- Normal Tabel 5.23. Perhitungan
Index of Fit dengan Distribusi Normal
i tiday
xi=ti Fti
yi xiyi
xi
2
yi
2
1 2.75
2.75 0.206
- 0.82
- 2.255
7.563 0.672
2 3
3 0.5
0.000 9
0.000 3
3 3
0.794 0.82
2.460 9
0.672
Total 8.75
8.75 1.5
0.205 25.563
1.345
r=0.866
- Weibull Tabel 5.24. Perhitungan
Index of Fit dengan Distribusi Weibull
i tiday
xi=1n.ti Fti
yi xiyi
xi
2
yi
2
1 2.75
1.012 0.206
- 1.468
- 1.486
1.024 2.155
2 3
1.099 0.5
-3.66 -
4.022 1.208
13.396 3
3 1.099
0.794 0.458
0.503 1.208
0.210
Total 8.75
3.21 1.500
-4.67 -5.005
3.440 15.760
r= -0.037
Tabel 5.25. Tabel Perbandingan Nilai Index of Fit Motor Time to Repair
Destribusi r
Ekponensial 0.763
Log Normal 0.866
Normal 0.866
Weibull 0.037
Dari tabel Index of Fit motor Time to Repair nilai yang tertinggi ialah 0.866 sehingga untuk Index of Fit motor Time to Repair berdistribusi Log
Normal.
Universitas Sumatera Utara
1000 100
10 1
0.1
99 90
80 70
60 50
40 30
20 10
5 3
2 1
C1
P e
r c
e n
t
Mean 64.25
N 4
AD 0.204
P-Value 0.915
Probability Plot for Time To Failure Valve
Lognormall - 95 CI
5.1.8. Uji Kecocokan Distribusi Goodness of Fit Test
Tahap terakhir dalam identifikasi distribusi adalah Goodness of Fit Test uji kecocokan distribusi yaitu uji kesesuaian secara statistic yang didasarkan
pada sampel waktu kerusakan dan perbaikan. Uji ini dilakukan dengan membandingkan H
Hipotesis nol dan H
1
Hipotesis alternatif. H menyatakan
bahwa kerusakan berasal dari distribusi tertentu dan H
1
akan menyatakan bahwa waktu kerusakan tidak berasal dari distribusi tertentu tersebut yang didapat
melalui perhitungan Index of Fit dengan least square methods. Uji kecocokan distribusi ini dilakukan dengan bantuan software Minitab 14 melalui specific test
test khusus. Adapun langkah-langkah penggunaan dapat dilihat pada landasan teori sub-bab Goodness of Fit.
5.1.8.1 Uji Kecocokan Distribusi untuk Data Mean Time to Failure a. Valve
H = Data Berdistribusi Lognormal
H
1
= Data Tidak Berdistribusi Lognormal
300 200
100 -100
-200
99 95
90 80
70 60
50 40
30 20
10 5
1
C1
P e
r c
e n
t
Mean 64.25
StDev 57.29
N 4
AD 0.304
P-Value 0.354
Normal - 95 CI
Probability Plot for Time To Failure Valve
Universitas Sumatera Utara
10000 1000
100 10
1
99 95
90 80
70 60
50 40
30 20
10 5
1
C1
P e
r c
e n
t
Loc 3.823
Scale 1.005
N 4
AD 0.169
P-Value 0.823
Probability Plot for Time To Failure Valve
Exponential - 95 CI
Gambar 5.4 Goodness of Fit Test Valve Time to Failure
Berdasarkan analisa yang dilakukan didapat bahwa untuk Time to
Failure sparepart valve berdistribusi Lognormal. Suatu data dikatakan
mengikuti distribusi tertentu apabila titik-titiknya sebarannya mengikuti garis lurus. Hal ini didasari pada nilai p-value yang paling besar dimiliki distribusi
lognormal yang mengindikasikan semakin besar p-value maka semakin kuat keputusan untuk menerima hipotesa awal H
. Sehingga dicapai suatu keputusan terima hipotesis awal H
. Disamping itu nilai AD Anderson- Darling pada distribusi lognormal merupakan yang terkecil sekaligus
menekankan semakin besar peluang untuk gagal menolak hipotesis awal H .
1000 100
10 1
0.1
99 90
80 70
60 50
40 30
20 10
5 3
2 1
C1
P e
r c
e n
t
Shape 1.318
Scale 70.02
N 4
AD 0.206
P-Value 0.250
Weibull - 95 CI
Probability Plot for Time To Failure Valve
Universitas Sumatera Utara
b. Motor H
= Data Berdistribusi Lognormal H
1
= Data Tidak Berdistribusi Lognormal
Gambar 5.5 Goodness of Fit Test Motor Time to Failure
Berdasarkan analisa yang dilakukan didapat bahwa untuk Time to Failure
sparepart motor berdistribusi Lognormal. Suatu data dikatakan mengikuti
distribusi tertentu apabila titik-titiknya sebarannya mengikuti garis lurus. Hal ini didasari pada nilai p-value yang paling besar dimiliki distribusi lognormal
yang mengindikasikan semakin besar p-value maka semakin kuat keputusan untuk menerima hipotesa awal H
. Sehingga dicapai suatu keputusan terima hipotesis awal H
. Disamping itu nilai AD Anderson-Darling pada
500 400
300 200
100 -100
-200 -300
99 95
90 80
70 60
50 40
30 20
10 5
1
C1
P e
r c
e n
t
Mean 111.5
StDev 64.35
N 2
AD 0.250
P-Value 0.227
Normal - 95 CI
Probability Plot for Time to Failure Motor
10000 1000
100 10
1
99 95
90 80
70 60
50 40
30 20
10 5
1
C1
P e
r c
e n
t
Loc 4.623
Scale 0.6128
N 2
AD 0.250
P-Value 0.227
Lognormal - 95 CI
Probability Plot for Time to Failure Motor
1000 100
10 1
0.1
99 90
80 70
60 50
40 30
20 10
5 3
2 1
C1
P e
r c
e n
t
Mean 111.5
N 2
AD 0.416
P-Value 0.448
Exponential - 95 CI
Probability Plot for Time to Failure Motor
1000 100
10 1
99 90
80 70
60 50
40 30
20 10
5 3
2 1
C1
P e
r c
e n
t
Shape 2.769
Scale 126.1
N 2
AD 0.365
P-Value 0.250
Weibull - 95 CI
Probability Plot for Time to Failure Motor
Universitas Sumatera Utara
distribusi lognormal merupakan yang terkecil sekaligus menekankan semakin besar peluang untuk gagal menolak hipotesis awal H
.
