Diterjemahkan dari bahasa Inggris ke bahasa Indonesia - www.onlinedoctranslator.

com

Tersedia secara online diwww.sciencedirect.com

SainsLangsung
IFAC PapersOnLine 50-1 (2017) 13698–13703

Kebijakan pemeliharaan preventif hibrid yang tidak sempurna yang optimal

untuk peralatan yang disewakan

A. Ben Mabrouk*, A. Chelbi**, M. Radhoui***

* Universitas Tunis El Manar, Sekolah Teknik Nasional Tunis, CEREP, Tunis, Tunisia
(email : amel_benmabrouk@yahoo.fr )
* * Universitas Tunis, Sekolah Tinggi Teknik Nasional Tunis, CEREP, Tunis, Tunisia
(email : anis.chelbi@planet.tn )
* * * Universitas Kartago, Sekolah Teknik Nasional Kartago, CEREP, Tunis, Tunisia
(email : radhoui.mehdi@gmail.com )

Abstrak:Makalah ini menyajikan model matematis untuk kebijakan pemeliharaan preventif tidak sempurna
hibrida berurutan (PM) untuk peralatan sewaan selama periode sewa terbatas dalam konteks di mana tindakan
PM tidak sempurna dan perbaikan minimal dilakukan setelah kegagalan. Pemeliharaan dipercayakan kepada
lessor. Yang terakhir dikenakan penalti jika jumlah kegagalan melebihi ambang batas yang ditentukan selama
masa sewa. PM yang tidak sempurna dijalankan setiap kali keandalan peralatan mencapai ambang batas
tertentu. Ini secara bersamaan mengurangi usia efektif dan meningkatkan tingkat kegagalan peralatan. Model
yang diusulkan memungkinkan menemukan nomorntindakan PM yang akan dilakukan pada peralatan bersama
dengan ambang batas keandalanRthmeminimalkan total biaya yang diharapkan selama masa sewa. Dan karena
itu dapatkan durasi interval PM yang optimalTj*(j* = 1, 2, …,n) sesuai dengan ambang batas keandalan yang
optimal. Model mempertimbangkan biaya yang diharapkan dari PM, perbaikan dan penalti selama masa sewa.
Contoh numerik disajikan untuk menggambarkan penggunaan model yang diusulkan. Strategi PM yang optimal
dihitung untuk peralatan sewaan yang waktu kegagalannya mengikuti distribusi Weibull. Kami menyelidiki secara
numerik pengaruh variasi biaya tindakan PM dan faktor pengurangan usia pada kebijakan optimal.

©2017, IFAC (Federasi Internasional Kontrol Otomatis) Hosting oleh Elsevier Ltd. Semua hak dilindungi undang-undang. Kata

kunci:leasing, PM tidak sempurna, perbaikan minimal, model hybrid, keandalan, faktor peningkatan.

