3.7.1. Pembangkitan Random Number
10
Pembangkitan random number bertujuan untuk menghasilkan nilai-nilai yang mempunyai distribusi setara dengan populasi data TTF dan TTR komponen
kritis mesin sheeter yang sebenarnya. Unsur dasar dalam pembangkitan random number adalah data berdistribusi uniform 0,1 yang dibangkitkan dengan
menggunakan software Microsoft Excel dengan fungsi =RAND.
3.7.2. Transformasi Data Random Number
Data random number yang dibangkitkan harus dikonversi ke distribusi non-uniform dengan metode transformasi invers. Transformasi invers t
dilakukan menggunakan fungsi distribusi kumulatif cummulative distribution
function.
Ft untuk distribusi weibull = 1-e
– �
t- γ
η
�
β
U = 1
− e
– �
t −γ
η
�
β
e
– �
t −γ
η
�
β
= 1
− U
ln �e
– �
t −γ
η
�
β
� = ln1 − U
– �
t −γ
η
�
β
= ln
1 − U
t = γ + η[−ln1 − U]
1 β
t = γ + η[−lnU]
1 β
10
Eva Listiana Putri, et al, Usulan Jadwal Perawatan pada Mesin Electric Arc Furnace 5 dengan Simulasi Monte Carlo Jurnal Teknik Industri, Vol.1, No.4, Desember 2013, pp.352-357
ISSN 2302-495X
Universitas Sumatera Utara
3.7.3. Langkah-langkah Simulasi Monte Carlo
11
11
Arief Witjaksono, Penentuan Interval Waktu Perawatan Pencegahan pada Peralatan di Medium Pressure Gas Compression Area Mpgca di PT Texi Dengan Menggunakan Simulasi
Monte Carlo Prosiding Seminar Nasional Manajemen Teknologi XXIV ISBN: 978-602- 70604-3-2
Simulasi Monte Carlo dilakukan terhadap data TTF dan TTR dari hasil pembangkitan random number pada beberapa nilai tp interval perawatan untuk
mendapatkan nilai kehandalan, ketersediaan, dan laju biaya perawatan. Interval perawatan optimum adalah interval perawatan yang menghasilkan laju biaya
minimum. Model dari simulasi Monte Carlo terdapat pada gambar berikut:
Universitas Sumatera Utara
• Parameter distribusi waku kegagalan dan waktu perbaikan sub sistem
• PDF dan CDF distribusi waktu kegagalan dan waktu perbaikan
Mulai
Penentuan Tp, N
Perhitungan Ti
Apakah Ti Tp
Perhitungan Tpmi
Perhitungan Tcmi dan Tf
Perhitungan Topr dan Tjam
Perhitungan: • Keandalan RTp, Ketersediaan ATp
• Laju Biaya Perawatan untuk semua Tp Penentuan Tp optimum berdasarkan RTp, ATp, dan laju
biaya minimum
Apakah perlu dilakukan untuk
Tp lain?
Selesai Ya
Tidak
Tidak Ya
Gambar 3.8. Diagram Alir Simulasi Monte Carlo
Universitas Sumatera Utara
Langkah-langkah yang dilakukan dalam simulasi monte carlo dapat dijabarkan sebagai berikut:
1. Perhitungan t
i
Nilai t
i
diperoleh dari nilai TTF hasil pembangkitan random number. 2.
Penentuan KesuksesanKegagalan Sub Sistem a.
Sub sistem sukses beroperasi apabila waktu menuju kerusakan berikutnya Ti lebih besar dari jadwal perawatan pencegahan Tp. Jika sub system
sukses beroperasi maka harus dilakukan perawatan pencegahan selama T
pmi.
b. Sub sistem gagal beroperasi apabila waktu menuju kerusakan berikutnya
lebih kecil dari jadwal perawatan pencegahan Tp. Jika sub sistem gagal beroperasi maka harus dilakukan perbaikan selama T
cmi.
