Subscribe to DeepL Pro to translate larger documents.

Visit www.DeepL.com/pro for more information.

cH kina 9: Pemeliharaan 197

196 BAGIAN 1: Model Keandalan Dasar
LX, \81I- L E 9.c. Sebuah motor memiliki distribusi waktu kegagalan (pertama) yang berbentuk Weibull
Lanjutan: Pr(N(12) = 3} = 0.04179 dengan 8 = 2400 jam dan Q = l.S. Tentukan keandalannya pada 500 jam jika motor tersebut
Pr{N(1 2) - 4} = 0.00003 mengalami kegagalan pada 200 jam dan dikembalikan ke kondisi seperti baru. Berapa banyak
kegagalan yang diperkirakan terjadi dalam 10.000 jam pertama penggunaan?
Pr{N(12) 5) 0
Solusi. Sebagai proses pembaruan, waktu ke kerusakan berikutnya juga akan memiliki
Kegagalan yang terjadi pada mCñil iiuml'cr ol" adalah sekitar I.9G. distribusi Weibull. Kami menemukan probabilitas bahwa motor akan beroperasi selama 300 jam
tambahan
Proses Holllogencous Poisson
11 distribusi waktu antar kegagalan adalah ex ponenti eI dengan p'irameter â, fi(300) = e "' "20 - 0.9766
distribusi T ¿ adalah gamma (Erlang) dengan par'imeter k 'ind 3, seperti yang dibahas
pada Bagian 3.5. Fungsi distribusi kumulatif diberikan oleh Persamaan (3.22) dengan Karena MTTF = 24001"( 1 + 1/1.8) = 2135 jam, jumlah kegagalan yang diharapkan, ni(t),
i'epl dicing I "t. Untuk distribusi probabilitas l'atau jumlah kegagalan berdasarkan adalah iipproxiinatcd sebesar 10.000/2135 = 4,68.
Tk
waktu
/, kita menggunakan Contoh (3.22) dan (9.9), menghasilkan - Proses pembaruan yang ditumpangkan
Gabungan dari semua kejadian (kegagalan) dari k proses rene wa1 independen disebut
-sebuah sit e r i i t i ('o.sell r'-ii'- i i''il ;'t-ocess. Proses pembaruan yang ditumpangkan akan
Pr(N(I)= y) = e " Z (9.10)
1'! menjadi proses Poisson hon4o*enet us dengan parameter yang sama dengan â, hanya
jika setiap proses pembaruan k adalah proses Poisson homogen dengan parameter â,.
Persamaan (9.10) adalah distribusi probabilitas Poisson yang memiliki mean sebesar I, dan Namun, proses pembaruan yang ditumpangkan akan menjadi perkiraan proses Poisson
proses pembaharuan ini disebut sebagai proses Poisson homogen. Proses Poisson homogen homogen jika proses tersebut merupakan gabungan dari sejumlah proses pembaruan independen
dapat dipandang sebagai proses titik di mana waktu antara kejadian yang berurutan yang tak terbatas dalam keseimbangan (steady state). Kasus terakhir ini telah dibahas
adalah variabel acak yang berdistribusi eksponensial dan berdistribusi identik. pada Bab 3. Kasus ini merupakan contoh sistem yang memiliki sejumlah besar
Jumlah kegagalan yang diharapkan (pembaharuan) dalam waktu r hanyalah me'in dari komponen yang setiap komponennya akan diganti jika mengalami kegagalan. Secara
distribusi Poisson, yang diberikan oleh E[N(t)1 - Xt. Distribusi yang diberikan pada lebih formal, jika sistem 'i terdiri dari k komponen yang berbeda dengan coiriponent
Contoh 3.9 adalah distribusi dari proses Poisson homogen. i yang memiliki q, unit identik yang masing-masing merupakan proses pembaharuan i yang
independen, maka untuk t yang cukup besar, jumlah total yang diharapkan dari kegagalan di
Perbarui.if fungsi dalam inteI'val (0, r) adalah
k
Untuk setiap proses pembaharuan, iii(r) = E[N y Pr(N(i) = y) disebut (9.13)
MTB Fi
't) = dengan
'elicit ri//inc /ir'ii. Sebuah teorema penting dalam teori pembaruan adalah teorema