1. PERKENALAN peralatan diserahkan ke upgrade dan PM yang tidak sempurna selama

masa sewa. Mereka memperoleh nilai optimal dari peningkatan,
Semakin banyak, bisnis beralih ke peralatan sewa daripada memilikinya. Ini terutama berlaku untuk peralatan industri,
jumlah tindakan PM, jadwal PM, dan level PM meminimalkan total
pertambangan, medis, atau transportasi yang kompleks dan mahal. Tindakan pemeliharaan yang harus dilakukan pada peralatan
biaya yang diharapkan yang dikeluarkan oleh lessor. Mereka
yang disewa sering kali disediakan oleh lessor dan ditentukan dalam kontrak sewa terutama ketika pemeliharaan membutuhkan
berasumsi bahwa semua kegagalan diperbaiki secara minimal. Mereka
alat yang mahal dan tenaga kerja yang sangat terampil yang memiliki pengetahuan khusus. Strategi pemeliharaan yang efektif
juga mempertimbangkan dua jenis penalti: (a) penalti karena melebihi
harus ditetapkan oleh lessor untuk memastikan bahwa jumlah potensi kegagalan dan penalti terkait selama masa sewa dapat
batas waktu perbaikan dan (b) penalti karena melebihi jumlah
diminimalkan. Dalam konteks ini, beberapa penulis bekerja untuk menentukan strategi PM yang optimal untuk diadopsi dalam
kegagalan tertentu selama masa sewa. Yah dkk. (2009) mengusulkan
periode sewa tertentu. Jaturonnatee dkk. (2006) memodelkan efek tindakan PM yang tidak sempurna yang dilakukan selama masa
model pemeliharaan untuk peralatan sewaan menggunakan
sewa dengan pengurangan fungsi intensitas kegagalan peralatan. Mereka berasumsi bahwa semua kegagalan diperbaiki secara
pengurangan tingkat kegagalan tetap untuk semua tindakan PM.
minimal. Strategi PM optimal mereka (jumlah, instan, dan tingkat tindakan PM) ditentukan dengan meminimalkan total perkiraan
Mereka membuktikan bahwa strategi pemeliharaan mereka dapat
biaya yang dikeluarkan oleh lessor. Pongpech dan Murthy (2006) memodelkan kebijakan PM periodik untuk peralatan yang disewa.
setara atau lebih efektif daripada strategi Jaturonnatee et al. (2006)
Variabel keputusan (periode PM dan pengurangan fungsi intensitas setelah setiap tindakan PM) dipilih secara optimal sehingga total
dan Pongpech dan Murthy (2006). Masalah yang sama telah ditangani
biaya yang diharapkan yang dikeluarkan oleh lessor diminimalkan. Dibandingkan dengan karya Jaturonnatee et al. (2006), mereka
oleh Yeh et al. (2011) mempertimbangkan tindakan PM mendorong
membuktikan bahwa kebijakan yang mereka usulkan dapat lebih mudah diimplementasikan dalam praktik. Pongpech dkk. (2006)
pengurangan usia tetap dan perbaikan minimal pada kegagalan.
mengusulkan model PM lain untuk disewakan bekas Mereka berasumsi bahwa semua kegagalan diperbaiki secara minimal. Strategi
Mereka menentukan kebijakan PM yang optimal sehingga total biaya
PM optimal mereka (jumlah, instan, dan tingkat tindakan PM) ditentukan dengan meminimalkan total perkiraan biaya yang
yang diharapkan selama masa sewa diminimalkan. Mereka
dikeluarkan oleh lessor. Pongpech dan Murthy (2006) memodelkan kebijakan PM periodik untuk peralatan yang disewa. Variabel
menganggap penalti batas waktu perbaikan sebagai bagian dari total
keputusan (periode PM dan pengurangan fungsi intensitas setelah setiap tindakan PM) dipilih secara optimal sehingga total biaya
biaya yang dikeluarkan oleh lessor. Zhou dkk. (2014) mengusulkan
yang diharapkan yang dikeluarkan oleh lessor diminimalkan. Dibandingkan dengan karya Jaturonnatee et al. (2006), mereka
kebijakan PM multi-fase untuk peralatan sewaan berdasarkan metode
membuktikan bahwa kebijakan yang mereka usulkan dapat lebih mudah diimplementasikan dalam praktik. Pongpech dkk. (2006)
pengurangan usia. Mereka berasumsi bahwa semua kegagalan
mengusulkan model PM lain untuk disewakan bekas Mereka berasumsi bahwa semua kegagalan diperbaiki secara minimal. Strategi
diperbaiki secara minimal. Kebijakan PM yang optimal diperoleh
PM optimal mereka (jumlah, instan, dan tingkat tindakan PM) ditentukan dengan meminimalkan total perkiraan biaya yang
dengan meminimalkan biaya pemeliharaan dan penalti kumulatif
dikeluarkan oleh lessor. Pongpech dan Murthy (2006) memodelkan kebijakan PM periodik untuk peralatan yang disewa. Variabel
selama masa sewa yang dikeluarkan oleh lessor. Sebuah makalah
keputusan (periode PM dan pengurangan fungsi intensitas setelah setiap tindakan PM) dipilih secara optimal sehingga total biaya
baru-baru ini (Ben Mabrouk et al., 2016a) berkaitan dengan model
yang diharapkan yang dikeluarkan oleh lessor diminimalkan. Dibandingkan dengan karya Jaturonnatee et al. (2006), mereka
yang berusaha untuk menentukan tingkat efisiensi optimal dari
membuktikan bahwa kebijakan yang mereka usulkan dapat lebih mudah diimplementasikan dalam praktik. Pongpech dkk. (2006)
tindakan PM yang akan dilakukan pada peralatan antara periode sewa
mengusulkan model PM lain untuk disewakan bekas instan dan tingkat tindakan PM) ditentukan dengan meminimalkan total
berturut-turut yang memaksimalkan total yang diharapkan.
perkiraan biaya yang dikeluarkan oleh lessor. Pongpech dan Murthy (2006) memodelkan kebijakan PM periodik untuk peralatan yang disewa. Variabel keputusan (periode PM dan pengurangan fungsi intensitas setelah setiap tindakan PM) dipilih secara optimal sehingga total biaya yang diharap

2405-8963©2017, IFAC (Federasi Internasional Kontrol Otomatis) Hosting oleh Elsevier Ltd. Semua hak dilindungi undang-undang.
Tinjauan sejawat di bawah tanggung jawab Federasi Internasional Kontrol Otomatis.
10.1016/j.ifacol.2017.08.2542
 A.Ben Mabrouk dkk. / IFAC PapersOnLine 50-1 (2017) 13698–13703 13699