5.1.8.2. Uji Kecocokan Distribusi untuk Data Mean Time to Repair a. Valve
H = Data Berdistribusi Normal
H
1
= Data Tidak Berdistribusi Normal
Gambar 5.6 Goodness of Fit Test Valve Time to Repair
2.25 2.00
1.75 1.50
1.25 1.00
0.75 0.50
99 95
90 80
70 60
50 40
30 20
10 5
1
C1
P e
r c
e n
t
Mean 1.3
StDev 0.2092
N 5
AD 0.364
P-Value 0.273
Normal - 95 CI
Probability Plot for Time To Repair Valve
2 1.5
1 0.9
0.8 0.7
0.6
99 95
90 80
70 60
50 40
30 20
10 5
1
C1
P e
r c
e n
t
Loc 0.2514
Scale 0.1675
N 5
AD 0.374
P-Value 0.255
Lognormal - 95 CI
Probability Plot for Time To Repair Valve
10 1
0.1 0.01
99 90
80 70
60 50
40 30
20 10
5 3
2 1
C1
P e
r c
e n
t
Mean 1.3
N 5
AD 1.723
P-Value 0.011
Exponential - 95 CI
Probability Plot for Time To Repair Valve
2 1.5
1 0.9
0.8 0.7
0.6 0.5
99 90
80 70
60 50
40 30
20 10
5 3
2 1
C1
P e
r c
e n
t
Shape 8.520
Scale 1.380
N 5
AD 0.461
P-Value 0.224
Weibull - 95 CI
Probability Plot for Time To Repair Valve
Universitas Sumatera Utara
Berdasarkan analisa yang dilakukan didapat bahwa untuk Time to
Repair sparepart valve berdistribusi Normal. Suatu data dikatakan
mengikuti distribusi tertentu apabila titik-titiknya sebarannya mengikuti garis lurus. Hal ini didasari pada nilai p-value yang paling besar dimiliki distribusi
normal yang mengindikasikan semakin besar p-value maka semakin kuat keputusan untuk menerima hipotesa awal H
. Sehingga dicapai suatu keputusan terima hipotesis awal H
. Disamping itu nilai AD Anderson- Darling pada distribusi normal merupakan yang terkecil sekaligus
menekankan semakin besar peluang untuk gagal menolak hipotesis awal H .
b. Motor H
= Data Berdistribusi Normal H
1
= Data Tidak Berdistribusi Normal
3.6 3.4
3.2 3.0
2.8 2.6
2.4 2.2
99 95
90 80
70 60
50 40
30 20
10 5
1
C1
P e
r c
e n
t
Mean 2.917
StDev 0.1443
N 3
AD 0.488
P-Value 0.057
Normal - 95 CI
Probability Plot for Time To Repair Motor
3.8 3.6
3.4 3.2
3 2.8
2.6 2.4
2.2
99 95
90 80
70 60
50 40
30 20
10 5
1
C1
P e
r c
e n
t
Loc 1.070
Scale 0.05024
N 3
AD 0.488
P-Value 0.057
Probability Plot for Time To Repair Motor
Lognormal - 95 CI
Universitas Sumatera Utara
Gambar 5.7. Goodness of Fit Test Motor Time to Repair
Berdasarkan analisa yang dilakukan didapat bahwa untuk Time to
Repair sparepart motor berdistribusi Normal. Suatu data dikatakan
mengikuti distribusi tertentu apabila titik-titiknya sebarannya mengikuti garis lurus. Hal ini didasari pada nilai p-value yang paling besar dimiliki distribusi
normal yang mengindikasikan semakin besar p-value maka semakin kuat keputusan untuk menerima hipotesa awal H
. Sehingga dicapai suatu keputusan terima hipotesis awal H
. Disamping itu nilai AD Anderson- Darling pada distribusi normal merupakan yang terkecil sekaligus
menekankan semakin besar peluang untuk gagal menolak hipotesis awal H .
Berdasarkan perhitungan index of fit dengan menggunakan least square methods dan dilanjutkan dengan pengujian kecocokan data yang
dilakukan dengan menggunakan minitab 14 didapat bahwa keseluruhan hipotesis awal H
dapat diterima. Oleh sebab itu identifikasi awal pada distribusi kerusakan constumable parts telah baik dilakukan.
