ANALISIS DAN PERANCANGAN SISTEM INFORMASI PENJADWALAN PREVENTIVE MAINTENANCE PADA PT. STARMAS INTI ALUMINIUM INDUSTRY (SIAI) Ranggadika Nurtrianto Binus University, Jakarta, DKI Jakarta, Indonesia
Abstrak PT. Starmas Inti Aluminum Industry (SIAI) adalah perusahaan yang bergerak dibidang industri aluminium. Saat ini perusahaan telah menerapkan manajemen perawatan berdasarkan Corrective Maintenance dan pemeliharaan rutin. Namun demikian, perawatan yang sudah diterapkan ini masih menghasilkan downtime yang tinggi. Breakdown losses yang cukup lama terjadi pada kegiatan penggantian komponen kritis. Pada kegiatan penggantian komponen kritis ini didapatkan kegiatan non value added yang harus dihilangkan sehingga dapat mengurangi downtime mesin. Penelitian ini dilakukan untuk mengidentifikasi mesin kritis, komponen kritis, interval waktu penggantian, dan pemeriksaan komponen kritis serta peningkatan reliabilitasnya. Adapun metode yang digunakan sebagai bahan pertimbangan untuk meningkatkan hasil pemeliharaan mesin yang dilakukan oleh perusahaan adalah dengan menggunakan metode preventive maintenance. Pengurangan downtime mesin yang terjadi akibat penggantian komponen kritis digunakan SMED sebagai alat bantunya.
Dari hasil perhitungan pada setiap mesin kritis menghasilkan umur komponen kritis pada mesin Extrussion 2000 T selama 610 jam dan umur komponen kritis pada mesin caster selama 310 jam. Interval pemeriksaan yang optimal dari mesin Extrussion 2000 T adalah selama 352.69 jam, dan untuk mesin Caster selama 332.17 jam. Peningkatan reliability setelah hasil perhitungan pada mesin Extrussion 2000 T sebanyak 46.13%, dan peningkatan pada mesin caster sebanyak 28.97%. Penerapan metode SMED pada penggantian komponen kritis di mesin Extrussion 2000 T dapat mengurangi waktu penggantian sebanyak 19 menit, dan untuk mesin caster dapat mengurangi waktu penggantian sebanyak 25 menit. Kata Kunci : Breakdown, Preventive Maintenance, Downtime, Mesin Kritis, Komponen Kritis, SMED
1. Pendahuluan Pada zaman alih teknologi seperti sekarang ini perkembangan industri meningkat begitu cepat. Hal ini mengakibatkan tingginya tingkat persaingan yang mana dapat menjadi pemicu bagi setiap perusahaan dalam mengembangkan strategi dan meningkatkan kinerja. Oleh karena itu, perusahaan dituntut mengadakan upaya – upaya internal untuk meningkatkan daya saing agar mampu berkompetisi, dimana hal tersebut tidaklah mudah karena mengingat adanya perusahaan pesaing yang memproduksi barang yang sama. Salah satu upaya yang bisa dilakukan oleh perusahaan adalah dengan mengoptimalkan sumber daya yang dimiliki. Dengan demikian, perusahaan akan mampu menghasilkan produk yang sesuai dengan target serta mampu mengantisipasi kerugian
yang mungkin timbul, sehingga produktivitas meningkat dan berujung pada keuntungan perusahaan yang meningkat pula. Mesin produksi merupakan salah satu dari sumber daya perusahaan yang harus dioptimalkan penggunaannya. Untuk menjamin agar mesin bisa beroperasi dengan baik dan optimal diperlukan adanya suatu sistem perawatan yang baik pula. Sistem perawatan yang kurang baik akan menyebabkan mesin mudah rusak dan proses produksi akan terganggu bahkan terhenti. Bagi perusahaan, mesin memegang peranan yang sangat vital untuk mendukung jalannya proses produksi sebab hampir semua proses produksi yang berlangsung menggunakan mesin. Oleh sebab itu perawatan yang terencana dengan baik merupakan hal yang sangat penting agar mesin dapat digunakan secara optimal sesuai dengan kapasitas produksinya, karena mesin yang bermasalah dapat mengganggu jalannya produksi dan dapat berpengaruh langsung kepada hasil akhir produksi.