3. Perhitungan T
opr
dan T
jam
Waktu operasi pada setiap run ditentukan dengan fungsi berikut: �
���
�
= ���
�
�,�
� �
�,� �
+ �
�
�,�
� �
�,� �
�
� �=1
Lama total waktu pada setiap run ditentukan dengan fungsi berikut: �
���
�
= ���
��
�,�
� �
�,� �
+ �
��
�,�
� �
�,� �
�
� �=1
+ �
���
�
4. Perhitungan Keandalan RT
p
dan Ketersediaan AT
p
Nilai RT
p
dihitung dengan fungsi berikut: Rtp =
��� �– �
�
�
−γ η
�
β
�
Universitas Sumatera Utara
5. Perhitungan Ketersediaan AT
p
Nilai AT
p
dihitung dengan fungsi berikut: AT
p
= �
���
�
�
���
�
6. Perhitungan Laju Biaya Perawatan Ci
Laju Biaya Perawatan Ci dihitung dengan fungsi berikut: �
�
= ���
� �
� �
�,� �
+ �
� �
� �
�,� �
�
� �=1
�
���
�
a. Perhitungan Cost of Preventive
�
� �
Cost Of Preventive �
� �
adalah biaya yang timbul karena adanya perawatan secara terencana. Biaya ini terdiri dari biaya tenaga kerja, biaya
kehilangan produksi, dan biaya pembelian komponen. �
� �
dapat dihitung dengan menggunakan rumus:
�
� �
= biaya tenaga kerja + biaya kehilangan produksi x T
pmi
+ harga komponen
b. Perhitungan Cost of Failure
�
� �
Cost Of Failure �
� �
adalah biaya yang timbul karena adanya perbaikan saat sub sistem gagal memnuhi misi operasi rusak. Biaya ini terdiri dari
biaya tenaga kerja, biaya kehilangan produksi, dan biaya pembelian komponen.
�
� �
dapat dihitung dengan menggunakan rumus: �
� �
= biaya tenaga kerja + biaya kehilangan produksi x T
cmi
+ harga komponen
Universitas Sumatera Utara
7. Penentuan T
p
optimum Jadwal waktu perawatan pencegahan optimum ditentukan berdasarkan RT
p
, AT
p
, dan pertimbangan laju biaya minimum. Dimana :
r = Subskrip r untuk run n = Total rundom number
g = Superskrip g, indikator gagal s = Superskrip s, indikator sukses
I
i,r s
= 1; jika t
i,r
�
p
I
i,r s
= 0; jika t
i,r
�
p
I
i,r g
= 1; jika t
i,r
�
p
I
i,r g
= 0; jika t
i,r
�
p
t
i,r
= Waktu hidup sub sistem i T
pmi
= Lama waktu perawatan pencegahan sub sistem run i T
cmi
= Lama perbaikan sub sistem run i T
opr
i
= lama waktu operasi T
jam
i
= total waktu pada setiap run �
� �
= Biaya perawatan pencegahan sub sistem i �
� �
= Biaya perbaikan sub sistem i Ci = Laju Biaya Perawatan
Universitas Sumatera Utara
BAB IV METODOLOGI PENELITIAN
4.1. Tempat dan Waktu Penelitian
Penelitian dilakukan di PT. Perkebunan Nusantara III Kebun Rantau Prapat yang berada di Kabupaten Labuhan Batu, Kota Rantau Prapat, Sumatera
Utara. Waktu penelitian dilakukan pada September 2016 sampai Januari 2017.
4.2. Jenis Penelitian
Jenis penelitian adalah penelitian tindakan action research yaitu penelitian yang dilakukan untuk mendapatkan temuan-temuan praktis untuk
keperluan pengambilan keputusan operasional Sinulingga, 2014.
4.3. Objek Penelitian
Objek penelitian yang diamati adalah kegagalankerusakan pada mesin Sheeter.
4.4. Variabel Penelitian
Variabel adalah sesuatu yang memiliki nilai yang berbeda-beda atau bervariasi. Nilai dari variabel dapat bersifat kuantitatif atau kualitatif
Sinulinggga, 2014. Variabel-variabel yang terdapat dalam penelitian ini adalah sebagai berikut:
1. Jadwal Perawatan Pencegahan Optimum
Universitas Sumatera Utara