mengganti komponen sebelum rusak. Kegiatan ini

membutuhkan jadwal produksi untuk mengakomodasi downtime yang

18
direncanakan untuk melakukan perbaikan peralatan. Kegiatan perbaikan ini

merupakan prioritas, setara dengan kegiatan menjalankan peralatan untuk produksi.

Teori yang berlaku adalah bahwa saat planned maintenance meningkat, unplanned

maintenance (kerusakan) akan mengalami penurunan dan sebagai hasilnya biaya

perawatan total turun. Gambar 2.2 menunjukkan kurva trade-off antara planned

maintenance dan unplanned maintenance (Mobley, 2008).

Gambar 2. 2 Kurva Trade-off planned dan unplanned maintenance

(Sumber: Mobley, 2008)

Menurut Dhillon (2002), ada 7 elemen pemeliharaan preventif yaitu :

a. Inspeksi: Secara berkala memeriksa material untuk menentukan

kemampuannya dengan membandingkan karakteristik fisik, elektrik,

mekanik, dan lain-lain sesuai standar yang diharapkan.

b. Service: Membersihkan, pengisian, pelestarian, dan lain-lain pada material

secara berkala untuk mencegah terjadinya kegagalan.

c. Kalibrasi: Secara berkala menentukan nilai karakteristik suatu alat dengan

perbandingan dengan standar. Ini terdiri dari perbandingan dua instrumen,

salah satunya bersertifikat standar dengan akurasi yang diketahui, bertujuan

19
 untuk melakukan deteksi dan melakukan penyesuaian terhadap perbedaan

akurasi terhadap parameter yang dibandingkan dengan nilai standar yang

ditetapkan.

d. Pengujian: Pengujian atau pengecekan secara berkala untuk mengetahui

kemampuan perbaikan dan mendeteksi degradasi mekanik atau elektrik.

e. Aligment: Membuat perubahan pada elemen variabel alat tertentu untuk

tujuan mencapai kinerja yang optimal.

f. Adjustment: Secara berkala menyesuaikan elemen variabel dari material

untuk tujuan mendapatkan kinerja sistem yang optimal.

g. Instalasi: Penggantian secara periodik peralatan yang memiliki batas umur

atau alat yang mengalami siklus waktu atau penurunan keausan, untuk

mempertahankan toleransi sistem yang ditentukan

Dalam pelaksanaannya diperlukan program-program yang dapat menunjang

implementasi dari sistem manajemen perawatan sebagai contoh yaitu Program

pelatihan operator dan teknisi dan konsep 5 R.

2.1.1. Program Pelatihan dan Pendidikan

Pelatihan memiliki tujuan agar operator dan teknisi memiliki kemampuan

yang baik dan untuk dapat menghasilkan produk dengan kualitas yang baik

sehingga dapat meningkatkan keterampilan dari para operator dan teknisi. Operator

dan teknisi tidak cukup mengetahui cara kerja saja “Know How” tetapi juga dapat

mengetahui “Know Why” yaitu alasan dari mengapa perlu dilakukan. Pelatihan

memiliki tujuan menciptakan tenaga ahli yang memahami benar tugas dan

tanggungjawabnya kepada perusahaan (Ahuja, 2008)

20
 Program pelatihan dilakukan untuk memastikan bahwa operator dan teknisi

dilatih dalam keterampilan yang diidentifikasi sebagai hal yang esensial baik untuk

pengembangan pribadi sejalan dengan tujuan dan sasaran organisasi. Sebagai

permulaan pengetahuan dan keterampilan yang diperlukan untuk melaksanakan

setiap pekerjaan, baik dari segi kompleksitas pengetahuan yang dibutuhkan dan

jumlah orang yang mampu yang diperlukan untuk mendukung kebutuhan

pekerjaan. Informasi awal ini diperlukan untuk menilai tingkat saat ini terhadap

persyaratan yang ditetapkan dan rencana pelatihan dikembangkan untuk menutup

kesenjangan. Selanjutnya rencana ini dilakukan dan dievaluasi untuk memastikan

bahwa kegiatan ini menghasilkan peningkatan kemampuan yang ditargetkan.

Potensi personel yang belum dimanfaatkan menciptakan limbah besar dalam suatu

organisasi. Pelatihan dan Pendidikan menciptakan lingkungan perusahaan yang

mampu memaksimalkan potensi semua karyawan dan merespon secara positif

terhadap perubahan iklim bisnis, kemajuan teknologi, dan inovasi manajemen

(Ahuja, 2008)

2.1.2. Program konsep 5S

Konsep 5-S merupakan singkatan dari Bahasa jepang yaitu seiri, seiton,

seiso, seiketsu dan shitsuke yang jika diartikan secara umum berarti pelaksanaan

pembersihan di area kerja. Untuk dapat melakukan konsep 5-S seorang pekerja

harus memiliki budaya untuk mengatur benda-benda di sekitarnya agar dapat

dengan mudah digunakan hal ini dapat diterapkan dengan mengetahui bagian dari

21
masing-masing kata yang terdapat pada 5-S (seiri, seiton, seiso, seiketsu &

shitsuke). Elemen dari 5-s tersebut ialah:

1. Seiri (Ringkas)

Yaitu dilakukan pemisahan terhadap benda yang diperlukan karena akan

digunakan dan yang tidak diperlukan atau masih belum digunakan, setelah

itu dilakukan juga penyimpanan di tempat yang lain untuk benda yang tidak

diperlukan. Kegiatan ini adalah bagian dari klasifikasi benda yang berada

ditempat kerja. Dalam praktiknya tempat kerja biasanya dipenuhi dengan

benda-benda yang tidak digunakan sebagai contoh adalah keranjang

kosong, wadah material, persediaan suku cadang yang berlebih, perkakas

untuk perbaikan yang berlebihan, dokumen yang sudah tidak terpakai, dan

lain-lain. Konsep ringkas dapat dimulai dengan memberikan label merah

terhadap benda-benda yang tidak digunakan pada area kerja sehingga dapat

disimpan ke tempat yang lain.

2. Seiton (Rapi)

Konsep rapi dilakukan dengan menyusun benda-benda yang akan

digunakan untuk mempermudah pengambilan pada saat akan digunakan.

Seiton merupakan Bahasa jepang yang memiliki arti menyusun benda

dengan cara yang memudahkan pengguna ketika akan digunakan. Seiton

dalam konsep 5-S memiliki peranan penting karena dengan menyusun

benda yang akan digunakan maka proses bekerja akan menjadi lebih cepat

karena benda dapat ditemukan dengan waktu yang singkat tanpa harus

mencari letak benda disimpan. Untuk mempermudah penyusunan maka

22
 diperlukan penanda agar tidak tertukar dengan benda yang lain. Penanda

dapat berupa nama dari benda yang ditempelkan di dekat benda yang

disimpan. Semua benda yang disusun harus teratur dan rapi.

3. Seiso (Resik)

Konsep resik dilakukan dengan selalu menjaga agar benda yang telah dipilih

untuk digunakan dan disusun dalam aturan yang memudahkan dijaga

kebersihannya agar benda dapat siap digunakan kapanpun juga dibutuhkan.

Konsep ini menjamin suatu area selalu dalam kondisi yang bersih karena

dilakukan secara terus menerus oleh seluruh pihak yang berkepentingan di

area kerja. Dengan menjaga kebersihan dari area kerja maka kerugian yang

disebabkan oleh adanya pengotor dapat diperkecil. Sebagai contoh adalah

kecelakaan karena adanya tumpahan pelumas, mesin yang macet karena

terjepit oleh kunci kendaraan, dan lain lain. Selain dengan menjaga

kebersihan resik juga dapat dilakukan dengan menghilangkan sumber

pengotor itu sendiri dengan menutup sela-sela pada pintu yang

menyebabkan adanya debu pada mesin produksi, memisahkan area

pengisian tinta mesin pencetak dengan area pengisian produk, dan

sebagainya.

4. Siketsu(Rawat)

Konsep rawat dilakukan dengan cara memelihara tempat kerja tetap pada

kondisi yang telah tetapkan yaitu ringkas, tersusun rapi dengan tanda nama

agar mudah dipakai, bersih tanpa adanya pengotor berupa sampah, sehingga

benda yang akan digunakan tidak rusak karena tidak terawat.

23
 5. Shitsuke (Rajin)

Konsep ini adalah konsep yang paling penting dari 5-S karena dalam

pelaksanaan kelima konsep ini perlu dilakukan secara konsisten dan terus

menerus menjadi budaya yang selalu dilakukan. Disiplin yang kuat serta

membiasakan diri untuk menerapkan keseluruhan konsep tertuang dalam

konsep rajin. Konsep ini membakukan ke empat konsep sebelumnya dan

membuatnya menjadi suatu proses berulang yang berkesinambungan.

Manfaat yang didapatkan setelah melakukan konsep 5-S adalah : menciptakan

lingkungan yang nyaman bagi personel sehingga dapat bekerja secara aman dan

menyenangkan bukan hanya bagi orang yang bekerja di area tersebut tetapi juga

bagi orang lain yang melihat area kerja tersebut, memudahkan dalam pergerakan

operator sehingga pekerjaan yang dilakukan menjadi optimal karena tidak

melakukan aktivitas yang tidak perlu, dan disiplin pribadi maupun dalam bekerja

dapat tercapai sehingga meningkatkan efisiensi dari waktu bekerja (Ahuja, 2008)

2.2. Definisi Six Big Losses

Untuk dapat menilai kinerja dari mesin produksi tersedia berbagai metode

analisis yang dapat digunakan contohnya adalah Failure Mode and Effect Analysis,

Logic Tree Analysis, Range – Approach Analysis, Six Big Losses Analysis dan

sebagainya. Dari berbagai metode analisis tersebut hanya Six Big Losses Analysis

yang dapat menggambarkan secara detail hubungan antara rendahnya nilai Overall

Equipment Effectiveness (OEE) dengan produktivitas mesin yang tidak efektif

dalam beroperasi. Menurut Nakajima (1988) dalam Mahmood (2016), Rendahnya

24
produktivitas dari mesin dan peralatan produksi dapat menimbulkan terjadinya

kerugian bagi perusahaan. Hal ini seringkali disebabkan karena mesin dan peralatan

produksi tidak cukup efektif dalam beroperasi. Terdapat enam jenis kerugian yang

disebabkan oleh rendahnya kinerja dari mesin dan peralatan produksi. Enam

kerugian tersebut dikenal dengan istilah six big losses yaitu breakdown atau

kegagalan atau kerusakan yang terjadi pada mesin dan peralatan produksi, set up

and adjustment yaitu kesalahan pada saat proses pemasangan awal dan penyetelan

yang menyebabkan kerusakan pada saat proses produksi, idling/minor stoppage

yaitu mesin produksi berhenti untuk sementara karena terjadi kemacetan pada

mesin atau hambatan lain yang menyebabkan mesin produksi berhenti untuk

sementara, reduced speed losses yaitu kecepatan produksi sengaja atau tidak secara

sengaja diturunkan lebih rendah dari kecepatan aktual operasi mesin atau dari

kecepatan mesin yang telah dirancangkan pada saat kualifikasi, process defect yaitu

terjadinya kerusakan pada produk yang disebabkan karena adanya masalah pada

mesin dan peralatan produksi sehingga perlu dilakukan produk diproses ulang

(rework), start up losses yaitu tidak tercapainya kualitas produk yang disebabkan

kesalahan pada saat pengaturan awal mesin. Detail dari masing-masing six big

losses adalah sebagai berikut :

1. Breakdown losses (rugi kegagalan peralatan), dikelompokkan sebagai

kerugian waktu akibat kerusakan peralatan, unplanned maintenance,

general breakdown, kerusakan peralatan dan sejenisnya.

25
2. Set up/adjustment time losses (rugi waktu menyetel), yang termasuk dalam

kategori ini adalah pemanasan mesin, mayor adjustment, pemilihan bahan

dan setup/change over.

3. Idling & minor stopages losses, adalah kejadian ketika proses produksi

terinterupsi oleh temporary malfunction atau kejadian mesin produksi tidak

berjalan dalam waktu yang singkat yaitu kurang dari lima menit dan

perbaikan dari personel maintenance untuk mengembalikan pada keadaan

semula tidak diperlukan. Kejadian tersebut sebagai contoh macet, misfeed

dan sensor blocked.

4. Reduced speed losses (rugi berkurang kecepatan), merupakan penurunan

kecepatan aktual dengan kecepatan rancangan, bisa juga berupa penurunan

kapasitas berada di bawah kapasitas rancangan. Operator Inefficiency juga

termasuk dalam kategori losses ini.

5. Quality losses (defect and rework) cacat dan kerja ulang adalah losses yang

terjadi karena adanya ketidakberfungsian dari peralatan produksi.

6. Reduced yield, merupakan losses yang terjadi pada permulaan dari

penyetelan mesin sampai dengan menghasilkan produk yang stabil.

26
 Gambar 2. 3 Mekanisme Evaluasi Six Big Losses

(Sumber : Mahmood, 2016)

Menurut Mahmood (2016) Six big losses dikelompokkan menjadi 3 kategori

berdasarkan pada waktu kehilangannya, yaitu pada saat Operating time, Net

operating time dan Valuable time. Operating time berhubungan dengan losses

Equipment failure dan Setup & adjustment nilai ini dapat diukur dengan Nilai

avalibility dari mesin dan peralatan produksi. Net operating time berhubungan

dengan losses idling and minor stoppage dan Reduce speed nilai ini dapat diukur

dari nilai Performance dari mesin dan peralatan produksi. Valuable time

berhubungan dengan losses Defect in process dan reduced yield nilai ini dapat

diukur dari nilai Quality dari hasil output mesin dan peralatan produksi. Setiap

perusahaan perlu melakukan eliminasi terhadap six big losses yang ada, pada

gambar 2.3 diatas dapat diketahui untuk melakukan penurunan terhadap six big

losses dapat dilakukan dengan melakukan evaluasi nilai dari Avalibility,

Performance dan Quality yang merupakan hasil dari perhitungan Overall

Equipment Effectiveness (OEE).

27
2.3. Definisi Overall Equipment Effectiveness (OEE)

Disebutkan dalam beberapa artikel, jurnal, maupun buku hal yang

menentukan titik berat dari overall equipment effectiveness adalah penghapusan

menghilangkan kerugian dan meningkatkan kinerja peralatan. Salah satu

diantaranya informasi yang didapatkan menyatakan OEE digunakan sebagai alat

ukur kinerja dari mesin dan peralatan produksi yang mencakup secara complete,

inclusive, whole. OEE juga dapat diartikan sebagai alat analisa untuk kinerja

peralatan berdasarkan dari nilai availability ratio, performance efficiency, dan rate

of quality dari produk yang dihasilkan. Pengertian lain menyebutkan untuk kinerja

dari mesin dan peralatan secara keseluruhan dipengaruhi oleh nilai dari availability

ratio, performance efficiency, dan rate of quality product yang setiap faktor tersebut

dinyatakan dalam bentuk angka persentase. Definisi lainnya menyebutkan tentang

fungsi pengukuran OEE dipergunakan sebagai perbandingan, yaitu OEE diartikan

sebagai tolak ukur kinerja standar mesin. Definisi ini muncul oleh sebab

penggunaan ukuran OEE oleh industri yang bersaing di dunia secara global yang

nilainya diterapkan sebagai perbandingan oleh industri yang sejenis dalam rangka

memperbaiki nilai efektivitas kinerjanya melalui penerapan dari overall equipment

effectiveness (OEE). Melalui definisi yang sudah disebutkan sebelumnya, dapat

diketahui metode OEE merupakan suatu alat ukur yang dipergunakan sebagai

upaya agar mesin dan peralatan produksi selalu memiliki kondisi yang ideal dengan

cara menghilangkan six big losses sehingga dapat dijadikan standar dalam proses

perbaikan berkelanjutan.

28
2.3.1. Tujuan Implementasi Overall Equipment Effectiveness (OEE)

Pengukuran menggunakan metode OEE juga diterapkan di berbagai jenis

industri untuk beberapa keperluan, seperti :

1) Menjadi prosedur pengujian yang menggunakan nilai standar tertentu atau

yang juga disebut sebagai “benchmark” yang dilakukan agar mengetahui

kinerja dari suatu proses secara keseluruhan. Nilai dari pengukuran OEE di

awal dapat digunakan sebagai perbandingan dengan pengukuran nilai OEE

berikutnya, hal ini dilakukan agar dapat mengukur kualitas tingkat

perbaikan yang dibuat

2) Hasil dari penghitungan nilai OEE dari satu lini manufaktur, dapat dipakai

sebagai perbandingan kinerja lini seluruh area manufaktur, sehingga dapat

melakukan evaluasi diri untuk seluruh lini yang tidak baik atau masih perlu

diperbaiki.

3) Jika mesin dinyalakan tanpa dukungan dari mesin lain atau secara mandiri,

pengukuran nilai OEE dapat memberikan informasi tentang performansi

mesin produksi yang tidak baik kemudian mengarahkan ke bagian mana

harus mengalokasikan sumber daya atau melakukan perbaikan. Selain

mendapatkan informasi dari tingkat performansi atau kinerja mesin

produksi, nilai OEE dapat dijadikan sebagai dasar dalam pengambilan

keputusan pengadaan mesin dan peralatan produksi. Seorang pemimpin

sebagai pengambil keputusan atau penentu harus mengetahui pasti kapasitas

dari mesin dan peralatan produksi yang tersedia agar keputusan yang efektif

secara yakin dan benar dapat ditentukan sebagai upaya memenuhi

29
 kebutuhan pelanggan. Faktor penyebab menurunnya nilai OEE

(dibandingkan dengan nilai OEE standar) juga bisa didapat melalui

penggabungan dengan menggunakan metode lain, yaitu analisis pareto dan

diagram sebab akibat dengan mengetahui indikasi penurunan nilai OEE

melalui metode tersebut maka dapat dilakukan tindakan perbaikan secara

cepat terhadap faktor-faktor yang mengakibatkan terjadinya penurunan

kapasitas peralatan maupun mesin produksi guna meningkatkan nilai OEE.

2.3.2. Pengukuran Nilai Overall Equipment Effectiveness (OEE)

Perusahaan yang memiliki standar internasional yang bertujuan

mendapatkan profit dapat mencapai tujuannya dengan memiliki nilai OEE

sedikitnya 85%, dengan detail nilai berikut ini:

a. Memiliki nilai Availability ratio lebih dari 90%.

b. Memiliki nilai Performance efficiency lebih dari 95%.

c. Memiliki nilai Rate of quality product lebih dari 99%.

Nilai dari ketiga faktor penentu perlu diperoleh untuk mendapatkan nilai

dari OEE. Cara perhitungan ketiga faktor tersebut diatas akan dibahas pada

bagian selanjutnya.

Nilai Availability dihitung atas dasar perbandingan dari nilai

operating time atau waktu untuk mesin melakukan operasional dengan

planned time atau waktu yang direncanakan bagi mesin untuk melakukan

operasional yang dikurangi dengan downtime dibagi dengan loading time.

Operating time didapatkan dengan cara mengurangi planned time dengan

trouble time atau waktu yang diperlukan untuk melakukan perbaikan dari

30
kerusakan yang terjadi. Planned time didapatkan dengan mengurangi total

time atau waktu operasional dalam satu hari dikurangi dengan not scheduled

time atau waktu yang tidak dilakukan penentuan dalam satu hari. Dalam

melakukan perhitungan terhadap availability ratio, pengertian untuk hal

equipment downtime mutlak diperlukan. Dengan penghitungan equipment

downtime, keputusan dari tindakan untuk melakukan perbaikan dapat

diambil secara cepat dan tepat. Kondisi lain yang tergolong dalam

equipment downtime adalah sebagai berikut :

a. Kerugian terhadap adanya kerusakan (downtime).

b. Istirahat minum pada pagi hari dan makan pada siang hari (coffe and

lunch breaks).

c. Perubahan penyetelan dan penyetelan awal mesin dan peralatan

produksi.

d. Pemeliharaan yang tidak direncanakan “sudden maintenace”.

e. Jeda karena kurangnya pendukung.

f. Jeda karena tidak ada pengawas.

g. Jeda untuk melakukan pemeliharaan.

h. Operator mesin dan peralatan produksi tidak hadir.

i. Menunggu paperwork.

j. Pergantian sistem rotasi jam kerja karyawan “regu”.

k. Menunggu inspeksi (kegiatan memeriksa segala faktor dalam pekerjaan

yang meliputi performansi peralatan atau mesin) pertama.

31
 Performance efficiency merupakan perbandingan antara nilai output

total atau hasil yang diberikan mesin produksi dibagi dengan operating time

atau waktu untuk mesin melakukan operasional dikalikan dengan machine

speed atau kecepatan mesin secara teori. Operating time digunakan untuk

mengukur pemeliharaan dari proses produksi dengan kecepatan yang telah

ditetapkan selama waktu tertentu. Dapat diartikan pula operating time

berguna untuk menyatakan suatu proses operasional dapat stabil selama

peralatan beroperasi. Operating time juga dapat digunakan sebagai alat ukur

terhadap berbagai kerugian akibat dari berhentinya mesin produksi

sementara yang tercatat dan juga yang tidak tercatat, yaitu sebagai berikut:

a. Kecepatan mesin yang diturunkan.

b. Pemberhentian mesin sementara.

c. Kerugian dari mesin dan peralatan produksi yang tidak digunakan.

d. Tidak tersedianya material untuk melakukan produksi.

e. Kerusakan mesin dan peralatan produksi sehingga proses produksi

terlambat.

Rate of Quality mendeskripsikan produk yang dihasilkan sesuai dengan

standar yang ditetapkan. Rate of Quality adalah hasil perbandingan antara

hasil dari produksi normal atau output total dikurangi dengan hasil produksi

yang tidak memenuhi standar reject dibagi dengan output total. Beberapa

jenis dari kerugian yang mengakibatkan turunnya nilai dari kualitas dan juga

yang merupakan pemberi kontribusi penting dalam perhitungan Rate of

Quality adalah sebagai berikut :

32
 a. Kualitas dari produk yang dihasilkan tidak sesuai dengan standar yang

ditetapkan (quality rejection).

b. Proses pengerjaan produksi ulang untuk memperbaiki kualitas

(rework).

Hubungan hasil perhitungan nilai dari OEE dengan kerugian yang termasuk

dalam enam kerugian besar (six big losses) dan perhitungannya dapat dilihat

melalui ditampilkan pada gambar 2.4 berikut :

Gambar 2. 4 Pengukuran Overall Equipment Effectiveness

(Sumber : Venkatesh, J., 2007)

2.4. Diagram Pareto

Seorang pakar ekonom Italia yang bernama Alfredo Pareto (1848- 1923)

memperkenalkan jenis diagram yang disebut dengan Diagram Pareto. Diagram

Pareto adalah sebuah diagram yang menyusun kelompok data dengan alur dari

sebelah kiri ke sebelah kanan sesuai dengan peringkat yang paling tinggi hingga

yang paling rendah. Melalui hal ini identifikasi masalah dapat dilakukan mulai dari

33
yang paling penting agar cepat selesai sampai dengan permasalahan yang tidak

memerlukan prioritas untuk menyelesaikannya. Melalui diagram Pareto juga dapat

menentukan masalah yang terutama yang dapat memberikan pengaruh terhadap

kualitas produk dan memberikan petunjuk terhadap manajer dalam mengalokasikan

sumber daya dengan jumlah yang terbatas untuk dapat menyelesaikan permasalah

yang ada. Diagram Pareto juga dapat digunakan sebagai pembanding antara kondisi

sebelum dan setelah proses. Sebagai contoh perubahan yang terjadi tidak dapat

diterapkan karena tidak cocok sebagai langkah perbaikan terhadap proses. Prinsip

Pareto menurut penemunya yaitu Alfredo Pareto seorang pakar ekonomi Italia

menyatakan bahwa 20% dari keseluruhan penduduk yang ada memiliki 80% dari

total seluruh kekayaan. Sedangkan Proffessor J.M. Juran menyatakan istilah “vital

few, trivial many” yaitu 20% dari masalah kualitas (rusak/cacat) menyebabkan

kerugian sebesar 80%.

Untuk dapat menyusun Diagram Pareto dilakukan beberapa langkah seperti berikut

ini, yaitu:

1. Perlu ditentukan terlebih dahulu metode atau pengelompokan data, yaitu

berdasarkan dengan permasalah, akar masalah, jenis permasalah dan

sebagainya.

2. Selanjutnya dilakukan penentuan satuan yang akan dipakai sebagai dasar

dalam membuat peringkat atau pembagian, contohnya meter, mesin, jam,

unit dan sebagainya.

3. Pengumpulan data berdasarkan dengan rentang periode yang telah

ditentukan.

