1
APLIKASI METODE LOGIKA FUZZY PADA PEMODELAN DAN ANALISA KEANDALAN SISTEM GAS BUANG BOILER UNIT 3 DI PT. PJB UNIT PEMBANGKITAN GRESIK (Nur Arif Romadlon, Imam Abadi) Jurusan Teknik Fisika – Fakultas Teknologi Industri Institut Teknologi Sepuluh Nopember Kampus ITS, Keputih – Sukolilo, Surabaya 60111 Abstrak— Logika fuzzy adalah salah satu cara yang efektif untuk bisa digunakan sebagai basis penentuan nilai keandalan suatu sistem. Dalam perspektif yang lebih luas, logika fuzzy sangat bermanfaat pada aplikasi-aplikasi sistem identifikasi dan pengendalian ill-structured, dimana linieritas dan invariansi waktu tidak bisa ditentukan dengan pasti. Bentuk sistem seperti ini jika dipandang sistem konvensional sangat sulit untuk dimodelkan. Penelitian ini bertujuan untuk menganalisa keandalan sistem gas buang boiler unit 3 di PT. PJB Unit Pembangkitan Gresik dengan metode logika fuzzy. Berdasarkan hasil analisa keandalan masingmasing sistem penunjang gas buang boiler dengan metode logika fuzzy tipe Mamdani, didapatkan sistem yang paling dominan sebagai penyebab kegagalan adalah A-air heater dengan frekuensi kegagalan terbanyak, yaitu 24 kali dan nilai MTTF terkecil, yaitu 2364 jam, serta memiliki tingkat keandalan yang sangat rendah setelah beroperasi selama 2000 jam, yaitu R(t)= 0.467. Kata kunci: Logika fuzzy, Keandalan, Sistem gas buang boiler.
I. PENDAHULUAN PT. PJB Unit Pembangkitan Gresik merupakan unit pembangkitan di bawah naungan PLN yang telah diakui kredibilitasnya sebagai salah satu perusahaan listrik terbaik. Proses pembangkitan yang digunakan di PT. PJB UP Gresik yaitu pembangkitan listrik tenaga gas dan uap, atau lebih dikenal dengan PLTG dan PLTU. Dalam proses pembangkitan listrik, PT. PJB UP Gresik memakai energi fosil sebagai bahan bakar, dan menggunakan turbin yang digerakkan uap air sebagai pembangkitnya. Selain membawa dampak positif terhadap masyarakat dalam usaha pemenuhan kebutuhan listrik, hal ini juga membawa dampak negatif terhadap lingkungan, terutama mengenai masalah limbah gas buang. Berbagai macam penelitian dan pengukuran telah dilakukan sebelumnya, guna memperoleh standar baku mutu limbah. Salah satu tekniknya adalah dengan menjaga keandalan sistem gas buangnya, dalam hal ini adalah sistem gas buang boiler. Boiler adalah bejana tertutup yang digunakan untuk memisahkan fluida antara fase gas (uap) dan fase cair (air), dan terdiri atas sistem air umpan, sistem steam serta sistem bahan bakar. Li Bing, Zhu Meilin, dan Xu Kai (2000), pada papernya yang berjudul A Practical Engineering Method for Fuzzy Reliability Analysis of Mechanical Structures telah mempelajari teori logika fuzzy untuk analisa keandalan pada sistem yang sulit diekspresikan model matematisnya. A.Z. Keller dan C. Kara-Zaitri (2003), pada penelitiannya yang berjudul Further Applications of Fuzzy Logic to Reliability Assessment and Safety Analysis telah menunjukkan bahwa logika fuzzy adalah salah satu cara yang sangat efektif untuk
bisa digunakan sebagai basis penentuan nilai keandalan. Namun semuanya hanya menitikberatkan pada proses analisa keandalannya saja. Sedangkan kenyataannya tidak mungkin membuat keandalan yang sempurna, karena apabila dalam suatu peralatan pernah mengalami kerusakan, maka telah terjadi perubahan dari keadaan normal. Oleh karena itu, faktor maintainability dan availability tidak boleh dikesampingkan karena juga mempengaruhi kerja sistem. Selain itu faktor maintainability dan availability bisa digunakan untuk mengetahui lifetime sistem dan perkiraan waktu dari suatu sistem untuk dilakukan maintenance ataupun penggantian peralatan. Terdorong hal tersebut, maka dalam penelitian ini akan dilakukan analisa keandalan, penentuan nilai maintainability, dan availabilty pada sistem gas buang boiler. Tujuannya adalah untuk mengetahui tingkat keandalan yang dimiliki oleh sistem. Selain itu untuk penentuan jadwal perawatan yang efektif, sehingga mampu menghindari kemungkinan terjadinya kegagalan sistem selama beroperasi.