keuntungan lessor selama siklus hidup peralatan. Mereka berasumsi bahwa diperlukan untuk beroperasi dengan tingkat keandalan tertentu.
tindakan PM menghasilkan pengurangan usia. Penulis mengusulkan Publikasi lain telah melaporkan penggunaan model PM hybrid (lihat
algoritme genetika untuk memecahkan contoh kompleks dari masalah Liao et al., 2010; Hadidi dan Rahim, 2014).
yang melibatkan beberapa periode sewa dan kemungkinan tingkat efisiensi
Makalah yang disebutkan di atas mempertimbangkan model PM
PM yang berbeda. Penulis yang sama, Ben Mabrouk et al. (2016b)
hibrida selama cakrawala waktu tak terbatas memperbarui peralatan
mengembangkan kebijakan PM untuk peralatan yang disewa selama
setelah sejumlah tindakan pemeliharaan. Model-model ini tidak
periode yang terbatasL. Periode PM yang optimal telah ditentukan dengan
berlaku dalam kasus sistem dengan persyaratan waktu operasional
meminimalkan total biaya yang diharapkan selama periode sewa dalam
yang terbatas seperti peralatan yang disewa untuk periode tertentu.
konteks di mana perbaikan dan tindakan PM tidak sempurna dan memiliki
Di sisi lain, sejauh pengetahuan kami, literatur tentang kebijakan PM
durasi yang tidak dapat diabaikan. Efek dari PM yang tidak sempurna
untuk peralatan sewaan tidak mempertimbangkan model PM hybrid.
adalah mengembalikan peralatan ke keadaan 'seperti baru' dengan
Oleh karena itu, kontribusi makalah ini adalah untuk mengusulkan
probabilitaspdan untuk mempertahankannya pada status 'seburuk tua'
strategi pemeliharaan untuk peralatan sewaan yang melibatkan
dengan probabilitas 1-p. Perbaikan yang tidak sempurna dilakukan dengan
tindakan PM hybrid. Tindakan PM yang tidak sempurna tersebut
efisiensi tertentu mengikuti proses kuasi-pembaruan yang menurun.
dilakukan pada peralatan yang disewa setiap kali keandalannya
Kebijakan PM untuk peralatan yang disewa telah dibahas dalam makalah
mencapai ambang batas tertentu selama masa sewaL. Perbaikan
lain (lihat Yeh dan Chang, 2007; Chang dan Lo, 2011; Schutz dan Rezg,
minimal dilakukan setelah kegagalan. Pemeliharaan dipercayakan
2013).
kepada lessor yang perlu menentukan durasi interval PM yang optimal
Semua makalah yang dikutip di atas memiliki kesamaan fakta pemodelan efek PM tidak sempurna Tj*(j* = 1, 2, …,n) sesuai dengan ambang keandalan peralatan yang
menggunakan pendekatan tunggal (pengurangan usia, pengurangan intensitas kegagalan, (p,q) model, meminimalkan biaya total yang diharapkan. Yang terakhir termasuk
dll). Lin dkk. (2000) telah menjadi yang pertama mengusulkan model PM hibrida yang menggabungkan biaya rata-rata PM, perbaikan dan penalti yang terjadi jika jumlah
model pengurangan usia dan model peningkatan tingkat kegagalan. Jadwal PM yang optimal telah kegagalan melebihi ambang batas yang ditentukan selama masa
dikembangkan melalui dua alternatif. Yang pertama adalah mempertimbangkan interval PM sebagai sewa.
variabel keputusan, dan yang kedua adalah menentukan jumlah tindakan PM yang harus dilakukan setiap
Tata letak sisa kertas adalah sebagai berikut. Bagian 2
kali tingkat bahaya peralatan mencapai ambang batas yang diberikan. Mereka berasumsi bahwa setelah
memberikan definisi strategi yang diusulkan, asumsi kerja dan
sejumlah tindakan PM, sistem diganti dengan yang baru. Dalam karya berikutnya, Lin et al. (2001)
notasi. Bagian 3 menyajikan model hibrida dari PM tidak
mempertimbangkan dua kategori mode kegagalan, yaitu mode kegagalan yang dapat dipertahankan dan
sempurna. Dalam Bagian 4, model matematis yang
yang tidak dapat dipertahankan. Mereka menggunakan model PM hybrid asli mereka (Lin et al., 2000)
mengungkapkan total biaya yang diharapkan selama masa
untuk memodelkan efek tindakan PM pada fungsi tingkat kegagalan mode kegagalan sistem yang dapat
sewa diusulkan. Penggunaan model diilustrasikan dalam
dipertahankan. Mereka menentukan jadwal PM yang optimal meminimalkan tingkat biaya rata-rata. Zhou
Bagian 5 melalui contoh numerik. Akhirnya, kesimpulan dan
dkk. (2007) dianggap sebagai sistem yang dipantau terus menerus yang tunduk pada degradasi. Mereka
perspektif penelitian ditarik di bagian terakhir.
menggunakan model Lin et al. (2000) untuk membangun aturan rekursi tingkat bahaya hibrida untuk

memprediksi evolusi keandalan sistem dalam siklus pemeliharaan yang berbeda. PM yang tidak 2. DEFINISI STRATEGI, ASUMSI KERJA
sempurna dilakukan pada sistem setiap kali keandalannya mencapai ambang batas tertentu yang DAN NOTASI
ditentukan sedemikian rupa sehingga biaya pemeliharaan kumulatif per unit waktu diminimalkan. Model
Kami mempertimbangkan peralatan yang dapat diperbaiki dengan
PM hibrida yang sama telah digunakan dalam kasus sistem energi terdistribusi dalam karya Xia et al.
tingkat kegagalan yang meningkat yang disewa untuk masa sewaL.
(2012). Mereka berusaha untuk mengoptimalkan jadwal pemeliharaan dengan memaksimalkan
Pemeliharaan dipercayakan kepada lessor. Yang terakhir
ketersediaan sistem energi dan meminimalkan tingkat biaya pemeliharaan menggunakan teori multi-
menimbulkan penalti jika jumlah kegagalan melebihi ambang batas
atribut. Baru-baru ini, Khatab et al. (2014) mengusulkan model PM yang tidak sempurna berdasarkan
yang ditentukan. Untuk mengurangi risiko penalti, peralatan
model tingkat bahaya hibrida yang awalnya diperkenalkan oleh Lin et al. (2000). Sistem mengalami PM
dikenakan strategi PM tidak sempurna hibrida. Ini terdiri dari
setiap kali keandalannya mencapai tingkat ambang batas tertentu. Pemeliharaan korektif (CM) dilakukan
melakukan tindakan PM dengan durasi yang dapat diabaikan setiap
jika sistem gagal sebelum mencapai ambang keandalan. Sistem diganti dengan yang baru setelah
kali keandalan peralatan mencapai ambang batas keandalanRthselama
sejumlah tindakan pemeliharaan tertentu (CM atau PM). Model mereka memungkinkan menemukan
periode L(lihat Gambar 1). Tindakan PM memungkinkan pengurangan
ambang keandalan serta jumlah optimal tindakan PM yang memaksimalkan ketersediaan stasioner
usia efektif peralatan dan mengubah kemiringan fungsi tingkat
sistem. Dampak dari tindakan perawatan yang tidak sempurna juga dipelajari oleh Do et al. (2015).
kegagalan secara bersamaan. Kegagalan yang mungkin terjadi selama
Mereka berasumsi bahwa sistem Pemeliharaan korektif (CM) dilakukan jika sistem gagal sebelum
interval PM {T1,...,Tn} diperbaiki secara minimal dengan biaya tetap dan
mencapai ambang keandalan. Sistem diganti dengan yang baru setelah sejumlah tindakan pemeliharaan
dengan durasi yang dapat diabaikan. Pada akhir masa sewa, peralatan
tertentu (CM atau PM). Model mereka memungkinkan menemukan ambang keandalan serta jumlah
yang digunakan dikembalikan kepada lessor.
tindakan PM yang optimal yang memaksimalkan ketersediaan stasioner sistem. Dampak dari tindakan