34
 4. Membuat rangkuman terhadap peringkat dari kategori data yang telah

dibuat mulai dari yang paling besar hingga yang paling kecil

5. Melakukan perhitungan jumlah atau frekuensi kumulatif atau dapat disebut

juga persentase kumulatif dari data yang dipakai

6. Terakhir dilakukan penampilan data dengan menggunakan diagram batang,

diagram ini menunjukkan tingkat dari prioritas relative setiap masalah yang

dihadapi.

Berikut merupakan cara menampilkan Diagram Pareto yang ditampilkan pada

gambar 2.5 di bawah ini:

Gambar 2. 5 Gambar Diagram Pareto

(Sumber : Data PT XYZ, 2018)

2.5. Diagram Sebab Akibat

Dr. Kaoru Ishikawa pada tahun 1943 memperkenalkan Diagram Sebab

Akibat, sehingga lebih dikenal dengan sebutan diagram Ishikawa. Diagram ini

menggambarkan hubungan antara penyebab dan akibat dari terjadinya suatu

masalah dengan menggunakan garis dan simbol-simbol. Garis dan simbol-simbol

tersebut digunakan untuk dapat memberikan gambaran mengenai akibat dari suatu

35
masalah yang untuk langkah selanjutnya dapat diambil sebagai langkah perbaikan.

Dari masalah yang terjadi ditarik garis untuk dapat mengetahui beberapa faktor

yang mungkin menjadi penyebab. Penyebab masalah pada umumnya berawal dari

beberapa aktivitas terkait dengan sumber sebagai contoh, metode yang dilakukan,

material yang digunakan, cara pengukuran, perilaku dari karyawan, kondisi dari

lingkungan kerja dan sebagainya. Beberapa sumber penyebab yang sudah

disebutkan sebelumnya dapat dibagi lagi menjadi sumber yang lebih kecil dan

detail. Sebagai contoh cara personel melakukan pekerjaannya dapat diturunkan

kembali menjadi pelatihan dalam melakukan pekerjaan, pengetahuan dan atau

kemampuan yang dimiliki. Informasi yang diperlukan untuk dapat menemukan

berbagai penyebab dapat diambil dari berbagai sumber informasi yang terlibat

dalam proses yang sedang diteliti.

Contoh Diagram Sebab Akibat seperti gambar 2.6 di bawah

Gambar 2. 6 Diagram Sebab Akibat (Fishbone Diagram)

(Sumber : Data PT XYZ, 2016)

36
 Tampilan diagram diatas tampak seperti tulang ikan maka lebih dikenal

sebagai Diagram Tulang Ikan (Fishbone Diagram). Beberapa fungsi dari analisis

menggunakan Diagram Sebab Akibat adalah sebagai berikut :

1. Dapat melihat gambaran kondisi aktual secara keseluruhan sebagai tujuan untuk

melakukan perbaikan terhadap kualitas hasil produksi, sehingga lebih tepat guna

dalam mengalokasikan sumber daya yang ada serta dapat menekan biaya.

2. Dapat digunakan sebagai alat untuk menghilangkan ketidaksesuaian kondisi

yang menyebabkan tidak tercapainya kualitas produk dan keluhan dari para

konsumen.

3. Dapat menjadi sebuah standar operasional suatu proses yang sedang dilakukan

maupun yang akan dilakukan.

4. Dapat menjadi standar dalam memberikan pengetahuan bagi personel dalam hal

mengambil keputusan dan juga untuk melakukan langkah perbaikan ke depan.

Selain digunakan dalam upaya menemukan penyebab dari utama masalah yang

sedang terjadi. Diagram ini dapat digunakan dalam upaya menemukan penyebab

lain yang memberikan kontribusi dari penyebab utama. Diagram sebab akibat dapat

juga digunakan sebagai alat ukur banyaknya jumlah penyebab yang memicu

timbulnya suatu masalah, mencari distribusi pada setiap penyebab masalah, dan

untuk melakukan pengkajian proses.

37
 BAB III

METODE PENELITIAN

3.1. Desain Penelitian

Penelitian ini dilakukan di pabrik PT XYZ yang berlokasi di Jl. Raya Bogor,

KM 28 Kelurahan Pekayon Kecamatan Pasar Rebo Jakarta Timur, sejak bulan

November tahun 2019. Penelitian studi kasus ini akan fokus pada penelusuran

masalah mengenai inefektivitas penggunaan mesin produksi yaitu mesin pengisi

steril Cozzoli RFPC untuk meningkatkan kinerja mesin guna mencapai tujuan

perusahaan. Pendekatan yang digunakan pada penelitian ini adalah dengan

pengamatan dan evaluasi secara sistematis terhadap kinerja mesin saat ini yang

bertujuan untuk mengembangkan kinerja sekarang dan kinerja masa datang yang

diharapkan.

Berdasarkan dengan dilema yang dihadapi manajemen dan pertanyaan yang

muncul pada penelitian ini, maka selanjutnya dilakukan proses pengumpulan data

melalui berbagai sumber, yang kemudian diolah dengan beberapa metode dan

dilakukan analisis terhadap masalah untuk dapat memberikan usulan perbaikan.

Metode yang digunakan di penelitian ini adalah perhitungan efektivitas mesin

produksi menggunakan Overall Equipment Effectiveness (OEE) sedangkan untuk

mencari penyebab dari masalah yang ada dengan melakukan metode Six Big Losses

dan Fishbone Diagram.

38
 3.2. Alur Penelitian

Mulai
Awal Penelitian

Observasi Rumusan Masalah

lapangan,
Wawancara,
Studi Pustaka
Menentukan topik & tujuan penelitian
Mempelajari dasar teori yang mendukung
Tahapan Pengumpulan Data

Melakukan tinjauan umum di PT XYZ

Pengumpulan Data: Tidak

1. Machine working time.
2. Planned downtime. Apakah data
3. Setup and adjusment. telah cukup ?
4. Failure and repair.
5. Data jumlah output
produk.
6. Data jumlah produk Ya
reject dan rework.

Mengevaluasi nilai OEE mesin Produksi

Availability Ratio: Performance Efficiency: Rate of Quality :

Faktor pengaruh Faktor pengaruh Reject dianalisis
Pengolahan Data

dianalisis menggunakan dianalisis menggunakan menggunakan diagram Pareto

Pareto. Selanjutnya
menentukan langkah
perbaikan berdasarkan
penyebab primer.
perhitungan. Selanjutnya
menentukan langkah
perbaikan berdasarkan
penyebab terbesar yang
dapat dilakukan
dan fishbone. Selanjutnya
menentukan langkah
perbaikan berdasarkan
penyebab utama dari reject
tertinggi dari hasil Pareto

Menganalisis penyebab permasalahan dengan pendekatan nilai Six

Big Losses menggunakan diagram sebab akibat (Fishbone Diagram)

Kesimpulan dan Saran

Akhir

Selesai

Gambar 3. 1 Diagram Alir Penelitian.

39
3.3. Tempat dan Waktu Penelitian

Penelitian dilaksanakan di PT XYZ khususnya pada lini 1 di bagian mesin

pengisi steril Cozzoli RFPC. Produk yang akan diamati adalah produk Steril,

dimana produk tersebut merupakan produk unggulan tetapi memiliki masalah

kinerja mesin yang perlu diperbaiki. Penelitian dilakukan selama bulan November

2019 – Juni 2020 dengan mengamati nilai OEE dari mesin pengisi steril Cozzoli

RFPC. PT XYZ terletak di jalan Raya Jakarta Bogor Km.28 Pekayon Pasar Rebo,

Kelurahan Gandaria, Jakarta Timur,13710.

3.4. Objek Penelitian

PT XYZ memiliki banyak lini produksi, begitu pula dengan produk yang

dihasilkan, beragam obat yang setiap harinya di produksi di mesin – mesin tersebut.

Pokok pembahasan yang digunakan dalam penelitian ini adalah mesin pengisi steril

Cozzoli RFPC. Alasan utama yang mendasari pemilihan objek penelitian ini adalah

a. Mesin pengisi steril Cozzoli RFPC memiliki frekuensi kerusakan yang sering

terjadi dibandingkan mesin lain nya.

b. Produk Steril yang di proses menggunakan mesin pengisi steril Cozzoli RFPC

memiliki Process Holding Time yang singkat sehingga proses produksi harus

diselesaikan secepatnya tanpa interupsi kerusakan mesin.

c. Produk Steril merupakan produk unggulan PT XYZ.

40
3.5. Studi Pendahuluan

Studi ini dilakukan agar mendapatkan informasi awal mengenai permasalahan

yang terjadi pada penelitian ini. Studi pendahuluan dapat dilakukan dengan studi

literatur dan observasi langsung di lapangan untuk mengetahui lebih jelas mengenai

permasalahan.

3.6. Metode Pengumpulan Data

Pengumpulan data yang dilakukan pada penelitian ini dilakukan dengan metode

studi data historikal, pengamatan langsung di lantai produksi, dan melakukan

wawancara kepada orang-orang terkait (key person). Data yang dikumpulkan

adalah data primer dan juga data sekunder untuk keperluan penelitian:

1. Data primer adalah suatu data yang dapat diperoleh melalui observasi langsung

ke lapangan dan juga penelitian secara langsung ke lapangan. Cara

mengumpulkan data ini dilakukan dengan pengamatan langsung ke lapangan

yaitu proses manufaktur PT XYZ serta dengan menanyakan personel yang

melakukan tugas teknis di lapangan. Data yang didapatkan yaitu data tentang

uraian proses dari produksi (flow process), hambatan dari proses produksi, dan

perilaku dari operator maupun teknisi.

2. Selanjutnya data sekunder adalah data yang didapatkan tidak secara langsung

diamati oleh peneliti karena keterbatasan yang ada. Data ini dapat berupa

dokumentasi yang dilakukan oleh perusahaan dan data dari hasil penelitian

yang telah dilakukan sebelumnya.

41
Berikut adalah data primer dan sekunder yang diambil :

1. Studi data buku catatan harian produksi

Data historikal yang dimaksud pada penelitian ini yaitu studi data pada buku

catatan harian lini produksi steril pada bulan Agustus 2018 sampai dengan

Agustus 2019, dengan pertimbangan format penulisan buku catatan harian di

awal tahun 2018 telah mengacu pada Cara Pembuatan Obat Tradisional yang

Baik (CPOB). Setiap hari, aktivitas di lantai produksi yang dilakukan operator

dicatat pada buku catatan harian sesuai dengan ketentuan salah satu Standard

Operating Procedure (SOP) perusahaan. Dari data pada buku catatan harian

tersebut, personel produksi akan menerjemahkan pada lembar kerja

perhitungan OEE di Microsoft Excel. Pada tahun 2018 juga telah diterapkan

pencatatan secara digital dengan menggunakan perangkat lunak dari PARSEC

corp yaitu Traksys™. Traksys™ adalah platform yang mendokumentasikan

data kinerja mesin secara realtime. Data yang dimaksud adalah data rekaman

kondisi mesin pengisi cozzoli RFPC pada periode Agustus 2018 sampai

dengan Agustus 2019.

2. Wawancara

Metode wawancara dilakukan bersamaan dengan pengamatan proses di lantai

produksi dan setelah pengamatan di lantai produksi, dengan tujuan mengetahui

permasalahan dari sudut pandang lain, dan mendiskusikan penyebab dari

masalah tersebut. Pihak yang dilibatkan dalam wawancara pada penelitian ini

memiliki profil sebagai berikut :

42
a. Operator Produksi: Memiliki pengalaman kerja 15 Tahun, Telah

menggunakan mesin pengisi cozzoli RFPC selama 10 Tahun. Data

sekunder yang diperoleh adalah Alur proses produksi, Hambatan yang

dialami ketika melakukan proses produksi, harapan yang diinginkan untuk

dapat mengatasi masalah produksi.

b. Leader Produksi: Memiliki pengalaman kerja 20 Tahun, Telah

menggunakan mesin pengisi cozzoli RFPC selama 17 Tahun. Data

sekunder yang diperoleh adalah Alur proses produksi, Hambatan yang

dialami ketika melakukan proses produksi, harapan yang diinginkan untuk

dapat mengatasi masalah produksi.

c. Manajer Produksi: Memiliki pengalaman kerja 9 Tahun, Memimpin proses

produksi lini steril selama 2 tahun. Data sekunder yang diperoleh adalah

hambatan yang dialami ketika mengatur proses produksi, kegiatan yang

telah dikerjakan untuk optimasi perawatan mesin produksi, alur eskalasi

masalah yang terjadi di lini produksi.

d. Manajer Engineering: Memiliki pengalaman kerja 18 Tahun, Menjaga

proses produksi lini steril selama 17 tahun. Data sekunder yang diperoleh

adalah kegiatan yang dilakukan untuk melakukan perawatan mesin

produksi, hambatan yang terjadi ketika melakukan perbaikan mesin

produksi.

e. Manajer Operation Excellence: Memiliki pengalaman kerja 12 Tahun,

Memimpin pengembangan proses produksi lini steril selama 7 tahun. Data

sekunder yang diperoleh adalah hambatan yang dialami ketika

43
 mengoptimalkan proses produksi dengan menjaga mesin agar breakdown,

kegiatan yang telah dikerjakan untuk optimasi perawatan mesin produksi,

alur eskalasi masalah yang terjadi di lini produksi.

3.7. Pengolahan dan Analisis Data

Setelah seluruh data dikumpulkan langkah berikutnya adalah melakukan

pengolahan agar hasilnya dapat dipergunakan untuk menentukan kesimpulan dan

saran. Hal yang dilakukan untuk dapat memberikan kesimpulan dari penelitian

adalah dengan mengolah data seperti sebagai berikut:

a. Menghitung nilai dari Availability Ratio

b. Menghitung nilai dari Performance Efficiency

c. Menghitung nilai dari Rate of Quality Product

d. Menghitung nilai dari Overall Equipment Effectiveness

e. Menentukan losses dominan yang menjadi penyebab rendahnya nilai OEE

3.8. Analisis Pemecahan Masalah

Untuk dapat memperoleh penyelesaian dari masalah yang terjadi diperlukan

evaluasi dan analisis data agar dapat meningkatkan efektivitas dari mesin dan

peralatan produksi. Evaluasi dan analisis pemecahan masalah dilakukan dengan :

a. Evaluasi hasil perhitungan Overall Equipment Effectiveness

b. Analisis dengan menggunakan Diagram Pareto dan Diagram Sebab Akibat

44
3.9. Kesimpulan dan Saran

Kesimpulan dan saran dapat ditarik melalui hasil analisa dan uraian pengukuran

Overall Equipment Effectiveness (OEE). Setelah diperoleh kesimpulan kemudian

diberikan beberapa saran.

45
 BAB IV

HASIL DAN PEMBAHASAN

4.1. Profil Perusahaan

PT XYZ merupakan salah satu cabang dari XYZ global Inc. yang berdiri

sejak tahun 1849. XYZ global Inc. merupakan perusahaan pusat riset kesehatan

global. PT XYZ adalah perusahaan modal asing yang memiliki kantor pusat di kota

New York, Amerika Serikat. PT XYZ berdiri sejak April tahun 1969 dan produksi

komersialnya dimulai pada bulan Mei 1971 setelah perusahaan memperoleh izin

produksi obat dari Kementerian Kesehatan. Pada tahun 2000, PT XYZ bekerjasama

dengan perusahaan sejenis bernama Warner Lambert dan juga dengan Pharmacia

tiga tahun setelahnya, namun untuk aktivitas pembuatan obat tetap dilakukan di PT

XYZ. Fasilitas Warner Lambert pada saat ini menjadi tempat penyimpanan untuk

PT XYZ. Pada tahun 2007, XYZ global Inc. melakukan penjualan salah satu

produknya yaitu jenis Over the Counter kepada perusahaan Johnson & Johnson.

Dengan produksi beberapa jenis obat milik Johnson & Johnson tetap dilakukan di

PT XYZ. Dalam rangka untuk memenuhi permintaan dari konsumen PT XYZ juga

melakukan kerjasama produksi dengan Actavis Indonesia.

PT XYZ melakukan 5 renovasi serta perluasan pada tahun 1976, 1995,

1999, 2001, dan 2005. Sertifikat untuk CPOB diberikan pada 31 Mei 2010 oleh

Badan POM untuk fasilitas produksi yang membuat golongan antibiotik (bukan

golongan beta laktam) dan juga non-antibiotik (bukan golongan obat berbahaya,

kontrasepsi dan hormon). Selain itu, PT XYZ juga memperoleh sertifikat CPOB

46
untuk produksi obat steril. Sejalan dengan berkembangnya jumlah produk PT XYZ

dan kapasitas peralatan telah mencapai 95%, dilakukan perluasan pabrik untuk

meningkatkan kapasitas produksi produk tablet yang dimulai dari bulan Januari

2011 hingga pertengahan tahun 2013. Area perluasan untuk produk tablet di

inspeksi pada bulan Juli 2013 dan telah tersertifikasi oleh Badan POM di bulan

November 2013.

Gambar 4. 1 Sejarah PT XYZ.

(Sumber : Data PT XYZ, 2019)

Secara garis besar, kegiatan PT XYZ mencakup pembuatan, pengemasan,

pengujian, dan distribusi untuk lokal dan ekspor. PT XYZ juga mengimpor produk-

produk dari luar negeri untuk memenuhi kebutuhan pasar lokal. Pangsa pasar

produk dari PT XYZ selain untuk konsumen dalam negeri juga melakukan

pengiriman banyak negara lain yaitu ke negara Korea, Singapura, Filipina,

Thailand, Malaysia, Hongkong, dan Vietnam. Dalam proses produksinya, PT XYZ

Jakarta menerapkan standar yang telah ditetapkan secara global yaitu Global

Quality Standards dan standar nasional yaitu CPOB.

47
4.1.1. Struktur Organisasi

Pimpinan tertinggi PT XYZ adalah seorang Manufacturing Director yang

dibantu oleh empat orang manajer departemen, yaitu Departemen Material,

Departemen Quality, Departemen Produksi, dan Departemen Teknik.

Gambar 4. 2 Struktur organisasi PT XYZ.

(Sumber : Data PT XYZ, 2019)

4.1.2. Visi dan Misi PT XYZ

Jakarta Site Supply merupakan bagian dari PT XYZ yang melakukan

kegiatan pembuatan produk farmasi untuk PT XYZ.

48
 Visi yang ditetapkan oleh PT XYZ adalah “Kami memberikan produk yang

memiliki kualitas tinggi untuk dunia yang lebih sehat”.

Misi PT XYZ adalah “Menjadi perusahaan dengan memberikan hasil yang

terpadu baik secara internal maupun secara eksternal, juga menjadi perusahaan

yang kompetitif dengan memberikan solusi yang terbaik secara cepat, fleksibel dan

inovatif bagi pelanggan yang beragam”

a. Strategi: Dengan mengembangkan dan melakukan strategi yang inovatif

untuk dapat memberikan jaminan untuk kesehatan pasien yang menyeluruh,

juga untuk dapat memperkuat bisnis dan memperluas pelanggan.

b. Akses Pasar: Dengan memperbesar usaha untuk dapat menjangkau berbagai

kelas sosial-ekonomi seluruh pasien dengan meningkatkan jangkauan.

c. Produk: Dengan menawarkan berbagai jenis produk dan layanan yang

inovatif serta memiliki kualitas yang tinggi untuk seluruh pemegang

kepentingan.

d. Konsumen: Dengan memberikan budaya yang fokus pada konsumen melalui

cara-cara yang inovatif, mengembangkan budaya yang berpusat kepada

konsumen melalui kerja inovatif dengan semangat yang sama yaitu menuju

Indonesia yang lebih sehat.

e. Karyawan: Dengan memperkenalkan daya tarik, motivasi, inspirasi seluruh

karyawan serta mengembangkan karyawan menjadi pemimpin di lingkungan

kerja yang inovatif dan saling mendukung.

49
 f. Mitra Kerja: Dengan berpegang teguh untuk selalu membangun terobosan

yang lebih besar ke pasar yang lebih luas dengan cara kemitraan yang

inovatif.

4.1.3. Nilai Nilai Luhur PT XYZ

Fokus pada Pasien adalah komitmen yang dilakukan untuk dapat memenuhi

kebutuhan dari konsumen kami, serta selalu menaruh perhatian yang penuh kepada

kepuasan dari pelanggan.

a. Komunitas

Kami selalu berupaya untuk menerapkan tempat kerja dan

tinggal yang nyaman di setiap negara di tempat kami ada.

Kami sadar pentingnya komunitas tidak pernah putus dan

selalu memiliki pengaruh yang langsung terhadap keberlangsungan

perusahaan.

b. Menghargai Sesama

Kami terus menyadari bahwa Aset Manusia memasukkan

bagian yang sangat penting untuk kemenangan perusahaan.

Kami melihat perbedaan sebagai sumber kualitas kami dan

senang dengan konsistensi PT XYZ dalam memperlakukan karyawannya

dengan penuh rasa hormat.

c. Kinerja

Kami berusaha keras untuk terus meningkatkan kinerja

perusahaan, menjaring dengan cermat pencapaian yang

50
 dicapai, dan menjamin bahwa kecerdikan dan penghargaan terhadap orang

lain tidak pernah diabaikan.

d. Kepemimpinan

Kami meyakini bahwa seharusnya pemimpin dapat

membimbing karyawan dengan cara memberikan informasi

dan penghargaan terhadap pencapaiannya Kami berdedikasi

untuk selalu memberi peluang kepada setiap karyawan pada tiap tingkatan

untuk menjadi seorang pemimpin.

e. Kerja Sama Tim

Kami menyadari bahwa untuk mencapai perusahaan yang

sukses, kami harus selalu bekerja sama, dengan

menghilangkan batasan sosial dan geografis untuk dapat

memenuhi kebutuhan seluruh konsumen yang senantiasa berkembang.

4.2. Hasil

Pengolahan dan analisis data dilakukan terhadap masing-masing faktor nilai

OEE dengan menggunakan data buku catatan harian produksi tahun 2018 dan 2019

yang mendokumentasikan data kinerja mesin setiap hari. Data yang dimaksud

adalah data rekaman kondisi mesin pengisi cozzoli RFPC pada periode Agustus

2018 sampai dengan Agustus 2019. Tiga komponen rasio yang dihitung dalam

analisis OEE meliputi Availability Ratio, Performance Efficiency, dan Rate of

Quality.

51
 Hasil perhitungan nilai OEE selanjutnya digunakan untuk analisis kerugian

(losses) yang terjadi setiap harinya, sebagai dasar untuk membuat analisis faktor-

faktor penyebab permasalahan yang terjadi pada nilai produktivitas proses produksi

yang dihasilkan.

4.2.1. Perhitungan Nilai Availability Ratio

Availability Ratio merupakan komponen rasio yang menunjukkan

ketersediaan waktu dari mesin dan peralatan. Adapun data-data yang digunakan

dalam perhitungan Availability Ratio adalah Operational time (production),

Planned Time (Net Operation), Trouble Time (availability loss), Total Time, dan

Not Scheduled time dengan definisi sebagai berikut :

• Operational time (production) = jumlah waktu aktual yang digunakan untuk

melakukan produksi dalam satu hari.

• Planned Time (Net Operation) = jumlah waktu yang dijadwalkan untuk

melakukan produksi dalam satu hari

• Trouble Time (availability loss) = jumlah waktu yang diperlukan untuk

perbaikan karena gangguan selama satu hari.

• Total Time, = jumlah waktu yang dimiliki untuk produksi dalam satu hari.

• Not Scheduled time = jumlah waktu yang tidak dijadwalkan untuk melakukan

produksi dalam satu hari

Formula yang digunakan untuk menghitung Availability Ratio adalah sebagai

berikut :

Availability Ratio (%) = Operating Time (production)

Planned Time (Net Operation)

52
Dimana :

Operating Time (production) = Planned Time (Net Operation) – Trouble Time (availability loss)

Planned Time (Net Operation) = Total Time – Not Scheduled time

Contoh pembacaan hasil Availability Ratio dari mesin pengisi cozzoli RFPC pada

14 Maret 2019 adalah sebagai berikut :

Gambar 4. 3 Grafik Contoh Nilai Availability Ratio Cozzoli RFPC

(14 Maret 2019)

Trouble Time (availability loss) = 6 jam 24 menit 14 detik = 23.054 detik

Total Time, = 24 jam = 86.400 detik

Not Scheduled time = 4 jam 32 menit 43 detik = 16.363 detik

Planned Time (Net Operation) = 86.400 detik – 16.363 detik = 70.037 detik

Operational time (production) = 70037 detik – 23054 detik = 46.983 detik

Availability Ratio = (46.983 detik ÷ 70.037 detik) × 100% = 67.1%

Hasil perhitungan Availability Ratio per hari dari mesin pengisi cozzoli

RFPC pada periode Agustus 2018 sampai dengan Agustus 2019 dapat dilihat di

53
Lampiran 1. Berikut di bawah ini merupakan grafik Availability Ratio dari mesin

pengisi cozzoli RFPC pada periode Agustus 2018 sampai dengan Agustus 2019.