100 10
1 0.1
0.01
99 90
80 70
60 50
40 30
20 10
5 3
2 1
C1
P e
r c
e n
t
Mean 2.917
N 3
AD 1.287
P-Value 0.028
Probability Plot for Time To Repair Motor
Exponential - 95 CI
3.2 3
2.8 2.6
2.4 2.2
99 90
80 70
60 50
40 30
20 10
5 3
2 1
C1
P e
r c
e n
t
Shape 36.69
Scale 2.969
N 3
AD 0.703
P-Value 0.044
Probability Plot for Time To Repair Motor
Weibull - 95 CI
Universitas Sumatera Utara
5.1.9. Perhitungan Selang Waktu Penggantian dan Pemeriksaan
Interval waktu penggantian pencegahan dihitung dengan menggunakan distribusi yang telah ditentukan dengan uji kecocokan distribusi sebelumnya.
Metode yang digunakan adalah metode minimum downtime sedangkan metode penggantian pencegahan yang digunakan adalah metode age replacement dengan
menghitung waktu penggantian pencegahan berdasarkan umur penggantian yang optimal. Data diperlukan adalah sebagai berikut:
- Jumlah jam kerja mesin sama dengan jam kerja operator yaitu senin sampai minggu dengan 3 shift kerja dan 1 shift libur, jadi jumlah jam kerja mesin
yaitu 24 jam per hari. - Waktu kerja pertahun adalah 365 hari kerja dengan 24 jam perhari 8760 jam
per tahun. a. Valve BFP
Dari data uji waktu penggantian pencegahan 1. Interval waktu penggantian pencegahan
Data distribusi normal
9 .
3 875
. 413
. 3
5 .
6 625
. 8
5 5
. 6
7 .
5
2 1
2 1
1 2
1 1
1 1
1 1
1 1
= =
− −
=
−
− =
∑ ∑
∑ ∑
∑
= =
= =
=
x x
x x
x n
y x
y x
n b
n i
n i
n i
n i
n i
Universitas Sumatera Utara
07 .
5 5
5 .
6 9
. 3
5
1 1
1 1
− =
− =
− =
∑ ∑
= =
x n
x b
n y
a
n i
n i
3 .
1 9
. 3
07 .
5 =
− −
= −
= b
a µ
256 .
9 .
3 1
1 =
= =
b σ
jam MTTR
3 .
1 =
= µ
Data distribusi Lognormal
841 .
127 .
12 198
. 10
29 .
15 478
. 61
4 29
. 15
549 .
2 4
2 1
2 1
1 2
1 1
1 1
1 1
1 1
= =
− −
=
−
− =
∑ ∑
∑ ∑
∑
= =
= =
=
x x
x x
x n
y x
y x
n b
n i
n i
n i
n i
n i
214 .
3 4
29 .
15 841
. 4
1 1
1 1
− =
− =
− =
∑ ∑
= =
x n
x b
n y
a
n i
n i
β=b=0.841 189
. 1
841 .
1 1
= =
= b
s
022 .
189 .
1 214
. 3
.
= =
=
− −
− x
a s
med
e e
t
Universitas Sumatera Utara
hari xe
xe t
MTTF
s med
565 .
32 022
.
2 189
. 1
2
2 2
= =
=
Tabel 5.26. Perhitungan Interval Penggantian Valve
tpday Ftp
Rtp Mtp
Dtp 10
0.1515505 0.8484950 214.87887 0.02963 20
0.2843388 0.7156612 114.52886 0.025213 30
0.4522415 0.5477585 72.007987 0.023149 40
0.63307 0.36693
51.439809 0.022868 50
0.8093 0.1907
40.238478 0.02436 60
0.99284 0.00716
32.799847 0.029222 70
0.99797 0.00203
32.631241 0.029424 80
0.99842 0.00158
32.616534 0.029433 90
0.99888 0.00112
32.601514 0.029451 100
0.99933 0.00067
32.586833 0.029477 110
0.99978 0.00022
32.572166 0.02951 120
0.99996 0.00004
32.566303 0.029525
Contoh perhitungan:
1515505 .
022 .
565 .
32 10
=
−
Φ =
−
Φ =
σ µ
t t
F
8484950 .
022 .
565 .
32 10
1 1
=
−
Φ −
=
− Φ
− =
σ µ
t t
R
8789 .
214 1515505
. 565
. 32
= =
= tp
F MTTF
tp M
hari
Universitas Sumatera Utara
0.02963 8484950
. 1
3 .
1 8789
. 214
8484950 .
3 .
1 10
8484950 .
1 8484950
. 3
. 1
1 1
= −
+ +
+ −
+ =
− +
+ −
+ =
x x
x tp
R T
tp M
tp R
T t
tp R
tp R
T tp
D
f p
p p
Dtp min = 0.023149 Atp = 1-0.023149 = 0.97685
Replacement Age = 30 2. Interval Waktu Pemeriksaan
• Waktu rata-rata satu kali perbaikan
0.00015 8760
3 .
1 ker
1 =
= =
tahun ja
Jam MTTR
µ
jam •
μ = berbanding terbalik dengan waktu rata-rata 1 kali perbaikan 1μ 67
. 6666
00015 .
1 1
= =
µ • waktu rata-rata pemeriksaan
jam tahun
ja hari
n pemeriksaa
kali satu
waktu
0.0001142 8760
1 ker
1 =
= =
µ
• i= berbanding terbalik dengan waktu rata-rata pemeriksaan jam
t i
8760 0001142
. 1
1 =
= =
• Rata-rata rusak dalam 1 tahun k = 5 kali
Universitas Sumatera Utara
• Jumlah kerusakan optimal
tahun usakan
x n
ker 5
. 2
67 .
6666 8760
5 =
= • Interval waktu pemeriksaan
hari jam
ti 146
3504 5
. 2
8760 =
= =
b. Motor BFP Dari data uji waktu penggantian pencegahan
1. Interval waktu penggantian pencegahan Data distribusi lognormal
138 .