perawatan yang tidak sempurna juga dipelajari oleh Do et al. (2015). Mereka berasumsi bahwa sistem
1
Pemeliharaan korektif (CM) dilakukan jika sistem gagal sebelum mencapai ambang keandalan. Sistem Rth
diganti dengan yang baru setelah sejumlah tindakan pemeliharaan (CM atau PM) tertentu. Model mereka

memungkinkan menemukan ambang keandalan serta jumlah optimal tindakan PM yang memaksimalkan
T1 T2 … Tn x
ketersediaan stasioner sistem. Dampak dari tindakan perawatan yang tidak sempurna juga dipelajari oleh Kegagalan ---- -
--------- -- ----------…- -----n L
Do et al. (2015). Mereka berasumsi bahwa sistem Dampak dari tindakan perawatan yang tidak sempurna
Gambar 1. Kebijakan pemeliharaan yang diusulkan selama periode tersebutL
juga dipelajari oleh Do et al. (2015). Mereka berasumsi bahwa sistem Dampak dari tindakan perawatan

yang tidak sempurna juga dipelajari oleh Do et al. (2015). Mereka berasumsi bahwa sistem
Masalahnya terdiri dari memperdagangkan biaya penalti dan biaya
pemeliharaan. Oleh karena itu, tujuannya adalah untuk menemukan nilai
optimal dari interval PMTj*(j* = 1, 2, …,n) yang meminimalkan total biaya
yang diharapkan. Yang terakhir termasuk biaya yang diharapkan dari PM,
perbaikan, dan penalti selama masa sewaL.- ----------------
13700 A.Ben Mabrouk dkk. / IFAC PapersOnLine 50-1 (2017) 13698–13703

Sepanjang makalah ini, notasi berikut akan digunakan: modelnya sama dengan model peningkatan tingkat kegagalan,
sedangkan model pengurangan usianya sama ketikabj=1.
λ(t) tingkat kegagalan awal peralatan yang awalnya
Perbandingan ketiga model (model hybrid, model peningkatan tingkat
diasumsikan sebagai yang baru
kegagalan dan model pengurangan usia) sebelum dan sesudah jthPM
Ʌ(t) periode sewa tingkat
disediakan oleh Gambar. 2. Seseorang dapat melihat pada gambar ini
L kegagalan kumulatif
bahwa tepat setelahjthTindakan PM, karakteristik tingkat kegagalan
n jumlah tindakan PM yang harus dilakukan selamaL
peralatan diubah.
j ordinal interval PM,j=1, 2, …,n panjangnyajthInterval
Tj PM,j=1, 2, …,n instan darijthtindakan PM,j=1, 2, …,n Model Hibrida
jthPM
τj keandalan peralatan pada saatjthAmbang keandalan
Rj(.) peralatan tindakan PM yang memicu tindakan PM Pengurangan Usia

Tingkat kegagalanλ(t)
Model
Rth
Tingkat kegagalan

meningkatkan Model
Nmaksimal jumlah maksimum kegagalan yang diperbolehkan sebelum penalti
harus dibayar
N(Tj) perkiraan jumlah perbaikan minimal selamajthPM τ0…τj-1 τj τj+1 Waktu

selang Gambar 2. Perbandingan model PM

N(L) jumlah perbaikan minimal yang diharapkan selamaL aj
faktor pengurangan usia yang sesuai denganjthtindakan 4. MODEL MATEMATIKA
PM (j=1, 2, …,n), 0sebuahj1
Menurut model rekursi hibrida yang dikembangkan oleh (Lin et al.
bj faktor peningkatan tingkat kegagalan yang sesuai denganjth
2000), fungsi tingkat kegagalanλj+1(t) peralatan setelahjthPeriode
tindakan PM (j=1, 2, …,n), 1bj
PM didefinisikan sebagai:
x interval waktu antara tindakan PM terakhir dan akhir
masa sewaL λj+1(t)= bjλj(sebuahjTj+t) untukt(0, Tj+1), j=1, 2, ...,n (1)
α parameter skala dari distribusi seumur hidup Weibull
β parameter bentuk dari biaya distribusi seumur hidup Kami mendefinisikan faktor peningkatansebuahjdanbjdengan cara yang sama

cr Weibull dari perbaikan minimal setelah kegagalan seperti di Zhou et al. 2007, yaitu:

cf biaya penalti untuk setiap kegagalan di luar ambang sebuahj=j (j=1, 2, . . .,n) (2)
3j+7
kontrak yang diberikan
bj=12j+1
cp biaya tindakan PM (j=1, 2, . . .,n) (3)
11j+1

