Sandi Kurniawan
201020700068
DOSEN PEMBIMBING
Indah Apriliana Sari W., ST., MT
Sandi Kurniawan
201020700068
Mengetahui Menyetujui,
Ketua Program Studi Teknik Dosen Pembimbing
Industri
3
preventive maintenance (PM) dan corective maintenance (CM) untuk,
memaksimalkan umur (life time) dan fungsi aset / sistem / equipment dengan
biaya yang minimal (minimum cost)[7]. Sedangkan TPM adalah model
pengukuran produktivitas dengan memperhatikan pengaruh semua faktor input
yang terhadap output yang sifatnya tangible[6]. Model tersebut dapat digunakan
tidak hanya pada tingkat agregat tetapi juga pada tingkat operasioanal misalnya
tingkat departemen. Salah satu teknik yang sering digunakan dalam mengevaluasi
sebuah kegagalan dari sebuah sistem, desain, proses atau servis pada sebuah
mesin untuk dihasilkan langkah penanganan yaitu dengan menggunakan metode
Failure Mode and Effect Analysis (FMEA)[8]. Metode Failure Mode and Effect
Analysis (FMEA) FMEA adalah sebuah teknik rekayasa yang digunakan untuk
menetapkan, mengidentifikasi, dan untuk menghilangkan kegagalan yang
diketahui, permasalahan, error, dan sejenisnya dari sebuah sistem, desain, proses,
dan atau jasa sebelum mencapai konsumen[9]. FMEA Merupakan metode yang
bertujuan untuk mengevaluasi desain sistem dengan mempertimbangkan
bermacam-macam jenis kegagalan dari sistem yang terdiri dari komponen-
komponen, menganalisa pengaruh-pengaruh terhadap keandalan sistem dengan
penelusuran pengaruh-pengaruh kegagalan komponen sesuai dengan level item-
item khusus dari sistem yang kritis dapat dinilai dan tindakan yang diperlukan
untuk memperbaiki desain dan mengeliminasi atau mereduksi probabilitas dari
metode-metode kegagalan yang kritis[6]. Sehingga peneliti memutuskan untuk
menggunakan metode FMEA.
1.2 Rumusan Masalah
Adapun rumusan masalah yang peneliti rumusakan sebagai beriku:
1. Mengidentifikasi apa yang menyebabkan GPU sering breakdown dan
seberapa besar nilai Reliabilitas GPU saat ini (kondisi eksisting).
1.3 Batasan Masalah
Peneliti membatasi pembahasan yang dipersoalkan maka peneliti membatasi
hanya pada mesin/alat GPU yang dilakuakan penelitian tidak membahas jenis
inputan yang mempenagruhi mesin GPU di PT IAA AMO surabaya station.
1.4 Tujuan
Tujuan dari penelitian ini yaitu:
4
1. Mengetahui komponen dari GPU yang tidak handal.
2. Menghitung kehandalan dari GPU untuk mengetahui efektifitas dari mesin
GPU.
3. Mengusulkan perencanaan perawatan dari GPU agar terhindar dari
breakdown
5
BAB II
METODOLOGI
APU boros
Bahan bakar
100lt/jam
GPU
Pengum
pulan Kendala sering
data breakdown
Membuat grafik
BD Efect
Menghitung
reliabitiy GPU
Menghitung
MTTF & MTBF
FMEA
Usulan
perencanaan
perawatan
6
1. Menganalisa reliability mesin GPU.
Reliability didefinisikan sebagai probabilitas komponen atau sistem akan
beroperasi sesuai dengan fungsi yang diharapkan pada suatu periode waktu
yang ditentukan dalam kondisi operasi tertentu. Keandalan dapat dinyatakan
dalam bentuk Mean Time Between Failure (MTBF)[10].
2. Menghitung MTTF & MTBF.
Ukuran rata-rata suatu mesin hiingga mengalami kerusakan disebut Mean
Time To Failure (MTTF)[11]. Sedangkan Mean Time Between Failure
MTTBF yaitu waktu rata-rata kerusakan setelah mesin dilakukan perbaikan
hingga mesin mengalami kerusakan kembali[12].
3. Penerapan metode Failure Mode and Effect Analysis (FMEA).
Langkah yang diambil untuk menerepakan metode FMEA setalah dilakukan
pengambilan data yaitu[13]:
a. Menetapkan nilai severity rating (S).
Severity rating adalah tingkat keparahan efek kegagalan. Semakin parah
efek yang ditimbulkan maka semakin tinggi nilai rating yang diberikan[13].
b. Menetapkan nilai occurrence (O).
Kemungkinan kejadian (occurrence) merupakan kemungkinan bahwa
penyebab tersebut akan terjadi dan menghasilkan bentuk kegagalan selama
masa penggunaan produk[14].
c. Menetapkan nilai detection (D).
Nilai detection adalah nilai pengukuran terhadap kemampuan
mengendalikan / mengontrol kegagalan yang dapat terjadi[14].
Setelah semua data didapatkan dilakukan penentuan nilai Risk Priority
Number (RPN). Mengklasifikasikan adanya kegagalan berdasarkan nilai Risk
Priority Number (RPN) Menganalisis komponen apa saja yang menjadi
komponen kritis yang memiliki nilai downtime tertinggi atau nilai RPN terbesar
dan seberapa besar pengaruhnya terhadap sistem, sehingga dapat menentukan
perawatan yang tepat terhadap komponen komponen kritis. Untuk RPN dapat
dihitung menggunakan rumus sebagai berikut[15]:
RPN = Severity * Occurency*Detection
7
Untuk selanjutnya didapatkan rekomendasi perbaikan atau perawatan agar
dikemudian hari tidak terjadi breakdown yang berkelanjutan.
8
3.1 Waktu dan Tempat
Waktu penelitian ini dilakukan mualai dari bulan November hingga bulan
Januari di PT. Indonesia Airasia AMO surabaya station
3.2 Pengumpulan Data
Terdapat dua jenis data pada peneitian ini yaitu:
1. Data Primer
Data primer merupakan data yang didapatkan dari responden secara
langsung, yang menjadi responden yaitu: ahli pesawat udara, teknisi GPU,
operator GPU
2. Data Sekunder
Data sekunder merupakan data yang tidak secara langsung berhubungan
dengan responden melainkan data pendukung bagai peneliti. Berupa data
data yang diambil dari jurnal, buku dan buku pedoman perawatan mesin.
9
DAFTAR PUSTAKA
10
10.21070/prozima.v2i2.1349.
11