Gambar 4. 4 Grafik Nilai Availability Ratio Cozzoli RFPC

(Agustus 2018 – Agustus 2019)

4.2.2. Perhitungan Nilai Performance Efficiency

Performance Efficiency merupakan komponen rasio yang menunjukkan

kemampuan mesin dan peralatan dalam menghasilkan produk. Adapun data-data

yang digunakan dalam perhitungan Performance Efficiency adalah output (total),

operational time (production), dan machine speed. Dengan definisi sebagai berikut:

• Output (total) = Jumlah produk yang dihasilkan oleh mesin produksi.

• Operational time (production) = Jumlah waktu aktual yang digunakan untuk

melakukan produksi dalam satu hari.

54
 • Machine speed. = Kecepatan mesin untuk menghasilkan sejumlah produk per

satuan menit.

Formula yang digunakan untuk menghitung Performance Efficiency adalah sebagai

berikut :

Performance Efficiency (%) =

Output (total)
Operational Time (production) x machine speed (Theoritical /menit)

Contoh perhitungan Performance Efficiency dari mesin pengisi cozzoli RFPC pada

14 Maret 2019 adalah sebagai berikut :

Gambar 4. 5 Grafik Contoh Nilai Performance Efficiency Cozzoli RFPC

(14 Maret 2019)

Output (total) = 62.851 pieces

Operational Time (production) = 13 jam 03 menit = 783 menit

Machine Speed (Theoritical /menit) = 80 rpm

55
Performance Efficiency = 62.851 pieces ÷ (783 menit × 80 rpm) =

100.3%

Hasil perhitungan Performance Efficiency per hari dari mesin pengisi cozzoli RFPC

pada periode Agustus 2018 sampai dengan Agustus 2019 dapat dilihat di Lampiran

2. Berikut di bawah ini merupakan grafik Performance Efficiency dari mesin

pengisi cozzoli RFPC pada periode Agustus 2018 sampai dengan Agustus 2019.

Gambar 4. 6 Grafik Nilai Performance Efficiency Cozzoli RFPC

(Agustus 2018 – Agustus 2019)

4.2.3. Perhitungan Nilai Rate of Quality

Rate of Quality merupakan rasio yang menggambarkan kemampuan dari

mesin dan peralatan produksi untuk memberikan produk dengan standar kualitas

yang sesuai. Adapun data-data yang dapat dipakai dalam perhitungan Rate of

Quality adalah Output (total) dan Rejects (bad) dengan definisi sebagai berikut:

56
 • Output (total) = Total dari produk dihasilkan mesin produksi.

• Rejects (bad) = Total dari produk apkir dihasilkan mesin produksi.

Formula yang digunakan untuk menghitung Rate of Quality adalah sebagai berikut:

Rate of Quality (%) = Output (total) – Rejects (bad)

Output (total)

Contoh perhitungan Rate of Quality dari mesin pengisi cozzoli RFPC pada pada 14

Maret 2019 adalah sebagai berikut:

Gambar 4. 7 Grafik Contoh Nilai Rate of Quality Cozzoli RFPC

(14 Maret 2019)

Output (total) = 62.851 pieces

Rejects (bad) = 1.373 pieces

Rate of Quality = (62.851 pieces – 1.373 pieces) ÷ (62.851 pieces) = 97.8%

Hasil perhitungan Rate of Quality per hari dari mesin pengisi cozzoli RFPC

pada periode Agustus 2018 sampai dengan Agustus 2019 dapat dilihat di Lampiran

57
3. Berikut di bawah ini merupakan grafik Rate of Quality dari mesin pengisi cozzoli

RFPC pada periode Agustus 2018 sampai dengan Agustus 2019.

Gambar 4. 8 Grafik Nilai Rate of Quality Cozzoli RFPC

(Agustus 2018 – Agustus 2019)

4.2.4. Perhitungan Nilai Overall Equipment Effectiveness (OEE)

Nilai dari Availability Ratio, Performance Efficiency, dan Rate of

Quality telah didapatkan, maka kemudian dilakukan perhitungan nilai Overall

Equipment Effectiveness (OEE). Data-data yang digunakan dalam perhitungan

OEE adalah Availability Ratio, Performance Efficiency, dan Rate of Quality.

Formula yang digunakan untuk menghitung OEE adalah sebagai berikut :

OEE (%) = Availability Ratio × Performance Efficiency × Rate of Quality

Contoh perhitungan OEE dari mesin pengisi cozzoli RFPC pada pada 14 Maret

2019 adalah sebagai berikut adalah sebagai berikut :

58
 Gambar 4. 9 Grafik Contoh Nilai OEE Cozzoli RFPC

(14 Maret 2019)

Availability Ratio = 67.1%

Performance Efficiency = 100.3%

Rate of Quality = 97.8%

OEE = 67.1% × 100.3% × 97.8% = 65.8%

Hasil pengukuran OEE per hari dari mesin pengisi cozzoli RFPC pada

periode Agustus 2018 sampai dengan Agustus 2019 dapat dilihat di Lampiran 4.

Berikut di bawah ini merupakan grafik OEE dari mesin pengisi cozzoli RFPC pada

periode Agustus 2018 sampai dengan Agustus 2019.

59
 Gambar 4. 10 Grafik Nilai OEE Cozzoli RFPC

(Agustus 2018 - Agustus 2019)

4.2.5. Evaluasi Nilai OEE Mesin Pengisi Cozoli RFPC

Proses produksi diawali dari surat Perintah Kerja (Work Order) yang

diberikan oleh PPIC kepada departemen Produksi. Seluruh aktivitas di produksi

dilakukan mengikuti Standard Operating Procedure (SOP) untuk menghasilkan

produk yang memenuhi kriteria standar mutu yang telah ditetapkan oleh

departemen Quality Assurance (QA). Proses produksi di PT XYZ antara lain

penimbangan, pencampuran, pengemasan primer, Visual inspeksi dan pengemasan

sekunder. Setiap aktivitas di lini produksi PT XYZ dilakukan berdasarkan prinsip

CPOB, dimana melakukan apa yang tertulis dan menulis apa yang dilakukan,

termasuk aktivitas di lini pengemasan. Setiap aktivitas yang dilakukan pada saat

jam operasional pabrik, termasuk mesin beroperasi, mesin berhenti, pembersihan

60
mesin dan ruangan, harus dicatat pada buku pencatatan produksi yang dikenal

dengan buku catatan harian produksi.

Salah satu yang menjadi key success factor suatu perusahaan yaitu memiliki

keunggulan bersaing dalam hal harga. Penghematan biaya operasional akan

mengurangi cost of goods sold, sehingga perusahaan mendapatkan keuntungan

yang lebih tinggi. Terkait dengan hal ini, bagian operasional perusahaan khususnya

di bagian produksi dituntut untuk mampu meningkatkan efektivitas terhadap mesin

dan peralatan yang dimiliki. Tingginya nilai efektivitas mesin dan peralatan di

produksi mengindikasikan bahwa mesin dan peralatan tersebut telah digunakan

dengan maksimal.

Berdasarkan perhitungan yang dilakukan, diketahui bahwa OEE untuk

Mesin pengisi Cozzoli RFPC tidak ideal yaitu 49.6% selisih antara OEE Mesin

pengisi Cozzoli RFPC dengan OEE world class berkisar antara 35.4%. Bila dilihat

pada faktor penentu OEE, maka availability ratio dan rate of quality mesin

termasuk dalam kategori tidak ideal. Hanya performance Efficiency yang dinilai

ideal.

Standar untuk benchmark world class OEE dapat dikatakan relatif sebab

dalam referensi tertentu maka akan digunakan standar nilai yang berbeda, standar

word class ini terus menjadi lebih tinggi mengikuti persaingan dan harapan dari

industri sejenis. Sebagai contoh jika di pabrik kaos kaki mungkin Rate of Quality >

90% bisa dimaklumi, tetapi jika di pabrik obat atau farmasi Rate of Quality 99.9%

dapat menjadi minimal word class, dan maka tentu untuk perusahaan yang

mempunyai program six sigma tidak dapat puas dengan nilai Rate of Quality 99.9%.

61
Tabel 4. 1 Nilai Availability, Performance, dan Quality Cozzoli RFPC
Availability Performance Quality OEE

Cozzoli RFPC 49.20% 102.30% 98.60% 49.60%

Standar 90.00% 95.00% 99.00% 85.00%
Selisih -40.80% 7.30% -0.40% -35.40%
Keterangan Tidak Ideal Ideal Tidak Ideal Tidak Ideal

a) Availability Ratio

Dari data pada tabel diatas availability ratio dari mesin pengisi Cozzoli RFPC

adalah 49.20% dengan standar sebesar 90.00% maka terdapat selisih sebesar

40.80% yang masih harus dicapai untuk dapat memenuhi standar. Availability Ratio

mesin pengisi Cozzoli RFPC 49.20% menunjukkan tingkatan

ketersediaan/kesiapan mesin untuk digunakan dalam proses produksi masih rendah.

Mesin atau peralatan produksi dengan tingkat availability ratio rendah

menunjukkan peralatan atau mesin tersebut dalam kondisi tidak siap pakai.

Terdapat beberapa faktor yang memberikan pengaruh terhadap tinggi atau

rendahnya availability ratio yaitu aktivitas yang bukan merupakan bagian dari

proses produksi tetapi dilakukan pada saat proses produksi, maka aktivitas tersebut

memberikan kontribusi yang signifikan terhadap nilai downtime. Pada PT XYZ

sendiri telah mendefinisikan beberapa aktivitas yang dihitung sebagai downtime

yang masih dapat diterima oleh perusahaan, seperti briefing, jadwal PM, dan

istirahat. Masih tingginya nilai failure dan set up adjustment juga menjadi

kontribusi rendahnya nilai availability ratio, sehingga perlu adanya perbaikan

sistem yang mendalam terhadap proses produksi, seperti mengurangi berbagai

62
deviasi yang berpotensi terjadi pada saat proses dan membuat standar settingan

mesin yang tepat.

Terkait parameter set up adjustment perlu dibuatkan Checklist Planned

Maintenance untuk Mesin pengisi Cozzoli RFPC, Checklist tersebut berguna untuk

menjaga komponen atau bagian mesin agar tetap terawat dan berfungsi

sebagaimana mestinya. Selain itu, dengan adanya Checklist Planned Maintenance

dapat mempercepat proses settingan mesin, sehingga proses produksi menjadi lebih

cepat dan tidak banyak waktu yang terbuang untuk penyetelan mesin, serta dapat

memperpanjang umur komponen mesin.

b) Performance Efficiency

Performance Efficiency untuk mesin pengisi Cozzoli RFPC menunjukkan nilai

102.30% dengan standar sebesar 95.00% hal ini menunjukkan kekuatan dari mesin

pengisi Cozzoli RFPC yang dapat menghasilkan output sesuai dengan kapasitas

yang dirancangkan. Nilai Performance Efficiency yang tinggi tersebut disebabkan

salah satunya karena kecepatan mesin selalu menggunakan kecepatan optimal yaitu

80 botol / menit. Hal lain juga yang turut meningkatkan nilai Performance

Efficiency adalah disebabkan karena losses idling and minor stoppages dan reduced

speed sudah sangat rendah. Sistem pergantian regu yang cepat juga telah dilakukan

karenanya tidak banyak waktu yang terbuang, serta menjalankan operasional mesin

sesuai dengan kecepatan standar pada saat kualifikasi oleh tim Engineering dan

Quality Assurance. Data - data yang diperoleh pada saat kualifikasi mesin telah

dimasukkan dalam standar parameter kritis pada prosedur pengolahan induk

produk, hal ini dilakukan untuk meminimalisir adanya perubahan atau adjustment

63
kecepatan mesin menjadi tidak optimal. Standar ini terus direview secara berkala.

PT XYZ mengupayakan agar produksi dilakukan pada posisi optimal dengan

menggunakan waktu operasional yang ada. Dengan kata lain mesin diupayakan

bekerja sesuai dengan kapasitas yang ditetapkan.

c) Rate of Quality

Untuk mesin pengisi Cozzoli RFPC menunjukkan nilai 98.60% dengan standar

sebesar 99.00% maka masih terdapat selisih sebesar 0.40% yang harus dicapai

untuk dapat memenuhi standar. Nilai Rate of Quality ini tergolong sudah baik jika

dibandingkan dengan komponen Availability Ratio. Untuk menjaga agar nilai Rate

of Quality tetap tinggi dapat melakukan sosialisasi atau briefing terkait kualitas obat

setiap pagi agar kepekaan semua karyawan terhadap kualitas produk obat tetap

terjaga. Selain itu, perlu dilakukan adanya program training yang terpadu terkait

Cara Pembuatan Obat yang Baik (CPOB) secara berkala agar seluruh karyawan

produksi senantiasa dapat menjalankan aspek - aspek yang ada di dalam CPOB

dalam proses produksi atau pembuatan obat.

4.2.6. Analisis Six Big Losses pada Lini Steril

Selanjutnya dilakukan analisis six big lossess pada periode Agustus 2018

sampai dengan Agustus 2019. Six Big Losses yang dilakukan pemeriksaan yaitu :

breakdown losess merupakan waktu yang diperlukan untuk memperbaiki mesin dan

peralatan produksi hingga dapat dipergunakan kembali, setup & adjustment losess

merupakan waktu yang diperlukan untuk melakukan penyetelan dari awal hingga

proses mulai menjalankan mesin dan penyesuaian, defect losess merupakan jumlah

waktu yang merepresentasikan total produk cacat yang dihasilkan pada saat

64
produksi, reduce speed losess, dan idle & minor stoppages losess merupakan

jumlah waktu yang hilang akibat dari berhentinya mesin dan peralatan produksi

untuk sementara karena adanya aktivitas yang perlu dilakukan, Reduced yield

merupakan jumlah waktu yang merepresentasikan total produk yang tidak tercapai

pada proses produksi karena hasil yang rendah.

Dari hasil evaluasi nilai OEE terlihat bahwa kinerja mesin dan peralatan

produksi di PT XYZ masih belum mencapai kondisi ideal. Tentu hal ini

menimbulkan pertanyaan apakah alasan dari terjadinya hal tersebut, pada sisi lain

operator produksi dan teknisi telah melakukan tugasnya sesuai dengan

tanggungjawabnya masing-masing. Pada fase ini kelebihan dari metode OEE dapat

diandalkan yaitu dapat mengenali masalah sebagai sumber dari kerugian yang dapat

menyebabkan nilai dari OEE di bawah kondisi yang ideal. Dari data-data yang

diperoleh, six big losses yang terjadi pada periode Agustus 2018 sampai dengan

Agustus 2019 ditunjukkan pada Tabel sebagai berikut.:

Tabel 4. 2 Persentase Six Big Losses

Loading
No Masalah Jam % Kumulatif
time
1 Breakdown losses 1,874 3,689 84.87%
2 Set-up/adjustment time losses 52 3,689 2.36%
3 Idling and minor stopages losses 148 3,689 6.70%
4 Reduced speed losses 104 3,689 4.71%
5 Quality losses (defect and rework) 25 3,689 1.13%
6 Reduced yield 5 3,689 0.23%

Dengan melakukan analisis pareto terhadap seluruh kerugian, faktor yang

menyebabkan terjadinya kerugian paling tinggi akibat dari rendahnya efektivitas

mesin dan peralatan produksi dapat ditemui (Mahmood, 2016). Dari six big losses

diatas dapat digambarkan diagram pareto yang memperlihatkan dengan jelas

65
pengaruh six big losses tersebut terhadap efektivitas mesin. Pada grafik dibawah

terlihat bahwa Breakdown losses merupakan faktor dominan yang menyebabkan

rendahnya nilai OEE.

Gambar 4. 11 Grafik Pareto Six Big Losses

Breakdown losses menunjukkan bahwa besarnya waktu yang hilang akibat

dari kerusakan peralatan/mesin produksi. Tingginya jumlah waktu yang hilang ini

berdampak besar bagi efektivitas mesin produksi pengisi steril Cozzoli RFPC. Dari

data tersebut dilakukan pemeriksaan terhadap detail dari terjadinya kerusakan pada

mesin pengisi steril Cozzoli RFPC dengan jenis jenis kerusakan sebagai berikut :

66
 Gambar 4. 12 Detail Waktu Breakdown losses

Dari hasil diatas dapat dijabarkan alasan mesin berhenti (Breakdown) adalah

sebagai berikut :

a. Filler Bottle Fault : Adanya kerusakan pada bowl sampai track bottle yang

menyebabkan mesin berhenti.

b. Filler Machine Run : Adanya kerusakan pada pengisi area yang

menyebabkan mesin berhenti.

c. Filler Cap Fault : Adanya kerusakan pada bowl sampai track cap yang

menyebabkan mesin berhenti.

d. Filler Plug Fault : Adanya kerusakan pada bowl sampai track plug yang

menyebabkan mesin berhenti.

e. Filler Machine in Jog Mode : Adanya kerusakan yang menyebabkan

mesin dijalankan secara manual dengan menggunakan jog.

67
 f. Filler Star Wheel Fault : Adanya kerusakan pada area starwheel di area

pengisi yang menyebabkan mesin berhenti.

g. Filler Major Repair Fault : Adanya kerusakan yang menyebabkan mesin

harus diperbaiki secara total oleh maintenance.

4.2.7. Analisis Penyebab Breakdown Losses dengan Fishbone Diagram

Berdasarkan dari data diagram pareto sebelumnya, kerugian tertinggi yang

berpengaruh besar terhadap rendahnya nilai produktivitas dan efisiensi mesin

produksi adalah breakdown losses. Analisis penyebab tingginya breakdown losses

yang berakibat pada rendahnya nilai efektivitas mesin dan peralatan produksi dalam

perhitungan OEE dilakukan menggunakan fishbone diagram. Pada gambar 4.13

menunjukkan fishbone diagram untuk faktor Breakdown losses pada mesin

produksi. Kerugian pada Breakdown losses disebabkan oleh berhentinya mesin

karena adanya kerusakan pada part mesin yang memerlukan perbaikan. Hal yang

pernah terjadi di area produksi adalah berhentinya mesin produksi karena adanya

suku cadang yang patah, berhentinya mesin karena sensor tidak dapat membaca dan

memberikan sinyal yang diperlukan, mesin berhenti karena tidak tersedianya suku

cadang, produksi berhenti karena air supply dari AHU tidak memenuhi spesifikasi

menyebabkan adanya alarm ruangan, serta mesin berhenti karena supply tekanan

angin kurang kuat.

68
 Material Manusia

Pengiriman material suku Teknisi tidak memahami

cadang original dari global penyebab kerusakan
vendor membutuhkan waktu Teknisi kurang
yang lama responsive Perbaikan
menerima menyebabkan
Suku cadang yang datang permintaan kerusakan lain
tidak sesuai spesifikasi perbaikan
Perbaikan dilakukan
Suku cadang modifikasi terburu-buru
Kurangnya
dari vendor lokal teknisi
terkualifikasi Banyak permintaan
Kualitas suku cadang perbaikan
area steril
pengganti rendah

Breakdown
Losses
Pelaksanaan
Fumigasi ruangan preventive Gear Mesin
menyebabkan maintenance dan cepat aus
mesin berkarat manajemen suku Suku cadang
cadang kurang Motor cepat dan peralatan
Penyimpnan maksimal berkarat tidak tersedia
suku cadang
ditumpuk Penjadwalan
Suku cadang
Preventive Terdapat
mudah rusak
Ruangan Maintenance tidak beberapa
Sempit bersamaan dengan Suku cadang kerusakan minor
operator care tidak original yang belum
diperbaiki
Lingkungan Metode Mesin

Gambar 4. 13 Diagram Sebab Akibat (Fishbone Diagram)

Penggunaan analisis diagram sebab akibat (fishbone diagram) untuk

menemukan penyebab kerusakan atau akar masalah yang terjadi. Dari gambar 4.13

diperoleh beberapa akar masalah yang menyebabkan rendahnya nilai OEE. Berikut

ini akan dijelaskan lebih rinci untuk masing - masing faktor yang berkontribusi

terhadap rendahnya nilai OEE :

1. Manusia

Seluruh pekerjaan dalam prosesnya membutuhkan pengawasan.

Pengawasan diperlukan untuk dapat menilai berapa besar kemampuan dari operator

ataupun teknisi dan seberapa ketaatan terhadap peraturan dari operator ataupun

69
teknisi. Hal ini perlu dilakukan agar pekerjaan yang dapat terkoordinasi dengan

baik. Dari hasil observasi di lapangan tidak terlihat adanya pengawasan terhadap

operator atau teknisi yang seharusnya berada untuk melihat atau berjaga mesin

selama proses produksi. Sehingga untuk meningkatkan agar karyawan lebih

responsif dalam pekerjaannya perlu adanya peningkatan program kedisiplinan

karyawan seperti memberikan reward khusus kepada karyawan yang bergerak cepat

dalam melaksanakan pekerjaannya. Teknisi yang memperbaiki mesin produksi

memiliki latar belakang pendidikan yang beragam, tentunya hal ini akan sangat

memengaruhi tingkat kemampuan dan keterampilan dari dari masing-masing

teknisi untuk melakukan perbaikan tersebut. Sehingga adanya kesalahan dalam

perbaikan perlu diatasi dengan program matriks kompetensi teknis untuk setiap

teknisi. Terkait adanya teknisi yang kurang teliti karena tergesa - gesa dalam

pengaturan mesin dibutuhkan program pelatihan menyamakan ilmu dan

keterampilan pada masing-masing teknisi, dengan cara memberi pelatihan

bagaimana cara melihat dan melakukan pemeriksaan dan perbaikan mesin. Dari

program pelatihan tersebut secara berkala harus dilakukan pemeriksaan dan

evaluasi untuk melihat efektivitas program yang telah dijalankan.

2. Material

Ketersediaan suku cadang untuk melakukan penggantian jika diperlukan

masih rendah hal ini disebabkan karena vendor lokal untuk suku cadang kritis masih

sulit ditemui, sehingga ketergantungan terhadap vendor global menjadi sangat

tinggi dengan pengiriman yang membutuhkan waktu yang cukup lama semakin

70
memperpanjang waktu tunggu mesin yang sedang rusak. Sehingga untuk

mengantisipasi terkait hal ini dari PT XYZ perlu melakukan penyediaan suku

cadang yang diperlukan dan menjaga melalui program preventive maintenance agar

suku cadang mesin yang sudah mulai menurun kualitasnya segera diganti. Untuk

vendor dengan kualitas suku cadang yang rendah perlu dilakukan evaluasi agar

penggantian suku cadang tidak terlalu sering dilakukan. Perlu juga mencari vendor

alternatif untuk menjaga agar pasokan suku cadang dapat terpenuhi jika kualitas

suku cadang dari vendor utama tidak memenuhi spesifikasi.

3. Mesin

Perbaikan dan pemeriksaan terhadap mesin dan peralatan produksi

seharusnya dilakukan dengan efektif dan efisien, yaitu perbaikan dilakukan secara

keseluruhan dan tuntas agar tidak terjadi kerusakan yang sama pada masa

mendatang, akan tetapi karena ketiadaan suku cadang pengganti dari mesin

mengakibatkan dibutuhkannya waktu yang lebih lama dan seringkali dilakukan

perbaikan sementara dengan menggunakan suku cadang modifikasi yang malah

menyebabkan kerusakan lain. Sehingga perlu dilakukan pengecekan berkala

terhadap suku cadang yang diperlukan melalui checklist stock suku cadang.

Checklist tersebut secara berkala harus diperiksa agar pergantian suku cadang

mesin dapat dilakukan secara berkala. Adanya mesin yang kotor karena kurangnya

menjaga kebersihan setelah perbaikan, untuk itu perlu dilakukan pembersihan total

untuk setiap mesin melalui program Operator Care pada saat melakukan

Preventive Maintenance secara terpadu dan dilakukan audit 5R untuk setiap mesin.

71
Suku cadang yang mudah rusak dan cepat berkarat disebabkan karena kualitas dari

suku cadang pengganti yang tidak baik, sehingga perlu dilakukan penggantian suku

cadang dengan standar yang sesuai dengan aslinya agar mempunyai kerja yang

optimal. Tiap mesin produksi mempunyai umur hidup yang berbeda tiap unitnya,

tingkat kinerja dari mesin tersebut akan turun bersamaan dengan semakin tua umur

mesin tersebut. Komponen mesin yang mudah aus di area produksi disebabkan oleh

program pemberian pelumas yang kurang optimal, kejadian ini disebabkan oleh

ketersediaan oli atau pelumas yang sering habis dan tidak sesuai fungsinya.