3. MODEL HIBRIDA SEKUENSIAL Faktor-faktor peningkatan ini dapat ditentukan dengan menggunakan
PM TIDAK SEMPURNA penilaian ahli (Malik, 1979) atau data pemeliharaan sejarah (Lie dan
Chun, 1986).
Model PM tidak sempurna hybrid didasarkan pada dua jenis faktor
peningkatan yaitu faktor pengurangan usia dan faktor peningkatan Oleh karena itu, fungsi tingkat kegagalanλj(t) peralatan untuk jth
tingkat kegagalan, yaitu, model tersebut adalah hibrida dalam arti Periode PM dapat ditulis sebagai:
menggabungkan model pengurangan usia yang terkenal dan model
λj(t)=Bjλ(SEBUAHj+t) untukt(0, Tj),j=1, 2, . . .,n (4)
peningkatan tingkat kegagalan. .
Di mana
Model pengurangan usia:konsep faktor pengurangan usia
telah diperkenalkan oleh (Malik, 1979). Usia tepat setelah jth SEBUAHj=∑j-1
saya =1sebuahsayaTsaya
Seperti yangSEBUAH1= 0 (5)
tindakan PM yang tidak sempurna berkurang menjadisebuahjt dan
saat ituttepat sebelum PM (j=1, 2, …,n), di manasebuahjadalah -1
Bj=∏j Seperti yangB1= 1 (6)
faktor pengurangan usia karenajthPM (0sebuahj1). Artinya, saya =1bsaya

peralatan menjadi lebih muda setiap kali mengalami PM. 4.1. Penentuan panjang jthInterval PM: Tj
Model peningkatan tingkat kegagalan:model berdasarkan faktor Tindakan PM dilakukan setiap kali keandalan peralatan
peningkatan tingkat kegagalan telah diusulkan oleh (Nakagawa, mencapai tingkat yang telah ditentukanRth. Oleh karena itu,
1988) untuk model PM yang tidak sempurna. Segera setelahjthPM, kami memiliki Rth=Rj(Tj). Berdasarkan strategi ini, keandalan
tingkat kegagalan peralatan menjadibjλj(t) untuk t(0,τj+1-j) saat ituλj peralatan Rj(Tj) pada saatjthPM dapat dibentuk dengan:
(t) pada periode sebelumnya (0,τj-j-1), di manabj1 adalah faktor
peningkatan tingkat kegagalan untukjthtindakan PM yang tidak e(-∫0 T1 λ1(t)dt)=e(-∫0 T2
λ2(t)dt)=… = e(-∫0
Tn
n(t)dt)= Rth (7)
sempurna. Model ini mengasumsikan bahwa nilai fungsi tingkat
kegagalan direset ke 0 (sebagus keadaan baru) segera setelah Mengambil logaritma natural dari kedua ruas (7) menghasilkan:
T1 T2 Tn
setiap tindakan PM, dan kemudian meningkat lebih cepat
daripada sebelum melakukan tindakan PM seperti yang ∫ λ1(t)tt =∫ λ2(t)tt =… =∫ λn(t)tt =-lnRth (8)
ditunjukkan pada Gambar 2. 0 0 0

Dengan model PM hybrid ini diperkenalkan oleh Lin et al. Artinya menggunakan (4):
(2000), tepat setelahjthPM, fungsi tingkat kegagalan menjadi bj Tj
λj(sebuahjTj+t) saat ituλj(t) sesaat sebelum melakukanjth ∫ Bjλ(SEBUAHj+t)dt=-lnRth (9)
PM, dimana 0sebuahj1,bj1 dant0. Kapansebuahj=0, hibrida 0
 A.Ben Mabrouk dkk. / IFAC PapersOnLine 50-1 (2017) 13698–13703 13701

Oleh karena itu, persamaan (9) dapat ditulis ulang sebagai: Akibatnya, total biaya yang diharapkan dari tindakan perbaikan
Tj+Aj selama masa sewaLadalah:

- Di Rth= B∫j λ(t)dt CR= crE[N(  )] (16)

Ajo 4.2.3 Total biaya penalti yang diharapkan
- Di R th =B(-Ʌ(SEBUAH j) +Ʌ(Tj+Aj)) (10)
j
Lessor dapat dikenakan biaya penalti jika jumlah kegagalan melebihi
ambang batas yang ditentukanNmaksimalselama masa sewaL. Kami
di manaɅ(Tj)=∫Tj0λj(t)dtmewakili tingkat kegagalan kumulatif
mempertimbangkan variabel binerψ sebagai berikut:
dalamjthInterval PM yang sama dengan-lnR. th
1 : jikaE[N(  )]-Nmaksimal> 0
Dari (10), kita peroleh: ψ={
0 : sebaliknya
Ʌ(Tj+Aj)=Ʌ(SEBUAHj)-lnRth (11)
Bj Dengan demikian, biaya penalti yang diharapkan selama masa
PanjangnyajthInterval PMTj (j=1, …,n) dapat sewa diberikan oleh:
diperoleh dari (11) menggunakan fungsi invers dariɅ(Tj+Aj)sebagai
CP= cf(E[N(L)]-Nmaksimal) (17)
berikut:
4.2.4 Total biaya yang diharapkan
Tj=Ʌ1(Ʌ(SEBUAHj)-lnRth)-SEBUAHj untukj=1, 2, . . .,n (12)
Bj
Total biaya yang diharapkan selama masa sewaLdapat dinyatakan sebagai
Untuk lebih jelasnya tentang perkembangan di atas, pembaca dapat
berikut dengan menggunakan persamaan (13), (16), dan (17).
merujuk ke (Khatab et al., 2014).
C(T1,…,Tn)= ncp+ crE[N(L)]+cf(E[N(L)]-Nmaksimal) (18)
4.2. Fungsi objektif
Berdasarkan hasil di atas, sebuah algoritma telah dikembangkan. Algoritma
Tujuannya adalah untuk meminimalkan total biaya yang ini ditunjukkan pada Gambar. 3 memungkinkan menemukan nilai optimal
diharapkan termasuk biaya penalti jika melebihi ambang batas dari variabel keputusanTj*(j* = 1, 2, …,n) yang meminimalkan perkiraan
jumlah kegagalan, dan biaya pemeliharaan. biaya total yang terjadi selama periode tersebutL.