14 015
. 214
. 21
. 3
440 .
3 3
21 .
3 071
. 3
2 1
2 1
1 2
1 1
1 1
1 1
1 1
= =
− −
=
−
− =
∑ ∑
∑ ∑
∑
= =
= =
=
x x
x x
x n
y x
y x
n b
n i
n i
n i
n i
n i
128 .
15 3
21 .
3 138
. 14
3
1 1
1 1
− =
− =
− =
∑ ∑
= =
x n
x b
n y
a
n i
n i
β=b=14.138 071
. 138
. 14
1 1
= =
= b
s
Universitas Sumatera Utara
915 .
2
071 .
128 .
15 .
= =
=
− −
− x
a s
med
e e
t
jam xe
xe t
MTTR
s med
923 .
2 915
. 2
2 071
. 2
2 2
= =
=
Data distribusi normal
011 .
8281 460
. 96
223 29005
2 223
23 .
48 2
2 1
2 1
1 2
1 1
1 1
1 1
1 1
= =
− −
=
−
− =
∑ ∑
∑ ∑
∑
= =
= =
=
x x
x x
x n
y x
y x
n b
n i
n i
n i
n i
n i
299 .
1 2
223 011
. 2
1 1
1 1
− =
− =
− =
∑ ∑
= =
x n
x b
n y
a
n i
n i
5 .
111 011
. 299
. 1
= −
− =
− =
b a
µ
849 .
85 011
. 1
1 =
= =
b σ
Hari MTTR
5 .
111 =
= µ
Universitas Sumatera Utara
Tabel 5.27. Perhitungan Interval Penggantian Motor
tpday Ftp
Rtp Mtp
Dtp 10
0.119 0.881
936.9748 0.021807 20
0.14231 0.85769
783.5008 0.020084 30
0.1710561 0.8289439 651.8329 0.018577 40
0.2032693 0.7967307 548.5334 0.017266 50
0.2357624 0.7642376 472.9338 0.016141 60
0.2742531 0.7257469 406.5588 0.015129 70
0.3156137 0.6843863 353.28 0.014235 80
0.3556913 0.6443087 313.4741 0.01346 90
0.4012937 0.5987063 277.8514 0.012754 100
0.4482832 0.5517168 248.7267 0.012127 110
0.49202 0.50798
226.6168 0.011585 120
0.53983 0.46017 206.5465 0.01109
Dtp min = 0.011585 Atp = 1-0.011585= 0.988415
Replacement Age = 110 hari
2. Interval Waktu Pemeriksaan • Waktu rata-rata satu kali perbaikan
jam 0.000333
8760 915
. 2
ker 1
= =
= tahun
ja Jam
MTTR µ
• μ = berbanding terbalik dengan waktu rata-rata 1 kali perbaikan 1μ
3005.146 000333
. 1
1 =
= µ
Universitas Sumatera Utara
• waktu rata-rata pemeriksaan
jam 0.0001142
8760 1
ker 1
= =
= tahun
ja hari
n pemeriksaa
kali satu
waktu µ
• i= berbanding terbalik dengan waktu rata-rata pemeriksaan jam
t i
8760 0001142
. 1
1 =
= =
• Rata-rata rusak dalam 1 tahun k = 3 kali • Jumlah kerusakan optimal
tahun usakan
x n
ker 9
. 2
146 .
3005 8760
5 =
= • Interval waktu pemeriksaan
hari jam
ti 126
3021 9
. 2
8760 =
= =
5.1.9. Perhitungan Availability Jika Dilakukan Pemeriksaan
Setelah dilakukan perhitungan availability sebelum dilakukan pemeriksaan maka selanjutnya adalah menghitung tingkat availability setelah
dilakukan pemeriksaan.:
Universitas Sumatera Utara
1. Valve
An = 1 –Dn = 1-0.000644 = 0.999356
2. Motor
000727 .
8760 2
146 .
3005 2
3 .
= +
= +
=
x i
n n
k n
D µ
An = 1 –Dn = 1-0.000727 = 0.999273
5.1.10. Perhitungan Availability Total
Perhitungan ini dilakukan untuk mengetahui besarnya tingkat ketersediaan mesin saat dioperasikan bila telah dilakukan preventive maintenance. Tujuannya
adalah mengetahui tingkat keandalan dari sebuah sparepart yang telah dilakukan penggantian perawatan. Tingkat ketersediaan berdasarkan interval waktu
penggantian pencegahan dan interval pemeriksaan tidak saling mepengaruhi satu sama lain sehingga dikatakan dua kejadian yang saling bebas, untuk mengetahui
peluang kejadian salaing bebas adalah dengan mengalikan nilai kedua availability tersebut.
000644 .
8760 4
67 .
6666 4
5 .