4. Metode

Pemeliharaan pencegahan kurang berjalan dengan baik disebabkan oleh

pemeriksaan kondisi mesin kurang optimal perlu diperiksa kembali dengan adanya

confirmation inspection oleh atasan, program ini dibuat untuk memastikan kondisi

mesin benar-benar dalam keadaan optimal. confirmation inspection checklist dibuat

oleh teknisi sesuai dengan kualifikasi masing-masing mesin terhadap settingan

mesin. Jika aktivitas ini dijalankan dengan benar maka keandalan mesin produksi

akan terjaga dengan baik. Manajemen suku cadang di department engineering

masih belum maksimal sehingga menyebabkan waktu tunggu yang cukup lama

untuk dapat memperbaiki mesin yang rusak. Kondisi ini menyebabkan availability

dari suatu mesin akan semakin berkurang. Sehingga PT XYZ perlu mengupayakan

adanya manajemen suku cadang untuk mengantisipasi masalah tersebut, agar

kebutuhan penggantian bagian mesin yang rusak menjadi lebih cepat. Standar

waktu yang diperlukan dalam melakukan penggantian komponen mesin diperlukan

72
hal ini agar teknisi dapat mencapai hasil kerja yang optimal, dengan dimilikinya

standar waktu pengerjaan target dapat dicapai sesuai dengan waktu yang telah

ditentukan. Di dalam manajemen suku cadang juga harus mengatur bagaimana

caranya stock opname komponen dilakukan secara berkala dan prosedur

perhitungan buffer stock komponen sebagai cadangan. Penjadwalan Preventive

Maintenance dilakukan dengan mempertimbangkan waktu kesiapan teknisi belum

efektif. Pelaksanaan preventive maintenance harus dilakukan dengan

pendampingan oleh operator yang terkualifikasi untuk menjalankan mesin sehingga

operator dapat mengerti beberapa parameter kritis yang perlu diperhatikan pada saat

menyalakan mesin. Jika terjadi hal yang di luar kondisi normal operator bisa

mengerti penanganannya dan atau dapat melaporkan kepada teknisi untuk

melakukan perbaikan.

5. Lingkungan

Dilakukannya fumigasi di area steril menyebabkan adanya tumpukan cairan asam

pekat pada mesin yang lama kelamaan dapat menyebabkan mesin berkarat. Karat

pada mesin yang tidak dibersihkan dapat menyebabkan mesin menjadi cepat aus

dan rusak. Terkait dengan kondisi ini perlu dilakukan program pemeriksaan

kebersihan setiap selesai melakukan fumigasi, agar kebersihan mesin tetap terjaga.

Selain itu banyaknya tumpukan suku cadang mesin juga masih menjadi kendala di

setiap ruangan PT XYZ, hal ini dikarenakan tempat kerja yang dibuat sangat sempit

sehingga penempatan suku cadang tidak dapat dilakukan dengan baik. Program 5R

(Ringkas, Rapi, Resik, Rawat, Rajin) yang merupakan adaptasi program 5S (Seiri,

73
Seiton, Seiso, Seiketsu, dan Shitsuke) dapat digunakan untuk mengatasi

permasalahan mengenai keterbatasan ruangan. Program 5R merupakan teknik

sederhana untuk melakukan penataan dan pembersihan tempat kerja dan mesin.

Program 5R juga dapat disebut sebagai budaya tentang cara seseorang menyiapkan

tempat kerjanya secara baik. Kemudahan untuk melakukan pekerjaan dapat

diciptakan apabila tempat kerja tertata rapi, bersih dan tertib. Tumpukan komponen

yang tidak teratur harus diselesaikan dengan prinsip ringkas, yaitu pemisahan benda

atau barang yang akan digunakan dan menyingkirkan benda atau barang yang tidak

digunakan pada tempat kerja. Dalam melakukan aktivitasnya, operator dan teknisi

secara tidak langsung akan melakukan pemeriksaan terhadap peralatan di sekitar

tempat kerjanya. Hal ini dapat meminimalisir terjadinya tumpukan barang yang

tidak penting pada area produksi. Pemisahan antara barang yang akan digunakan

dan tidak akan digunakan dapat memberikan efek positif kepada operator dan

teknisi di lingkungan kerja dimana apabila operator atau teknisi dapat mengenali

peralatan yang dimiliki serta memiliki sensitivitas terhadap kondisi dari peralatan

produksi yang dimilikinya. Sebelum karyawan melakukan aktivitas pemisahan, ada

baiknya jika operator atau teknisi memiliki list daftar nama barang yang terdapat di

area kerja. Hal ini dimaksudkan agar operator dan teknisi mengerti jumlah peralatan

yang dimilikinya. Dari beberapa uraian diatas, selanjutnya akan disampaikan

rencana tindakan yang perlu dilakukan untuk mengoptimalkan perawatan mesin

produksi dan meningkatkan nilai OEE pada proses produksi pembuatan obat steril

di PT XYZ.

74
4.2.8. Optimasi Perawatan Mesin pengisi Cozzoli RFPC
Tabel 4. 3 Rencana aktivitas untuk mengoptimalkan perawatan mesin produksi
No Permasalahan
Teknisi tidak memahami penyebab
1 kerusakan menyebabkan adanya
kerusakan lain
Banyaknya permintaan perbaikan
Manusia
2 menyebabkan Perbaikan dilakukan
terburu-buru
Teknisi kurang responsive
3
menerima permintaan perbaikan
Kurangnya teknisi terkualifikasi
4
area steril
Pengiriman material suku cadang
5 asli dari global vendor
membutuhkan waktu yang lama
Material
Suku cadang yang datang tidak
6 yang dipesan dalam work order dan
sesuai spesifikasi
Suku cadang modifikasi dari vendor
7
lokal dengan kualitas yang rendah
Terdapat beberapa kerusakan minor
8
yang belum diperbaiki
Suku cadang dan peralatan tidak
9 cadang asli dari global vendor yang
tersedia
Mesin
10 Gear Mesin cepat aus
11 Motor cepat berkarat
Suku cadang mudah rusak karena
12
Suku cadang tidak asli
Penjadwalan Preventive
13 Maintenance tidak bersamaan
Metode
dengan operator care
Pelaksanaan preventive
14 maintenance dan suku cadang
manajemen kurang maksimal
Lingkungan
Fumigasi ruangan menyebabkan
15
mesin berkarat
Penyimpnan suku cadang ditumpuk
16
karena Ruangan Sempit
Solusi
Diadakan program pelatihan untuk
menambah ilmu dan keterampilan
Dilakukan verifikasi terhadap hasil
perbaikan untuk memastikan perbaikan
dilakukan dengan benar
Pemeriksaan dan evaluasi terhadap
leadtime perbaikan
Melakukan kualifikasi terhadap seluruh
teknisi agar dapat bekerja di area steril
Melakukan manajemen stok untuk suku
cadang asli dari global vendor yang
diperlukan
Mencantumkan spesifikasi suku cadang
purchase order
Melakukan evaluasi vendor dan mencari
vendor alternatif lain
Melakukan general inspection pada saat
melakukan PM
Melakukan manajemen stok untuk suku
diperlukan
Melakukan pembersihan secara total pada
bagian mesin pada saat melakukan PM
Melakukan pembersihan secara total pada
bagian mesin pada saat melakukan PM
Melakukan manajemen stok untuk suku
cadang asli dari global vendor yang
diperlukan
Melakukan penjadwalan dengan
koordinasi antara maintenance team dan
production team
Melakukan manajemen stok untuk suku
cadang asli dari global vendor yang
diperlukan
Melakukan pembersihan secara total pada
bagian mesin pada saat melakukan PM
Melakukan program operator care dan
audit 5R untuk setiap mesin produksi
75
 Aktivitas optimasi perawatan mesin produksi yang telah direncanakan harus

didukung dan disetujui oleh semua departemen, agar komitmen bersama ini dapat

meningkatkan nilai OEE. Untuk melakukan aktivitas penanggulangan tersebut

diatas PT XYZ juga perlu membuat fondasi dalam penerapan TPM yaitu dengan

terjadinya komunikasi melalui Process Centric Team (PCT). Berikut ini alur

Process Centric Team yang harus dijalankan oleh PT XYZ.

Gambar 4. 14 Sistem Process Centric Team (PCT) PT XYZ

Process Centric Team (PCT) di PT XYZ dilakukan pada tingkat 1 (T1),

tingkat 2 (T2), dan tingkat 3 (T3). tingkat 4 (T4) sampai tingkat 6 (T6) dilakukan

untuk mengkoordinasi performa secara global. Pada saat tingkat 0 (T0) dilakukan

serah terima antar regu atau pergantian regu, operator produksi harus memperbarui

informasi dan memberikan pengarahan kepada operator regu selanjutnya terkait

proses produksi dari masing-masing lini, hal ini agar tidak ada informasi yang tidak

tersampaikan di proses produksi regu selanjutnya. Selain itu agar ketika terjadi

76
masalah penanganan akan menjadi lebih cepat. Isu - isu yang muncul kemudian

diangkat pada tingkat 1 (T1), dimana pada saat tingkat 1 (T1) akan dihadiri oleh

operator, maintenance team (Process Technologist), leader produksi dan supervisor

produksi (PCT Team Shift Lead), Manajer Produksi (PCT Lead), Operation

Excellence Supervisor (Continuous Improvement Specialist) dan Staf Produksi

(Process Robustness Specialist). Masalah yang dibahas pada tingkat 1 (T1) pada

umumnya adalah terkait dengan kendala pada personil (people), keselamatan

(savety), kualitas (quality), pemenuhan permintaan (supply), keuangan (finance).

Masalah - masalah yang tidak teratasi pada saat tingkat 1 (T1) akan dibahas pada

escalation sheet, dimana pada lembar ini akan dibawa pada tingkat yang lebih tinggi

yaitu tingkat 2. PCT Tingkat 2 dihadiri oleh maintenance team (Process

Technologist), Manajer Produksi (PCT Team Shift Lead), Head of Production (PCT

Lead), Supervisor Operation Excellence (Continuous Improvement Specialist) dan

Supervisor Produksi (Process Robustness Specialist). Masalah yang dibahas pada

tingkat 2 adalah masalah yang tidak dapat diselesaikan pada tingkat 1. Pada tingkat

2 juga dibahas project-project improvement yang sedang dilakukan dan akan

diselesaikan. Selanjutnya pada tingkat 3 dihadiri oleh Manajer Maintenance

(Process Technologist), Area Manajer (PCT Team Shift Lead), Site Leader (PCT

Lead), Manajer Operation Excellence (Continuous Improvement Specialist) dan

Manajer Produksi (Process Robustness Specialist). Di tingkat 3 ini perlu dibahas

tindakan - tindakan penanggulangan yang dilakukan oleh masing - masing

departemen terkait dengan masalah yang dihadapi yang berdampak pada penerapan

TPM dan upaya meningkatkan nilai OEE. Untuk periode triwulan, PT XYZ

77
mengadakan Townhall dimana pertemuan ini akan dihadiri seluruh supervisor dan

manajer area serta site lead. Pada pertemuan ini agenda yang akan dibahas adalah

pencapaian bulanan. Pada saat Townhall juga perlu membahas project - project

yang diperlukan untuk meningkatkan nilai OEE. Jika ada project yang akan

dijalankan maka akan dibentuk tim baru dengan anggota yang dipilih dari masing-

masing departemen. Berikut ini detail peran saat melakukan kegiatan PCT :

Gambar 4. 15 Tanggung jawab setiap personel pada saat PCT

Program PCT yang sudah ditetapkan bersama harus dijalankan secara

terintegrasi oleh semua departemen. Untuk mengukur efektivitas program tentunya

PCT juga harus dievaluasi secara berkala. Evaluasi ini dilakukan bersamaan dengan

review nilai OEE triwulan. Sistem pemeliharaan peralatan produksi yang bersifat

preventif dengan melibatkan seluruh bagian produksi dengan meningkatkan kinerja

seluruh bagian yang terlibat sangat dibutuhkan oleh PT XYZ. Pemeliharaan ini juga

memungkinkan perusahaan untuk dapat menjaga tingkat kualitas produk.

78
 BAB V

KESIMPULAN

5.1. Kesimpulan

Berdasarkan analisis data yang telah dilakukan, kesimpulan penelitian

sesuai dengan tujuan dari penelitian Pada PT XYZ lini produksi steril adalah

sebagai berikut :

1. Berdasarkan hasil evaluasi perhitungan Overall Equipment Effectiveness

(OEE) PT XYZ lini steril pada mesin pengisi Cozzoli RFPC untuk periode

Agustus 2018 sampai dengan Agustus 2019 didapatkan Nilai OEE Mesin

pengisi Cozzoli RFPC tidak ideal yaitu 49.6%. Selisih antara OEE Mesin

pengisi Cozzoli RFPC dengan OEE world class adalah 35.4%. Bila dilihat

pada faktor penentu OEE yaitu availability ratio, performance efficiency,

dan rate of quality product maka nilai availability ratio memberikan

kontribusi paling besar pada rendahnya nilai OEE yaitu 49.20%. Selisih

antara availability ratio Mesin pengisi Cozzoli RFPC dengan availability

ratio world class adalah 40.80%. Availability ratio yang rendah

menunjukkan mesin dan peralatan produksi dalam kondisi tidak siap pakai

sehingga perawatan mesin dan peralatan produksi pada PT XYZ lini

produksi steril masih perlu ditingkatkan.

2. Berdasarkan hasil analisis penyebab permasalahan yang digambarkan

melalui data Six Big Losses di PT XYZ lini steril pada mesin pengisi Cozzoli

RFPC untuk periode Agustus 2018 sampai dengan Agustus 2019 faktor

79
penyebab kerugian terbesar adalah Breakdown Losses yaitu sebesar 84,87%

dimana hal ini terjadi karena lamanya waktu yang diperlukan untuk

melakukan perbaikan pada mesin produksi yang rusak. Sesuai dengan

analisis menggunakan diagram sebab akibat terdapat beberapa faktor

penyebab terjadinya breakdown losses yaitu:

• Manusia : kurangnya teknisi terkualifikasi untuk area steril, teknisi

kurang responsif menerima permintaan perbaikan, perbaikan yang

dilakukan menyebabkan kerusakan lainnya.

• Material : pengiriman material suku cadang asli dari vendor global

membutuhkan waktu yang lama, suku cadang yang datang tidak sesuai

spesifikasi, kualitas suku cadang pengganti rendah.

• Mesin : suku cadang mudah rusak, motor cepat berkarat, gerigi mesin

cepat aus, suku cadang dan peralatan tidak tersedia, terdapat beberapa

kerusakan minor yang belum diperbaiki.

• Metode : pelaksanaan preventive maintenance dan manajemen suku

cadang kurang maksimal, penjadwalan preventive maintenance tidak

bersamaan dengan operator care.

• Lingkungan : fumigasi ruangan menyebabkan mesin berkarat,

penyimpanan suku cadang ditumpuk.

80
 3. Usulan yang dapat diberikan kepada PT XYZ untuk dapat melakukan sistem

perawatan yang optimal yaitu dengan menerapkan program pemeliharaan

mesin dan peralatan produksi seperti sebagai berikut: pemeriksaan dan

evaluasi terhadap hasil perbaikan, manajemen stok suku cadang, melakukan

program 5R, serta program pelatihan bagi operator dan teknisi. Dalam

pelaksanaannya manajemen perawatan mesin dan peralatan produksi ini

dapat diperiksa melalui Process Centric Team yang dilakukan di berbagai

level jabatan dari mulai operator dan teknisi sampai dengan Production

Head di PT XYZ.

5.2. Saran

Saran yang diberikan kepada PT XYZ untuk dapat mencapai nilai

OEE yang sesuai standar dan meminimalkan pemborosan yang ada antara

lain dengan :

1. Faktor Manusia : Menyusun program pelatihan untuk menambah ilmu

dan keterampilan teknisi, melakukan verifikasi terhadap hasil perbaikan

untuk memastikan perbaikan dilakukan dengan benar, pemeriksaan dan

evaluasi terhadap leadtime perbaikan, melakukan kualifikasi terhadap

seluruh teknisi agar dapat bekerja di area steril.

2. Faktor Material : Melakukan manajemen stok untuk suku cadang asli dari

vendor global yang diperlukan, mencantumkan spesifikasi suku cadang

yang dipesan dalam work order dan purchase order, Melakukan evaluasi

vendor dan mencari vendor alternatif lain.

81
 3. Faktor Mesin: Melakukan inspeksi menyeluruh pada saat melakukan

PM, melakukan pembersihan secara total pada bagian mesin pada saat

melakukan PM, melakukan pembersihan secara total pada bagian mesin

pada saat melakukan PM.

4. Faktor Metode : Melakukan penjadwalan PM dengan koordinasi antara

maintenance team dan production team, melakukan manajemen stok

untuk suku cadang asli dari vendor global yang diperlukan

5. Faktor Lingkungan : Melakukan pembersihan secara total pada bagian

mesin pada saat melakukan PM, melakukan program operator care dan

audit 5R untuk setiap mesin produksi

5.3. Implikasi Manajerial

Berdasarkan hasil penelitian yang dilakukan, maka implikasi manajerial yang

diajukan adalah sebagai berikut :

1. Perusahaan perlu melakukan program training atau pelatihan kepada

operator dan teknisi yang melakukan perbaikan. Hal ini ditujukan agar

jumlah operator dan teknisi yang dapat bekerja di area steril mencukupi

untuk melakukan pemeriksaan dan perbaikan mesin, juga melakukan

verifikasi atas hasil perbaikan yang dilakukan.

2. Perusahaan diharapkan memberikan perhatian lebih untuk melakukan

program manajemen perawatan yang di dalamnya terdapat detail

pelaksanaan manajemen stok, evaluasi secara periodik terhadap vendor

suku cadang, sistem yang digunakan untuk memastikan spesifikasi dari

suku cadang yang dipesan sesuai dengan kebutuhan, kegiatan pemeriksaan

82
 kondisi mesin melalui PM dilakukan secara menyeluruh dengan melakukan

pemeriksaan secara menyeluruh, dan adanya prosedur pembersihan

menyeluruh. Program manajemen perawatan mesin dan peralatan produksi

ini bersifat preventif dengan melibatkan seluruh bagian produksi dengan

meningkatkan kinerja seluruh bagian yang terlibat.

3. Program PCT yang sudah ditetapkan bersama harus dijalankan secara

terintegrasi oleh semua departemen Untuk mengukur efektivitas program

tentunya PCT juga harus dievaluasi secara berkala. Evaluasi ini dilakukan

bersamaan dengan review nilai OEE selama triwulan. Dalam kegiatan ini

perlu disetujui penjadwalan pelaksanaan PM agar personel produksi dan

teknisi dapat berkerjasama.

4. Komunikasi pencapaian dari program-program tersebut diatas perlu

disampaikan kepada seluruh karyawan agar dapat mengetahui posisi

pencapaian menyeluruh melalui acara townhall. Acara ini dihadiri oleh

semua level jabatan dari mulai operator dan teknisi sampai dengan

Production Head di PT XYZ

5.4. Keterbatasan

Setelah melakukan penelitian ini adapun beberapa keterbatasan pada

pelaksanaannya yaitu :

1. Penelitian ini menggunakan data internal dari perusahaan baik data primer

maupun sekunder. Beberapa data yang didapatkan bersifat confidential

sehingga tidak seluruhnya dapat ditampilkan dan dibahas pada penelitian

ini.

83
2. Sebagian data yang digunakan merupakan data yang diambil dari catatan

penggunaan mesin harian yang berada di lini produksi. Catatan ini diisi oleh

operator ataupun petugas teknis yang melakukan kegiatan sehingga akurasi

penulisannya sangat bergantung kepada ketepatan dari penulisan oleh

personel tersebut.

3. Analisis dan evaluasi pada penelitian ini berfokus pada satu lini yaitu lini

produksi steril yang memiliki frekuensi kerusakan paling tinggi

dibandingkan dengan lini lainnya. Perlu dilakukan penelitian secara

menyeluruh untuk mengkonfirmasi kondisi aktual dari keseluruhan mesin

produksi di PT XYZ.

4. Pembahasan hanya pada evaluasi nilai OEE dan mengeliminasi pemborosan

serta solusi yang ditawarkan untuk manajemen perawatan mesin tidak

membahas secara mendetail pelaksanaan implikasi lanjutan, perhitungan

biaya, dan aspek manajerial lainnya yang dapat memengaruhi kondisi di

lapangan.

84
 DAFTAR PUSTAKA

Ahuja, I.P.S. dan Kahamba, J.S. (2008). Total Produktif Maintenance, Literature

Review and Direction. International Journal of Quality and Reability

Management, Vol. 25 No. 7.

Ben-Daya, Mohamed., Duffuaa, Salih O., Raof, Abdul., dan Ait-Kadi, Daoud.

(2009). Handbook of Maintenance Management and Engineering. Springer.

London

Dhillon, B.S. (2002). Engineering Maintenance: A Modern Approach.CRC Press,

Florida.

Heizer, A. and Render B. 2014. Operation Management: Sustainability and Supply

Chain Management. Page 49-50. Eleventh Edition. England, Pearson

Education Limited.

Hervian, M. S., & Soekardi, C. (2016). Improving productivity based on evaluation

score of overall equipment effectiveness (OEE) using DMAIC approach on

blistering machine. International Journal of Science and Research (IJSR), 5,

736-739.

Mahmood, K., Otto T., Shevtshenko E., and Karaulova T. 2016. Performance

Evaluation by Using Overall Equipment Effectiveness (OEE): An Analyzing

Tool. International Conference pn Innovative Technologies, IN-TECH 2016,

Prague

Mann, Jr. L. (1976). Maintenance Management. D.C Heath and Company. Canada.

85
Muchiri, P.N, Pintelon L., Martin H., and De Meyer A.M. Empirical Analysis of

Maintenance Performance Measurement in Belgian Industries. International

Journal of Production Research, Vol 48, No 20, 5905-5924

Mobley, R. Keith.,Higgins, Lindley.R., dan Wikoff, Darrin. J. (2008).Maintenance

Engineering Handbook.Seventh edition. Mc Graw- Hill. USA.

Nakajima, S. (1988), Introduction to TPM: Total Productive Maintenance.

Productivity Press, Cambridge.

Vijayakumar, S. R., & Gajendran, S. (2014). Improvement of overall equipment

effectiveness (OEE) in injection moulding process industry. IOSR J Mech

Civil Eng, 2(10), 47-60.

Wireman, T. (2005). Developing Performance Indicators for Managing

Maintenance. Industrial Press Inc. 2th Edition. New York.

86
Lampiran 1 Perhitungan Availability Ratio Mesin Pengisi Cozzoli RFPC

periode Agustus 2018 sampai dengan Agustus 2019.

