BAB 4 HASIL DAN PEMBAHASAN
4.1
Pengumpulan dan Pengolahan Data
4.1.1
Penentuan Section Kritis Perhitungan pada penelitian ini dimulai dengan mengumpulkan data jumlah
breakdown dan downtime pada setiap section yang ditangani oleh departemen maintenance, lingkup pemeliharaan mesin yang ditangani terbagi kedalam empat section yaitu gas turbine section, auxiliary boiler section, coal fired boiler section, dan diesel engine section. Data-data breakdown dan downtime yang diambil merupakan data kejadian selama jangka waktu 7 bulan dari 1 Januari 2008 sampai dengan 31 Juli 2008. Hal ini disesuaikan dengan pencatatan data yang didapatkan dari departemen maintenance. Selama kurun waktu tersebut, breakdown dan downtime yang terjadi dicatat dalam sebuah Logbook Work Order yang dicatat per section per hari. Nama section dan frekuensi kerusakannya dapat dilihat pada tabel dibawah ini. Tabel 4.1 Jumlah Breakdown Per Section Frekuensi Breakdown
Frekuensi Breakdown (%)
Frekuensi Kumulatif
Gas Turbine Auxiliary Boiler Coal Fired Boiler Diesel Engine
62
80,52%
80,52%
8
10,39%
90,91%
6
7,79%
98,70%
1
1,30%
100,00%
Total
77
100,00%
Section
135
Diagram Pareto Breakdown Seluruh Section 80
100
70
Count
50
60
40 40
30 20
Percent
80
60
20
10 0
Section Count Percent Cum %
Gas Turbine 62 80,5 80,5
Auxiliary Boiler Coal Fired Boiler 8 6 10,4 7,8 90,9 98,7
Diesel Engine 1 1,3 100,0
0
Gambar 4.1 Diagram Pareto Breakdown Seluruh Section
Berikutnya akan disajikan tabel data downtime yang menunjukan lama waktu downtime yang terjadi pada seluruh section. Tabel 4.2 Jumlah Downtime Seluruh Section Frekuensi Downtime
Frekuensi Downtime (%)
Frekuensi Kumulatif
Gas Turbine Auxiliary Boiler Coal Fired Boiler Diesel Engine
82,75
80,21%
80,21%
11,33
10,99%
91,20%
8,50
8,24%
99,43%
0,58
0,57%
100,00%
Total
103,17
100,00%
Section
136
Diagram Pareto Downtime Seluruh Section
Count
80
80
60
60
40
40
20
20
0
Section Count Percent Cum %
Gas Turbine 82,75 80,2 80,2
Auxiliary Boiler Coal Fired Boiler 11,33 8,50 11,0 8,2 91,2 99,4
Diesel Engine 0,58 0,6 100,0
Percent
100
100
0
Gambar 4.2 Diagram Pareto Downtime Seluruh Section
Dari tabel dan diagram pareto di atas, dapat dilihat bahwa section yang mengalami frekuensi dan presentasi kumulatif jumlah breakdown dan waktu downtime paling tinggi adalah gas turbine section. Sesuai dengan prinsip pareto 80/20, satu dari empat section yang ada (25%) merupakan penyebab terjadinya masalah breakdown dan downtime yang mencapai 80% dari total permasalahan yang terjadi. Karena sumber permasalahan paling besar terjadi pada gas turbine section, maka section ini akan dijadikan fokus permasalahan yang akan dibahas lebih lanjut.
137 4.1.2
Penentuan Mesin Kritis Berdasarkan perhitungan sebelumnya, maka yang akan dibahas lebih lanjut
adalah mesin-mesin yang ada pada gas turbine section. Dalam section ini terdapat 5 mesin yaitu heat recovery steam generator, gas turbine, air compressor, diesel generator, dan gas fuel compressor. Selanjutnya akan direkap data kejadian breakdown dan downtime yang terjadi pada tiap mesin yang ada pada gas turbine section. Tabel 4.3 Jumlah Breakdown dan Downtime Gas Turbine Section Frekuensi Breakdown
Frekuensi Breakdown (%)
Frekuensi Downtime (jam)
Frekuensi Downtime (%)
Heat Recovery Steam Generator
21
33,87%
35,00
42,30%
Gas Turbine
31
50,00%
31,08
37,56%
Air Compressor
5
8,06%
5,83
7,05%
Diesel Generator Gas Fuel Compressor
2
3,23%
3,83
4,63%
3
4,84%
7,00
8,46%
Total
62
100,00%
82,75
100,00%
Mesin
Berikutnya akan disajikan diagram pareto berdasarkan breakdown dan downtime yang terjadi pada seluruh seluruh mesin pada gas turbine section.
138
Count
70 60
100
50
80
40
60
30
40
20
20
10
Mesin
Percent
Diagram Pareto Breakdown Mesin
0
s Ga
a He
ne bi r Tu
tR
r ve o ec
Count Percent Cum %
y
ea St
m
r ne e G
31 50,0 50,0
or at om rC i A
e pr
or ss
s Ga
21 33,9 83,9
el Fu
m Co
pr
r so es e es Di
5 8,1 91,9
r to ra e en lG
3 4,8 96,8
0
2 3,2 100,0
Gambar 4.3 Diagram Pareto Breakdown Gas Turbine Section
Diagram Pareto Downtime Mesin
Mesin
at He
Re
r ve co
y
ea St
Count Percent Cum %
100 80 60 40 20
m
r ne e G
or at s Ga
ne bi r Tu s Ga
35,00 42,3 42,3
e Fu
om lC
31,08 37,6 79,9
e pr
or ss r Ai
m Co
7,00 8,5 88,3
pr
r so s e e es Di
5,83 7,0 95,4
or at r e en G l
3,83 4,6 100,0
Gambar 4.4 Diagram Pareto Downtime Gas Turbine Section
0
Percent
Count
90 80 70 60 50 40 30 20 10 0
139 Dari tabel dan diagram pareto di atas, dapat dilihat bahwa mesin yang mengalami frekuensi breakdown paling tinggi adalah gas turbine dan downtime yang paling lama adalah heat recovery steam generator (HRSG). Dimana keseluruhan presentasi kumulatif masalah breakdown dan downtime yang terjadi mencapai lebih dari 80% terhadap total permasalahan yang terjadi. Karena sumber permasalahan paling besar terjadi pada GT dan HRSG, maka untuk selanjutnya perhitungan akan difokuskan pada kedua mesin ini.
4.1.3
Penentuan Komponen Kritis Dari tahap sebelumnya diketahui mesin yang akan dibahas lebih lanjut adalah
gas turbine dan heat recovery steam generator. Gas turbine adalah mesin yang berfungsi untuk menghasilkan sumber daya listrik bagi kebutuhan pabrik kertas IKPP. Sedangkan heat recovery steam generator adalah mesin yang berfungsi sebagai penghasil uap untuk kebutuhan produksi pabrik kertas IKPP. Uap yang dihasilkan merupakan hasil pemanasan dari air dengan memanfaatkan gas buang panas dari gas turbine. Perhitungan selanjutnya untuk mendapatkan komponen kritis yang akan dijadikan pusat dari penelitian akan ditangani dengan menggunakan beberapa asumsi yaitu : 1. Frekuensi breakdown yang dihitung lebih besar atau sama dengan lima kali, karena jika kurang dari lima kali, maka perhitungan data akan sulit untuk dicocokan dengan distribusi-distribusi yang telah ditentukan. 2. Peristiwa downtime yang terjadi dapat disebabkan karena berhentinya mesin dan proses produksi akibat kerusakan mesin yang gejalanya tidak terdeteksi ataupun
140 penghentian proses produksi yang sedang berjalan akibat terdeteksinya gejala kerusakan diluar jadwal inspeksi. 3. Penanganan pencegahan kerusakan komponen dapat dibagi menjadi dua macam yaitu tindakan penggantian pencegahaan atau perawatan pelumasan atau perbaikan setting. Penanganan yang dilakukan disesuaikan dengan kebutuhan keadaan komponen berdasarkan pengamatan dan analisa penyebab kerusakan. 4. Oleh karena banyaknya komponen yang terdapat dalam mesin gas turbine dan heat recovery steam generator, maka data komponen yang dijabarkan pada tabel adalah komponen yang menyebabkan terjadinya breakdown saja.
Tabel di bawah ini merupakan data komponen-komponen dari mesin gas turbine dan heat steam recovery generator beserta data breakdown dan downtime-nya.
141 Tabel 4.4 Jumlah Breakdown dan Downtime Komponen Mesin Gas Turbine (GT) Frekuensi Breakdown
Frekuensi Breakdown (%)
Frekuensi Downtime (jam)
Frekuensi Downtime (%)
Turbine Control Exhaust
10
32,26%
4,75
15,28%
Combustion Filter
7
22,58%
10,50
33,78%
Vax Station
4
12,90%
1,67
5,36%
Air Dryer Pressure Transmitter
2
6,45%
3,50
11,26%
1
3,23%
0,92
2,95%
Soft Water Pipe
1
3,23%
0,67
2,14%
Evaporative Pipe
1
3,23%
0,58
1,88%
Air Regulator
1
3,23%
1,50
4,83%
Purging Valve VGV Hydraulic Pipe
1
3,23%
3,00
9,65%
1
3,23%
1,83
5,90%
Igniter Plate Heat Exchanger
1
3,23%
1,08
3,49%
1
3,23%
1,08
3,49%
31
100,00%
31,08
100,00%
Komponen Gas Turbine
Diagram pareto dibawah ini menunjukkan kerusakan tertinggi pada komponen yang ada pada gas turbine :
142
Diagram Pareto Breakdown Komponen GT 30
100
25
80
20
60
15
40
10
Count Percent Cum %
VGV Hydraulic Pipe
Soft Water Pipe
Purging Valve
Pressure Transmitter
Plate Heat Exchanger
Igniter
Evaporative Pipe
Air Regulator
Air Dryer
0
Vax Station
0
Komponen GT
Combustion Filter
20 Turbine Control Exhaust
5
Percent
Count
35
10 1 1 1 1 7 4 2 1 1 1 1 32,3 22,6 12,9 6,5 3,2 3,2 3,2 3,2 3,2 3,2 3,2 3,2 32,3 54,8 67,7 74,2 77,4 80,6 83,9 87,1 90,3 93,5 96,8 100,0
Gambar 4.5 Diagram Pareto Breakdown Komponen Mesin Gas Turbine
30
100
25
80
20
60
15
40
10
Count Percent Cum %
Evaporative Pipe
Soft Water Pipe
Pressure Transmitter
Plate Heat Exchanger
Igniter
Air Regulator
Vax Station
VGV Hydraulic Pipe
0
Purging Valve
0
Komponen GT
Air Dryer
20 Turbine Control Exhaust
5
Combustion Filter
Count
35
10,50 4,75 3,50 3,00 1,83 1,67 1,50 1,08 1,08 0,92 0,67 0,58 33,815,3 11,3 9,7 5,9 5,4 4,8 3,5 3,5 3,0 2,2 1,9 33,849,1 60,3 70,0 75,9 81,2 86,1 89,5 93,0 96,0 98,1 100,0
Gambar 4.6 Diagram Pareto Downtime Komponen Mesin Gas Turbine
Percent
Diargam Pareto Downtime Komponen GT
143 Tabel 4.5 Jumlah Breakdown dan Downtime Komponen Mesin Heat Recovery Steam Generator (HRSG)
Air Damper
7
Frekuensi Breakdown (%) 33,33%
UV Detector
1
4,76%
0,83
2,38%
Pipe Burner
1
4,76%
1,67
4,76%
Chimney
3
14,29%
1,50
4,29%
Gas Flow Meter Duck Sealing Air Fan
2
9,52%
1,00
2,86%
2
9,52%
2,33
6,67%
PH Cooling Meter
1
4,76%
0,33
0,95%
Overflow Pipe
1
4,76%
3,08
8,81%
Level Glass
1
4,76%
1,25
3,57%
Gate Valve
1
4,76%
2,67
7,62%
Feed Water Pump
1
4,76%
0,83
2,38%
21
100,00%
35,00
100,00%
Komponen HRSG
Frekuensi Breakdown
Frekuensi Downtime (jam) 19,50
Frekuensi Downtime (%) 55,71%
Diagram pareto dibawah ini menunjukkan kerusakan tertinggi pada komponen yang ada pada heat recovery steam generator :
144
Diagram Pareto Breakdown Komponen HRSG 100
20
Count
60 10
Komponen
40
5
20
0
0
r r r r s y e n or te ump alve las te r ne ip pe ne Fa ct e e P e G m r P V M M i m Ai w Bu et r e el Da Ch flo li ng i pe V D g ow ate Gat Lev r l r i n i e o A P U W a l as F Ov Co d Se G e H P Fe ck Du Count 7 1 1 1 3 2 2 1 1 1 1 Percent 33,3 14,3 9,5 9,5 4,8 4,8 4,8 4,8 4,8 4,8 4,8 Cum % 33,3 47,6 57,1 66,7 71,4 76,2 81,0 85,7 90,5 95,2 100,0
Percent
80
15
Gambar 4.7 Diagram Pareto Breakdown Komponen Mesin HRSG
Diagram Pareto Downtime Komponen HRSG 40 100
20
80 60 40
10
Komponen
0
r r r r r y s e te ump cto ete lve Fan r ne ip as pe ne l e a P e r m P V M M im Bu lG et Ai r Da flow ate e C h eve low g te V D ng r i p r i l n i a i G L F e o P A U W al Ov Co as ed Se G PH ck Fe Du Count 19,50 3,08 2,67 2,33 1,67 1,50 1,25 1,00 0,83 0,83 0,33 Percent 55,7 8,8 7,6 6,7 4,8 4,3 3,6 2,9 2,4 2,4 0,9 Cum % 55,7 64,5 72,2 78,8 83,6 87,9 91,5 94,3 96,7 99,1 100,0
Gambar 4.8 Diagram Pareto Downtime Komponen Mesin HRSG
20 0
Percent
Count
30
145 Berdasarkan tabel dan diagram pareto diatas, maka didapatkan penentuan komponen kritis adalah sebagai berikut : 1. Mesin Gas Turbine Berdasarkan perhitungan pada gas turbine, maka komponen yang memiliki tingkat frekuensi breakdown terbesar adalah turbine control exhaust dan komponen yang memilik downtime paling besar adalah combustion filter. Kedua komponen ini merupakan dua komponen terbesar yang menjadi penyebab terjadinya masalah pada gas turbine. Oleh karena itu, komponen turbine control exhaust dan combustion filter menjadi komponen kritis yang akan dihitung lebih lanjut. 2. Mesin Heat Recovery Steam Generator Berdasarkan perhitungan pada heat recovery steam generator, maka komponen yang memiliki tingkat frekuensi breakdown dan downtime paling besar adalah air damper. Komponen ini merupakan komponen penyumbang masalah terbesar yang terjadi pada Heat Recovery Steam Generator. Oleh karena itu, komponen air damper menjadi komponen kritis yang akan dihitung lebih lanjut. Tabel 4.6 Komponen Kritis Mesin Gas Turbine Heat Recovery Steam Generator
Komponen Kritis Turbine Control Exhaust Combustion Filter Air Damper
146 4.2
Perhitungan dan Analisa Data Kerusakan
4.2.1
Perhitungan Time To Failure (TTF) dan Time To Repair (TTR) Komponen Hal yang pertama yang akan dilakukan dalam proses perhitungan adalah
menghitung downtime atau time to repair (TTR) dan time to failure (TTF). Downtime atau time to repair (TTR) adalah waktu yang diperlukan untuk memperbaiki mesin yang mengalami gangguan agar mesin dapat beroperasi kembali, sedangkan time to failure (TTF) adalah selang waktu antar kerusakan yang dihitung dari selisih waktu antara kerusakan awal yang telah selesai diperbaiki hingga terjadinya kerusakan berikutnya.
4.2.1.1 Perhitungan Time To Failure (TTF) dan Time To Repair (TTR) Komponen Turbine Control Exhaust Turbine Control Exhaust merupakan komponen dari gas turbine berukuran diameter sekitar 15 cm yang berfungsi sebagai pembuang panas pada gas turbine control yang merupakan pusat kendali dari gas turbine, jika pembuang panas pada control turbine ini tidak berfungsi, maka dapat menyebabkan program processor modul (ppm) overheat dan menyebabkan terjadinya shutdown pada sistem gas turbine secara keseluruhan. Berikut ini adalah data downtime (TTR) dan data interval waktu antar kerusakan (TTF) komponen turbine control exhaust :
147 Tabel 4.7 Data Time To Failure (TTF) dan Time To Repair (TTR) Komponen Turbine Control Exhaust No 1 2 3 4 5 6 7 8 9 10
Tanggal 24 Februari 2008 27 Maret 2008 30 Maret 2008 07 April 2008 17 April 2008 14 Mei 2008 18 Mei 2008 02 Juni 2008 14 Juli 2008 24 Juli 2008
Waktu Mulai Kerusakan 24/02/2008 9:25 27/03/2008 17:45 30/03/2008 14:35 07/04/2008 10:05 17/04/2008 20:20 14/05/2008 16:10 18/05/2008 12:15 02/06/2008 13:50 14/07/2008 3:05 24/07/2008 10:30
Waktu Selesai Perbaikan 24/02/2008 10:00 27/03/2008 18:10 30/03/2008 15:00 07/04/2008 10:25 17/04/2008 20:50 14/05/2008 16:45 18/05/2008 12:40 02/06/2008 14:15 14/07/2008 3:50 24/07/2008 10:50
TTR (menit)
TTR (jam)
TTF (menit)
TTF (jam)
35
0,58
-
-
25
0,42
46545
775,75
25
0,42
4105
68,42
20
0,33
11225
187,08
30
0,50
14995
249,92
35
0,58
38600
643,33
25
0,42
5490
91,50
25
0,42
21670
361,17
45
0,75
59810
996,83
20
0,33
14800
246,67
Total Waktu
4,75
3620,67
Contoh Perhitungan : •
Time to Repair (TTR) : 30 Maret 2008 = 15:00 – 14:35 = 25 menit ~ 0.42 jam
•
Time To Failure (TTF) : 30 Maret 2008 (27/03/2008 – 30/03/2008) 27 Maret 2008 pk. 18:10 s/d 27 Maret 2008 pk. 24:00
=
350 menit
28 Maret 2008 s/d 30 Maret 2008 (2 hari x 24 jam x 60 menit) = 2880 menit 30 Maret 2008 pk. 00:00 s/d jam 14:35
= Time to Failure
875 menit +
= 4105 menit / 60 = 68.42 jam
148 4.2.1.2 Perhitungan Time To Failure (TTF) dan Time To Repair (TTR) Komponen Combustion Filter Combustion Filter merupakan komponen dari gas turbine yang berfungsi untuk menyaring air intake yang masuk kedalam compressor gas turbine agar bebas dari kotoran, selain itu juga berfungsi untuk mendinginkan air intake agar dapat menghasilkan tenaga listrik yang lebih tinggi dan ideal. Jika terjadi gangguan pada komponen ini maka kotoran dari udara dapat masuk kedalam gas turbine yang dapat menyebabkan berhentinya proses operasi dari gas turbine. Berikut ini adalah data downtime (TTR) dan data interval waktu antar kerusakan (TTF) komponen combustion filter : Tabel 4.8 Data Time To Failure (TTF) dan Time To Repair (TTR) Komponen Combustion Filter No 1 2 3 4 5 6 7
Tanggal 18 Februari 2008 20 Februari 2008 29 Maret 2008 17 April 2008 29 Mei 2008 15 Juni 2008 02 Juli 2008
Waktu Mulai Kerusakan 18/02/2008 15:30 20/02/2008 10:10 29/03/2008 9:50 17/04/2008 11:25 29/05/2008 12:30 15/06/2008 11:45 02/07/2008 9:35
Waktu Selesai Perbaikan 18/02/2008 17:50 20/02/2008 12:00 29/03/2008 11:30 17/04/2008 12:10 29/05/2008 13:50 15/06/2008 12:45 02/07/2008 11:10
TTR TTR (menit) (jam)
TTF (menit)
TTF (jam)
140
2,33
-
-
110
1,83
2420
40,33
100
1,67
54590
909,83
45
0,75
27355
455,92
80
1,33
60500
1008,33
60
1,00
24355
405,92
95
1,58
24290
404,83
Total Waktu
10,50
3225,17
149 Contoh Perhitungan : •
Time to Repair (TTR) : 29 Maret 2008 = 11:30 – 9:50 = 100 menit ~ 1.67 jam
•
Time To Failure (TTF) : 29 Maret 2008 (20/02/2008 – 29/03/2008) 20 Feb 2008 pk. 12:00 s/d 20 Feb 2008 pk. 24:00
=
720 menit
21 Feb 2008 s/d 29 Maret 2008 (37 hari x 24 jam x 60 menit) = 53280 menit 29 Maret 2008 pk. 00:00 s/d jam 9:50
= Time to Failure
590 menit +
= 54590 menit / 60 = 909,83 jam
4.2.1.3 Perhitungan Time To Failure (TTF) dan Time To Repair (TTR) Komponen Damper Temperature gas buang dari gas turbine sekitar 500oC, karena temperaturenya masih panas maka dimanfaatkan untuk memanaskan HRSG dengan menggunakan alat kontrol damper. Damper adalah komponen dari HRSG yang berfungsi untuk mengalirkan dan mengontrol berapa banyak gas buang dari gas turbine yang dibutuhkan untuk memanaskan HRSG sampai tekanan steamnya 7 Bar, bila tekanananya mencapai 7 bar atau lebih maka damper membuang gas tersebut ke udara luar dan apabila tekanannya kurang dari 7 bar maka damper menutup dan seluruh gasnya di pakai untuk memanaskan air di HRSG. Dilihat dari fungsi diatas apabila damper rusak maka otomatis HRSG tersebut tidak bisa dioperasikan karena gas buang yang dihasilkan untuk memanaskan air tidak untuk dijadikan uap tidak pada kondisi ideal operasi.
150 Berikut ini adalah data downtime (TTR) dan data interval waktu antar kerusakan (TTF) komponen damper : Tabel 4.9 Data Time To Failure (TTF) dan Time To Repair (TTR) Komponen Damper No 1 2 3 4 5 6 7
Tanggal 22 Januari 2008 29 Januari 2008 30 Januari 2008 06 April 2008 24 April 2008 27 Mei 2008 17 Juli 2008
Waktu Mulai Kerusakan 22/01/2008 8:20 29/01/2008 13:35 30/01/2008 9:50 06/04/2008 13:40 24/04/2008 11:35 27/05/2008 7:30 17/07/2008 12:20
Waktu Selesai Perbaikan 22/01/2008 10:20 29/01/2008 15:35 30/01/2008 16:20 06/04/2008 16:40 24/04/2008 12:35 27/05/2008 9:30 17/07/2008 15:20
TTR TTR (menit) (jam)
TTF (menit)
TTF (jam)
120
2,00
-
-
120
2,00
10275
171,25
390
6,50
1095
18,25
180
3,00
96320
1605,33
60
1,00
25615
426,92
120
2,00
47215
786,92
180
3,00
73610
1226,83
Total Waktu
19,50
4235,50
Contoh Perhitungan : •
Time to Repair (TTR) : 30 Januari 2008 = 10:20 – 8:20 = 120 menit ~ 2 jam
•
Time To Failure (TTF) : 30 Januari 2008 (29/01/2008 – 30/01/2008) 29 Jan 2008 pk. 15:35 s/d 29 Jan 2008 pk. 24:00
=
505 menit
30 Jan 2008 pk. 00:00 s/d jam 9:50
=
590 menit +
Time to Failure
= 1095 menit / 60 = 18,25 jam
151 4.2.2
Perhitungan Index of Fit (r), Goodness of Fit, Pendugaan Parameter dan Nilai MTTF dan MTTR Perhitungan selanjutnya adalah mengidentifikasi pola distribusi dari Time To
Repair (TTR) dan Time To Failure (TTF). Langkah awal untuk menentukan distribusi dapat dilakukan dengan membandingkan nilai r (index of fit) untuk melihat apakah pola distribusi data kerusakan mengikuti pola distribusi tertentu. Pola distribusi yang mempunyai nilai variabel r yang paling besar adalah pola distribusi kerusakan yang dipilih. Contoh perhitungan index of fit baik untuk interval waktu antar kerusakan (TTF) maupun downtime (TTR) hanya diberikan untuk perhitungan komponen Turbine Control Exhaust karena perhitungan untuk komponen yang lain menggunakan cara yang sama dengan komponen ini. Setelah mendapatkan nilai r terbesar maka selanjutnya adalah menduga parameter dari distribusi yang dipilih. Pendugaan paramater tersebut berguna untuk dimanfaatkan dalam melakukan uji hipotesa goodness of fit, dimana uji ini merupakan uji selanjutnya setelah index of fit untuk meyakinkan apakah pola distribusi data yang terpilih pada perhitungan index of fit sudah benar sesuai dengan pola distribusi tertentu untuk diolah lebih lanjut dalam perhitungan untuk mendapatkan nilai MTTF dan MTTR dari masing-masing komponen sesuai dengan distribusi yang terpilih.
