AUTONOMOUS MAINTENANCE UNTUK MENINGKATKAN PRODUKTIVITAS PRODUKSI DI PILOT LINE FACTORY 4

AUTONOMOUS MAINTENANCE UNTUK MENINGKATKAN PRODUKTIVITAS PRODUKSI DI PILOT LINE FACTORY 4 Iwan Budihardjo1; Dian Marisa2 1

2

Praktisi Industri, [email protected] Staf Produksi Industri Manufaktur, PT ASTRA DAIHATSU MOTOR HEAD OFFICE Jln. Gaya Motor III No. 5, Sunter II, Jakarta 14350

ABSTRACT Sophisticated machinery can only demonstrate its superiority during the production process, while its operation and maintenance still depend on human skills and a good maintenance system. Total Productive Maintenance (TPM) can be applied to raise company productivity without abandoning scheduled machine maintenance. The purpose of this research is to improve the productivity of production on line stitching. The method used to increase the productivity of production is to calculate Overall Equipment Effectiveness (OEE), using the histogram of downtime, regression equations and correlation, the calculation of the cost of downtime, and analysis of the causes using a Plan, Do, Check, Action (PDCA). The survey results revealed the low productivity of the OEE calculation of 68.12%, due to the often damaged machine and duration of repairs. These in turn is caused by the lack of machinery maintenance, and unavailability of spare-part. To increase the percentage of OEE it is recommended to apply Autonomous Maintenance, building a spare-parts warehouse in every factory, increasing the number of stand-by engines, and provide training on procedures for the use of machinery in accordance with the appropriate Standard Operation Procedures (SOPs). Keywords: productivity, OEE, machine breakdown, TPM, autonomous maintenance

ABSTRAK Mesin yang canggih hanya dapat memperlihatkan keunggulannya sebatas dalam proses produksi, sedangkan dalam hal pengoperasian dan pemeliharaannya tetap bergantung pada keahlian dari manusia dan sistem pemeliharaan (maintenance) yang baik. Total Productive Maintenance (TPM) dapat diterapkan untuk meningkatkan produktivitas perusahaan dengan tanpa mengabaikan perawatan mesin yang terencana. Tujuan dari penelitian ini adalah untuk meningkatkan produktivitas produksi pada line stitching. Metode yang digunakan dalam meningkatkan produktivitas produksi adalah dengan menghitung Overall Equipment Effectiveness (OEE), menggunakan histogram terjadinya downtime, persamaan regresi dan korelasi, perhitungan cost downtime, dan analisis penyebab menggunakan Plan, Do, Check, Action (PDCA). Dari hasil penelitian, diketahui bahwa rendahnya produktivitas dari perhitungan OEE, yaitu 68.12%, disebabkan karena mesin sering mengalami kerusakan dan lamanya perbaikan, yang disebabkan penggunaan mesin salah dan kurangnya perawatan terhadap mesin serta tidak tersedianya spare-part. Untuk meningkatkan persentase OEE, disarankan untuk menerapkan Autonomous Maintenance, diadakannya gudang spare-part di setiap factory, menambah jumlah mesin stand-by, dan memberikan pelatihan tentang prosedur penggunaan mesin sesuai dengan Standar Operation Procedures (SOP) yang benar. Kata kunci: produktivitas, OEE, machine breakdown, TPM, autonomous maintenance

Autonomous Maintenance untuk… (Iwan Budihardjo; Dian Marisa)                                      19 