pembaruan elemc-nta ry i:
'Beberapa penulis akan menggunakan istilah MTTFF (waktu rata-rata untuk kegagalan pertama) sebagai pengganti MTTF
'i".'() 1
(9.11)
ketika sistem
dapat diperbaiki.
di mana adalah rata-rata panjang siklus pembaruan. Di bawah asumsi waktu
perbaikan yang dapat diabaikan, p - E(X,) = MTBF = MTTF, di mana MTTF
= pfTi], rata-rata umum dari distribusi kegagalan. Teorema ini memberikan
perkiraan asimtotik. Oleh karena itu, ketika i besar relatif terhadap waktu siklus
(yaitu, MTBF), jumlah pembaruan (kegagalan) yang diharapkan dalam interval (0,t)
adalah i/MTBF. Sebuah konsekuensi
untuk teorema pembaharuan dasar adalah

"^- f-('* T' --'"J-T MTBF

T 0 (9.12)
dan waktu antar kegagalan sistem didekati dengan MTB F, = tl f.
Meskipun setiap unit mungkin memiliki laju kegagalan yang
tidak konstan, pada akhirnya akan ada laju kegagalan konstan yang
stabil untuk sistem tersebut. Namun, seperti yang ditunjukkan oleh
Ascher dan Feingold [1984], setiap unit harus mencapai
kesetimbangan, dan oleh karena itu setiap unit harus gagal setidaknya
satu kali agar umurnya dapat diacak. Oleh karena itu, mungkin diperlukan
waktu yang sangat lama bagi sistem seperti ini untuk mencapai
kesetimbangan dan membenarkan penggunaan proses Poisson yang homogen.
Studi tentang proses pembaharuan terutama berkaitan dengan
penentuan jumlah pembaharuan (kegagalan) sebagai fungsi waktu.
Barlow dan Proschan [1967] dan Goldberg [198I] memberikan
perlakuan matematis yang rinci tentang proses pembaruan.
CONTOH 9.7. Bukan hal yang aneh jika kita menganggap distribusi jumlah
kegagalan pesawat militer sebagai proses Poisson yang homogen. Sebuah
pesawat terbang, yang terdiri dari ribuan komponen, akan mengalami banyak
kegagalan dan perbaikan sebagai akibat dari aktivitas terbangnya.
Umumnya, sejumlah kecil komponen akan berulang kali mengalami sebagian
besar kegagalan. Akibatnya, sebuah pesawat setelah mengumpulkan banyak
jam terbang dapat mencapai kondisi keseimbangan yang diperlukan untuk
mendekati proses Poisson yang homogen. Hal ini, pada gilirannya,
membenarkan praktik umum penghitungan MTBF pesawat terbang
dari
 BAB 9: Pemeliharaan 199
BAGIAN 1: Model Keandalan B 'isie

CONTOH A Mrrr s.8. Sebuah mesin manufaktur memiliki fungsi intensitas yang diberikan
oleh p(t) - p - 6,5 * 0,0002 dengan i diukur dalam jam operasi. Setelah 1 tahun beroperasi
di mana MTBF, mengacu pada (3000 jam), p(3000) = 0.0027394 dan MTBF sesaat adalah 1/p(3000) - 365 jam. Jumlah
''' MTBF, J
komponen i. tailure yang diharapkan selama tahun kedua adalah
6
9.3.2 Proses Minirn, Proses -6.+50.0002$r/ = 1.26
iii(3000, 6000) = '
Perbaikan
J 3000