Availability Detail ([ Steril Line 01 Filler ]

Steril Line 01 Filler KPI)
8/1/2018 - 8/30/2019
Not Net Availability
Date Total Production Availability
Scheduled Operation Loss
01 Aug 2018 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
02 Aug 2018 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
03 Aug 2018 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
04 Aug 2018 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
05 Aug 2018 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
06 Aug 2018 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
07 Aug 2018 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
08 Aug 2018 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
09 Aug 2018 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
10 Aug 2018 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
11 Aug 2018 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
12 Aug 2018 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
13 Aug 2018 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
14 Aug 2018 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
15 Aug 2018 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
16 Aug 2018 24:00:00 23:35:37 00:24:23 00:17:34 00:06:49 27.96%
17 Aug 2018 24:00:00 23:38:41 00:21:19 00:19:03 00:02:16 10.63%
18 Aug 2018 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
19 Aug 2018 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
20 Aug 2018 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
21 Aug 2018 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
22 Aug 2018 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
23 Aug 2018 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
24 Aug 2018 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
25 Aug 2018 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
26 Aug 2018 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
27 Aug 2018 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
28 Aug 2018 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
29 Aug 2018 09:00:00 03:16:15 05:43:45 05:28:53 00:14:52 4.32%
30 Aug 2018 13:41:48 13:41:48 00:00:00 00:00:00 00:00:00 None
31 Aug 2018 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
01 Sep 2018 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
02 Sep 2018 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
03 Sep 2018 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
04 Sep 2018 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
05 Sep 2018 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None

87
06 Sep 2018 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
07 Sep 2018 24:00:00 19:00:54 04:59:06 04:02:55 00:56:11 18.78%
08 Sep 2018 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
09 Sep 2018 24:00:00 23:12:42 00:47:18 00:29:06 00:18:12 38.48%
10 Sep 2018 24:00:00 12:59:42 11:00:18 05:00:10 06:00:08 54.54%
11 Sep 2018 24:00:00 02:21:09 21:38:51 07:12:49 14:26:02 66.68%
12 Sep 2018 24:00:00 02:53:02 21:06:58 08:17:35 12:49:23 60.73%
13 Sep 2018 24:00:00 03:13:43 20:46:17 12:40:11 08:06:06 39.00%
14 Sep 2018 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
15 Sep 2018 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
16 Sep 2018 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
17 Sep 2018 24:00:00 12:34:49 11:25:11 06:01:22 05:23:49 47.26%
18 Sep 2018 24:00:00 03:15:10 20:44:50 07:52:50 12:52:00 62.02%
19 Sep 2018 24:00:00 03:20:04 20:39:56 08:06:51 12:33:05 60.74%
20 Sep 2018 24:00:00 12:12:05 11:47:55 04:51:08 06:56:47 58.87%
21 Sep 2018 16:01:21 02:44:28 13:16:53 06:15:40 07:01:13 52.86%
23 Sep 2018 01:43:22 01:43:22 00:00:00 00:00:00 00:00:00 None
24 Sep 2018 24:00:00 08:03:48 15:56:12 09:34:26 06:21:46 39.93%
25 Sep 2018 24:00:00 05:30:58 18:29:02 04:54:54 13:34:08 73.41%
26 Sep 2018 24:00:00 03:25:56 20:34:04 08:27:48 12:06:16 58.85%
27 Sep 2018 24:00:00 05:55:04 18:04:56 06:20:56 11:44:00 64.89%
28 Sep 2018 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
29 Sep 2018 11:44:44 10:14:03 01:30:41 00:34:36 00:56:05 61.85%
30 Sep 2018 24:00:00 14:22:42 09:37:18 05:44:49 03:52:29 40.27%
01 Oct 2018 24:00:00 07:24:02 16:35:58 05:58:24 10:37:34 64.01%
02 Oct 2018 24:00:00 04:45:13 19:14:47 05:46:01 13:28:46 70.04%
03 Oct 2018 24:00:00 05:00:31 18:59:29 10:27:26 08:32:03 44.94%
04 Oct 2018 24:00:00 04:19:00 19:41:00 07:11:11 12:29:49 63.49%
05 Oct 2018 24:00:00 05:44:48 18:15:12 07:09:35 11:05:37 60.78%
06 Oct 2018 24:00:00 04:11:06 19:48:54 10:01:05 09:47:49 49.44%
07 Oct 2018 24:00:00 16:58:31 07:01:29 04:49:52 02:11:37 31.23%
08 Oct 2018 24:00:00 06:54:12 17:05:48 05:43:16 11:22:32 66.54%
09 Oct 2018 24:00:00 03:19:40 20:40:20 06:41:35 13:58:45 67.62%
10 Oct 2018 24:00:00 02:31:11 21:28:49 11:16:20 10:12:29 47.52%
11 Oct 2018 24:00:00 06:33:41 17:26:19 05:01:16 12:25:03 71.21%
12 Oct 2018 24:00:00 03:24:59 20:35:01 07:00:45 13:34:16 65.93%
13 Oct 2018 24:00:00 07:37:49 16:22:11 05:07:02 11:15:09 68.74%
14 Oct 2018 24:00:00 18:13:58 05:46:02 05:02:26 00:43:36 12.60%
15 Oct 2018 24:00:00 10:00:46 13:59:14 04:23:39 09:35:35 68.58%
16 Oct 2018 24:00:00 03:36:51 20:23:09 05:39:02 14:44:07 72.28%
17 Oct 2018 24:00:00 19:13:11 04:46:49 01:33:28 03:13:21 67.41%
18 Oct 2018 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
19 Oct 2018 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
20 Oct 2018 24:00:00 20:55:49 03:04:11 01:48:08 01:16:03 41.29%
21 Oct 2018 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
22 Oct 2018 24:00:00 12:10:37 11:49:23 06:37:11 05:12:12 44.01%

88
23 Oct 2018 24:00:00 01:37:51 22:22:09 09:53:24 12:28:45 55.79%
24 Oct 2018 24:00:00 03:42:50 20:17:10 06:41:50 13:35:20 66.99%
25 Oct 2018 24:00:00 08:52:54 15:07:06 06:41:39 08:25:27 55.72%
26 Oct 2018 24:00:00 03:22:08 20:37:52 07:19:05 13:18:47 64.53%
27 Oct 2018 16:02:23 01:49:52 14:12:31 06:00:23 08:12:08 57.73%
29 Oct 2018 21:32:30 21:32:30 00:00:00 00:00:00 00:00:00 None
30 Oct 2018 24:00:00 05:25:55 18:34:05 07:11:32 11:22:33 61.27%
31 Oct 2018 24:00:00 01:51:22 22:08:38 08:17:39 13:50:59 62.54%
01 Nov 2018 24:00:00 01:38:30 22:21:30 15:25:32 06:55:58 31.01%
02 Nov 2018 24:00:00 02:42:48 21:17:12 09:01:03 12:16:09 57.64%
03 Nov 2018 24:00:00 03:21:09 20:38:51 06:36:13 14:02:38 68.02%
04 Nov 2018 24:00:00 17:10:58 06:49:02 02:36:37 04:12:25 61.71%
05 Nov 2018 24:00:00 14:12:24 09:47:36 04:46:46 05:00:50 51.20%
06 Nov 2018 24:00:00 14:13:51 09:46:09 03:21:07 06:25:02 65.69%
07 Nov 2018 24:00:00 05:14:51 18:45:09 04:33:10 14:11:59 75.72%
08 Nov 2018 24:00:00 09:53:52 14:06:08 05:00:47 09:05:21 64.45%
09 Nov 2018 24:00:00 01:39:05 22:20:55 15:32:44 06:48:11 30.44%
10 Nov 2018 24:00:00 02:13:43 21:46:17 09:31:36 12:14:41 56.24%
11 Nov 2018 24:00:00 13:10:32 10:49:28 06:58:22 03:51:06 35.58%
12 Nov 2018 24:00:00 06:19:03 17:40:57 11:51:32 05:49:25 32.93%
13 Nov 2018 24:00:00 12:35:55 11:24:05 04:54:02 06:30:03 57.02%
14 Nov 2018 24:00:00 03:03:08 20:56:52 05:57:56 14:58:56 71.52%
15 Nov 2018 24:00:00 03:28:02 20:31:58 07:12:41 13:19:17 64.88%
16 Nov 2018 24:00:00 01:23:49 22:36:11 14:39:54 07:56:17 35.12%
17 Nov 2018 24:00:00 01:37:48 22:22:12 08:12:11 14:10:01 63.33%
18 Nov 2018 24:00:00 13:17:52 10:42:08 06:20:08 04:22:00 40.80%
19 Nov 2018 24:00:00 06:29:43 17:30:17 08:09:00 09:21:17 53.44%
20 Nov 2018 24:00:00 03:24:43 20:35:17 12:36:19 07:58:58 38.77%
21 Nov 2018 24:00:00 03:00:16 20:59:44 06:59:51 13:59:53 66.67%
22 Nov 2018 24:00:00 02:55:09 21:04:51 10:02:23 11:02:28 52.38%
23 Nov 2018 24:00:00 01:53:28 22:06:32 13:39:32 08:27:00 38.22%
24 Nov 2018 24:00:00 03:39:36 20:20:24 08:34:16 11:46:08 57.86%
25 Nov 2018 24:00:00 13:12:14 10:47:46 06:44:47 04:02:59 37.51%
26 Nov 2018 24:00:00 07:21:08 16:38:52 05:52:38 10:46:14 64.70%
27 Nov 2018 24:00:00 03:21:30 20:38:30 09:19:37 11:18:53 54.81%
28 Nov 2018 24:00:00 02:59:28 21:00:32 11:39:29 09:21:03 44.51%
29 Nov 2018 24:00:00 03:28:20 20:31:40 06:50:08 13:41:32 66.70%
30 Nov 2018 24:00:00 05:07:38 18:52:22 08:10:17 10:42:05 56.70%
01 Dec 2018 24:00:00 12:07:30 11:52:30 07:44:54 04:07:36 34.75%
02 Dec 2018 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
03 Dec 2018 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
04 Dec 2018 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
05 Dec 2018 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
06 Dec 2018 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
07 Dec 2018 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
08 Dec 2018 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None

89
09 Dec 2018 21:50:37 18:50:37 03:00:00 03:00:00 00:00:00 0.00%
10 Dec 2018 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
11 Dec 2018 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
12 Dec 2018 24:00:00 03:14:02 20:45:58 11:06:04 09:39:54 46.54%
13 Dec 2018 24:00:00 01:59:04 22:00:56 10:27:21 11:33:35 52.51%
14 Dec 2018 24:00:00 08:59:52 15:00:08 09:16:31 05:43:37 38.17%
15 Dec 2018 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
16 Dec 2018 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
17 Dec 2018 24:00:00 19:59:55 04:00:05 03:26:53 00:33:12 13.83%
18 Dec 2018 24:00:00 20:31:43 03:28:17 02:44:31 00:43:46 21.01%
19 Dec 2018 24:00:00 16:00:15 07:59:45 07:16:48 00:42:57 8.95%
20 Dec 2018 24:00:00 21:33:25 02:26:35 01:46:22 00:40:13 27.44%
21 Dec 2018 24:00:00 20:53:24 03:06:36 02:29:38 00:36:58 19.81%
22 Dec 2018 24:00:00 23:04:03 00:55:57 00:41:07 00:14:50 26.51%
23 Dec 2018 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
24 Dec 2018 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
25 Dec 2018 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
26 Dec 2018 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
27 Dec 2018 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
28 Dec 2018 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
29 Dec 2018 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
30 Dec 2018 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
31 Dec 2018 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
01 Jan 2019 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
02 Jan 2019 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
03 Jan 2019 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
04 Jan 2019 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
05 Jan 2019 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
06 Jan 2019 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
07 Jan 2019 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
08 Jan 2019 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
09 Jan 2019 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
10 Jan 2019 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
11 Jan 2019 10:00:00 00:00:00 10:00:00 10:00:00 00:00:00 0.00%
14 Jan 2019 14:54:59 14:54:59 00:00:00 00:00:00 00:00:00 None
15 Jan 2019 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
16 Jan 2019 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
17 Jan 2019 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
18 Jan 2019 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
19 Jan 2019 24:00:00 17:00:00 07:00:00 06:06:16 00:53:44 12.79%
20 Jan 2019 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
21 Jan 2019 24:00:00 02:52:39 21:07:21 13:57:49 07:09:32 33.89%
22 Jan 2019 24:00:00 04:14:59 19:45:01 07:07:43 12:37:18 63.91%
23 Jan 2019 24:00:00 02:40:03 21:19:57 09:41:03 11:38:54 54.60%
24 Jan 2019 24:00:00 03:13:00 20:47:00 10:35:58 10:11:02 49.00%
25 Jan 2019 24:00:00 03:18:40 20:41:20 09:52:16 10:49:04 52.29%

90
26 Jan 2019 16:02:20 01:53:02 14:09:18 05:57:31 08:11:47 57.90%
27 Jan 2019 16:31:12 16:31:12 00:00:00 00:00:00 00:00:00 None
28 Jan 2019 24:00:00 06:14:26 17:45:34 06:04:34 11:41:00 65.79%
29 Jan 2019 24:00:00 03:37:59 20:22:01 11:40:17 08:41:44 42.69%
30 Jan 2019 24:00:00 04:43:51 19:16:09 08:23:40 10:52:29 56.44%
31 Jan 2019 24:00:00 02:12:34 21:47:26 08:17:20 13:30:06 61.96%
01 Feb 2019 24:00:00 02:20:56 21:39:04 12:34:51 09:04:13 41.89%
02 Feb 2019 24:00:00 07:15:46 16:44:14 14:33:54 02:10:20 12.98%
03 Feb 2019 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
04 Feb 2019 24:00:00 13:22:42 10:37:18 05:09:06 05:28:12 51.50%
05 Feb 2019 24:00:00 03:29:29 20:30:31 07:33:41 12:56:50 63.13%
06 Feb 2019 24:00:00 02:03:26 21:56:34 06:07:54 15:48:40 72.06%
07 Feb 2019 24:00:00 00:25:37 23:34:23 13:52:04 09:42:19 41.17%
08 Feb 2019 24:00:00 03:29:02 20:30:58 06:09:40 14:21:18 69.97%
09 Feb 2019 24:00:00 02:42:07 21:17:53 09:24:51 11:53:02 55.80%
10 Feb 2019 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
11 Feb 2019 24:00:00 07:25:12 16:34:48 05:29:50 11:04:58 66.84%
12 Feb 2019 24:00:00 11:51:20 12:08:40 08:12:52 03:55:48 32.36%
13 Feb 2019 24:00:00 02:41:22 21:18:38 08:28:00 12:50:38 60.27%
14 Feb 2019 24:00:00 04:03:37 19:56:23 07:35:22 12:21:01 61.94%
15 Feb 2019 24:00:00 01:27:23 22:32:37 15:38:00 06:54:37 30.65%
16 Feb 2019 24:00:00 02:29:54 21:30:06 08:20:33 13:09:33 61.20%
17 Feb 2019 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
18 Feb 2019 24:00:00 03:14:30 20:45:30 09:28:19 11:17:11 54.37%
19 Feb 2019 24:00:00 04:07:48 19:52:12 07:19:37 12:32:35 63.13%
20 Feb 2019 24:00:00 01:49:13 22:10:47 16:33:16 05:37:31 25.36%
21 Feb 2019 24:00:00 03:13:33 20:46:27 06:06:27 14:40:00 70.60%
22 Feb 2019 24:00:00 02:39:57 21:20:03 09:00:03 12:20:00 57.81%
23 Feb 2019 24:00:00 01:42:42 22:17:18 01:35:06 20:42:12 92.89%
24 Feb 2019 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
25 Feb 2019 24:00:00 13:49:21 10:10:39 06:32:51 03:37:48 35.67%
26 Feb 2019 24:00:00 04:07:16 19:52:44 06:25:16 13:27:28 67.70%
27 Feb 2019 24:00:00 04:56:18 19:03:42 06:42:43 12:20:59 64.79%
28 Feb 2019 24:00:00 00:49:14 23:10:46 16:59:26 06:11:20 26.70%
01 Mar 2019 24:00:00 08:03:02 15:56:58 14:30:58 01:26:00 8.99%
02 Mar 2019 24:00:00 10:52:48 13:07:12 04:12:58 08:54:14 67.87%
03 Mar 2019 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
04 Mar 2019 24:00:00 08:13:12 15:46:48 06:51:19 08:55:29 56.56%
05 Mar 2019 24:00:00 04:49:49 19:10:11 06:37:07 12:33:04 65.47%
06 Mar 2019 24:00:00 02:28:44 21:31:16 14:00:31 07:30:45 34.91%
07 Mar 2019 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
08 Mar 2019 24:00:00 01:56:36 22:03:24 15:02:18 07:01:06 31.82%
09 Mar 2019 24:00:00 04:33:20 19:26:40 06:41:03 12:45:37 65.62%
10 Mar 2019 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
11 Mar 2019 24:00:00 01:12:50 22:47:10 11:46:20 11:00:50 48.34%
12 Mar 2019 24:00:00 05:07:38 18:52:22 11:26:44 07:25:38 39.35%

91
13 Mar 2019 24:00:00 08:37:28 15:22:32 06:34:19 08:48:13 57.26%
14 Mar 2019 24:00:00 04:32:43 19:27:17 06:24:14 13:03:03 67.08%
15 Mar 2019 24:00:00 09:49:22 14:10:38 07:08:32 07:02:06 49.62%
16 Mar 2019 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
17 Mar 2019 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
18 Mar 2019 24:00:00 02:51:38 21:08:22 13:41:19 07:27:03 35.25%
19 Mar 2019 24:00:00 04:24:07 19:35:53 06:22:46 13:13:07 67.45%
20 Mar 2019 24:00:00 02:57:58 21:02:02 08:24:29 12:37:33 60.03%
21 Mar 2019 24:00:00 13:17:55 10:42:05 05:51:51 04:50:14 45.20%
22 Mar 2019 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
23 Mar 2019 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
24 Mar 2019 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
25 Mar 2019 24:00:00 12:00:00 12:00:00 12:00:00 00:00:00 0.00%
26 Mar 2019 24:00:00 02:30:33 21:29:27 13:06:26 08:23:01 39.01%
27 Mar 2019 24:00:00 02:27:08 21:32:52 07:34:36 13:58:16 64.84%
28 Mar 2019 24:00:00 04:46:05 19:13:55 04:41:05 14:32:50 75.64%
29 Mar 2019 24:00:00 13:00:00 11:00:00 09:28:35 01:31:25 13.85%
30 Mar 2019 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
31 Mar 2019 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
01 Apr 2019 24:00:00 12:32:05 11:27:55 06:53:22 04:34:33 39.91%
02 Apr 2019 24:00:00 04:14:23 19:45:37 06:02:53 13:42:44 69.39%
03 Apr 2019 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
04 Apr 2019 24:00:00 03:41:36 20:18:24 07:25:12 12:53:12 63.46%
05 Apr 2019 24:00:00 12:15:32 11:44:28 05:17:51 06:26:37 54.88%
06 Apr 2019 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
07 Apr 2019 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
08 Apr 2019 24:00:00 12:41:19 11:18:41 07:36:14 03:42:27 32.78%
09 Apr 2019 24:00:00 03:58:07 20:01:53 06:32:55 13:28:58 67.31%
10 Apr 2019 24:00:00 00:16:21 23:43:39 16:56:34 06:47:05 28.59%
11 Apr 2019 24:00:00 00:47:38 23:12:22 14:04:54 09:07:28 39.32%
12 Apr 2019 24:00:00 01:55:20 22:04:40 13:12:46 08:51:54 40.15%
13 Apr 2019 24:00:00 02:44:51 21:15:09 06:23:09 14:52:00 69.95%
14 Apr 2019 24:00:00 13:12:30 10:47:30 06:36:46 04:10:44 38.72%
15 Apr 2019 24:00:00 02:15:35 21:44:25 10:20:50 11:23:35 52.41%
16 Apr 2019 24:00:00 13:20:44 10:39:16 07:36:25 03:02:51 28.60%
17 Apr 2019 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
18 Apr 2019 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
19 Apr 2019 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
20 Apr 2019 24:00:00 11:44:09 12:15:51 04:57:48 07:18:03 59.53%
21 Apr 2019 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
22 Apr 2019 24:00:00 02:23:17 21:36:43 11:09:30 10:27:13 48.37%
23 Apr 2019 24:00:00 02:54:26 21:05:34 06:10:57 14:54:37 70.69%
24 Apr 2019 24:00:00 04:05:44 19:54:16 10:37:00 09:17:16 46.66%
25 Apr 2019 24:00:00 04:31:55 19:28:05 05:37:43 13:50:22 71.09%
26 Apr 2019 24:00:00 04:26:10 19:33:50 06:21:59 13:11:51 67.46%
27 Apr 2019 23:13:24 08:33:47 14:39:37 07:33:17 07:06:20 48.47%

92
28 Apr 2019 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
29 Apr 2019 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
30 Apr 2019 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
01 May 2019 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
02 May 2019 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
03 May 2019 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
04 May 2019 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
05 May 2019 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
06 May 2019 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
07 May 2019 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
08 May 2019 24:00:00 10:30:55 13:29:05 04:49:37 08:39:28 64.20%
09 May 2019 24:00:00 04:07:33 19:52:27 07:20:20 12:32:07 63.07%
10 May 2019 24:00:00 04:22:35 19:37:25 07:23:58 12:13:27 62.29%
11 May 2019 24:00:00 14:59:41 09:00:19 05:04:27 03:55:52 43.65%
12 May 2019 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
13 May 2019 24:00:00 13:59:37 10:00:23 04:43:03 05:17:20 52.86%
14 May 2019 24:00:00 03:48:20 20:11:40 07:38:00 12:33:40 62.20%
15 May 2019 24:00:00 04:24:48 19:35:12 06:28:26 13:06:46 66.95%
16 May 2019 24:00:00 08:30:04 15:29:56 09:04:14 06:25:42 41.48%
17 May 2019 24:00:00 02:27:29 21:32:31 13:51:29 07:41:02 35.67%
18 May 2019 24:00:00 02:59:25 21:00:35 08:44:18 12:16:17 58.41%
19 May 2019 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
20 May 2019 24:00:00 03:22:02 20:37:58 09:53:42 10:44:16 52.04%
21 May 2019 24:00:00 13:50:26 10:09:34 03:45:48 06:23:46 62.96%
22 May 2019 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
23 May 2019 24:00:00 16:49:12 07:10:48 06:40:41 00:30:07 6.99%
24 May 2019 23:20:30 16:46:44 06:33:46 05:48:49 00:44:57 11.42%
25 May 2019 24:00:00 16:03:16 07:56:44 07:15:26 00:41:18 8.66%
26 May 2019 24:00:00 20:56:58 03:03:02 02:19:08 00:43:54 23.98%
27 May 2019 24:00:00 17:38:22 06:21:38 05:38:17 00:43:21 11.36%
28 May 2019 24:00:00 12:00:00 12:00:00 11:45:37 00:14:23 2.00%
29 May 2019 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
30 May 2019 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
31 May 2019 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
01 Jun 2019 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
02 Jun 2019 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
03 Jun 2019 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
04 Jun 2019 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
05 Jun 2019 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
06 Jun 2019 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
07 Jun 2019 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
08 Jun 2019 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
09 Jun 2019 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
10 Jun 2019 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
11 Jun 2019 24:00:00 17:03:46 06:56:14 06:00:55 00:55:19 13.29%
12 Jun 2019 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None

93
13 Jun 2019 24:00:00 20:49:40 03:10:20 01:38:19 01:32:01 48.35%
14 Jun 2019 24:00:00 04:20:53 19:39:07 07:05:59 12:33:08 63.87%
15 Jun 2019 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
16 Jun 2019 24:00:00 12:19:49 11:40:11 03:58:18 07:41:53 65.97%
17 Jun 2019 24:00:00 12:00:00 12:00:00 01:07:42 10:52:18 90.60%
18 Jun 2019 24:00:00 18:00:50 05:59:10 04:30:51 01:28:19 24.59%
19 Jun 2019 24:00:00 03:43:19 20:16:41 08:29:02 11:47:39 58.16%
20 Jun 2019 24:00:00 04:00:03 19:59:57 08:49:03 11:10:54 55.91%
21 Jun 2019 24:00:00 04:18:27 19:41:33 06:55:54 12:45:39 64.80%
22 Jun 2019 24:00:00 07:03:36 16:56:24 15:12:11 01:44:13 10.25%
23 Jun 2019 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
24 Jun 2019 24:00:00 05:14:01 18:45:59 16:01:26 02:44:33 14.61%
25 Jun 2019 24:00:00 00:26:17 23:33:43 19:08:35 04:25:08 18.75%
26 Jun 2019 24:00:00 08:56:17 15:03:43 07:19:37 07:44:06 51.35%
27 Jun 2019 24:00:00 11:05:11 12:54:49 02:43:08 10:11:41 78.95%
28 Jun 2019 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
29 Jun 2019 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
30 Jun 2019 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
01 Jul 2019 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
02 Jul 2019 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
03 Jul 2019 24:00:00 00:00:00 24:00:00 24:00:00 00:00:00 0.00%
04 Jul 2019 24:00:00 00:00:00 24:00:00 24:00:00 00:00:00 0.00%
05 Jul 2019 24:00:00 00:00:00 24:00:00 24:00:00 00:00:00 0.00%
06 Jul 2019 24:00:00 00:00:00 24:00:00 24:00:00 00:00:00 0.00%
07 Jul 2019 24:00:00 00:00:00 24:00:00 24:00:00 00:00:00 0.00%
08 Jul 2019 24:00:00 07:00:00 17:00:00 17:00:00 00:00:00 0.00%
09 Jul 2019 24:00:00 12:28:50 11:31:10 06:50:51 04:40:19 40.56%
10 Jul 2019 24:00:00 03:15:17 20:44:43 10:54:24 09:50:19 47.43%
11 Jul 2019 24:00:00 03:24:31 20:35:29 08:21:43 12:13:46 59.39%
12 Jul 2019 24:00:00 04:30:18 19:29:42 08:50:46 10:38:56 54.62%
13 Jul 2019 24:00:00 12:14:41 11:45:19 04:01:05 07:44:14 65.82%
14 Jul 2019 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
15 Jul 2019 24:00:00 04:03:08 19:56:52 09:35:21 10:21:31 51.93%
16 Jul 2019 24:00:00 03:31:40 20:28:20 08:35:40 11:52:40 58.02%
17 Jul 2019 24:00:00 10:22:49 13:37:11 06:33:13 07:03:58 51.88%
18 Jul 2019 24:00:00 04:32:11 19:27:49 07:10:37 12:17:12 63.13%
19 Jul 2019 24:00:00 03:05:26 20:54:34 08:01:53 12:52:41 61.59%
20 Jul 2019 24:00:00 02:07:05 21:52:55 10:42:34 11:10:21 51.06%
21 Jul 2019 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
22 Jul 2019 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None
23 Jul 2019 24:00:00 13:57:02 10:02:58 06:02:28 04:00:30 39.89%
24 Jul 2019 24:00:00 03:35:19 20:24:41 05:53:55 14:30:46 71.10%
25 Jul 2019 24:00:00 03:57:19 20:02:41 07:24:22 12:38:19 63.05%
26 Jul 2019 24:00:00 02:54:13 21:05:47 09:04:57 12:00:50 56.95%
27 Jul 2019 23:54:17 07:54:17 16:00:00 13:46:44 02:13:16 13.88%
28 Jul 2019 24:00:00 24:00:00 00:00:00 00:00:00 00:00:00 None

94
 29 Jul 2019 24:00:00 12:00:00 12:00:00 12:00:00 00:00:00 0.00%
30 Jul 2019 24:00:00 00:00:00 24:00:00 24:00:00 00:00:00 0.00%
31 Jul 2019 24:00:00 00:00:00 24:00:00 24:00:00 00:00:00 0.00%
01 Aug 2019 24:00:00 00:00:00 24:00:00 24:00:00 00:00:00 0.00%
02 Aug 2019 07:32:40 00:00:00 07:32:40 07:32:40 00:00:00 0.00%
8,575 H 4,885 H 3,689 H 1,874 H 1,814 H 49.19%

Lampiran 2 Perhitungan Performance Efficiency Mesin Pengisi Cozzoli RFPC

periode Agustus 2018 sampai dengan Agustus 2019.