PENDAHULUAN Perkembangan teknologi telah membawa perubahan hampir semua bidang. Salah satunya adalah dunia industri, yang secara langsung melibatkan perkembangan teknologi dalam kegiatan produksinya. Agar mampu berperan dalam persaingan global, maka suatu industri perlu terus mengembangkan dan meningkatkan kualitas dari perusahaan, baik dari segi kualitas sumber daya manusia, kualitas produk, kemampuan produksi, maupun segala sesuatu yang berhubungan dengan kegiatan produksi suatu industri. Sebuah produk yang berkualitas ditentukan dengan bahan yang berkualitas, mesin canggih, dan sumber daya manusia yang berkualitas. Namun, mesin yang sangat canggih sekalipun hanya dapat memperlihatkan keunggulannya sebatas dalam proses produksi, sedangkan dalam hal pengoperasian dan pemeliharaannya tetap bergantung pada keahlian dari manusia dan sistem pemeliharaan (maintenance) yang baik. Total Productive Maintenance (TPM) adalah salah satu maintenance yang mengutamakan peran aktif dari seluruh karyawan dan memberdayakan keahlian dari seluruh karyawan secara efektif, dari level top management sampai ke tingkat operator. Dengan penerapan TPM, akan meningkatkan produktivitas perusahaan dan juga tidak akan mengabaikan perawatan mesin secara baik dan benar (mengawasi dan merawat semua mesin secara terencana). Berdasarkan hasil pengamatan yang dilakukan di perusahaan, diketahui seringnya mesin mengalami kerusakan atau breakdown sehingga mengganggu kelancaran proses produksi dan perusahaan tidak dapat memperoleh target produksi seperti yang telah direncanakan. Lalu, lamanya proses perbaikan mesin sehingga waktu produksi jauh di bawah target kemampuan sebenarnya mesin dapat memproduksi. Hal ini menyebabkan menurunnya tingkat produktivitas. Oleh karena itu, diusulkan langkah-langkah perbaikan yang perlu dilakukan agar dapat meningkatkan produktivitas produksi pada line stitching.

HASIL DAN PEMBAHASAN Pengumpulan data merupakan hasil pengamatan selama penelitian yang dilakukan di perusahaan pada Stitching Department, khususnya Direct Line 9. Data yang digunakan dalam penelitian tugas akhir terdiri dari laporan kegiatan dan laporan harian data cacat pada Stitching Department. Data-data yang dibutuhkan di antaranya adalah laporan kegiatan di Stitching Department dan laporan harian data cacat pada line stitching. Data yang diperoleh dari perusahaan adalah data sekunder, yaitu data arsip dan data primer, yaitu data pengamatan langsung, wawancara, dan diskusi dengan pihak bersangkutan dan memiliki pengalaman pada kegiatan proses produksi di Stitching Department, khususnya pada Direct Line 9 yang merupakan Pilot Line. Uji kecukupan data dimaksudkan untuk mengetahui apakah data hasil pengamatan telah memenuhi syarat kecukupan data sehingga sebelum data dianalisis, diperlukan suatu uji kecukupan data. Jumlah pengamatan yang diperlukan untuk tingkat ketelitian 5% dan tingkat keyakinan 95%. Setelah dilakukan perhitungan, maka didapatkan hasil, yaitu N ' = 140.2554 = 141 data. Jadi, data yang dibutuhkan adalah minimal sebanyak 141 data.

20                                                                                                      INASEA, Vol. 10 No.1, April 2009: 19-33 

Statistika Deskriptif Perhitungan statistika secara deskriptif dengan menggunakan SPSS, dapat dilihat pada Tabel 1 (perhitungan data waktu), Tabel 2 (frekuensi data waktu), dan Gambar 1 (histogram data waktu).

Tabel 1 SPSS Perhitungan Data Waktu Statistics downtime N Mean Median Mode Std. Deviation Variance Range Minimum Maximum Sum Percentiles

Valid Missing

10 25 50 75 90

1177 0 12.0629 15.0000 15.00 3.57302 12.766 11.00 4.00 15.00 14198.00 6.0000 10.0000 15.0000 15.0000 15.0000

Tabel 2 SPSS Frekuensi Data Waktu downtime

Valid

4.00 5.00 6.00 7.00 8.00 9.00 10.00 11.00 12.00 13.00 14.00 15.00 Total

Frequency 11 99 31 34 34 33 229 22 27 15 15 627 1177

Percent .9 8.4 2.6 2.9 2.9 2.8 19.5 1.9 2.3 1.3 1.3 53.3 100.0

Valid Percent .9 8.4 2.6 2.9 2.9 2.8 19.5 1.9 2.3 1.3 1.3 53.3 100.0

Cumulative Percent .9 9.3 12.0 14.9 17.8 20.6 40.0 41.9 44.2 45.5 46.7 100.0

Autonomous Maintenance untuk… (Iwan Budihardjo; Dian Marisa)                                      21 