Sering kali perbaikan terdiri dari mengganti atau memulihkan hanya sebagian kecil bagian atau
komponen yang menyusun sistem. Hal ini akan membuat sistem berada dalam kondisi yang
kurang lebih sama dengan kondisi (usia) sebelum terjadinya kegagalan. Oleh karena itu,
sebagai hasil dari perbaikan minimal, waktu antara kegagalan mungkin tidak lagi
terdistribusi secara independen. Sistem dapat terus memburuk dari waktu ke waktu, dan oleh
karena itu nilai X yang berurutan akan berkorelasi dan akan menampilkan tren. Cara yang
berguna dan agak alami untuk memodelkan situasi ini adalah dengan menganggapnya
sebagai proses titik stokastik. Untuk memodelkan proses titik ini, kita mendefinisikan
fungsi intensitas, p(i), sebagai laju perubahan jumlah penyakit yang diharapkan terhadap
waktu, atau
dE [N t)]
(9.14)
dt
Estimasi alami untuk p(t)
adalah
it) - N(t)
(9.15)
bi
Fungsi intensitas dapat juga disebut sebagai tungau pembaruan, intensitas kegagalan,
tungau bahaya, atau tungau terjadinya kegagalan (ROCOF). Fungsi ini tidak boleh
dikacaukan dengan fungsi laju bahaya, â(r), karena â(/) fit adalah probabilitas bersyarat
dari suatu kegagalan pada tirade fit mengingat unit telah bertahan hingga waktu r, sedangkan p(t) fi/
adalah probabilitas tak bersyarat dari suatu kegagalan pada waktu fi/. Fungsi laju bahaya
adalah laju relatif yang hanya berkaitan dengan kegagalan pertama, sedangkan fungsi
intensitas adalah laju absolut kegagalan untuk sistem yang dapat diperbaiki. Ascher dan
Feingold [1984] memberikan diskusi tambahan mengenai laju bahaya dan fungsi intensitas
serta kebingungan yang ditimbulkan oleh terminologi yang serupa. Dari fungsi
intensitas, jumlah kegagalan yang diharapkan adalah
E[N 'I)] - J 'p't') dt' (9.16)
0 tidak memiliki distribusi Weibull. Untuk fungsi intensitas yang diberikan pada Persamaan
MTBF sesaat didefinisikan oleh
1 dari waktu ke waktu, seperti yang dapat diamati pada perbaikan sistem minimal.
MTBF = p ) (9.17)
dan MTBF interval diberikan oleh
MTBF (It * z) = (9.18)
Proses Poisson yang tidak homogen
Model yang agak sederhana dari proses titik stokastik adalah proses Poisson
yang tidak homogen, di mana distribusi probabilitas dari jumlah kegagalan dalam
interval (i, z) diberikan oleh
(9.19)
!
di mana N '0) = 0. Keandalan pada waktu i sehubungan dengan kegagalan pertama setara
dengan probabilitas tidak ada kegagalan pada waktu t, atau
Tikus) = Pr(N(/) - 0} = e*'(''" (9.20)
Keandalan sehubungan dengan kegagalan berikutnya dapat ditemukan dengan mempertimbangkan
bahwa sistem dipulihkan pada waktu T,
R(i | T) = P (N(T + i) - N(T) = 0} = e "'!'' "
T
Perhatikan bahwa ni(T, T + r) adalah jumlah kegagalan yang diharapkan terjadi dari waktu T
untuk F + /. Perhatikan bahwa proses Poisson homogen adalah kasus khusus dari proses
Poisson nonhomogen dimana p(t) = A, sebuah konstanta, karena itu fn(0, I) = â/. Jika
beberapa proses Poisson nonhomogen yang independen disuperposisikan (yaitu, jika
seseorang membentuk urutan pembaharuan dari gabungan semua pembaharuan proses
Poisson nonhomogen), maka fungsi intensitas dari superposisinya adalah p(r) =
p, (f).
Bentuk umum untuk fungsi intensitas adalah
p[I) - a b t ' n, b > 0 (9.21)
yang disebut proses hukum pangkat atau proses Weibull.3 Nama yang terakhir ini merupakan
hasil dari bentuk fungsional dari Persamaan (9.21) yang identik dengan
hazardâate Weibull
fungsi. Namun, kecuali untuk waktu ke kegagalan pertama, waktu di antara kegagalan
(9.21), jika b < 1, sistem membaik dari waktu ke waktu, seperti yang terjadi selama
pengujian pertumbuhan keandalan (lihat Bagian 14.4). Jika b > I, sistem akan memburuk
Teknik estimasi untuk menentukan parameter o dan b disajikan pada Bab 14 dalam
konteks model pertumbuhan keandalan Analisis Sistem Material Angkatan Darat AS. Uji
statistik untuk tren dan uji kecocokan untuk proses hukum-power disajikan di Bab 16.
Bain dan Enge1hardt [1991] memberikan rincian tentang statistik inferensial lainnya,
termasuk