152 4.2.2.1 Index of Fit Time To Failure (TTF) Komponen Turbine Control Exhaust ● Index of Fit Distribusi Weibull Time To Failure (TTF)
Tabel 4.10 Index of fit TTF Distribusi Weibull Komponen Turbine Control Exhaust i 1 2 3 4 5 6 7 8 9 ∑
ti 68,42 91,50 187,08 246,67 249,92 361,17 643,33 775,75 996,83 3620,67
xi = ln(ti) 4,2256 4,5163 5,2316 5,5080 5,5211 5,8893 6,4667 6,6538 6,9046 50,9171
F(ti) 0,0745 0,1809 0,2872 0,3936 0,5000 0,6064 0,7128 0,8191 0,9255 4,5000
yi -2,5589 -1,6120 -1,0829 -0,6927 -0,3665 -0,0700 0,2211 0,5365 0,9545 -4,6709
xi . yi -10,8131 -7,2803 -5,6654 -3,8152 -2,0236 -0,4124 1,4298 3,5701 6,5905 -18,4196
Contoh perhitungan pada i = 1 : = ln(t 1 )
x1
= ln(68.42) = 4.2256 F(t 1 )
=
i − 0.3 n + 0.4
=
1 − 0.3 0.7 = = 0.0745 9 + 0.4 9.4
⎡ ⎛ ⎞⎤ 1 ⎟⎟⎥ = ln ⎢ln⎜⎜ 1 F(t ) 1 ⎝ ⎠⎦ ⎣
y1
⎡ ⎛ 1 ⎞⎤ = ln ⎢ln⎜ ⎟⎥ = -2.5589 ⎣ ⎝ 1 − 0.0745 ⎠⎦ x 1 .y1
= (4.2256 x − 2.5589 ) = -10.8131
x1
2
= (4.2256)2 = 17.8558
y1
2
= (− 2.5589 ) = 6.5482 2
xi 2 17,8558 20,3973 27,3692 30,3385 30,4828 34,6843 41,8177 44,2735 47,6733 294,8924
yi2 6,5482 2,5985 1,1727 0,4798 0,1343 0,0049 0,0489 0,2879 0,9111 12,1863
153 n ⎛ n ⎞⎛ n ⎞ n∑ xi y i − ⎜ ∑ xi ⎟⎜ ∑ y i ⎟ i =1 ⎝ i =1 ⎠⎝ i =1 ⎠
rweibull =
⎡ n 2 ⎛ n ⎞2 ⎤⎡ n 2 ⎛ n ⎞2 ⎤ ⎢n∑ xi − ⎜ ∑ xi ⎟ ⎥ ⎢n∑ y i − ⎜ ∑ y i ⎟ ⎥ ⎝ i =1 ⎠ ⎦⎥ ⎝ i =1 ⎠ ⎦⎥ ⎣⎢ i =1 ⎣⎢ i =1
9(-18.4196) - (50.9171)(-4.6709)
=
[9(294.8924) - (50.9171) ][9(12.1863) - (-4.6709) ] 2
2
= 0.9804
● Index of Fit Distribusi Eksponensial Time To Failure (TTF)
Tabel 4.11 Index of fit TTF Distribusi Eksponensial Komponen Turbine Control Exhaust i
ti
xi = ti
F(ti)
yi
1 2 3 4 5 6 7 8 9 ∑
68,42 91,50 187,08 246,67 249,92 361,17 643,33 775,75 996,83 3620,67
68,42 91,50 187,08 246,67 249,92 361,17 643,33 775,75 996,83 3620,67
0,0745 0,1809 0,2872 0,3936 0,5000 0,6064 0,7128 0,8191 0,9255 4,5000
0,0774 0,1995 0,3386 0,5002 0,6931 0,9324 1,2475 1,7101 2,5974 8,2962
Contoh perhitungan i = 1 : x1
= t1
= 68.42 F(t 1 )
=
i − 0.3 n + 0.4
=
1 − 0.3 0.7 = = 0.0745 9 + 0.4 9.4
xi . yi
xi 2
yi2
5,2945 4680,8403 0,0060 18,2533 8372,2500 0,0398 63,3468 35000,1736 0,1147 123,3934 60844,4444 0,2502 173,2290 62458,3403 0,4805 336,7434 130441,3611 0,8693 802,5313 413877,7778 1,5562 1326,5957 601788,0625 2,9244 2589,1596 993676,6944 6,7464 5438,5470 2311139,9444 12,9874
154 ⎞ ⎛ 1 ⎟⎟ = ln⎜⎜ ⎝ 1 - F(t 1 ) ⎠
y1
1 ⎛ ⎞ = ln⎜ ⎟ = 0.0774 ⎝ 1 − 0.0745 ⎠ x 1 .y1
= (68.42 x 0.0774 ) = 5.2945
x1
2
= (68.42)2 = 4680,8403
y1
2
= (0,0774) = 0.0060
r
2
=
=
n ⎛ n ⎞⎛ n ⎞ n ∑ x i yi − ⎜⎜ ∑ x i ⎟⎟⎜⎜ ∑ yi ⎟⎟ i =1 ⎝ i =1 ⎠⎝ i =1 ⎠ 2 2 ⎡ n 2 ⎛ n ⎞ ⎤⎡ n 2 ⎛ n ⎞ ⎤ ⎢n ∑ x i − ⎜⎜ ∑ x i ⎟⎟ ⎥ ⎢n ∑ yi − ⎜⎜ ∑ yi ⎟⎟ ⎥ ⎢⎣ i =1 ⎝ i =1 ⎠ ⎥⎦ ⎢⎣ i =1 ⎝ i =1 ⎠ ⎥⎦
9(-5438,5470) - (3620,67)(8.2962)
[9(2311139.9444) - (3620.67) ][9(12.9874) - (8.2962) ]
= 0.9835
2
2
155 ● Index of Fit Distribusi Normal Time To Failure (TTF)
Tabel 4.12 Index of fit TTF Distribusi Normal Komponen Turbine Control Exhaust i 1 2 3 4 5 6 7 8 9 ∑
ti 68,42 91,50 187,08 246,67 249,92 361,17 643,33 775,75 996,83 3620,67
xi = ti 68,42 91,50 187,08 246,67 249,92 361,17 643,33 775,75 996,83 3620,67
F(ti) 0,0745 0,1809 0,2872 0,3936 0,5000 0,6064 0,7128 0,8191 0,9255 4,5000
yi=zi xi . zi xi 2 -1,4433 -98,7468 4680,8403 -0,9121 -83,4603 8372,2500 -0,5615 -105,0448 35000,1736 -0,2699 -66,5764 60844,4444 0,0000 0,0000 62458,3403 0,2699 97,4804 130441,3611 0,5615 361,2232 413877,7778 0,9121 707,5881 601788,0625 1,4433 1438,7448 993676,6944 0,0000 2251,2082 2311139,9444
Contoh perhitungan pada i = 1 : = t1
x1
= 68.42 F(t 1 ) =
i − 0.3 n + 0.4
=
1 − 0.3 0.7 = = 0.0745 9 + 0.4 9.4
= z 1 = Φ −1 [F(t1 )]
y1
= -1.4433 ( diperoleh dari tabel Φ(z) ) x 1 .z1 = (68.42 x − 1.4433) = -98.7468 2
= (68.42)2 = 4680.8403
2
= (- 1.4433) = 2.0832
x1 z1
2
zi2 2,0832 0,8320 0,3153 0,0728 0,0000 0,0728 0,3153 0,8320 2,0832 6,6065
156 n ⎛ n ⎞⎛ n ⎞ n∑ xi z i − ⎜ ∑ xi ⎟⎜ ∑ z i ⎟ i =1 ⎝ i =1 ⎠⎝ i =1 ⎠
rnormal =
⎡ n 2 ⎛ n ⎞2 ⎤⎡ n 2 ⎛ n ⎞2 ⎤ ⎢n ∑ x i − ⎜ ∑ xi ⎟ ⎥ ⎢n ∑ z i − ⎜ ∑ z i ⎟ ⎥ ⎝ i =1 ⎠ ⎦⎥ ⎣⎢ i =1 ⎝ i =1 ⎠ ⎦⎥ ⎣⎢ i =1
=
9(2251.2082) - (3620.67)(0.0000)
[9(2311139.9444) - (3620.67) ][9(6.6065) - (0.0000) ] 2
2
= 0.9475
● Index of Fit Distribusi Lognormal Time To Failure (TTF)
Tabel 4.13 Index of fit TTF Distribusi Lognormal Komponen Turbine Control Exhaust i 1 2 3 4 5 6 7 8 9 ∑
ti 68,42 91,50 187,08 246,67 249,92 361,17 643,33 775,75 996,83 3620,67
xi = ln(ti) 4,2256 4,5163 5,2316 5,5080 5,5211 5,8893 6,4667 6,6538 6,9046 50,9171
F(ti) 0,0745 0,1809 0,2872 0,3936 0,5000 0,6064 0,7128 0,8191 0,9255 4,5000
yi=zi -1,4433 -0,9121 -0,5615 -0,2699 0,0000 0,2699 0,5615 0,9121 1,4433 0,0000
Contoh perhitungan pada i = 1 : x1
= ln(t 1 )
= ln(68.42) = 4.2256 F(t 1 ) =
i − 0.3 n + 0.4
=
1 − 0.3 0.7 = = 0.0745 9 + 0.4 9.4
xi . zi -6,0989 -4,1195 -2,9374 -1,4866 0,0000 1,5896 3,6309 6,0692 9,9655 6,6127
xi 2 17,8558 20,3973 27,3692 30,3385 30,4828 34,6843 41,8177 44,2735 47,6733 294,8924
zi2 2,0832 0,8320 0,3153 0,0728 0,0000 0,0728 0,3153 0,8320 2,0832 6,6065
157 = z 1 = Φ −1 [F(t1 )]
y1
= -1.4433 ( diperoleh dari tabel Φ(z) ) x 1 .z1 = (4.2256 x − 1.4433) = -6.0989 2
= (4.2256)2 = 17.8558
2
= (- 1.4433) = 2.0832
x1 z1
2
rlognormal =
=
n ⎞ ⎞⎛ n ⎛ n n ∑ x i z i − ⎜⎜ ∑ x i ⎟⎟⎜⎜ ∑ z i ⎟⎟ i =1 ⎝ i =1 ⎠⎝ i =1 ⎠ 2 2 ⎡ n 2 ⎛ n ⎞ ⎤ ⎞ ⎤⎡ n 2 ⎛ n ⎢n ∑ x i − ⎜⎜ ∑ x i ⎟⎟ ⎥ ⎢n ∑ z i − ⎜⎜ ∑ z i ⎟⎟ ⎥ ⎢⎣ i =1 ⎝ i =1 ⎠ ⎥⎦ ⎝ i =1 ⎠ ⎥⎦ ⎢⎣ i =1
9(6.6127) - (50.9171)(0.0000)
[9(294.8924) - (50.9171) ][9(6.6065) - (0.0000) ] 2
2
= 0.9843 Berikut ini adalah ringkasan nilai index of fit (r) TTF hasil keempat distribusi di atas : Tabel 4.14 Ringkasan Index of Fit TTF Turbine Control Exhaust Distribusi Turbine Control Exhaust
Weibull
Eksponensial
Normal
Lognormal
0,9804
0,9835
0,9475
0,9843
158 Dari hasil perhitungan index of fit yang telah dilakukan maka didapatkan nilai r yang terbesar yaitu pada distribusi Lognormal. Karena perhitungan nilai r hanya merupakan nilai korelasi yang menunjukkan kecenderungan suatu data mengikuti salah satu pola distribusi kerusakan, untuk itu perlu dilakukan pengujian hipotesa lebih lanjut untuk memperkuat distribusi lognormal yang terpilih adalah benar merupakan distribusi lognormal. Pengujian lebih lanjut itu adalah dengan melakukan uji goodness of fit yang dilakukan sesuai dengan jenis distribusi yang memiliki nilai r terbesar. Pada komponen turbine control exhaust, distribusi yang terpilih ada distribusi lognormal. Untuk itu akan dilakukan goodness of fit untuk distribusi lognormal, yaitu uji Kolmogorov Smirnov.
4.2.2.2 Uji Kesesuaian Distribusi (Goodness of Fit) Time To Failure (TTF) Komponen Turbine Control Exhaust
Karena nilai Index of Fit (r = 0,9843) yang terbesar terdapat pada distribusi Lognormal, maka perhitungan yang dilakukan menggunakan uji Goodness of Fit Kolmogorov-Smirnov (secara manual) dan versi Minitab 14. Adapun contoh
perhitungannya adalah sebagai berikut:. Hipotesa yang diujikan adalah : Ho : Data waktu antar kerusakan berdistribusi Lognormal. Hi : Data waktu antar kerusakan tidak berdistribusi Lognormal. α = 0.05 Ho diterima bila hasil perhitungan D maksimum lebih kecil dari nilai D crit .
159 Tabel 4.15 Kolmogorov-Smirnov Test TTF Komponen Turbine Control Exhaust i
(i-1)/n
i/n
1 2 3 4 5 6 7 8 9
0,00 0,11 0,22 0,33 0,44 0,56 0,67 0,78 0,89
0,11 0,22 0,33 0,44 0,56 0,67 0,78 0,89 1,00
ti
ln ti
68,42 4,23 91,50 4,52 187,08 5,23 246,67 5,51 249,92 5,52 361,17 5,89 643,33 6,47 775,75 6,65 996,83 6,90 μˆ 5,66 tˆmed 286,419 sˆ 0,871
sˆ 2
1 t ln( ) s t med
Cumulatif Probability
D1(i)
D2(i)
0,2278 0,1447 0,0202 0,0025 0,0021 0,0060 0,0728 0,1103 0,1728
-1,6435 -1,3098 -0,4889 -0,1715 -0,1565 0,2662 0,9288 1,1436 1,4315
0,0501 0,0951 0,3125 0,4319 0,4378 0,6049 0,8235 0,8736 0,9239
0,0501 -0,0160 0,0903 0,0986 -0,0066 0,0494 0,1568 0,0958 0,0350
0,0610 0,1271 0,0209 0,0125 0,1177 0,0617 -0,0457 0,0153 0,0761
D Max
0,1568
0,1271
0,7590
Contoh perhitungan Kolmogorov-Smirnov test TTF komponen turbine control exhaust pada i = 1 : (i-1)/n = (1-1) / 9 = 0.00 i/n
= 1/9 = 0.11
Ln ti = Ln (68.42) = 4.23 μˆ
=
n
∑ i =1
ln t i n
= 50.92 / 9 = 5.66 tˆmed
= e μˆ = e 5.66 = 286.419
160
sˆ
2
=
∑
=
∑
n
i −1
(ln t i − μˆ ) 2 n
n
i −1
(4.23 − 5.66) 2 + (4.52 − 5.66) 2 + ..... + (6.90 − 5.66) 2 9
= 0.7590 sˆ
=
sˆ 2
= 0.871 ⎛1 t Cumulatif Probability = Φ ⎜⎜ ln ⎝ s t med
⎞ ⎟⎟ ⎠
68.42 ⎞ ⎛ 1 =Φ ⎜ ln ⎟ ⎝ 0.871 286.419 ⎠ = Φ (- 1.6435) = 0.0501 D1
⎧ ⎛1 t = max ⎨Φ⎜⎜ ln 1≤1≤ n ⎩ ⎝ s t med
⎞ i − 1⎫ ⎟⎟ − ⎬ n ⎭ ⎠
= 0.1568 D2
⎧i ⎛1 t = max ⎨ − Φ⎜⎜ ln 1≤1≤ n n ⎝ s t med ⎩
⎞⎫ ⎟⎟⎬ ⎠⎭
= 0.1271 Karena nilai Dmax = 0.1568 lebih kecil dari D crit,0.05 = 0.271 dan masuk daerah penerimaan maka terima Ho yang berarti data mengikuti distribusi lognormal. Hal ini didukung dengan hasil pengujian dengan Minitab 14.0 pada gambar 4.9.
161 Probability Plot for Turbine Control Exhaust ML Estimates-Complete Data Weibull
Lognormal 99 90
50
P er cent
P er cent
90
10
50 10
1
10
1
100 1000 T ur bine C ontr ol Exhaust
A nderson-D arling (adj) Weibull 1,583 Lognormal 1,576 E xponential 1,683 N ormal 1,827
100 1000 T ur bine C ontr ol Exhaust
E xponential
N ormal 99 90
50
P er cent
P er cent
90
10
50 10
1
10 100 1000 T ur bine C ontr ol Exhaust
1 -500
0 500 1000 T ur bine C ontr ol Exhaust
Gambar 4.9 Goodness of Fit TTF Komponen Turbine Control Exhaust Distribution ID Plot: Turbine Control Exhaust Goodness-of-Fit
Distribution Weibull Lognormal Exponential Normal
Anderson-Darling (adj) 1,583 1,576 1,683 1,827
Table of MTTF
Distribution Weibull Lognormal Exponential Normal
Mean 403,720 418,622 402,297 402,297
Standard Error 102,737 142,787 134,099 102,713
95% Normal CI Lower Upper 245,171 664,799 214,530 816,878 209,321 773,179 200,982 603,611
162 Hasil pengujian goodness of fit dengan menggunakan Minitab dengan dapat dilihat pada nilai AD (Anderson-Darling) terkecil. Dimana nilai A-D terkecil terdapat pada distribusi lognormal sebesar 1.576. Dengan demikian hasil pengujian manual dan minitab adalah sama yaitu data TTF komponen turbine conrol exhaust berdistribusi lognormal.
4.2.2.3 Perhitungan Parameter Time To Failure (TTF) Komponen Turbine Control Exhaust
Berikut ini merupakan perhitungan parameter TTF komponen turbine control exhaust dengan distribusi lognormal. Perhitungan parameter dapat dilakukan dengan 2
cara yaitu dengan : o Least Square Estimation
Metode akan menghasilkan parameter perkiraan s (estimated s) dan parameter perkiraan tmed (estimated tmed). Metode ini biasanya digunakan dalam proses perhitungan index of fit.
