Analisa Perhitungan Data 1 Analisa Perhitungan Overall Equipment Effectiveness OEE

70 Tabel 4.13 Hasil perhitungan Yield Lossesperiode Juni 2015 – Mei 2016. No Bulan Loading Time Jam Ideal Cycle Time JamTon Reject Ton Yield Losses 1 Juni 676.58 0.567 32.36 2.71 2 Juli 647.50 0.567 32.64 2.86 3 Agustus 659.44 0.567 35.78 2.92 4 September 714.00 0.567 34.66 2.75 5 Oktober 744.00 0.567 36.84 2.81 6 Nopember 468.92 0.567 20.13 2.43 7 Desember 716.58 0.567 35.50 2.81 8 Januari 723.58 0.567 35.34 2.77 9 Februari 667.33 0.567 33.51 2.85 10 Maret 733.87 0.567 37.23 2.88 11 April 662.22 0.567 34.61 2.96 12 Mei 700.50 0.567 33.55 2.72 Sumber : Pengolahan Data Pada tabel 4.14 dapat dilihat presentasi yield losses terbesar terjadi pada bulan April karena produk reject yang tinggi pada bulan tersebut dengan presentasi 2.96. Sedangkan presentasi terendah terjadi pada bulan Nopember seiring dengan rendahnya produk reject pada bulan tersebut. 4.3. Analisa Perhitungan Data 4.3.1 Analisa Perhitungan Overall Equipment Effectiveness OEE Analisa perhitungan OEE dilakukan untuk melihat tingkat keefektifan penggunaan mesin Digester 1 pada periode Juni 2015 – Mei 2016.Pengukuran OEE mesin Digester 1 ini berdasarkan factor waktu, kecepatan serta kualitas pada saat pengoperasian mesin Digester. Adapun persentase yang dicapai dapat dilihat dari tabel 4.15 dan diagram pada gambar 4.6. berikut: Tabel 4.14 Persentase pencapaian mesin Digester 1 periode Juni 2015 – Mei 2016. Universitas Sumatera Utara 71 No Bulan Availability Rate Performance Efficiency Rate of Quality Overall Equipment Efectiveness 1 Juni 98.49 91.83 97.00 87.72 2 Juli 99.64 95.67 97.00 92.47 3 Agustus 98.37 98.90 97.00 94.36 4 September 99.57 92.18 97.00 89.03 5 Oktober 99.80 93.81 97.00 90.81 6 Nopember 89.29 90.89 97.00 78.72 7 Desember 99.54 94.10 97.00 90.86 8 Januari 99.10 93.20 97.00 89.59 9 Februari 97.91 96.97 97.00 92.10 10 Maret 97.47 98.42 97.00 93.06 11 April 99.46 99.35 97.00 95.85 12 Mei 92.98 97.39 97.00 87.84 Rata-rata 97.63 95.23 97.00 90.02 Sumber : Pengolahan Data Gambar 4.6 Perbandingan nilai OEE Mesin Digester1 periode Juni 2015 – Mei 2016 dengan Standard JIPMJapan Institute Of Plant Maintenance. Dari data tabel 4.15 dan grafik pada gambar 4.6 diatas dapat kita lihat bahwa pencapain nilai OEE dari bulan Juni – Oktober relatif berada pada 85 - 90 memuaskan, dan pencapaian tertinggi pada bulan April sebesar 95.85 . 87,7 92,5 94,4 89,0 90,8 78,7 90,9 89,6 92,1 93,1 95,9 87,8 85,0 85,0 Persentase Bulan Overall Equipment Effectiveness Digester 1 Overall Equipment Efectiveness Digester 1 Standard JIPM Universitas Sumatera Utara 72 Pencapain nilai OEE bisa tercapai pada bulan tersebut karena Performance Efficiency mesin berjalan dengan baik dan tidak ada gangguan secara tiba tiba, dan memenuhistandar JIPM Japan Institute Of Plant Maintenance. Maka produksi dianggap sempurna bekerja dengan performance yang cepat dan downtime yang minim. Pada grafik diatas juga terlihat penurunun yang cukup tajam pada bulan November yaitu 78.72 , inimerupakan pencapain terendah. Dan seterusnya Desember – Mei relatif stabil kembali berada pada 85 - 90 . Gambar 4.7 Grafik pengaruh persentase Availability rate, Performance efficiency, Rate of QualityProduct, terhadap nilai OEE mesin Digester. Pada gambar 4.7 diatas dapat dilihat bahwa pola yang diperlihatkan oleh nilai availability menyerupai pola yang ada pada nilai performance efficiency sehingga membentuk pola OEE yang tidak jauh berbeda. Hal ini menujukkan bahwa besar atau kecilnya nilai availability, performance, dan rate of quality sangat berdampak baik atau buruk terhadap nilai OEE. Dan dapat dilihat juga bahwa pola yang ditunjukan oleh gambar 4.7 adalah seperti sebuah siklus dimana pada awalnya Juni 2015 nilai OEE berada pada nilai 87.72 dan berakhir Mei 2016 pada nilai 87.84.

4.3.2 Analisis perhitungan OEE Six Big Losses

Dengan melakukan analisis perhitungan OEE Six Big Losses maka kita dapat melihat lebih jelas yang mempegaruhi efektivitas mesin Digester, maka 75,0 80,0 85,0 90,0 95,0 100,0 P e rs e n ta se Bulan Digester 1 Availibility Digester 1 Performance Digester 1 Quality Digester 1 OEE Universitas Sumatera Utara 73 akan dilakukan perhitungan Time Losses pada masing-masing faktor di dalam Six Big Losses tersebut seperti yang terlihat pada hasil perhitungan di tabel 4.16. Tabel 4.15. Persentase Faktor Six Big Lossesmesin Digester 1 periode Juni 2015 – Mei 2016. No. Six Big Losses Total Time Losses Jam Persentase Persentase Kumulatif 1. IdlingMinor StoppagesLosses 807.25 50.98 50.98 2. Reduce Speed Losses 373.59 23.59 74.57 3. YieldScrap losses 228.90 14.49 89.03 4. Setup and AdjustmentLosses 161.44 10.20 99.22 5. Breakdown Losses 12.33 0.78 100.00 6. Rework Losses 0.00 0.00 100.00 Total 1583.51 100 100 Dari tabel 4.16 diperlihatkan bahwa faktor kerugian yang paling dominan pada mesin Digester adalah speed losses dimana idling and minor stoppages losses mendominasi yaitu 807.25 jam atau 50.98 dan diikuti oleh reduce speed losses sebesar 373.59 jam atau 23.59 sehingga untuk speed losses memberi dampak 74.57 terhadap total kerugian. Kerugian yang paling rendah adalah breakdown losses sebesar 12.33 atau 0.78. Sedangkan rework losses dipastikan tidak memberi dampak terhadap kerugian pada mesin Digester karena tidak adanya pengerjaan ulang yang dilakukan. Untuk lebih jelasnya dapat dilihat pada gambar 4.8 dibawah ini. Universitas Sumatera Utara 74 Gambar 4.8 Diagram lingkaran persentase Six Big Losses Mesin Digester 1

4.4 Analisa diagram sebab akibat Fish Bone