= +
= +
=
x i
n n
k n
D
µ
Universitas Sumatera Utara
Tabel 5.28. Perbandingan Availability Penggantian Pencegahan dan
Pemeriksaan Nama
Sparepart Availability
Penggantian Pencegahan
Availability Dilakukan
Pemeriksaan Availability
total
Valve 0.97685
0.999356 0.9762
Motor 0.98842
0.999273 0.9877
5.1.11. Perhitungan Reliability Setelah dilakukan Preventive maintenance
Pada perhitungan kali ini akan menghitung besarnya tingkat reliability sebelum dilakukan preventive maintenance R
r
dan tingkat reliability bila dilakukan preventive maintenance Rm
r
. Setelah dilakukan preventive maintenance seharusnya tingkat keandalan reliability sparepart lebih tinggi
karena telah dilakukan perawatan yang intensif dengan preventive maintenance. 1. Valve
dari hasil selang waktu penggantian pencegahan dan pemeriksaan μ = 32.567 hari
σ = 0.022 hari T age replacement = 30 hari
MTTF = 32.567 hari
Universitas Sumatera Utara
Tabel 5.29. Perhitungan Reliability Valve
tpday N
Rt Rt
n
Rt-nT Rmt
10 1
0.8484950 0.876980 0.99134 0.869385
20 1
0.7156612 0.876980 0.97320 0.853477
30 1
0.5477585 0.876980 0.93056 0.816083
40 1
0.36693 0.876980
0.84614 0.742044
50 1
0.19070 0.876980
0.71566 0.627621
60 1
0.00716 0.876980
0.54380 0.476898
70 1
0.00203 0.876980
0.37070 0.325096
80 1
0.00158 0.876980
0.19070 0.167240
90 1
0.00112 0.876980
0.01115 0.009778
100 1
0.00067 0.876980
0.00203 0.001780
110 1
0.00022 0.876980
0.00158 0.001386
120 1
0.00004 0.876980
0.00112 0.000982
1515505 .
022 .
565 .
32 10
=
−
Φ =
−
Φ =
σ µ
t t
R
87698 .
022 .
565 .
32 30
1 1
1
=
−
Φ −
=
− Φ
− =
n n
t t
R σ
µ
0.99134 022
. 565
. 32
30 1
10 1
1
=
−
− Φ
− =
− −
Φ −
= −
x nT
t nT
t R
σ µ
0.869385 99134
. 87698
. =
= −
= x
nT t
xR T
R t
Rm
n
Universitas Sumatera Utara
Gambar 5.8. Kurva Reliablity Valve
2. Motor μ = 111.5 hari
σ = 85.849 hari T age replacement = 110 hari
MTTF = 111.5 hari
Tabel 5.30. Perhitungan Reliability Motor
tpday n
Rt Rtn
Rt-nT Rmt
10 1
0.8810000 0.507980 0.99305 0.504450 20
1 0.8576900
0.507980 0.99061 0.503210 30
1 0.8289439 0.507980 0.98713 0.501442
40 1
0.7967307 0.507980 0.98257 0.499126
50 1
0.7642376 0.507980 0.97725 0.496423 60
1 0.7257469 0.507980 0.96995 0.492715
70 1
0.6843863 0.507980 0.96080 0.488067 80
1 0.6443087 0.507980 0.95053 0.482850
90 1
0.5987063 0.507980 0.93699 0.475972
100 1
0.5517168 0.507980 0.92220 0.468459
110 1
0.5079800 0.507980 0.90320 0.458808
120 1
0.4601700 0.507980 0.88100 0.447530
Universitas Sumatera Utara
Gambar 5.9. Kurva Reliablity Motor
Tabel 5.31. Perbandingan Reliability Sebelum dan Sesudah Preventive
maintenance Sparepart
TTFDay Rt
Rmt Perbandingan
Valve 30
0.5477 0.8161
49 Motor
110 0.5079
0.4588 -9.67
Berdasarkan tingkat reliabilitas diatas maka dapat disimpulkan bahwa dengan adanya tindakan preventive maintenance, maka reliability dari valve
mengalami peningkatan, tetapi pada motor reliabaility mengalami penurunan hal ini diidentifkasi masih terlalu singkatnya waktu preventive maintenance, untuk
meningkatkan reliability pada motor bisa dilakukan dengan mengurangi waktu preventive maintenance dari 110 atau 3 bulan bisa menjadi 6 bulan sekali, karena
motor BFP tidak baik jika sering dilakukan pembongkaran.
Universitas Sumatera Utara
5.2. Sistem Perawatan Yang Dilakukan
Dalam usaha untuk meningkatkan pemeliharaan mesin pada Boiler Feed Pump BFP maka dilakukan system perawatan untuk perusahaan. Perawatan ini
terdiri dari flow chart system perawatan, penjadwalan mesin kritis dan Manajemen perawatan.
1. Flow Chart Sistem Perawatan Flow chart dalam system perawatan terdiri dari beberapa urutan proses
dalam perawatan. Dalam hal ini flow chart dibuat sesuai dengan urut-urutan dari perencanaan perawatan hingga kepada evaluasi perawatan. Urutan yang pertama
dimulai dari proses perencanaan perawatan. Pada proses ini dilakukan perencanaan untuk kegiatan perawatan yang akan dilakukan di lantai produksi,
yang meliputi, pertama ialah perencanaan mesin apa saja yang akan dimasukkan ke dalam proses perawatan. Hal ini dilakukan agar kebutuhan dalam perawatan
seperti peralatan ataupun komponen mesin yang ada dapat disediakan dalam mendukung proses perawatan. Hal ini dilakukan agar kebutuhan dalam perawatan
seperti peralatan ataupun komponen mesin yang ada dapat disediakan dalam mendukung proses perawatan. Hal ini dilakukan untuk menanggulangi agar
apabila terjadi kerusakan, dapat dilakukan perbaikan dengan cepat tanpa menunggu kedatangan komponen. Selain itu perencanaan ini juga untuk
mengetahui komponen mana saja yang perlu dirawat, bagaimana caranya dan kapan harus dilakukan yang nantinya dapat diinterpretasikan kedalam sebuah
penjadwalan perawatan. Selain itu juga melakukan perencanaan dalam menentukan personil yang secara khusus melakukan perawatan mesin pada lantai
Universitas Sumatera Utara
produksi. Hal ini dilakukan agar terdapat bagian khusus yang mengawasi perawatan di lantai produksi sehingg proses perawatan dapat berjalan dengan
baik. Selanjutnya setelah ditentukan mesin, waktu dan orang-orang yang melakukan maka di buat jadwal perawatan mesin.