2. Metode Penelitian Ruang lingkup dari penelitian mencakup pengumpulan data, pengolahan dan analisis distribusi data kerusakan mesin. Pemillihan distribusi data kerusakan mesin ini dilakukan dengan menggunakan metode Least Square Curve Fitting yaitu berdasarkan nilai index of fit yang paling besar. Distribusi yang digunakan dalam metode ini terdiri dari Distribusi Eksponensial, Distribusi Weibull, Distribusi Normal, atau Distribusi Lognormal. Adapun pembahasan yang dilakukan meliputi sebagai berikut: -
Pengumpulan Data
-
Pengolahan Data
-
Analisis Data
2.1.
Pengumpulan Data Pengumpulan data dilakukan untuk mendapatkan data – data yang diperlukan
untuk melakukan pengolahan data. Pengumpulan data dilakukan dengan melakukan pengamatan langsung ke lantai produksi dan melakukan wawancara, serta mencatat dokumentasi milik perusahaan. Data – data dan informasi yang dikumpulkan untuk menunjang pengolahan data adalah data umum perusahaan (sejarah, proses produksi, struktur organisasi, dll), data kerusakan mesin, dan data kegiatan penggantian komponen kritis.
Tabel 1. Data Kerusakan Komponen Dummy Block pada mesin Extrussion 2000 T N o 1 2 3 4 5 6
Tanggal Kerusakan 03/01/2011 28/02/2011 23/04/2011 04/07/2011 16/09/2011 04/11/2011
Mulai Selesai Perbaikan Perbaikan 13:10 14:06 10:03 11:40 13:10 14:30 16:40 18:08 11:41 13:51 17:16 18:23
TTR Jam 0.93 1.62 1.33 1.47 2.17 1.12
TTF Jam 731.97 609.5 922.17 713.55 811.42
Tabel 2. Data Kerusakan komponen Bearing pada mesin Caster
No
Tanggal Kerusakan
Mulai Perbaikan
Selesai Perbaikan
1 2 3 4 5 6 7 8
05/01/2011 02/02/2011 25/02/2011 27/05/2011 15/06/2011 24/08/2011 10/10/2011 17/11/2011
8:20 18:05 9:15 14:10 13:00 10:30 16:20 14:10
9:15 20:00 10:05 15:15 13:50 11:50 17:10 15:18
TTR
TTF
Jam 0.92 1.92 0.83 1.08 0.83 1.33 0.83 1.13
Jam 392.83 277.25 934.92 221.92 812.67 516.50 525.00
2.2.
Pengolahan Data Data – data yang telah dikumpulkan pada proses penelitian, kemudian diolah.
Dimulai dari menentukan mesin kritis dan komponen kritis. Dari hasil pengakumulasian kerusakan dapat diketahui mesin mana yang sering mengalami kerusakan, sehingga mesin tersebut menjadi mesin kritis. Komponen kritis adalah komponen yang memiliki akumulasi downtime terbesar. Selanjutnya menghitung selang waktu kerusakan dan selang waktu perbaikan yang kemudian ditentukan distribusi datanya berdasarkan metode. Metode Least Square Curve Fitting menggunakan beberapa distribusi, yaitu dengan distribusi Eksponensial, Weibull, Normal, dan Lognormal. Setelah itu dipilih distribusi dengan nilai index of fit terbesar. Setelah distribusi terpilih, maka akan diuji kecocokan distribusi untuk mengetahui apakah sebuah distribusi data dari sampel mendekati distribusi yang telah ditentukan sebelumnya atau tidak. Apabila data tersebut tidak mendekati distribusi terpilih, maka pengujian dilanjutkan dengan menggunakan distribusi yang memiliki nilai index of fit terbesar selanjutnya. Pengujian tersebut yaitu uji Barlett (untuk distribusi Exponensial), uji Kolmogorov-smirnov (distribusi Normal dan Lognormal), dan uji Mann (distribusi Weibull). Langkah selanjutnya adalah menghitung parameter MTTF dan MTTR menggunakan metode Maximum Likelihood Estimator (MLE). Menentukan interval waktu penggantian dan pencegahan dengan cara menghitung umur komponen dengan berdasarkan parameter distribusi yang telah terpilih sebelumnya. Menentukan interval waktu pemeriksaan dihitung untuk mendapatkan frekuensi pemeriksaan dalam suatu periode yang didasarkan pada umur komponen untuk meminimalisasi downtime.