di mana <(*p *z) - E[N(tz) N(*i)]= ,''p(t) dt - jumlah kegagalan yang

Bentuk umum lainnya adalah p(t) - e*"*"' (lihat Crowder et al. [1991]).
diharapkan dalam interval(ii/,z)
 BAB 9: Pemeliharaan yang stabil
200 BAGIAN i: Model Keandalan Dasar

menjadi variabel acak yang mewakili waktu antara perbaikan, dan membiarkan Tikus)
dan /(i) masing-masing adalah keandalan sistem dan fungsi densitas kegagalan, rata-rata
Sistem yang dapat diperbaiki

waktu antara pengangkutan dapat ditemukan dari

Perbaikan ke Minimal
(9.22)
0 0

(in'lcpcndcnt dan
Ditumpangkan Tidak ada di rumah Persamaan (9.22) menunjukkan bahwa waktu rata-rata untuk perbaikan berikutnya
icIcntic:iIIy di.xti "ihutcd)
Proses pembaruan lainnya
adalah To jika tidak ada kegagalan yang terjadi pada Tg (probabilitas Qr0babilitas dari
Proses poisson
R Tq)), atau sama dengan ekspektasi parsial dari
distribusi kegagalan dari pagi hari ke Tz. Persamaan kedua pada Persamaan (9.22) diperoleh dari
Homogcnu Lainn Tn R{i) 'lt atas dasar integrasi per bagian.
Proses Rene wal Bukan proses pembaruan pengaturan | "fJ(I)'lt ()
"1' ya
Ini adalah distibusi kegagalan yang bersifat eksponensial, n
Tg 1
E{T "v) =e* " = -(I
0

Proses Poi.sson yang homogen Mesin pesawat dijadwalkan untuk perbaikan total setiap 10.000 jam
terbang (operasi) atau pada saat terjadi kerusakan yang mengharuskan pemindahan mesin dari
GAMBAR 9.2 pesawat. Tingkat kegagalan sebesar 10*" ekor per jam terbang untuk pelepasan mesin dari
Proses titik stokastik dalam memodelkan sistem yang dapat diperbaiki. pesawat.
Mode ure, waktu rata-rata antara perbaikan adalah
E(T,,) - 10"( 1 - e " ' ) - 951,6 jam terbang
estimasi dan pengujian hipotesis untuk proses hukum daya. Gambar 9.2 merangkum
berbagai kondisi yang disajikan.
Waktu siklus
E X A N I l- t.I' ".9. Sebuah bus angkutan regional berusia enam tahun mengalami Dalam diskusi pembaharuan dan proses titik, waktu perbaikan dianggap neg-ligible.
repiiir minimal pada saat f'ii1ure. Bus tersebut memiliki fungsi intensitas yang Dalam diskusi ini, waktu perbaikan secara eksplisit disertakan. Jika X, adalah vektor acak yang
diberikan oleh p(i) = 0.0464/'' dengan f meastli ed dalam satuan detik. Maka
MTBF (sesaat) = 1/[(0. 0464)(6)' ' ] = 0,5 tahun, dan m(6, 7) - },0. 0464i2 ' Jika = merepresentasikan waktu untuk kegagalan ke-i (setelah perbaikan) dan S, adalah tabel
2.3@ adalah jumlah kegagalan yang diharapkan selama satu tahun mendatang. acak yang merepresentasikan waktu perbaikan dari kegagalan ke-i, maka Y; - X, + S, adalah
Oleh karena itu, £(I | 6) = Pr{Tidak ada kegagalan yang terjadi pada tahun panjang siklus pembaruan ke-i. Waktu aktual pembaruan ke-i, T;, kemudian dapat
dapat ditemukan dari
ketujuh) = Pr(N(7) - N(6) - 0} - e*° '" = 0.095, dan Pr{Tepat satu kegagalan yang
terjadi pada tahun ketujuh} = Pr{.Y(7) - N(6) = I } = 2.35c*' '" - 0.224. Fungsi T; -- T, - + Y;
i -- 1, 2,
keandalan dapat dituliskan sebagai R 't) = exp[ - Jq' 0.04641" ' d v] = e*' 0'"677" ' . . Fi adalah variabel acak dengan fungsi distribusi kumulatif, G[t] -
Ini adalah distribusi Weibull dengan Q = 3. I 'ind 8 = 3,878 jam. Tentu saja, fi(/)
mewakili keandalan relatif terhadap
kegagalan dengan Jika Xi memiliki densitas probabilitas iunc-
saja. Untuk -
pr(y, r} dan fungsi kepadatan probabilitas g(i).
Pembaca yang menginginkan informasi tambahan mengenai proses Poisson yang
f[x], S, memiliki fungsi densitas probabilitas li(s), dan S; dan X, adalah independen,
tidak homogen dapat melihat Ascher dan Feingold (1984), Crowder et a1. (1991),
kemudian
atau Lawless (1952). Seperti yang dibahas pada referensi pertama, nilai sampel dari
waktu antara kegagalan harus diuji trennya sebelum mengasumsikan proses pembaruan. g(i) = f (x) h (t - x ) dx
Jika ada tren, proses Poisson nonhomogen akan menjadi model yang lebih tepat untuk 0
dipertimbangkan. diselesaikan secara numerik, namun, jika keduanya
untuk sebagian besar distribusi, konvolusi harus
kegagalan dan distribusi perbaikan bersifat eksponensial, Solusi
f0rm tertutup dapat berupa
9.3.3 Waktu Perbaikan dan diperoleh.
Waktu Siklus
Jenis proses pembaruan tertentu diamati jika sebuah sistem mengalami perombakan Contoh 9.1 i. Misalkan f(t) = be'" adalah fungsi densitas probabilitas dari distribusi
total baik setiap periode waktu ke-t atau saat terjadi kegagalan, mana yang lebih kegagalan dan h(t) - re" adalah fungsi densitas probabilitas dari distribusi perbaikan.
dulu terjadi. Asumsikan bahwa perbaikan mengembalikan sistem ke kondisi sebaik Kemudian dengan â I r,
kondisi baru. Kemudian biarkan T"
 202 BAGIAN 1: Model Keandalan Dasar
BAB 9: Pemeliharaan 203