Histogram

700

600

Frequency

500

400

300

200

100 Mean = 12.0629 Std. Dev. = 3.57302 N = 1,177

0 2.00

4.00

6.00

8.00

10.00

12.00

14.00

16.00

downtime

Gambar 1 Histogram Data Waktu

Perhitungan Overall Equipment Effectiveness (OEE) Perhitungan OEE dilakukan pada Stitching Department pada Direct Line 9. Perhitungan tersebut dilakukan per bulan berdasarkan laporan kegiatan produksi yang dibuat oleh operator. Setelah dilakukannya perhitungan OEE, didapatkan hasil OEE sebesar 54.53%. Angka tersebut didapat dari perhitungan rumus sebagai berikut. OEE = Availability x Performance Rate x Quality Rate = 85.19% x 65.74% x 97.38% = 54.53%. Sedangkan hasil dari perhitungan availability, performance rate, quality rate, dan OEE dapat dilihat pada Tabel 3. Tabel 3 Summary Hasil Perhitungan

2006

2007

September Oktober November Desember Januari Februari Maret

Availability 82.86% 79.64% 81.04% 85.17% 78.29% 78.85% 85.29%

Performance Rate 80.56% 87.57% 92.11% 83.19% 86.85% 91.03% 87.86%

Quality Rate 96.55% 95.87% 95.81% 97.12% 96.50% 94.70% 95.94%

OEE 64.31% 67.03% 71.34% 68.52% 65.68% 68.15% 71.82%

Pembuatan Histogram Contoh data downtime bulan September 2006 sampai Maret 2007 adalah sebagai berikut (Tabel 4 dan 5).

22                                                                                                      INASEA, Vol. 10 No.1, April 2009: 19-33 

Tabel 4 Data Jumlah Downtime Bulan September 2006 Tanggal 1 4 5 6 7 8 11 12 13 14 15 18 19 20 21 22 25 26 27 28 29

Down Time (menit) 80 120 124 70 125 121 110 102 45 84 82 52 56 91 112 65 60 122 85 96 142

Tabel 5 Data Jumlah Downtime Bulan Maret 2007 Tanggal 1 2 5 6 7 8 9 12 13 14 15 16 20 21 22 23 26 27 28 29 30

Down Time (menit) 55 67 46 74 66 90 56 99 110 185 78 98 86 60 87 75 65 76 75 82 38

Dari data downtime dari bulan September 2006 sampai Maret 2007, diketahui sebanyak 86 data dari 143 data berada di atas standar yang ditetapkan perusahaan. Hal ini menunjukkan lebih dari 50% atau sebesar 60.14% dari downtime yang terjadi menyebabkan rendahnya tingkat ketersediaan mesin sehingga nilai OEE yang dihasilkan masih rendah. Dengan demikian, perlu diketahui hal-hal apa saja yang menyebabkan seringnya terjadi downtime dan perbaikan apa yang

Autonomous Maintenance untuk… (Iwan Budihardjo; Dian Marisa)                                      23 

harus dilakukan. Untuk itu, digunakan diagram PDCA yang akan dijabarkan pada sub-sub bab berikutnya.

Regresi Linear dan Korelasi Tujuan dari dilakukannya pengolahan data dengan regresi linear dan korelasi adalah untuk mengetahui apakah terjadinya jumlah downtime yang besar disebabkan oleh banyaknya jumlah cacat yang terjadi selama proses produksi. Berikut adalah perhitungan untuk mencari persamaan regresi linear dan korelasi antara jumlah cacat dengan besarnya jumlah downtime (Tabel 6-9). Tabel 6 Tabel Jumlah Cacat dan Downtime

24                                                                                                      INASEA, Vol. 10 No.1, April 2009: 19-33 

Tabel 7 Tabel Jumlah Cacat dan Downtime Jumlah Cacat Down Time (Xi) (Yi) 50 82 53 73 72 85 72 113 49 101 59 42 50 77 52 81 84 75 88 98 77 153 58 145 51 124 54 128 63 116 127 96 151 104 143 80 66 72 43 95 65 33 56 162 38 127 57 145 41 105 65 80 63 152 140 120 42 118 45 105 50 106 49 105 43 45 39 30 32 105 37 80 28 117 28 70 30 15