Menghitung availability bertujuan untuk mendapatkan nilai probabilitas suatu komponen dapat bekerja optimal sesuai dengan yang diharapkan. Selanjutnya adalah menghitung tingkat keandalan (reliability) dan memperbaiki kegiatan penggantian komponen kritis menggunakan pendekatan metode Single Minute Exchange of Die (SMED). Bertujuan untuk mengurangi kegiatan non value added pada saat penggantian komponen kritis.
2.3.
Analisis Data Analisis distribusi terpilih Nilai r terbesar yang diperoleh untuk data TTF komponen Dummy Block dan komponen Bearing berdistribusi lognormal dengan nilai r masing – masing yaitu 0.990381 dan 0.985586. Sedangkan nilai r terbesar yang diperoleh untuk data TTR komponen Dummy Block berdistribusi lognormal dengan nilai r = 0.995129. Sementara nilai r terbesar komponen Bearing berdistribusi eksponensial dengan nilai r = 0.981851. Analisis Uji Goodness of Fit Distribusi Time to Failure dan Time to Repair Untuk Data TTF komponen Dummy Block dan komponen Bearing yang berdistribusi lognormal, keduanya diuji dengan uji kolmogorov-Smirnov. Hasil pengujian keduanya adalah terima Ho, yang berarti data TTF komponen Dummy Block dan komponen Bearing adalah berdistribusi lognormal. Sementara untuk data TTR komponen Dummy Block yang berdistribusi lognormal diuji dengan menggunakan uji Kolmogorov-Smirnov. Hasil dari pengujiannya adalah terima Ho, yang berarti data TTR komponen Dummy Block berdistribusi lognormal. Untuk TTR komponen Bearing yang
berdistribusi eksponensial, pengujiannya dilakukan dengan menggunakan uji Barletts. Hasil dari pengujiannya adalah tolak Ho komponen
Bearing
tidak
berdistribusi
yang berarti data TTR
eksponensial
dimana
nilai
. Untuk selanjutnya akan dipilih nilai r terbesar selanjutnya dari data TTR komponen Bearing dimana distribusi tersebut adalah distribusi lognormal dengan nilai r = 0.924564. Pengujian akan dilanjutkan dengan menggunakan uji Kolmogorov-Smirnov. Hasil dari pengujiannya adalah terima Ho yang berarti data TTR komponen Bearing adalah berdistribusi lognormal. Analisis Perhitungan Parameter Maximum Likelihood Estimator, Mean Time to Failure (MTTF), dan Mean Time to Repair (MTTR).