Gradien b
n ⎞ ⎞⎛ n ⎛ n n ∑ x i z i − ⎜⎜ ∑ x i ⎟⎟⎜⎜ ∑ z i ⎟⎟ i =1 ⎝ i = 1 ⎠⎝ i = 1 ⎠ = 2 n ⎞ ⎛ n 2 n ∑ x i − ⎜⎜ ∑ x i ⎟⎟ i =1 ⎝ i =1 ⎠
=
9(6.6127) − (50.9171 x 0.0000) = 0,967999376 9(294.8924) − (50.9171) 2
(nilai xi dan zi dapat dilihat pada tabel 4.13) Intersep a
= y- bx = 0.0000 – (0,967999376)(5.6575) = -5,4764
163 Estimated s
=
1 b
= 1 / 0,967999376 = 1.0331 Parameter tˆmed = e − sa = e −1.0331( −5.4764) = 286.419
o Maximum Likelihood Estimator
Metode ini digunakan untuk mencari nilai dari sesungguhnya dari s dan tmed. Biasanya digunakan dalam proses perhitungan goodness of fit. n
μˆ
=
∑ i =1
ln t i n
= 50.92 / 9 = 5.66
tˆmed
= e μˆ = e 5.66 = 286.419
sˆ
2
=
∑
=
∑
n i −1
(ln t i − μˆ ) 2 n
n i −1
(4.23 − 5.66) 2 + (4.52 − 5.66) 2 + ..... + (6.90 − 5.66) 2 9
= 0.7590 sˆ
=
sˆ 2
= 0.871
164 4.2.2.4 Perhitungan Mean Time To Failure (MTTF) Komponen Turbine Control Exhaust
Untuk menghitung MTTF diperlukan parameter tmed dan s. Parameter yang akan digunakan adalah parameter yang dihasilkan dari perhitungan maximum likelihood estimator karena hasil parameter yang dihasilkan lebih baik dibandingkan dengan least square. Berikut ini merupakan perhitungan MTTF komponen turbine control exhaust
dengan distribusi lognormal : MTTF = tˆmed exp(s2/2) = 286.419e
0.8712 2
= 418.623 jam ~ 18 hari
4.2.2.5 Index of Fit Time To Repair (TTR) Komponen Turbine Control Exhaust ● Index of Fit Distribusi Weibull Time To Repair (TTR)
Tabel 4.16 Index of fit TTR Distribusi Weibull Komponen Turbine Control Exhaust i 1 2 3 4 5 6 7 8 9 10 ∑
ti 0,33 0,33 0,42 0,42 0,42 0,42 0,50 0,58 0,58 0,75 4,75
xi = ln(ti) -1,0986 -1,0986 -0,8755 -0,8755 -0,8755 -0,8755 -0,6931 -0,5390 -0,5390 -0,2877 -7,7579
F(ti) 0,0673 0,1635 0,2596 0,3558 0,4519 0,5481 0,6442 0,7404 0,8365 0,9327 5,0000
yi -2,6638 -1,7233 -1,2020 -0,8217 -0,5086 -0,2304 0,0329 0,2990 0,5940 0,9927 -5,2311
xi . yi 2,9265 1,8932 1,0523 0,7193 0,4453 0,2017 -0,0228 -0,1612 -0,3202 -0,2856 6,4486
xi 2 1,2069 1,2069 0,7664 0,7664 0,7664 0,7664 0,4805 0,2905 0,2905 0,0828 6,6239
yi2 7,0961 2,9696 1,4449 0,6751 0,2587 0,0531 0,0011 0,0894 0,3528 0,9854 13,9262
165
Contoh perhitungan pada i = 1 : = ln(t 1 )
x1
= ln(0.33) = -1.0986 F(t 1 )
=
i − 0.3 n + 0.4
=
1 − 0.3 0.7 = = 0.0673 10 + 0.4 10.4
⎡ ⎛ ⎞⎤ 1 ⎟⎟⎥ = ln ⎢ln⎜⎜ ⎣ ⎝ 1 - F(t 1 ) ⎠⎦
y1
⎡ ⎛ 1 ⎞⎤ = ln ⎢ln⎜ ⎟⎥ = -2.6638 ⎣ ⎝ 1 − 0.0673 ⎠⎦ x 1 .y1
= (- 1.0986 x − 2.6638) = 2.9265
x1
2
= (-1.0986)2 = 1.2069
y1
2
= (− 2.6638) = 7.0961 2
rweibull =
=
n ⎛ n ⎞⎛ n ⎞ n∑ xi y i − ⎜ ∑ xi ⎟⎜ ∑ y i ⎟ i =1 ⎝ i =1 ⎠⎝ i =1 ⎠
⎡ n 2 ⎛ n ⎞2 ⎤⎡ n 2 ⎛ n ⎞2 ⎤ ⎢n∑ xi − ⎜ ∑ xi ⎟ ⎥ ⎢n∑ y i − ⎜ ∑ y i ⎟ ⎥ ⎝ i =1 ⎠ ⎦⎥ ⎝ i =1 ⎠ ⎦⎥ ⎣⎢ i =1 ⎣⎢ i =1 9(6.4486) - (-7.7579)(-5.2311)
[10(6.6239) - (-7.7579) ][10(13.9262) - (-5.2311) ]
= 0.9184
2
2
166 ● Index of Fit Distribusi Eksponensial Time To Repair (TTR)
Tabel 4.17 Index of fit TTR Distribusi Eksponensial Komponen Turbine Control Exhaust i 1 2 3 4 5 6 7 8 9 10 ∑
ti 0,33 0,33 0,42 0,42 0,42 0,42 0,50 0,58 0,58 0,75 4,75
xi = ti 0,33 0,33 0,42 0,42 0,42 0,42 0,50 0,58 0,58 0,75 4,7500
F(ti) 0,0673 0,1635 0,2596 0,3558 0,4519 0,5481 0,6442 0,7404 0,8365 0,9327 5,0000
yi 0,0697 0,1785 0,3006 0,4397 0,6013 0,7942 1,0335 1,3486 1,8112 2,6985 9,2757
Contoh perhitungan i = 1 : = t1
x1
= 0.33 F(t 1 )
=
i − 0.3 n + 0.4
=
1 − 0.3 0.7 = = 0.0673 10 + 0.4 10.4
⎛ ⎞ 1 ⎟⎟ = ln⎜⎜ ⎝ 1 - F(t 1 ) ⎠
y1
1 ⎛ ⎞ = ln⎜ ⎟ = 0.0697 ⎝ 1 − 0.0673 ⎠ x 1 .y1 x1
2
= (0.33 x 0.0697 ) = 0.0232
= (0.33)2 = 0.1111
xi . yi 0,0232 0,0595 0,1252 0,1832 0,2506 0,3309 0,5167 0,7867 1,0565 2,0239 5,3564
xi 2 0,1111 0,1111 0,1736 0,1736 0,1736 0,1736 0,2500 0,3403 0,3403 0,5625 2,4097
yi2 0,0049 0,0319 0,0904 0,1933 0,3616 0,6308 1,0681 1,8186 3,2804 7,2818 14,7617
167 y1
r
2
= (0,0697 ) = 0.0049 2
n ⎛ n ⎞⎛ n ⎞ n ∑ x i yi − ⎜⎜ ∑ x i ⎟⎟⎜⎜ ∑ yi ⎟⎟ i =1 ⎝ i =1 ⎠⎝ i =1 ⎠ 2 2 ⎡ n 2 ⎛ n ⎞ ⎤⎡ n 2 ⎛ n ⎞ ⎤ ⎢n ∑ x i − ⎜⎜ ∑ x i ⎟⎟ ⎥ ⎢n ∑ yi − ⎜⎜ ∑ yi ⎟⎟ ⎥ ⎢⎣ i =1 ⎝ i =1 ⎠ ⎥⎦ ⎢⎣ i =1 ⎝ i =1 ⎠ ⎥⎦
=
=
10(-5.3564) - (4.7500)(9.2757)
[10(2.4097) - (4.7500) ][10(14.7617) - (9.2757) ] 2
2
= 0.9777
● Index of Fit Distribusi Normal Time To Repair (TTR)
Tabel 4.18 Index of fit TTR Distribusi Normal Komponen Turbine Control Exhaust i
ti
xi = ti
F(ti)
yi=zi
xi . zi
xi 2
zi2
1 2 3 4 5 6 7 8 9 10 ∑
0,33 0,33 0,42 0,42 0,42 0,42 0,50 0,58 0,58 0,75 4,75
0,33 0,33 0,42 0,42 0,42 0,42 0,50 0,58 0,58 0,75 4,7500
0,0673 0,1635 0,2596 0,3558 0,4519 0,5481 0,6442 0,7404 0,8365 0,9327 5,0000
-1,4962 -0,9803 -0,6445 -0,3698 -0,1208 0,1208 0,3698 0,6445 0,9803 1,4962 0,0000
-0,4987 -0,3268 -0,2686 -0,1541 -0,0503 0,0503 0,1849 0,3760 0,5719 1,1221 1,0067
0,1111 0,1111 0,1736 0,1736 0,1736 0,1736 0,2500 0,3403 0,3403 0,5625 2,4097
2,2385 0,9611 0,4154 0,1367 0,0146 0,0146 0,1367 0,4154 0,9611 2,2385 7,5327
Contoh perhitungan pada i = 1 : x1
= t1
= 0.33
168 F(t 1 )
=
i − 0.3 n + 0.4
=
1 − 0.3 0.7 = = 0.0673 10 + 0.4 10.4
= z 1 = Φ −1 [F(t1 )]
y1
= -1.4962 ( diperoleh dari tabel Φ(z) ) x 1 .z1 2
= (0.33)2 = 0.1111
2
= (- 1.4962) = 2.2385
x1 z1
= (0.33 x − 1.4962 ) = -0.4987
2
rnormal =
=
n ⎛ n ⎞⎛ n ⎞ n∑ xi z i − ⎜ ∑ xi ⎟⎜ ∑ z i ⎟ i =1 ⎝ i =1 ⎠⎝ i =1 ⎠
⎡ n 2 ⎛ n ⎞2 ⎤⎡ n 2 ⎛ n ⎞2 ⎤ ⎢ n ∑ x i − ⎜ ∑ xi ⎟ ⎥ ⎢ n ∑ z i − ⎜ ∑ z i ⎟ ⎥ ⎝ i =1 ⎠ ⎥⎦ ⎝ i =1 ⎠ ⎥⎦ ⎢⎣ i =1 ⎢⎣ i =1 10(1.0067) - (4.7500)(0.0000)
[10(2.4097) - (4.7500) ][10(7.5327) - (0.0000) ]
= 0.9363
2
2
169 ● Index of Fit Distribusi Lognormal Time To Repair (TTR)
Tabel 4.19 Index of fit TTR Distribusi Lognormal Komponen Turbine Control Exhaust i 1 2 3 4 5 6 7 8 9 10 ∑
ti 0,33 0,33 0,42 0,42 0,42 0,42 0,50 0,58 0,58 0,75 4,75
xi = ln(ti) -1,0986 -1,0986 -0,8755 -0,8755 -0,8755 -0,8755 -0,6931 -0,5390 -0,5390 -0,2877 -7,7579
F(ti) 0,0673 0,1635 0,2596 0,3558 0,4519 0,5481 0,6442 0,7404 0,8365 0,9327 5,0000
yi=zi -1,4962 -0,9803 -0,6445 -0,3698 -0,1208 0,1208 0,3698 0,6445 0,9803 1,4962 0,0000
xi . zi 1,6437 1,0770 0,5643 0,3237 0,1058 -0,1058 -0,2563 -0,3474 -0,5284 -0,4304 2,0462
Contoh perhitungan pada i = 1 : = ln(t 1 )
x1
= ln(0.33) = -1.0986 F(t 1 ) =
i − 0.3 n + 0.4
=
1 − 0.3 0.7 = = 0.0673 10 + 0.4 10.4
= z 1 = Φ −1 [F(t1 )]
y1
= -1.4962 ( diperoleh dari tabel Φ(z) ) x 1 .z1 = (- 1.0986 x − 1.4962 ) = 1.6437 2
= (-1.0986)2 = 1.2069
2
= (- 1.4962) = 2.2385
x1 z1
2
xi 2 1,2069 1,2069 0,7664 0,7664 0,7664 0,7664 0,4805 0,2905 0,2905 0,0828 6,6239
zi2 2,2385 0,9611 0,4154 0,1367 0,0146 0,0146 0,1367 0,4154 0,9611 2,2385 7,5327
170 ⎞ ⎞⎛ n ⎛ n n ∑ x i z i − ⎜⎜ ∑ x i ⎟⎟⎜⎜ ∑ z i ⎟⎟ i =1 ⎝ i =1 ⎠⎝ i =1 ⎠ n
rlognormal =
=
2 2 ⎡ n 2 ⎛ n ⎞ ⎤⎡ n 2 ⎛ n ⎞ ⎤ ⎢n ∑ x i − ⎜⎜ ∑ x i ⎟⎟ ⎥ ⎢n ∑ z i − ⎜⎜ ∑ z i ⎟⎟ ⎥ ⎢⎣ i =1 ⎝ i =1 ⎠ ⎥⎦ ⎢⎣ i =1 ⎝ i =1 ⎠ ⎥⎦
10(2.0462) - (−7.7579)(0.0000)
[10(6.6239) - (-7.7579) ][10(7.5327) - (0.0000) ] 2
2
= 0.9582 Berikut ini adalah ringkasan nilai index of fit (r) TTR hasil keempat distribusi di atas : Tabel 4.20 Ringkasan Index of Fit TTR Turbine Control Exhaust Distribusi Turbine Control Exhaust
Weibull
Eksponensial
Normal
Lognormal
0,9184
0,9777
0,9363
0,9582
Dari hasil perhitungan index of fit yang telah dilakukan maka didapatkan nilai r yang terbesar yaitu pada distribusi Eksponensial. Karena perhitungan nilai r hanya merupakan nilai korelasi yang menunjukkan kecenderungan suatu data mengikuti salah satu pola distribusi kerusakan, untuk itu perlu dilakukan pengujian hipotesa lebih lanjut untuk memperkuat distribusi eksponensial yang terpilih adalah benar merupakan distribusi eksponensial. Pengujian lebih lanjut itu adalah dengan melakukan uji goodness of fit yang dilakukan sesuai dengan jenis distribusi yang memiliki nilai r terbesar.
Pada komponen turbine control exhaust, distribusi yang terpilih ada distribusi eksponensial. Untuk itu akan dilakukan goodness of fit untuk distribusi eksponensial, yaitu uji Bartlett.
171 4.2.2.6 Uji Kesesuaian Distribusi (Goodness of Fit) Time To Repair (TTR) Komponen Turbine Control Exhaust
Dari uji sebelumnya didapatkan nilai r terbesar pada distribusi eksponensial maka selanjutkan akan dilakukan Bartlett’s test. Hipotesa yang diujikan yaitu : Ho : Data waktu antar kerusakan berdistribusi ekponensial. Hi : Data waktu antar kerusakan tidak berdistribusi ekponensial. α = 0.05 Ho diterima bila X 2
α 1 − , r −1 2
< B < X 2α 2
, r −1
.
Tabel 4.21 Bartlett’s Test TTR Komponen Turbine Control Exhaust i 1 2 3 4 5 6 7 8 9 10 Σ B X2
α 1 − , r −1 2
X 2α 2
, r −1
ti ln ti 0,33 -1,0986 0,33 -1,0986 0,42 -0,8755 0,42 -0,8755 0,42 -0,8755 0,42 -0,8755 0,50 -0,6931 0,58 -0,5390 0,58 -0,5390 0,75 -0,2877 4,75 -7,7579 0,5299 2.70 19.00
172 Dari nilai B hitung dapat dilihat bahwa nilai B tidak berada pada selang 2.70 dan 19.00 maka tolak Ho yang berarti data bukan berdistribusi ekponensial. Oleh karena itu pengujian dilanjutkan untuk nilai r terbesar berikutnya yaitu 0.9582 sesuai dengan distribusi lognormal dengan menggunakan uji Kolmogorov-Smirnov dengan hipotesa : Ho : Data waktu antar kerusakan berdistribusi lognormal. Hi : Data waktu antar kerusakan tidak berdistribusi lognormal. α = 0.05 Ho diterima bila hasil perhitungan D maksimum lebih kecil dari nilai D crit . Tabel 4.22 Kolmogorov-Smirnov Test TTR Komponen Turbine Control Exhaust i
(i-1)/n
i/n
ti
ln ti
sˆ 2
1 t ln( ) s t med
Cumulatif Probability
D1(i)
D2(i)
1 2 3 4 5 6 7 8 9 10
0,00 0,10 0,20 0,30 0,40 0,50 0,60 0,70 0,80 0,90
0,10 0,20 0,30 0,40 0,50 0,60 0,70 0,80 0,90 1,00
0,33 0,33 0,42 0,42 0,42 0,42 0,50 0,58 0,58 0,75 μˆ tˆmed
-1,10 -1,10 -0,88 -0,88 -0,88 -0,88 -0,69 -0,54 -0,54 -0,29
0,0104 0,0104 0,0010 0,0010 0,0010 0,0010 0,0007 0,0056 0,0056 0,0238
-1,3120 -1,3120 -0,4051 -0,4051 -0,4051 -0,4051 0,3359 0,9624 0,9624 1,9838
0,0948 0,0948 0,3427 0,3427 0,3427 0,3427 0,6315 0,8321 0,8321 0,9764
0,0948 -0,0052 0,1427 0,0427 -0,0573 -0,1573 0,0315 0,1321 0,0321 0,0764
0,0052 0,1052 -0,0427 0,0573 0,1573 0,2573 0,0685 -0,0321 0,0679 0,0236
D Max
0,1427
0,2573
sˆ
-0,776 0,460 0,246
0,0605
Contoh perhitungan Kolmogorov-Smirnov test TTF komponen turbine control
exhaust pada i = 1 : (i-1)/n = (1-1) / 10 = 0.00
173 i/n
= 1 / 10 = 0.10
Ln ti = Ln (0.33) = -1.10 μˆ
=
ln t i n
n
∑ i =1
= -7.76 / 10 = -0.78
tˆmed
= e μˆ = e −0.78 = 0.460
sˆ
2
=
∑
=
∑
n
i −1
(ln t i − μˆ ) 2
n n i −1
(−1.10 − −0.78) 2 + (−1.10 − −0.78) 2 + ..... + (−0.29 − −0.78) 2 10
= 0.0605
sˆ
=
sˆ 2
= 0.246 ⎛1 t Cumulatif Probability = Φ ⎜⎜ ln ⎝ s t med
⎞ ⎟⎟ ⎠
0.33 ⎞ ⎛ 1 ln =Φ ⎜ ⎟ ⎝ 0.246 0.460 ⎠ = Φ (- 1.3120) = 0.0948
174
D1
⎧ ⎛1 t = max ⎨Φ⎜⎜ ln 1≤1≤ n ⎩ ⎝ s t med
⎞ i − 1⎫ ⎟⎟ − ⎬ n ⎭ ⎠
= 0.1427 D2
⎧i ⎛1 t = max ⎨ − Φ⎜⎜ ln 1≤1≤ n n ⎝ s t med ⎩
⎞⎫ ⎟⎟⎬ ⎠⎭
= 0.2573 Karena nilai Dmax = 0.2573 lebih kecil dari D crit,0.05 = 0.258 dan masuk daerah penerimaan maka terima Ho yang berarti data mengikuti distribusi lognormal. Hal ini didukung dengan hasil pengujian dengan Minitab 14.0 pada gambar 4.10. Probability Plot for Turbine Control Exhaust ML Estimates-Complete Data Weibull
A nderson-D arling (adj) Weibull 1,722 Lognormal 1,648 E xponential 3,629 N ormal 1,753
Lognormal 99 90
50
P er cent
P er cent
90
10
50 10
1
1
0,2 0,5 T ur bine C ontr ol Exhaust
0,2
E xponential
0,4 0,6 T ur bine C ontr ol Exhaust
0,8
N ormal 99 90
50
P er cent
P er cent
90
10
50 10
1
0,01 0,10 1,00 T ur bine C ontr ol Exhaust
1
0,2
0,4 0,6 T ur bine C ontr ol Exhaust
0,8
Gambar 4.10 Goodness of Fit TTR Komponen Turbine Control Exhaust
175 Distribution ID Plot: Turbine Control Exhaust Goodness-of-Fit
Distribution Weibull Lognormal Exponential Normal
Anderson-Darling (adj) 1,722 1,648 3,629 1,753
Table of MTTR
Distribution Weibull Lognormal Exponential Normal
Mean 0,473859 0,474542 0,475000 0,475000
Standard Error 0,042783 0,037532 0,150208 0,039045
95% Normal CI Lower Upper 0,397006 0,565589 0,406398 0,554111 0,255576 0,882810 0,398474 0,551526
Hasil pengujian goodness of fit dengan menggunakan Minitab dapat dilihat pada nilai AD (Anderson-Darling) terkecil. Dimana nilai A-D terkecil terdapat pada distribusi lognormal sebesar 1.648. Dengan demikian hasil pengujian manual dan minitab adalah sama yaitu data TTR komponen turbine conrol exhaust berdistribusi lognormal.
4.2.2.7 Perhitungan Parameter Untuk Time To Repair (TTR) Komponen Turbine Control Exhaust
Berikut ini merupakan perhitungan parameter TTR komponen turbine control
exhaust dengan distribusi lognormal. Perhitungan parameter dapat dilakukan dengan 2 cara yaitu dengan : o Least Square Estimation
Gradien b
n ⎞ ⎞⎛ n ⎛ n n ∑ x i z i − ⎜⎜ ∑ x i ⎟⎟⎜⎜ ∑ z i ⎟⎟ i =1 ⎝ i = 1 ⎠⎝ i = 1 ⎠ = 2 n ⎞ ⎛ n 2 n ∑ x i − ⎜⎜ ∑ x i ⎟⎟ i =1 ⎝ i =1 ⎠
176 10(2.0462) − (-7.7579 x 0.0000) = 3,37992609 10(6.6239) − (-7.7579)2 (nilai xi dan zi dapat dilihat pada tabel 4.19) =
= y- bx
Intersep a
= 0.0000 – (3,37992609)(-0.7758) = 2.6621 Estimated s
=
1 b
= 1 / 3,37992609 = 0.2959 Parameter tˆmed = e − sa = e −0.2959 ( 2.6621) = 0.4603
o Maximum Likelihood Estimator
ln t i n
n
μˆ
=
∑ i =1
= -7.76 / 10 = -0.78
tˆmed
= e μˆ = e −0.78 = 0.460
sˆ
2
=
∑
n
i −1
(ln t i − μˆ ) 2
n
=
∑
n i −1
(−1.10 − −0.78) 2 + (−1.10 − −0.78) 2 + ..... + (−0.29 − −0.78) 2 10 = 0.0605
sˆ
=
sˆ 2 = 0.246
177 4.2.2.8 Perhitungan Mean Time To Repair (MTTR) Komponen Turbine Control Exhaust
Berikut ini merupakan perhitungan MTTR komponen Turbine Control Exhaust dengan distribusi lognormal : MTTR = t med .e
s2 2
= 0.460 x e
(0.246) 2 2
= 0.4745 jam
4.2.2.9 Index of Fit Time To Failure (TTF) Komponen Combustion Filter ● Index of Fit Distribusi Weibull Time To Failure (TTF)
Tabel 4.23 Index of fit TTF Distribusi Weibull Komponen Combustion Filter i
ti
xi = ln(ti)
F(ti)
yi
xi . yi
xi2
yi2
1 2 3 4 5 6 ∑
40,33 404,83 405,92 455,92 909,83 1008,33 3225,17
3,6972 6,0035 6,0061 6,1223 6,8133 6,9161 35,5584
0,1094 0,2656 0,4219 0,5781 0,7344 0,8906 3,0000
-2,1556 -1,1753 -0,6015 -0,1473 0,2819 0,7943 -3,0035
-7,9697 -7,0557 -3,6130 -0,9017 1,9208 5,4937 -12,1256
13,6691 36,0417 36,0738 37,4827 46,4205 47,8318 217,5197
4,6467 1,3813 0,3619 0,0217 0,0795 0,6310 7,1219
r
0,9189
178
● Index of Fit Distribusi Eksponensial Time To Failure (TTF)
Tabel 4.24 Index of fit TTF Distribusi Eksponensial Komponen Combustion Filter i 1 2
3 4 5 6 ∑ r
ti 40,33 404,83 405,92 455,92 909,83 1008,33
3225,17
xi = ti 40,33 404,83
F(ti) 0,1094 0,2656
yi 0,1158 0,3087
xi . yi 4,6719 124,9864
xi2 1626,7778 163890,0278
yi2 0,0134 0,0953
405,92 455,92 909,83 1008,33 3225,1667
0,4219 0,5781 0,7344 0,8906 3,0000
0,5480 0,8630 1,3257 2,2130 5,3742 0,9284
222,4282 164768,3403 393,4772 207860,0069 1206,1385 827796,6944 2231,4144 1016736,1111 4183,1165 2382677,9583
0,3003 0,7448 1,7574 4,8972 7,8085
● Index of Fit Distribusi Normal Time To Failure (TTF)
Tabel 4.25 Index of fit TTF Distribusi Normal Komponen Combustion Filter i 1 2
ti 40,33 404,83
xi = ti 40,33 404,83
F(ti) 0,1094 0,2656
yi=zi -1,2297 -0,6262
xi . zi -49,5990 -253,4996
xi2 1626,7778 163890,0278
zi2 1,5122 0,3921
3 4 5 6 ∑ r
405,92 455,92 909,83 1008,33 3225,17
405,92 455,92 909,83 1008,33 3225,1667
0,4219 0,5781 0,7344 0,8906 3,0000
-0,1970 0,1970 0,6262 1,2297 0,0000 0,9548
-79,9807 164768,3403 89,8326 207860,0069 569,7218 827796,6944 1239,9746 1016736,1111 1516,4497 2382677,9583
0,0388 0,0388 0,3921 1,5122 3,8863
179
● Index of Fit Distribusi Lognormal Time To Failure (TTF)
Tabel 4.26 Index of fit TTF Distribusi Lognormal Komponen Combustion Filter i 1 2
ti 40,33 404,83
xi = ln(ti) 3,6972 6,0035
F(ti) 0,1094 0,2656
yi=zi -1,2297 -0,6262
xi . zi -4,5465 -3,7593
xi2 13,6691 36,0417
zi2 1,5122 0,3921
3 4 5 6 ∑ r
405,92 455,92 909,83 1008,33 3225,17
6,0061 6,1223 6,8133 6,9161 35,5584
0,4219 0,5781 0,7344 0,8906 3,0000
-0,1970 -1,1834 0,1970 1,2063 0,6262 4,2663 1,2297 8,5049 0,0000 4,4883 0,8740
36,0738 37,4827 46,4205 47,8318 217,5197
0,0388 0,0388 0,3921 1,5122 3,8863
Berikut ini adalah ringkasan nilai index of fit (r) TTF hasil keempat distribusi di atas : Tabel 4.27 Ringkasan Index of Fit TTF Combustion Filter Distribusi Turbine Control Exhaust
Weibull
Eksponensial
Normal
Lognormal
0,9189
0,9284
0,9548
0.8740
Dari perhitungan index of fit yang telah dilakukan pada keempat pola distribusi maka didapatkan nilai r yang terbesar yaitu pada distribusi normal. Untuk meyakinkan hasil dari index of fit, maka akan dilakukan uji goodness of fit pada distribusi normal yaitu Kolmogorov-Smirnov Test.
180 4.2.2.10 Uji Kebaikan Suai (Goodness of Fit) Pada Time To Failure (TTF) Komponen Combustion Filter
Dari uji sebelumnya didapatkan nilai r terbesar pada distribusi normal maka selanjutkan melakukan uji Kolmogorov-Smirnov test. Hipotesa yang diujikan yaitu : Ho : Data waktu antar kerusakan berdistribusi normal. Hi : Data waktu antar kerusakan tidak berdistribusi normal. α = 0.05 Ho diterima bila hasil perhitungan D maksimum lebih kecil dari nilai D crit . Tabel 4.28 Kolmogorov-Smirnov Test TTF Komponen Combustion Filter i
(i-1)/n
i/n
1 2 3 4 5 6
0,0000 0,1667 0,3333 0,5000 0,6667 0,8333
0,1667 0,3333 0,5000 0,6667 0,8333 1,0000 μˆ s σˆ 2 σˆ
xi = ti
s2
40,3 49440,463 404,8 3521,563 405,9 3464,297 455,9 1332,075 909,8 27722,285 1008,3 44331,574 537,5 129812,257 360,295 108176,881 328,903
t −μ σ -1,5117 -0,4034 -0,4002 -0,2481 1,1320 1,4314
Cumulatif Probability
D1(i)
D2(i)
0,0653 0,3433 0,3445 0,4020 0,8712 0,9238
0,0653 0,1766 0,0112 -0,0980 0,2045 0,0905
0,1014 -0,0100 0,1555 0,2647 -0,0378 0,0762
D MAX
0,2045
0,2647
Contoh perhitungan Kolmogorov-Smirnov test TTF komponen combustion filter pada i = 1 : (i-1)/n = (1-1) / 6 = 0.00 i/n
= 1/6 = 0.1667
181
xi
= ti = 40.3
μˆ
= x= t = 537.5 n
s2
=
=
∑ (t i =1
i
−t)
2
n −1
∑
n
i −1
(40.3 − 537.5) 2 + (404.8 − 537.5) 2 + ..... + (1008.3 − 537.5) 2 6 −1
= 129812,257 σˆ 2
=
=
(n − 1)s 2 n
(6 − 1)129812.257 6
= 108176.881 σˆ
=
σˆ 2
= 328.903
⎛t −μ⎞ Cumulatif Probability = Φ ⎜ ⎟ ⎝ σ ⎠ ⎛ 40.3 − 537.5 ⎞ =Φ ⎜ ⎟ ⎝ 328.903 ⎠ = Φ (- 1.5117) = 0.0653
182
D1
⎧ ⎛ t − μ ⎞ i − 1⎫ = max ⎨Φ⎜ ⎟− ⎬ 1≤1≤ n n ⎭ ⎩ ⎝ σ ⎠ = 0.2045
D2
⎧i ⎛ t − μ ⎞⎫ = max ⎨ − Φ⎜ ⎟⎬ 1≤1≤ n n ⎝ σ ⎠⎭ ⎩ = 0.2647
Karena nilai Dmax = 0.2674 lebih kecil dari D crit,0.05 = 0.319 dan masuk daerah penerimaan maka terima Ho yang berarti data mengikuti distribusi normal. Hal ini didukung dengan hasil pengujian dengan Minitab 14.0 pada gambar 4.11. Goodness of Fit TTF Komponen Combustion Filter ML Estimates-Complete Data Weibull
A nderson-D arling (adj) Weibull 2,389 Lognormal 2,537 E xponential 2,548 N ormal 2,339
Lognormal 99 90
50
P er cent
P er cent
90
10
50 10
1 10
100
1 10
1000
100
C1
1000
10000
C1
E xponential
N ormal 99 90
50
P er cent
P er cent
90
10
50 10
1
10
100 C1
1000
1
0
500 C1
1000
1500
Gambar 4.11 Goodness of Fit TTF Komponen Combustion Filter
183 Distribution ID Plot: Combustion Filter Goodness-of-Fit
Distribution Weibull Lognormal Exponential Normal
Anderson-Darling (adj) 2,389 2,537 2,548 2,339
Table of MTTF
Distribution Weibull Lognormal Exponential Normal
Mean 530,697 659,859 537,500 537,500
Standard Error 148,304 358,582 219,433 134,273
95% Normal CI Lower Upper 306,886 917,73 227,452 1914,31 241,478 1196,41 274,329 800,67
Nilai A-D terkecil terdapat pada distribusi normal sebesar 2.339. Dengan demikian hasil pengujian manual dan minitab adalah sama yaitu data TTF komponen
combustion filter berdistribusi normal.