dimana t; adalah jumlah total jam operasi komponen ke-i selama umur desain sistem. Jika
semua komponen memiliki tungau kegagalan yang konstan dan jumlah jam operasi yang sama, f
dapat digantikan dengan â;. Subsistem yang identik mungkin berhubungan secara serial
re
dan C(/) = 1 - atau redundan aktif. Dari Persamaan (9.23), peran keandalan yang dimainkan oleh keandalan
secara langsung dapat dilihat. Jelas, jika komponen dengan MTTR tinggi juga
A lthotiila baik waktu kegagalan maupun waktu perbaikan adalah eksportir tiul, waktu menghasilkan jumlah kegagalan yang tinggi, itu akan mempengaruhi MTTR sistem lebih
siklus tidak. banyak daripada komponen dengan MTTR tinggi dan jumlah kegagalan yang rendah.
Ketika waktu perbaikan merupakan bagian penting dari siklus, MTBF pada Dari perspektif trade-off desain, keandalan yang tinggi harus menjadi tujuan desain
untuk komponen-komponen yang memiliki waktu reparasi yang lama, dan waktu perbaikan yang
Contoh (9.11) dan (9.12) harus diganti dengan MTBF + MTTR, panjang
singkat harus menjadi tujuan desain komponen-komponen yang memiliki tingkat kegagalan
siklus yang diharapkan.
yang tinggi.
8 X A NII'I- 1? 9.1.2. Sebuah sistem terdiri dari empat modus yang identik, yang memiliki distribusi EX A bfi1'L 1£ 9.i 3. Sebuah konsi.sis ratlio dari sistem kontrol sayap sayap:
waktu ke kegagalan yang 1s WeibulI dengan Q - 1. 4 dan 0- = 2(J0 lir. Waktu perbaikan
adalah log normal dengan /""# = 2.5 jam 'ind .r = 0.87. Dengan mengasumsikan bahwa
kegagalan ini mengakibatkan penggantian tuait yang gagal dengan unit yang identik
Sebuah e9uilibn
(proses Dalamdan
pembaharuan) dicapai selama periode
mengasumsikan bahwa 5 tahun, akhir yang jumlah 'perbaikan'
diharapkan
(ekor).
Catu daya 0.00045 2.3
Jadi lii tion Penguat 0.00130 3.7
Tuner 0.00007 4.6
MTBF = 200a I + Total 0.00 182
= 182. l jam dan MTTR = 2,5e"'7" - 3,65
1,4 jam
Kemu
Oleh karena itu, jumlah kegagalan adalah f - 4 (365) (24) t5 / (i g2.i +.3.65) = dian
943.2 dan MTBF sistem adalah (365) (24) (5) / 943.2 - 46.4 jam. 0,00045 (2. 3) + 0,001 30 (3,7) + 0,00007 (4,6)
MTTR 3,358
jam
0.00152
Sistem memiliki komponen yang berlebihan
9.4
WAKTU PERBAIKAN SISTEM Ketika ada k out ot n komponen aktif yang redundan dan identik, perbaikan
dapat terjadi ketika salah satu dari n komponen gagal atau ketika ii - k +