XiYi

Xi²

Yi²

4100 3869 6120 8136 4949 2478 3850 4212 6300 8624 11781 8410 6324 6912 7308 12192 15704 11440 4752 4085 2145 9072 4826 8265 4305 5200 9576 16800 4956 4725 5300 5145 1935 1170 3360 2960 3276 1960 450

2500 2809 5184 5184 2401 3481 2500 2704 7056 7744 5929 3364 2601 2916 3969 16129 22801 20449 4356 1849 4225 3136 1444 3249 1681 4225 3969 19600 1764 2025 2500 2401 1849 1521 1024 1369 784 784 900

6724 5329 7225 12769 10201 1764 5929 6561 5625 9604 23409 21025 15376 16384 13456 9216 10816 6400 5184 9025 1089 26244 16129 21025 11025 6400 23104 14400 13924 11025 11236 11025 2025 900 11025 6400 13689 4900 225

Autonomous Maintenance untuk… (Iwan Budihardjo; Dian Marisa)                                      25 

Tabel 8 Tabel Jumlah Cacat dan Downtime Jumlah Cacat Down Time (Xi) (Yi) 34 69 33 60 47 40 34 40 41 40 38 145 46 147 46 118 35 130 42 108 46 127 47 105 58 90 39 138 45 140 44 130 50 115 50 98 57 105 84 120 64 107 62 103 79 112 69 115 80 89 72 112 71 125 71 125 84 105 85 70 102 114 86 120 90 118 117 105 103 97 100 88 86 125 95 116 90 152

XiYi

Xi²

Yi²

2346 1980 1880 1360 1640 5510 6762 5428 4550 4536 5842 4935 5220 5382 6300 5720 5750 4900 5985 10080 6848 6386 8848 7935 7120 8064 8875 8875 8820 5950 11628 10320 10620 12285 9991 8800 10750 11020 13680

1156 1089 2209 1156 1681 1444 2116 2116 1225 1764 2116 2209 3364 1521 2025 1936 2500 2500 3249 7056 4096 3844 6241 4761 6400 5184 5041 5041 7056 7225 10404 7396 8100 13689 10609 10000 7396 9025 8100

4761 3600 1600 1600 1600 21025 21609 13924 16900 11664 16129 11025 8100 19044 19600 16900 13225 9604 11025 14400 11449 10609 12544 13225 7921 12544 15625 15625 11025 4900 12996 14400 13924 11025 9409 7744 15625 13456 23104

26                                                                                                      INASEA, Vol. 10 No.1, April 2009: 19-33 

Tabel 9 Tabel Jumlah Cacat dan Downtime Jumlah Cacat Down Time (Xi) (Yi) 49 86 51 60 54 87 52 75 71 65 77 76 79 75 83 82 105 38 9143 14198

XiYi

Xi²

Yi²

4214 3060 4698 3900 4615 5852 5925 6806 3990 917401

2401 2601 2916 2704 5041 5929 6241 6889 11025 654953

7396 3600 7569 5625 4225 5776 5625 6724 1444 1560204

Dengan demikian, hasil perhitungan regresi linear diperoleh nilai a = 90.5465 dan b = ˆ = 90.5465 + 0.1367 x . a menyatakan intersep atau 0.1367, maka persamaan regresinya adalah Y perpotongan dengan sumbu tegak, dan b adalah kemiringan atau gradiennya. Untuk perhitungan korelasi, diperoleh nilai r = 0.0935, maka r 2 = 0.0087 . Koefisien korelasi determinasi

r 2 = 0.0087 , yang artinya pengaruh variabel X terhadap naik turunnya Y adalah 0.87%, sedangkan 99.13% disebabkan faktor lainnya.

Cost Downtime Untuk mengetahui jumlah kerugian biaya yang harus ditanggung oleh perusahaan karena terjadinya downtime, maka dilakukan perhitungan di bawah ini. Data yang digunakan untuk menghitung cost downtime adalah total downtime per menit, yang sebelumnya dikonversikan ke dalam satuan jam karena penentuan biaya kerugian yang ditetapkan oleh perusahaan dalam satuan jam. Berikut adalah contoh dari salah satu perhitungan (Tabel 10). Tabel 10 Cost Downtime September 2006

Autonomous Maintenance untuk… (Iwan Budihardjo; Dian Marisa)                                      27 

