Penerapan Metode Reliability Engineering dan Maintenance Value Stream Mapping (MVSM) dalam Perencanaan dan Perhitungan Biaya Perawatan Mesin di PT. Multimas Nabati Asahan

DAFTAR PUSTAKA

Corder. A.S. Teknik Manajemen Pemeliharaan.Jakarta. Penerbit Erlangga. 1997. Ebeling,Charles E, Introduction to Reliability and Maintainability Engineering.

(London: McGraw-Hill, 1997)

Dale. Besterfield, H. Quality Control. College of Engineering Southern Illinois University.

Harinaldi. Prinsip-prinsip Statistik untuk Teknik dan Sains. (Jakarta: PT. Erlangga, 2005).

Jardine, A.K.S. Maintenance, Replacement and Reliability. (Boca Raton: Taylor & Francis group, 2006)

Kapur, K.C., and Lamberson, L.R., Reliability in Engineering Design, John Wiley & Sons, New York, 1977.

R. Manzini, et al. Maintenance for Industrial Systems (London : Springer, 2010). Rother, M dan Shook, J, Learning to See, Value Stream Mapping to Create Value

and Eliminate Muda,2003, The Lean Enterprise Institute, Inc.

Kannan, Soundararajan, et. al. Developing A Maintenance Value Stream Map. (http://www.iienet.org/uploadedFiles/IIE/Community/Technical_Societi es_and_Divisions/Lean/Lean_details_pages/Kannan4-07.pdf)

BAB III

LANDASAN TEORI

3.1. Perawatan5

Pemeliharaan atau maintenance adalah suatu kombinasi dari berbagai tindakan yang dilakukan untuk menjaga suatu barang dalam, atau memperbaikinya sampai suatu kondisi yang bisa diterima. Maintenance mempunyai peranan yang sangat menentukan dalam kegiatan produksi dari suatu perusahaan yang menyangkut kelancaran dan kemacetan produksi, kelambatan, dan volume produksi serta efisiensi produski. Dengan demikian, maintenance mempunyai fungsi yang sama pentingnya dengan fungsi-fungsi lain di perusahaan.

6

Pemeliharaan pabrik dan peralatan dalam tatanan kerja yang baik sangat penting untuk mencapai kualitas dan keandalan (reliability) tertentu serta kerja yang efektif dan efisien. Perawatan pada umumnya dilihat sebagai kegiatan fisik seperti membersihkan peralatan yang bersangkutan, memberi oli (pelumas), memperbaiki kerusakan, mengganti komponen dan semacamnya bila diperlukan. Pendeknya kegiatan perawatan memerlukan adanya sumber daya seperti yang diperlukan dalam aktivitas usaha lain, yaitu manusia (man), mesin (machine), bahan baku (material), cara (method), dan uang (money) yang sering disebut sebagai 5 M.

Beberapa pengertian perawatan (maintenance) menurut ahli :

5

A.S. Corder. Teknik Manajemen Pemeliharaan.Jakarta. Erlangga. 1997. h.1-3.

6

1. Menurut Corder (1992), perawatan merupakan suatu kombinasi dari tindakan yang dilakukan untuk menjaga suatu barang dalam, atau untuk memperbaikinya sampai, suatu kondisi yang bisa diterima.

2. Menurut Assauri (1993), perawatan diartikan sebagai suatu kegiatan pemeliharaan fasilitas pabrik serta mengadakan perbaikan, penyesuaian atau penggantian yang diperlukan agar terdapat suatu keadaan operasi produksi yang sesuai dengan yang direncanakan.

3. Menurut Dhillon (1997), perawatan adalah semua tindakan yang penting dengan tujuan untuk menghasilkan produk yang baik atau untuk mengembalikan ke dalam keadaan yang memuaskan.

3.2. Tujuan Perawatan

Tujuan dilakukan perawatan menurut Corder (1992) adalah antara lain: 1. Memperpanjang kegunaan aset (yaitu setiap bagian dari suatu tempat kerja,

bangunan dan isinya).

2. Menjamin ketersediaan optimum peralatan yang dipasang untuk produksi atau jasa untuk mendapatkan laba investasi semaksimal mungkin.

3. Menjamin kesiapan operasional dari seluruh peralatan yang diperlukan dalam keadaan darurat setiap waktu.

3.3. Jenis-jenis Tindakan Perawatan

Jenis-jenis tindakan perawatan menurut Order (1992) terbagi atas :

1. Planned Maintenance, suatu tindakan atau kegiatan perawatan yang pelaksanaannya telah direncanakan terlebih dahulu. Planned maintenance terbagi atas 2, yaitu:

a. Preventive Maintenance, suatu sistem perawatan yang terjadwal dari suatu peralatan/komponen yang didesain untuk meningkatkan keandalan suatu mesin serta untuk mengantisipasi segala kegiatan perawatan yang tidak direncanakan sebelumnya.

b. Predictive maintenance didefinisikan sebagai pengukuran yang dapat mendeteksi degradasi sistem, sehingga penyebabnya dapat dieliminasi atau dikendalikan tergantung pada kondisi fisik komponen. Hasilnya menjadi indikasi kapabilitas fungsi sekarang dan masa depan.

2. Unplanned Maintenance, suatu tindakan atau kegiatan perawatan yang pelaksanaannya tidak direncanakan. Unplanned maintenance terbagi atas 2, yaitu:

a. Corrective Maintenance, suatu kegiatan perawatan yang dilakukan untuk memperbaiki dan meningkatkan kondisi mesin sehingga mencapai standar yang telah ditetapkan pada mesin tersebut.

b. Breakdown Maintenace, yaitu suatu kegiatan perawatan yang pelaksanaannya menunggu sampai dengan peralatan tersebut rusak lalu dilakukan perbaikan. Cara ini dilakukan apabila efek failure tidak bersifat signifikan terhadap operasi ataupun produksi.

3.4. Identifikasi Pengelompokan Suku Cadang dengan Diagram Pareto7

Diagram pareto adalah suatu diagram yang menggambarkan urutan masalah menurut bobotnya yang dinyatakan dengan frekuensinya. Diagram pareto digunakan untuk mengidentifikasi masalah, yaitu bahwa 20% kesalahan atau penyimpangan akan menyebabkan 80% masalah yang timbul. Digaram pareto berguna untuk:

1. Menentukan jenis persoalan utama.

2. Membandingkan masing-masing jenis persoalan terhadap keseluruhan. 3. Menunjukkan tingkat perbaikan yang berhasil dicapai.

4. Membandingkan hasil perbaikan masing-masing jenis persoalan sebelum dan setelah perbaikan.

Langkah-langkah pembuatan diagram Pareto diagram sebagai berikut: 1. Stratifikasi dari problem, dinyatakan dalam angka.

2. Tentukan jangka waktu pengumpulan data yang akan dibahas untuk memudahkan melihat perbandingan sebelum dan sesudah penanggulangan (jangka waktu harus sama).

3. Atur masing-masing penyebab (sesuai dengan stratifikasi) secara berurutan sesuai besarnya nilai dan gambarkan dalam grafik kolom. Penyebab dengan nilai lebih besar terletak di sisi kiri, kecuali ”dan lain-lain” terletak di paling kanan.

4. Gambarkan grafik garis yang menunjukkan jumlah persentase (total 100%) pada bagian atas grafik kolom dimulai dengan nilai yang terbesar dan di

bagian bawah/keterangan kolom tersebut.

5. Pada bagian atas dan samping berikan keterangan/nama diagram dan jumlah unit seluruhnya.

3.5. Teori Keandalan (Reliability)

3.5.1. Pengertian Keandalan

8

Perawatan komponen atau peralatan tidak bisa lepas dari pembahasan mengenai keandalan (reliability), selain keandalan merupakan salah satu ukuran keberhasilan sistem perawatan juga keandalan digunakan untuk menentukan penjadwalan perawatan sendiri.

Keandalan atau reliability atau dapat didefinisikan sebagai probabilitas bahwa suatu komponen/sistem akan menginformasikan suatu fungsi yang dibutuhkan dalam periode waktu tertentu ketika digunakan dalam kondisi operasi (Ebeling; 1997). Definisi keandalan menurut Kapur (1997) adalah, “probabilitas dimana ketika operasi berada pada kondisi lingkungan tertentu, sistem akan menunjukkan kemampuannya sesuai dengan fungsi yang diharapkan dalam selang waktu tertentu”. Keandalan juga dapat didefenisikan sebagai probabilitas yang selalu dikaitkan dengan akumulasi waktu dimana suatu alat beroperasi tanpa mengalami kerusakan dalam kondisi lingkungan tertentu.

Berdasarkan defenisi tersebut diatas reliability dibagi atas empat kelompok pokok, yaitu:

8

Kapur, K.C., and Lamberson, L.R., Reliability in Engineering Design, John Wiley & Sons, New York, 1977. p.

1. Probabilitas

Merupakan komponen pokok pertama, merupakan input numeric bagi pengkajian reliability suatu system yang juga merupakan indeks kuantitatif unutk menilai kelayakan suatu system.

2. Kemampuan yang Diharapkan

Komponen ini memberikan indikasi yang spesifik bahwa criteria dalam menentukan tingkat kepuasan harus digambarkan dengan jelas. Untuk setiap unit terdapat suatu standar untuk menentukan apa yang dimaksud dengan kemampuan yang diharapakan.

3. Tujuan yang Diinginkan

Tujuan yang diinginkan merupakan kegunaan peralatan yang spesifik. Hal ini dikarenakan terdapat beberapa tingakatan dalam memproduksi suatu barang konsumen.

4. Waktu (Time)

Waktu meruapakan bagian yang dihubungkan dengan tingkat penampilan system, sehingga dapat menentukan suatu jadwal dalam fungsi reliability. Waktu yang dipakai adalah MTTF (Mean Time To Failure) untuk menentukan waktu kritis dalam pengukuran reliability.

5. Kondisi Pengoperasian

Factor-faktor lingkungan seperti getaran, kelembaban, lokasi geografis yang merupakan kondisi tempat berlangsungnya pengoperasian, merupakan hal yang termasuk kedalam komponen ini. Ukuran pemenuhan performa dinyatakan dalam sebuah notasi peluang. Pemenuhan performa tersebut

bukan bersifat deterministic, sehingga tidak dapat diketahui dengan pasti terjadi atau tidak. Oleh sebab itu harus menggunakan peluang dimana sebuah komponen akan sukses atau gagal dalam batasan tertentu karena tidak mungkin unutk menyatakan secara pasti.

3.5.2. Tujuan Reliability

Tujuan reliability menurut R. Manzini (2010) adalah memberikan informasi sebagai basis untuk mengambil keputusan. Selain itu teori reliability dapat digunakan untuk memprediksi kapan suatu suku cadang pada suatu mesin akan mengalami kerusakan, sehingga dapat menentukan kapan harus dilakukan perawatan, penggantian, dan penyediaan komponen.