4.2.2.11 Perhitungan Parameter Time To Failure (TTF) Komponen Combustion Filter
Berikut ini merupakan perhitungan parameter TTF komponen Combustion Filter dengan distribusi normal : o Least Square Estimation
Gradien b
n ⎞ ⎞⎛ n ⎛ n n ∑ x i z i − ⎜⎜ ∑ x i ⎟⎟⎜⎜ ∑ z i ⎟⎟ i =1 ⎝ i = 1 ⎠⎝ i = 1 ⎠ = 2 n ⎞ ⎛ n 2 n ∑ x i − ⎜⎜ ∑ x i ⎟⎟ i =1 ⎝ i =1 ⎠
6(1516.4497) − (3225.1667 x 0.0000) = 0,002336374 6(2382677.9538) − (3225.1667) 2 (nilai xi dan zi dapat dilihat pada tabel 4.25)
=
184 = y- bx
Intersep a
= 0.0000 – (0,002336374)(537.5278) = -1.2559 Parameter σˆ
=
1 b
= 1 / 0,002336374 = 428,013716 = − aσˆ
Parameter μˆ
= -(-1.2559)(428,013716) = 537,53
o Maximum Likelihood Estimator μˆ
= x= t = 537.5 n
s2
=
∑ (t i =1
i
−t)
2
n −1
∑ =
n
i −1
(40.3 − 537.5) 2 + (404.8 − 537.5) 2 + ..... + (1008.3 − 537.5) 2 6 −1
= 129812,257 σˆ 2
=
=
(n − 1)s 2 n
(6 − 1)129812.257 6
= 108176.881 σˆ
=
σˆ 2
= 328.903
185 4.2.2.12 Perhitungan Mean Time To Failure (MTTF) Komponen Combustion Filter
Berikut ini merupakan perhitungan MTTF komponen Combustion Filter dengan distribusi normal : MTTF = μˆ (MLE) = 537.5 Jam ~ 23 Hari 4.2.2.13 Index of Fit Time To Repair (TTR) Komponen Combustion Filter ● Index of Fit Distribusi Weibull Time To Repair (TTR)
Tabel 4.29 Index of fit TTR Distribusi Weibull Komponen Combustion Filter i 1 2 3 4 5 6 7 ∑ r
ti 0,75 1,00 1,33 1,58 1,67 1,83 2,33 10,50
xi = ln(ti) -0,2877 0,0000 0,2877 0,4595 0,5108 0,6061 0,8473 2,4238
F(ti) 0,0946 0,2297 0,3649 0,5000 0,6351 0,7703 0,9054 3,5000
yi -2,3089 -1,3432 -0,7898 -0,3665 0,0082 0,3858 0,8579 -3,5565 0,9931
xi . yi 0,6642 0,0000 -0,2272 -0,1684 0,0042 0,2339 0,7269 1,2335
xi2 0,0828 0,0000 0,0828 0,2112 0,2609 0,3674 0,7179 1,7229
yi2 5,3309 1,8041 0,6238 0,1343 0,0001 0,1489 0,7360 8,7781
186 ● Index of Fit Distribusi Eksponensial Time To Failure (TTR)
Tabel 4.30 Index of fit TTR Distribusi Eksponensial Komponen Combustion Filter i
ti
xi = ti
F(ti)
yi
xi . yi
xi2
yi2
1 2 3 4 5 6 7 ∑
0,75 1,00 1,33 1,58 1,67 1,83 2,33 10,50
0,75 1,00 1,33 1,58 1,67 1,83 2,33 10,5000
0,0946 0,2297 0,3649 0,5000 0,6351 0,7703 0,9054 3,5000
0,0994 0,2610 0,4539 0,6931 1,0082 1,4709 2,3582 6,3447
0,0745 0,2610 0,6052 1,0975 1,6804 2,6966 5,5024 11,9176
0,5625 1,0000 1,7778 2,5069 2,7778 3,3611 5,4444 17,4306
0,0099 0,0681 0,2060 0,4805 1,0165 2,1634 5,5609 9,5053
0,9556
r
● Index of Fit Distribusi Normal Time To Failure (TTR)
Tabel 4.31 Index of fit Distribusi Normal untuk TTR Komponen Combustion Filter i
ti
xi = ti
F(ti)
yi=zi
xi . zi
xi 2
zi2
1 2 3 4 5 6 7 ∑
0,75 1,00 1,33 1,58 1,67 1,83 2,33 10,50
0,75 1,00 1,33 1,58 1,67 1,83 2,33 10,5000
0,0946 0,2297 0,3649 0,5000 0,6351 0,7703 0,9054 3,5000
-1,3130 -0,7397 -0,3455 0,0000 0,3455 0,7397 1,3130 0,0000
-0,9847 -0,7397 -0,4607 0,0000 0,5758 1,3562 3,0637 2,8105
0,5625 1,0000 1,7778 2,5069 2,7778 3,3611 5,4444 17,4306
1,7240 0,5472 0,1194 0,0000 0,1194 0,5472 1,7240 4,7811
r
0,9915
187 ● Index of Fit Distribusi Lognormal Time To Failure (TTR)
Tabel 4.32 Index of fit Distribusi Lognormal untuk TTR Komponen Combustion Filter i
ti
xi = ln(ti)
F(ti)
yi=zi
xi . zi
xi 2
zi2
1 2 3 4 5 6 7 ∑
0,75 1,00 1,33 1,58 1,67 1,83 2,33 10,50
-0,2877 0,0000 0,2877 0,4595 0,5108 0,6061 0,8473 2,4238
0,0946 0,2297 0,3649 0,5000 0,6351 0,7703 0,9054 3,5000
-1,3130 -0,7397 -0,3455 0,0000 0,3455 0,7397 1,3130 0,0000
0,3777 0,0000 -0,0994 0,0000 0,1765 0,4484 1,1125 2,0157
0,0828 0,0000 0,0828 0,2112 0,2609 0,3674 0,7179 1,7229
1,7240 0,5472 0,1194 0,0000 0,1194 0,5472 1,7240 4,7811
0,9806
r
Berikut ini adalah ringkasan nilai index of fit (r) TTR hasil keempat distribusi di atas : Tabel 4.33 Ringkasan Index of Fit TTR Combustion Filter Distribusi Combustion Filter
Weibull
Eksponensial
Normal
Lognormal
0,9931
0,9556
0,9915
0.9806
Berdasarkan perhitungan index of fit yang telah dilakukan maka didapatkan nilai r yang terbesar yaitu pada distribusi weibull. Selanjutnya untuk lebih yakin akan distribusi data perbaikan kerusakan maka akan dilakukan goodness of fit dengan Mann’s
test untuk distribusi weibull.
188 4.2.2.14 Uji Kesesuaian Distribusi (Goodness of Fit) Time To Repair (TTR) Komponen Combustion Filter
Dari uji sebelumnya didapatkan nilai r terbesar pada distribusi weibull maka selanjutkan melakukan Mann’s test. Hipotesa yang diujikan yaitu : Ho : Data waktu antar kerusakan berdistribusi weibull. Hi : Data waktu antar kerusakan tidak berdistribusi weibull. α = 0.05 Ho diterima bila hasil perhitungan M lebih kecil dari nilai F crit . Tabel 4.34 Mann’s Test TTR Komponen Combustion Filter i 1 2 3 4 5 6 7 ∑
ti 0,75 1,00 1,33 1,58 1,67 1,83 2,33 10,50
ln(ti) -0,2877 0,0000 0,2877 0,4595 0,5108 0,6061 0,8473 2,42
Zi -2,6386 -1,4619 -0,8607 -0,4167 -0,0311 0,3516 0,8192
Mi 1,1768 0,6012 0,4441 0,3856 0,3827 0,4676
ln ti+1 – ln ti 0,2877 0,2877 0,1719 0,0513 0,0953 0,2412
(ln ti+1 – ln ti)/Mi 0,2445 0,4786 0,3870 0,1330 0,2490 0,5158
Contoh perhitungan Mann’s test TTR komponen Combustion Filter i = 1 : ln(t 1 ) = ln(0.75)
= -0.2877 Z1
⎡ i − 0.5 ⎞⎤ ⎛ = ln ⎢− ln⎜1 − ⎟⎥ ⎝ n + 0.25 ⎠⎦ ⎣ ⎡ 1 − 0.5 ⎞⎤ ⎛ = ln ⎢− ln⎜1 − ⎟⎥ = -2.6386 7 + 0.25 ⎠⎦ ⎝ ⎣
M1
= Z1+1 – Z 1 = -1.4619 - (-2.6386) = 1.1768
189 ln (t1+1 ) – ln t1 = 0.0000 - (-0.2877) = 0.2877 (ln t1+1 – ln t1)/M1 = 0.2877 / 1.1768 = 0.2445
k1
=r/2 = 7 / 2 = 3.5 ~ 3
k2
= (r-1)/2 = (7-1)/2 = 3
⎡ (lnt i +1 − lnt i )⎤ ⎢ ⎥ Mi i = k1+1 ⎣ ⎦ = k1 ⎡ (lnt − lnt i )⎤ k 2 ∑ ⎢ i +1 ⎥ Mi i =1 ⎣ ⎦ k1
M
=
r −1
∑
3.(0.1330 + 0.2490 + 0.5157) = 0.8089 3(0.2445 + 0.4786 + 0.3870)
Karena nilai M = 0.8089 lebih kecil dari F crit = 4.28 maka terima Ho yang berarti data adalah berdistribusi weibull. Hal ini didukung dengan hasil pengujian dengan Minitab 14.0 sebagai berikut :
190 Goodness of Fit TTR Komponen Combustion Filter ML Estimates-Complete Data Weibull
Lognormal 99 90
50
P er cent
P er cent
90
10
50 10
1
0,5
1
1,0 2,0 T T R C ombustion Filter
A nderson-Darling (adj) Weibull 1,852 Lognormal 1,912 E xponential 3,003 N ormal 1,860
1 2 T T R C ombustion Filter
E xponential
N ormal 99 90
50
P er cent
P er cent
90
10
50 10
1 0,01
0,10 1,00 T T R C ombustion Filter
10,00
1
0,6
1,2 1,8 2,4 T T R C ombustion Filter
Gambar 4.12 Goodness of Fit TTR Komponen Combustion Filter Distribution ID Plot: TTR Combustion Filter Goodness-of-Fit
Distribution Weibull Lognormal Exponential Normal
Anderson-Darling (adj) 1,852 1,912 3,003 1,860
Table of MTTR
Distribution Weibull Lognormal Exponential Normal
Mean 1,50191 1,50442 1,49857 1,49857
Standard Error 0,183682 0,208075 0,566407 0,184860
95% Normal CI Lower Upper 1,18179 1,90873 1,14720 1,97286 0,71442 3,14341 1,13625 1,86089
Dengan nilai AD terkecil 1.852 pada pengolahan data melalui minitab, maka dapat disimpulkan bahwa data TTR komponen Combustion Filter adalah berdistribusi weibull.
191 4.2.2.15 Perhitungan Parameter Time To Repair (TTR) Komponen Combustion Filter
Berikut ini merupakan perhitungan parameter TTR komponen Combustion Filter dengan distribusi weibull : o Least Square Estimation
Gradien b
n ⎛ n ⎞⎛ n ⎞ n∑ xi y i − ⎜ ∑ xi ⎟⎜ ∑ y i ⎟ ⎝ i =1 ⎠⎝ i =1 ⎠ = i =1 2 n ⎛ n ⎞ 2 n ∑ x i − ⎜ ∑ xi ⎟ i =1 ⎝ i =1 ⎠
7(1.2335) − (2.4238 x - 3.5565) = 2,78938785 7(1.7229) − (2.4238) 2 (nilai xi dan yi dapat dilihat pada tabel 4.29) =
Intersep a
= y- bx = -0.5081 - (2,78938785)(0.3463) = -1.4739
Parameter βˆ
=b = 2,78938785
Parameter θˆ
ˆ
= e −a / β = e-(-1.4739) / (2,78938785) = 1.696
o Maximum Likelihood Estimator
βˆ
= βˆ (Least Square Estimation) = 2,78938785
192 1 / βˆ
θˆ
⎧ 1 ⎡ r βˆ βˆ ⎤ ⎫ = ⎨ ⎢∑ t i + (n − r )t s ⎥ ⎬ ⎦⎭ ⎩ r ⎣ i =1
⎧1 untuk data lengkap ⎪ , dimana ts = ⎨ t* untuk data tipe I ⎪ t untuk data tipe II ⎩ r
r = n = 7 Æ data lengkap, jadi : 1 / 2,78938785
⎧ 1 ⎡ 7 2,78938785 ⎤⎫ + (7 − 7 )12,78938785 ⎥ ⎬ = ⎨ ⎢∑ t i ⎦⎭ ⎩ 7 ⎣ i =1 ⎡ 1 7 2,78938785 ⎤ = ⎢ ∑ ti ⎥ ⎣ 7 i =1 ⎦
1 / 2,78938785
= 1.673 4.2.2.16 Perhitungan Mean Time To Repair (MTTR) Komponen Combustion Filter
Berikut ini merupakan perhitungan MTTR komponen Combustion Filter dengan distribusi weibull : MTTR = θΓ ⎛⎜⎜ 1 + 1 ⎞⎟⎟ ⎝
β ⎠
1 ⎛ ⎞ MTTR = 1.673 Γ ⎜1 + ⎟ ⎝ 2,78938785 ⎠ MTTR = 1.673 Γ (1.359) MTTR = 1.673 (0.9) Æ diperoleh dari tabel fungsi Gamma, lihat lampiran MTTR = 1.506 Jam
193 4.2.2.17 Index of Fit Time To Failure (TTF) Komponen Damper ● Index of Fit Distribusi Weibull Time To Failure (TTF)
Tabel 4.35 Index of fit TTF Distribusi Weibull Komponen Damper i
ti
xi = ln(ti)
F(ti)
yi
xi . yi
xi 2
yi2
1 2 3 4 5 6 ∑
18,25 171,25 426,92 786,92 1226,83 1605,33 4235,50
2,9042 5,1431 6,0566 6,6681 7,1122 7,3811 35,2653
0,1094 0,2656 0,4219 0,5781 0,7344 0,8906 3,0000
-2,1556 -1,1753 -0,6015 -0,1473 0,2819 0,7943 -3,0035
-6,2603 -6,0446 -3,6433 -0,9821 2,0051 5,8631 -9,0621
8,4342 26,4517 36,6823 44,4639 50,5833 54,4804 221,0957
4,6467 1,3813 0,3619 0,0217 0,0795 0,6310 7,1219
r
0,9748
● Index of Fit Distribusi Eksponensial Time To Failure (TTF)
Tabel 4.36 Index of fit TTF Distribusi Eksponensial Komponen Damper i
ti
xi = ti
F(ti)
yi
xi . yi
xi2
yi2
1 2 3 4 5 6 ∑
18,25
18,25 171,25 426,92 785,92 1226,83 1605,33 4234,50
0,1094 0,2656 0,4219 0,5781 0,7344 0,8906 3,0000
0,1158 0,3087 0,5480 0,8630 1,3257 2,2130 5,3742
2,1139 52,8710 233,9355 679,1455 1626,3758 3552,5592 6147,0008
333,0625 29326,5625 182257,8403 619237,8403 1505120,0278 2577095,1111 4913370,4444
0,0134 0,0953 0,3003 0,7448 1,7574 4,8972 7,8085
r
171,25 426,92 785,92 1226,83 1605,33
4234,50
0,9805
194 ● Index of Fit Distribusi Normal Time To Failure (TTF)
Tabel 4.37 Index of fit TTF Distribusi Normal Komponen Damper i
ti
xi = t i
F(ti)
yi=zi
1 2 3 4 5 6 ∑
18,25 171,25 426,92 785,92 1226,83 1605,33 4234,50
18,25 171,25 426,92 785,92 1226,83 1605,33 4234,5000
0,1094 0,2656 0,4219 0,5781 0,7344 0,8906 3,0000
-1,2299 -0,6261 -0,1971 0,1971 0,6261 1,2299 0,0000
r
xi2
xi . zi
zi2
-22,4449 333,0625 -107,2207 29326,5625 -84,1457 182257,8403 155,1021 619237,8403 768,1283 1505120,0278 1974,3346 2577095,1111 2683,7536 4913370,4444
1,5126 0,3920 0,0388 0,0388 0,3920 1,5126 3,8868
0,9815
● Index of Fit Distribusi Lognormal Time To Failure (TTF)
Tabel 4.38 Index of fit TTF Distribusi Lognormal Komponen Damper i 1 2 3 4 5 6 ∑
ti 18,25 171,25 426,92 785,92 1226,83 1605,33 4234,50
xi = ln(ti) 2,9042 5,1431 6,0566 6,6681 7,1122 7,3811 35,2653
F(ti) 0,1094 0,2656 0,4219 0,5781 0,7344 0,8906 3,0000
r
yi=zi -1,2299 -0,6261 -0,1971 0,1971 0,6261 1,2299 0,0000
xi . zi -3,5717 -3,2201 -1,1938 1,3143 4,4530 9,0777 6,8594
xi2 8,4342 26,4517 36,6823 44,4639 50,5833 54,4804 221,0957
zi2 1,5126 0,3920 0,0388 0,0388 0,3920 1,5126 3,8868
0,9358
Berikut ini adalah ringkasan nilai index of fit (r) TTF hasil keempat distribusi di atas : Tabel 4.39 Ringkasan Index of Fit TTF Damper Distribusi Combustion Filter
Weibull
Eksponensial
Normal
Lognormal
0,9748
0,9805
0,9815
0.9358
195 Berdasarkan perhitungan index of fit yang telah dilakukan maka didapatkan nilai r yang terbesar yaitu pada distribusi normal. Selanjutnya akan dilakukan uji goodness of fit untuk distribusi normal yaitu Kolmogorov Smirnov test.
4.2.2.18 Uji Kesesuaian Distribusi (Goodness of Fit) Time To Failure (TTF) Komponen Damper
Dari uji sebelumnya didapatkan nilai r terbesar pada distribusi normal maka selanjutkan melakukan uji Kolmogorov-Smirnov test. Hipotesa yang diujikan yaitu : Ho : Data waktu antar kerusakan berdistribusi normal. Hi : Data waktu antar kerusakan tidak berdistribusi normal. α = 0.05 Ho diterima bila hasil perhitungan D maksimum lebih kecil dari nilai D crit . Tabel 4.40 Kolmogorov-Smirnov Test TTF Komponen Damper i
(i-1)/n
i/n
1 2 3 4 5 6
0.0000 0.1667 0.3333 0.5000 0.6667 0.8333
0.1667 0.3333 0.5000 0.6667 0.8333 1.0000 μˆ s σˆ 2 σˆ
xi = ti
s2
18.25 78814,241 171.25 47644,741 426.92 12973,500 786.92 1093,500 1226.83 45225,696 1605.33 134825,057 705.92 320576,734 566.195 267147,278 516,863
t −μ σ -1,3305 -1,0344 -0,5398 0,1567 1,0078 1,7401
Cumulatif Probability
D1(i)
D2(i)
0,0917 0,1505 0,2947 0,5623 0,8432 0,9591
0,0917 -0,0162 -0,0387 0,0623 0,1766 0,1257
0,0750 0,1829 0,2053 0,1044 -0,0099 0,0409
D MAX
0.1766
0.2035
196
Contoh perhitungan Kolmogorov-Smirnov test TTF komponen damper pada i=1 : (i-1)/n = (1-1) / 6 = 0.00 i/n
= 1/6 = 0.1667
xi
= ti = 18.25
μˆ
= x= t = 705.92 n
s2
=
∑ (t i =1
i
−t)
2
n −1
∑ =
n i −1
(18.25 − 705.92) 2 + (171.25 − 705.92) 2 + ..... + (1625.33 − 705.92) 2 6 −1
= 320576.734 σˆ 2
=
=
(n − 1)s 2 n
(6 − 1)320576.734 6
= 267147.278 σˆ
=
σˆ 2
= 516.863
197 ⎛t −μ⎞ Cumulatif Probability = Φ ⎜ ⎟ ⎝ σ ⎠ ⎛ 18.25 − 705.92 ⎞ =Φ ⎜ ⎟ 516.863 ⎠ ⎝
= Φ (- 1.3305) = 0.0917 D1
⎧ ⎛ t − μ ⎞ i − 1⎫ = max ⎨Φ⎜ ⎟− ⎬ 1≤1≤ n n ⎭ ⎩ ⎝ σ ⎠
= 0.1766 D2
⎧i ⎛ t − μ ⎞⎫ = max ⎨ − Φ⎜ ⎟⎬ 1≤1≤ n n ⎝ σ ⎠⎭ ⎩
= 0.2035 Karena nilai Dmax = 0.2035 lebih kecil dari D crit,0.05 = 0.319 dan masuk daerah penerimaan maka terima Ho yang berarti data mengikuti distribusi normal. Hal ini didukung dengan hasil pengujian dengan Minitab 14.0 pada gambar 4.13.
198 Goodness of Fit TTF Komponen Damper ML Estimates-Complete Data Weibull
A nderson-D arling (adj) Weibull 2,184 Lognormal 2,294 E xponential 2,182 N ormal 2,170
Lognormal 99 90
50
P er cent
P er cent
90
10
50 10
1
10
100 C1
1000
1
10000
10
100
1000
10000
C1
E xponential
N ormal 99 90
50
P er cent
P er cent
90
10
50 10
1
10
100
1000
1 -1000
10000
C1
0
1000
2000
C1
Gambar 4.13 Goodness of Fit TTF Komponen Damper Distribution ID Plot: Damper Goodness-of-Fit
Distribution Weibull Lognormal Exponential Normal
Anderson-Darling (adj) 2,184 2,294 2,182 2,170
Table of MTTF
Distribution Weibull Lognormal Exponential Normal
Mean 707,80 1129,37 705,92 705,92
Standard Error 300,38 1026,56 288,19 231,15
95% Normal CI Lower Upper 308,082 1626,12 190,161 6707,36 317,141 1571,29 252,876 1158,96
Nilai A-D terkecil terdapat pada distribusi normal sebesar 2.170. Dengan demikian hasil pengujian manual dan minitab adalah sama yaitu data TTF komponen combustion filter berdistribusi normal.