Performance Detail ([ Steril Line 01

Filler ] Steril Line 01 Filler KPI)
8/1/2018 - 8/30/2019
Theoretical Total Performance
Date Production Theoretical
(/Minutes)
01 Aug 2018 00:00:00 80.00 0.0 0.0 None
02 Aug 2018 00:00:00 80.00 0.0 0.0 None
03 Aug 2018 00:00:00 80.00 0.0 0.0 None
04 Aug 2018 00:00:00 80.00 0.0 0.0 None
05 Aug 2018 00:00:00 80.00 0.0 0.0 None
06 Aug 2018 00:00:00 80.00 0.0 0.0 None
07 Aug 2018 00:00:00 80.00 0.0 0.0 None
08 Aug 2018 00:00:00 80.00 0.0 0.0 None
09 Aug 2018 00:00:00 80.00 0.0 0.0 None
10 Aug 2018 00:00:00 80.00 0.0 0.0 None
11 Aug 2018 00:00:00 80.00 0.0 0.0 None
12 Aug 2018 00:00:00 80.00 0.0 0.0 None
13 Aug 2018 00:00:00 80.00 0.0 0.0 None
14 Aug 2018 00:00:00 80.00 0.0 0.0 None
15 Aug 2018 00:00:00 80.00 0.0 0.0 None
16 Aug 2018 00:06:49 80.00 545.3523 291.0 53.36%
17 Aug 2018 00:02:16 80.00 181.3333 34.0 18.75%
18 Aug 2018 00:00:00 80.00 0.0 0.0 None
19 Aug 2018 00:00:00 80.00 0.0 0.0 None
20 Aug 2018 00:00:00 80.00 0.0 0.0 None
21 Aug 2018 00:00:00 80.00 0.0 0.0 None
22 Aug 2018 00:00:00 80.00 0.0 0.0 None
23 Aug 2018 00:00:00 80.00 0.0 0.0 None
24 Aug 2018 00:00:00 80.00 0.0 0.0 None
25 Aug 2018 00:00:00 80.00 0.0 0.0 None
26 Aug 2018 00:00:00 80.00 0.0 0.0 None

95
27 Aug 2018 00:00:00 80.00 0.0 0.0 None
28 Aug 2018 00:00:00 80.00 0.0 0.0 None
29 Aug 2018 00:14:52 80.00 1189.305 1,668.0 140.25%
30 Aug 2018 00:00:00 80.00 0.0 0.0 None
31 Aug 2018 00:00:00 80.00 0.0 0.0 None
01 Sep 2018 00:00:00 80.00 0.0 0.0 None
02 Sep 2018 00:00:00 80.00 0.0 0.0 None
03 Sep 2018 00:00:00 80.00 0.0 0.0 None
04 Sep 2018 00:00:00 80.00 0.0 0.0 None
05 Sep 2018 00:00:00 80.00 0.0 0.0 None
06 Sep 2018 00:00:00 80.00 0.0 0.0 None
07 Sep 2018 00:56:11 80.00 4494.724 14,184.0 315.57%
08 Sep 2018 00:00:00 80.00 0.0 0.0 None
09 Sep 2018 00:18:12 80.00 1456.628 89.0 6.11%
10 Sep 2018 06:00:08 80.00 28809.48 28,579.0 99.20%
11 Sep 2018 14:26:02 80.00 69281.41 58,619.0 84.61%
12 Sep 2018 12:49:23 80.00 61553.25 67,567.0 109.77%
13 Sep 2018 08:06:06 80.00 38887.39 51,903.0 133.47%
14 Sep 2018 00:00:00 80.00 0.0 0.0 None
15 Sep 2018 00:00:00 80.00 0.0 0.0 None
16 Sep 2018 00:00:00 80.00 0.0 0.0 None
17 Sep 2018 05:23:49 80.00 25905.95 24,406.0 94.21%
18 Sep 2018 12:52:00 80.00 61760.15 64,632.0 104.65%
19 Sep 2018 12:33:05 80.00 60244.27 63,136.0 104.80%
20 Sep 2018 06:56:47 80.00 33341.3 36,262.0 108.76%
21 Sep 2018 07:01:13 80.00 33697.33 36,629.0 108.70%
23 Sep 2018 00:00:00 80.00 0.0 0.0 None
24 Sep 2018 06:21:46 80.00 30542.63 31,633.0 103.57%
25 Sep 2018 13:34:08 80.00 65130.41 68,172.0 104.67%
26 Sep 2018 12:06:16 80.00 58103.2 60,131.0 103.49%
27 Sep 2018 11:44:00 80.00 56319.7 68,175.0 121.05%
28 Sep 2018 00:00:00 80.00 0.0 0.0 None
29 Sep 2018 00:56:05 80.00 4486.766 4,594.0 102.39%
30 Sep 2018 03:52:29 80.00 18597.98 20,415.0 109.77%
01 Oct 2018 10:37:34 80.00 51004.64 54,932.0 107.70%
02 Oct 2018 13:28:46 80.00 64702.1 65,375.0 101.04%
03 Oct 2018 08:32:03 80.00 40964.77 44,074.0 107.59%
04 Oct 2018 12:29:49 80.00 59982.5 61,686.0 102.84%
05 Oct 2018 11:05:37 80.00 53249.5 58,010.0 108.94%
06 Oct 2018 09:47:49 80.00 47024.49 49,545.0 105.36%
07 Oct 2018 02:11:37 80.00 10529.56 11,115.0 105.56%
08 Oct 2018 11:22:32 80.00 54600.71 56,954.0 104.31%
09 Oct 2018 13:58:45 80.00 67101.86 71,544.0 106.62%
10 Oct 2018 10:12:29 80.00 48997 53,833.0 109.87%
11 Oct 2018 12:25:03 80.00 59603.12 65,629.0 110.11%
12 Oct 2018 13:34:16 80.00 65141.8 72,353.0 111.07%

96
13 Oct 2018 11:15:09 80.00 54009.81 56,154.0 103.97%
14 Oct 2018 00:43:36 80.00 3488.023 3,713.0 106.45%
15 Oct 2018 09:35:35 80.00 46046.45 49,767.0 108.08%
16 Oct 2018 14:44:07 80.00 70726.11 77,339.0 109.35%
17 Oct 2018 03:13:21 80.00 15467.53 15,268.0 98.71%
18 Oct 2018 00:00:00 80.00 0.0 0.0 None
19 Oct 2018 00:00:00 80.00 0.0 0.0 None
20 Oct 2018 01:16:03 80.00 6084.11 7,248.0 119.13%
21 Oct 2018 00:00:00 80.00 0.0 0.0 None
22 Oct 2018 05:12:12 80.00 24976.86 26,990.0 108.06%
23 Oct 2018 12:28:45 80.00 59901.62 68,803.0 114.86%
24 Oct 2018 13:35:20 80.00 65226.63 71,808.0 110.09%
25 Oct 2018 08:25:27 80.00 40435.76 41,572.0 102.81%
26 Oct 2018 13:18:47 80.00 63905.4 63,228.0 98.94%
27 Oct 2018 08:12:08 80.00 39370.56 39,343.0 99.93%
29 Oct 2018 00:00:00 80.00 0.0 0.0 None
30 Oct 2018 11:22:33 80.00 54603.02 60,795.0 111.34%
31 Oct 2018 13:50:59 80.00 66476.5 74,108.0 111.48%
01 Nov 2018 06:55:58 80.00 33276.16 40,161.0 120.69%
02 Nov 2018 12:16:09 80.00 58890.6 64,868.0 110.15%
03 Nov 2018 14:02:38 80.00 67410.03 71,367.0 105.87%
04 Nov 2018 04:12:25 80.00 20194.16 22,258.0 110.22%
05 Nov 2018 05:00:50 80.00 24066.88 25,908.0 107.65%
06 Nov 2018 06:25:02 80.00 30803.13 32,716.0 106.21%
07 Nov 2018 14:11:59 80.00 68160.65 69,074.0 101.34%
08 Nov 2018 09:05:21 80.00 43628.34 46,979.0 107.68%
09 Nov 2018 06:48:11 80.00 32654.12 35,913.0 109.98%
10 Nov 2018 12:14:41 80.00 58776.77 61,745.0 105.05%
11 Nov 2018 03:51:06 80.00 18488.29 19,886.0 107.56%
12 Nov 2018 05:49:25 80.00 27954.08 33,844.0 121.07%
13 Nov 2018 06:30:03 80.00 31202.67 33,624.0 107.76%
14 Nov 2018 14:58:56 80.00 71917.68 74,255.0 103.25%
15 Nov 2018 13:19:17 80.00 63944.21 77,705.0 121.52%
16 Nov 2018 07:56:17 80.00 38102.02 41,977.0 110.17%
17 Nov 2018 14:10:01 80.00 68003.89 73,451.0 108.01%
18 Nov 2018 04:22:00 80.00 20959.44 22,632.0 107.98%
19 Nov 2018 09:21:17 80.00 44901.78 49,374.0 109.96%
20 Nov 2018 07:58:58 80.00 38316.5 41,742.0 108.94%
21 Nov 2018 13:59:53 80.00 67192.02 72,433.0 107.80%
22 Nov 2018 11:02:28 80.00 52997.99 57,895.0 109.24%
23 Nov 2018 08:27:00 80.00 40561.72 42,748.0 105.39%
24 Nov 2018 11:46:08 80.00 56492.08 61,373.0 108.64%
25 Nov 2018 04:02:59 80.00 19437.88 20,886.0 107.45%
26 Nov 2018 10:46:14 80.00 51700.82 53,986.0 104.42%
27 Nov 2018 11:18:53 80.00 54312.22 57,962.0 106.72%
28 Nov 2018 09:21:03 80.00 44882.93 47,540.0 105.92%

97
29 Nov 2018 13:41:32 80.00 65720.24 69,348.0 105.52%
30 Nov 2018 10:42:05 80.00 51366.28 58,311.0 113.52%
01 Dec 2018 04:07:36 80.00 19808.78 21,340.0 107.73%
02 Dec 2018 00:00:00 80.00 0.0 0.0 None
03 Dec 2018 00:00:00 80.00 0.0 0.0 None
04 Dec 2018 00:00:00 80.00 0.0 0.0 None
05 Dec 2018 00:00:00 80.00 0.0 0.0 None
06 Dec 2018 00:00:00 80.00 0.0 0.0 None
07 Dec 2018 00:00:00 80.00 0.0 0.0 None
08 Dec 2018 00:00:00 80.00 0.0 0.0 None
09 Dec 2018 00:00:00 80.00 0.0 0.0 None
10 Dec 2018 00:00:00 80.00 0.0 0.0 None
11 Dec 2018 00:00:00 80.00 0.0 0.0 None
12 Dec 2018 09:39:54 80.00 46393.81 55,487.0 119.60%
13 Dec 2018 11:33:35 80.00 55489.08 62,231.0 112.15%
14 Dec 2018 05:43:37 80.00 27490.13 29,233.0 106.34%
15 Dec 2018 00:00:00 80.00 0.0 0.0 None
16 Dec 2018 00:00:00 80.00 0.0 0.0 None
17 Dec 2018 00:33:12 80.00 2656.027 9,669.0 364.04%
18 Dec 2018 00:43:46 80.00 3501.347 26,522.0 757.48%
19 Dec 2018 00:42:57 80.00 3435.996 5,712.0 166.24%
20 Dec 2018 00:40:13 80.00 3217.251 4,998.0 155.35%
21 Dec 2018 00:36:58 80.00 2957.295 5,256.0 177.73%
22 Dec 2018 00:14:50 80.00 1186.678 1,443.0 121.60%
23 Dec 2018 00:00:00 80.00 0.0 0.0 None
24 Dec 2018 00:00:00 80.00 0.0 0.0 None
25 Dec 2018 00:00:00 80.00 0.0 0.0 None
26 Dec 2018 00:00:00 80.00 0.0 0.0 None
27 Dec 2018 00:00:00 80.00 0.0 0.0 None
28 Dec 2018 00:00:00 80.00 0.0 0.0 None
29 Dec 2018 00:00:00 80.00 0.0 0.0 None
30 Dec 2018 00:00:00 80.00 0.0 0.0 None
31 Dec 2018 00:00:00 80.00 0.0 0.0 None
01 Jan 2019 00:00:00 80.00 0.0 0.0 None
02 Jan 2019 00:00:00 80.00 0.0 0.0 None
03 Jan 2019 00:00:00 80.00 0.0 0.0 None
04 Jan 2019 00:00:00 80.00 0.0 0.0 None
05 Jan 2019 00:00:00 80.00 0.0 0.0 None
06 Jan 2019 00:00:00 80.00 0.0 0.0 None
07 Jan 2019 00:00:00 80.00 0.0 0.0 None
08 Jan 2019 00:00:00 80.00 0.0 0.0 None
09 Jan 2019 00:00:00 80.00 0.0 0.0 None
10 Jan 2019 00:00:00 80.00 0.0 0.0 None
11 Jan 2019 00:00:00 80.00 0.0 0.0 None
14 Jan 2019 00:00:00 80.00 0.0 0.0 None
15 Jan 2019 00:00:00 80.00 0.0 0.0 None

98
16 Jan 2019 00:00:00 80.00 0.0 0.0 None
17 Jan 2019 00:00:00 80.00 0.0 0.0 None
18 Jan 2019 00:00:00 80.00 0.0 0.0 None
19 Jan 2019 00:53:44 80.00 4298.643 8,265.0 192.27%
20 Jan 2019 00:00:00 80.00 0.0 0.0 None
21 Jan 2019 07:09:32 80.00 34364.08 36,395.0 105.91%
22 Jan 2019 12:37:18 80.00 60581.16 51,912.0 85.69%
23 Jan 2019 11:38:54 80.00 55911.87 59,507.0 106.43%
24 Jan 2019 10:11:02 80.00 48884.69 50,493.0 103.29%
25 Jan 2019 10:49:04 80.00 51924.94 51,468.0 99.12%
26 Jan 2019 08:11:47 80.00 39343.79 40,890.0 103.93%
27 Jan 2019 00:00:00 80.00 0.0 0.0 None
28 Jan 2019 11:41:00 80.00 56080.04 56,753.0 101.20%
29 Jan 2019 08:41:44 80.00 41738.8 43,880.0 105.13%
30 Jan 2019 10:52:29 80.00 52197.88 53,127.0 101.78%
31 Jan 2019 13:30:06 80.00 64808.15 68,068.0 105.03%
01 Feb 2019 09:04:13 80.00 43536.51 40,071.0 92.04%
02 Feb 2019 02:10:20 80.00 10427.13 11,132.0 106.76%
03 Feb 2019 00:00:00 80.00 0.0 0.0 None
04 Feb 2019 05:28:12 80.00 26257.44 14,116.0 53.76%
05 Feb 2019 12:56:50 80.00 62147.08 50,451.0 81.18%
06 Feb 2019 15:48:40 80.00 75887.69 47,703.0 62.86%
07 Feb 2019 09:42:19 80.00 46586.19 47,080.0 101.06%
08 Feb 2019 14:21:18 80.00 68905.91 50,384.0 73.12%
09 Feb 2019 11:53:02 80.00 57040.07 59,932.0 105.07%
10 Feb 2019 00:00:00 80.00 0.0 0.0 None
11 Feb 2019 11:04:58 80.00 53196.49 55,718.0 104.74%
12 Feb 2019 03:55:48 80.00 18864.21 19,283.0 102.22%
13 Feb 2019 12:50:38 80.00 61652.26 62,053.0 100.65%
14 Feb 2019 12:21:01 80.00 59284.48 51,536.0 86.93%
15 Feb 2019 06:54:37 80.00 33170.24 33,084.0 99.74%
16 Feb 2019 13:09:33 80.00 63165.6 46,193.0 73.13%
17 Feb 2019 00:00:00 80.00 0.0 0.0 None
18 Feb 2019 11:17:11 80.00 54176.1 56,484.0 104.26%
19 Feb 2019 12:32:35 80.00 60208.66 60,883.0 101.12%
20 Feb 2019 05:37:31 80.00 27002.54 27,683.0 102.52%
21 Feb 2019 14:40:00 80.00 70400.18 45,915.0 65.22%
22 Feb 2019 12:20:00 80.00 59199.69 75,450.0 127.45%
23 Feb 2019 20:42:12 80.00 99391.75 27,452.0 27.62%
24 Feb 2019 00:00:00 80.00 0.0 0.0 None
25 Feb 2019 03:37:48 80.00 17423.2 18,716.0 107.42%
26 Feb 2019 13:27:28 80.00 64594.28 67,585.0 104.63%
27 Feb 2019 12:20:59 80.00 59277.49 63,338.0 106.85%
28 Feb 2019 06:11:20 80.00 29706.19 30,939.0 104.15%
01 Mar 2019 01:26:00 80.00 6879.778 6,930.0 100.73%
02 Mar 2019 08:54:14 80.00 42738.82 43,085.0 100.81%

99
03 Mar 2019 00:00:00 80.00 0.0 0.0 None
04 Mar 2019 08:55:29 80.00 42839.06 44,347.0 103.52%
05 Mar 2019 12:33:04 80.00 60246.17 62,897.0 104.40%
06 Mar 2019 07:30:45 80.00 36058.78 41,345.0 114.66%
07 Mar 2019 00:00:00 80.00 0.0 0.0 None
08 Mar 2019 07:01:06 80.00 33686.95 33,660.0 99.92%
09 Mar 2019 12:45:37 80.00 61246.77 61,553.0 100.50%
10 Mar 2019 00:00:00 80.00 0.0 0.0 None
11 Mar 2019 11:00:50 80.00 52867.36 53,967.0 102.08%
12 Mar 2019 07:25:38 80.00 35650.37 37,850.0 106.17%
13 Mar 2019 08:48:13 80.00 42255.67 44,922.0 106.31%
14 Mar 2019 13:03:03 80.00 62644.27 62,851.0 100.33%
15 Mar 2019 07:02:06 80.00 33766.84 32,092.0 95.04%
16 Mar 2019 00:00:00 80.00 0.0 0.0 None
17 Mar 2019 00:00:00 80.00 0.0 0.0 None
18 Mar 2019 07:27:03 80.00 35764.99 34,363.0 96.08%
19 Mar 2019 13:13:07 80.00 63447.7 64,355.0 101.43%
20 Mar 2019 12:37:33 80.00 60603.44 63,070.0 104.07%
21 Mar 2019 04:50:14 80.00 23218.16 26,543.0 114.32%
22 Mar 2019 00:00:00 80.00 0.0 0.0 None
23 Mar 2019 00:00:00 80.00 0.0 0.0 None
24 Mar 2019 00:00:00 80.00 0.0 0.0 None
25 Mar 2019 00:00:00 80.00 0.0 0.0 None
26 Mar 2019 08:23:01 80.00 40239.41 40,843.0 101.50%
27 Mar 2019 13:58:16 80.00 67059.5 70,332.0 104.88%
28 Mar 2019 14:32:50 80.00 69826.11 73,485.0 105.24%
29 Mar 2019 01:31:25 80.00 7313.667 7,909.0 108.14%
30 Mar 2019 00:00:00 80.00 0.0 0.0 None
31 Mar 2019 00:00:00 80.00 0.0 0.0 None
01 Apr 2019 04:34:33 80.00 21964.13 22,779.0 103.71%
02 Apr 2019 13:42:44 80.00 65815.83 69,258.0 105.23%
03 Apr 2019 00:00:00 80.00 0.0 0.0 None
04 Apr 2019 12:53:12 80.00 61855.13 65,752.0 106.30%
05 Apr 2019 06:26:37 80.00 30928.33 32,450.0 104.92%
06 Apr 2019 00:00:00 80.00 0.0 0.0 None
07 Apr 2019 00:00:00 80.00 0.0 0.0 None
08 Apr 2019 03:42:27 80.00 17796.67 18,941.0 106.43%
09 Apr 2019 13:28:58 80.00 64719.13 67,515.0 104.32%
10 Apr 2019 06:47:05 80.00 32565.55 34,653.0 106.41%
11 Apr 2019 09:07:28 80.00 43798.84 47,640.0 108.77%
12 Apr 2019 08:51:54 80.00 42552.14 44,684.0 105.01%
13 Apr 2019 14:52:00 80.00 71362.6 75,259.0 105.46%
14 Apr 2019 04:10:44 80.00 20057.75 21,185.0 105.62%
15 Apr 2019 11:23:35 80.00 54687.47 58,707.0 107.35%
16 Apr 2019 03:02:51 80.00 14627.63 15,340.0 104.87%
17 Apr 2019 00:00:00 80.00 0.0 0.0 None

100
18 Apr 2019 00:00:00 80.00 0.0 0.0 None
19 Apr 2019 00:00:00 80.00 0.0 0.0 None
20 Apr 2019 07:18:03 80.00 35044 37,038.0 105.69%
21 Apr 2019 00:00:00 80.00 0.0 0.0 None
22 Apr 2019 10:27:13 80.00 50177.83 53,329.0 106.28%
23 Apr 2019 14:54:37 80.00 71570.6 76,738.0 107.22%
24 Apr 2019 09:17:16 80.00 44580.83 45,254.0 101.51%
25 Apr 2019 13:50:22 80.00 66427.78 66,089.0 99.49%
26 Apr 2019 13:11:51 80.00 63350.64 63,452.0 100.16%
27 Apr 2019 07:06:20 80.00 34107.04 36,133.0 105.94%
28 Apr 2019 00:00:00 80.00 0.0 0.0 None
29 Apr 2019 00:00:00 80.00 0.0 0.0 None
30 Apr 2019 00:00:00 80.00 0.0 0.0 None
01 May 2019 00:00:00 80.00 0.0 0.0 None
02 May 2019 00:00:00 80.00 0.0 0.0 None
03 May 2019 00:00:00 80.00 0.0 0.0 None
04 May 2019 00:00:00 80.00 0.0 0.0 None
05 May 2019 00:00:00 80.00 0.0 0.0 None
06 May 2019 00:00:00 80.00 0.0 0.0 None
07 May 2019 00:00:00 80.00 0.0 0.0 None
08 May 2019 08:39:28 80.00 41556.12 43,983.0 105.84%
09 May 2019 12:32:07 80.00 60171.46 65,274.0 108.48%
10 May 2019 12:13:27 80.00 58674.3 63,069.0 107.49%
11 May 2019 03:55:52 80.00 18869.76 20,168.0 106.88%
12 May 2019 00:00:00 80.00 0.0 0.0 None
13 May 2019 05:17:20 80.00 25387.13 27,182.0 107.07%
14 May 2019 12:33:40 80.00 60294.56 64,684.0 107.28%
15 May 2019 13:06:46 80.00 62941.83 67,631.0 107.45%
16 May 2019 06:25:42 80.00 30854.94 33,203.0 107.61%
17 May 2019 07:41:02 80.00 36881.4 39,275.0 106.49%
18 May 2019 12:16:17 80.00 58902.11 63,844.0 108.39%
19 May 2019 00:00:00 80.00 0.0 0.0 None
20 May 2019 10:44:16 80.00 51541.61 56,737.0 110.08%
21 May 2019 06:23:46 80.00 30702.67 32,290.0 105.17%
22 May 2019 00:00:00 80.00 0.0 0.0 None
23 May 2019 00:30:07 80.00 2409.274 2,629.0 109.12%
24 May 2019 00:44:57 80.00 3595.852 3,849.0 107.04%
25 May 2019 00:41:18 80.00 3304.08 3,652.0 110.53%
26 May 2019 00:43:54 80.00 3512.045 3,878.0 110.42%
27 May 2019 00:43:21 80.00 3468.067 3,698.0 106.63%
28 May 2019 00:14:23 80.00 1150.716 1,301.0 113.06%
29 May 2019 00:00:00 80.00 0.0 0.0 None
30 May 2019 00:00:00 80.00 0.0 0.0 None
31 May 2019 00:00:00 80.00 0.0 0.0 None
01 Jun 2019 00:00:00 80.00 0.0 0.0 None
02 Jun 2019 00:00:00 80.00 0.0 0.0 None