4.2.1 Perkiraan biaya PM Awal

Total biaya dari tindakan PM yang tidak sempurna yang dilakukan selama Perkenalkan data masukan:cp, cr,

cf,, ,Nmaksimal, L, nmaksimal

masa sewaLdiungkapkan sebagai berikut:

CPM=nc   (13) Inisialisasi:Rth=0,3

4.2.2 Perkiraan biaya perbaikan minimal Inisialisasi:n=1

Mengikuti (Lin et al., 2000) dan (Zhou et al., 2007) dan berdasarkan j=1
(10), jumlah perbaikan minimal yang diharapkan selamajth
Interval PM dapat dinyatakan sebagai berikut: Hitung dan simpanTjmenggunakan (12)
Ya
Tj+Aj Ya
Ya j=j+1

E[N(Tj)]=Bj∫ λ(t)dt (14)

Hitung dan simpan
j-n
Ajo
Tidak
C(T1,T2, ,Tn) menggunakan (18)

Seperti yang ditunjukkan sebelumnya pada Gambar. 1, interval waktu

n=n +1
antara tindakan PM terakhir dan akhir periode sewaLdilambangkan dengan
xyang sama denganL -∑n j=1Tj.
Rth= Rth+0,01 Tidak n < nmaksimal

Jadi, dengan menggunakan (14), jumlah perbaikan minimal yang

diharapkan selama masa sewa dengannsiklus diberikan oleh:
Rth-1
n Sebuah+anTn+x

E[N(  )]=∑E[N(Tj)]+Bnbn ∫ λ(t)dt Tidak

Pilih minimum dari perkiraan biaya total yang

j=1 Sebuah+anTn
diperkirakan dan yang sesuain*danRth*
Tj+Aj
n Sebuah+anTn+x

E[N(  )]=∑Bj∫ λ(t)dt +Bnbn ∫ λ(t)dt Hitung durasi interval PM yang optimalTj*(j* = 1, 2, ,n) sesuai dengan

j=1 Ajo Sebuah+anTn

keandalan peralatan yang optimalRth*menggunakan (12)

n Sebuah+anTn+x

Akhir
E[N(  )]=∑Bj(Ʌ(Tj+Aj)-Ʌ(SEBUAHj))+Bnbn ∫ λ(t)dt(15)
j=1 Sebuah+anTn
Gambar 3. Algoritma numerik untuk menemukan strategi optimal
13702 A.Ben Mabrouk dkk. / IFAC PapersOnLine 50-1 (2017) 13698–13703

Pada bagian berikut, contoh numerik diberikan untuk Tabel 1. Kombinasi optimal yang diperoleh (n,Rth)
menggambarkan penggunaan model optimasi PM yang diusulkan.
n
Rth 5 6 n*=7 8 9
Perhitungan numerik telah dilakukan menggunakan
Perangkat Lunak Matlab® pada Komputer Pribadi (Intel Core 0,86 2159 1739.6 1570,6 1531.5 1562.3
i7, RAM 8 GB). 0,85 2024.8 1657,8 1530.1 1523.9 1581,2
0,84 1915.1 1598.8 1510.7 1535.8 1618.2

5. CONTOH NUMERIK Rth*=0.83 1826.6 1559.2 1509 1563.6 1669.6

0.82 1756,2 1536.1 1522 1604.7 1732.9
5.1. data masukan 0,81 1701.8 1527.2 1547.6 1656,8 1805.6
0.8 1661,4 1530.6 1583,9 1718 1886,1
Mari kita pertimbangkan peralatan yang dapat diperbaiki yang disewa Interval PM optimal berasal dari ambang keandalanRth*
untuk suatu periode L= 60 bulan. Kami mempelajari kasus di mana fungsi menggunakan persamaan (19). Karena, peralatan harus menjalani
tingkat kegagalan peralatan adalah tipe Weibull, yaitu, PM setiap kali keandalannya mencapai nilai Rth*=0,83, seperti
β t-1 yang ditunjukkan pada Gambar. 4 di bawah, tindakan PM tidak
λ(t)= () sempurna pertama harus dilakukan pada waktuT1*=13,3 bulan
α α
(interval PM 1). Kemudian, PM kedua harus dilakukan setelahnya T
di manaα adalah parameter skala danβ adalah parameter bentuk dari 2*=11,7 bulan (interval PM 2) dan seterusnya.

distribusi waktu ke kegagalan Weibull.

Tingkat kegagalan kumulatif dinyatakan sebagai berikut: T1*=13.3 T2* =11.7 T3*=9.6 T4*=7.6 T5*=6T6*=4.7T7*=3.7x=3.4 -

tβ L =60bulan
Ʌ(t)=( )
α - ------
Gambar 4. Strategi perawatan optimal yang diperoleh selamaL
Dengan menggunakan distribusi Weibull, panjangjthInterval
PMTjdiberikan oleh (12) menjadi (Khatab et al., 2014):
Oleh karena itu, seperti yang diilustrasikan oleh contoh numerik dan hasil yang
1
diperoleh, model yang dikembangkan dalam makalah ini memberikan:
Sebuah β
Tj=((j)-akun(Rth))-SEBUAHj di manaj=1, 2, . . .,n (19) pengambil keputusan (lessor) dengan kemungkinan untuk menemukan
α Bj
interval PM yang optimal.