Jadwal perawatan dibuat sesuai dengan manual dari mesin produksi yang ada. Sehingga dapat diketahui pasti kapan jadwal yang tepat untuk melakukan
perawatan. Pada jadwal perawatan dibuat dengan beban yang sesuai dengan jumlah mesin yang ada dan personil yang akan melakukan perawatan tersebut.
Sehingga perawatan dapat berjalan sesuai dengan rencana tanpa mengganggu proses produksi dan tidak memberikan beban yang berlebihan kepada personil
yang melakukan tugas tersebut. Setelah adanya penjadwalan perawatan, maka dibuat lembaran pemeriksaan rutun. Sebagai alat bagi operator yang melakukan
perawatan untuk pencatatan dalam perawatan. Pada lembaran tersebut terdapat point-point atau komponen yang harus diperiksa dan catatan komponen yang
digunakan atau kerusakan yang terjadi. Point-point ini terdiri dari komponen yang diperiksa harian, mingguan ataupun bulanan sesuai dengan jadwal perawatan yang
ada. Hal ini dilakukan agar pencatatan perawatan ataupun kerusakan dapat teroganisir dengan baik, sehingga perawatan dapat berjalan dengan baik dan
kerusakan dapat ditanggulangi dengan baik sehingga proses produksi dapat berjalan dengan lancar selain itu agar pencatatan komponen-komponen yang rusak
atau diganti tercatat dengan baik sehingga bermanfaat untuk persedian komponen- komponen mesin produksi apabila diperlukan tersedia untuk digunakan.
Universitas Sumatera Utara
Setelah melakukan perencanaan dan penjadwalan maka masuk ke dalam proses perawatan. Urutan proses dalam perawatan adalah:
a. Lihat jadwal perawatan Hal ini dilakukan untuk mengetahui mesin mana dan apa saja yang harus
dilakukan personil selama perawatan. b. Proses perawataninspeksi
Proses dilakukan sesuai jadwal perawatan yang ada. c. Perbaikan
Personil melihat apakah perlu dilakukan pergantian komponen. Selanjutnya personil melihat ketersediaan dari komponen yang diperlukan. Apabila
komponen tidak tersedia maka dilakukan pelaporan kepada supervisor dan dilanjutkan dengan melakukan pemesanan kepada bagian gudang. Ketika
persediaan komponen sudah tersedia maka perbaikan dapat dilakukan. d. Pencatatan
Pencatatan dilakukan personil menggunakan lembar pemeriksaan rutin. Personil mencatat kegiatan apa saja yang sudah dilakukan sesuai dengan
jadwal yang ada, komponen ataupun kerusakan yang terjadi juga dicatat dan waktu selama melakukan pencatatan juga dicatat sesuai isi dari lembar
pemeriksaan tersebut. Hal ini dilakukan untuk membuat rekam jejak apabila nantinya diperlukan.
e. Evaluasi Pencatatan yang sudah lengkap diberikan kepada supervisor. Kemudian
supervisor melakukan evaluasi dari hasil pencatatan. Dari sana supervisor
Universitas Sumatera Utara
dapat melihat bagaimana proses perawatan apakah sudah berjalan sesuai dengan jadwal yang ada. Supervisor pun dapat mengetahui mesin dan
komponen apa saja yang sering diperbaiki, agar supervisor dapat mengambil langkah kedepan untuk mengatasi masalah tersebut, apakah diperlukan
pergantian mesin ataupun penggantian komponen yang lebih berkualitas. Selanjutnya supervisor dapat memprediksi dari ketersediaan komponen atau
peralatan yang diperlukan untuk melakukan perawatan. Sehingga ketersediaan dapat terjamin apabila nantinya diperlukan. Selanjutnya evaluasi ini disimpan
sebagai rekam jejak apabila nantinya diperlukan untuk melakukan peningkatan dalam perawatan atapun sebagai database bagi perusahaan.
2. Penjadwalan Mesin Kritis Jadwal perawatan dibuat untuk mesin kritis yaitu mesin BFP. Jadwal
terdiri dari harian mingguan dan bulanan. Bobot perawatan disesuaikan untuk setiap harinya dapat dilihat dari posisi mesin yang berdekatan dan juga bobot dari
perawatan tersebut. Hal ini dilakukan agar perawatan tidak memakan waktu yang lama dan tidak menggangu proses produksi. Selain itu dimasukkan angka interval
waktu pemeriksaan yang didapatkan dari hitungan ke dalam penjadwalan perawatan.
Dari hasil perhitungan di dapatkan interval waktu pemeriksaan untuk valve ialah 30 hari atau tiap 1 bulan dan untuk motor ialah 110 hari. Jadwal
pemeliharaan dapat dilihat dilampiran.
Universitas Sumatera Utara
Setelah adanya penjadwalan perawatan, maka dibuat lembaran pemeriksaan rutin. Sebagai alat bagi operator yang melakukan perawatan untuk
pencatatan dalam perawatan. Pada lembaran tersebut terdapat point-point atau komponen yang harus diperiksa dan catatan komponen yang digunakan atau
kerusakan yang terjadi. Point-point ini terdiri dari komponen yang harus diperiksa harian, mingguan ataupun bulanan sesuai dengan jadwal perawatan yang ada. Hal
ini dilakukan agar pencatatan perawatan ataupun kerusakan dapat terorganisir dengan baik, sehingga perawatan dapat berjalan dengan baik dan kerusakan dapat
ditanggulangi dengan baik sehingga proses produksi dapat berjalan dengan lancar. Contoh lembar pemeriksaan rutin dapat dilihat di lampiran.
