(RELIABILITAS - I)
OLEH : Enny Supartini
Referensi :
1. Charles E Ebeling ; Reliability and Maintainability
Engineering; Mc. Graw Hill Electrical Engineering Series; New
York.
2. Dhillon Balbir S., Reiche Hans; Reliability and Maintainability
Management ; Van Nostrand Reinhold Company; New York.
3. Patrik D. T. O’Connor; Practical Reliability Engineering; Second
Editions; JohnWiley & Sons Co. New York.
MATERI
1. Pendahuluan
Reliabilitas atau keandalan?
Mengapa membutuhkan Teori Reliabilitas?
2. Statistika dan Matematika dalam Reliabilitas
Teori Peluang
Model-model Distribusi Peluang
~ Distribusi Peluang Diskrit : - Distribusi Binom
- Distribusi Poisson
~ Distribusi Peluang Kontinu
- Distribusi Normal (Gaussian)
- Distribusi Log Normal
- Distribusi Eksponensial
- Distribusi Gamma
- Distribusi Chi-square
- Distribusi Weibull
Pengujian hipotesis
Uji kecocokan model/Goodness of fit
3. Fungsi-fungsi dalam Reliabilitas
Fungsi reliabilitas
Fungsi Hazard
Reliabilitas dari Laju kerusakan/Fungsi hazard
Waktu Rata-rata Hingga Rusak (Mean Time to Failure = MTTF)
Kumulatif dan Rata-rata Laju Kerusakan
Reliabilitas kondisional
4. Model Laju Kerusakan (Failure Rate) Konstan
Fungsi Reliabilitas Distribusi Eksponensial
Rata-rata distribusi kerusakan untuk model CFR
Reliabilitas kondisional untuk CFR
Reliabilitas modus kerusakan
Modus kerusakan untuk model CFR
Terjadi Kerusakan pada saat Permintaan
Batas Reliabilitas
Konsep dasar Renewal Process
Proses Poisson
Homogen Poisson Process (HPP)
Nonhomogen Poisson Process (NHPP)
Model-model Nonhomogen Pisson Process
5. Maintenance
Beberapa jenis perawatan
Hubungan Keandalan Komponen dengan Perawatan
Analisis Downtime
Dua Jenis Model Penggantian
Model Penggantian
Uji Intensitas Power Law
Uji Cramer Von-Moses
Uji Laplace
Model-model Proses Non Homogen
Pendahuluan
• Suatu komponen atau mesin tidak selamanya akan berfungsi
dengan baik seperti ketika mesin/komponen itu baru, karena
akan mengalami proses penuaan atau aging process, untuk
mengatasi supaya mesin “muda lebih lama” harus dilakukan
perawatan. Perawatan yang tepat adalah perawatan yang
memperhitungkan masa hidup mesin/komponen tersebut,
analisis yang sesuai untuk ini adalah analisis reliabilitas.
• Reliabilitas atau keandalan adalah probabilitas sebuah
komponen, sub sistem atau sistem untuk melaksanakan
fungsinya dengan baik tanpa mengalami kegagalan dalam
kondisi operasional tertentu dan pada suatu periode tertentu.
• Penerapan teori reliabilitas dapat membantu untuk
memperkirakan peluang suatu komponen, sub sistem, atau
sistem untuk dapat bekerja sesuai tujuan yang diinginkan
dalam kurun waktu tertentu.
AGING SYSTEM
2
Risk of Death
Risk of death
2
1
0 0 2 4 6 8 10 12
0 2 4 6 8 10 12
Age Age
dF ( x )
2. f ( x)
dx
3.
f ( x ) dx 1
b
5. E ( X )
xf ( x)dx
6. Var ( X ) 2
( x ) 2 f ( x)dx
Distribusi Peluang Diskrit
• Distribusi Binom
• Hanya mempunyai dua Outcome , misal sukses dan gagal, dengan
peluang sukses adalah p dan peluang gagal adalah q , fungsi
densitas distribusi peluang Binomial adalah :
• n! untuk x = 0,1,2, ...
p( x) p x q( n x )
x !(n x)!
• x = banyaknya item sukses
• (n-x) = banyaknya item gagal
• Dengan varians : σ2 = npq dan rata-rata : μ = np
• Distribusi peluang kumulatif Binomial untuk r sukses :
• r
n!
F (r ) p x q ( n x )
x 0 x !( n x )!
Distribusi Poisson
• Distribusi peluang ini mempunyai rata-rata yang
konstan. Variabel acak X dikatakan memiliki distribusi
peluang Poison dengan x menyatakan kegagalan yang
terjadi pada selang waktu t maka fungsi densitas
adalah sbb : x
e
• p ( x) dengan x = 0,1,2,......
x!
• dan menyatakan rata-rata banyaknya kegagalan yang
terjadi per satuan waktu , besarnya nilai e=2,71828
• Rata-rata dan variansnya =
2. Distribusi Peluang Kontinu
• Distribusi Normal (Gaussian)
• Fungsi densitas (pdf) :
1 1 x 2
• f ( x) exp[ ( ) ] ,untuk -∞<x< ∞
1
(2 ) 2 2
a1/ 2
• Dengan rata-rata: μ = a/λ dan standar deviasi :
• Apabila λ adalah angka kegagalan (failure rate) dan a banyaknya
kegagalan parsial dari seluruh kegagalan, maka fungsi Gamma :
a 1
(a ) x exp( x)dx
0
varians : 2
1 1
2
(Oi Ei ) 2
k
Statistik Uji :
2
i 1 Ei
χ2 berdistribusi Chi-Square dengan df=k-1 dengan :
k = jumlah kelas interval
Oi = frekuensi observasi pada kelas interval ke i
Ei = frekuensi yang diharapkan pada kelas interval ke i atau
Ei = npi dan n=ukuran sampel sedangkan
Pi = peluang data observasi pada kelas interval ke i jika H0
benar = F(ai) – F(ai-1)
Kriteria Uji :
Terima H0 jika χ2 < χ2α(k-1)
Pi Sesuai dengan rumusan H0
• Untuk distribusi normal :
ai ai 1
pi
• i 1 n
dan n 1