Contoh Perhitungan: (01/09/06) Cost Downtime = Total Worker * Time Stopped * Cost/Jam = 6*

80menit * Rp5300 = Rp 42.400,00 60menit

Berikut adalah hasil perhitungan dari Tabel 10. Pertama, September 2006; Total kerusakan mesin adalah 169 mesin; Total cost downtime adalah Rp 1,505,200.00. Kedua, Oktober 2006; Total kerusakan mesin adalah 167 mesin; Total cost downtime adalah Rp 1,765,518.33. Ketiga, November 2006; Total kerusakan mesin adalah 192 mesin; Total cost downtime adalah Rp 1,719,320.00. Keempat, Desember 2006; Total kerusakan mesin adalah 125 mesin; Total cost downtime adalah Rp 1,078,285.00. Kelima, Januari 2007; Total kerusakan mesin adalah 202 mesin; Total cost downtime adalah Rp 2,018,416.67. Keenam, Februari 2007; Total kerusakan mesin adalah 184 mesin; Total cost downtime adalah Rp 1,914,801.67. Ketujuh, Maret 2007; Total kerusakan mesin adalah 139 mesin; Total cost downtime adalah Rp 1,078,903.3. Dari jumlah kerusakan mesin setiap bulannya, diketahui rata-rata kerusakan mesin dalam satu bulan, yaitu 168 mesin. Untuk rata-rata downtime adalah 99.28 menit per hari.

Hasil Pengolahan Data Keseluruhan Untuk mengidentifikasi penyebab rendahnya persentase OEE yang disebabkan faktor mesin pada bagian Stitching Department di perusahaan. Hal ini dapat dilihat pada diagram PDCA (Gambar 2) serta langkah penyelesaiannya secara singkat pada dapat dilihat pada Tabel 5W + 1H (Tabel 11). FORMAT LAPORAN PERMASALAHAN (PDCA) Direct Line 9

Nama : Tanggal :

Supervior : Manager :

Tema : Mengurangi downtime mesin

02 April 2007

PERMASALAHAN

SOLUSI

Standard

Downtime 90 menit/hari

Jangka pendek

Setting gama sesuai standar

Situasi saat ini

Rata-rata downtime 99 menit/hari, dengan downtime terbesar 185 menit pada tanggal 14 Maret 2007

Jangka Panjang

Autonomous Maintenance

Perbedaan

9 menit/hari

Sejak kapan terjadi

01 September 2006

Dampak

Rendahnya produktivitas dan terjadi cost downtime

TUJUAN Apa Dimana Berapa Kapan

Meminimasi downtime mesin Mengurangi cost downtime yang ditimbulkan Direct Line 9 99 menit/hari menjadi 90 menit/hari untuk downtime mesin 02 April 2007

Mengapa direkomendasikan Mengurangi downtime dan menjaga kebersihan mesin, sehingga diharapkan pula dapat mengurangi cost downtime yang ditimbulkan PENERAPAN APA 1. Setting gama 2. Asah gama 3. Membersihkan gama 4. Penerapan Autonomous Maintenance dan memantau AM

SIAPA Mekanik Mekanik Mekanik TPM

KAPAN April April April April

DIMANA Direct Line 9 Direct Line 9 Direct Line 9 Direct Line 9

Status ok ok ok 75%

ANALISIS PENYEBAB

TINDAK LANJUT Metode Pemeriksaan : Frekuensi Pemeriksaan : Siapa yang memeriksa :

GEMBA Sebulan sekali TPM Coordinator Target

Waktu (menit)

Grafik Pengamatan

Aktual

120.00 100.00 80.00 60.00 40.00 20.00 0.00 Sebelum AM

Tindakan yang disarankan:

April

Mei

Terus melakukan penerapan AM dan memantau AM

Gambar 2 Diagram Plan, Do, Check, Action (PDCA)

28                                                                                                      INASEA, Vol. 10 No.1, April 2009: 19-33 

Tabel 11 Rencana Perbaikan Masalah dengan 5W + 1H Why Mengapa perlu dilakukan perbaikan

    Mesin  * Setting mesin salah  Jenis

 

Untuk meminimasi downtime, sehingga tingkat kesiapan mesin mesin dalam beroperasi menjadi lebih baik dan dapat mengurangi kerugian biaya yang ditimbulkan