Interval PM yang optimal, yang merupakan fungsi reliabilitas,

5.3. Dampak dari biaya tindakan pemeliharaanperbandingancr/cppada
dapat diperoleh dari (19). Dengan meminimalkan biaya total yang
kebijakan PM yang optimal
diharapkan, ambang keandalan optimal untuk interval PM yang
optimal juga dapat ditentukan.
Kami menyelidiki efek dari variasi rasiocr/cp
Data masukan berikut ini dipertimbangkan untuk tujuan pada kebijakan PM yang optimal dengan memvariasikan biaya tindakan PMcp
ilustrasi: dan menjaga nilai asli dari semua parameter lainnya
(termasukcr=650$). Melihat tabel 2 di bawah ini, orang dapat
- Distribusi Weibull: Parameter skalaα = 21.5 dan
melihatnya sebagai rasiocr/cpmeningkat, persyaratan
parameter Bentuk=3.5.
keandalan, Rth,meningkat, jumlahntindakan PM meningkat
- Biaya perbaikan minimal:cr=650 $.
(ada kebutuhan untuk PM yang lebih sering) dan total biaya
- Biaya tindakan PM:cp=50 $.
yang diharapkan akan menurun. Penurunan total biaya ini
- Biaya penalti:cf=350 $.
karena penghematan dalam hal penalti dan perbaikan berkat
- Jumlah maksimum kegagalan:Nmaksimal=1 kegagalan.
pengurangan jumlah kegagalan dengan PM yang lebih sering.
- Jumlah maksimum tindakan PM:nmaksimal=15.
Tabel 2. Rasio dampakcr/cppada kebijakan PM yang optimal
Kami berasumsi bahwa rentang pencarian adalahR[0,3, 1] dengan
langkah 0,01, yang dapat memenuhi sebagian besar proses perawatan cr/cp Rth* n* T1 T2 T3 T4 T5 T6 T7 T8 T9 C(T1*, …, Tn*)
($)
nyata dengan presisi semacam itu.nmaksimalharus dipilih cukup besar
1 0,57 3 18.2 16 13.2 4081,2
untuk mencakup berbagai jumlah tindakan PM. 2 0,7 4 16 14.111.6 9.2 2911.6
4 0,77 5 14.712.910.6 8.4 6.6 2171.5
Semua data input ini dipilih secara sewenang-wenang. Namun, kami
130,83 7 13,3 11,7 9,6 7,6 6 4,7 3,7 1509
mempertimbangkan pengaturan yang agak realistis. 65 0,86 9 12.5 11 9 7.2 5.6 4.4 3.5 2.9 2.4 1202.3

