3.3. Identifikasi Pengelompokan Suku Cadang dengan Diagram Pareto
8
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 lebi h 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
8
Besterfield, H. Dale. Quality Control. College of Engineering Southern Illinois University.
Universitas Sumatera Utara
bagian bawahketerangan kolom tersebut. 5. Pada bagian atas dan samping berikan keterangannama diagram dan jumlah
unit seluruhnya.
3.4. Pola Distribusi Data dalam KeandalanReliability
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 bebasindependent
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 dis
tribusi normal tergantung pada nilai dan σ.
Universitas Sumatera Utara
Dimana: µ = rata-rata
σ = standar deviasi Φ= nilai z yang dapat diperoleh dari tabel 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.
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 eksponensial adalah:
Universitas Sumatera Utara
f t = λ e
−λ t
t 0 Untuk MTTF Mean Time To Failure adalah MTTF =
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:
MTTF Mean Time To Failure adalah rata-rata waktu atau interval waktu kerusakan mesin atau komponen dalam distribusi kegagalan.
9
Harinaldi . Prinsip-prinsip Statistik untuk Teknik dan Sains. Jakarta: PT. Erlangga, 2005p. 106.
Universitas Sumatera Utara
Γ = Fungsi Gamma, Γn = 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 bergant
ung 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.
3.5. Identifikasi Pola Distribusi dan Parameter Distribusi