199 4.2.2.19 Perhitungan Parameter Time To Repair (TTF) Komponen Damper
Berikut ini merupakan perhitungan parameter TTF komponen Damper dengan distribusi normal : o Least Square Estimation n ⎞ ⎞⎛ n ⎛ n n ∑ x i z i − ⎜⎜ ∑ x i ⎟⎟⎜⎜ ∑ z i ⎟⎟ i =1 ⎝ i = 1 ⎠⎝ i = 1 ⎠ = 2 n ⎞ ⎛ n 2 n ∑ x i − ⎜⎜ ∑ x i ⎟⎟ i =1 ⎝ i =1 ⎠
Gradien b
=
6(2683.7536) − (4235.5x 0.0000) = 0,001395274 6(4913370.4444) − (4235.5) 2
(nilai xi dan zi dapat dilihat pada tabel 4.47) = y- bx
Intersep a
= 0.0000 – (0.001395274)(705.92) = -0.9849 Parameter σˆ
=
1 b
= 1 / 0.001395274 = 716.7052846 = − aσˆ
Parameter μˆ
= -(-0.9849)( 716.7052846) = 705.92
o Maximum Likelihood Estimator μˆ
= x= t = 705.92 n
s2
=
∑ (t i =1
i
−t)
n −1
2
200 =
∑
n i −1
(18.25 − 705.92) 2 + (171.25 − 705.92) 2 + ..... + (1625.33 − 705.92) 2 6 −1 = 320576.734
σˆ 2
=
=
(n − 1)s 2 n
(6 − 1)320576.734 6
= 267147.278 σˆ
=
σˆ 2
= 516.863
4.2.2.20 Perhitungan Mean Time To Failure (MTTF) Komponen Damper
Berikut ini merupakan perhitungan MTTF komponen Damper dengan distribusi normal : MTTF = μ (MLE) = 705.92 jam ~ 30 hari
201 4.2.2.21 Index of Fit Time To Repair (TTR) Komponen Damper ● Index of Fit Distribusi Weibull Time To Repair (TTR)
Tabel 4.41 Index of fit TTR Distribusi Weibull Komponen Damper i
ti
xi = ln(ti)
F(ti)
yi
xi . yi
xi2
yi2
1 2 3 4 5 6 7 ∑
1,00 2,00 2,00 2,00 3,00 3,00 6,50 19,50
0,0000 0,6931 0,6931 0,6931 1,0986 1,0986 1,8718 6,1485
0,0946 0,2297 0,3649 0,5000 0,6351 0,7703 0,9054 3,5000
-2,3089 -1,3432 -0,7898 -0,3665 0,0082 0,3858 0,8579 -3,5565
0,0000 -0,9310 -0,5475 -0,2540 0,0090 0,4239 1,6058 0,3061
0,0000 0,4805 0,4805 0,4805 1,2069 1,2069 3,5036 7,3589
5,3309 1,8041 0,6238 0,1343 0,0001 0,1489 0,7360 8,7781
0,9283
r
● Index of Fit Distribusi Eksponensial Time To Repair (TTR)
Tabel 4.42 Index of fit TTR Distribusi Eksponensial Komponen Damper i
ti
xi = ti
F(ti)
yi
xi . yi
xi2
yi2
1 2 3 4 5 6 7 ∑
1,00 2,00 2,00 2,00 3,00 3,00 6,50 19,50
1,00 2,00 2,00 2,00 3,00 3,00 6,50 19,5000
0,0946 0,2297 0,3649 0,5000 0,6351 0,7703 0,9054 3,5000
0,0994 0,2610 0,4539 0,6931 1,0082 1,4709 2,3582 6,3447
0,0994 0,5220 0,9078 1,3863 3,0247 4,4126 15,3280 25,6808
1,0000 4,0000 4,0000 4,0000 9,0000 9,0000 42,2500 73,2500
0,0099 0,0681 0,2060 0,4805 1,0165 2,1634 5,5609 9,5053
r
0,9497
202 ● Index of Fit Distribusi Normal Time To Repair (TTR)
Tabel 4.43 Index of fit TTR Distribusi Normal Komponen Damper i
ti
xi = ti
F(ti)
yi=zi
xi . zi
xi 2
zi2
1 2 3 4 5 6 7 ∑
1,00 2,00 2,00 2,00 3,00 3,00 6,50 19,50
1,00 2,00 2,00 2,00 3,00 3,00 6,50 19,5000
0,0946 0,2297 0,3649 0,5000 0,6351 0,7703 0,9054 3,5000
-1,3130 -0,7397 -0,3455 0,0000 0,3455 0,7397 1,3130 0,0000
-1,3130 -1,4795 -0,6910 0,0000 1,0365 2,2192 8,5345 8,3067
1,0000 4,0000 4,0000 4,0000 9,0000 9,0000 42,2500 73,2500
1,7240 0,5472 0,1194 0,0000 0,1194 0,5472 1,7240 4,7811
0,8732
r
● Index of Fit Distribusi Lognormal Time To Repair (TTR)
Tabel 4.44 Index of fit TTR Distribusi Lognormal Komponen Damper i
ti
xi = ln(ti)
F(ti)
yi=zi
xi . zi
xi 2
zi2
1 2 3 4 5 6 7 ∑
1,00 2,00 2,00 2,00 3,00 3,00 6,50 19,50
0,0000 0,6931 0,6931 0,6931 1,0986 1,0986 1,8718 6,1485
0,0946 0,2297 0,3649 0,5000 0,6351 0,7703 0,9054 3,5000
-1,3130 -0,7397 -0,3455 0,0000 0,3455 0,7397 1,3130 0,0000
0,0000 -0,5127 -0,2395 0,0000 0,3796 0,8127 2,4577 2,8977
0,0000 0,4805 0,4805 0,4805 1,2069 1,2069 3,5036 7,3589
1,7240 0,5472 0,1194 0,0000 0,1194 0,5472 1,7240 4,7811
0,9470
r
Berikut ini adalah ringkasan nilai index of fit (r) TTR hasil keempat distribusi di atas : Tabel 4.45 Ringkasan Index of Fit TTR Damper Distribusi Combustion Filter
Weibull
Eksponensial
Normal
Lognormal
0.9283
0.9497
0.8732
0.9470
203 Berdasarkan perhitungan index of fit yang telah dilakukan maka didapatkan nilai r yang terbesar yaitu pada distribusi eksponensial. Selanjutnya untuk lebih yakin akan distribusi data perbaikan kerusakan maka akan dilakukan goodness of fit dengan Bartlett’s test untuk distribusi eksponensial.
4.2.2.22 Uji Kesesuaian Distribusi (Goodness of Fit) Time To Repair (TTR) Komponen Damper
Dari uji sebelumnya didapatkan nilai r terbesar pada distribusi eksponensial maka selanjutkan akan dilakukan Bartlett’s test. Hipotesa yang diujikan yaitu : Ho : Data waktu antar kerusakan berdistribusi ekponensial. Hi : Data waktu antar kerusakan tidak berdistribusi ekponensial. α = 0.05 Ho diterima bila X 2
α 1 − , r −1 2
< B < X 2α 2
, r −1
.
Tabel 4.46 Bartlett’s Test TTR Komponen Damper i 1 2 3 4 5 6 7 Σ B X2
α 1 − , r −1 2
X 2α 2
, r −1
ti ln ti 1,00 0,0000 2,00 0,6931 2,00 0,6931 2,00 0,6931 3,00 1,0986 3,00 1,0986 6,50 1,8718 19,50 6,1485 1,7187 1.24 14.40
204
Contoh perhitungan Bartlett’s test TTR komponen damper pada i=1 :
B
⎡ ⎛⎛ 1⎞ r ⎞ ⎛ 1 ⎞ r ⎤ 2r ⎢ln⎜⎜ ⎜ ⎟∑ t i ⎟⎟ − ⎜ ⎟∑ lnt i ⎥ ⎝ ⎝ r ⎠ i =1 ⎠ ⎝ r ⎠ i =1 ⎦ = ⎣ (r + 1) 1+ 6r ⎡ ⎛ 19.50 ⎞ ⎛ 1 ⎞ ⎤ 2(7) ⎢ln⎜ ⎟ − ⎜ ⎟6.1485⎥ ⎣ ⎝ 7 ⎠ ⎝7⎠ ⎦ = (7 + 1) 1+ 6(7)
= 1.7187 Dari nilai B hitung dapat dilihat bahwa nilai B = 1.7187 berada pada selang 1.24 dan 14.40 maka terima Ho yang berarti data adalah berdistribusi ekponensial. Untuk memperkuat hasil perhitungan manual, maka akan dilakukan perhitungan dengan Minitab 14.0 pada gambar 4.14. Goodness of Fit TTR Komponen Damper ML Estimates-Complete Data Weibull
A nderson-D arling (adj) Weibull 2,197 Lognormal 2,103 E xponential 2,616 N ormal 2,416
Lognormal 99 90
50
P er cent
P er cent
90
10
50 10
1 0,1
1,0 C1
1
10,0
1
10 C1
E xponential
N ormal 99 90
50
P er cent
P er cent
90
10
50 10
1 0,01
0,10
1,00 C1
10,00
1
0
2
4
6
C1
Gambar 4.14 Goodness of Fit TTR Komponen Damper
205 Distribution ID Plot: Damper Goodness-of-Fit
Distribution Weibull Lognormal Exponential Normal
Anderson-Darling (adj) 2,197 2,103 2,616 2,416
Table of MTTF
Distribution Weibull Lognormal Exponential Normal
Mean 2,80798 2,76831 2,78571 2,78571
Standard Error 0,60274 0,59087 1,05290 0,62153
95% Normal CI Lower Upper 1,84366 4,27667 1,82193 4,20627 1,32804 5,84333 1,56754 4,00389
Hasil pengujian goodness of fit dengan menggunakan Minitab dapat dilihat pada nilai AD (Anderson-Darling) terkecil. Dimana nilai A-D terkecil terdapat pada distribusi lognormal sebesar 2.103. Dengan demikian hasil pengujian manual dan minitab adalah tidak sama karena adanya perbedaan hasil akhir distribusi yang cocok. Untuk itu dilakukan kembali perhitungan manual untuk menguji apakah pola distribusi TTR komponen damper adalah lognormal. Pengujian distribusi lognormal didasarkan pada nilai r terbesar kedua adalah lognormal dan nilai AD terkecil dari perhitungan minitab juga adalah distribusi lognormal. Goodness of fit yang digunakan adalah Kolmogorov-Smirnov Test. Dengan hipotesis sebagai berikut :
Ho : Data waktu antar kerusakan berdistribusi lognormal. Hi : Data waktu antar kerusakan tidak berdistribusi lognormal. α = 0.05 Ho diterima bila hasil perhitungan D maksimum lebih kecil dari nilai D crit .
206 Tabel 4.47 Kolmogorov-Smirnov Test TTR Komponen Damper i
(i-1)/n
i/n
ti
ln ti
sˆ 2
1 t ln( ) s t med
Cumulatif Probability
D1(i)
D2(i)
1 2 3 4 5 6 7
0,00 0,14 0,29 0,43 0,57 0,71 0,86
0,14 0,29 0,43 0,57 0,71 0,86 1,00
1,00 2,00 2,00 2,00 3,00 3,00 6,50 μˆ tˆmed
0,00 0,69 0,69 0,69 1,10 1,10 1,87
0,1102 0,0049 0,0049 0,0049 0,0069 0,0069 0,1410
-1,6606 -0,3502 -0,3502 -0,3502 0,4164 0,4164 1,8782
0,0484 0,3631 0,3631 0,3631 0,6615 0,6615 0,9698
0,0484 0,2203 0,0774 -0,0655 0,0900 -0,0528 0,1127
0,0945 -0,0774 0,0655 0,2083 0,0528 0,1957 0,0302
D Max
0,2203
0,2083
sˆ
0,88 2,407 0,529
0,2798
Contoh perhitungan Kolmogorov-Smirnov test TTR komponen damper pada i = 1 (i-1)/n = (1-1) / 7 = 0.00 i/n
= 1/7 = 0.14
Ln ti = Ln (1.00) = 0.00 μˆ
n
=
∑ i =1
ln t i n
= 6.15 / 7 = 0.88 tˆmed
= e μˆ = e 0.88 = 2.407
207
sˆ
2
=
∑
=
∑
n i −1
(ln t i − μˆ ) 2 n
n i −1
(0.00 − 0.88) 2 + (0.69 − 0.88) 2 + ..... + (1.87 − 0.88) 2 7
= 0.2798 sˆ
=
sˆ 2
= 0.529 ⎛1 t Cumulatif Probability = Φ ⎜⎜ ln ⎝ s t med
⎞ ⎟⎟ ⎠
1.00 ⎞ ⎛ 1 =Φ ⎜ ln ⎟ ⎝ 0.529 2.407 ⎠ = Φ (- 1.6606) = 0.0484
D1
⎧ ⎛1 t = max ⎨Φ⎜⎜ ln 1≤1≤ n ⎩ ⎝ s t med
⎞ i − 1⎫ ⎟⎟ − ⎬ n ⎭ ⎠
= 0.2203 D2
⎧i ⎛1 t = max ⎨ − Φ⎜⎜ ln 1≤1≤ n n ⎝ s t med ⎩
⎞⎫ ⎟⎟⎬ ⎠⎭
= 0.2083 Karena nilai Dmax = 0.2283 lebih kecil dari D crit,0.05 = 0.300 dan masuk daerah penerimaan maka terima Ho yang berarti data mengikuti distribusi lognormal.
208 4.2.2.23 Perhitungan Parameter Time To Repair (TTR) Komponen Damper
Berikut ini merupakan perhitungan dari parameter TTR komponen damper dengan distribusi lognormal. Perhitungan parameter dapat dilakukan dengan 2 cara yaitu dengan : o Least Square Estimation n ⎞ ⎞⎛ n ⎛ n n ∑ x i z i − ⎜⎜ ∑ x i ⎟⎟⎜⎜ ∑ z i ⎟⎟ i =1 ⎝ i = 1 ⎠⎝ i = 1 ⎠ = 2 n ⎞ ⎛ n 2 n ∑ x i − ⎜⎜ ∑ x i ⎟⎟ i =1 ⎝ i =1 ⎠
Gradien b
=
7(2.8977) − (6.1485 x 0.0000) = 1.479637993 7(7.3589) − (6.1485) 2
(nilai xi dan zi dapat dilihat pada tabel 4.54) = y- bx
Intersep a
= 0.0000 – (1.479637993)(0.8784) = -1.2996 Estimated s
=
1 b
= 1 / 1.479637993 = 0.6758 Parameter tˆmed = e − sa = e −0.6758( -1.2996 ) = 2.4069
o Maximum Likelihood Estimator μˆ
n
=
∑ i =1
ln t i n
= 6.15 / 7 = 0.88 tˆmed
= e μˆ
209 = e 0.88 = 2.407
sˆ
2
=
∑
=
∑
n i −1
(ln t i − μˆ ) 2 n
n i −1
(0.00 − 0.88) 2 + (0.69 − 0.88) 2 + ..... + (1.87 − 0.88) 2 7
= 0.2798 sˆ
=
sˆ 2
= 0.529
4.2.2.24 Perhitungan Mean Time To Repair (MTTR) Komponen Turbine Control Exhaust
Berikut ini merupakan perhitungan MTTR komponen Turbine Control Exhaust dengan distribusi lognormal : MTTR = t med .e
s2 2
= 2.407 x e
(0.529) 2 2
= 2.7683 Jam
210 4.2.2.25 Hasil Rekapitulasi MTTF dan MTTR Komponen Kritis pada Gas Turbine dan Heat Recovery Steam Generator (HRSG)
Tindakan preventive maintenance yang diusulkan dapat dilakukan dalam bentuk pemeriksaan atau penentuan interval waktu untuk penggantian komponen kritis (replacement) ataupun penyesuaian setting dari komponen kritis. Berikut ini merupakan rekapitulasi hasil perhitungan identifikasi distribusi, parameter dan MTTF - MTTR komponen mesin gas turbine dan HRSG :
Tabel 4.48 Tabel Rekapitulasi Nilai MTTF Komponen Kritis pada Gas Turbine dan HRSG Komponen
Turbine Control Exhaust
Distribusi
Parameter
Kerusakan
Lognormal
Combustion Filter
Normal
Damper
Normal
s
= 0.871
t med = 286.419 μ
= 537.500
σ
= 328.903
μ
= 705.920
σ
= 516.863
MTTF (jam)
418.623
537.500 705.920
Aktifitas
Penyesuaian setting komponen Penyesuaian setting komponen Penyesuaian setting komponen
211 Tabel 4.49 Tabel Rekapitulasi Nilai MTTR Komponen Kritis pada Mesin Gas Turbine dan HRSG Komponen
Turbine Control Exhaust Combustion Filter
Damper
4.2.3
Distribusi
Parameter
Kerusakan
Lognormal
Weibull
Lognormal
s
= 0.246
t med = 0.460 β
= 2.789
θ
= 1.673
s
= 0.529
t med = 2.407
MTTR (jam)
0.475
1.506
2.768
Aktifitas
Penyesuaian setting komponen Penyesuaian setting komponen Penyesuaian setting komponen
Perhitungan dan Perbandingan Reliability Nilai Mean Time To Failure (MTTF) Preventive Maintenance Usulan dan Tanpa Preventive Maintenance Pada Mesin Gas Turbine
Perhitungan ini akan menghitung besarnya tingkat reliability sebelum dilakukan Preventive Maintenance (R(t)) dan tingkat Reliability setelah dilakukan Preventive Maintenance (Rm(t)). Diharapkan dengan dilakukannya Preventive Maintenance yang
diusulkan maka akan berdampak pada pengingkatan keandalan (reliability) komponen kritis. Preventive maintenance merupakan salah satu cara untuk meningkatkan atau
mencapai reliability yang diinginkan dari sebuah mesin. Kehandalan merupakan probabilitas sistem atau komponen akan berfungsi hingga waktu tertentu (t). Model kehandalan berikut ini mengasumsikan sistem kembali kepada kondisi semula atau kondisi baru setelah menjalani tindakan preventive maintenance, baik berupa tindakan penggantian pencegahan breakdown ataupun adjustment komponen.
212 Untuk komponen yang menerapkan pelaksanaan preventive maintenance dengan cara penyesuaian setting komponen, diasumsikan bahwa reliability mesin tercapai apabila komponen-komponen pada mesin dapat berfungsi dengan baik tanpa terjadi gangguan atau terjadinya kerusakan. Dengan kata lain, kehandalan dari komponen harus tetap terjaga untuk mendukung operasional mesin secara optimal. Perhitungan MTTF dilakukan pada tiga komponen kritis, yaitu komponen Turbine Control Exhaust, Combustion Filter pada mesin gas turbine dan Damper pada mesin HRSG. Oleh karena
itu, perhitungan reliability yang akan dilakukan akan difokuskan pada reliability dari ketiga komponen tersebut. Tabel 4.50 Target Reliability Perusahaan Mesin Gas Turbine HRSG
Target Reliability 85% 80%
4.2.3.1 Perhitungan Reliability Komponen Turbine Control Exhaust
Berdasarkan perhitungan goodness of fit pada MTTF komponen turbine control exhaust yang berdistribusi lognormal, maka simulasi perhitungan reliability juga akan
dilakukan berdasarkan distribusi lognormal. Simulasi dilakukan selama 720 jam atau selama satu bulan untuk melihat apakah ada pengaruh perubahan terhadap reliability, antara sebelum menerapkan dan sesudah menerapkan preventive maintenance yang diusulkan. Perhitungan dilakukan dengan target reliability sebesar 85% :
213 Tabel 4.51 Simulasi Perhitungan Reliability Komponen Turbine Control Exhaust t
ln(t/tmed)
ln(t/tmed)/s
Ф[ln(t/tmed)/s]
R(t)
n
(t-nT)
24 48 72 96 120 144 168 192 216 240 264 288 312 336 360 384 408 418,623 432 456 480 504 528 552 576 600 624 648 672 700 720
-2,4794 -1,7863 -1,3808 -1,0931 -0,8700 -0,6876 -0,5335 -0,4000 -0,2822 -0,1768 -0,0815 0,0055 0,0855 0,1597 0,2286 0,2932 0,3538 0,3795 0,4110 0,4650 0,5163 0,5651 0,6116 0,6561 0,6987 0,7395 0,7787 0,8164 0,8528 0,8936 0,9218
-2,8466 -2,0508 -1,5853 -1,2550 -0,9988 -0,7895 -0,6125 -0,4592 -0,3240 -0,2030 -0,0936 0,0063 0,0982 0,1833 0,2625 0,3366 0,4062 0,4357 0,4718 0,5339 0,5928 0,6488 0,7022 0,7533 0,8021 0,8490 0,8940 0,9374 0,9791 1,0260 1,0583
0,0022 0,0201 0,0564 0,1047 0,1589 0,2149 0,2701 0,3230 0,3730 0,4196 0,4627 0,5025 0,5391 0,5727 0,6035 0,6318 0,6577 0,6685 0,6815 0,7033 0,7233 0,7418 0,7587 0,7744 0,7888 0,8021 0,8143 0,8257 0,8362 0,8475 0,8550
0,9978 0,9799 0,9436 0,8953 0,8411 0,7851 0,7299 0,6770 0,6270 0,5804 0,5373 0,4975 0,4609 0,4273 0,3965 0,3682 0,3423 0,3315 0,3185 0,2967 0,2767 0,2582 0,2413 0,2256 0,2112 0,1979 0,1857 0,1743 0,1638 0,1525 0,1450
0 0 0 0 1 1 1 1 1 2 2 2 2 2 3 3 3 3 3 3 4 4 4 4 4 5 5 5 5 6 6
24 48 72 96 4 28 52 76 100 8 32 56 80 104 12 36 60 70,623 84 108 16 40 64 88 112 20 44 68 92 4 24
ln((t-nT) /tmed)/s -2,8466 -2,0508 -1,5853 -1,2550 -4,9037 -2,6696 -1,9589 -1,5232 -1,2081 -4,1079 -2,5163 -1,8738 -1,4643 -1,1631 -3,6424 -2,3811 -1,7946 -1,6075 -1,4083 -1,1198 -3,3121 -2,2601 -1,7205 -1,3549 -1,0780 -3,0559 -2,1507 -1,6509 -1,3039 -4,9037 -2,8466
Ф{ln[(t-nT) /tmed]/s} 0,0022 0,0201 0,0564 0,1047 0,0000 0,0038 0,0251 0,0639 0,1135 0,0000 0,0059 0,0305 0,0716 0,1224 0,0001 0,0086 0,0364 0,0540 0,0795 0,1314 0,0005 0,0119 0,0427 0,0877 0,1405 0,0011 0,0157 0,0494 0,0961 0,0000 0,0022
R(t-nT)
Rm(t)
0,9978 0,9799 0,9436 0,8953 1,0000 0,9962 0,9749 0,9361 0,8865 1,0000 0,9941 0,9695 0,9284 0,8776 0,9999 0,9914 0,9636 0,9460 0,9205 0,8686 0,9995 0,9881 0,9573 0,9123 0,8595 0,9989 0,9843 0,9506 0,9039 1,0000 0,9978
0,9978 0,9799 0,9436 0,8953 0,8503 0,8471 0,8290 0,7960 0,7538 0,7230 0,7187 0,7010 0,6713 0,6345 0,6147 0,6095 0,5924 0,5816 0,5659 0,5340 0,5225 0,5165 0,5004 0,4769 0,4493 0,4440 0,4375 0,4225 0,4018 0,3780 0,3771
Contoh perhitungan reliability MTTF komponen Turbine Control Exhaust t = 24 : tmed = 286.4190 s = 0.8710 T = 116 jam (penyesuaian setting) MTTF = 418.623
214 Maka : R(t)
⎛ ln(t / t med ) ⎞ = 1- Φ ⎜ ⎟ s ⎝ ⎠
⎛ ln(24 / 286.419) ⎞ R(24) = 1- Φ ⎜ ⎟ = 1 – 0.0022 = 0.9978 0.8710 ⎝ ⎠
Bila kita lihat antara t96 dan t120, maka kita dapatkan angka Reliability R(t), pada R(96) sebesar 0.8953 (89.53%) dan R(120) sebesar 0.8411 (84.11%). Untuk memenuhi target reliability yang diharapkan R(T) yaitu 85% maka perhitungan waktu antara t96 sampai dengan t120 dilakukan dengan cara trial dan error, angka percobaan yang diambil yaitu t116, maka perhitungannya adalah: R(T)
⎛ ln(t / t med ) ⎞ = 1- Φ ⎜ ⎟ s ⎝ ⎠
R(116)
⎛ ln(116 / 286.419) ⎞ = 1- Φ ⎜ ⎟ = 1 - 0.1497 = 0.8503 0.8710 ⎝ ⎠
Jadi, reliability pada saat t = 116 atau R(116) adalah 0.8503 (85%), maka memenuhi syarat reliability yang diharapkan. R(t-nT)
⎛ ln((t − nT ) / t med ) ⎞ = 1 − Φ⎜ ⎟ s ⎝ ⎠ ⎛ ln((24 − (0 × 116) / 286.419) ⎞ = 1 − Φ⎜ ⎟ = 0.9978 0.8710 ⎝ ⎠
Rm(t)
= R (T ) n × R(t − nT ) = R(116) 0 × 0.9978 = 1.0000* 0.9978 = 0.9978
215 Perusahaan menginginkan reliabillity sebesar 85%, sedangkan reliability R(t) yang dapat dicapai hanya sebesar 33% sebelum menerapkan preventive maintenance, nilai reliability ini dapat dilihat pada saat MTTF. Oleh karena itu perlu adanya suatu tindakan untuk memperbaiki keadaan ini. Berdasarkan simulasi didapatkan interval waktu perawatan adalah setiap 116 jam, interval waktu perawatan tersebut adalah waktu yang diusulkan untuk melakukan tindakan preventive maintenance. Dengan interval waktu penyesuaian setting komponen tersebut maka didapatkan nilai reliablity sesudah preventive maintenance sebesar 58.16% pada saat MTTF sehingga terjadi peningkatan :
Peningkatan Reliability =
=
Rm(t) - R(t) x 100% R(t)
0.5816 - 0.3315 x 100% 0.3315
= 75.44 % reliability sebelumnya Berikut ini merupakan grafik perbandingan reliability dari sebelum dan sesudah preventive maintenance yang disusulkan : Grafik Perbandingan Reliability Turbine Control Exhaust 1,2000
Reliability (R)
1,0000 0,8000 R(t)
0,6000
Rm(t)
0,4000 0,2000 0,0000 1
3
5
7
9
11
13
15
17
19
21
23
25
27
29
31
Time To Failure (t)
Gambar 4.15 Grafik Reliability Komponen Turbine Control Exhaust
216 4.2.3.2 Perhitungan dan Perbandingan Reliability nilai MTTF Pada Komponen Combustion Filter
Berdasarkan perhitungan goodness of fit pada MTTF komponen combustion filter yang berdistribusi normal, maka simulasi perhitungan reliability juga akan
dilakukan berdasarkan distribusi normal. Simulasi dilakukan selama 720 jam atau selama satu bulan untuk melihat apakah ada pengaruh perubahan terhadap reliability, antara sebelum menerapkan dan sesudah menerapkan preventive maintenance yang diusulkan. Perhitungan dilakukan dengan target reliability sebesar 85% : Tabel 4.52 Simulasi Perhitungan Reliability Komponen Combustion Filter t
(t-μ)
(t-μ)/σ
Φ(t-μ)/σ
R(t)
n
R(T)n
R(t-nT)
Rm(t)
24
-513,5000
-1,5613
0,0592
0,9408
0
1,0000
0,9408
0,9408
48
-489,5000
-1,4883
0,0683
0,9317
0
1,0000
0,9317
0,9317
72
-465,5000
-1,4153
0,0785
0,9215
0
1,0000
0,9215
0,9215
96
-441,5000
-1,3423
0,0897
0,9103
0
1,0000
0,9103
0,9103
120
-417,5000
-1,2694
0,1022
0,8978
0
1,0000
0,8978
0,8978
144
-393,5000
-1,1964
0,1158
0,8842
0
1,0000
0,8842
0,8842
168
-369,5000
-1,1234
0,1306
0,8694
0
1,0000
0,8694
0,8694
192
-345,5000
-1,0505
0,1468
0,8532
0
1,0000
0,8532
0,8532
196
-341,5000
-1,0383
0,1496
0,8504
1
0,8504
0,9489
0,8070
216
-321,5000
-0,9775