3.5.3. Distribusi Kerusakan

Setiap mesin memiliki karakteristik kerusakan yang berbeda-beda. Sejumlah mesin yang sama jika dioperasikan dalam kondisi yang berbeda akan memiliki karaketistik kerusakan yang berbeda. Bahkan mesin yang sama juga jika dioperasikan dalam kondisi yang sama akan memiliki karakteristik kerusakan yang berbeda. Dalam menganalisai perawatan ada beberapa jenis distribusi yang umum dipakai yaitu:

1. Distribusi Normal (Jardine, 2010)

Distribusi normal (Gausian) merupakan distribusi probabilitas yang paling penting baik dalam teori maupun aplikasi statistik. Distribusi ini digunakan jika pengaruh suatu kerandoman diakibatkan oleh sejumlah

besar variasi random yang tidak bergantungan (saling bebas/independent) yang kecil atau sedikit. Fungsi Kepadatan Probabilitas dalam distribusi normal adalah :

_√

MTTF (Mean Time To Failure) adalah rata-rata waktu atau interval waktu kerusakan mesin atau komponen dalam distribusi.

MTTF = µ

Konsep reliability distribusi normal tergantung pada nilai dan σ. Dimana:

µ = rata-rata σ = standar deviasi

Φ= nilai z yang dapat diperoleh dari tabel distribusi normal

Gambar 3.1. Kurva Distribusi Normal

2. Distribusi lognormal

Distribusi lognormal merupakan distribusi yang berguna untuk menggambarkan distribusi kerusakan untuk situasi yang bervariasi. Distribusi lognormal banyak digunakan di bidang teknik, khusunya sebagai model untuk berbagai jenis sifat material dan kelelahan material.

Fungsi Kepadatan Probabilitas dalam distribusi lognormal adalah:

_√ [ ]

Untuk MTTF (Mean Time To Failure) adalah

MTTF =

Konsep reliability distribusi lognormal tergantung pada nilai dan σ.

Gambar 3.2. Kurva Distribusi Lognormal

3. Distribusi Eksponensial

Distribusi eksponensial menggambarkan suatu kerusakan dari mesin yang disebabkan oleh kerusakan pada salah satu komponen dari mesin atau peralatan yang menyebabkan mesin terhenti. Dalam hal ini kerusakan tidak dipengaruhi oleh unsur pemakaian peralatan. Dengan kata lain distribusi ini memiliki kelajuan yang konstan terhadap waktu. Distribusi eksponensial akan tergantung pada nilai , yaitu laju kegagalan (konstan).

Fungsi Kepadatan Probabilitas dalam distribusi eksponensia adalah:

f (t) = λ e−λt

t > 0 Untuk MTTF (Mean Time To Failure) adalah

MTTF =

Gambar 3.3. Kurva Distribusi Eksponensial

4. Distribusi Weibull

Distribusi weibull pertama sekali diperkenalkan oleh ahli fisika dari Swedia

Wallodi Weibull pada tahun 1939. Dalam aplikasinya, distribusi ini sering

digunakan untuk memodelkan “waktu sampai kegagalan” (time to failure) dari

suatu sistem fisika. Ilustrasi yang khas, misalnya pada sistem dimana jumlah kegagalan meningkat dengan berjalannya waktu (misalnya keausan bantalan), berkurang dengan berjalannya waktu (misalnya daya hantar beberapa semi konduktor) atau kegagalan yang terjadi oleh suatu kejutan (shock) pada sistem.9

Distribusi weibull merupakan bagian distribusi kerusakan yang paling sering dipakai sebagai model distribusi masa hidup (life time). Distribusi Weibull merupakan distribusi empirik sederhana yang mewakili data yang aktual. Distribusi ini biasa digunakan dalam menggambarkan karakteristik kerusakan dan keandalan pada komponen.

Fungsi Kepadatan Probabilitas dari distribusi Weibull:

9

_{( )} [( ₎ ]

MTTF (Mean Time To Failure) adalah rata-rata waktu atau interval waktu kerusakan mesin atau komponen dalam distribusi kegagalan.

( ₎

= Fungsi Gamma, (n) = (n-1)!, dapat diperoleh melalui nilai fungsi gamma.

Parameter β disebut dengan parameter bentuk atau kemiringan weibull (weibull slope), sedangkan parameter α disebut dengan parameter skala. Bentuk fungsi distribusi weibull bergantung pada parameter bentuknya (β), yaitu:

β < 1: Distribusi weibull akan menyerupai distribusi

hyper-exponential dengan laju kerusakan cenderung menurun.

β = 1: Distribusi weibull akan menyerupai distribusi eksponensial dengan laju kerusakan cenderung konstan.

β > 1: Distribusi weibull akan menyerupai distribusi normal dengan laju kerusakan cenderung meningkat.

Gambar 3.4. Kurva Distribusi Weibull

3.5.4. Identifikasi Pola Distribusi dan Parameter Distribusi

Dapat dilakukan dalam dua tahap yaitu identifikasi distribusi awal dan estimasi parameter.

3.5.4.1. Identifikasi Distribusi Awal

Dilakukan dengan mengunakan metode linear regresion dengan persamaan y = a + bx. Perhitungan dengan menggunakan metode ini adalah: 1. Nilai Tengah Kerusakan (Median Rank)10

Dimana : i = data waktu ke-t dan n = jumlah kerusakan 2. Index of Fit11

∑ (∑ ∑ )

√[ ∑ ∑ ]√[ ∑ ∑ ]

√ Perhitungan identifikasi awal untuk masing-masing distribusi adalah :

a. Distribusi Normal - Xi = ti

- Yi = Zi= Ф-1(F(ti)), dimana Nilai Zi = Ф-1 b. Distribusi Lognormal

10

Kapur, K.C, and Lamberson, L.R. Opcit, pp. 31

11

- i = ln ti

- Yi = Zi = Ф-1 (F(ti)) c. Distribusi Eksponensial

- Xi = ti

- Yi = ln(1/1-F(ti)) d. Distribusi Weibull

- Xi = ln ti

- Yi = ln ln(1/1-F(ti))

3.5.4.2.Estimasi Parameter

Estimasi parameter dilakukan dengan menggunakan metode Maximum

Likelihood Estimator (MLE). Estimasi untuk masing-masing parameter adalah:

a. Distribusi Normal Parameter adalah µ dan σ

̅ ∑ _√∑

b. Distribusi Eksponensial Parameter adalah

= r/T

r = n = jumlah kerusakan dan T = total waktu kerusakan c. Distribusi Lognormal

Parameter adalah µ dan σ

d. Distribusi Weibull

Parameter untuk distribusi weibull dapat ditulis sebagai berikut:

[( ₎ ]

Untuk menafsirkan parameter α dan β dapat dilakukan dengan regresi linear. Paremeterny adalah α dan β.

a = ̅ - b ̅ = -βlnα

∑ _∑ ̅ _̅ ̅

β

3.5. Model Age Replacement12

Model Age Replacement adalah suatu model penggantian dimana interval waktu penggantian komponen dilakukan dengan memperhatikan umur pemakaian dari komponen tersebut, sehingga dapat menghindari terjadinya penggantian peralatan yang masih baru dipasang akan diganti dalam waktu yang relatif singkat. Jika terjadi suatu kerusakan, model ini akan menyesuaikan kembali jadwalnya setelah penggantian komponen dilakukan, baik akibat terjadi kerusakan maupun hanya bersifat sebagai perawatan pencegahan.

Dalam model Age Replacement, intinya pada saat dilakukan penggantian adalah tergantung pada umur komponen, jadi penggantian pencegahan akan dilakukan dengan menetapkan kembali interval waktu penggantian berikutnya sesuai dengan interval yang telah ditentukan. Pembentukan model ongkos penggantian pencegahan:

12

1. Ekspektasi ongkos penggantian per siklus = {ekspektasi ongkos total pada siklus pencegahan x probabilitas terjadinya siklus pencegahan} + {ekspektasi ongkos total pada siklus kerusakan x probabilitas terjadinya siklus kerusakan}

= {Cp . } + [Cf . {1- }⦌ 2. Ekspektasi panjang siklus

{ekspektasi panjang siklus pencegahan x probabilitas terjadinya siklus perencanaan} + {ekspektasi panjang siklus kerusakan x probabilitas terjadinya siklus kerusakan}

= [{ + }. ] + [{ + } . {1- }] Nilai interval rata-rata terjadinya kerusakan Mtp adalah: M (tp) =

Sehingga, model penentuan interval penggantian pencegahan dengan criteria meminimisasi ongkos dapat ditulis sebagai berikut:

⦌ ⦌

Dimana:

tp = interval waktu penggantian pencegahan

Tp = waktu untuk melakukan penggantian terencana Tf = waktu untuk melakukan penggantian kerusakan

Cp = biaya penggantian terencana (penggantian pencegahan) Cf = biaya penggantian tidak terencana (penggantian kerusakan)

R(tp) = Probabilitas terjadinya sikluspencegahan Tp+tp = panjang siklus pencegahan

M(tp)+Tf= ekspektasi panjang siklus kerusakan

3.6. Value Stream Mapping (VSM)

Value Stream adalah sekumpulan dari seluruh kegiatan yang di dalamnya

terdapat kegiatan yang memberikan nilai tambah juga yang tidak memberikan nilai tambah yang dibutuhkan untuk membawa produk maupun satu grup produk dari sumber yang sama untuk melewati aliran-aliran utama, mulai dari raw

material hingga sampai ke tangan konsumen.

Tujuan pemetaan ini adalah untuk mengidentifikasi seluruh jenis pemborosan di sepanjang value stream dan untuk mengambil langkah dalam upaya mengeliminasi pemborosan tersebut. Mengambil langkah ditinjau dari segi

value stream berarti bekerja dalam satu lingkup gambar yang besar (bukan

proses-proses individual), dan memperbaiki keseluruhan aliran dan bukan hanya mengoptimalkan aliran secara sepotong-sepotong13. Hal ini memunculkan suatu bahasa yang umum digunakan dalam proses produksi, dengan demikian akan mampu memfasilitasi keputusan yang lebih matang dalam memperbaiki value

stream.

13

Rother, M dan Shook, J, Learning to See, Value Stream Mapping to Create Value and Eliminate Muda,2003, The Lean Enterprise Institute, Inc, pp. 3-6

3.7. Maintenance Value Stream Mapping (MVSM)14

3.7.1. Pendahuluan

Salah satu metode yang sangat efektif di perusahaan lean untuk mengeliminasi kegiatan-kegiatan non value added adalah dengan menggunakan

Value Stream Mapping (VSM). VSM merupakan tools yang digunakan dalam

memvisualisasikan suatu sistem yang merepresentasikan aliran material dan informasi. Metode ini juga telah dijelaskan sebelumnya dapat menghasilkan suatu gambaran umum sebuah proses yang mudah dipahami. Hal ini juga semakin memudahkan untuk mengambil keputusan dalam mengeliminasi kegiatan-kegiatan yang tidak memberikan nilai tambah (non value added activities).

Hingga saat ini, telah diidentifikasi dan di-review ada 7 jenis teknik di dalam VSM, yaitu big picture mapping (Rother and Shook , 1999), supply chain

response matrix (Hines, Rich dan Jones, 1997), production variety funnel (New,

1974), quality filter mapping (Hines dan Rich, 1997), demand amplification

mapping (Hines dan Taylor, 2000), decision point analysis (Hines, Rich dan

Jones, 1997), dan physical structure mapping (Hines dan Rich, 1997). Namun, tidak satu pun dari ketujuh teknik tersebut yang berhubungan dengan kegiatan

maintenance (perawatan) sehingga tidak dapat digunakan untuk memetakan

kegiatan perawatan tesebut. Jika diperhatikan lebih lanjut, dalam setiap kegiatan perawatan tentu terdapat kegiatan yang memberikan nilai tambah maupun yang tidak memberikan nilai tambah. Sehingga, keunikan dari teknik ini adalah untuk

14

Kannan, Soundararajan, et. al. Developing A Maintenance Value Stream Map.