101
03 Jun 2019 00:00:00 80.00 0.0 0.0 None
04 Jun 2019 00:00:00 80.00 0.0 0.0 None
05 Jun 2019 00:00:00 80.00 0.0 0.0 None
06 Jun 2019 00:00:00 80.00 0.0 0.0 None
07 Jun 2019 00:00:00 80.00 0.0 0.0 None
08 Jun 2019 00:00:00 80.00 0.0 0.0 None
09 Jun 2019 00:00:00 80.00 0.0 0.0 None
10 Jun 2019 00:00:00 80.00 0.0 0.0 None
11 Jun 2019 00:55:19 80.00 4425.258 5,151.0 116.40%
12 Jun 2019 00:00:00 80.00 0.0 0.0 None
13 Jun 2019 01:32:01 80.00 7361.111 8,374.0 113.76%
14 Jun 2019 12:33:08 80.00 60252.58 36,736.0 60.97%
15 Jun 2019 00:00:00 80.00 0.0 0.0 None
16 Jun 2019 07:41:53 80.00 36950.47 38,495.0 104.18%
17 Jun 2019 10:52:18 80.00 52173.52 5,713.0 10.95%
18 Jun 2019 01:28:19 80.00 7065.047 7,212.0 102.08%
19 Jun 2019 11:47:39 80.00 56614.21 59,360.0 104.85%
20 Jun 2019 11:10:54 80.00 53673.27 55,525.0 103.45%
21 Jun 2019 12:45:39 80.00 61252.86 64,340.0 105.04%
22 Jun 2019 01:44:13 80.00 8337.418 8,505.0 102.01%
23 Jun 2019 00:00:00 80.00 0.0 0.0 None
24 Jun 2019 02:44:33 80.00 13164.28 13,887.0 105.49%
25 Jun 2019 04:25:08 80.00 21210.71 22,810.0 107.54%
26 Jun 2019 07:44:06 80.00 37129.52 36,580.0 98.52%
27 Jun 2019 10:11:41 80.00 48934.02 28,553.0 58.35%
28 Jun 2019 00:00:00 80.00 0.0 0.0 None
29 Jun 2019 00:00:00 80.00 0.0 0.0 None
30 Jun 2019 00:00:00 80.00 0.0 0.0 None
01 Jul 2019 00:00:00 80.00 0.0 0.0 None
02 Jul 2019 00:00:00 80.00 0.0 0.0 None
03 Jul 2019 00:00:00 80.00 0.0 0.0 None
04 Jul 2019 00:00:00 80.00 0.0 0.0 None
05 Jul 2019 00:00:00 80.00 0.0 0.0 None
06 Jul 2019 00:00:00 80.00 0.0 0.0 None
07 Jul 2019 00:00:00 80.00 0.0 0.0 None
08 Jul 2019 00:00:00 80.00 0.0 0.0 None
09 Jul 2019 04:40:19 80.00 22426.22 19,605.0 87.42%
10 Jul 2019 09:50:19 80.00 47224.02 51,035.0 108.07%
11 Jul 2019 12:13:46 80.00 58700.4 62,874.0 107.11%
12 Jul 2019 10:38:56 80.00 51115.04 50,563.0 98.92%
13 Jul 2019 07:44:14 80.00 37137.59 39,273.0 105.75%
14 Jul 2019 00:00:00 80.00 0.0 0.0 None
15 Jul 2019 10:21:31 80.00 49722.17 52,437.0 105.46%
16 Jul 2019 11:52:40 80.00 57011.63 62,747.0 110.06%
17 Jul 2019 07:03:58 80.00 33916.82 36,291.0 107.00%
18 Jul 2019 12:17:12 80.00 58977.07 62,498.0 105.97%

102
 19 Jul 2019 12:52:41 80.00 61813.51 67,352.0 108.96%
20 Jul 2019 11:10:21 80.00 53630.2 60,157.0 112.17%
21 Jul 2019 00:00:00 80.00 0.0 0.0 None
22 Jul 2019 00:00:00 80.00 0.0 0.0 None
23 Jul 2019 04:00:30 80.00 19240.65 20,676.0 107.46%
24 Jul 2019 14:30:46 80.00 69663.72 31,488.0 45.20%
25 Jul 2019 12:38:19 80.00 60667.05 63,664.0 104.94%
26 Jul 2019 12:00:50 80.00 57668.27 61,088.0 105.93%
27 Jul 2019 02:13:16 80.00 10661.58 11,039.0 103.54%
28 Jul 2019 00:00:00 80.00 0.0 0.0 None
29 Jul 2019 00:00:00 80.00 0.0 0.0 None
30 Jul 2019 00:00:00 80.00 0.0 0.0 None
31 Jul 2019 00:00:00 80.00 0.0 0.0 None
01 Aug 2019 00:00:00 80.00 0.0 0.0 None
02 Aug 2019 00:00:00 80.00 0.0 0.0 None
1,814 H 80.00 8,711,319.0 8,909,066.0 102.27%

Lampiran 3 Perhitungan Rate of Quality Mesin Pengisi Cozzoli RFPC

periode Agustus 2018 sampai dengan Agustus 2019.

OEE Detail ([ Steril Line 01 Filler]

Steril Line 01 Filler KPI)
8/1/2018 - 8/30/2019
Date Good Bad Total Quality
01 Aug 2018 0.0 0.0 0.0 None
02 Aug 2018 0.0 0.0 0.0 None
03 Aug 2018 0.0 0.0 0.0 None
04 Aug 2018 0.0 0.0 0.0 None
05 Aug 2018 0.0 0.0 0.0 None
06 Aug 2018 0.0 0.0 0.0 None
07 Aug 2018 0.0 0.0 0.0 None
08 Aug 2018 0.0 0.0 0.0 None
09 Aug 2018 0.0 0.0 0.0 None
10 Aug 2018 0.0 0.0 0.0 None
11 Aug 2018 0.0 0.0 0.0 None
12 Aug 2018 0.0 0.0 0.0 None
13 Aug 2018 0.0 0.0 0.0 None
14 Aug 2018 0.0 0.0 0.0 None
15 Aug 2018 0.0 0.0 0.0 None
16 Aug 2018 291.0 0.0 291.0 100.00%
17 Aug 2018 34.0 0.0 34.0 100.00%
18 Aug 2018 0.0 0.0 0.0 None
19 Aug 2018 0.0 0.0 0.0 None

103
20 Aug 2018 0.0 0.0 0.0 None
21 Aug 2018 0.0 0.0 0.0 None
22 Aug 2018 0.0 0.0 0.0 None
23 Aug 2018 0.0 0.0 0.0 None
24 Aug 2018 0.0 0.0 0.0 None
25 Aug 2018 0.0 0.0 0.0 None
26 Aug 2018 0.0 0.0 0.0 None
27 Aug 2018 0.0 0.0 0.0 None
28 Aug 2018 0.0 0.0 0.0 None
29 Aug 2018 1,668.0 0.0 1,668.0 100.00%
30 Aug 2018 0.0 0.0 0.0 None
31 Aug 2018 0.0 0.0 0.0 None
01 Sep 2018 0.0 0.0 0.0 None
02 Sep 2018 0.0 0.0 0.0 None
03 Sep 2018 0.0 0.0 0.0 None
04 Sep 2018 0.0 0.0 0.0 None
05 Sep 2018 0.0 0.0 0.0 None
06 Sep 2018 0.0 0.0 0.0 None
07 Sep 2018 14,184.0 0.0 14,184.0 100.00%
08 Sep 2018 0.0 0.0 0.0 None
09 Sep 2018 89.0 0.0 89.0 100.00%
10 Sep 2018 28,424.0 155.0 28,579.0 99.46%
11 Sep 2018 58,113.0 506.0 58,619.0 99.14%
12 Sep 2018 66,845.0 722.0 67,567.0 98.93%
13 Sep 2018 51,324.0 579.0 51,903.0 98.88%
14 Sep 2018 0.0 0.0 0.0 None
15 Sep 2018 0.0 0.0 0.0 None
16 Sep 2018 0.0 0.0 0.0 None
17 Sep 2018 24,362.0 44.0 24,406.0 99.82%
18 Sep 2018 63,599.0 1,033.0 64,632.0 98.40%
19 Sep 2018 62,465.0 671.0 63,136.0 98.94%
20 Sep 2018 35,861.0 401.0 36,262.0 98.89%
21 Sep 2018 36,485.0 144.0 36,629.0 99.61%
23 Sep 2018 0.0 0.0 0.0 None
24 Sep 2018 31,610.0 23.0 31,633.0 99.93%
25 Sep 2018 68,172.0 0.0 68,172.0 100.00%
26 Sep 2018 58,857.0 1,274.0 60,131.0 97.88%
27 Sep 2018 66,789.0 1,386.0 68,175.0 97.97%
28 Sep 2018 0.0 0.0 0.0 None
29 Sep 2018 4,594.0 0.0 4,594.0 100.00%
30 Sep 2018 19,984.0 431.0 20,415.0 97.89%
01 Oct 2018 54,534.0 398.0 54,932.0 99.28%
02 Oct 2018 64,519.0 856.0 65,375.0 98.69%
03 Oct 2018 44,074.0 0.0 44,074.0 100.00%
04 Oct 2018 61,173.0 513.0 61,686.0 99.17%
05 Oct 2018 55,709.0 2,301.0 58,010.0 96.03%

104
06 Oct 2018 48,227.0 1,318.0 49,545.0 97.34%
07 Oct 2018 11,115.0 0.0 11,115.0 100.00%
08 Oct 2018 56,575.0 379.0 56,954.0 99.33%
09 Oct 2018 70,681.0 863.0 71,544.0 98.79%
10 Oct 2018 53,440.0 393.0 53,833.0 99.27%
11 Oct 2018 64,502.0 1,127.0 65,629.0 98.28%
12 Oct 2018 71,292.0 1,061.0 72,353.0 98.53%
13 Oct 2018 55,022.0 1,132.0 56,154.0 97.98%
14 Oct 2018 3,713.0 0.0 3,713.0 100.00%
15 Oct 2018 49,364.0 403.0 49,767.0 99.19%
16 Oct 2018 76,238.0 1,101.0 77,339.0 98.58%
17 Oct 2018 14,940.0 328.0 15,268.0 97.85%
18 Oct 2018 0.0 0.0 0.0 None
19 Oct 2018 0.0 0.0 0.0 None
20 Oct 2018 7,248.0 0.0 7,248.0 100.00%
21 Oct 2018 0.0 0.0 0.0 None
22 Oct 2018 26,956.0 34.0 26,990.0 99.87%
23 Oct 2018 67,238.0 1,565.0 68,803.0 97.73%
24 Oct 2018 70,429.0 1,379.0 71,808.0 98.08%
25 Oct 2018 40,826.0 746.0 41,572.0 98.21%
26 Oct 2018 62,009.0 1,219.0 63,228.0 98.07%
27 Oct 2018 38,752.0 591.0 39,343.0 98.50%
29 Oct 2018 0.0 0.0 0.0 None
30 Oct 2018 60,290.0 505.0 60,795.0 99.17%
31 Oct 2018 73,039.0 1,069.0 74,108.0 98.56%
01 Nov 2018 38,897.0 1,264.0 40,161.0 96.85%
02 Nov 2018 63,303.0 1,565.0 64,868.0 97.59%
03 Nov 2018 69,626.0 1,741.0 71,367.0 97.56%
04 Nov 2018 22,258.0 0.0 22,258.0 100.00%
05 Nov 2018 25,785.0 123.0 25,908.0 99.53%
06 Nov 2018 32,632.0 84.0 32,716.0 99.74%
07 Nov 2018 67,941.0 1,133.0 69,074.0 98.36%
08 Nov 2018 46,532.0 447.0 46,979.0 99.05%
09 Nov 2018 35,759.0 154.0 35,913.0 99.57%
10 Nov 2018 61,080.0 665.0 61,745.0 98.92%
11 Nov 2018 19,556.0 330.0 19,886.0 98.34%
12 Nov 2018 33,332.0 512.0 33,844.0 98.49%
13 Nov 2018 33,518.0 106.0 33,624.0 99.68%
14 Nov 2018 73,236.0 1,019.0 74,255.0 98.63%
15 Nov 2018 77,208.0 497.0 77,705.0 99.36%
16 Nov 2018 41,753.0 224.0 41,977.0 99.47%
17 Nov 2018 72,541.0 910.0 73,451.0 98.76%
18 Nov 2018 22,277.0 355.0 22,632.0 98.43%
19 Nov 2018 48,926.0 448.0 49,374.0 99.09%
20 Nov 2018 41,218.0 524.0 41,742.0 98.74%
21 Nov 2018 71,688.0 745.0 72,433.0 98.97%

105
22 Nov 2018 56,370.0 1,525.0 57,895.0 97.37%
23 Nov 2018 41,620.0 1,128.0 42,748.0 97.36%
24 Nov 2018 60,544.0 829.0 61,373.0 98.65%
25 Nov 2018 20,462.0 424.0 20,886.0 97.97%
26 Nov 2018 53,595.0 391.0 53,986.0 99.28%
27 Nov 2018 57,113.0 849.0 57,962.0 98.54%
28 Nov 2018 47,249.0 291.0 47,540.0 99.39%
29 Nov 2018 68,765.0 583.0 69,348.0 99.16%
30 Nov 2018 57,397.0 914.0 58,311.0 98.43%
01 Dec 2018 20,959.0 381.0 21,340.0 98.21%
02 Dec 2018 0.0 0.0 0.0 None
03 Dec 2018 0.0 0.0 0.0 None
04 Dec 2018 0.0 0.0 0.0 None
05 Dec 2018 0.0 0.0 0.0 None
06 Dec 2018 0.0 0.0 0.0 None
07 Dec 2018 0.0 0.0 0.0 None
08 Dec 2018 0.0 0.0 0.0 None
09 Dec 2018 0.0 0.0 0.0 None
10 Dec 2018 0.0 0.0 0.0 None
11 Dec 2018 0.0 0.0 0.0 None
12 Dec 2018 54,682.0 805.0 55,487.0 98.55%
13 Dec 2018 61,635.0 596.0 62,231.0 99.04%
14 Dec 2018 28,867.0 366.0 29,233.0 98.75%
15 Dec 2018 0.0 0.0 0.0 None
16 Dec 2018 0.0 0.0 0.0 None
17 Dec 2018 9,669.0 0.0 9,669.0 100.00%
18 Dec 2018 26,522.0 0.0 26,522.0 100.00%
19 Dec 2018 5,712.0 0.0 5,712.0 100.00%
20 Dec 2018 4,998.0 0.0 4,998.0 100.00%
21 Dec 2018 5,256.0 0.0 5,256.0 100.00%
22 Dec 2018 1,443.0 0.0 1,443.0 100.00%
23 Dec 2018 0.0 0.0 0.0 None
24 Dec 2018 0.0 0.0 0.0 None
25 Dec 2018 0.0 0.0 0.0 None
26 Dec 2018 0.0 0.0 0.0 None
27 Dec 2018 0.0 0.0 0.0 None
28 Dec 2018 0.0 0.0 0.0 None
29 Dec 2018 0.0 0.0 0.0 None
30 Dec 2018 0.0 0.0 0.0 None
31 Dec 2018 0.0 0.0 0.0 None
01 Jan 2019 0.0 0.0 0.0 None
02 Jan 2019 0.0 0.0 0.0 None
03 Jan 2019 0.0 0.0 0.0 None
04 Jan 2019 0.0 0.0 0.0 None
05 Jan 2019 0.0 0.0 0.0 None
06 Jan 2019 0.0 0.0 0.0 None

106
07 Jan 2019 0.0 0.0 0.0 None
08 Jan 2019 0.0 0.0 0.0 None
09 Jan 2019 0.0 0.0 0.0 None
10 Jan 2019 0.0 0.0 0.0 None
11 Jan 2019 0.0 0.0 0.0 None
14 Jan 2019 0.0 0.0 0.0 None
15 Jan 2019 0.0 0.0 0.0 None
16 Jan 2019 0.0 0.0 0.0 None
17 Jan 2019 0.0 0.0 0.0 None
18 Jan 2019 0.0 0.0 0.0 None
19 Jan 2019 8,265.0 0.0 8,265.0 100.00%
20 Jan 2019 0.0 0.0 0.0 None
21 Jan 2019 36,221.0 174.0 36,395.0 99.52%
22 Jan 2019 51,592.0 320.0 51,912.0 99.38%
23 Jan 2019 59,060.0 447.0 59,507.0 99.25%
24 Jan 2019 49,844.0 649.0 50,493.0 98.71%
25 Jan 2019 51,258.0 210.0 51,468.0 99.59%
26 Jan 2019 40,623.0 267.0 40,890.0 99.35%
27 Jan 2019 0.0 0.0 0.0 None
28 Jan 2019 56,525.0 228.0 56,753.0 99.60%
29 Jan 2019 43,644.0 236.0 43,880.0 99.46%
30 Jan 2019 52,421.0 706.0 53,127.0 98.67%
31 Jan 2019 67,152.0 916.0 68,068.0 98.65%
01 Feb 2019 39,467.0 604.0 40,071.0 98.49%
02 Feb 2019 10,604.0 528.0 11,132.0 95.26%
03 Feb 2019 0.0 0.0 0.0 None
04 Feb 2019 14,116.0 0.0 14,116.0 100.00%
05 Feb 2019 49,580.0 871.0 50,451.0 98.27%
06 Feb 2019 47,167.0 536.0 47,703.0 98.88%
07 Feb 2019 46,691.0 389.0 47,080.0 99.17%
08 Feb 2019 49,994.0 390.0 50,384.0 99.23%
09 Feb 2019 59,516.0 416.0 59,932.0 99.31%
10 Feb 2019 0.0 0.0 0.0 None
11 Feb 2019 55,356.0 362.0 55,718.0 99.35%
12 Feb 2019 19,022.0 261.0 19,283.0 98.65%
13 Feb 2019 61,368.0 685.0 62,053.0 98.90%
14 Feb 2019 50,397.0 1,139.0 51,536.0 97.79%
15 Feb 2019 32,677.0 407.0 33,084.0 98.77%
16 Feb 2019 44,541.0 1,652.0 46,193.0 96.42%
17 Feb 2019 0.0 0.0 0.0 None
18 Feb 2019 56,030.0 454.0 56,484.0 99.20%
19 Feb 2019 59,945.0 938.0 60,883.0 98.46%
20 Feb 2019 27,280.0 403.0 27,683.0 98.54%
21 Feb 2019 45,235.0 680.0 45,915.0 98.52%
22 Feb 2019 74,262.0 1,188.0 75,450.0 98.43%
23 Feb 2019 25,885.0 1,567.0 27,452.0 94.29%

107
24 Feb 2019 0.0 0.0 0.0 None
25 Feb 2019 18,716.0 0.0 18,716.0 100.00%
26 Feb 2019 66,188.0 1,397.0 67,585.0 97.93%
27 Feb 2019 62,266.0 1,072.0 63,338.0 98.31%
28 Feb 2019 30,295.0 644.0 30,939.0 97.92%
01 Mar 2019 6,930.0 0.0 6,930.0 100.00%
02 Mar 2019 42,753.0 332.0 43,085.0 99.23%
03 Mar 2019 0.0 0.0 0.0 None
04 Mar 2019 43,892.0 455.0 44,347.0 98.97%
05 Mar 2019 61,288.0 1,609.0 62,897.0 97.44%
06 Mar 2019 40,598.0 747.0 41,345.0 98.19%
07 Mar 2019 0.0 0.0 0.0 None
08 Mar 2019 33,492.0 168.0 33,660.0 99.50%
09 Mar 2019 60,431.0 1,122.0 61,553.0 98.18%
10 Mar 2019 0.0 0.0 0.0 None
11 Mar 2019 53,623.0 344.0 53,967.0 99.36%
12 Mar 2019 37,194.0 656.0 37,850.0 98.27%
13 Mar 2019 44,580.0 342.0 44,922.0 99.24%
14 Mar 2019 61,478.0 1,373.0 62,851.0 97.82%
15 Mar 2019 31,447.0 645.0 32,092.0 97.99%
16 Mar 2019 0.0 0.0 0.0 None
17 Mar 2019 0.0 0.0 0.0 None
18 Mar 2019 34,160.0 203.0 34,363.0 99.41%
19 Mar 2019 63,416.0 939.0 64,355.0 98.54%
20 Mar 2019 62,390.0 680.0 63,070.0 98.92%
21 Mar 2019 25,725.0 818.0 26,543.0 96.92%
22 Mar 2019 0.0 0.0 0.0 None
23 Mar 2019 0.0 0.0 0.0 None
24 Mar 2019 0.0 0.0 0.0 None
25 Mar 2019 0.0 0.0 0.0 None
26 Mar 2019 40,280.0 563.0 40,843.0 98.62%
27 Mar 2019 69,149.0 1,183.0 70,332.0 98.32%
28 Mar 2019 72,171.0 1,314.0 73,485.0 98.21%
29 Mar 2019 7,625.0 284.0 7,909.0 96.41%
30 Mar 2019 0.0 0.0 0.0 None
31 Mar 2019 0.0 0.0 0.0 None
01 Apr 2019 22,779.0 0.0 22,779.0 100.00%
02 Apr 2019 68,584.0 674.0 69,258.0 99.03%
03 Apr 2019 0.0 0.0 0.0 None
04 Apr 2019 65,020.0 732.0 65,752.0 98.89%
05 Apr 2019 31,927.0 523.0 32,450.0 98.39%
06 Apr 2019 0.0 0.0 0.0 None
07 Apr 2019 0.0 0.0 0.0 None
08 Apr 2019 18,941.0 0.0 18,941.0 100.00%
09 Apr 2019 66,335.0 1,180.0 67,515.0 98.25%
10 Apr 2019 33,890.0 763.0 34,653.0 97.80%

108
11 Apr 2019 47,434.0 206.0 47,640.0 99.57%
12 Apr 2019 44,213.0 471.0 44,684.0 98.95%
13 Apr 2019 74,468.0 791.0 75,259.0 98.95%
14 Apr 2019 20,835.0 350.0 21,185.0 98.35%
15 Apr 2019 58,197.0 510.0 58,707.0 99.13%
16 Apr 2019 14,722.0 618.0 15,340.0 95.97%
17 Apr 2019 0.0 0.0 0.0 None
18 Apr 2019 0.0 0.0 0.0 None
19 Apr 2019 0.0 0.0 0.0 None
20 Apr 2019 37,038.0 0.0 37,038.0 100.00%
21 Apr 2019 0.0 0.0 0.0 None
22 Apr 2019 53,022.0 307.0 53,329.0 99.42%
23 Apr 2019 75,212.0 1,526.0 76,738.0 98.01%
24 Apr 2019 44,941.0 313.0 45,254.0 99.31%
25 Apr 2019 65,212.0 877.0 66,089.0 98.67%
26 Apr 2019 62,880.0 572.0 63,452.0 99.10%
27 Apr 2019 34,940.0 1,193.0 36,133.0 96.70%
28 Apr 2019 0.0 0.0 0.0 None
29 Apr 2019 0.0 0.0 0.0 None
30 Apr 2019 0.0 0.0 0.0 None
01 May 2019 0.0 0.0 0.0 None
02 May 2019 0.0 0.0 0.0 None
03 May 2019 0.0 0.0 0.0 None
04 May 2019 0.0 0.0 0.0 None
05 May 2019 0.0 0.0 0.0 None
06 May 2019 0.0 0.0 0.0 None
07 May 2019 0.0 0.0 0.0 None
08 May 2019 43,735.0 248.0 43,983.0 99.44%
09 May 2019 63,851.0 1,423.0 65,274.0 97.82%
10 May 2019 62,047.0 1,022.0 63,069.0 98.38%
11 May 2019 19,806.0 362.0 20,168.0 98.21%
12 May 2019 0.0 0.0 0.0 None
13 May 2019 27,130.0 52.0 27,182.0 99.81%
14 May 2019 63,320.0 1,364.0 64,684.0 97.89%
15 May 2019 66,272.0 1,359.0 67,631.0 97.99%
16 May 2019 32,437.0 766.0 33,203.0 97.69%
17 May 2019 39,040.0 235.0 39,275.0 99.40%
18 May 2019 62,506.0 1,338.0 63,844.0 97.90%
19 May 2019 0.0 0.0 0.0 None
20 May 2019 56,073.0 664.0 56,737.0 98.83%
21 May 2019 31,413.0 877.0 32,290.0 97.28%
22 May 2019 0.0 0.0 0.0 None
23 May 2019 2,629.0 0.0 2,629.0 100.00%
24 May 2019 3,849.0 0.0 3,849.0 100.00%
25 May 2019 3,652.0 0.0 3,652.0 100.00%
26 May 2019 3,878.0 0.0 3,878.0 100.00%