II. DASAR TEORI A. Konsep Keandalan Keandalan didefinisikan sebagai kemampuan dari suatu komponen atau sistem untuk melaksanakan fungsi yang diperlukan di dalam lingkungan dan kondisi operasional tertentu untuk periode waktu yang telah ditentukan [3]. Jadi, keandalan merupakan salah satu aspek yang dapat mempengaruhi keberhasilan proses produksi. Keandalan menjadi sangat penting karena akan mempengaruhi biaya pemeliharaan yang pada akhirnya akan mempengaruhi profitabilitas perusahaan. Secara umum ada dua metode yang dipakai untuk melakukan evaluasi keandalan suatu sistem, yaitu: a. Metode Kualitatif Metode kualitatif merupakan metode analisa secara quality dari suatu mode dan dampak kegagalan, seperti Failure Mode and Effects Analysis (FMEA), Failure Mode, Effect and Criticality Analysis (FMECA), Fault Tree Analysis (FTA) dan Reliability Centered Maintenance (RCM). b. Metode Kuantitatif Metode kuantitatif merupakan metode analisa yang dilakuakan secara perhitungan matematis. Metode ini dapat dilakukan melalui perolehan data perawatan (maintenance record) terhadap waktu kegagalan (time to failure) dan waktu perbaikan (time to repair) dari suatu komponen atau sistem.
2 B. Laju Kegagalan Laju kegagalan (λ) adalah banyaknya kegagalan per satuan waktu. Laju kegagalan dapat dinyatakan sebagai perbandingan antara banyaknya kegagalan yang terjadi selama selang waktu tertentu dengan total waktu operasi komponen atau sistem. [5] Dalam beberapa kasus, laju kegagalan dapat ditunjukkan sebagai penambahan atau Increasing Failure Rate (IFR), sebagai penurunan atau Decreasing Failure Rate (DFR), dan sebagai konstan atau Constant Failure Rate (CFR), pada saat fungsi laju kegagalan λ(t) adalah fungsi penambahan, penurunan atau konstan. 1) Distribusi Laju Kegagalan: a. Distribusi Normal Distribusi normal yang sering disebut juga dengan distribusi gaussian adalah salah satu jenis distribusi yang paling sering digunakan dalam menjelaskan sebaran data. Jika distribusi waktu antar kegagalan suatu komponen atau sistem mengikuti distribusi normal, maka: [6] Fungsi keandalannya adalah:
R(t ) = 1 − Φ (
σ
)
Jika distribusi waktu antar kegagalan suatu komponen atau sistem mengikuti distribusi weibull, maka: [7] Fungsi keandalannya adalah: β t −γ R(t ) = exp − η
β t − γ λ (t ) = η η
(2.1)
(2.2)
Distribusi Lognormal Karakteristik distribusi lognormal mempunyai dua parameter yang pertama parameter lokasi (µ) dan yang kedua parameter skala (σ), sama dengan standar deviasi. Jika distribusi waktu antar kegagalan mengikuti distribusi lognormal, maka: [7] Fungsi keandalannya adalah:
1
t R(t ) = 1 − Φ ( ln ) σ tmed
(2.3)
Waktu rata-rata kegagalannya adalah: MTTF= exp( µ
c.
+
σ
2
2
− t −γ
M(t) = 1 − e
1
β
(2.7)
η
β
(2.8)
Sedangkan persamaan maintainability untuk distribusi lognormal dapat dilihat pada persamaan 2.9.
M(t) =
∫ tσ 0
)
(2.6)
C. Maintainability Maintainability didefinisikan sebagai kemungkinan bahwa suatu sistem atau komponen yang gagal diperbaiki pada interval (0,t) [4]. Persamaan maintainability untuk distribusi weibull ditunjukkan pada persamaan 2.8. [7]
t
β −1
Waktu rata–rata kegagalannya adalah: MTTF = γ + ηΓ 1 +
µ
(2.5)
Laju kegagalannya adalah:
Waktu rata-rata kegagalannya adalah: MTTF=
b.
t−µ
Nilai η, β, γ dapat diketahui dari weibull probability paper atau dari software. Saat nilai β= 1 dan γ= 0 weibull akan ekivalen dengan distribusi eksponensial. Saat nilai β= 3,44 weibull akan mendekati distribusi normal.
1 2π
exp −
(ln t − µ )2 dt 2σ 2
(2.9)
(2.4)
Distribusi Weibull Distribusi weibull telah digunakan secara luas dalam teknik keandalan. Karakteristik distribusi weibull adalah: [7] Mempunyai 2 ( η, β ) atau 3 ( η, β, γ ) parameter. • η= parameter skala, η>0, disebut sebagai, characteristic life. • β= parameter bentuk, β>0, mendeskripsikan bentuk dari PDF. • γ= parameter lokasi, merepresentasikan failure-free atau awal periode dari penggunaan item.
dimana: • µ = Mean. • σ = Standard Deviation. D. Availability Availability didefinisikan sebagai probabilitas bahwa sebuah item akan tersedia saat dibutuhkan (dengan berbagai kombinasi aspek-aspek keandalannya, kemampurawatan, dan dukungan perawatan), atau proporsi dari total waktu bahwa sebuah item tersedia untuk digunakan [7]. Secara practical, availability yang berubah terhadap waktu dapat dihitung menggunakan persamaan seperti persamaan 2.10. [3]
λ λ exp(− (λ + µ )t ) (2.10) − λ + µ λ + µ
A(t ) = 1 −
3
dimana:
• •
λ = failure rate dari waktu antar kegagalan µ = 1/MTTR.