Universitas Sumatera Utara
BAB VI ANALISIS PEMECAHAN MASALAH
6.1. Analisa Hasil
6.1.1. Identifikai Distribusi Index of Fit dan Goodness of Fit
Nilai index of fit r menunjukan ukuran hubungan linier antara dua peubah x dan y. bila r=0 maka tidak ada hubungan linier, sedangkan bila r=1
maka hubungan liniernya sempurna. Nilai r belum tentu cocok dengan nilai goodness of fit. Hal ini terjadi karena ada perbedaan antara index of fit dan
goodness of fit, r merupakan rasio keragaman x dalam pengaruhnya terhadap y dibandingkan dengan keragaman total x dan y secara terpisah dimana kecocokan
antara x dan y diperhatikan secara keseluruhan. Sedangkan pada goodness of fit merupakan selisih peluang kumulatif sebenarnya dengan teoritis per-data sehingga
jika terdapat beda yang besar dengan nilai teoritis maka akan memberikan hasil keputusan yang mungkin dapat berbeda. Tetapi nilai goodness of fit lebih akurat
dibanding dengan nilai r pada index of fit. Nilai goodness of fit didapat melalui program minitab 14. Dalam goodness of fit terdapat dua hasil keputusan yang
dapat dijadikan acuan yaitu nilai AD Anderson Darling dan P-Value dalam penentuan keputusan. Dalam hal ini penulis menentukan pemilihan distribusi
dengan memilih P-Value yang terbesar, namun demikian bila nilai P-Value bernilai sama maka akan ditentukan berdasarkan nilai AD.
Universitas Sumatera Utara
1. Data Kerusakan Mean Time to Failure
Dalam pemilihan distribusi dipilih berdasarkan nilai dari goodness of fit bila hasilnya berbeda dengan keputusan dari index of fit r. Pada
consumable sparepart valve nilai yang terbesar adalah 0.994 untuk distribusi lognormal dan goodness of fit juga yang terbesar adalah distribusi lognormal
dengan nilai 0.915, sehingga distribusi lognormal yang dipilih. Consumable motor memiliki nilai r sebesar 0.999 untuk distribusi lognormal, sedangkan
pada goodness of fit-nya memiliki nilai 0.488 untuk distribusi eksponensial.
Tabel 6.1. Pemilihan Distribusi Mean Time to Failure MTTF
Sparepart Distribusi
Parameter Valve
Motor
Eksponensial r
0.993 0.998
P-V 0.823
0.448
Lognormal r
0.994 0.999
P-V
0.915
0.277 Normal
r 0.949
0.945 P-V
0.354 0.227
Weibull r
0.996 0.997
P-V 0.250
0.25 Pemilihan
Distribusi P-V
Lognormal Lognormal
2. Data Perbaikan Mean Time to Repair Pada consumable sparepart valve nilai yang terbesar adalah 1.147 untuk
distribusi lognormal dan goodness of fit juga yang terbesar adalah distribusi normal dengan nilai 0.273, sehingga distribusi normal yang dipilih karena
memacu kepada goodness of fit. Consumable motor memiliki nilai r sebesar 0.866 untuk distribusi normal, sedangkan pada goodness of fit-nya memiliki nilai
0.057 untuk distribusi normal, sehingga distribusi normal.
Universitas Sumatera Utara
Tabel 6.2. Pemilihan Distribusi Mean Time To Repair MTTR
Sparepart Distribusi
Parameter Valve
Motor
Eksponensial r
0.865 0.763
P-V 0.011
0.028 Lognormal
r 1.147
0.866 P-V
0.255 0.057
Normal r
0.943 0.866
P-V
0.273 0.057
Weibull r
0.959 0.037
P-V 0.224
0.044 Pemilihan
Distribusi P-V
Normal Normal
6.1.2. Penentuan Mean Time To Failure MTTF
Untuk MTTF setelah dilakukan perhitungan maka didapat data perbaikan waktu kerusakan sebagai berikut:
Tabel 6.3. Pemilihan perbandingan Mean Time To Failure MTTF
Sparepart MTTF day
Valve 32.565
Motor 111.5
Nilai MTTF merupakan jumlah waktu dimana suatu sparepart selesai diperbaiki atau diganti sampai sparepart tersebut mengalami kerusakan kembali. Dari data
diatas kedua sparepart memiliki waktu kisaran kerusakan yang jauh berbeda, namun demikian untuk valve memiliki waktu yang relative lebih singkat
dibandingkan sparepart motor, maka agar kerusakan valve tidak menggangu jalannya produksi maka harus diberi perhatian khusus dalam perawatannya.
Universitas Sumatera Utara
6.1.3. Penentuan Mean Time To Repair MTTR
Berikut ini adalah hasil perhitungan Mean Time To Repair dan akan dibandingkan ke dua sparepart tersebut:
Tabel 6.4. Pemilihan perbandingan Mean Time To Repair MTTR
Sparepart MTTF Jam
Valve 1.3
Motor 2.9
Pada tabel MTTR di atas menunjukkan nilai waktu perbaikan rata-rata lama waktu yang diperlukan untuk memperbaiki penggantian pencegahan sparepart yang
rusak. Pada sparepart valve rata-rata waktu perbaikan adalah 1.3 jam 1 jam 18 menit sedangkan rata-rata waktu perbaikan untuk motor 2.9 2 jam 54 menit.
Dari data diatas waktu perbaikan terlama adalah pada pada sparepart motor dikarenakan komponen yang dimiliki lebih banyak dibandingkan sparepart valve.