0,1642
0,8358
1
0,8504
0,9422
0,8013
240
-297,5000
-0,9045
0,1829
0,8171
1
0,8504
0,9333
0,7937
264
-273,5000
-0,8316
0,2028
0,7972
1
0,8504
0,9233
0,7852
288
-249,5000
-0,7586
0,2241
0,7759
1
0,8504
0,9122
0,7758
312
-225,5000
-0,6856
0,2465
0,7535
1
0,8504
0,9000
0,7654
336
-201,5000
-0,6126
0,2701
0,7299
1
0,8504
0,8866
0,7540
360
-177,5000
-0,5397
0,2947
0,7053
1
0,8504
0,8719
0,7415
384
-153,5000
-0,4667
0,3204
0,6796
1
0,8504
0,8560
0,7280
408
-129,5000
-0,3937
0,3469
0,6531
2
0,7232
0,9436
0,6824
432
-105,5000
-0,3208
0,3742
0,6258
2
0,7232
0,9348
0,6761
456
-81,5000
-0,2478
0,4021
0,5979
2
0,7232
0,9250
0,6690
480
-57,5000
-0,1748
0,4306
0,5694
2
0,7232
0,9141
0,6611
504
-33,5000
-0,1019
0,4594
0,5406
2
0,7232
0,9021
0,6524
217 Tabel 4.53 Simulasi Perhitungan Reliability Komponen Combustion Filter (Lanjutan)
t
(t-μ)
(t-μ)/σ
Φ(t-μ)/σ
R(t)
n
R(T)n
R(t-nT)
Rm(t)
528
-9,5000
-0,0289
0,4885
0,5115
2
0,7232
0,8889
0,6429
537,5
0,0000
0,0000
0,5000
0,5000
2
0,7232
0,8833
0,6389
552
14,5000
0,0441
0,5176
0,4824
2
0,7232
0,8745
0,6324
576
38,5000
0,1171
0,5466
0,4534
2
0,7232
0,8588
0,6211
600
62,5000
0,1900
0,5754
0,4246
3
0,6151
0,9449
0,5812
624
86,5000
0,2630
0,6037
0,3963
3
0,6151
0,9363
0,5759
648
110,5000
0,3360
0,6316
0,3684
3
0,6151
0,9267
0,5700
672
134,5000
0,4089
0,6587
0,3413
3
0,6151
0,9160
0,5634
696
158,5000
0,4819
0,6851
0,3149
3
0,6151
0,9042
0,5561
720
182,5000
0,5549
0,7105
0,2895
3
0,6151
0,8912
0,5481
Contoh perhitungan reliability MTTF komponen Turbine Control Exhaust t = 24 : μ = 537.5000 σ = 328.9030 T = 196 jam (penyesuaian setting) MTTF = 537.5000 Maka : R(t)
⎛t −μ⎞ = 1 − Φ⎜ ⎟ ⎝ σ ⎠
⎛ 24 − 537.500 ⎞ R(24) = 1- Φ ⎜ ⎟ = 1 – 0.0592 = 0.9408 ⎝ 328.9030 ⎠
Bila kita lihat antara t192 dan t216, maka kita dapatkan angka Reliability R(t), pada R(192) sebesar 0.8532 (85.32%) dan R(216) sebesar 0.8358 (83.58%). Untuk memenuhi target reliability yang diharapkan R(T) yaitu 85% maka perhitungan waktu antara t192 sampai dengan t216
218 dilakukan dengan cara trial dan error, angka percobaan yang diambil yaitu t196, maka perhitungannya adalah: R(T)
⎛T −μ ⎞ = 1 − Φ⎜ ⎟ ⎝ σ ⎠
R(196)
⎛ 196 − 537.5000 ⎞ = 1- Φ ⎜ ⎟ = 1 - 0.1496 = 0.8504 ⎝ 328.9030 ⎠
Jadi, reliability pada saat t = 196 atau R(196) adalah 0.8504 (85%), maka memenuhi syarat reliability yang diharapkan. 0
R(T)n
⎛t −μ ⎞ = 1 − Φ⎜ ⎟ ⎝ σ ⎠
R(t-nT)
⎛ (t − nT ) − μ ⎞ = 1 − Φ⎜ ⎟ σ ⎝ ⎠
= 1.0000
⎛ (24 − (0 × 196) − 537.5000 ⎞ = 1 − Φ⎜ ⎟ = 0.9408 328.9030 ⎝ ⎠
Rm(t)
= R (T ) n × R(t − nT ) = R(196) 0 × 0.9408 = 1.0000* 0.9408 = 0.9408
Perusahaan menginginkan reliabillity sebesar 85%, sedangkan reliability R(t) yang dapat dicapai hanya sebesar 50% sebelum menerapkan preventive maintenance, nilai reliability ini dapat dilihat pada saat MTTF. Oleh karena itu perlu adanya suatu tindakan untuk memperbaiki keadaan ini. Berdasarkan simulasi didapatkan interval waktu perawatan adalah setiap 196 jam, interval waktu perawatan tersebut adalah waktu yang diusulkan untuk melakukan tindakan preventive maintenance. Dengan interval
219 waktu penyesuaian setting komponen tersebut maka didapatkan nilai reliablity sesudah preventive maintenance sebesar 63.89% pada saat MTTF sehingga terjadi peningkatan : Rm(t) - R(t) x 100% R(t)
Peningkatan Reliability =
0.6389 - 0.5000 x 100% 0.5000
=
= 27.78 % reliability sebelumnya
Berikut ini merupakan grafik perbandingan reliability dari sebelum dan sesudah preventive maintenance yang disusulkan : Grafik Perbandingan Reliability Combustion Filter 1,0000
Reliability (R)
0,9000 0,8000 0,7000 0,6000
R(t)
0,5000
Rm(t)
0,4000 0,3000 0,2000 0,1000 0,0000 1
3
5
7
9
11
13
15
17
19
21
23
25
27
29
31
Time To Failure (t)
Gambar 4.16 Grafik Reliability Komponen Combustion Filter
220 4.2.3.3 Perhitungan dan Perbandingan Reliability nilai MTTF Pada Komponen Damper
Cara perhitungan simulasi reliability untuk komponen Damper yang berdistribusi normal sama dengan komponen combustion filter. Hanya saja untuk perhitungan komponen damper yang berada pada mesin HRSG, menggunakan target reliability yang berbeda yaitu sebesar 80%. Hal ini didasarkan pada target yang diharapkan dari perusahaan untuk mesin HRSG. μ = 705.920 σ = 516.8629 T = 271 jam (penyesuaian setting) MTTF = 705.920 Tabel 4.54 Simulasi Perhitungan Reliability Komponen Damper t
(t-μ)
(t-μ)/σ
Φ(t-μ)/σ
R(t)
n
R(T)n
R(t-nT)
Rm(t)
24
-681,9200
-1,3193
0,0935
0,9065
0
1,0000
0,9065
0,9065
48
-657,9200
-1,2729
0,1015
0,8985
0
1,0000
0,8985
0,8985
72
-633,9200
-1,2265
0,1100
0,8900
0
1,0000
0,8900
0,8900
96
-609,9200
-1,1800
0,1190
0,8810
0
1,0000
0,8810
0,8810
120
-585,9200
-1,1336
0,1285
0,8715
0
1,0000
0,8715
0,8715
144
-561,9200
-1,0872
0,1385
0,8615
0
1,0000
0,8615
0,8615
168
-537,9200
-1,0407
0,1490
0,8510
0
1,0000
0,8510
0,8510
170
-535,9200
-1,0369
0,1499
0,8501
0
1,0000
0,8501
0,8501
192
-513,9200
-0,9943
0,1600
0,8400
0
1,0000
0,8400
0,8400
196
-509,9200
-0,9866
0,1619
0,8381
0
1,0000
0,8381
0,8381
216
-489,9200
-0,9479
0,1716
0,8284
0
1,0000
0,8284
0,8284
222
-483,9200
-0,9363
0,1746
0,8254
0
1,0000
0,8254
0,8254
240
-465,9200
-0,9014
0,1837
0,8163
0
1,0000
0,8163
0,8163
264
-441,9200
-0,8550
0,1963
0,8037
0
1,0000
0,8037
0,8037
271
-434,9200
-0,8415
0,2000
0,8000
1
0,8000
0,9140
0,7312
288
-417,9200
-0,8086
0,2094
0,7906
1
0,8000
0,9087
0,7269
312
-393,9200
-0,7621
0,2230
0,7770
1
0,8000
0,9009
0,7206
221 Tabel 4.55 Simulasi Perhitungan Reliability Komponen Damper (Lanjutan) t
(t-μ)
(t-μ)/σ
Φ(t-μ)/σ
R(t)
n
R(T)n
R(t-nT)
Rm(t)
360
-345,9200
-0,6693
0,2517
0,7483
1
0,8000
0,8837
0,7069
384
-321,9200
-0,6228
0,2667
0,7333
1
0,8000
0,8743
0,6994
408
-297,9200
-0,5764
0,2822
0,7178
1
0,8000
0,8645
0,6916
432
-273,9200
-0,5300
0,2981
0,7019
1
0,8000
0,8541
0,6833
456
-249,9200
-0,4835
0,3144
0,6856
1
0,8000
0,8432
0,6746
480
-225,9200
-0,4371
0,3310
0,6690
1
0,8000
0,8318
0,6654
504
-201,9200
-0,3907
0,3480
0,6520
1
0,8000
0,8199
0,6559
528
-177,9200
-0,3442
0,3653
0,6347
1
0,8000
0,8075
0,6459
552
-153,9200
-0,2978
0,3829
0,6171
2
0,6399
0,9109
0,5829
576
-129,9200
-0,2514
0,4008
0,5992
2
0,6399
0,9032
0,5780
600
-105,9200
-0,2049
0,4188
0,5812
2
0,6399
0,8950
0,5727
624
-81,9200
-0,1585
0,4370
0,5630
2
0,6399
0,8863
0,5672
648
-57,9200
-0,1121
0,4554
0,5446
2
0,6399
0,8771
0,5613
672
-33,9200
-0,0656
0,4738
0,5262
2
0,6399
0,8674
0,5551
696
-9,9200
-0,0192
0,4923
0,5077
2
0,6399
0,8572
0,5485
705,92
0,0000
0,0000
0,5000
0,5000
2
0,6399
0,8528
0,5457
720
14,0800
0,0272
0,5109
0,4891
2
0,6399
0,8465
0,5417
Hasil perhitungan menunjukan reliability sebesar 50% sebelum menerapkan preventive maintenance pada saat MTTF. Sedangkan target yang ingin dicapai
perusahaan adalah 80%. Berdasarkan simulasi didapatkan interval waktu perawatan yang dilakukan adalah setiap 271 jam untuk mencapai reliability 80%. Dengan interval waktu penyesuaian setting komponen tersebut maka didapatkan nilai reliablity sesudah preventive maintenance sebesar 54.57% pada saat MTTF sehingga terjadi peningkatan :
Peningkatan Reliability =
=
Rm(t) - R(t) x 100% R(t)
0.5457 - 0.5000 x 100% 0.5000
= 9.14% reliability sebelumnya
222 Berikut ini merupakan grafik perbandingan reliability dari sebelum dan sesudah penerapan preventive maintenance yang diusulkan : Grafik Perbandingan Reliability Komponen Damper 1,0000
Reliability (R)
0,9000 0,8000 0,7000 0,6000
R(t)
0,5000
Rm(t)
0,4000 0,3000 0,2000 0,1000 0,0000 1
3
5
7
9
11
13
15
17
19
21
23
25
27
29
31
33
Time To Failure (t)
Gambar 4.17 Grafik Reliability Komponen Damper
4.2.4
Perhitungan Maintenance Hour per Operating Hour (MH/OH)
Setelah didapatkan interval perawatan dari masing-masing komponen, maka akan dilakukan pengecekan apakah interval waktu pemeliharaan yang akan diterapkan tersebut telah memenuhi syarat perusahaan bahwa kegiatan maintenance harus kurang dari 2 jam setiap 100 jam operasi mesin. Hal ini dimaksudkan agar jangan sampai interval pemeliharaan yang akan diterapkan mengganggu operasional mesin yang berjalan. ¾ Komponen Turbine Control Exhaust
Diketahui :
MTTF = 418.623 jam MTTR = 0.475 jam Mean Preventive Maintenance Time (MPMT) = 20 m ~ 0.333 jam Interval pemeliharaan = 116 jam Target MH/OH < 0.02
223 Tabel 4.56 Maintenance Hour per Operational Hour (MH/OH) Komponen Turbine Control Exhaust
t 24 48 56 72 96 116 120 135 144 168 192 216 240 264 288 312 336 360 384 408 432 456 480 504 528 552 576 600 624 648 672 696
m(t) 1,720 1,720 1,720 1,720 1,720 1,720 1,720 1,720 1,720 1,720 1,720 1,720 1,720 1,720 1,720 1,720 1,720 1,720 1,720 1,720 1,720 1,720 1,720 1,720 1,720 1,720 1,720 1,720 1,720 1,720 1,720 1,720
MH/OH 0,044 0,023 0,020 0,016 0,013 0,011 0,011 0,010 0,009 0,008 0,007 0,007 0,006 0,006 0,006 0,005 0,005 0,005 0,005 0,005 0,005 0,004 0,004 0,004 0,004 0,004 0,004 0,004 0,004 0,004 0,004 0,004
Contoh Perhitungan pada t = 56 : m(t)
= 720 / MTTF = 720 / 418.623 = 1.720
224
MH/OH
=
=
m(t ) × MTTR × CREW + (t / t pm ) × MPMT × CREW pm t
1.720 × 0.475 × 2 + (720 / 56) × 0.333 × 3 720
= 0.02 Dapat dilihat bahwa interval pemeliharaan yang dianjurkan adalah setelah melewati 56 jam operasional mesin, karena jika pemeliharaan dilakukan sebelum 56 jam operasional mesin akan membuat kegiatan pemeliharaan menjadi pengganggu bagi operasional mesin. Interval pemeliharaan usulan dilakukan setiap 116 jam, oleh karena itu maka interval yang diusulkan telah memenuhi syarat spesifikasi dimana MH/OH (116) = 0.011 < MH/OH (56) = 0.02.
¾ Komponen Combustion Filter
Diketahui :
MTTF = 537.500 jam MTTR = 1.506 jam Mean Preventive Maintenance Time (MPMT) = 45 m ~ 0.75 jam Interval pemeliharaan = 196 jam Target MH/OH < 0.02
225 Tabel 4.57 Maintenance Hour per Operational Hour (MH/OH) Komponen Combustion Filter t 24 48 72 96 120 144 152 168 184 192 196 216 240 264 288 312 336 360 384 408 432 456 480 504 528 552 576 600 624 648 672 696
m(t) 1,340 1,340 1,340 1,340 1,340 1,340 1,340 1,340 1,340 1,340 1,340 1,340 1,340 1,340 1,340 1,340 1,340 1,340 1,340 1,340 1,340 1,340 1,340 1,340 1,340 1,340 1,340 1,340 1,340 1,340 1,340 1,340
MH/OH 0,099 0,052 0,037 0,029 0,024 0,021 0,020 0,019 0,018 0,017 0,017 0,016 0,015 0,014 0,013 0,013 0,012 0,012 0,011 0,011 0,011 0,011 0,010 0,010 0,010 0,010 0,010 0,009 0,009 0,009 0,009 0,009
Contoh Perhitungan pada t = 152 : m(t)
= 720 / MTTF = 720 / 537.500 = 1.340
226
MH/OH
=
=
m(t ) × MTTR × CREW + (t / t pm ) × MPMT × CREW pm t
1.340 × 1.506 × 2 + (720 / 152) × 0.75 × 3 720
= 0.02 Dapat dilihat bahwa interval pemeliharaan yang dianjurkan adalah setelah melewati 152 jam operasional mesin, karena jika pemeliharaan dilakukan sebelum 152 jam operasional mesin akan membuat kegiatan pemeliharaan menjadi pengganggu bagi operasional mesin. Interval pemeliharaan usulan dilakukan setiap 196 jam, oleh karena itu maka interval yang diusulkan telah memenuhi syarat spesifikasi dimana MH/OH (196) = 0.017 < MH/OH (152) = 0.02.
¾ Komponen Damper
Diketahui :
MTTF = 705.920 jam MTTR = 2.768 jam Mean Preventive Maintenance Time (MPMT) = 60 m ~ 1 jam Interval pemeliharaan = 271 jam Target MH/OH < 0.02
227 Tabel 4.58 Maintenance Hour per Operational Hour (MH/OH) Komponen Damper t 24 48 72 96 120 144 168 192 216 238 240 264 270 271 288 312 336 360 384 408 432 456 480 504 528 552 576 600 624 648 672 696
m(t) 1,020 1,020 1,020 1,020 1,020 1,020 1,020 1,020 1,020 1,020 1,020 1,020 1,020 1,020 1,020 1,020 1,020 1,020 1,020 1,020 1,020 1,020 1,020 1,020 1,020 1,020 1,020 1,020 1,020 1,020 1,020 1,020
MH/OH 0,133 0,070 0,050 0,039 0,033 0,029 0,026 0,023 0,022 0,020 0,020 0,019 0,019 0,019 0,018 0,017 0,017 0,016 0,016 0,015 0,015 0,014 0,014 0,014 0,014 0,013 0,013 0,013 0,013 0,012 0,012 0,012
Contoh Perhitungan pada t = 152 : m(t)
= 720 / MTTF = 720 / 705.920 = 1.020
228
MH/OH
=
=
m(t ) × MTTR × CREW + (t / t pm ) × MPMT × CREW pm t
1.020 × 2.768 × 2 + (720 / 238) × 1 × 3 720
= 0.02 Dapat dilihat bahwa interval pemeliharaan yang dianjurkan adalah setelah melewati 238 jam operasional mesin, karena jika pemeliharaan dilakukan sebelum 238 jam operasional mesin akan membuat kegiatan pemeliharaan menjadi pengganggu bagi operasional mesin. Interval pemeliharaan usulan dilakukan setiap 271 jam, oleh karena itu maka interval yang diusulkan telah memenuhi syarat spesifikasi dimana MH/OH (271) = 0.019 < MH/OH (238) = 0.02.
4.2.5
Perbandingan Downtime Sebelum dan Sesudah Penerapan Preventive Maintenance Usulan
Berikut ini merupakan perbandingan total downtime yang terjadi antara sebelum dan sesudah menerapkan preventive maintenance yang diusulkan. Untuk perhitungannya menggunakan asumsi bahwa setiap kali terjadi kerusakan atau perawatan tidak pernah terjadi secara bersamaan. Sehingga downtime dapat dihitung untuk setiap satu komponen. ¾ Jam kerja per bulan = 24 jam x 30 hari = 720 jam
a. Downtime rata-rata per bulan sebelum menerapkan perawatan usulan :
Turbine Control Exhaust
= 4.75 jam / 7 bulan
= 0.679 jam
Combustion Filter
= 10.50 jam / 7 bulan
= 1.5
jam
229
Damper
= 19.50 jam / 7 bulan
Jumlah total downtime per bulan
= 2.786 jam + = 4.965 jam
b. Downtime rata-rata per bulan sesudah Preventive Maintenance usulan:
Turbine Control Exhaust o Interval pemeliharaan
= 116 jam
o Pemeliharaan dalam 1 bulan = 720 / 116 = 6.21 ~ 6 kali o Waktu pemeliharaan = 20 menit o Downtime per bulan = 6 x 20 = 120 menit ~ 2 jam
Combustion Filter o Interval pemeliharaan = 196 jam o Pemeliharaan dalam 1 bulan = 720 / 196 = 3.67 ~ 3 kali o Waktu pemeliharaan = 45 menit o Downtime per bulan = 3 x 45 = 135 menit ~ 2.25 jam
Damper o Interval pemeliharaan = 271 jam o Pemeliharaan dalam 1 bulan = 720 / 271 = 2.65 ~ 2 kali o Waktu pemeliharaan = 60 menit o Downtime per bulan = 2 x 60 = 120 menit ~ 2 jam
Jadi jumlah downtime per bulan setelah preventive maintenance: = 2 jam + 2.25 jam + 2 jam = 6.25 jam
230 4.2.6
Perbandingan Biaya Sebelum dan Sesudah Penerapkan Preventive Maintenance Usulan
Jika sebuah perusahaan menetapkan untuk melakukan pemeliharaan mesin maka akan timbul pengeluaran biaya yang ditujukan untuk menunjang kegiatan tersebut. Dan jika terjadi kerusakan pada mesin maka juga akan muncul biaya kerugian yang diakibatkan kerusakan tersebut. Perhitungan dibawah ini akan membanding besarnya pengeluaran antara biaya untuk melakukan pemeliharaan dengan biaya kerugian saat mesin rusak atau dengan kata lain tidak menerapkan pemeliharaan yang diusulkan.
4.2.6.1 Komposisi Biaya Kerugian
Setiap kali terjadi kerusakan pada mesin gas turbine dan HRSG ini maka mesin akan dimatikan namun gas dari PGN akan terus mengalir. Selain itu untuk mencukupi kebutuhan daya listrik dan uap pabrik kertas IKPP, maka akan dinyalakan mesin backup dengan biaya yang lebih mahal. Yang pada akhirnya akan menyebabkan terjadi kerugian biaya produksi yang sudah dikeluarkan yaitu untuk bahan baku, operasional mesin backup dan tenaga kerja. ●
Bahan Baku Kapasitas produksi gas turbine per jam = 7 MWh Kapasitas produksi HRSG per jam = 40 ton/jam Harga gas industri : Rp. 1.800,00 /m3 1 KWh daya listrik dihasilkan oleh 0.38 m3 gas dari PGN, jadi gas yang terbuang setiap jam nya jika gas turbine mengalami gangguan adalah : = 7 MWh / 1KWh * 0.38 m3 = 2660 m3
231 4.8 ton uap dihasilkan oleh penggunaan 50 m3 gas, jadi gas yang terbuang setiap jam nya jika HRSG mengalami gangguan adalah : = 40 ton / 4.8 ton * 50 m3 = 416.667 m3 Total biaya gas yang terbuang : = ( 2660 m3 + 416.667m3 ) * Rp. 1.800,00 /m3 = Rp. 5.538.000,00 Tabel 4.59 Biaya Bahan Baku per Jam 3
Mesin
Bahan Baku
Jumlah 3 Pemakaian (m )
Harga/m (Rp)
Gas Turbine HRSG
Gas Gas
2660 416,667
1800 1800
●
Harga Total (Rp) 4.788.000,00 750.000,00
Operasional Mesin Pengganti Jika gas turbine tidak dapat memenuhi daya listrik yang seharusnya diproduksi, maka untuk menjaga pasokan listrik ke pabrik kertas IKPP akan dijalankan diesel engine yang menggunakan bahan bakar solar. Sedangkan jika HRSG tidak dapat menghasilkan uap yang diharapkan, maka akan dipenuhi oleh operasi dari coal fired boiler (CFB) yang berbahan bakar batu bara. Berikut adalah perkiraan dari operasional mesin pengganti : 1 KWh dihasilkan oleh 0.3 Liter solar 1 ton uap setara dengan 140 kg batu bara Harga 1 Liter solar industri = Rp. 6.700,00 Harga 1 ton batu bara = Rp. 550.000,00 ~ Rp. 550,00 / kg
232 Biaya operasional diesel engine = 7 MWh / 1 KWh * 0.3 Liter * Rp. 6.700,00 = Rp. 14.070.000,00 Biaya operasional coal fired boiler = 40 ton uap / 1 ton uap * 140 kg * Rp. 550,00 = Rp. 3.080.000,00 ●
Tenaga Kerja 1 hari = 3 shift @ 8 jam Tabel 4.60 Biaya Tenaga Kerja Gas Turbine
Tenaga Kerja Shift Leader Operator Gas Turbine
Biaya/shift (Rp) 100.000,00 75.000,00
Biaya/jam Jumlah (Rp) 12.500,00 1 9.375,00 3 Total 4
Total (Rp) 12.500,00 28.125,00 40.625,00
Tabel 4.61 Biaya Tenaga Kerja HRSG Tenaga Kerja Shift Leader Operator HRSG
Biaya/shift (Rp) 100.000,00 75.000,00
Biaya/jam Jumlah (Rp) 12.500,00 1 9.375,00 1 Total 2
Total (Rp) 12.500,00 9.375,00 21.875,00
Dengan demikian biaya kerugian produksi per jam bila terjadi kerusakan pada Gas Turbine adalah : = Biaya bahan baku + biaya operasional diesel engine + biaya tenaga kerja gas turbine = Rp 4.788.000,00 + Rp 14.070.000,00 + Rp 40.625,00 = Rp 18.898.625,00
233 Sedangkan biaya kerugian produksi per jam bila terjadi kerusakan pada HRSG adalah : = Biaya bahan baku + biaya operasional diesel engine + biaya tenaga kerja HRSG = Rp 750.000,00 + Rp 3.080.000,00 + Rp 21.875,00 = Rp 3.851.875,00
4.2.6.2 Perhitungan Biaya Kerusakan dan Biaya Preventive Maintenance Usulan
Biaya kerusakan (Cf) yang dihitung merupakan biaya yang dikeluarkan selama kerusakan terjadi. Biaya ini didapat dengan menjumlahkan biaya perbaikan kerusakan dengan biaya kerugian produksi kemudian dikalikan dengan lamanya waktu perbaikan (MTTR). Biaya preventive maintenance (Cp) yang dihitung merupakan biaya yang dikeluarkan untuk melakukan satu kali pemeliharaan yang berasal dari biaya foreman maintenance dan technicians. Tabel berikut ini menunjukan hasil perhitungan dari Cf
dan Cp : Tabel 4.62 Biaya Kerusakan dan Biaya Preventive Maintenance Usulan Nama Komponen
No. 1 2 3
Turbine Control Exhaust Combustion Filter Damper
Biaya Maintenance (Rp)
Biaya Kerusakan (Rp)
31.250,00
18.898.625,00
0,475
31.250,00
18.898.625,00
31.250,00
3.851.875,00
Tf Tp (jam) (jam)
Cf (Rp)
Cp (Rp)
0,333
8.976.846,88
10.416,67
1,506
0,750
28.461.329,25 23.437,50
2,768
1,000
10.661.990,00 31.250,00
∴ Keterangan : -
Biaya maintenance sama dengan biaya satu orang foreman maintenance dan dua orang technicians dengan rincian biaya :
234 Foreman maintenance @ Rp 100.000,00 per hari
= 1 orang * Rp 12.500,00 /jam = Rp. 12.500,00 /jam Technicians @ Rp 75.000,00 per hari
= 2 orang * Rp 9.375,00 /jam = Rp. 18.750,00 /jam -
Tf merupakan lama waktu perbaikan sebelum menerapkan preventive maintenance (MTTR).