E. Sistem Gas Buang Boiler Pada PLTU Gresik unit 3, sistem gas buang boiler terdiri dari beberapa sistem penunjang, yaitu economizer, superheater, reheater, gas injection fan, forced draft fan, dan air heater. Economizer atau pemanas awal berfungsi untuk memanaskan air pengisi ketel sebelum masuk ke boiler. Superheater berfungsi untuk memanaskan lebih lanjut uap dari boiler sehingga menjadi uap kering. Pemanas untuk superheater diambil dari panas gas buang hasil pembakaran furnace. Reheater berfungsi untuk menaikkan kembali entalpi uap setelah diekspansikan di high pressure turbine dengan jalan dipanaskan ulang. Gas injection fan berfungsi sebagai kipas penghasil udara pendorong dari bahan bakar yang akan masuk ke dalam ruang bakar. Forced draft fan berfungsi sebagai penyuplai udara yang digunakan pada pembakaran dalam ruang bakar. Air Heater adalah pemanas udara yang memanfaatkan temperatur gas buang yang masih tinggi sebagai pemanasnya.
III. METODE A. Studi Literatur dan Studi Lapangan Studi literatur berupa pemahaman secara teoritis tentang konsep keandalan, konsep logika fuzzy, dan sistem gas buang boiler. Sedangkan studi lapangan berupa pengamatan langsung di lapangan untuk mengetahui sistem sesungguhnya. B. Pengambilan Data Mengumpulkan data berupa data history kegagalan dan perawatan pada komponen penunjang sistem gas buang boiler. Dalam hal ini data dikatakan cukup apabila satu komponen minimal terdapat 3 kali waktu kegagalan. Flowchart program utama penelitian dapat dilihat pada gambar 3.1.
C. Analisa Data Pada tahap ini, data-data yang diperoleh akan diolah dengan metode konvensional dan fuzzy, kemudian nantinya akan dilakukan perbandingan antara kedua metode tersebut. Perbandingan dilakukan terhadap nilai keandalan, maintainability, dan availability yang didapatkan dari kedua metode tadi. Dalam hal ini data yang digunakan adalah desain sistem, record data history kegagalan dan perbaikan sistem gas buang boiler yang bisa didapatkan dari departemen maintenance. 1) Analisa dengan Metode Konvensional Analisa data dengan metode konvensional meliputi halhal sebagai berikut: • Penentuan Time to Failure Pada record data peralatan dari departemen maintenance selama peralatan tersebut beroperasi mulai dari 09 Pebruari 2001 – 22 April 2010 terdapat data waktu kegagalan. Data ini digunakan untuk menentukan time to failure. • Penentuan Distribusi Time to Failure Penentuan distribusi time to failure dapat dilakukan dengan menggunakan software ReliaSoft Weibull++ Version 6. Berikut ini langkah-langkah penentuan distribusi waktu antar kerusakan: Memasukan data antar kegagalan atau data waktu perbaikan yang akan di uji distribusinya. Mulai dilakukan uji distribusi dengan memilih option distribution wizard untuk mendapatkan parameter uji average goodness of fit (AVGOF) dimana semakin besar nilai pada kolom ini mengindikasikan ketidaksesuaian hasil uji distribusi.
Gambar 3.2 Pemasukan Data TTF
Pada langkah terkhir terdapat implementasi suggestion yang menunjukkan distribusi serta parameter distribusi dari data yang diuji.
• Evaluasi Keandalan (R(t)) Berdasarkan penentuan parameter uji dengan menggunakan software ReliaSoft Weibull++ Version 6 dapat ditentukan keandalan yang akan dianalisa. Hasil perhitungan diplot dalam sebuah grafik hubungan antara nilai R(t) dengan waktu operasional.
Gambar 3.1 Flowchart Program Utama Penelitian
Gambar 3.3 Penunjukan Nilai Keandalan
4 • Penentuan Time to Repair Pada record data sejarah peralatan dari departemen maintenance selama peralatan tersebut beroperasi mulai dari 09 Pebruari 2001 – 22 April 2010 terdapat data waktu selesai perbaikan. Data ini digunakan untuk menentukan time to repair. • Penentuan Distribusi Time to Repair Berdasarkan record data sejarah peralatan dari departemen maintenance dapat dilakukan pengujian distribusi data waktu perbaikan komponen dengan menggunakan software minitab 14.