6.1.4. Interval Waktu Penggantian Pencegahan
Pada interval waktu penggantian pencegahan akan memberikan gambaran waktu penggantian yang tepat untuk mengurangi resiko kerusakan yang
berdampak pada kelancaran produksi, adapun waktu penggantian sprepart tersebut adalah sebagai berikut:
Tabel 6.5. Interval Waktu Penggantian Pencegahan Sparepart
Waktu Penggantian day
Valve 30
Motor 110
Universitas Sumatera Utara
Waktu penggantian pencegahan didapat dari perhitungan age replacement, dimana pada perhitungan age replacement dapat diketahui rata-rata efektifk
lifetime dari masing-masing sparepart. Pada sparepart valve sebaiknya dlakukan penggantian pencegahan 30 hari pemakaian, untuk motor sebaiknya penggantian
pencegahan dilakukan setiap 110 hari. Pencegahan penggantian maksudnya bukan harus mengganti semua equipment, tetapi pengantian komponen yang mulai
mengalami kerusakan. Penggantian pencegahan ini dilakukan untuk mengantisipasi kerusakan mendadak pada saat berproduksi sehingga berakibat
pada kelancaran jalannya produksi. Pemakaian sparepart yang terlalu lama dan berlebihan waktu pemakaiannya dapat menyebabkan kerusakan pada sparepart
lain yang kerjanya berhubungan dengna sparepart tersebut sehingga akan menyebabkan efek domino dan tentu saja menyebabkan waktu downtime yang
lebih lama lagi.
6.1.5. Tingkat Ketersediaan Availability
Availability adalah probabilitas suatu sparepart berada dalam kondisi tidak mengalami kerusakan meskipun sebelumnya sparepart tersebut telah mengalami
kerusakan dan diperbaiki kembali seperti operasi normalnya lagi. Berikut ini adalah tabel hasil perhitungan masing-masing sparepart tersebut:
Tabel 6.6. Tingkat Availability Total
Sparepart Availability Total
Valve 0.9762
Motor 0.9877
Universitas Sumatera Utara
Berdasarkan perbandingan perhitungan diatas tingkat ketersediaan setiap sparepart cukup tinggi dan berarti pada saat terjadi kerusakan dan segera diperbaiki maka
mesin tersebut siap dan tersedia kembali untuk melakukan operasi kembali. Apabila nilai ketersediaan diatas 90, maka dapat dikatakan tingkat availability-nya
baik dan cukup tinggi.
6.1.6. Tingkat Reliabilitas Reliability
Berikut ini adalah tabel perbandingan tingkat reliabilitas sebelum preventive maintenance dan sesudah preventive maintenance. Rt adalah tingkat
reliability sebelum dilakukan preventive maintenance sedangkan TTF dan age replacemen suatu sparepart harus diganti.
Tabel 6.7. Tingkat Reliability Total
Sparepart TTFDay
Rt Rmt
Perbandingan
Valve 30
0.5477 0.8161
49 Motor
110 0.5079
0.4588 -9.67
Berdasarkan tingkat reliabilitas diatas maka dapat disimpulkan bahwa dengan adanya tindakan preventive maintenance, maka reliability dari valve mengalami
peningkatan, tetapi pada motor mengalami penurunan reliabaility hal ini diidentifkasi masih terlalu lamanya waktu preventive maintenance, untuk
meningkatkan reliability pada motor bisa dilakukan dengan mengurangi waktu
Universitas Sumatera Utara
preventive maintenance dari 110 atau 3 bulan bisa menjadi 6 bulan sekali, karena motor BFP tidak baik jika sering dilakukan pembongkaran.
6.2. Efektifitas Peralatan
Setelah semua tahapan perencaan pemeliharaan terpenuhi, tahap selanjutnya adalah melakukan efektifitas peralatan yang di dalamnya termasuk
instalasi permesinan, peralatan dan perlengkapan kerja. Adapun efektifitas peralatan dapat dicapai dengan point-point dibawah ini:
1. Penggunaan mesin dengan mengikuti instruksi dan kaedah yang benar, termasuk didalamnya pengisian terhadap tingkat oli dan cooler.
2. Pemusatan perhatian untuk mengantisipasi dan meminimasi kerugian. 3. Memperhatikan operasi aktual mesin terhadap spesifikasi design mesin,
artinya dalam pengoperasiannya mesin tidak disarankan untuk dipacu diatas batas design spesifikasinya yang dapat meyebabkan kegagalan operasi mesin
tersebut, maksudnya sesuai dengan standart operasional SOP 4. Memperhatikan kebersihan peralatan agar mesin beroperasi optimal saat
peralatan tersebut dioperasi atau digunakan. 5. Merancang system yang dapat menjamin ketersedian dan meningkatkan
kelayakan dari peralatan yang ada. 6. Mengatur, menyusun dan membuat lingkungan kerja yang bersih agar
meminimasi kerusakan dan kehilangan peralatan kerja. 7. Meningkatkan kesadaran untuk menjaga dan menggunakan peralatan dengan
baik dan sesuai dengan tujuan penggunaannya.
Universitas Sumatera Utara
Dari uraian diatas dapat diperoleh mesin yang memiliki efektivitas tinggi dan dapat memberikan keuntungan, baik keuntungan strategi maupun keuntungan
yang menyangkut alokasi biaya maintenance. Disamping itu dengan efektivitas peralatan diharapkan dapat mereduksi
kecenderungan biaya-biaya yang dikeluarkan untuk melakukan perawatan dan perbaikan yang memerlukan biaya yang sangat besar bagi perusahaan sehingga
dapat mengurangi keuntungan usaha perusahaan.
6.3 . Autonomous Maintenance