(http://www.iienet.org/uploadedFiles/IIE/Community/Technical_Societies_and_Divisions/Lean/Lean_details_pages/Ka nnan4-07.pdf)

mengembangkan VSM dalam kegiatan perawatan yang disebut dengan

Maintenance Value Stream Mapping (MVSM).

3.7.2. Variabel yang Digunakan dalam MVSM

Konsep Mean Maintenace Lead Time (MMLT) dianalogikan sesuai dengan konsep lead time dalam kegiatan manufaktur dalam pengukuran waktu untuk kegiatan perawatan. MMLT didefinisikan sebagai rata-rata waktu yang dibutuhkan untuk melakukan kegiatan perawatan mesin sehingga mesin tersebut dapat dipastikan telah mampu dioperasikan dengan normal. MMLT membagi kegiatan perwatan ke dalam beberapa level kegiatan. Dalam MVSM tidak dilakukan pengujian terhadap dampak dari buruk atau kurangnya strategi perawatan di lantai produksi, melainkan digunakan sebagai alat untuk mengukur waktu aktivitas perawatan. Secara matematis, MMLT dirumuskan dengan persamaan:

MMLT = MTTO + MTTR + MTTY dimana:

MTTO = Mean Time To Organize (Rata-rata waktu yang diperlukan untuk mengkoordinasikan tugas-tugas untuk memulai kegiatan perawatan mesin/peralatan setelah diketahui adanya kerusakan atau berdasarkan jadwal yang telah dibuat).

MTTR = Mean Time To Repair (Rata-rata waktu yang dibutuhkan untuk melakukan aktivitas perawatan mesin/peralatan).

MTTY = Mean Time To Yield (Rata-rata waktu yang dibutuhkan untuk memastikan bahwa mesin/peralatan dapat digunakan kembali setelah kegiatan perawatan mesin/peralatan dilakukan).

Berdasarkan definisi tersebut, komponen waktu yang memberikan nilai tambah bagi kegiatan perawatan adalah MTTR karena hanya komponen waktu ini merupakan waktu yang dibutuhkan untuk melakukan kegiatan perawatan atau perbaikan terhadap mesin/peralatan. Untuk dua komponen waktu lainnya, yaitu MTTO dan MTTY merupakan kegiatan yang tidak memberikan nilai tambah (non

value added time).

Oleh karena itu, value added time dan non value added time ditunjukkan dengan persamaan:

Value added time = MTTR Non value added time = MTTO + MTTR

Efisiensi perawatan dihitung dengan menggunakan persentase dari MMLT aktual dibandingkan dengan MMLT. Secara matematis:

3.7.3. Framework yang Digunakan dalam MVSM

Pada bagian ini akan dijelaskan framework (kerangka kerja) yang akan digunakan dalam dalam mengembangkan MVSM, yaitu tujuh kategori kerangka kerja yang merupakan simbol-simbol dari konsep VSM secara umum dan dikembangkan menjadi beberapa simbol baru. Berikut ini adalah uraian terhadap tujuh kategori kerangka kerja yang digunakan dalam MVSM:

a. Equipment breakdown

Simbol ini menggambarkan bahwa terjadi kerusakan atau perlunya dilakukan perawatan pada satu mesin/peralatan yang dapat mempengaruhi proses produksi.

b. Proses

Pada kategori ini terdapat aktivitas-aktivitas yang merupakan tahapan yang dilakukan sejak terhentinya mesin/peralatan sampai kondisi dimana mesin/peralatan dapat berfungsi kembali dengan normal dalam proses produksi. Aktivitas-aktivitas tersebut adalah komunikasikan masalah, identifikasi masalah, identifikasi sumber daya, mengalokasikan sumber daya, mempersiapkan pekerjaan yang akan dilakukan, melakukan perawatan/perbaikan, menjalankan mesin/peralatan setelah diperbaiki, dan pekerjaan perawatan/perbaikan selesai.

c. Aliran fisik

Aliran fisik menggambarkan aktivitas transportasi antara kegiatan yang satu dengan kegiatan yang lain yang dapat diamati secara fisik.

d. Aliran informasi

Aliran fisik dalam proses perawatan berhubungan dengan aliran informasi. Terkadang aliran informasi merupakan penghambat dalam aktivitas perawatan sehingga waktu yang dibutuhkan untuk proses selanjutnya jadi semakin lama.

e. Kotak data

simbol tersebut.

f. Delay

Simbol ini mengindikasikan bahwa terdapat waktu mengganggur di antara dua proses. Delay merupakan jenis kegiatan non value added yang dapat menambah nilai MMLT. Ada 3 jenis delay yang digunakan dalam menggambarkan MVSM, yaitu delay akibat operator yang menggunakan mesin/peralatan lambat dalam merespon masalah kerusakan, delay akibat tidak tersedianya komponen, dan delay akibat tidak tersedianya operator perawatan (tidak standby di tempat).

g. Timeline

Timeline menggambarkan dua jenis waktu, yaitu value added time dan non value added time.

Untuk lebih jelasnya, 7 kategori framework tersebut dapat dilihat pada Tabel 3.1. berikut ini.

Tabel 3.1. Kategori Framework dalam MVSM

No Kategori

Framework

Sub-

Kategori Simbol

Nama

Simbol Keterangan

Kategori MMLT

1 Equipment

breakdown

Equipment breakdown

Terjadi kerusakan atau perlunya dilakukan perawatn pada satu mesin/ perawatan yang dapat mempengaruhi proses produksi MMTO, MTTR, MTTY 2 Proses Communi cation Komunikasi kan masalah Operator pengguna mesin/peralatan mmengkoordinasikan masalah kerusakan ke operator perawatan atau perbaikan MTTO Identificat ion Identifikasi masalah

Identifikasi hal-hal yang menyebabkan terhentinya mesin/ peralatan yang digunakan MTTO Identifikasi sumber daya

Identifikasi sumber daya yang dibutuhkan dalam melakukan proses perawatan atau perbaikan atau perbaikan, seperti alat-alat (obeng, tang, palu,dll), spare part, operator, dll MTTO Alokasi Mengalokasi kan sumber daya Mempersiapkan sumber daya yang telah diidentifikasi MTTO Work Order Mempersiap kan pekerjaan yang akan dilakukan

Menyusun rencana kerja MTTO

Pekerjaan perawatan/

perbaikan selesai

Rencana kerja telah

disusun MTTO

Repair

Melakukan perawatan/ perbaikan

Pelaksanaan perawatan atau perbaikan terhadap mesin/ peralatan

Tabel 3.1. Kategori Framework dalam MVSM (Lanjutan)

No Kategori

Framework

Sub-

Kategori Simbol

Nama

Simbol Keterangan

Kategori MMLT

2 Proses Yield

Menjalanka n mesin/ peralatan

setelah diperbaiki

Waktu yang dibutuhkan untuk memastikan bahwa mesin/ peralatan dapat digunakan kembali setelah kegiatan

perawatan mesin/ peralatan dilakukan

MTTY

3 Aliran fisik

Panah

Maju Panah maju

Menunjukkan adanya aliran fisik. Dua proses di dalam MVSM dihubungkan dengan panah ini MTTO, MTTR, MTTY Panah

Turun Panah turun

Menggambarkan aliran fisik antara equipment breakdown dengan aktivitas pertama dalam MVSM

MTTO

4 Aliran informasi

Manual Panah lurus

Menggambarkan aliran informasi seperti memo, laporan, atau

percakapan. Frekuensi aliran juga dicantumkan di symbol ini.

MTTO, MTTR, MTTY

Elektronik Panah

berkelok

Menggambarkan aliran informasi melalui internet, intranet, Local Area Network (LAN), Wide Area Network (WAN). Frekuensi aliran juga dicantumkan di symbol ini.

MTTO, MTTR, MTTY

5 Kotak data Kotak data

Kotak data digunakan untuk merekam informasi dari setiap aktivitas perawatan/ perbaikan. Data yang terdapat di dalam kotak ini adalah data waktu setiap aktivitas.

MTTO, MTTR, MTTY

Tabel 3.1. Kategori Framework dalam MVSM (Lanjutan)

sumber: Kannan, Soundararajan, et. al. Developing A Maintenance Value Stream Map. ( http://www.iienet.org/uploadedFiles/IIE/Community/Technical_Societies_and_Divisions/Lean/Lean_details_pa ges/Kannan4- 07.pdf)

3.7.4. Proses Pemetaan dengan MVSM

Langkah-langkah yang dilakukan dalam memetakan aktivitas perawatan dengan menggunakan MVSM adalah sebagai berikut:

No Kategori

Framework

Sub-

Kategori Simbol

Nama

Simbol Keterangan

Kategori MMLT

6 Delay

Delay akibat operator yang mengguna kan mesin/ peralatan lambat dalam merespon masalah kerusakan Delay 1

Delay dihitung sejak terjadinya equipment breakdown sampai operator perawatan mendapatkan informasi bahwa terjadi kerusakan (delay terjadi akibat lambatnya operator yang menjalankan mesin/ peralatan dalam merespon masalah kerusakan) MTTO Delay akibat tidak tersediany a komponen Delay 2

Delay terjadi karena tidak tersedianya komponen yang dibutuhkan meskipun informasi telah diterima oleh operator perawatan.

MTTO Delay akibat tidak tersediany a operator perawatan (tidak standby di tempat) Delay 3 Aktivitas perawatan tertunda karena operator perawatan yang tidak berada di tempat pada waktu operator pengguna mesin/ peralatan menyampaikan kondisi equipment breakdown MTTO, MTTY

7 Timeline Timeline

Timeline digunakan untuk mencatat informasi tentang value added time (VA time) dan non value added time (NVA time). Pada bagian atas dicatat NVA time dan pada bagian bawah dicatat untuk VA time.

MTTO, MTTR, MTTY

1. Menggambarkan simbol equipment breakdwon di sudut kiri atas lembar kerja sebagai tanda awal bahwa telah terjadi breakdown pada mesin atau peralatan. Tuliskan juga nama mesin atau peralatan yang mengalami breakdown di kotak kecil bagian atas.

2. Menggambarkan simbol-simbol yang berhubungan dengan proses yang pertama sekali (komunikasikan masalah) di bawah simbol equipment

breakdown. Tempatkan juga simbol pekerjaan perawatan/perbaikan selesai di

sebelah paling kanan kertas kerja dan sejajar dengan simbol komunikasikan masalah.

3. Mengidentifikasi simbol-simbol yang akan digambarkan di antara symbol komunikasikan masalah dan simbol pekerjaan perawatan/perbaikan selesai. Simbol-simbol tersebut adalah identifikasi masalah, identifikasi sumber daya, mengalokasikan sumber daya, mempersiapkan pekerjaan yang akan dilakukan, melakukan perawatan/perbaikan, menjalankan mesin/peralatan setelah diperbaiki. Semua simbol tersebut disusun secara berurutan dari kiri ke kanan dengan memberikan ruang untuk simbol panah maju dan delay (jika terdapat delay).