 

* Gama tumpul * Gama kotor * Tidak ada stock spare-part

 

What Apa rencana perbaikannya

 

 

 

Setting gama Asah gama Membersihkan gama Penerapan Autonomous Maintenance dan memantau pelaksanaan AM

 

Where When Who Dimana lokasi diadaKapan akan Siapa yang akan kannya perbaikan dilakukan perbaikan melakukan perbaikan

 

Pada Direct Line 9 line stitching

02 April 2007

Mekanik, operator, dan Maintenance

How Bagaimana cara memperbaiki

 

* Mekanik, operator, dan Maintenance melakukan 7 Langkah Perawatan Mandiri (AM) * Maintenance menghitung life time mesin, dengan menghitung life time mesin dapat diketahui kapan spare-part harus diganti, sehingga dapat diketahui berapa stock spare-part yang dibutuhkan

 

 

 

Untuk melihat tingkat keefektifan dari Autonomous Maintenance yang dijalankan agar dapat meningkatkan persentase OEE pada perusahaan, maka dilakukan pengumpulan data untuk bulan April dan Mei 2007. Berdasarkan data yang diperoleh, dilakukan perhitungan OEE dengan hasil sebagai berikut (Tabel 12, Tabel 13, Gambar 3, dan, Gambar 4).

Tabel 12 Perhitungan OEE Bulan April 2007

 

                 

1 2 3 4 5 6 7 8 9 10 11

                     

2 3 4 5 9 10 11 12 13 16 17

A B C Waktu Stop Loading Tersedia Diijinkan Time A-B (menit) (menit) (menit) 540 0 540 540 0 540 540 0 540 540 0 540 540 0 540 540 0 540 540 0 540 540 0 540 540 0 540 540 0 540 540

                     

   

 

 

 

D Down Time (Stop Line)

 

 

(menit) 100 45 111 62 90 140 99 85 39 77

                   

E Actual Process Time (Operating Time) C-D (menit) 440 495 429 478 450 400 441 455 501 463

F Availability E/C % 81.48% 91.67% 79.44% 88.52% 83.33% 74.07% 81.67% 84.26% 92.78% 85.74%

G H Total Total Produksi No Good (pieces )

(pieces )

1690 1899 1765 1890 1835 1665 1745 1830 1959 1647

56 65 74 70 68 50 84 79 81 45

I Ideal Cycle Time (menit) 0.23 0.23 0.23 0.23 0.23 0.23 0.23 0.23 0.23 0.23

 

J K Performance Quality Rate Rate (I x G) / E (G - H) / G % % 89.62% 96.69% 89.52% 96.58% 96.00% 95.81% 92.26% 96.30% 95.15% 96.29% 97.13% 97.00% 92.33% 95.19% 93.85% 95.68% 91.24% 95.87% 83.00% 97.27%

 

                   

 

 

OVERALL EQUIPMENT EFFECTIVENESS FxJxK % 70.60% 79.25% 73.07% 78.64% 76.35% 69.78% 71.77% 75.66% 81.15% 69.22%

Gambar 3 Overall Equipment Effectiveness per hari pada Direct Line 9 Bulan April 2007

Tabel 13 Perhitungan OEE Bulan Mei 2007

Autonomous Maintenance untuk… (Iwan Budihardjo; Dian Marisa)                                      29 

Gambar 4 Overall Equipment Effectiveness per hari pada Direct Line 9 Bulan Mei 2007

Tabel 14 Cost Downtime April 2007

30                                                                                                      INASEA, Vol. 10 No.1, April 2009: 19-33 

Tabel 15 Cost Downtime Mei 2007

Dari perhitungan pada Tabel 14 dan 15, dapat dilihat bahwa Autonomous Maintenance cukup efektif apabila dilakukan secara kontinu karena cost downtime yang ditimbulkan menurun. Begitu pula jumlah downtime yang mengalami penurunan dari bulan-bulan sebelumnya. Hasil keseluruhan dari Autonomous Maintenance dapat dilihat pada Tabel 16, Gambar 5, dan Gambar 6 di bawah ini. Tabel 16 Hasil Autonomous Maintenance pada Stitching Department Direct Line 9