109
27 May 2019 3,698.0 0.0 3,698.0 100.00%
28 May 2019 1,301.0 0.0 1,301.0 100.00%
29 May 2019 0.0 0.0 0.0 None
30 May 2019 0.0 0.0 0.0 None
31 May 2019 0.0 0.0 0.0 None
01 Jun 2019 0.0 0.0 0.0 None
02 Jun 2019 0.0 0.0 0.0 None
03 Jun 2019 0.0 0.0 0.0 None
04 Jun 2019 0.0 0.0 0.0 None
05 Jun 2019 0.0 0.0 0.0 None
06 Jun 2019 0.0 0.0 0.0 None
07 Jun 2019 0.0 0.0 0.0 None
08 Jun 2019 0.0 0.0 0.0 None
09 Jun 2019 0.0 0.0 0.0 None
10 Jun 2019 0.0 0.0 0.0 None
11 Jun 2019 5,151.0 0.0 5,151.0 100.00%
12 Jun 2019 0.0 0.0 0.0 None
13 Jun 2019 8,374.0 0.0 8,374.0 100.00%
14 Jun 2019 36,235.0 501.0 36,736.0 98.64%
15 Jun 2019 0.0 0.0 0.0 None
16 Jun 2019 38,275.0 220.0 38,495.0 99.43%
17 Jun 2019 5,293.0 420.0 5,713.0 92.65%
18 Jun 2019 7,212.0 0.0 7,212.0 100.00%
19 Jun 2019 58,973.0 387.0 59,360.0 99.35%
20 Jun 2019 54,658.0 867.0 55,525.0 98.44%
21 Jun 2019 62,990.0 1,350.0 64,340.0 97.90%
22 Jun 2019 8,083.0 422.0 8,505.0 95.04%
23 Jun 2019 0.0 0.0 0.0 None
24 Jun 2019 13,887.0 0.0 13,887.0 100.00%
25 Jun 2019 22,810.0 0.0 22,810.0 100.00%
26 Jun 2019 35,419.0 1,161.0 36,580.0 96.83%
27 Jun 2019 28,075.0 478.0 28,553.0 98.33%
28 Jun 2019 0.0 0.0 0.0 None
29 Jun 2019 0.0 0.0 0.0 None
30 Jun 2019 0.0 0.0 0.0 None
01 Jul 2019 0.0 0.0 0.0 None
02 Jul 2019 0.0 0.0 0.0 None
03 Jul 2019 0.0 0.0 0.0 None
04 Jul 2019 0.0 0.0 0.0 None
05 Jul 2019 0.0 0.0 0.0 None
06 Jul 2019 0.0 0.0 0.0 None
07 Jul 2019 0.0 0.0 0.0 None
08 Jul 2019 0.0 0.0 0.0 None
09 Jul 2019 19,605.0 0.0 19,605.0 100.00%
10 Jul 2019 50,757.0 278.0 51,035.0 99.46%
11 Jul 2019 62,009.0 865.0 62,874.0 98.62%

110
 12 Jul 2019 49,704.0 859.0 50,563.0 98.30%
13 Jul 2019 38,975.0 298.0 39,273.0 99.24%
14 Jul 2019 0.0 0.0 0.0 None
15 Jul 2019 52,074.0 363.0 52,437.0 99.31%
16 Jul 2019 61,830.0 917.0 62,747.0 98.54%
17 Jul 2019 35,478.0 813.0 36,291.0 97.76%
18 Jul 2019 61,817.0 681.0 62,498.0 98.91%
19 Jul 2019 66,606.0 746.0 67,352.0 98.89%
20 Jul 2019 59,188.0 969.0 60,157.0 98.39%
21 Jul 2019 0.0 0.0 0.0 None
22 Jul 2019 0.0 0.0 0.0 None
23 Jul 2019 20,676.0 0.0 20,676.0 100.00%
24 Jul 2019 30,270.0 1,218.0 31,488.0 96.13%
25 Jul 2019 62,307.0 1,357.0 63,664.0 97.87%
26 Jul 2019 59,979.0 1,109.0 61,088.0 98.18%
27 Jul 2019 10,600.0 439.0 11,039.0 96.02%
28 Jul 2019 0.0 0.0 0.0 None
29 Jul 2019 0.0 0.0 0.0 None
30 Jul 2019 0.0 0.0 0.0 None
31 Jul 2019 0.0 0.0 0.0 None
01 Aug 2019 0.0 0.0 0.0 None
02 Aug 2019 0.0 0.0 0.0 None
8,787,941.0 121,125.0 8,909,066.0 98.64%

Lampiran 4 Perhitungan OEE Mesin Pengisi Cozzoli RFPC

periode Agustus 2018 sampai dengan Agustus 2019.

OEE Detail ([ Steril Line 01

Filler ] Steril Line 01 Filler
KPI) 8/1/2018 - 8/30/2019
Date Availability Performance Quality OEE
01 Aug 2018 None None None None
02 Aug 2018 None None None None
03 Aug 2018 None None None None
04 Aug 2018 None None None None
05 Aug 2018 None None None None
06 Aug 2018 None None None None
07 Aug 2018 None None None None
08 Aug 2018 None None None None
09 Aug 2018 None None None None
10 Aug 2018 None None None None
11 Aug 2018 None None None None
12 Aug 2018 None None None None

111
13 Aug 2018 None None None None
14 Aug 2018 None None None None
15 Aug 2018 None None None None
16 Aug 2018 27.96% 53.36% 100.00% 14.95%
17 Aug 2018 10.63% 18.75% 100.00% 1.99%
18 Aug 2018 None None None None
19 Aug 2018 None None None None
20 Aug 2018 None None None None
21 Aug 2018 None None None None
22 Aug 2018 None None None None
23 Aug 2018 None None None None
24 Aug 2018 None None None None
25 Aug 2018 None None None None
26 Aug 2018 None None None None
27 Aug 2018 None None None None
28 Aug 2018 None None None None
29 Aug 2018 4.32% 140.25% 100.00% 6.03%
30 Aug 2018 None None None None
31 Aug 2018 None None None None
01 Sep 2018 None None None None
02 Sep 2018 None None None None
03 Sep 2018 None None None None
04 Sep 2018 None None None None
05 Sep 2018 None None None None
06 Sep 2018 None None None None
07 Sep 2018 18.78% 315.57% 100.00% 59.33%
08 Sep 2018 None None None None
09 Sep 2018 38.48% 6.11% 100.00% 2.35%
10 Sep 2018 54.54% 99.20% 99.46% 53.79%
11 Sep 2018 66.68% 84.61% 99.14% 55.92%
12 Sep 2018 60.73% 109.77% 98.93% 65.92%
13 Sep 2018 39.00% 133.47% 98.88% 51.49%
14 Sep 2018 None None None None
15 Sep 2018 None None None None
16 Sep 2018 None None None None
17 Sep 2018 47.26% 94.21% 99.82% 44.47%
18 Sep 2018 62.02% 104.65% 98.40% 63.88%
19 Sep 2018 60.74% 104.80% 98.94% 62.91%
20 Sep 2018 58.87% 108.76% 98.89% 63.38%
21 Sep 2018 52.86% 108.70% 99.61% 57.27%
23 Sep 2018 None None None None
24 Sep 2018 39.93% 103.57% 99.93% 41.30%
25 Sep 2018 73.41% 104.67% 100.00% 76.85%
26 Sep 2018 58.85% 103.49% 97.88% 59.68%
27 Sep 2018 64.89% 121.05% 97.97% 76.96%
28 Sep 2018 None None None None

112
29 Sep 2018 61.85% 102.39% 100.00% 63.28%
30 Sep 2018 40.27% 109.77% 97.89% 43.32%
01 Oct 2018 64.01% 107.70% 99.28% 68.45%
02 Oct 2018 70.04% 101.04% 98.69% 69.78%
03 Oct 2018 44.94% 107.59% 100.00% 48.31%
04 Oct 2018 63.49% 102.84% 99.17% 64.76%
05 Oct 2018 60.78% 108.94% 96.03% 63.56%
06 Oct 2018 49.44% 105.36% 97.34% 50.66%
07 Oct 2018 31.23% 105.56% 100.00% 32.95%
08 Oct 2018 66.54% 104.31% 99.33% 68.87%
09 Oct 2018 67.62% 106.62% 98.79% 71.20%
10 Oct 2018 47.52% 109.87% 99.27% 51.84%
11 Oct 2018 71.21% 110.11% 98.28% 77.06%
12 Oct 2018 65.93% 111.07% 98.53% 72.12%
13 Oct 2018 68.74% 103.97% 97.98% 70.02%
14 Oct 2018 12.60% 106.45% 100.00% 13.42%
15 Oct 2018 68.58% 108.08% 99.19% 73.56%
16 Oct 2018 72.28% 109.35% 98.58% 77.92%
17 Oct 2018 67.41% 98.71% 97.85% 65.13%
18 Oct 2018 None None None None
19 Oct 2018 None None None None
20 Oct 2018 41.29% 119.13% 100.00% 49.19%
21 Oct 2018 None None None None
22 Oct 2018 44.01% 108.06% 99.87% 47.52%
23 Oct 2018 55.79% 114.86% 97.73% 62.64%
24 Oct 2018 66.99% 110.09% 98.08% 72.37%
25 Oct 2018 55.72% 102.81% 98.21% 56.23%
26 Oct 2018 64.53% 98.94% 98.07% 62.58%
27 Oct 2018 57.73% 99.93% 98.50% 56.78%
29 Oct 2018 None None None None
30 Oct 2018 61.27% 111.34% 99.17% 67.68%
31 Oct 2018 62.54% 111.48% 98.56% 68.71%
01 Nov 2018 31.01% 120.69% 96.85% 36.26%
02 Nov 2018 57.64% 110.15% 97.59% 61.90%
03 Nov 2018 68.02% 105.87% 97.56% 70.28%
04 Nov 2018 61.71% 110.22% 100.00% 67.99%
05 Nov 2018 51.20% 107.65% 99.53% 54.87%
06 Nov 2018 65.69% 106.21% 99.74% 69.56%
07 Nov 2018 75.72% 101.34% 98.36% 75.46%
08 Nov 2018 64.45% 107.68% 99.05% 68.77%
09 Nov 2018 30.44% 109.98% 99.57% 33.31%
10 Nov 2018 56.24% 105.05% 98.92% 58.42%
11 Nov 2018 35.58% 107.56% 98.34% 37.65%
12 Nov 2018 32.93% 121.07% 98.49% 39.24%
13 Nov 2018 57.02% 107.76% 99.68% 61.26%
14 Nov 2018 71.52% 103.25% 98.63% 72.83%

113
15 Nov 2018 64.88% 121.52% 99.36% 78.38%
16 Nov 2018 35.12% 110.17% 99.47% 38.49%
17 Nov 2018 63.33% 108.01% 98.76% 67.54%
18 Nov 2018 40.80% 107.98% 98.43% 43.36%
19 Nov 2018 53.44% 109.96% 99.09% 58.21%
20 Nov 2018 38.77% 108.94% 98.74% 41.70%
21 Nov 2018 66.67% 107.80% 98.97% 71.18%
22 Nov 2018 52.38% 109.24% 97.37% 55.73%
23 Nov 2018 38.22% 105.39% 97.36% 39.22%
24 Nov 2018 57.86% 108.64% 98.65% 62.00%
25 Nov 2018 37.51% 107.45% 97.97% 39.47%
26 Nov 2018 64.70% 104.42% 99.28% 67.07%
27 Nov 2018 54.81% 106.72% 98.54% 57.59%
28 Nov 2018 44.51% 105.92% 99.39% 46.84%
29 Nov 2018 66.70% 105.52% 99.16% 69.81%
30 Nov 2018 56.70% 113.52% 98.43% 63.32%
01 Dec 2018 34.75% 107.73% 98.21% 36.80%
02 Dec 2018 None None None None
03 Dec 2018 None None None None
04 Dec 2018 None None None None
05 Dec 2018 None None None None
06 Dec 2018 None None None None
07 Dec 2018 None None None None
08 Dec 2018 None None None None
09 Dec 2018 0.00% None None None
10 Dec 2018 None None None None
11 Dec 2018 None None None None
12 Dec 2018 46.54% 119.60% 98.55% 54.78%
13 Dec 2018 52.51% 112.15% 99.04% 58.32%
14 Dec 2018 38.17% 106.34% 98.75% 40.08%
15 Dec 2018 None None None None
16 Dec 2018 None None None None
17 Dec 2018 13.83% 364.04% 100.00% 50.23%
18 Dec 2018 21.01% 757.48% 100.00% 159.08%
19 Dec 2018 8.95% 166.24% 100.00% 14.96%
20 Dec 2018 27.44% 155.35% 100.00% 42.55%
21 Dec 2018 19.81% 177.73% 100.00% 35.18%
22 Dec 2018 26.51% 121.60% 100.00% 32.22%
23 Dec 2018 None None None None
24 Dec 2018 None None None None
25 Dec 2018 None None None None
26 Dec 2018 None None None None
27 Dec 2018 None None None None
28 Dec 2018 None None None None
29 Dec 2018 None None None None
30 Dec 2018 None None None None

114
31 Dec 2018 None None None None
01 Jan 2019 None None None None
02 Jan 2019 None None None None
03 Jan 2019 None None None None
04 Jan 2019 None None None None
05 Jan 2019 None None None None
06 Jan 2019 None None None None
07 Jan 2019 None None None None
08 Jan 2019 None None None None
09 Jan 2019 None None None None
10 Jan 2019 None None None None
11 Jan 2019 0.00% None None None
14 Jan 2019 None None None None
15 Jan 2019 None None None None
16 Jan 2019 None None None None
17 Jan 2019 None None None None
18 Jan 2019 None None None None
19 Jan 2019 12.79% 192.27% 100.00% 24.61%
20 Jan 2019 None None None None
21 Jan 2019 33.89% 105.91% 99.52% 35.72%
22 Jan 2019 63.91% 85.69% 99.38% 54.43%
23 Jan 2019 54.60% 106.43% 99.25% 57.63%
24 Jan 2019 49.00% 103.29% 98.71% 49.96%
25 Jan 2019 52.29% 99.12% 99.59% 51.62%
26 Jan 2019 57.90% 103.93% 99.35% 59.74%
27 Jan 2019 None None None None
28 Jan 2019 65.79% 101.20% 99.60% 66.32%
29 Jan 2019 42.69% 105.13% 99.46% 44.65%
30 Jan 2019 56.44% 101.78% 98.67% 56.67%
31 Jan 2019 61.96% 105.03% 98.65% 64.25%
01 Feb 2019 41.89% 92.04% 98.49% 37.97%
02 Feb 2019 12.98% 106.76% 95.26% 13.23%
03 Feb 2019 None None None None
04 Feb 2019 51.50% 53.76% 100.00% 27.71%
05 Feb 2019 63.13% 81.18% 98.27% 50.37%
06 Feb 2019 72.06% 62.86% 98.88% 44.85%
07 Feb 2019 41.17% 101.06% 99.17% 41.32%
08 Feb 2019 69.97% 73.12% 99.23% 50.76%
09 Feb 2019 55.80% 105.07% 99.31% 58.24%
10 Feb 2019 None None None None
11 Feb 2019 66.84% 104.74% 99.35% 69.52%
12 Feb 2019 32.36% 102.22% 98.65% 32.65%
13 Feb 2019 60.27% 100.65% 98.90% 60.05%
14 Feb 2019 61.94% 86.93% 97.79% 52.61%
15 Feb 2019 30.65% 99.74% 98.77% 30.24%
16 Feb 2019 61.20% 73.13% 96.42% 43.13%

115
17 Feb 2019 None None None None
18 Feb 2019 54.37% 104.26% 99.20% 56.29%
19 Feb 2019 63.13% 101.12% 98.46% 62.84%
20 Feb 2019 25.36% 102.52% 98.54% 25.64%
21 Feb 2019 70.60% 65.22% 98.52% 45.34%
22 Feb 2019 57.81% 127.45% 98.43% 72.46%
23 Feb 2019 92.89% 27.62% 94.29% 24.18%
24 Feb 2019 None None None None
25 Feb 2019 35.67% 107.42% 100.00% 38.34%
26 Feb 2019 67.70% 104.63% 97.93% 69.33%
27 Feb 2019 64.79% 106.85% 98.31% 68.03%
28 Feb 2019 26.70% 104.15% 97.92% 27.21%
01 Mar 2019 8.99% 100.73% 100.00% 9.06%
02 Mar 2019 67.87% 100.81% 99.23% 67.90%
03 Mar 2019 None None None None
04 Mar 2019 56.56% 103.52% 98.97% 58.00%
05 Mar 2019 65.47% 104.40% 97.44% 66.60%
06 Mar 2019 34.91% 114.66% 98.19% 39.31%
07 Mar 2019 None None None None
08 Mar 2019 31.82% 99.92% 99.50% 31.61%
09 Mar 2019 65.62% 100.50% 98.18% 64.74%
10 Mar 2019 None None None None
11 Mar 2019 48.34% 102.08% 99.36% 49.02%
12 Mar 2019 39.35% 106.17% 98.27% 41.13%
13 Mar 2019 57.26% 106.31% 99.24% 60.42%
14 Mar 2019 67.08% 100.33% 97.82% 65.82%
15 Mar 2019 49.62% 95.04% 97.99% 46.18%
16 Mar 2019 None None None None
17 Mar 2019 None None None None
18 Mar 2019 35.25% 96.08% 99.41% 33.62%
19 Mar 2019 67.45% 101.43% 98.54% 67.32%
20 Mar 2019 60.03% 104.07% 98.92% 61.77%
21 Mar 2019 45.20% 114.32% 96.92% 50.06%
22 Mar 2019 None None None None
23 Mar 2019 None None None None
24 Mar 2019 None None None None
25 Mar 2019 0.00% None None None
26 Mar 2019 39.01% 101.50% 98.62% 39.03%
27 Mar 2019 64.84% 104.88% 98.32% 66.82%
28 Mar 2019 75.64% 105.24% 98.21% 78.10%
29 Mar 2019 13.85% 108.14% 96.41% 14.48%
30 Mar 2019 None None None None
31 Mar 2019 None None None None
01 Apr 2019 39.91% 103.71% 100.00% 41.38%
02 Apr 2019 69.39% 105.23% 99.03% 72.28%
03 Apr 2019 None None None None

116
04 Apr 2019 63.46% 106.30% 98.89% 66.76%
05 Apr 2019 54.88% 104.92% 98.39% 56.67%
06 Apr 2019 None None None None
07 Apr 2019 None None None None
08 Apr 2019 32.78% 106.43% 100.00% 34.90%
09 Apr 2019 67.31% 104.32% 98.25% 69.00%
10 Apr 2019 28.59% 106.41% 97.80% 29.76%
11 Apr 2019 39.32% 108.77% 99.57% 42.59%
12 Apr 2019 40.15% 105.01% 98.95% 41.75%
13 Apr 2019 69.95% 105.46% 98.95% 73.04%
14 Apr 2019 38.72% 105.62% 98.35% 40.17%
15 Apr 2019 52.41% 107.35% 99.13% 55.77%
16 Apr 2019 28.60% 104.87% 95.97% 28.80%
17 Apr 2019 None None None None
18 Apr 2019 None None None None
19 Apr 2019 None None None None
20 Apr 2019 59.53% 105.69% 100.00% 62.89%
21 Apr 2019 None None None None
22 Apr 2019 48.37% 106.28% 99.42% 51.14%
23 Apr 2019 70.69% 107.22% 98.01% 74.27%
24 Apr 2019 46.66% 101.51% 99.31% 47.07%
25 Apr 2019 71.09% 99.49% 98.67% 69.82%
26 Apr 2019 67.46% 100.16% 99.10% 67.03%
27 Apr 2019 48.47% 105.94% 96.70% 49.67%
28 Apr 2019 None None None None
29 Apr 2019 None None None None
30 Apr 2019 None None None None
01 May 2019 None None None None
02 May 2019 None None None None
03 May 2019 None None None None
04 May 2019 None None None None
05 May 2019 None None None None
06 May 2019 None None None None
07 May 2019 None None None None
08 May 2019 64.20% 105.84% 99.44% 67.52%
09 May 2019 63.07% 108.48% 97.82% 66.96%
10 May 2019 62.29% 107.49% 98.38% 65.90%
11 May 2019 43.65% 106.88% 98.21% 45.87%
12 May 2019 None None None None
13 May 2019 52.86% 107.07% 99.81% 56.54%
14 May 2019 62.20% 107.28% 97.89% 65.34%
15 May 2019 66.95% 107.45% 97.99% 70.48%
16 May 2019 41.48% 107.61% 97.69% 43.63%
17 May 2019 35.67% 106.49% 99.40% 37.79%
18 May 2019 58.41% 108.39% 97.90% 61.98%
19 May 2019 None None None None

117
20 May 2019 52.04% 110.08% 98.83% 56.56%
21 May 2019 62.96% 105.17% 97.28% 64.49%
22 May 2019 None None None None
23 May 2019 6.99% 109.12% 100.00% 7.64%
24 May 2019 11.42% 107.04% 100.00% 12.20%
25 May 2019 8.66% 110.53% 100.00% 9.61%
26 May 2019 23.98% 110.42% 100.00% 26.50%
27 May 2019 11.36% 106.63% 100.00% 12.15%
28 May 2019 2.00% 113.06% 100.00% 2.26%
29 May 2019 None None None None
30 May 2019 None None None None
31 May 2019 None None None None
01 Jun 2019 None None None None
02 Jun 2019 None None None None
03 Jun 2019 None None None None
04 Jun 2019 None None None None
05 Jun 2019 None None None None
06 Jun 2019 None None None None
07 Jun 2019 None None None None
08 Jun 2019 None None None None
09 Jun 2019 None None None None
10 Jun 2019 None None None None
11 Jun 2019 13.29% 116.40% 100.00% 15.48%
12 Jun 2019 None None None None
13 Jun 2019 48.35% 113.76% 100.00% 54.97%
14 Jun 2019 63.87% 60.97% 98.64% 38.43%
15 Jun 2019 None None None None
16 Jun 2019 65.97% 104.18% 99.43% 68.36%
17 Jun 2019 90.60% 10.95% 92.65% 9.14%
18 Jun 2019 24.59% 102.08% 100.00% 25.12%
19 Jun 2019 58.16% 104.85% 99.35% 60.62%
20 Jun 2019 55.91% 103.45% 98.44% 56.93%
21 Jun 2019 64.80% 105.04% 97.90% 66.61%
22 Jun 2019 10.25% 102.01% 95.04% 9.98%
23 Jun 2019 None None None None
24 Jun 2019 14.61% 105.49% 100.00% 15.40%
25 Jun 2019 18.75% 107.54% 100.00% 20.21%
26 Jun 2019 51.35% 98.52% 96.83% 49.01%
27 Jun 2019 78.95% 58.35% 98.33% 45.22%
28 Jun 2019 None None None None
29 Jun 2019 None None None None
30 Jun 2019 None None None None
01 Jul 2019 None None None None
02 Jul 2019 None None None None
03 Jul 2019 0.00% None None None
04 Jul 2019 0.00% None None None

118
 05 Jul 2019 0.00% None None None
06 Jul 2019 0.00% None None None
07 Jul 2019 0.00% None None None
08 Jul 2019 0.00% None None None
09 Jul 2019 40.56% 87.42% 100.00% 35.48%
10 Jul 2019 47.43% 108.07% 99.46% 50.98%
11 Jul 2019 59.39% 107.11% 98.62% 62.73%
12 Jul 2019 54.62% 98.92% 98.30% 53.08%
13 Jul 2019 65.82% 105.75% 99.24% 68.99%
14 Jul 2019 None None None None
15 Jul 2019 51.93% 105.46% 99.31% 54.37%
16 Jul 2019 58.02% 110.06% 98.54% 62.90%
17 Jul 2019 51.88% 107.00% 97.76% 54.31%
18 Jul 2019 63.13% 105.97% 98.91% 66.15%
19 Jul 2019 61.59% 108.96% 98.89% 66.41%
20 Jul 2019 51.06% 112.17% 98.39% 56.42%
21 Jul 2019 None None None None
22 Jul 2019 None None None None
23 Jul 2019 39.89% 107.46% 100.00% 42.89%
24 Jul 2019 71.10% 45.20% 96.13% 30.88%
25 Jul 2019 63.05% 104.94% 97.87% 64.80%
26 Jul 2019 56.95% 105.93% 98.18% 59.17%
27 Jul 2019 13.88% 103.54% 96.02% 13.81%
28 Jul 2019 None None None None
29 Jul 2019 0.00% None None None
30 Jul 2019 0.00% None None None
31 Jul 2019 0.00% None None None
01 Aug 2019 0.00% None None None
02 Aug 2019 0.00% None None None
49.19% 102.27% 98.64% 49.63%

119