4. Menggambarkan simbol kotak data dan memasukkan data waktu untuk setiap proses yang telah digambarkan pada langkah sebelumnya. Khusus untuk symbol pekerjaan perawatan/perbaikan selesai, data waktu proses tidak ada karena proses tersebut tidak memberikan pengaruh terhadap nilai MMLT (hanya sebagai keadaan yang menunjukkan bahwa aliran proses pada aktivitas perawatan/perbaikan telah selesai seluruhnya.

5. Menggambarkan simbol delay di antara setiap proses. Simbol delay disesuaikan dengan keadaan yang ingin dipetakan. Data mengenai lamanya

delay dituliskan di bawah simbol delay. Jika terdapat dua atau lebih delay,

cukup dengan menggambarkan satu simbol segitiga dan menuliskan angka di dalam segitiga tersebut sesuai jenis delay yang ingin digambarkan.

6. Menggambarkan simbol aliran fisik dan aliran informasi sesuai dengan keadaan aktivitas yang ingin dipetakan.

7. Menggambarkan simbol timeline di bagian bawah gambar simbol proses dan mencatatkan waktu setiap proses sesuai dengan kategori value added time atau

non value added time.

8. Melengkapi gambar dengan perhitungan total value added time, non value

added time, dan % efisiensi perawatan.

Berikut ini adalah contoh gambar MVSM suatu proses perawatan mesin yang digambarkan secara lengkap sesuai dengan langkah-langkah yang telah dijelaskan.

BAB IV

METODOLOGI PENELITIAN

4.1. Tempat dan Waktu Penelitian

Penelitian dilakukan di PT.Multimas Nabati Asahan departemen PKS (Pengolahan Kelapa Sawit) yang megolah bahan baku TBS menjadi Crude Palm

Oil (CPO) dan Inti sawit (palm kernel) yang berlokasi di lokasi Kuala Tanjung,

Kecamatan Sei Suka, Kabupaten Batubara (dahulunya Kabupaten Asahan). Waktu penelitian dilakukan pada Agustus 2015 sampai dengan selesai.

4.2. Jenis Penelitian

Jenis penelitian yang dilakukan adalah penelitian deskriptif yaitu suatu jenis penelitian yang bertujuan untuk mencandra atau mendeskripsikan secara sistematik, faktual dan akurat tentang fakta-fakta dan sifat-sifat suatu objek atau populasi tertentu (Sinulingga, 2011). Hasil penelitian bertujuan untuk memberikan usulan jadwal penggantian komponen mesin, perhitungan biaya untuk meminimumkan pengeluaran perusahaan khususnya bagian maintenance dan mengembangkan SOP perawatan mesin dan mengurangi kegiatan-kegiatan yang tidak memberikan nilai tambah (non value added activities).

4.3. Objek Penelitian

Objek penelitian yang diamati adalah perawatan mesin Screw Press pada proses produksi CPO di Departemen PKS di PT. Multimas Nabati Asahan.

3.4. Variabel Penelitian

Variabel-variabel yang terdapat dalam penelitian ini adalah sebagai berikut:

1. Variabel Dependen

Variabel dependen adalah yang nilainya dipengaruhi atau ditentukan oleh nilai variabel lain. Variabel dependen pada penelitian ini adalah Waktu perawatan mesin.

a. Interval Penggantian komponen

Variabel yang menunjukkan kapan akan dilakukan penggantian komponen mesin.

b. Biaya perawatan mesin

Variabel ini menunjukkan biaya perawatan yang ditimbulkan untuk melakukan perawatan mesin.

c. Maintenance Efficiency

Variabel ini menunjukkan besar efisiensi waktu yang digunakan dalam melakukan perawatan emsin.

2. Variabel Independen

Variabel independen adalah variabel yang mempengaruhi variabel dependen baik secara positif maupun negatif. Variabel-variabel independen dalam penelitian ini adalah :

a. Waktu perbaikan korektif dan preventif

Variabel yang menyatakan waktu yang diperlukan sebuah komponen/mesin untuk diperbaiki ketika terjadi kerusakan mendadak sampai dapat berfungsi kembali dan waktu yang diperlukan sebuah komponen/mesin untuk diperbaiki/diganti sebelum terjadi kerusakan. b. Interval waktu kerusakan komponen mesin

Variabel yang menyatakan interval waktu kerusakan komponen mesin kritis.

c. Opportunity cost

Variabel yang menyatakan biaya yang ditimbulkan akibat kehilangan waktu produksi karena kerusakan mesin.

d. Biaya tenaga kerja

Varibel yang menyatakan biaya tenaga kerja yang diperlukan untuk melakukan perawatan pada mesin.

e. Harga komponen

Variabel yang menyatakan besar harga komponen mesin yang rusak.

4.5. Kerangka Konseptual

Kerangka konseptual meruapakan suatu bentuk kerangka berpikir yang dapat digunakan sebagai pendekatan dalam pemecahan masalah. Biasanya kerangka penelitian ini menggunakan pendekatan ilmiah dan memperlihatkan hubungan antar variabel dalam proses analisisnya. Kerangka konseptual penelitian ini dapat dilihat pada Gambar 4.1.

Interval kerusakan Komponen Mesin

Perencanaan Perawatan Mesin dan Perhitungan Biaya Perawatan

- Jadwal Penggantian Komponen (MTTF) - Biaya Perawatan

- Maintenance Efficiecy

Waktu Perbaikan Korektif dan

Preventif Harga Komponen Biaya Tenaga Kerja

Opportunity Cost

Gambar 4.1. Kerangka Konseptual Penelitian

Kerangka konseptual diatas menjelaskan bahwa untuk menyelesaikan permasalahan pada perawatan komponen mesin yang rusak yang masih bersifat

corrective maintenance, maka diperlukan perhitungan untuk menentukan jadwal

penggantian komponen berdasarkan data interval waktu kerusakan komponen mesin kritis. Perhitungan biaya dilakukan untuk mengetahui berapa besar biaya yang harus dikeluarkan perusahaan untuk melakukan perawatan mesin yang sudah terjadwal yang dipengaruhi oleh opportunity cost, biaya tenaga kerja dan harga komponen. Setelah didapat waktu dan besar biaya perawatan maka seluruh aktivitas perawatan mesin ini dipetakan dengan maintenance value stream

mapping untuk melihat besar persen maintenance efficiency yang ditingkatkan

4.6. Rancangan Penelitian

Penelitian dilakukan dalam beberapa tahap, yang diawali dengan melakukan identifikasi masalah hingga menghasilkan kesimpulan. Tahapan-tahapan tersebut meliputi:

1. Identifikasi masalah

Identifikasi masalah merupakan langkah pertama yang dilakukan saat penelitian berlangsung sehingga dapat mengangkat permasalahan secara jelas dan terarah.

2. Perumusan Masalah

Perumusan masalah menjabarkan kembali inti dari permasalahan yang teridentifikasi kemudian menuangkannya ke dalam satu lingkup permasalahan yang spesifik.

3. Penetapan Tujuan

Penetapan tujuan penelitian sebagai acuan mengarahkan dan menentukan tujuan penelitian.

4. Pengumpulan Data

Data yang dikumpulkan dalam penelitian ini terdiri dari data primer dan sekunder yaitu :

a. Data primer

Data primer merupakan data yang diperoleh dari pengamatan langsung terhadap kondisi nyata di perusahaan. Data primer yang dibutuhkan adalah waktu perawatan mesin secara korektif dan preventif.

b. Data sekunder

Data sekunder merupakan data yang dikumpulkan dengan menacatat data dan informasi yang diperoleh dari perusahaan. Data sekunder pada penelitian ini adalah:

1. Data historis kerusakan mesin dan komponen mesin pada periode 2013-2014

2. Data biaya tenaga kerja, harga komponen dan opportunity cost. Tahapan proses penelitian dapat dilihat pada Gambar 4.2

Pengumpulan Data Primer

1. Data pengamatan langsung yaitu waktu perawatan mesin secara korektif maupun preventif

Pengumpulan Data Sekunder

1. Data kerusakan mesin serta komponen mesin

2. Biaya tenaga kerja dalam melakukan perawatan, harga komponen dan opportunity cost.

SELESAI

Mulai

Kesimpulan dan Saran

Identifikasi Masalah

1. Pengantian komponen yang rusak bersifat corrective maintenance. 2. Besar biaya perawatan mesin akibat opportunity cost yang terjadi dan waktu perbaikan mesin pada saat jam kerja standar karna masih menerapkan corrective maintenance.

Perumusan Masalah

Merekomendasikan perawatan mesin yang masih menerapkan sistem

corrective maintenance yaitu melakukan perawatan setelah terjadi kerusakan

yang menyebabkan hilangnya waktu proses produksi mesin, menjadi terjadwal (preventive maintenance) dengan jadwal penggantian komponen mesin.

Penetapan Tujuan

1. Menemukenali jenis dan komponen mesin kritis.

2. Menentukan jadwal penggantian komponen dengan metode Reliability Engineering berdasarkan kriteria MTTF.

3. Mendapatkan nilai keandalan pada jadwal penggantian komponen. 4. Membandingkan biaya perawatan mesin saat ini dengan usulan (preventive). 5. Mengembangkan SOP perawatan mesin berdasarkan MVSM.

Pengolahan Data

1. Pengujian Pola Distribusi, parameter dan nilai MTTF.

2. Perhitungan biaya peawatan mesin secara corrective dan preventive. 3. Pembentukan Current State Map dan Future State Map untuk melihat besar perbandingan nilai maintenance efficiency.

Reliability Engineering

Maintenance Value Stream Mapping

Analisis dan Evaluasi

1. Analisis kerusakan mesin komponen mesin kritis. 2. Jadwal perencanaan perawatan mesin berupa penggantian komponen mesin.

3. Membandingkan baiaya perawatan secara corrective maupun preventive maintenance.

4. Nilai keandalan pada jadwal penggantian komponen. 5. Mengembangkan SOP perawatan mesin dengan MVSM

4.7. Pengolahan Data

Pengolahan data pada penelitina ini dilakukan dengan menentukan jadwal penggantian komponen dengan pendekatan metode reliability engineering dengan kriteria MTTF (Mean Time To Failure). Selanjutnya pehitungan biaya perawatan mesin secara corrective dan preventive maintenance. Terakhir adalah pembentukan Current State Map dan Future State Map aktivitas perawatan yang selanjutnya didapat nilai MTTO, MTTR, MTTY dan MTTF berdasarkan metode

Maintenance Value Stream Mapping.

4.8. Kesimpulan dan Saran

Kesimpulan berisikan hal-hal penting dari penelitian yang merupakan tujuan dari penelitian. Selain dari kesimpulan, diberikan juga saran yang membangun bagi perusahaan usulan perbaikan kepada pihak perusahaan untuk mengiplementasikan hasil penelitian ini.

BAB V

PENGUMPULAN DAN PENGOLAHAN DATA

5.1. Pengumpulan Data

5.1.1. Pengumpulan Data Kerusakan Mesin

Data frekuensi kerusakan dikumpulkan berdasarkan data historis bagian

maintenance di PT. Multimas Nabati Asahan Departemen PKS.