• Membuat aturan fuzzy. Aturan pada suatu model fuzzy menunjukkan bagaimana sistem beroperasi. Basis aturan keandalan apabila dimasukkan ke dalam FIS editor, maka akan terlihat seperti pada gambar 3.12.
Gambar 3.12 Basis Aturan Keandalan • Gambar 3.6 Pemasukan Data TTR • Evaluasi Maintainability Berdasarkan penentuan parameter uji dengan menggunakan software minitab 14 maka dengan menggunakan persamaan 2.15 dan 2.16 dapat ditentukan maintainability. • Evaluasi Availability Berdasarkan penentuan parameter uji dengan menggunakan software minitab 14 maka dengan menggunakan persamaan 2.17 dapat ditentukan availability. 2) Analisa dengan Metode Logika Logika Fuzzy Fungsi keandalan sistem yang diperoleh secara analitis dapat dipakai sebagai dasar untuk melakukan analisa pendekatan dengan menggunakan logika fuzzy. Fungsi keandalan tersebut digunakan sebagai input pada analisa pendekatan sebagai model logika fuzzy. Adapun pendekatan fuzzy ini menggunakan bantuan software Matlab 7.1 yang meliputi langkah-langkah sebagai berikut: • Mendefinisikan karakteristik model secara fungsional dan operasional. Pada bagian ini perlu diperhatikan karakteristik apa saja yang ada, kemudian dirumuskan karakteristik operasi-operasi yang akan digunakan dalam model fuzzy.
Gambar 3.8 FIS Penentuan Keandalan •
Melakukan dekomposisi variabel model menjadi himpunan fuzzy. Dari variabel-variabel yang telah dirumuskan di atas dibentuk himpunan-himpunan fuzzy yang berkaitan.
• •
Menentukan metode defuzzifikasi untuk tiap-tiap variabel solusi. Pada tahap ini akan dipilih suatu nilai dari suatu variabel solusi yang merupakan konsekuen dari daerah fuzzy. Menjalankan simulasi sistem. Pada tahap ini, dibuat simulasi sistem secara lengkap dengan menggunakan bantuan software matlab 7.1. Pengujian: pengaturan dan validasi model. Dari program simulasi yang dibentuk, diujikan untuk beberapa nilai input untuk mendapatkan kebenaran dan validasi output. Apabila hasil yang diperoleh selama pengujian kurang sesuai dengan yang diharapkan, maka diulangi lagi pada proses dekomposisi variabel ke himpunan fuzzy.
IV. HASIL PENELITIAN A. Analisa Konvensional Sistem Gas Buang Boiler 1) Analisa Konvensional Reheater Sesuai dengan data operasional di lapangan, maka dengan menggunakan software ReliaSoft Weibull++ 6 didapatkan distribusi paling sesuai untuk data TTF reheater adalah distribusi weibull 3 dengan parameter β= 1.2503, η= 8936.3412, dan γ= -859.4. Sedangkan dengan menggunakan software minitab 14 didapatkan distribusi paling sesuai untuk data TTR reheater adalah distribusi 3-parameter lognormal dengan MTTR= 273.748 sehingga µ = 1/MTTR= 0.003652995. Dengan menggunakan persamaan 2.11 maka didapatkan estimasi nilai fungsi laju kegagalan untuk reheater adalah:
t + 859.4 λ (t ) = 0.000139912 8936.3412
0.2503
Untuk keandalannya adalah: 1.2503 t + 859.4 R (t ) = exp − 8936.3412
Sedangkan untuk MTTF-nya adalah: Gambar 3.9 Fungsi Keanggotaan Keandalan
MTTF = -859.4 + 8936.3412Γ (1.799808046 )
5
Dengan mengggunakan persamaan 2.16 maka didapatkan persamaan maintainability untuk reheater adalah:
M (t ) = 1 − exp(− 0.003652995.t )
Dengan mengggunakan persamaan 2.18 maka didapatkan persamaan availability untuk reheater adalah: λ λ A(t ) = 1 − − exp(− (λ + 0.0036 )t ) λ λ + 0.0036 + 0.0036 2) Analisa Konvensional Superheater Sesuai dengan data operasional di lapangan, maka dengan menggunakan software ReliaSoft Weibull++ 6 didapatkan distribusi paling sesuai untuk data TTF superheater adalah distribusi lognormal dengan parameter μ= 7.6636 dan σ= 1.2202. Sedangkan dengan menggunakan software minitab 14 didapatkan distribusi paling sesuai untuk data TTR superheater adalah distribusi 3-parameter Lognormal dengan MTTR= 62.9193 sehingga µ = 1/MTTR= 0.015893375. Dengan menggunakan persamaan 2.8 maka didapatkan estimasi nilai fungsi keandalan untuk superheater adalah: t R (t ) = 1 − Φ ((0.819537781)(ln )) 2518.5 Sedangkan untuk MTTF-nya adalah: MTTF = exp(8.40804402) Dengan mengggunakan persamaan 2.16 maka didapatkan persamaan maintainability untuk superheater adalah:
M (t ) = 1 − exp(− 0.015893375.t )
R (t ) = 1 − Φ (
t − 8108.3347 ) 6272.9313
Dengan mengggunakan persamaan 2.15 maka didapatkan persamaan maintainability untuk economizer adalah:
M (t ) = 1 − exp(− 0.007116577.t ) Dengan mengggunakan persamaan 2.18 maka didapatkan persamaan availability untuk economizer adalah: λ λ A(t ) = 1 − − exp(− (λ + 0.0071)t ) λ + 0.0071 λ + 0.0071
4) Analisa Konvensional A-GIF Sesuai dengan data operasional di lapangan, maka dengan menggunakan software ReliaSoft Weibull++ 6 didapatkan distribusi paling sesuai untuk data TTF A-GIF adalah distribusi weibull 3 dengan parameter β= 0.8251, η= 3369.116, dan γ= - 215.4625. Sedangkan dengan menggunakan software minitab 14 didapatkan distribusi paling sesuai untuk data TTR A-GIF adalah distribusi 3parameter Lognormal dengan MTTR= 100.091 sehingga µ = 1/MTTR= 0.009990908. Dengan menggunakan persamaan 2.11 maka didapatkan estimasi nilai fungsi laju kegagalan untuk A-GIF adalah:
t + 215.4625 3369.116
-0.1749
λ (t ) = 0.000244901 Untuk MTTF-nya adalah:
MTTF = -215.4625 + 3369.116Γ (2.211974306 ) Sedangkan ntuk keandalannya adalah:
Dengan mengggunakan persamaan 2.18 maka didapatkan persamaan availability untuk superheater adalah: λ λ A(t ) = 1 − − exp(− (λ + 0.0158)t ) λ λ + 0.0158 + 0.0158
0.8251 t + 215.4625 R (t ) = exp− 3369.116
Dengan mengggunakan persamaan 2.16 maka didapatkan persamaan maintainability untuk A-GIF adalah:
3) Analisa Konvensional Economizer Sesuai dengan data operasional di lapangan, maka M (t ) = 1 − exp(− 0.009990908.t ) dengan menggunakan software ReliaSoft Weibull++ 6 didapatkan distribusi paling sesuai untuk data TTF economizer Dengan mengggunakan persamaan 2.18 maka didapatkan adalah distribusi normal dengan parameter μ= 8108.3347 dan persamaan availability untuk A-GIF adalah: σ= 6272.9313. Sedangkan dengan menggunakan software λ λ minitab 14 didapatkan distribusi paling sesuai untuk data TTR A(t ) = 1 − − exp(− (λ + 0.0099 )t ) λ + 0.0099 λ + 0.0099 economizer adalah distribusi 3-parameter Weibull dengan MTTR= 140.517 sehingga µ = 1/MTTR= 0.007116577. 5) Analisa Konvensional A-FDF Dengan menggunakan persamaan 2.6 maka didapatkan Sesuai dengan data operasional di lapangan, maka nilai MTTF-nya adalah: dengan menggunakan software ReliaSoft Weibull++ 6 didapatkan distribusi paling sesuai untuk data TTF A-FDF MTTF = 8108.3347 adalah distribusi weibull 3 dengan parameter β= 0.8615, η= 4451.7927, dan γ= 306.64. Sedangkan dengan menggunakan Sedangkan fungsi keandalan untuk economizer adalah: software minitab 14 didapatkan distribusi paling sesuai untuk
6 data TTR A-FDF adalah distribusi 3-parameter Weibull dengan MTTR= 97.7566 sehingga µ = 1/MTTR= 0.010229488. Dengan menggunakan persamaan 2.11 maka didapatkan estimasi nilai fungsi laju kegagalan untuk A-FDF adalah:
t - 306.64 4451.7927
-0.1385
λ (t ) = 0.000193518
Untuk keandalannya adalah: 0.8615 t − 306.64 R (t ) = exp − 4451.7927
Dengan mengggunakan persamaan 2.18 maka didapatkan persamaan availability untuk A-Air Heater adalah: λ λ A(t ) = 1 − exp(− (λ + 0.014)t ) − λ + 0.014 λ + 0.014 7) Analisa Konvensional Seluruh Sistem Penunjang Berdasarkan pengolahan data dari masing-masing komponen didapatkan hasil keandalan untuk waktu (t= 500, 1000, dan 2000 jam), maintainability untuk waktu (t= 50, 100, dan 200 jam), dan availability untuk waktu (t= 1000, 2000, 3000 jam). Dengan menggunakan persamaan 4.1 sampai dengan 4.28 maka diperoleh hasil seperti grafik di bawah ini:
Sedangkan untuk MTTF-nya adalah: MTTF = 306.64 + 4451.7927Γ (2.160766106 ) Dengan mengggunakan persamaan 2.15 maka didapatkan persamaan maintainability untuk A-FDF adalah:
Gambar 4.1 Grafik Keandalan Metode Konvensional
M (t ) = 1 − exp(− 0.010229488.t ) Dengan mengggunakan persamaan 2.18 maka didapatkan persamaan availability untuk A-FDF adalah: λ λ A(t ) = 1 − exp(− (λ + 0.0102 )t ) − λ λ + + 0.0102 0.0102
6) Analisa Konvensional A-Air Heater Sesuai dengan data operasional di lapangan, maka dengan menggunakan software ReliaSoft Weibull++ 6 didapatkan distribusi paling sesuai untuk data TTF A-Air Heater adalah distribusi weibull 2 dengan parameter β= 1.182 dan η= 2508.5617. Sedangkan dengan menggunakan software minitab 14 didapatkan distribusi paling sesuai untuk data TTR A-Air Heater adalah distribusi 3-parameter Lognormal dengan MTTR= 71.0964 sehingga µ = 1/MTTR= 0.01406541. Dengan menggunakan persamaan 2.11 maka didapatkan estimasi nilai fungsi laju kegagalan untuk A-Air Heater adalah:
t 2508.5617
0.182
λ (t ) = 0.000471186
Untuk keandalannya adalah: 1.182 t R (t ) = exp − 2508.5617 Sedangkan untuk MTTF-nya adalah: MTTF= 2508.5617Γ (1.846023689 ) Dengan mengggunakan persamaan 2.16 maka didapatkan persamaan maintainability untuk A-Air Heater adalah:
M (t ) = 1 − exp(− 0.01406541.t )
Gambar 4.2 Grafik Maintainability Metode Konvensional
Gambar 4.3 Grafik Availability Metode Konvensional B. Analisa Sistem dengan Logika Fuzzy Penyusunan basis aturan untuk keandalan, menggunakan 2 input yaitu MTTF dan jam operasi, serta menghasilkan 1 output yaitu nilai keandalan. Fungsi keanggotaan untuk variabel jam operasi menggunakan 6 fungsi keanggotaan. Untuk fungsi keanggotaan variabel MTTF menggunakan 7 fungsi keanggotaan. Sedangkan untuk variabel output yang berupa keandalan menggunakan 7 fungsi keanggotaan. Penyusunan basis aturan untuk maintainability, menggunakan 2 input yaitu MTTR dan jam operasi, serta menghasilkan 1 output yaitu nilai maintainability. Fungsi keanggotaan untuk variabel jam operasi menggunakan 5 fungsi keanggotaan. Untuk fungsi keanggotaan variabel MTTR menggunakan 5 fungsi keanggotaan. Sedangkan untuk variabel output yang berupa maintainability menggunakan 7 fungsi keanggotaan. Penyusunan basis aturan untuk availability, menggunakan 3 input yaitu MTTF, MTTR dan jam operasi, serta menghasilkan 1 output yaitu nilai Penyusunan basis aturan untuk maintainability, menggunakan 2 input yaitu MTTR dan jam operasi, serta menghasilkan 1 output yaitu nilai availability. Fungsi keanggotaan untuk variabel jam operasi menggunakan 6 fungsi keanggotaan. Untuk fungsi
7 keanggotaan variabel MTTF menggunakan 7 fungsi keanggotaan. Untuk fungsi keanggotaan variabel MTTR menggunakan 5 fungsi keanggotaan. Sedangkan untuk variabel output yang berupa availability menggunakan 7 fungsi keanggotaan. Dengan menggunakan aturan logika fuzzy seperti di atas, maka diperoleh hasil seperti grafik di bawah ini:
Gambar 4.4 Grafik Keandalan Metode Logika Fuzzy
Gambar 4.5 Grafik Maintainability Metode Logika Fuzzy
Gambar 4.6 Grafik Availability Metode Logika Fuzzy C. Perbandingan Metode Konvensional dengan Fuzzy 1) Perbandingan Keandalan Hasil keandalan yang didapatkan pada keseluruhan sistem penunjang gas buang boiler dengan metode konvensional dan metode logika fuzzy untuk waktu (t= 500, 1000, dan 2000 jam) adalah seperti yang terlihat pada tabel 4.13, 4.14, dan 4.15. Tabel 4.13 Perbandingan Keandalan pada t= 500 jam Komponen Keandalan Keandalan Konvensional Fuzzy Reheater 0.909 0.919 Superheater 0.908 0.868 Economizer 0.887 0.954 A-GIF 0.878 0.867 A-FDF 0.935 0.867 A-Air Heater 0.862 0.867 Tabel 4.14 Perbandingan Keandalan pada t= 1000 jam Komponen Keandalan Keandalan Konvensional Fuzzy Reheater 0.869 0.875 Superheater 0.776 0.803 Economizer 0.871 0.875 A-GIF 0.74 0.782 A-FDF 0.818 0.867 A-Air Heater 0.714 0.782