Tabel 3. Ringkasan Hasil Perhitungan Parameter MLE TTF Komponen Kritis
Mesin Kritis
Distribusi Kerusakan
Dummy Block
Extrussion 2000 T
Lognormal
Bearing
Caster
Lognormal
Parameter tmed = 750.5453 S = 0.1378 tmed = 468.858 S = 0.4881
Tabel 4. Ringkasan Hasil Perhitungan Parameter MLE TTR Komponen Kritis
Mesin Kritis
Distribusi Kerusakan
Dummy Block Extrussion 2000 T
Lognormal
Bearing
Lognormal
Caster
Parameter tmed = 1.3882 S = 0.2693 tmed = 1.0637 S = 0.2757
Tabel 5. Ringkasan Hasil Perhitungan MTTF dan MTTR Komponen Kritis
Komponen Kritis Dummy Block Bearing
Mesin Kritis Extrussion 2000 T Caster
Distribusi Kerusakan Lognormal Lognormal
MTTF MTTR 757,7052 1,4395 528,1713 1,1049
Analisis Interval Waktu Penggantian Pencegahan Pada perhitungan interval waktu penggantian pencegahan ini bertujuan agar Downtime yang terjadi seminimal mungkin, sehingga didapatkan nilai interval penggantian (tp) berdasarkan nilai total Downtime per unit waktu atau D(tp) yang paling minimum. Sedangkan perhitungan availability penggantian dimaksudkan untuk mengetahui berapa nilai availability komponen saat akan digunakan. Komponen Dummy Block memiliki umur optimal sebesar 610 jam dengan nilai
0,001083342 dan
. Untuk
komponen Bearing, umur penggantian optimal yaitu selama 360 jam dengan nilai
0,001410429 dan nilai
.
Analisis Perhitungan Nilai Availability Komponen Kritis Perhitungan availability dimaksudkan untuk mengetahui besarnya probabilitas komponen kritis dapat bekerja sesuai dengan harapan apabila dilakukan pemeriksaan dengan frekuensi yang optimal. Perkalian antara availability pemeriksaan dengan availability penggantian pencegahan akan menghasilkan availability total. Nilai availability akan semakin baik apabila nilai tersebut mendekati angka satu. Diharapkan dengan dilakukannya pemeriksaan dan penggantian pencegahan nilai availability dari komponen kritis meningkat. Berikut ini adalah ringkasan perhitungan nilai availability komponen kritis.
Tabel 6. Ringkasan Hasil Perhitungan Availability Komponen Kritis
Komponen Kritis Dummy Block Bearing
Mesin Kritis Extrussion 2000 T Caster
Availability Penggantian Pencegahan
Availability Availability Pemeriksaan Total
0.998917 0.998590
0.995286 0.995488
0.994208 0.994084
Analisis Perhitungan Reliability Sebelum dan Setelah dilakukan Preventive Maintenance Komponen yang mengalami preventive Maintenance akan mengalami penurunan reliability secara bertahap dan kemudian akan naik menjadi satu pada saat penggantian pencegahan komponen kritis. Hal ini dikarenakan komponen yang diganti memiliki kondisi 100% dan belum pernah digunakan sebelumnya.
Sedangkan
grafik
reliability
tanpa
dilakukan
perawatan
pencegahan semakin lama akan semakin mendekati angka nol. Hal ini wajar karena setiap mesin apabila digunakan secara terus menerus akan cepat rusak.
Tabel 7 Ringkasan Hasil Perbandingan Tingkat Reliability Komponen Kritis Komponen Kritis Dummy Block Bearing
Mesin Kritis Extrussion 2000 T Caster
T (jam)
R(t)
Rm(t)
Peningkatan 46.13%
757.71 528,17
47.25% 40.36%
93.38% 69.33%
28.97%
Analisis dan Perancangan Sistem Informasi
Gambar 1. Use Case
Gambar 2. Class Diagram Revised
Klik surat periksa File
Klik_Schedule
Task
Database
Login
Surat Periksa
Teknisi
Logout
Schedule Work Order Histori Fix
Mesin Part View Histori
Exit
Klik_Teknisi Klik View Histori Klik_Mesin
Klik_Part
Klik Work Order
Gambar 3. Navigation Diagram
3. Kesimpulan Setelah melakukan pengumpulan, pengolahan, dan analisis data maka dapat disimpulkan bahwa: 1. Mesin kritis adalah mesin Extrussion 2000 T dengan jumlah breakdown sebanyak 35 kali dan mesin Caster dengan jumlah breakdown sebanyak 24 kali. 2. komponen kritis pada mesin extrussion 2000 T adalah dummy block dengan jumlah kerusakan 6 kali dan komponen kritis pada mesin caster adalah bearing dengan total kerusakan sebanyak 8 kali.