5.1.2. Pengumpulan Data Kerusakan Komponen Mesin Kritis

Data frekuensi kerusakan komponen mesin kritis dikumpulkan berdasarkan dokumen atau data historis bagian maintenance di PT. Multimas Nabati Asahan Departemen PKS.

5.2. Pengolahan Data

5.2.1. Pengujian Pola Distribusi Komponen Kritis

Pengujian pola distribusi komponen kritis dilakukan menggunakan data interval waktu kerusakan komponen. Distribusi yang digunakan adalah distribusi normal, lognormal, eksponensial dan weibull. Pemilihan pola distribusi adalah menggunakan metode Least Square Curve Fitting yaitu berdasarkan nilai Index of

Fit (correlation coefficient) yang terbesar.

Dari data interval kerusakan komponen kritis diatas maka dilakukan pengujian pola distribusi untuk masing – masing komponen.

Berikut ini adalah perhitungan untuk mendapatkan distribusi komponen

Left and right Handed Worm P/N 13 berdasarkan nilai Index of Fit yang terbesar.

a. Distribusi Normal

a. Membuat ranking pada interval waktu kerusakan (ti) dari seluruh data.

b. Menghitung nilai F(ti)

Rumus: F(ti) = (i – 0,3)/(N+0,4) Dimana: i = Data ke-

N = Jumlah Data

Misalnya pada data ke- 1. Pada data ke- 1 dan jumlah data adalah 24,

Maka F(ti) = (i – 0,3)/(N+0,4) = (1 – 0,3)/(24+0,4) = 0,02868

c. Menghitung nilai Yi Rumus: Yi= Ф(Z)

Untuk menghitung Yi didapat dati Tabel Standarized Normal Probabilities, dimana Z = F(ti). Misalkan pada data ke-1 (ti = 90) Yi = Ф(Z)

Yi = Ф(0,02868) = -1,90043 d. Menghitung nilai Ti2

e. Menghitung nilai Yi2 f. Menghitung nilai Ti x Yi

Perhitungan waktu antar kerusakan dengan distribusi normal dari keseluruhan data dapat dilihat pada Tabel 5.5.

Tabel 5.5. Perhitungan Index of Fit dengan Distribusi Normal Komponen

Left and right Handed Worm P/N 13

i Ti F(ti) Yi Ti2 Yi2 Ti. Yi

1 90 0,02869 -1,90043 8100 3,61162 -171,03847 2 98 0,06967 -1,47824 9604 2,18519 -144,86726 3 136 0,11066 -1,22305 18496 1,49585 -166,33456 4 138 0,15164 -1,02943 19044 1,05972 -142,06104 5 138 0,19262 -0,86827 19044 0,75389 -119,82142 6 140 0,23361 -0,72702 19600 0,52856 -101,78293 7 145 0,27459 -0,59899 21025 0,35879 -86,853382 8 153 0,31557 -0,48011 23409 0,23051 -73,457182 9 156 0,35656 -0,36768 24336 0,13519 -57,357474 10 172 0,39754 -0,25972 29584 0,06745 -44,671349 11 176 0,43852 -0,15471 30976 0,02394 -27,229131 12 180 0,47951 -0,05139 32400 0,00264 -9,2498295 13 187 0,52049 0,051388 34969 0,00264 9,609545 14 190 0,56148 0,154711 36100 0,02394 29,395085 15 195 0,60246 0,259717 38025 0,06745 50,644843 16 214 0,64344 0,367676 45796 0,13519 78,682688 17 214 0,68443 0,480112 45796 0,23051 102,74403 18 215 0,72541 0,598989 46225 0,35879 128,7826 19 216 0,76639 0,727021 46656 0,52856 157,03653 20 217 0,80738 0,868271 47089 0,75389 188,41484 21 220 0,84836 1,029428 48400 1,05972 226,47412 22 230 0,88934 1,223048 52900 1,49585 281,3011 23 230 0,93033 1,478237 52900 2,18519 339,99459 24 236 0,97131 1,900427 55696 3,61162 448,50088 Total 4286 12 0 806170 20,9067 896,85681

Sumber: Penglohana Data

Setelah didapat hasil perhitungan waktu antar kerusakan distribusi normal dari data ke-1 sampai data ke-24, maka dilakukan perhitungan Index of Fit dimana langkah – langkahnya adalah sebagai berikut:

Sxy = N∑ - ∑ ∑ = (24) (896,85681) – (4286)(0) = 21524,5635

h. Menghitung nilai Sxx

Sxx = N∑ - ∑ = (24)(806170) – (4286)2 = 978284

i. Menghitung nilai Syy

Syy = N∑ - ∑ = (24)(20,9067) – (0)2 = 501,76048

j. Menghitung nilai Index of Fit (r)

Index of Fit (r) =

√ = 0,97152 b. Distribusi Lognormal

a. Membuat ranking pada interval waktu kerusakan (ti) dari seluruh data.

b. Menghitung nilai F(ti)

Rumus: F(ti) = (i – 0,3)/(N+0,4) Dimana: i = Data ke-

N = Jumlah Data

Misalnya pada data ke- 1. Pada data ke- 1 dengan jumlah data adalah 24,

Maka F(ti) = (i – 0,3)/(N+0,4) = (1 – 0,3)/(24+0,4) = 0,02868

c. Menghitung nilai Yi Rumus: Yi= Ф(Z)

Untuk menghitung Yi didapat dati Tabel Standarized Normal Probabilities, dimana Z = F(ti). Misalkan pada data ke-1 (ti = 90) Yi = Ф(Z)

Yi = Ф(0,02868) = -1,90043

d. Menghitung nilai Ti = ln (ti) = ln (90) = 4,49981 e. Menghitung nilai Ti2

f. Menghitung nilai Yi2 g. Menghitung Ti x Yi

Perhitungan waktu antar kerusakan dengan distribusi lognormal dari keseluruhan data dapat dilihat pada Tabel 5.6.

Tabel 5.6. Perhitungan Index of Fit dengan Distribusi Lognormal Komponen

Left and right Handed Worm P/N 13

i ti F(ti) Ti=LN(ti) Yi Ti2 Yi2 Ti.Yi

1 90 0,02869 4,49981 -1,90043 20,24829 3,61162 -8,55156 2 98 0,06967 4,58497 -1,47824 21,02193 2,18519 -6,77767 3 136 0,11066 4,91265 -1,22305 24,13418 1,49585 -6,00841 4 138 0,15164 4,92725 -1,02943 24,27783 1,05972 -5,07225 5 138 0,19262 4,92725 -0,86827 24,27783 0,75389 -4,27819 6 140 0,23361 4,94164 -0,72702 24,41983 0,52856 -3,59268 7 145 0,27459 4,97673 -0,59899 24,76788 0,35879 -2,98101 8 153 0,31557 5,03044 -0,48011 25,30531 0,23051 -2,41518 9 156 0,35656 5,04986 -0,36768 25,50105 0,13519 -1,85671 10 172 0,39754 5,14749 -0,25972 26,4967 0,06745 -1,33689

Tabel 5.6. Perhitungan Index of Fit dengan Distribusi Lognormal Komponen

Left and right Handed Worm P/N 13 (Lanjutan)

i ti F(ti) Ti=LN(ti) Yi Ti2 Yi2 Ti.Yi

11 176 0,43852 5,17048 -0,15471 26,7339 0,02394 -0,79993 12 180 0,47951 5,19296 -0,05139 26,9668 0,00264 -0,26686 13 187 0,52049 5,23111 0,05139 27,3645 0,00264 0,26882 14 190 0,56148 5,24702 0,15471 27,53126 0,02394 0,81177 15 195 0,60246 5,273 0,25972 27,80452 0,06745 1,36949 16 214 0,64344 5,36598 0,36768 28,7937 0,13519 1,97294 17 214 0,68443 5,36598 0,48011 28,7937 0,23051 2,57627 18 215 0,72541 5,37064 0,59899 28,84375 0,35879 3,21695 19 216 0,76639 5,37528 0,72702 28,89362 0,52856 3,90794 20 217 0,80738 5,3799 0,86827 28,9433 0,75389 4,67121 21 220 0,84836 5,39363 1,02943 29,09122 1,05972 5,55235 22 230 0,88934 5,43808 1,22305 29,57271 1,49585 6,65103 23 230 0,93033 5,43808 1,47824 29,57271 2,18519 8,03877 24 236 0,97131 5,46383 1,90043 29,85346 3,61162 10,3836 Total 4286 12 123,704 0 639,21 20,9067 5,48382

Sumber: Pengolahan Data

Setelah didapat hasil perhitungan waktu antar kerusakan distribusi lognormal dari data ke-1 sampai data ke-24, maka dilakukan perhitungan Index of

Fit dimana langkah – langkahnya adalah sebagai berikut: h. Menghiting nilai Sxy

Sxy = N∑ - ∑ ∑ = (24) (5,48382) – (123,704)(0) = 131,6117

i. Menghitung nilai Sxx

Sxx = N∑ - ∑ = (24)(639,21) – (123,704)2 = 38,34414

j. Menghitung nilai Syy

Syy = N∑ - ∑ = (24)(20,9067) – (0)2 = 501,76048

k. Menghitung nilai Index of Fit (r)

Index of Fit (r) =

√ = 0,948848 c. Distribusi Eksponensial

a. Membuat ranking pada interval waktu kerusakan (ti) dari seluruh data.

b. Menghitung nilai F(ti)

Rumus: F(ti) = (i – 0,3)/(N+0,4) Dimana: i = Data ke-

N = Jumlah Data

Misalnya pada data ke- 1. Pada data ke- 1 dan jumlah data adalah 24,

Maka F(ti) = (i – 0,3)/(N+0,4) = (1 – 0,3)/(24+0,4) = 0,02868

c. Menghitung nilai Yi

Rumus: Yi = ln [1/(1- F(ti)], maka untuk data ke-1, Yi adalah Yi = ln [1/(1- 0,02868],

= 0,02911 d. Menghitung nilai Ti2

e. Menghitung nilai Yi2 f. Menghitung nilai Ti x Yi

Perhitungan waktu antar kerusakan dengan distribusi eksponensial dari keseluruhan data dapat dilihat pada Tabel 5.7.