Tabel 4.15 Perbandingan Keandalan pada t= 2000 jam Komponen Keandalan Keandalan Konvensional Fuzzy Reheater 0.787 0.733 Superheater 0.575 0.669 Economizer 0.834 0.775 A-GIF 0.553 0.622 A-FDF 0.647 0.733 A-Air Heater 0.465 0.467 2) Perbandingan Maintainability Hasil maintainability yang didapatkan pada keseluruhan sistem penunjang gas buang boiler dengan metode konvensional dan metode logika fuzzy untuk waktu (t= 50 jam, t= 100 jam, dan t= 200 jam) adalah seperti yang terlihat pada tabel 4.16, 4.17, dan 4.18. Tabel 4.16 Perbandingan Maintainability pada t= 50 jam Maintainability Maintainability Komponen Konvensional Fuzzy Reheater 0.167 0.133 Superheater 0.548 0.536 Economizer 0.299 0.36 A-GIF 0.393 0.445 A-FDF 0.4 0.45 A-Air Heater 0.505 0.515 Tabel 4.17 Perbandingan Maintainability pada t= 100 jam Komponen Maintainability Maintainability Konvensional Fuzzy Reheater 0.306 0.397 Superheater 0.796 0.834 Economizer 0.509 0.576 A-GIF 0.632 0.713 A-FDF 0.64 0.719 A-Air Heater 0.755 0.833 Tabel 4.18 Perbandingan Maintainability pada t= 200 jam Komponen Maintainability Maintainability Konvensional Fuzzy Reheater 0.518 0.527 Superheater 0.958 0.959 Economizer 0.759 0.835 A-GIF 0.864 0.871 A-FDF 0.871 0.875 A-Air Heater 0.94 0.96
3) Perbandingan Availability Hasil availability yang didapatkan pada keseluruhan sistem penunjang gas buang boiler dengan metode konvensional dan metode logika fuzzy untuk waktu
8 (t= 1000 jam, t= 2000 jam, dan t= 3000 jam) adalah seperti yang terlihat pada tabel 4.19, 4.20, dan 4.21. Tabel 4.19 Perbandingan Availability pada t= 1000 jam Komponen Availability Availability Konvensional Fuzzy Reheater 0.975 0.98 Superheater 0.979 0.976 Economizer 0.995 0.994 A-GIF 0.969 0.972 A-FDF 0.976 0.98 A-Air Heater 0.972 0.973 Tabel 4.20 Perbandingan Availability pada t= 2000 jam Komponen Availability Availability Konvensional Fuzzy Reheater 0.972 0.975 Superheater 0.982 0.983 Economizer 0.993 0.992 A-GIF 0.973 0.979 A-FDF 0.979 0.984 A-Air Heater 0.969 0.967 Tabel 4.21 Perbandingan Availability pada t= 4000 jam Komponen Availability Availability Konvensional Fuzzy Reheater 0.97 0.971 Superheater 0.985 0.986 Economizer 0.992 0.991 A-GIF 0.975 0.982 A-FDF 0.98 0.984 A-Air Heater 0.967 0.967 D. Penjadwalan Maintenance Pelaralatan Interval perawatan terhadap komponen yang sering mengalami kegagalan pada sistem gas buang boiler ditinjau dari keandalan dan perawatan yang optimal: Reheater Dapat dilihat dari tabel 4.7 bahwa tingkat keandalan reheater sangat tinggi. Jadi, meskipun hanya dilakukan perawatan setiap 2000 jam, komponen tersebut akan tetap reliable. Sehingga untuk reheater cukup dilakukan perawatan setiap 2000 jam. Superheater Dapat dilihat dari tabel 4.7 bahwa tingkat keandalan superheater cukup rendah. Sehingga perlu dilakukan perawatan setiap 1000 jam untuk menjaga komponen tersebut agar tetap reliable. Economizer Dapat dilihat dari tabel 4.7 bahwa tingkat keandalan economizer sangat tinggi. Jadi, meskipun hanya dilakukan perawatan setiap 2000 jam, komponen tersebut akan tetap reliable. Sehingga untuk economizer cukup dilakukan perawatan setiap 2000 jam. A-GIF
Dapat dilihat dari tabel 4.7 bahwa tingkat keandalan AGIF cukup rendah. Sehingga perlu dilakukan perawatan setiap 1000 jam untuk menjaga komponen tersebut agar tetap reliable. A-FDF Dilihat dari tabel 4.7 bahwa tingkat keandalan A-FDF cukup rendah. Sehingga perlu dilakukan perawatan setiap 2000 jam untuk menjaga komponen tersebut agar tetap reliable. A-Air Heater Dilihat dari tabel 4.7 bahwa tingkat keandalan A-air heater cukup rendah. Sehingga perlu dilakukan perawatan setiap 1000 jam untuk menjaga komponen tersebut agar tetap reliable.