-
Tp merupakan lama waktu pengerjaan preventive maintenance yang didasarkan pada hasil wawancara dengan pihak divisi maintenance.
4.2.6.3 Perhitungan
Total
Biaya
Kerusakan
dan
Total
Biaya
Preventive
Maintenance Usulan
Berikut ini merupakan tabel-tabel perhitungan total biaya kerusakan Tc(tf) dan preventive maintenace usulan Tc(tp) :
Tabel 4.63 Total Biaya Kerugian No 1 2 3
Nama Komponen Turbine Control Exhaust Combustion Filter Damper
tf (MTTF) 418.623 537.500 705.920
Cf (Rp) 8.976.846,88 28.461.329,25 10.661.990,00
Tc(tf) (Rp/jam) 21.443,75 52.951,31 15.103,68
∴ Contoh perhitungan untuk komponen Turbine Control Exhaust :
Tc(tf) = =
Cf tf
8.976.846,88 = Rp. 21.443,75 / jam 418.623
235 Tabel 4.64 Total Biaya Preventive Maintenance Usulan No 1 2 3
Nama Komponen Turbine Control Exhaust Combustion Filter Damper
tp Cp Tc(tp) (interval pemeliharaan) (Rp) (Rp/jam) 0,8503 10.416,67 8.386,04 116 0,8504 196 23.437,50 17.312,61 0,8000 271 31.250,00 6.026,52 R(tp)
∴ Contoh perhitungan untuk komponen Turbine Control Exhaust :
Tc(tp)
=
Cp × R + Cf(1 − R) tp × R + tf(1 − R)
=
(Rp 10.416.67 × 0.8503) + (Rp 8.976.846,88(1 − 0.8503)) (116 × 0.8503) + (418.623(1 − 0.8503))
= Rp 8.386,04 Berikut ini merupakan perhitungan total biaya kerusakan dan total preventive maintenance per bulan :
Tabel 4.65 Total Biaya Kerusakan dan Preventive Maintenance Usulan per Bulan Komponen Turbine Control Exhaust Combustion Filter Damper
Biaya Kerusakan Tc(tf) Tc (tf) kf (Rp/Jam) (Rp/Bln)
tf
Biaya Preventive Maintenance Tc (tp) Tc (tp) tp kp (Rp/Jam) (Rp/Bln)
Penghematan Tc penghematan % (Rp/Bln)
418,623
1
21.443,75
8.976.846,88
116
6
8.386,04
5.836.686,79
3.140.160,08
34,98
537,500
1
52.951,31
28.461.329,25
196
3
17.312,61
10.179.817,06
18.281.512,19
64,23
705,920
1
15.103,68
10.661.990,00
271
2
6.026,52
3.266.374,24
7.395.615,76
69,36
∴ Keterangan : -
kf = jumlah kerusakan dalam 1 bulan
-
Perhitungan nilai kp (jumlah preventive maintenance per bulan) dapat dilihat pada subbab 4.2.4. bagian b.
-
tf = MTTF
-
tp = interval waktu preventive maintenance.
236 ∴ Contoh perhitungan untuk komponen Turbine Control Exhaust : -
Total cost failure (breakdown maintenance) kf
=
Jam Kerja/Bulan 720 = ≈1 MTTF 418.623
Tc(tf) = Rp. 21.443,75 / jam x 418.623 jam x 1 Tc(tf) = Rp. 8.976.846,88 / bulan -
Total cost preventive maintenance (predictive maintenance) kp
= 6 kali / bulan
Tc(tp) = Rp. 8.386,04 / jam x 116 jam x 6 Tc(tp) = Rp. 5.836.686,79 / bulan -
Total cost preventive maintenance (predictive maintenance) Tc penghematan = Tc(tf) - Tc(tp) = Rp. 8.976.846,88 - Rp. 5.836.686,79 = Rp. 3.140.160,08
-
Persentase penghematan biaya ⎛ Rp3.140.160,08 ⎞ ⎟⎟ x100% Penghematan biaya = ⎜⎜ ⎝ Rp 8.976.846,88 ⎠
Penghematan biaya = 34.98 %
Berikut ini merupakan grafik perbandingan biaya kerusakan dengan biaya preventive maintenance usulan :
237
Perbandingan Total Biaya Kerusakan dengan Biaya Preventive Maintenance Usulan 30.000.000,00 Biaya (Rp)
25.000.000,00 20.000.000,00
Biaya Kerusakan
15.000.000,00
Biaya Preventive Maintenance
10.000.000,00 5.000.000,00 0,00
Turbine Control Exhaust
Combustion Filter
Damper
Biaya Kerusakan
8.976.846,88
28.461.329,25
10.661.990,00
Biaya Preventive Maintenance
5.836.686,79
10.179.817,06
3.266.374,24
Gambar 4.18 Grafik Perbandingan Total Biaya
4.2.7
Analisa Identifikasi Distribusi dan Pendugaan Parameter
Proses untuk mengidentifikasi distribusi dilakukan dengan proses index of fit yang didukung dengan hasil uji goodness of fit yang didasarkan pada maximum likelihood estimator untuk parameter distribusi. Sedangkan dalam perhitungan parameter
untuk mendapatkan nilai MTTF dan MTTR dapat dilakukan dengan dua cara, yaitu dengan parameter least square curves fitting (LSCF) dan parameter maximum likelihood estimator (MLE). Metode LSCF sudah menghasilkan parameter dari distribusi, namun
paramater yang dihasilkan bukanlah parameter yang paling baik (Ebeling, 1997, p374). Oleh karena itu parameter yang digunakan untuk penentuan besar dari MTTF dan MTTR dari masing-masing komponen didasarkan pada parameter MLE. Dari perhitungan yang telah dilakukan, didapatkan bahwa data interval antar kerusakan (TTF) komponen turbine control exhaust berdistribusi lognormal, hal ini didukung dengan perhitungan index of fit yang menghasilkan nilai r paling tinggi dari keempat distribusi adalah sebesar 0.9843 yang jatuh pada distribusi lognormal. Untuk
238 memastikan hasil perhitungan index of fit komponen turbine control exhaust yang berdistribusi lognormal, maka dilakukan uji goodness of fit untuk menguji hipotesis bahwa distribusi kerusakan adalah lognormal. Uji yang dilakukan adalah uji Kolmogorov Smirnov. Dari hasil uji Kolmogorov-Smirnov’s, dihasilkan nilai Dmax
sebesar 0.1568, sedangkan nilai Dcrit sebesar 0.271, karena nilai Dmax = 0.1568 lebih kecil dari D crit,0.05 = 0.271 dan masuk daerah penerimaan maka terima Ho yang berarti data mengikuti distribusi lognormal. Hal ini didukung dengan hasil pengujian dengan Minitab 14.0 pada gambar 4.8 yang menunjukkan nilai Anderson-Darling terkecil terdapat pada distribusi lognormal yang berarti pola kerusakan memang berdistribusi lognormal. Untuk data interval kerusakan komponen combustion filter dan damper menunjukan hasil distribusi yang sama yaitu berdistribusi normal. Hal ini didukung dengan nilai index of fit terbesar yang terdapat pada distribusi normal dan pada pengujian hipotesa selanjutnya dengan uji Kolmogorov-Smirnov’s dimana hasil Dmax yang dihasilkan dari perhitungan lebih kecil dari nilai Dcrit dari tabel, yang berarti hasil hipotesis masuk kedalam wilayah penerimaan hipotesis nol bahwa distribusi memang berdistribusi normal. Pengujian juga didukung dengan perhitungan dengan Minitab 14.0 yang menunjukkan nilai Anderson-Darling terkecil terdapat pada distribusi normal yang menunjukan pola kerusakan memang terdistribusi normal. Pada proses identifikasi distribusi data waktu perbaikan (TTR) untuk komponen turbine control exhaust, nilai index of fit (r) terbesar adalah berada pada distribusi
eksponensial dengan nilai r = 0.9777. Oleh karena hasil index of fit adalah berdistribusi eksponensial, maka dilanjutkanlah pengujian goodness of fit untuk distribusi
239 eksponensial dengan menggunakan uji Bartlett. Namun hasilnya uji tersebut tidak mendukung hipotesis nol bahwa waktu perbaikan mengikuti distribusi eksponensial, karena nilai uji B hitung = 0.5299 jatuh diluar selang wilayah penerimaan yaitu antara X2
α 1 − , r −1 2
= 2.7 dan X 2α 2
, r −1
= 19.0. Oleh karena hasil goodness of fit yang menolak
distribusi eksponensial, maka pengujian selanjutnya didasarkan pada nilai r terbesar kedua, yaitu distribusi lognormal. Pengujian goodness of fit untuk distribusi lognormal adalah dengan uji Kolmogorov-Smirnov’s. Nilai Dmax yang dihasilkan adalah 0.2573, sedangkan nilai Dcrit sebesar 0.2580, karena nilai Dmax = 0.2573 lebih kecil dari D crit,0.05 = 0.2580, maka hasil uji adalah masuk daerah penerimaan Ho yang berarti data mengikuti distribusi lognormal. Hal ini didukung dengan hasil pengujian dengan Minitab 14.0 pada gambar 4.9. Untuk TTR komponen combustion filter distribusi yang terpilih adalah weibull. Hal ini didasarkan pada index of fit nilai r terbesar = 0.9931 dihasilkan dari distribusi weibull dan hasil pengujian goodness of fit untuk distribusi weibull, uji Mann’s yang menghasilkan nilai M = 0.8089 yang jatuh pada wilayah penerimaan hipotesis nol (M = 0.8089 lebih kecil dari F crit = 4.28). Pemilihan distribusi weibull untuk waktu perbaikan komponen combustion filter juga didasarkan pada hasil perhitungan minitab 14.0 pada gambar 4.11. Sedangkan pada TTR komponen combustion filter distribusi yang terpilih adalah lognormal. Pengujian awal didasarkan pada index of fit nilai r terbesar = 0.9497 dihasilkan dari distribusi eksponensial dan hasil pengujian goodness of fit untuk distribusi eksponensial, uji Bartlett’s yang menghasilkan nilai B = 1.7187 yang jatuh
240 pada wilayah penerimaan hipotesis nol (B = 1.7187 berada diantara X 2
α 1 − , r −1 2
X 2α 2
, r −1
= 1.24 dan
= 14.40). Namun pada uji Anderson-Darling dengan minitab 14.0, nilai uji
terkecil terdapat pada distribusi lognormal. Untuk meyakinkan hasil pengujian distribusi waktu perbaikan komponen damper maka dilakukan lagi perhitungan goodness of fit dengan berdasarkan distribusi
lognormal. Ternyata hasil Dcrit yang dihasilkan dari uji Kolmogorov-Smirnov’s sebesar 0.2203, juga masuk kedalam daerah penerimaan bahwa distribusi waktu perbaikan damper adalah berdistribusi lognormal (nilai Dmax = 0.2203 lebih kecil dari D crit,0.05 =
0.300). Oleh karena pertimbangan bahwa distribusi lognormal memenuhi perhitungan goodness of fit dan pada perhitungan minitab 14.0 serta perhitungan nilai r terbesar
kedua (lognormal) yang berbeda tipis dengan r terbesar pertama (eksponensial), maka distribusi yang terpilih untuk komponen damper adalah distribusi lognormal.
4.2.8
Analisa Mean Time To Failure (MTTF) dan Mean Time To Repair (MTTR)
Berdasarkan pada data kerusakan dan perbaikan yang terjadi selama periode Januari 2008-July 2008, dari perhitungan yang telah dilakukan maka didapatkan hasil MTTF untuk masing-masing komponen, adalah komponen turbine control exhaust sebesar 418.623 jam, komponen combustion filter sebesar 537.500 jam dan komponen damper sebesar 705.920 jam. Nilai MTTF yang dihasilkan merupakan waktu dimana
ketiga komponen tersebut mengalami penurunan kinerja dan memungkinkan terjadinya kerusakan atau tidak dapat beroperasi dengan seharusnya sehingga mengakibatkan kerugian produksi pada PT. Dian Swastatika Sentosa.
241 Setelah beroperasi selama selang waktu MTTF tersebut komponen mungkin saja mengalami berbagai macam gangguan dari gangguan kecil sampai fatal yang dapat menyebabkan
kerusakan,
sehingga
mesin
harus
mengalami
breakdown
dan
menimbulkan downtime. Nilai MTTF bersama dengan target reliability yang diinginkan perusahaan dapat digunakan sebagai salah satu pertimbangan bagi perusahaan untuk dapat memperkirakan kapan harus melakukan perawatan terhadap komponen sebelum mesin tersebut mengalami kerusakan. Dari ketiga komponen yang dibahas, komponen turbine control exhaust merupakan komponen yang memiliki MTTF yang nilainya paling kecil dibandingkan MTTF kedua komponen lainnya. Hal ini menunjukkan bahwa turbine control exhaust merupakan komponen yang paling rentan untuk mengalami kerusakan. Sejalan dengan prakteknya, dimana komponen turbine control exhaust bergerak secara terus-menerus berputar membuang panas control gas turbine agar jangan sampai mengalami overheat selama melakukan kegiatan produksi. Oleh karena itu, perusahaan harus lebih memfokuskan untuk melaksanakan preventive maintenance pada komponen ini. Jika nilai MTTF merupakan waktu dimana suatu komponen berpeluang untuk rusak, maka nilai MTTR (Mean Time To Repair) adalah waktu rata-rata yang dibutuhkan untuk melakukan perbaikan komponen. Pada komponen turbine control exhaust didapatkan nilai MTTR sebesar 0.475 jam, combustion filter adalah 1.506 jam
dan damper adalah 2.768 jam. Semakin besar nilai MTTR maka akan menyebabkan downtime (waktu menganggur) yang semakin besar pula, yang artinya apabila downtime
terjadi pada waktu normal kegiatan produksi maka dapat menyebabkan kerugian produksi bagi perusahaan. Kerugian yang ditimbulkan terutama pada kehilangan
242 produksi baik dari segi tenaga kerja yang menganggur, bahan baku yang terbuang dan operational mesin pengganti yang lebih mahal biayanya. Dari hasil MTTR yang didapat, proses perbaikan yang memakan waktu paling lama adalah pada komponen damper, hal ini dikarenakan besarnya ukuran komponen dan letaknya yang sulit untuk dijangkau sehingga membuat proses perbaikan memakan waktu yang lama. Oleh karena itu, perusahaan dapat melakukan sejumlah antisipasi pada saat akan dilakukan preventive maintenance untuk komponen ini. Dengan cara mempersiapkan segala sesuatu dari segi sumber daya dan peralatannya agar dipersiapkan dengan baik sebelum melakukan perawatan. Hal ini dimaksudkan agar waktu perbaikan yang dilakukan pada waktu yang akan datang dapat dikurangi sehingga secara otomatis akan mengurangi waktu downtime yang terjadi. Persiapan yang dilakukan untuk komponen lainnya dapat diperhatikan secara menyeluruh mengingat MTTR yang didapat tidak hanya murni waktu perbaikan komponen saja. Nilai MTTR yang didapat biasanya merupakan waktu gabungan yang sudah termasuk beberapa komponen waktu seperti supply delay yang merupakan waktu tunggu untuk mendapatkan spare part atau komponen, maintenance delay yang merupakan waktu menunggu sumber daya dan fasilitas maintenance, access time yang merupakan waktu yang dibutuhkan untuk mengakses komponen yang rusak, diagnosis time untuk menganalisa sebab kerusakan, replacement / repair time yang merupakan
waktu aktual untuk memperbaiki keadaan sistem(komponen) seperti kondisi semula, dan verification yang merupakan waktu pengecekan yang dibutuhkan untuk memastikan
keadaan komponen sudah kembali dapat beroperasi. Hasil dari perhitungan MTTR ini dapat digunakan sebagai masukan perusahaan dalam menentukan lama waktu
243 pemeliharaan standar setiap kali maintenance ingin melakukan perawatan komponen dimasa yang akan datang.
4.2.9
Analisa Perbandingan Reliability Sebelum dan Sesudah Penerapan Preventive Maintenance Usulan
Sebelum dilakukannya kegiatan preventive maintenance, pada komponen turbine control exhaust memiliki nilai R(t=MTTF) atau tingkat kehandalan pada saat MTTF =
418.623 jam adalah sebesar 0.3315 atau 33.15%. Hal ini menunjukkan bahwa sebelum adanya kegiatan preventive maintenance, komponen turbine control exhaust akan terus digunakan tanpa adanya perawatan sampai mesin mengalami kerusakan (downtime) pada saat tingkat kehandalan (reliability) sebesar 33.15%. Pada komponen combustion filter, didapatkan nilai R(t=MTTF) atau tingkat kehandalan pada saat MTTF = 537.5 jam
adalah sebesar 0.5000 atau sebesar 50%. Dapat dikatakan bahwa komponen combustion filter akan terus digunakan selama 537.5 jam sampai mengalami kerusakan dengan
penurunan tingkat kehandalan sampai sebesar 50%. Sedangkan untuk komponen damper, berdasarkan simulasi reliability yang telah dilakukan didapatkan nilai R(t=MTTF) atau tingkat kehandalan pada saat MTTF = 705.920 jam adalah sebesar 0.5000 atau sebesar 50%. Dimana komponen damper ini akan terus beroperasi tanpa adanya perawatan selama 705.920 jam sampai terjadi kerusakan. Tingkat kehandalan komponen damper saat itu sudah mengalami penurunan sampai sebesar 50%. Keadaan komponen yang dibiarkan sampai rusak tanpa adanya perawatan pencegahan dapat sangat merugikan perusahaan. Dengan tidak adanya perawatan pencegahan maka akan menyebabkan terjadinya penurunan tingkat kehandalan yang
244 dapat memperbesar terjadinya kerusakan pada mesin secara tidak terduga dan akan mempersulit maintenance untuk mengetahui apa penyebabnya sehingga berdampak pada waktu perbaikan mesin (downtime) yang lebih lama. Dampak negatif dari tiadanya perawatan pencegahan dapat dikurangi dengan cara penerapan preventive maintenance untuk meningkatkan dan menjaga tingkat reliability pada komponen, sehingga diharapkan dengan adanya kegiatan perawatan terhadap komponen secara berkala akan dapat mengurangi jumlah breakdown pada mesin dan mengurangi waktu yang dibutuhkan dalam perbaikan mesin. Untuk melakukan penerapan preventive maintenance ini, maka kita perlu mengetahui interval pemeliharaan yang ideal untuk melakukan perawatan pencegahan. Interval pemeliharaan didapatkan dari proses perhitungan simulasi reliability pada tabel 4.61 untuk komponen turbine control exhaust, tabel 4.62 untuk komponen combustion filter dan tabel 4.63 untuk komponen damper. Simulasi dilakukan dengan target reliability R(T) yang didapatkan dari hasil wawancara dengan pihak dari perusahaan.
Perusahaan menginginkan tingkat kehandalan (reliability) untuk mesin gas turbine adalah sebesar 85% dan mesin HRSG adalah sebesar 80%. Dari perhitungan yang telah dikerjakan berdasarkan dari target perusahaan didapatkan selang waktu untuk melakukan perawatan pencegahan untuk komponen turbine control exhaust adalah T = 116 jam atau , untuk komponen combustion filter adalah setiap T = 196 jam dan untuk komponen damper adalah setiap T = 271 jam. Selang waktu ini dapat digunakan untuk membuat jadwal preventive maintenance untuk komponen turbine control exhaust dan combustion filter pada mesin gas turbine serta komponen damper pada mesin HRSG.
Setelah
dilakukannya
preventive
maintenance
sesuai
dengan
interval
pemeliharaan (T) masing-masing komponen, maka dari hasil perhitungan simulasi dapat
245 dilihat bahwa tingkat kehandalan dari masing-masing komponen mengalami peningkatan. Untuk komponen turbine control exhaust mengalami peningkatan reliability dari 33.15% menjadi 58.16% pada saat MTTF, atau meningkat sebesar
75.44%. Untuk komponen combustion filter mengalami peningkatan reliability dari 50 % menjadi 63.89% pada saat MTTF, atau meningkat sebesar 27.78%. Sedangkan pada komponen damper mengalami peningkatan reliability dari 50% menjadi 54.57% pada saat MTTF, atau meningkat sebesar 9.14%.
4.2.10 Analisa Kelayakan Interval Waktu Pemeliharaan
Setelah kita memperoleh usulan interval untuk melaksanakan kegiatan preventive maintenance, maka interval yang ada harus diuji apakah interval pemeliharaan yang diusulkan tersebut jangan sampai menjadi counterproductive karena terlalu seringnya dilaksanakan kegiatan maintenance akibat interval pemeliharaan yang terlalu berdekatan. Hal ini juga dilakukan untuk memastikan bahwa usulan interval waktu pemeliharaan yang diusulkan jangan sampai melanggar kebijakan perusahaan yang membatasi bahwa kegiatan maintenance yang dilakukan harus kurang dari 2 jam untuk setiap 100 jam operasional mesin. Untuk memenuhi kondisi diatas maka dilakukanlah perhitungan maintenance hour / operational hour (MH/OH) dengan target MH/OH < 0.02. Dari perhitungan yang telah dikerjakan dengan metode trial dan error dapat dilihat bahwa untuk komponen turbine control exhaust, interval waktu minimal yang dianjurkan untuk melakukan kegiatan preventive maintenance adalah pada setiap t = 56 jam. Atau dapat diartikan bahwa interval kegiatan preventive maintenance yang dilakukan oleh perusahaan, jangan sampai dilakukan pada waktu yang kurang dari 56
246 jam, karena jika dilakukan setiap kurang dari 56 jam maka kegiatan maintenance akan menjadi terlalu sering dan akan berakibat pada terganggunya kegiatan operational. Dari simulasi reliability yang telah dilakukan untuk komponen turbine control exhaust, didapatkan interval pemeliharaan yang diusulkan adalah setiap 116 jam. Nilai interval pemeliharaan 116 jam menghasilkan nilai MH/OH = 0.011 yang berarti bahwa nilai MH/OH usulan interval pemeliharaan lebih kecil daripada spesifikasi yang diinginkan perusahaan (MH/OH
usulan
= 0.011 < MH/OH
spesifikasi
= 0.02). Oleh karena itu, interval
pemeliharaan komponen turbine control exhaust yang diusulkan setiap 116 jam sudah cukup layak untuk diusulkan karena telah memenuhi spesifikasi perusahaan. Pada komponen combustion filter juga dilakukan pengujian dengan target yang sama, yaitu agar jangan sampai nilai MH/OH interval pemeliharaan usulan lebih besar dari 0.02. Dari hasil perhitungan yang didapat, pada interval pemeliharaan 196 jam menghasilkan nilai MH/OH sebesar 0.017, yang berarti bahwa nilai MH/OH usulan interval pemeliharaan untuk komponen combustion filter telah memenuhi spesifikasi yang diinginkan perusahaan (MH/OH usulan = 0.017 < MH/OH spesifikasi = 0.02). Hal yang sama juga dilakukan pada komponen damper, dimana untuk setiap interval pemeliharaan 271 jam menghasilkan nilai MH/OH sebesar 0.019, yang berarti bahwa nilai MH/OH usulan interval pemeliharaan untuk komponen damper telah memenuhi spesifikasi yang diinginkan perusahaan (MH/OH usulan = 0.019 < MH/OH spesifikasi = 0.02). Pemeliharaan yang dilakukan dapat disesuaikan dengan dengan jenis dan kebutuhan komponen. Misalnya untuk komponen turbine control exhaust, berdasarkan wawancara dengan pihak departemen maintenance, seringkali yang mengakibatkan kerusakan pada komponen ini adalah bearing fan yang kendor membuat kipas berputar secara tidak melingkar sempurna, tapi berputar secara elips. Hal ini dapat terjadi karena
247 tidak pas nya posisi bearing dan shaft yang disebabkan oleh suhu yang terlampau panas dari gas turbine control. Berdasarkan analisa kelayakan interval pemeliharaan, maka setiap selang waktu yang sudah didapatkan dari perhitungan reliability yaitu setiap 116 jam dapat dilakukan pemeliharaan berupa pemeriksaan dan pengencangan posisi dari bearing agar tetap pada posisinya sehingga tetap menjaga pergerakan kipas secara normal dan pemberian pelumas untuk mengurangi panas akibat putaran kipas. Sedangkan untuk komponen combustion filter, yang sering mengakibatkan kerusakan komponen adalah banyaknya debu yang disaring yang membuat filter menjadi mampet dan semakin lama membuat kualitas dari hasil penyaringan menjadi menurun. Sehingga setiap selang waktu interval pemeliharaan 196 jam dapat dilakukan pemeliharaan berupa pembersihan filter dari debu untuk mencegah mampetnya filter. Untuk komponen damper yang sering menyebabkan kerusakan adalah macetnya bagian penggerak yang membuat palang damper tidak dapat menutup secara sempurna dan berakibat pada terganggunya aliran udara yang masuk dan keluar. Hal ini biasa disebabkan oleh kotoran dan debu yang melekat pada permukaan damper. Oleh karena itu pemeliharaan yang dapat dilakukan adalah dengan memastikan bagian penggerak tersebut bebas dari kotoran penganggu dan dapat bergerak dengan lancar dengan dilakukan pelumasan secara rutin. Dengan pemeliharaan yang rutin dan teratur melalui preventive maintenance usulan ini, maka diharapkan kerusakan mesin yang tidak terduga di masa akan datang yang diakibatkan oleh kerusakan komponen dapat dikurangi tingkat resikonya.