Tabel 5.7. Perhitungan Index of Fit dengan Distribusi Eksponensial Komponen Left and right Handed Worm P/N 13

i ti F(ti)

Yi

=LN1/(1-F(ti))

Ti2 Yi2 TiYi

1 90 0,02869 0,02911 8100 0,000847 2,61973 2 98 0,06967 0,07222 9604 0,005215 7,07738 3 136 0,11066 0,11727 18496 0,013752 15,9488 4 138 0,15164 0,16445 19044 0,027044 22,694 5 138 0,19262 0,21396 19044 0,045781 29,5271 6 140 0,23361 0,26606 19600 0,070788 37,2483 7 145 0,27459 0,32102 21025 0,103053 46,5477 8 153 0,31557 0,37917 23409 0,143773 58,0137 9 156 0,35656 0,44092 24336 0,194413 68,7839 10 172 0,39754 0,50674 29584 0,256781 87,1585 11 176 0,43852 0,57719 30976 0,333145 101,585 12 180 0,47951 0,65298 32400 0,426384 117,537 13 187 0,52049 0,73499 34969 0,540217 137,444 14 190 0,56148 0,82434 36100 0,679535 156,624 15 195 0,60246 0,92246 38025 0,850927 179,879 16 214 0,64344 1,03126 45796 1,063497 220,69 17 214 0,68443 1,15336 45796 1,330246 246,82 18 215 0,72541 1,29248 46225 1,670493 277,882

19 216 0,76639 1,45412 46656 2,114456 314,089 20 217 0,80738 1,64702 47089 2,712677 357,403 21 220 0,84836 1,88625 48400 3,55794 414,975 22 230 0,88934 2,20133 52900 4,84586 506,306 23 230 0,93033 2,66395 52900 7,096656 612,71 24 236 0,97131 3,55126 55696 12,61143 838,097 Total 4286 12 23,1039 806170 40,69491 4857,66

Setelah didapat hasil perhitungan waktu antar kerusakan distribusi eksponensial dari data ke-1 sampai data ke-24, maka dilakukan perhitungan Index

of Fit dimana langkah – langkahnya adalah sebagai berikut: g. Menghiting nilai Sxy

Sxy = N∑ - ∑ ∑ = (24) (4857,66) – (4286)(23,1039) = 17560,5

h. Menghitung nilai Sxx

Sxx = N∑ - ∑ = (24)(806170) – (4286)2 = 978284

i. Menghitung nilai Syy

Syy = N∑ - ∑

= (24)(40,69491) – (23,1039)2 = 442,8872

j. Menghitung nilai Index of Fit (r)

Index of Fit (r) =

√ = 0,84364 4. Distribusi Weibull

a. Membuat ranking pada interval waktu kerusakan (ti) dari seluruh data.

b. Menghitung nilai F(ti)

Dimana: i = Data ke- N = Jumlah Data

Misalnya pada data ke- 1. Pada data ke- 1 dan jumlah data adalah 24,

Maka F(ti) = (i – 0,3)/(N+0,4) = (1 – 0,3)/(24+0,4) = 0,02868

c. Menghitung nilai Ti, diperoleh dari Ti = ln (ti) = ln (90) = 4,49981 d. Menghitung nilai Yi

Rumus: Yi = ln{- ln [(1- F(ti)]}, maka untuk data ke-1 Yi = ln [- ln(1- 0,02868],

= - 3,53674 e. Menghitung nilai Ti2

f. Menghitung nilai Yi2 g. Menghitung nilai Ti x Yi

Perhitungan waktu antar kerusakan dengan distribusi weibull dari keseluruhan data dapat dilihat pada Tabel 5.8.

Tabel 5.8. Perhitungan Index of Fit dengan Distribusi Weibull Komponen

Left and right Handed Worm P/N 13

i ti F(ti) Ti=LN(t)

Yi=LN(- LN(I-F(Ti)))

Ti2 Yi2 TiYi

1 90 0,02869 4,49981 -3,53674 20,24829 12,5085 -15,9147 2 98 0,06967 4,58497 -2,62806 21,02193 6,90672 -12,0496 3 136 0,11066 4,91265 -2,14327 24,13418 4,5936 -10,5291 4 138 0,15164 4,92725 -1,80515 24,27783 3,25857 -8,89444 5 138 0,19262 4,92725 -1,54195 24,27783 2,37759 -7,59756 6 140 0,23361 4,94164 -1,32403 24,41983 1,75307 -6,54291 7 145 0,27459 4,97673 -1,13626 24,76788 1,29108 -5,65485 8 153 0,31557 5,03044 -0,96976 25,30531 0,94043 -4,87831 9 156 0,35656 5,04986 -0,81889 25,50105 0,67057 -4,13526 10 172 0,39754 5,14749 -0,67977 26,4967 0,46208 -3,49909 11 176 0,43852 5,17048 -0,54959 26,7339 0,30205 -2,84164 12 180 0,47951 5,19296 -0,42621 26,9668 0,18165 -2,21327 13 187 0,52049 5,23111 -0,30789 27,3645 0,0948 -1,61062 14 190 0,56148 5,24702 -0,19317 27,53126 0,03732 -1,01358 15 195 0,60246 5,273 -0,08071 27,80452 0,00651 -0,42561 16 214 0,64344 5,36598 0,030781 28,7937 0,00095 0,165173 17 214 0,68443 5,36598 0,142682 28,7937 0,02036 0,765627 18 215 0,72541 5,37064 0,256559 28,84375 0,06582 1,377888 19 216 0,76639 5,37528 0,374399 28,89362 0,14017 2,012498 20 217 0,80738 5,3799 0,498968 28,9433 0,24897 2,684396 21 220 0,84836 5,39363 0,634591 29,09122 0,40271 3,422747 22 230 0,88934 5,43808 0,789062 29,57271 0,62262 4,290984 23 230 0,93033 5,43808 0,979812 29,57271 0,96003 5,328294 24 236 0,97131 5,46383 1,267302 29,85346 1,60605 6,924325 Total 4286 12 123,704 -13,1673 639,21 39,4523 -60,8286

Sumber: Pengolahan Data

Setelah didapat hasil perhitungan waktu antar kerusakan distribusi weibull dari data ke-1 sampai data ke-24, maka dilakukan perhitungan Index of Fit dimana langkah – langkahnya adalah sebagai berikut:

h. Menghiting nilai Sxy

= (24) (-60,8286) – (123,704)(-13,1673) = 168,9613

i. Menghitung nilai Sxx

Sxx = N∑ - ∑ = (24)(639,21) – (123,704)2 = 38,34414

j. Menghitung nilai Syy

Syy = N∑ - ∑

= (24)(39,4523) – (-13,1673)2 = 773,4767

k. Menghitung nilai Index of Fit (r)

Index of Fit (r) =

√ = 0,981102

Rekapitulasi perhitungan Index of Fit untuk pola distribusi interval kerusakan komponen Left and right Handed Worm P/N 13 dapat dilihat pada Tabel 5.9.

Tabel 5.9. Rekapitulasi Perhitungan Index of Fit Komponen Left and right

Handed Worm P/N 13

Distribusi Index of Fit

Normal 0,97152

Lognormal 0,948848

Eksponensial 0,84364

Weibull 0,981102

Dari hasil rekapitulasi Index of Fit seperti tabel diatas didapat, maka distribusi yang terpilih adalah weibull dengan nilai Index of Fit sebesar 0,981102.

5.2.2. Perhitungan Parameter dan MTTF Komponen Mesin

Setelah dilakukan pemilihan pola distribusi untuk setiap komponen berdasarkan nilai Index of Fit terbesar maka langkah selanjutnya adalah menghitung parameter dan nilai Mean Time To Failure (MTTF) untuk setiap komponen. Pola distribusi kerusakan setiap komponen kritis mesin Screw Press dapat dilihat pada Tabel 5.30.

Tabel 5.30. Rekapitulasi Pola Distribusi Kerusakan Komponen Kritis Mesin

Srew Press

NO Nama Komponen Distribusi

1 Left and Right Handed

Worm P/N 13 Weibull

2 Bushing Normal

3 Rebuild Worm Weibull

4 Press Cylynder Weibull

5 Bearing SKF 29326 Normal

Sumber: Pengolahan Data

Perhitungan untuk masing – masing komponen sesuai dengan jenis pola distribusi interval waktu kerusakan adalah sebagai berikut:

1. Komponen Left and Right Handed Worm P/N 13

Pola distribusi kerusakan komponen ini adalah distribusi weibull. Berdasarkan Tabel 5.8. maka parameter distribusi kerusakan dan nilai MTTF adalah:

a. Menghitung nilai b

∑

∑ ∑

∑ ∑

b. Menghitung nilai a

c. Menghitung parameter bentuk (β) β = b = 4,40644

d. Menghitung nilai parameter skala ( ) = = ea/b

= 0,00509 e. Menghitung nilai

= =

= 196,14295 f. Menghitung nilai MTTF

MTTF =

= 196,14295 ≈196 hari 2. Komponen Bushing

Pola distribusi kerusakan komponen ini adalah distribusi normal. Berdasarkan Tabel 5.10. maka parameter distribusi kerusakan dan nilai MTTF adalah:

a. Menghitung nilai b

∑

∑ ∑

∑ ∑

b. Menghitung nilai a

∑ ∑

c. Menghitung nilai (σ) σ = = 69,68288

d. Menghitung nilai = -a . σ = 179,21739 e. Menghitung nilai MTTF

MTTF = = 179,21739 ≈179 hari 3. Komponen Rebuild Worm

Pola distribusi kerusakan komponen ini adalah distribusi weibull. Berdasarkan Tabel 5.18. maka parameter distribusi kerusakan dan nilai MTTF adalah:

a. Menghitung nilai b

∑

∑ ∑

∑ ∑

b. Menghitung nilai a

∑ ∑

c. Menghitung parameter bentuk (β) β = b = 3,15681

d. Menghitung nilai parameter skala ( ) = = ea/b

= 0,00488 e. Menghitung nilai

= =

= 204,8427 f. Menghitung nilai MTTF

MTTF =

= 204,8427 ≈ 204 hari 4. Komponen Press Cylinder

Pola distribusi kerusakan komponen ini adalah distribusi weibull. Berdasarkan Tabel 5.18. maka parameter distribusi kerusakan dan nilai MTTF adalah:

a. Menghitung nilai b

∑

∑ ∑

∑ ∑

b. Menghitung nilai a

∑ ∑

c. Menghitung parameter bentuk (β) β = b = 2,89170

d. Menghitung nilai parameter skala ( ) = = ea/b

= 0,00409 e. Menghitung nilai

= =

= 243,94503 f. Menghitung nilai MTTF

MTTF =

= 243,94503≈ 243 hari 5. Komponen Bearing SKF 29326

Pola distribusi kerusakan komponen ini adalah distribusi normal. Berdasarkan Tabel 5.10. maka parameter distribusi kerusakan dan nilai MTTF adalah:

a. Menghitung nilai b

∑

∑ ∑

∑ ∑

b. Menghitung nilai a

∑ ∑ c. Menghitung nilai (σ)

σ = = 80,44935

d. Menghitung nilai = -a . σ = 248,875 e. Menghitung nilai MTTF

MTTF = = 248,875 ≈ 248 hari

Rekapitulasi hasil nilai perhitungan (Mean Time To Failure) MTTF setiap komponen adalah sebagai berikut:

Tabel 5.31. Rekapitulasi Nilai MTTF

NO Komponen MTTF (hari)

1 Left and Right Handed Worm P/N 13 196

2 Bushing 179

3 Rebuild Worm 204

4 Press Cylynder 243

5 Bearing SKF 29326 248

Sumber: Pengolahan Data

Berdasarakan tabel tersebut diatas maka rencana jadwal penggantian komponen dapat disusun seperti Tabel 5.32. berikut ini:

Tabel 5.32. Jadwal Interval Penggantian Komponen Kritis

NO Komponen Hari ke-

1 Left and Right Handed Worm P/N 13 196

2 Bushing 179

3 Rebuild Worm 204

4 Press Cylynder 243

5 Bearing SKF 29326 248

5.2.3. Perhitungan Cost of Failure dan Cost of Preventive 5.2.3.1.Perhitungan Cost Of Failure

Biaya cost of failure adalah biaya yang timbul saat terjadi kerusakan yang menyebabkan terhentinya mesin pada saat proses produksi. Perhitungan biaya ini terdiri dari perhitungan biaya tenaga kerja, biaya kehilangan waktu produksi, biaya komponen dan biaya pemasangan komponen. Perhitungannya adalah sebagai berikut:

1. Biaya tenaga kerja

Biaya ini berhubungan dengan gaji karyawan yang bertugas melakukan penggantian. Perhitungannya adalah:

Jumlah tenaga kerja : 3 orang

Biaya tenaga kerja/hari/orang : Rp. 100.000,- Total biaya tenaga kerja/hari : Rp. 300.000,- 2. Biaya komponen

Biaya komponen merupakan harga tiap komponen yang mengalami kerusakan. Biaya komponen tersebut adalah sebagai berikut:

Tabel 5.33. Jumlah dan Harga Komponen Mesin Screw Press

No Nama Komponen Jumlah Harga Total Harga

1 Left and Right Handed Worm P/N 13 1 pasang Rp. 8.250.000,- Rp. 8.250.000,-

2 Bushing 20 cm Rp. 1.460.000,- Rp. 1.460.000,-

3 Rebuild Worm 1 buah Rp. 450.000,- Rp. 450.000,-

4 Press Cylynder 1 buah Rp. 7.240.000,- Rp. 7.240.000,-

5 Bearing SKF 29326 1 buah Rp. 4.210.000,- Rp. 4.210.000,-

Sumber: PT. Multimas Nabati Asahan

3. Biaya kehilangan waktu produksi

Biaya ini merupakan besar potensi produksi yang hilang karena tidak bekerjanya sistem.

Jumlah output/hari:

- CPO : 26.846,42 kg/hari

Harga/kg : Rp. 7.432,-/kg

Total harga CPO : Rp. 199.522.657,1/hari

- Inti sawit : 8002,85kg/hari

Harga/kg : Rp. 3426,-/kg

Total harga Inti sawit : Rp. 27.417.764,1/hari

Maka biaya total kehilangan waktu produksi adalah

Rp. 199.522.657,1/hari + Rp. 27.417.764,1/hari = Rp. 226.940.421,2 /hari

4. Biaya Pemasangan Komponen

Biaya ini merupakan biaya yang timbul akibat kegiatan penggantian komponen yang terdiri dari biaya alat dan bahan dan biaya pelumas (grease). Besar biaya ini untuk setiap penggantian komponen adalah sebesar Rp. 20.000,-.

Perhitungan nilai Cost of Failure untuk setiap komponen ditentukan dengan rumus: Cf = (a +b) x c + d + e

Dimana:

a = Biaya kehilangan produksi (Rp/hari) b = Biaya tenaga kerja (Rp/hari)

c = Total waktu perawatan komponen (hari) d = Harga komponen (Rp)

Cf = Cost of Failure/ biaya penggantian komponen secara corrective (Rp) Contoh perhitungan nilai Cf komponen Left and Right Handed Worm P/N 13 adalah sebagai berikut:

Cf = (Rp. 300.000,-/hari + Rp. 226.940.421,2 /hari) x 1,062 hari + Rp. 8.250.000,- + Rp. 20.000,-.

= Rp. 249.712.947,6

Rekapitulasi nilai Cf untuk semua komponen dapat dilihat pada Tabel dibawah ini:

Tabel 5.34. Rekapitulasi Nilai Cf Komponen Mesin Screw Press

Komponen a(Rp) b(Rp) c(Rp) d(Rp) e(Rp) Cf(Rp)

Left and Right Handed Worm P/N 13 226.940.421.2 300.000 1.062 8.250.000 20.000 249.712.947,6

Bushing 226.940.421.2 300.000 0.937 1.460.000 20.000 214.517.894,9

Rebuild Worm 226.940.421.2 300.000 0.937 450.000 20.000 213.507.894,9

Press Cylynder 226.940.421.2 300.000 1.125 7.240.000 20.000 262.905.473,9

Bearing SKF 29326 226.940.421.2 300.000 1 4.210.000 20.000 231.470.421,2

Sumber: Pengolahan Data

5.2.3.2.Perhitungan Cost Of Preventive

Perhitungan Cost Of Preventive (Cp) adalah perhitungan biaya yang timbul karena adanya perawatan secara terencana. Biaya ini terdiri dari biaya tenaga kerja, biaya pembelian komponen dan biaya pemasangan. Cp dapat dihitung dengan menggunakan rumus: Cp = (a +b) x c +d + e

Dimana:

a = Biaya kehilangan produksi (Rp/hari) b = Biaya tenaga kerja (Rp/hari)

akan melakukan perawatan mesin dan penggantian komponen mesin. Biaya tenaga kerja/bulan = Rp. 2.037.000,-

Biaya tenaga kerja/hari/ 3 orang = Rp. 244.440,- c = waktu perawatan preventive (hari)

d = Harga komponen (Rp)

e = Biaya Pemasangan Komponen (Rp)

Cp = Cost of Preventive/ biaya penggantian komponen secara preventive (Rp) Contoh perhitungan nilai Cp komponen Left and Right Handed Worm P/N 13 adalah sebagai berikut:

Cp = (0 + Rp. 244.440,-/hari) x 0,718 hari + Rp. 8.250.000,- + Rp. 20.000,-. = Rp. 8.445.691,25,-

Rekapitulasi nilai Cp untuk semua komponen dapat dilihat pada Tabel dibawah ini:

Tabel 5.35. Rekapitulasi Nilai Cp Komponen Mesin Screw Press

Komponen b(Rp) c(Rp) d(Rp) e(Rp) Cp(Rp)

Left and Right Handed Worm P/N 13 244.440 0,718 8.250.000 20.000 8.445.691,25

Bushing 244.440 0,593 1.460.000 20.000 1.625.136,25

Rebuild Worm 244.440 0,326 450.000 20.000 549.913,08

Press Cylynder 244.440 0,365 7.240.000 20.000 7.249.314,62

Bearing SKF 29326 244.440 0,593 4.210.000 20.000 4.375.136,25

Sumber: Pengolahan Data

5.2.4. Perhitungan Keandalan pada Jawdal Interval Penggantian

Komponen

Perhitungan nilai keandalan (reliability) komponen mesin kritis pada jadwal penggantian yang diusulkan digunakan untuk mengetahui besar nilai

keandalan komponen mesin pada saat dilakukan jadwal penggantian komponen yang diusulkan. Perhitungan dilakukan berdasarkan pola distribusi yang telah terpilih untuk masing – masing komponen. Perhitungan nilai keandalan setiap komponen adalah sebagai berikut:

1. Komponen Left and Right Handed Worm P/N 13

Data interval waktu kerusakan komponen berdistribusi weibull Parameter : MTTF = 196 hari

: α = 196,143

: β = 4,40644

Maka perhitungan nilai keandalan komponen mesin adalah:

R(tp) = exp [ - ] = exp [-

] = 0,36906 F(tp) = 1- R(tp) = 1- 0, 89531= 0,63094

Berdasarkan perhitungan yang diperoleh bahwa setelah 196 penggunaan komponen Left and Right Handed Worm P/N 13 nilai keandalannya adalah sebesar 0,36906. Hal ini menunjukkan nilai keandalan komponen mesin pada jadwal penggantian komponen adalah sebesar 0,36906.

2. Komponen Bushing

Data interval waktu kerusakan komponen berdistribusi normal Parameter : MTTF = 179 hari

: = 179,2174

: σ = 69,6828

Maka perhitungan nilai keandalan komponen mesin adalah: R(tp) =1 - Φ = 1 - Φ

F(tp) = 1- R(tp) = 1- 0, 5012= 0,498

Berdasarkan perhitungan yang diperoleh bahwa setelah 179 penggunaan komponen Bushing nilai keandalannya adalah sebesar 0,5012. Hal ini menunjukkan nilai keandalan komponen mesin pada jadwal penggantian komponen adalah sebesar 0, 5012.

3. Komponen Rebuild Worm

Data interval waktu kerusakan komponen berdistribusi weibull Parameter : MTTF = 204 hari

: α = 204,8428

: β = 3,15681

Maka perhitungan nilai keandalan komponen mesin adalah:

R(tp) = exp [ - ] = exp [-

] = 0,37267 F(tp) = 1- R(tp) = 1- 0, 37267= 0,62733

Berdasarkan perhitungan yang diperoleh bahwa setelah 204 penggunaan komponen Rebuild Worm nilai keandalannya adalah sebesar 0,37267. Hal ini menunjukkan nilai keandalan komponen mesin pada jadwal penggantian komponen adalah sebesar 0, 37267.

4. Komponen Press Cylinder

Data interval waktu kerusakan komponen berdistribusi weibull Parameter : MTTF = 243 hari

: α = 243,945

: β = 2,8917

R(tp) = exp [ - ] = exp [-

] = 0,37201 F(tp) = 1- R(tp) = 1- 0, 37201= 0,62799

Berdasarkan perhitungan yang diperoleh bahwa setelah 243 penggunaan komponen Press Cylinder nilai keandalannya adalah sebesar 0, 37201. Hal ini menunjukkan nilai keandalan komponen mesin pada jadwal penggantian komponen adalah sebesar 0, 37201.

5. Komponen Bearing SKF 29326

Data interval waktu kerusakan komponen berdistribusi normal Parameter : MTTF = 248 hari

: = 248,875

: σ = 80,4493

Maka perhitungan nilai keandalan komponen mesin adalah: R(tp) =1 - Φ = 1 - Φ

= 0,50434 F(tp) = 1- R(tp) = 1- 0, 50434= 0,49566

Berdasarkan perhitungan yang diperoleh bahwa setelah 248 penggunaan komponen Bearing SKF 29326 nilai keandalannya adalah sebesar 0, 50434. Hal ini menunjukkan nilai keandalan komponen mesin pada jadwal penggantian komponen adalah sebesar 0, 50434.

Rekapitulasi nilai keandalan (reliability) pada jadwal interval penggantian komponen dapat dilihat pada Tabel 5.36.

Tabel 5.36. Rekapitulasi Nilai Keandalan pada Jadwal Interval Penggantian Komponen

No Komponen Interval Penggantian

Komponen (Hari) Keandalan

1 Left and Right Handed Worm P/N 13 196 0,36906

2 Bushing 179 0,5012

3 Rebuild Worm 204 0,37267

4 Press Cylynder 243 0,37201

5 Bearing SKF 29326 248 0,50434

Sumber: Pengolahan Data

5.2.5. Pembentukan Current State Map

Pembentukan current state map dilakukan dengan menerapkan langkah – langkah berdasarkan konsep value stream mapping, aktivitas perawatan yang diterapkan pada current state map merupakan urutan aktivitas aktual yang dilakukan jika terjadi kerusakan. Data mengenai waktu rata – rata seperti nilai MTTO, MTTR dan MTTY didapatkan dari hasil wawancara dengan bagian

maintenance terhadap bagaimana perbaikan yang dilakukan jika terjadi kerusakan

hingga dapat beroperasi kembali.