Availability Performance Rate Quality Rate OEE

Sebelum AM 81.59% 87.02% 96.07% 68.12%

Setelah AM Mei April 85.44% 86.78% 91.05% 90.10% 96.85% 97.15% 75.32% 75.94%

Autonomous Maintenance untuk… (Iwan Budihardjo; Dian Marisa)                                      31 

Grafik Hasil Penelitian 100.00%

Persentase

80.00% 60.00% 40.00% 20.00% 0.00% Availability

Performance Rate

Sebelum AM (Sept'06-Mar'07)

Quality Rate

Setelah AM (April'07)

OEE

Setelah AM (Mei'07)

Gambar 5 Grafik Hasil Autonomous Maintenance pada Stitching Department Direct Line 9

Total Cost Downtime Rp2,500,000.00

Cost Downtime

Rp2,000,000.00

Rp1,500,000.00

Rp1,000,000.00

Rp500,000.00

Rp0.00 September

Oktober

November

Desember

Januari

Februari

Maret

April

Mei

Bulan Grafik 4.19 Total Cost Downtime Stitching Department Direct Line 9

Gambar 6 Grafik Total Cost Downtime Stitching Department Direct Line 9

Dari tabel dan grafik tersebut (Tabel 16, Gambar 5, dan Gambar 6), dapat dilihat jika Autonomous Maintenance terus dijalankan dengan baik, maka tidak mustahil standar yang ditetapkan JIPM dapat dicapai oleh perusahaan.

SIMPULAN Pengukuran keefektifan penggunaan peralatan/mesin dengan menggunakan Overall Equipment Effectiveness (OEE), secara aktual selain dapat memberikan informasi bulanan mengenai seberapa besar keefektifan penggunaan peralatan/mesin yang sedang berjalan, juga memberikan suatu dasar dalam memperbaiki penggunaan peralatan/mesin. Berdasarkan pengumpulan dan pengolahan data selama periode September sampai Desember 2006 dan Januari sampai Maret 2007, didapat persentase nilai Availability, Performance Rate, Quality Rate, dan Overall Equipment Effectiveness (OEE) untuk Direct Line 9, yaitu Availability sebesar 90%, Performance Rate sebesar 95%, Quality Rate sebesar 99%, dan OEE sebesar 85%. Setelah dilakukannya analisis dengan menggunakan diagram PDCA, untuk

32                                                                                                      INASEA, Vol. 10 No.1, April 2009: 19-33 

mengetahui penyebab-penyebab dari rendahnya produktivitas sehingga terjadi cost downtime, yang disebabkan dari faktor mesin adalah seringnya mesin mengalami kerusakan karena setting mesin salah, gama tumpul, gama kotor, dan gama bergeser; sedangkan lamanya waktu perbaikan disebabkan tidak adanya stock spare-part. Untuk memperbaiki tingkat produktivitas dilakukan perbaikan jangka pendek, yaitu melakukan setting gama sesuai standar, mengasah gama, membersihkan gama, dan untuk jangka panjang dengan Autonomous Maintenance. Persentase nilai OEE setelah dilakukannya Autonomous Maintenance adalah 75.32% untuk bulan April 2007 dan 75.94% untuk bulan Mei 2007. Dengan Availability 85.44%, Performance Rate 91.05%, dan Quality Rate 96.85% pada bulan April 2007; sedangkan pada bulan Mei 2007 memiliki Availability sebesar 86.78%, Performance Rate 90.10%, dan Quality Rate 97.15% sehingga didapatkan Cost Downtime setelah dilakukan Autonomous Maintenance, yaitu sebesar Rp 1,066,183.33 pada bulan April 2007 dan Rp 849,766.67 pada bulan Mei 2007.

DAFTAR PUSTAKA Gaspersz, V. (2007). Lean six sigma for manufacturing and service industries, Jakarta: PT Gramedia Pustaka Utama. Nakajima, S. (1989). TPM development program, implementing total productive maintenance, Japan: Japan Institute of Plant Maintenance. PT Pratama Abadi Industri. (2007). Improving equipment maintenance, (untuk kalangan sendiri), NOS Training. Robinson, J.C. (1995). Implementing TPM the north american experience, Oregon: Productivity Press Portland.

Autonomous Maintenance untuk… (Iwan Budihardjo; Dian Marisa)                                      33