5.2. Strategi optimal yang didapat
Kami menggunakan data input yang diberikan di atas serta algoritma yang
diusulkan. Hasil yang diperoleh tercantum di bawah ini pada Tabel 1 untuk
nilai yang berbeda dariRthdanndan total biaya yang diharapkan untuk
setiap kombinasi. Seseorang dapat melihat bahwa total biaya terendah
yang diharapkan adalah 1509 $, yang sesuai dengan sejumlah tindakan PM
(n*=7) ketika ambang batas keandalan peralatanRth* diatur ke 83%.
5.4. Dampak faktor pengurangan usia ajpada kebijakan PM yang
optimal
Kami juga menyelidiki efek dari variasi faktor pengurangan usia
sebuahjpada solusi optimal, sambil menjaga kombinasi asli dari
parameter input. Kami menggunakan tiga bentuk berbeda darisebuah
jyang kami temukan dalam literatur (Zhou et al. 2007, Khatab et al.
2014 dan Lin et al., 2000).Tabel 3 menunjukkan strategi optimal yang
diperoleh. Sangat menarik untuk diperhatikan bahwandanRth
berkurang sebagaisebuahsayameningkat.
 A.Ben Mabrouk dkk. / IFAC PapersOnLine 50-1 (2017) 13698–13703
Tabel 3. Dampaksebuahjpada kebijakan PM yang optimal
sebuahj Rth* n* T1 T2 T3 T4 T5 T6 T7 (T1*, …, Tn*) ($)
j optimasi untuk sistem degradasi stokastik di bawah
0.83 7 13.3 11.7 9.6 7.6 6 4.7 3.7 1509
3j+7
j
3j+2
0,7 7 16 12.5 9.2 6.8 5.1 4 3.2 2931.9
j
2j+1
0.37 5 21.5 14 8.8 6 4.4 6470.3
6. KESIMPULAN
Makalah ini menyajikan model PM hybrid untuk peralatan sewaan
selama periode sewa terbatas. Tindakan PM yang tidak sempurna
dengan durasi yang dapat diabaikan dilakukan oleh lessor setiap
kali keandalan peralatan mencapai ambang tertentu. Mereka
tidak hanya mengurangi usia efektif peralatan, tetapi juga
meningkatkan tingkat kegagalannya. Semua kegagalan diperbaiki
secara minimal dengan durasi yang dapat diabaikan. Sebuah
model matematika dan algoritma numerik telah dikembangkan
untuk menemukan durasi interval PM yang optimal selama masa
sewa. Sebuah contoh numerik telah disajikan untuk
menggambarkan model yang dikembangkan. Hasil yang
diperoleh menunjukkan kegunaan dan konsistensi model. Kami
menyelidiki secara numerik pengaruh variasi rasio biaya
perbaikan dengan biaya PM pada kebijakan perawatan yang
optimal. Telah terbukti bahwa ketika rasio ini meningkat,
persyaratan keandalan dan jumlah tindakan PM meningkat dan
biaya total yang diharapkan terjadi berkurang. Kami juga
menunjukkan bahwa ketika faktor pengurangan usia meningkat,
persyaratan keandalan berkurang dan tidak perlu PM lebih sering.
Perpanjangan untuk pekerjaan ini sedang dipertimbangkan, salah satunya
terdiri dari mempertimbangkan masalah yang sama tetapi dalam konteks
di mana PM dan perbaikan memiliki durasi yang tidak dapat diabaikan dan
penalti akan dikenakan jika durasi perbaikan melebihi nilai tertentu yang
ditentukan sebelumnya. Akan menarik juga untuk mengatasi masalah
tersebut dengan mempertimbangkan peralatan di seluruh siklus hidupnya
yang terbuat dari beberapa periode sewa yang berurutan.
REFERENSI
Ben Mabrouk, A., Chelbi, A. dan Radhoui, M. (2016).
Kebijakan pemeliharaan preventif tidak sempurna yang
optimal untuk peralatan yang disewa selama periode
berturut-turut.Jurnal Internasional Penelitian Produksi,
54(17), hal.5095-5110.
Ben Mabrouk, A., Chelbi, A. dan Radhoui, M. (2016b).
Strategi perawatan tidak sempurna yang optimal untuk
peralatan yang disewa.Jurnal Internasional Ekonomi
Produksi, 178, hal.57-64.
Chang, W. dan Lo, H. (2011). Penentuan bersama sewa
periode dan kebijakan pemeliharaan preventif untuk
peralatan sewaan dengan nilai sisa.Komputer & Teknik
Industri, 61(3), hal.489-496.
Do, P., Voisin, A., Levrat, E. dan Iung, B. (2015). SEBUAH
strategi perawatan berbasis kondisi proaktif dengan
tindakan perawatan sempurna dan tidak sempurna.
Rekayasa Keandalan dan Keamanan Sistem,133, pp.22-32.
Hadidi, L. dan Rahim, A. (2014). Keandalan untuk banyak
unit mengadopsi kebijakan pemeliharaan tidak
sempurna berurutan.Jurnal Internasional Rekayasa
dan Manajemen Jaminan Sistem, 6(2), hal.103-109.
Jaturonnatee, J., Murthy, D. dan Boondiskulchok, R. (2006).
Pemeliharaan preventif yang optimal dari peralatan
sewaan dengan perbaikan minimal korektif.Jurnal Eropa
13703
Riset Operasional, 174(1), hal.201-215.
Khatab, A., Ait-Kadi, D. dan Rezg, N. (2014). Ketersediaan
pemeliharaan preventif yang tidak sempurna.Jurnal
Internasional Penelitian Produksi, 52(14), hal.4132-4141.
Liao, W., Pan, E. dan Xi, L. (2010). Pemeliharaan preventif
penjadwalan untuk sistem yang dapat diperbaiki
dengan kerusakan.Jurnal Manufaktur Cerdas, 21(6),
hal.875-884.
Lie, CH dan Chun, YH (1986). Sebuah algoritma untuk
kebijakan pemeliharaan preventif. Transaksi IEEE tentang
Keandalan, 35(1), hlm.71-75.
Lin, D., Zuo, M. dan Yam, R. (2000). Sekuensial umum
model pemeliharaan preventif yang tidak sempurna.Jurnal
Internasional Rekayasa Keandalan, Kualitas, dan Keselamatan,
7(3), hlm.253–266.
Lin, D., Zuo, M. dan Yam, R. (2001). Ketidaksempurnaan berurutan
model pemeliharaan preventif dengan dua kategori mode
kegagalan.Logistik Riset Angkatan Laut,48(2), hlm. 172-183.
Malik, M. (1979). Pemeliharaan Pencegahan yang Andal
Penjadwalan.Transaksi AIIE, 11(3), hlm.221-228.
Nakagawa, T. (1988). Pencegahan tidak sempurna berurutan
kebijakan pemeliharaan.Transaksi IEEE pada Keandalan,
37(3), hlm.295-298.
Pongpech, J. dan Murthy, D. (2006). periodik yang optimal
kebijakan pemeliharaan preventif untuk peralatan yang
disewa.Rekayasa Keandalan & Keamanan Sistem, 91(7),
hal.772-777.
Pongpech, J., Murthy, D. dan Boondiskulchock, R. (2006).
Strategi pemeliharaan untuk peralatan bekas yang
disewa.Jurnal Kualitas dalam Teknik Pemeliharaan,
12(1), hal.52-67.
Schutz, J. dan Rezg, N. (2013). Strategi pemeliharaan untuk
peralatan yang disewa.Komputer & Teknik Industri, 66(3),
hlm.593-600.
Xia, T., Xi, L., Zhou, X. dan Du, S. (2012). Pemodelan dan
mengoptimalkan jadwal perawatan untuk sistem energi
yang mengalami degradasi.Komputer & Industri
Rekayasa, 63(3), hal.607-614.
Yeh, R. dan Chang, W. (2007). Nilai ambang optimal dari
tingkat kegagalan untuk produk sewaan dengan tindakan
pemeliharaan preventif.Pemodelan Matematika dan
Komputer, 46(5-6), hlm.730-737.
Yeh, R., Kao, K. dan Chang, W. (2009). Pencegahan optimal
kebijakan pemeliharaan untuk peralatan yang disewa menggunakan
pengurangan tingkat kegagalan.Komputer & Teknik Industri, 57(1),
hlm.304-309.
Yeh, R., Kao, K. dan Chang, W. (2011). Pencegahan-
kebijakan pemeliharaan untuk produk sewaan di bawah
berbagai biaya pemeliharaan.Sistem Pakar dengan Aplikasi,
38(4), hal.3558-3562.
Zhou, X., Xi, L. dan Lee, J. (2007). Berpusat pada keandalan
penjadwalan pemeliharaan prediktif untuk sistem yang
dipantau terus-menerus yang mengalami degradasi.
Rekayasa Keandalan & Keamanan Sistem, 92(4),
hal.530-534. Zhou, X., Li, Y., Xi, L. dan Lee, J. (2014). multi-fase
kebijakan pemeliharaan preventif untuk peralatan
yang disewa.Jurnal Internasional dari Produksi
Riset, 53(15), hal.4528-4537.