Dengan adanya pemetaan ini, maka dapat diidentifikasi beberapa faktor yang menyebabkan bertambahnya nilai non value added time, seperti:

1. Delay akibat operator yang menggunakan mesin/peralatan lambat dalam

merespon kerusakan. Delay ini dihitung sejak terjadinya equipment

breakdown sampai operator perawatan mendapatkan informasi bahwa

terjadi kerusakan. Hal ini terjadi karena yang menggunakan mesin/peralatan belum memahami fungsional mesin dan apa yang harus

dilakukan jika terjadi kerusakan pada mesin sehingga terjadi delay yang cukup lama.

2. Delay akibat tidak tersedianya komponen. Ketersediaan sumber daya

seperti komponen mesin dan peralatan yang digunakan untuk memperbaiki mesin yang rusak merupakan salah satu factor yang mempengaruhi nilai waktu downtime dalam aktivitas perawatan. Jika komponen dan sumber daya lainnya tidak tersedia maka proses perbaikan tidak dapat segera dilakukan yang mengakibatkan mesin/peralatan tidak dapat digunakan untuk melakukan proses produksi.

Kondisi aktual yang terjadi di PT. Multimas Nabati Asahan masih belum optimal karena masih sering terjadi delay karena tidak tersedianya komponen mesin. Hal ini menyebabkan mesin tidak dapat langsung diperbaiki ketika terjadi kerusakan karena harus nmenunggu samapi komponen tersedia dan proses perawatan dapat dilakukan.

3. Delay akibat tidak tersedianya opearator perawatan ( tidak adanya teknisi

yang standby di tempat). Teknisi perawatan yang seharusnya standby di lantai produksi, sehingga pada saat dibutuhkan dapat segera melakukan tugasnya. Namun kondisi aktual saat ini masih belum optimal karena masih sering terjadi delay akibat kerusakan yang tidak dapat diprediksi. 4. Prosedur perawatan dan perbaikan yang belum optimal.

Dari hasil penggambaran current state map didapatkan total waktu non value

didapatkan persentase maintenance efficiency untuk komponen Left and Right

Handed Worm P/N 1/3 sebesar 35,29%.

% Maintenance Efficiency =

=

Current state map aktivitas perawatan komponen Left and Right Handed Worm P/N 1/3 dapat dilihat pada Gambar 5.3. dan untuk komponen bushing, rebuild worm, press cylinder dan beraing SKF 29326 dapat dilihat pada gambar

Identikasi Masalah Identifikasi Sumber Daya Mengalokasikan Sumber daya Equipment Breakdown

Left and Right Handed Worm P/N 13

Komunikasikan

Masalah Mempersiapkan _{pekerjaan yang}

akan dilakukan

Melakukan Perawatan /perbaikan Menjalankan mesin peralaytan setelah diperbaiki

6 jam

1 jam

17 jam 1 jam

0,5 jam 4 jam

0,5 jam 0,5 jam

3 jam

0,5 jam

MTTO MTTR MTTY

10 jam _{1 jam}

6 jam

Non Value Added Time

Value Added Time 6 jam 11 jam

% Maintenance Efficiency 35,29 %

Identikasi Masalah Identifikasi Sumber Daya Mengalokasikan Sumber daya Equipment Breakdown

Bushing

Komunikasikan

Masalah Mempersiapkan _{pekerjaan yang}

akan dilakukan

Melakukan Perawatan /perbaikan Menjalankan mesin peralaytan setelah diperbaiki

4 jam

1 jam

15 jam 1 jam

0,5 jam 3 jam

1 jam 1 jam

3 jam

0,5 jam

MTTO MTTR MTTY

10 jam _{1 jam}

4 jam

Non Value Added Time

Value Added Time 4 jam 11 jam

% Maintenance Efficiency 26,66 %

Identikasi Masalah Identifikasi Sumber Daya Mengalokasikan Sumber daya Equipment Breakdown

Rebuild Worm

Komunikasikan

Masalah Mempersiapkan _{pekerjaan yang}

akan dilakukan

Melakukan Perawatan /perbaikan Menjalankan mesin peralaytan setelah diperbaiki

3 jam

1 jam

15 jam 1 jam

0,5 jam 2 jam

1 jam 1 jam

5 jam 0,5 jam

MTTO MTTR MTTY

11 jam _{1 jam}

3 jam

Non Value Added Time

Value Added Time 3 jam 12 jam

% Maintenance Efficiency 20%

Identikasi Masalah Identifikasi Sumber Daya Mengalokasikan Sumber daya Equipment Breakdown

Press Cylinder

Komunikasikan

Masalah Mempersiapkan _{pekerjaan yang}

akan dilakukan

Melakukan Perawatan /perbaikan Menjalankan mesin peralaytan setelah diperbaiki

6 jam

1 jam

18 jam 1 jam

0,5 jam 2 jam

1 jam 1 jam

5 jam 0,5 jam

MTTO MTTR MTTY

11 jam _{1 jam}

6 jam

Non Value Added Time

Value Added Time 6 jam 12 jam

% Maintenance Efficiency 33,33 %

Identikasi Masalah Identifikasi Sumber Daya Mengalokasikan Sumber daya Equipment Breakdown

Bearing SKF 29326

Komunikasikan

Masalah Mempersiapkan _{pekerjaan yang}

akan dilakukan

Melakukan Perawatan /perbaikan Menjalankan mesin peralaytan setelah diperbaiki

4 jam

1 jam

16 jam 1 jam

0,5 jam 2 jam

1 jam 1 jam

5 jam 0,5 jam

MTTO MTTR MTTY

11 jam _{1 jam}

4 jam

Non Value Added Time

Value Added Time 4 jam 12 jam

% Maintenance Efficiency 25%

DAFTAR TABEL (Lanjutan)

TABEL HALAMAN

5.9 Rekapitulasi Perhitungan Index of Fit Komponen Left and right

Handed Worm P/N 13 ... V-17

5.10 Perhitungan Index of Fit dengan Distribusi Normal Komponen

Bushing ... V-19

5.11 Perhitungan Index of Fit dengan Distribusi Lognormal Komponen

Bushing ... V-21

5.12 Perhitungan Index of Fit dengan Distribusi Eksponensial

Komponen Bushing ... V-24 5.13 Perhitungan Index of Fit dengan Distribusi Weibull Komponen

Bushing ... V-26

5.14 Rekapitulasi Perhitungan Index of Fit Komponen Bushing ... V-28 5.15 Perhitungan Index of Fit dengan Distribusi Normal Komponen

Rebuild Worm ... V-29

5.16 Perhitungan Index of Fit dengan Distribusi Lognormal Komponen

Rebuild Worm ... V-32

5.17 Perhitungan Index of Fit dengan Distribusi Eksponensial

Komponen Rebuild Worm... V-34 5.18 Perhitungan Index of Fit dengan Distribusi Weibull Komponen

DAFTAR TABEL (Lanjutan)

TABEL HALAMAN

5.20 Perhitungan Index of Fit dengan Distribusi Normal Komponen

Press Cylinder ... V-40

5.21 Perhitungan Index of Fit dengan Distribusi Lognormal Komponen

Press Cylinder ... V-42

5.22 Perhitungan Index of Fit dengan Distribusi Eksponensial

Komponen Press Cylinder ... V-45 5.23 Perhitungan Index of Fit dengan Distribusi Weibull Komponen

Press Cylinder ... V-47

5.24 Rekapitulasi Perhitungan Index of Fit Komponen Press Cylinder .. V-49 5.25 Perhitungan Index of Fit dengan Distribusi Normal Komponen

Bearing SKF 29326... V-50

5.26 Perhitungan Index of Fit dengan Distribusi Lognormal Komponen

Press Cylinder ... V-53

5.27 Perhitungan Index of Fit dengan Distribusi Eksponensial

Komponen Bearing SKF 29326 ... V-55 5.28 Perhitungan Index of Fit dengan Distribusi Weibull Komponen

Bearing SKF 29326... V-57

5.29 Rekapitulasi Perhitungan Index of Fit Komponen Bearing SKF

DAFTAR TABEL (Lanjutan)

TABEL HALAMAN

5.30 Rekapitulasi Pola Distribusi Kerusakan Komponen Kritis Mesin

Srew Press ... V-59

5.31 Rekapitulasi Nilai MTTF ... V-64 5.32 Jadwal Interval Penggantian Komponen Kritis ... V-64 5.33 Jumlah dan Harga Komponen Mesin Screw Press ... V-65 5.34 Rekapitulasi Nilai Cf Komponen Mesin Screw Press ... V-67 5.35 Rekapitulasi Nilai Cp Komponen Mesin Screw Press ... V-68 5.36 Rekapitulasi Nilai Keandalan pada Jadwal Interval Penggantian

Komponen ... V-71 5.37 Aktivitas Non Value Addeed Komponen Left and Right Handed

Worm P/N 1/3 ... V-79

5.38 Aktivitas Non Value Addeed Komponen Left and Right Handed

Worm P/N 1/3 ... V-81

5.39 Perbandingan Current State Map dengan Future State Map

Komponen Kritis ... V-87 6.1 Data Frekuensi Kerusakan Mesin Screw Press Periode 2013-2014 VI-2 6.2 Komponen Kritis Mesin Screw Press dan Frekuensi

Kerusakannya pada periode 2013-2014 ... VI-3 6.3 Total Perbandingan Biaya Perawatan Komponen Mesin ... VI-6

DAFTAR GAMBAR

GAMBAR HALAMAN

2.1 Struktur Organisasi PKS PT. Multimas Nabati Asahan... II-4 3.1 Kurva Distribusi Normal ... III-8 3.2 Kurva Distribusi Lognormal ... III-9 3.3 Kurva Distribusi Eksponensial ... III-10 3.4 Kurva Distribusi Weibull ... III-12 3.5 Maintenance Value Stream Mapping (MVSM) ... III-27

4.1 Kerangka Konseptual Penelitian ... IV-4 4.2 Block Diagram Proses Penelitian ... IV-7

5.1 Grafik Analisis Pareto Kerusakan Mesin Tahun 2013 – 2014 ... V-2 5.2 Grafik Analisis Pareto Kerusakan Komponen Mesin

Screw Press ... V-4 5.3 Current State MVSM Komponen Left and Right Handed Worm

P/N 1/3 ... V-74

5.4. Current State MVSM Komponen Bushing ... V-75

5.5 Current State MVSM Komponen Rebuild Worm ... V-76

5.6 Current State MVSM Komponen Press Cylinder ... V-77

5.7 Current State MVSM Komponen Bearing SKF 29326 ... V-78

5.8 Future State MVSM Komponen Left and Right Handed Worm

DAFTAR GAMBAR (Lanjutan)

GAMBAR HALAMAN

5.9 Future State MVSM Komponen Bushing ... V-83

5.10 Future State MVSM Komponen Rebuild Worm ... V-84

5.11 Future State MVSM Komponen Press Cylinder ... V-85

5.12 Future State MVSM Komponen Bearing SKF 29326 ... V-86

6.1 Flowchart Maintenance Planning Procedure ... VI-8

DAFTAR LAMPIRAN

LAMPIRAN HALAMAN

1. Tugas dan Tanggung Jawab Tiap-tiap Jabatan Struktur

Organisasi PKS PT. Multimas Nabati Asahan ... L-1 2. Tabel Distribusi Normal ... L-2 3. Form Asistensi ... L-3