Kita akan sering ingin menyatakan waktu perbaikan sistem sebagai fungsi dari waktu 1 komponen gagal (sistem tiiiltire). Jika sebuah f'iilure diperbaiki ketika terjadi,
waktu perbaikan komponen adalah MTTR. Namun, dalam kasus kedua, sistem dapat
perbaikan komponen. Untuk melakukan hal ini, kita akan menghitung rata-rata
dipulihkan ketika salah satu komponen diperbaiki atau ketika semua n - k + 1
(mean) waktu perbaikan sistem dari pengetahuan tentang rata-rata waktu perbaikan diperbaiki. Jika pemulihan terjadi ketika salah satu komponen yang berlebihan
subsistem atau komponen. Sebagai contoh, waktu rata-rata untuk memperbaiki pesawat diperbaiki dan hanya satu komponen yang dapat diperbaiki pada satu waktu, MTTR
terbang bergantung pada distribusi perbaikan masing-masing subsistem, seperti
adalah waktu perbaikan rata-rata sistem. Namun, jika semua kegagalan dapat
subsistem kelistrikan, hidrolik, dan lingkungan. MTTR sistem dapat dihitung sebagai diperbaiki pada saat yang sama, maka dengan asumsi laju perbaikan konstan (waktu
rata-rata tertimbang dari MTTR subsistem di mana bobotnya didasarkan pada jumlah perbaikan eksponensial), laju perbaikan sistem adalah (n - k + 1) / MTTR dan
kegagalan relatif. Biarkan MTTR; menjadi rata-rata waktu untuk memperbaiki waktu rata-rata sistem untuk perbaikan adalah MTTR / (n - k + 1). Di sisi
subsistem unik ke-i, f menjadi jumlah kegagalan yang diharapkan dari subsistem unik lain, jika semua unit harus diperbaiki sebelum sistem dipulihkan dan hanya satu
ke-i selama umur desain sistem, dan q; menjadi jumlah subsistem identik tipe i. Maka
yang dapat diperbaiki dalam satu waktu, waktu rata-rata perbaikan adalah (n - k +
waktu rata-rata sistem untuk memperbaiki adalah
l)MTTR. Jika semua unit yang rusak dapat diperbaiki secara bersamaan (masing-
masing memiliki distribusi eksponensial) dan semua harus diperbaiki, waktu
perbaikan diberikan oleh
MTTR =
p- MTTFi untuk proses pembaruan
f
Jumlah kegagalan yang diharapkan dari subsistem ke-i dapat dihitung dari 0'°p';(t) dt untuk perbaikan minimal
j
(9.23) at perbaikan pada
n awalnya adalah (n - k + 1)/ MTTR untuk perbaikan pertama, kemudian
-
(n - k) MTTR untuk perbaikan kedua, (n - k - 1)/ MTTR untuk perbaikan ketiga, dan
k
seterusnya, dan+ akhirnya 1/MTTR untuk perbaikan terakhir. Jumlah dari kebalikan dari
istilah-istilah' ini adalah solusi yang diinginkan.
1
Z MTTR
'
-
1 (9.24)

E
k
s
p
r
e
s
i

t
e
r
a
k
h
i
r

i
n
i

b
e
r
l
a
k
u

k
a
r
e
n
a

t
i
n
g
k