3. Interval waktu perbaikan dan interval waktu penggantian pencegahan : •
Komponen Dummy Block (extrussion 2000T) interval penggantian pencegahan 610 jam, interval pemeriksaan 352.69 jam dan frekuensi pemeriksaan satu kali per bulan.
•
Komponen Bearing (Caster) interval penggantian pencegahan 360 jam, interval pemeriksaan 332.17 jam dan frekuensi pemeriksaan satu kali per bulan.
4. Perbandingan nilai reliability : •
Komponen dummy block (extrussion 2000T) reliability awal 47.25% dan reliability preventive maintenance 93.38%.
Terjadi peningkatan sebesar
46.13%. •
Komponen bearing (caster) reliability awal 40.36% dan reliability preventive maintenance 69.33%. Terjadi peningkatan sebesar 28.97%.
5.
Usulan perbaikan kegiatan penggantian komponen kritis menggunakan metode Single Minute Exchange of Dies (SMED). Hasil penggunaan metode tersebut adalah sebagai berikut : •
Perbaikan
kegiatan
penggantian
dummy
block
(extrussion
2000T)
mengurangi waktu 19 menit dengan penggantian awal 74 menit menjadi 55 menit. •
Perbaikan kegiatan penggantian Bearing (caster) mengurangi waktu 25 menit dengan penggantian awal selama 106 menit menjadi 81 menit.
6.
Sistem informasi yang dirancang dapat membantu bagian maintenance dalam menerapkan preventive maintenance pada pabrik agar downtime pada mesin dapat diminimalkan.
7.
Sistem informasi yang dirancang dapat membantu bagian maintenance dalam mencatat kegiatan pemeliharaan mesin yang dilakukan.
Daftar Pustaka [1] Assauri, Sofjan. (1999). Manajemen Produksi dan Operasi. Edisi Revisi. Jakarta: Lembaga Penerbit Fakultas Ekonomi Universitas Indoesia. [2] Bennet, S., McRobb, S., Former, R. (2006). Object Oriented System Analysis and Design Using UML 3rd Edition. New York: McGraw-Hill. [3] Hartarto, G., Syakti D. (2003). Analisis penerapan total preventive maintenance untuk meningkatkan abailability dan reliability pada mesin injeksi melalui minimasi downtime. Jurnal Ilmiah Indonesia. Vol .4 (2), p91-98. [4] Jardine, A. K. S (1993). Maintenance, Replacement, and Reliability. Canada: Pittman Publishing Company.
[5] Mathiassen, L., Munk-Madsen, A., Nielsen, P. A., Stage, J. (2000). Object-Oriented Analysis and Design. Marko Publishing ApS, Aalborg Denmark [6] McLeod, Raymond, Jr. (2001). Sistem Informasi Manajemen. Jilid I dan Jilid II. PT. Prenhallindo, Jakarta. [7] O`Brien, James A. (2005). Pengantar sistem informasi : Perspektif Bisnis dan Manajerial. Edisi dua belas. Salemba Empat, Jakarta. [8] O’Connor, Patrick. (2002). Practical Reliability Engineering. Fourth edition. John Wiley & Sons, LTD. [9] Rasjidin, Roesfiansjah., Indri W. (2005). Analysis preventive maintenance jig welding pada proses perakitan support assy clutch pedal untuk mobil Toyota kijang Innova di PT. Nusa Toyotetsu Corp. Vol. 4(2),p91-98. [10] Turban, Efraim, Rainer, Jr., R.K., Potter, Richard E. (2003). Introduction to Information Technology. John Wiley and Sons, Inc, New York. [11] Whitten, J.L., Bentley, L.D., Dittman, K.C. 2004. System Analysis and Design Methods.McGraw Hill, New York.