Dari hasil yang telah diperoleh maka dapat diketahui bahwa komponen yang kritis pada sistem gas buang boiler adalah superheater, A-GIF, dan A-air heater. Hal ini terlihat dari komponen–komponen tersebut yang mempunyai jadwal perawatan yang yang relatif pendek. Selain itu, berdasarkan hasil nilai keandalan dari keseluruhan sistem penunjang pada gas buang boiler, dapat dilihat bahwa salah satu cara untuk menjaga agar sistem tersebut tetap reliable adalah dengan memendekkan durasi perawatan. Jadi, dengan memendekkan durasi perawatan akan diperoleh pula nilai keandalan yang lebih tinggi. Sehingga tingkat kegagalan ketika sistem beroperasi dapat diturunkan.
V. KESIMPULAN Berdasarkan penelitian yang telah dilakukan, maka diperoleh kesimpulan sebagai berikut: • Berbeda dari metode konvensional yang terlebih dahulu harus menentukan model kegagalan untuk bisa megetahui keandalan suatu sistem. Metode logika fuzzy cukup menggunakan distribusi probabilitas kegagalan sebagai acuan kaidah atur dalam fuzzy, maka sudah bisa digunakan untuk menentukan keandalan suatu sistem. • Hasil analisa sistem gas buang boiler dengan metode logika fuzzy didapatkan; sistem penunjang yang paling andal adalah economizer dengan tingkat keandalan 95.4% pada saat t= 500 jam. Sistem penunjang yang paling maintainable adalah superheater dengan tingkat maintainability sebesar 83.4% selama t= 100 jam. Sedangkan sistem penunjang yang paling available adalah economizer dengan tingkat availability mencapai 99.1% selama t= 3000 jam. • Interval perawatan terhadap masing-masing sistem penunjang gas buang boiler yang sering mengalami kegagalan ditinjau dari keandalan dan perawatan yang optimal adalah untuk reheater, economizer, dan A-FDF dilakukan perawatan minimal setiap 2000 jam. Sedangkan untuk superheater, A-GIF, dan A-Air Heater dilakukan perawatan minimal setiap 1000 jam sekali.
9 Selanjutnya dalam rangka pengembangan penelitian, saran yang perlu disampaikan dalam laporan Tugas Akhir ini adalah: • Perlu dikembangkan lagi penggunaan aplikasi metode logika fuzzy untuk analisa keandalan dalam perspektif yang lebih luas. Maksudnya tidak hanya dilakukan pada suatu sistem tertentu, tetapi dilakukan pada keseluruhan plant yang ada. • Dikembangkan penelitian untuk analisa keandalan dengan metode Jaringan Syaraf Tiruan (JST).
VI. DAFTAR PUSTAKA [1]. Keller, A.Z., dan Kara-Zaitri, C. “Further Applications of Fuzzy Logic to Reliability Assessment and Safety Analysis”. United Kingdom: University of Bradford, 2003. [2]. Bing, Li., Meilin, Zhu., dan Kai, Xu. “A Practical Engineering Method for Fuzzy Reliability Analysis of Mechanical Structures”. Huazhong University of Science & Technology, 2000. [3]. Arnljot, H., dan Marvin, R. “System Reliability Theory”. John Wiley & Sons Inc., The Norwegian Institute of Technology, 1994. [4]. Klir, George J., dan Yuan, Bo. “Fuzzy Sets and Fuzzy Logics: Theory and Applications”. New Jersey: PrenticeHall Inc., 1995. [5]. Ebeling, Charles E. An Introduction To Reliability And Maintainability Engineering. Singapore: The Mc GrawHill Companies, 1997. [6]. Andrews J.D. dan TR Moss. ”Reliability And Risk Assassment Second Edition”. New York, 2002. [7]. Priyatna, Dwi. “ Keandalan dan Perawatan”. 2000. [8]. Naba, Agus. “Belajar Cepat Fuzzy Logic Menggunakan MATLAB”. Yogyakarta: ANDI, 2009. [9]. Rachman, M. Abdul. “Analisa Reliability Berbasis Logika Fuzzy pada Sistem Main Engine Kapal”. Surabaya: Teknik Fisika – ITS., 2005.
BIODATA PENULIS Nama : Nur Arif Romadlon TTL : Tuban, 12 Mei 1988 Alamat : Ds.Wangun Kec.Palang Kab.Tuban Email :
[email protected]
Pendidikan : SDN Wangun II SMPN 1 Palang SMAN 2 Tuban Teknik Fisika ITS
(1994 – 2000) (2000 – 2003) (2003 – 2006) (2006 – Sekarang)