248 4.2.11 Analisa Perbandingan Downtime Sebelum dan Sesudah Penerapan Preventive Maintenance Usulan
Kegiatan preventive maintenance dapat menyebabkan terjadinya waktu downtime yang lebih besar atau menyebabkan semakin kecilnya waktu downtime yang
terjadi dalam kurun waktu tertentu. Dari hasil perhitungan yang telah dikerjakan, dapat dilihat bahwa jumlah downtime rata-rata sebelum dilaksanakan kegiatan preventive maintenance usulan yang disebabkan oleh ketiga komponen adalah sebesar 4.965 jam
untuk setiap bulannya. Sedangkan setelah diterapkan kegiatan preventive maintenance usulan didapatkan rata-rata setiap bulannya mesin mengalami peningkatan menjadi sebesar 6.25 jam. Dengan demikian telah terjadi peningkatan waktu sebesar 1.285 jam dari sebelum diterapkannya preventive maintenance. Hal ini terutama disebabkan karena lebih banyaknya kegiatan preventive maintenance usulan yang dilakukan jika dibandingkan dengan rata-rata jumlah breakdown yang terjadi untuk setiap bulannya pada saat ini. Dari segi waktu downtime yang terjadi maka preventive maintenance usulan menjadi kurang memberikan dampak perbaikan terhadap perusahaan. Namun jika dianalisa lebih lanjut, dengan tetap menerapkan kegiatan preventive maintenance ini maka kita dapat membuat komponen mesin yang ada menjadi terjaga tingkat kehandalannya seperti yang telah dijelaskan pada analisa perbandingan reliability sebelum dan sesudah penerapan preventive maintenance usulan. Tingkat kehandalan yang terjaga sangat penting mengingat tingkat kelajuan kerusakan yang mungkin saja akan terus meningkat pada masa yang akan datang.
249 Seperti yang telah dijelaskan pada kurva bathtub fungsi kelajuan resiko (hazard rate function), sistem memiliki laju kerusakan yang berkurang pada awal masa hidupnya (infant mortality). Kemudian seiiring bertambahnya waktu, sistem akan mengalami tingkat kelajuan kerusakan yang konstan (useful life), dan pada akhirnya akan tiba suatu masa dimana sistem akan mengalami laju kerusakan yang bertambah (wearout) (Ebeling, 1997, p31). Untuk jangka waktu dekat memang kegiatan preventive maintenance usulan ini belum akan terlalu berdampak signifikan terhadap kerja maintenance perusahaan karena komponen yang ada sedang dalam masa useful life
dimana usia komponen masih belum akan membuat sistem mengalami kerusakan yang sangat parah. Hal ini juga yang menyebabkan downtime yang terjadi sekarang, masih lebih kecil dibandingkan dengan downtime preventive maintenance usulan. Namun untuk jangka waktu lebih lama, dimana tingkat kelajuan kerusakan akan semakin meningkat (masa wearout), sangat besar kemungkinannya akan terjadi kerusakan yang semakin sering yang akan berdampak pada waktu downtime yang lebih lama jika tidak diterapkannya preventive maintenance usulan. Selain itu dengan penerapan preventive maintenance usulan ini juga akan membuat perusahaan bisa memperkirakan waktu downtime yang terjadi sehingga perusahaan dapat lebih mempersiapkan rencana penanggulangan downtime yang lebih terencana dan lebih matang untuk meminimkan dampak negatif yang terjadi jika dibandingkan dengan waktu downtime yang terjadi secara tiba-tiba atau disebabkan oleh breakdown.
250 4.2.12 Analisa Perbandingan Biaya Sebelum dan Sesudah Penerapan Preventive Maintenance Usulan
Pada bagian yang terakhir adalah analisa mengenai perbandingan antara sebelum dan setelah penerapan preventive maintenance usulan yang dilihat dari segi biaya. Kondisi yang berjalan sekarang masih menciptakan kemungkinan yang sangat besar untuk terjadinya kerusakan dari mesin secara tiba-tiba. Karena sifatnya yang tidak terduga tersebut maka dapat mengakibatkan besarnya biaya-biaya yang tidak terduga yang harus keluar secara sia-sia, seperti biaya kerusakan produksi yang sangat tinggi dan ditambah dengan biaya perbaikan kerusakan untuk mengembalikan operasional mesin agar berjalan seperti semula. Oleh karena biaya yang cukup tinggi tersebut maka suatu preventive maintenance usulan dibuat untuk membantu meminimalisir biaya yang harus
dikeluarkan oleh perusahaan. Dengan demikian diharapkan walau perusahaan harus menambah biaya untuk kegiatan preventive maintenance secara lebih rutin, namun dengan kegiatan tersebut dapat menghemat biaya kerusakan produksi yang lebih besar . Sebelum diterapkannya preventive maintenance usulan, biaya-biaya yang harus dikeluarkan ketika terjadi kerusakan antara lain adalah biaya bahan baku yang terbuang cuma-cuma, biaya operasional mesin pengganti dan biaya tenaga kerja yang menganggur ketika terjadi kerusakan. Kesemua biaya tersebut digolongkan sebagai biaya kerusakan. Sebelum preventive maintenance, perusahaan harus menanggung biaya kerusakan setiap bulannya sebesar Rp. 8.976.846,88 untuk komponen turbine control exhaust, Rp. 28.461.329,25 untuk komponen combustion filter, dan Rp. 10.661.990,00
untuk komponen damper.
251 Namun kesemua biaya tersebut dapat dikurangi jika perusahaan menerapkan preventive maintenance usulan, biaya-biaya yang harus dikeluarkan turun menjadi Rp.
5.836.686,79 untuk komponen turbine control exhaust, Rp. 10.179.817,06 untuk komponen combustion filter, dan Rp. 3.266.374,24 untuk komponen damper. Dengan demikian perusahaan dapat menerima penghematan untuk setiap bulannya sebesar 34.98% untuk komponen turbine control exhaust, 64.23% untuk komponen combustion filter, dan sebesar 69.36% untuk komponen damper.
Pengurangan biaya yang harus dikeluarkan dapat memungkinkan karena preventive maintenance usulan akan dilakukan dengan jadwal yang lebih terencana,
sehingga kerugian-kerugian yang tidak terduga dapat diminimalisir, tanpa harus mengganggu kegiatan dari produksi. Apabila antara biaya kerusakan dan biaya preventive dapat menciptakan penghematan (cost saving), maka tindakan preventive maintenance usulan sangat dianjurkan untuk diterapkan untuk menghindari biaya
kerugian yang lebih besar. Dengan adanya penghematan biaya yang telah ditunjukkan dari perhitungan yang telah dilakukan, maka kegiatan preventive maintenance usulan cukup layak untuk dipertimbangkan perusahaan mengingat lebih murahnya biaya yang harus dikeluarkan untuk menjaga kondisi mesin agar tetap berjalan secara normal.
4.3
Analisis dan Perancangan Sistem Informasi
4.3.1
Analysis Document
4.3.1.1 The Task 4.3.1.1.1
Purpose PT. Dian Swastatika Sentosa (DSS) adalah sebuah perusahaan yang bergerak
dibidang penyedia sumber daya listrik (power) dan uap (steam) untuk kebutuhan pabrik kertas Indah Kiat Pulp & Paper. Sebagai penyedia sumber daya listrik dan uap, maka PT. DSS diwajibkan untuk menyalurkan pasokan sumber daya listrik dan uap secara terus-menerus melalui mesin-mesinnya yang terawat. Pemeliharaan mesin operasional yang terjadwal merupakan suatu kebutuhan yang mendasar agar mesin-mesin yang ada pada PT. DSS selalu berada dalam kondisi siap pakai. Pemeliharaan mesin tersebut merupakan tanggung jawab dari departemen maintenance. Departemen ini harus melakukan pemeliharaan berdasarkan jadwal pemeliharaan mesin yang telah dibuat secara berkala untuk meminimalisir breakdown mesin yang terjadi. Untuk itu diperlukan suatu sistem informasi yang dapat membantu departemen maintenance dalam membuat jadwal pemeliharaan mesin sesuai kebutuhan dan dapat terus diperbaharui sesuai dengan kondisi dari masing-masing mesin yang ada.
253 4.3.1.1.2
System Definition
Sistem yang akan dikembangkan bagi departemen maintenance pada perusahaan tentunya harus disesuaikan dengan kondisi dan kebijakan dalam perusahaan dalam upayanya menjaga kondisi dari mesin-mesin yang ada. Sistem informasi yang dikembangkan akan digunakan oleh dua pihak yaitu staff maintenance dan maintenance section head. Setiap pihak memiliki hak akses yang berbeda dalam sistem informasi tersebut. Sistem informasi yang dibuat akan mampu melakukan beberapa operasi pencatatan yang dilakukan departemen maintenance diantaranya adalah pencatatan mesin, pencatatan part (komponen), pencatatan work order, perhitungan Mean Time To Failure (MTTF) dan Mean Time To Repair (M TTR) berdasarkan distribusi kerusakan weibull, simulasi reliability untuk mendapatkan interval pemeliharaan berdasarkan target reliability yang ingin dicapai oleh perusahaan dan pembuatan jadwal pemeliharaan. Sistem informasi yang akan dibuat akan ditujukan untuk membantu seluruh kegiatan pemeliharaan yang akan dilakukan oleh departemen maintenance. Tabel 4.66 berikut ini merupakan definisi sistem berdasarkan kriteria FACTOR.
254 Tabel 4.66 Kriteria FACTOR Sistem Informasi Usulan Sistem
akan
maintenance,
mendukung melakukan
kegiatan perhitungan
preventive interval
pemeliharaan dengan mempertimbangkan reliability dari Functionality komponen mesin untuk membuat jadwal pemeliharaan, menyimpan data mesin dan komponen, membuat work order, dan memantau ketersediaan spare part. Sistem digunakan untuk mendukung aktifitas staff Application Domain maintenance dan maintenance section head. Sistem ini harus dapat digunakan untuk distribusi tugas Conditions
dan dapat digunakan oleh sumber daya manusia yang ada sesuai dengan level otoritas yang dimiliki. Sistem berupa program aplikasi yang dijalankan pada PC untuk setiap client dengan interface yang dikembangkan
Technology menggunakan Visual Basic 6.0 dan database Microsoft Access. Machine, part, detail machine, work order, detail work Objects order, maintenance employee dan NPB. Sistem
harus
dapat
menyediakan
informasi
yang
mendukung aktifitas departemen maintenance yang Responsibility
berkaitan dengan pemantauan stock persediaan part, penjadwalan pemeliharaan mesin dan pengolahan work order.
255
4.3.1.1.3
Context
4.3.1.1.3.1 Problem Domain PT. DSS khususnya departemen maintenance akan membuat jadwal pemeliharaan yang dibuat untuk setiap jangka waktu tertentu. Jadwal yang sudah ada diberikan staff maintenance kepada departemen operasional untuk memastikan apakah pemeliharaan mungkin untuk dilakukan atau tidak. Departemen operasional akan menyesuaikan jadwal pemeliharaan dengan jadwal produksi agar jangan sampai kegiatan pemeliharaan menganggu kegiatan produksi. Jika menurut jadwal pemeliharaan sudah tiba waktunya untuk melakukan pemeliharaan mesin, maka maintenance section head akan membuat work order yang akan diberikan kepada maintenance foreman. Work order ini berisi waktu, petugas yang terkait, rincian mesin dan komponen yang harus diperiksa oleh technicians. Maintenance foreman akan mendistribusikan work order kepada technicians sesuai ketersediaan orang dan keahlian dari masing-masing technicians. Jika aktifitas pemeliharaan mengharuskan terjadinya penggantian komponen, maka technicians harus meminta persetujuan dari maintenance section head untuk mengambil komponen, jika disetujui maka technicians dapat mengambil komponen digudang. Setelah selesai melakukan perbaikan, maka technicians akan melengkapi data-data laporan pada work order dan kemudian diserahkan kembali kepada operational section head untuk dicek apakah mesin sudah dapat beroperasi seperti semula atau tidak. Jika sudah, maka maintenance section head akan didokumentasikan ke dalam sistem untuk menutup status work order dan sistem akan meng-update persediaan komponen.
256 Jika ternyata terjadi gangguan atau kerusakan pada mesin secara tidak terduga, maka operator mesin akan menghubungi shift leader untuk membuat laporan kerusakan yang ditujukan untuk maintenance section head. Maintenance section head akan kembali membuat work order untuk segera memperbaiki kerusakan yang terjadi dan memberikannya kepada maintenance foreman. Selanjutnya maintenance foreman mendistribusikan pekerjaan tersebut kepada technicians. Prosedur selanjutnya sama seperti saat melakukan pemeliharaan terjadwal. Work order akan diberikan kembali untuk didokumentasikan dan
dapat digunakan
untuk memperbaharui interval
pemeliharaan dalam pembuatan jadwal berikutnya. Plant manager dapat meminta laporan-laporan yang terkait dengan jadwal dan work order untuk melihat kerusakan-kerusakan mesin. Jika dirasa mesin sudah tidak produktif maka departemen dapat menentukan langkah perbaikan misalnya dengan modifikasi atau penggantian mesin. Berikut ini adalah gambaran sistem informasi penjadwalan pemeliharaan mesin usulan untuk PT. DSS :
257
Gambar 4.19 Usulan Rich Picture Proses Penjadwalan Preventive Maintenance PT. Dian Swastatika Sentosa
258 4.3.1.1.3.2 Application Domain Sistem yang akan dirancang harus dapat mendukung analisis untuk pengadaan kegiatan pemeliharaan pada PT. DSS. Pengguna dari sistem yang akan dirancang akan digunakan oleh pihak staff maintenance dan maintenance section head. Bagi pihak staff maintenance akan menggunakan sistem informasi tersebut untuk dapat menginput data mesin dan data part yang ada, melakukan pengelolaan terhadap detail machine dimana data-data yang diinput oleh staff kemudian akan disimpan ke dalam database sebagai dokumentasi yang dapat diakses saat diperlukan. Bagi pihak maintenance section head, rancangan sistem informasi akan dapat digunakan untuk melihat data mesin dan part yang ada, mendata karyawan yang terkait dengan kegiatan maintenance, melakukan pengelolaan terhadap work order, dan pembuatan jadwal pemeliharaan selama selang periode tertentu.
4.3.1.2 4.3.1.2.1
Problem Domain Clusters Terdapat tiga buah cluster untuk mengelompokkan tiap-tiap class yang ada,
yaitu cluster work order, cluster Nota Permintaan Barang, dan cluster machine.
Gambar 4.20 Clusters
259 4.3.1.2.2
Structure Cluster machine terdiri dari class machine dan class part.
Cluster nota
permintaan barang (NPB) terdiri dari class NPB. Cluster work order terdiri dari class work order, dan class employee. Dan pada cluster schedule terdiri dari class schedule.
Gambar 4.21 Struktur Cluster Work Order
Gambar 4.22 Struktur Cluster Machine
Gambar 4.23 Struktur Cluster NPB Schedule
Gambar 4.24 Struktur Cluster Schedule
Berikut ini yang ditunjukan pada gambar 4.25 merupakan rangkaian dari classclass yang digambarkan dalam bentuk sebuah class diagram. Pembuatan class diagram bertujuan untuk menggambarkan relasi antara class-class tersebut. Pada class diagram awal hanya terdapat dua jenis hubungan antar class yaitu hubungan asosiasi dan hubungan agregasi yang terdapat diantara class-class yang berhubungan.
260
Gambar 4.25 Class Diagram
4.3.1.2.3
Classes 1. Maintenance Employee Class maintenance employee merupakan kumpulan dari karyawan yang bekerja pada departemen maintenance. M empunyai tugas dalam berbagai proses yang terkait dengan pemeliharaan dan perbaikan mesin. Class ini mempunyai atribut sebagai berikut : NIK (Nomor Induk Karyawan), name, positions, work hours dan shift.
261
Gambar 4.26 State Chart Maintenance Employee
Tabel 4.67 Tabel Event dan Atribut Maintenance Employee Event
Atribut WO no, WO category, machine name, part name, operating hours, execute section, task description, issued name, completed /membuat_wo name, accepted name, closed name, date and time issued, date and time completed, date and time accepted, date and time closed. /mendistribusikan_wo WO no, machine name, part name.
2. Machine Class machine merupakan kumpulan dari semua mesin-mesin yang ada pada pabrik PT. DSS dan memiliki atribut machine no, machine name, operating hours, description, part name, qty, maintenance interval, standard TTR dan reliability.
Gambar 4.27 State Chart Machine
262 Tabel 4.68 Tabel Event dan Atribut Machine Event
Atribut machine no, machine name, operating /dicatat hours, description. /dipasang_part Machine no, machine name. machine name, manual interval, manual /dibuat_schedule duration. /mengalami_gangguan machine name. /dibuat_wo machine name, operating hours. machine no, machine name, operating /diganti_model hours, description.
3. Part Class part terdiri atas kumpulan objek berupa bagian dari mesin atau disebut juga komponen. Class part memiliki atribut part no, part name, description, stock available dan safety stock.
Gambar 4.28 State Chart Part
Tabel 4.69 Tabel Event dan Atribut Part Event
Atribut part no, part name, description, stock /dicatat available dan safety stock. /dipasang_part machine name, part name, qty /mengalami_gangguan machine name, part name. machine name, part name, stock available, /dikirim_part safety stock.
263 4. NPB (Nota Permintaan Barang) Class NPB terdiri atas kumpulan dari nota permintaan komponen mesin yang diminta jika diperlukan dalam suatu perbaikan mesin atau komponen. Class NPB memiliki atribut machine name, part name, WO no dan demand qty.
Gambar 4.29 State Chart NPB
Tabel 4.70 Tabel Event dan Atribut NPB Event /minta_part /dibuat_NPB /dikirim_part
Atribut machine name, part name, demand qty. machine name, part name, WO no, demand qty. machine name, part name, demand qty.
5. Work Order Class work order terdiri atas kumpulan perintah kerja dalam setiap proses pemeliharaan atau perbaikan yang dilakukan oleh departemen maintenance. Class work order memiliki atribut WO no, WO category, machine name, part name, operating hours, execute section, task description, issued name, completed name, accepted name, closed name, date and time issued, date and time completed, date and time accepted, date and time closed, TTFhour, TTFminute, TTRhour, TTRminute, status dan partreq.
264
Gambar 4.30 State Chart Work Order
Tabel 4.71 Tabel Event dan Atribut Work Order Event
/dibuat
/minta_part /dibuat_NPB /dilengkapi
/dicetak
Atribut WO no, WO category, machine name, part name, operating hours, execute section, task description, issued name, completed name, date and time issued, date and time completed. machine name, part name, stock available, safety stock. machine name, part name. WO no, accepted name, closed name, date and time accepted, date and time closed, activity, result. WO no, WO category, machine name, part name, operating hours, execute section, task description, issued name, completed name, accepted name, closed name, date and time issued, date and time completed, date and time accepted, date and time closed.
265 6. Schedule Class schedule terdiri atas kumpulan jadwal pemeliharaan dari mesinmesin yang ada dalam pabrik. Class schedule memiliki atribut no schedule, machine name, part name, start date, finish date, maintenance date start, time start, maintenance date finish dan time finish.
Gambar 4.31 State Chart Schedule
Tabel 4.72 Tabel Event dan Atribut Schedule Event /dibuat
/dicetak /dilaksanakan
4.3.1.2.4
Atribut no schedule, machine name, part name, start date, finish date, maintenance date start, time start, maintenance date finish dan time finish. machine name, part name, stock available, safety stock. machine name, part name.
Events Pada Tabel 4.73 berikut ini akan dicantumkan event-event yang terdapat dalam
setiap class yang dirangkum dalam sebuah event table.
266 Tabel 4.73 Event Table Class
Machine
Part
WO
Schedule NPB
Event
Employee
Dicatat
+
+
Dipasang Part
*
*
Dibuat Schedule
*
Dibuat WO
*
+ +
+
Mendistribusikan WO Mengalami Gangguan
+ +
+
Dilaksanakan
*
Dicetak
+
Dilengkapi
+
Diganti model
+
+
Dibuat NPB
*
*
Minta Part
+
+
Dikirim Part
Ket :
Maintenance
+
* berulang-ulang + sekali
+
267 4.3.1.3
Application Domain
4.3.1.3.1
Usage
4.3.1.3.1.1 Overview Berikut ini pada Tabel 4.74 merupakan aktor table dari sistem informasi penjadwalan pemeliharaan mesin PT. Dian Swastatika Sentosa yang menunjukkan hubungan antara use case dan aktor-aktor yang berinteraksi dengan sistem. Tabel 4.74 Actor Table Actor Use Cases M elakukan Login
Staff
Maintenance
Maintenance
Section Head
v
v
M endata User
v
M endata Machine
v
M endata Part
v
M endata Detail Machine
v
M endata Work Order
v
M embuat NPB
v
M elakukan Simulasi Reliability
v
M embuat Schedule
v
4.3.1.3.1.2 Actors Di dalam sistem informasi penjadwalan pemeliharaan mesin ini terdapat dua aktor, yaitu staff maintenance dan maintenance section head. Berikut ini merupakan penjelasan mengenai masing-masing aktor yang terlibat didalamnya :
268 Tabel 4.75 Actor Specifications Staff Maintenance
Maintenance Section Head
Purpose :
Purpose :
Orang yang bertanggung jawab terhadap pendataan dari mesin-mesin dan komponen yang ada dalam pabrik.
Orang yang mengatur dan mengawasi kegiatan pemeliharaan mesin dan bertanggung jawab terhadap keseluruhan kerja dari maintenance.
Characterization :
Characterization :
Staff maintenance harus memahami apa saja mesinmesin yang ada didalam pabrik beserta komponenkomponen penyusun dari mesin tersebut.
Maintenance section head harus memahami prosedur penjadwalan yang dilakukan dan prosedur pelaksanaan pemeliharaan dengan baik. Maintenance section head juga tidak asing dengan istilah-istilah proses penjadwalan mesin yang digunakan serta mampu mengaplikasikan pengetahuan tersebut dalam memanfaatkan sistem informasi penjadwalan yang ada.
4.3.1.3.1.3 Use Cases Berikut ini merupakan penjelasan mengenai use case yang terdapat dalam sistem informasi penjadwalan pemeliharaan mesin untuk PT. Dian Swastatika Sentosa :
269
Gambar 4.32 Use Case Diagram
270 Berikut ini merupakan spesifikasi masing-masing use case yang terdapat pada use case diagram yang ada pada gambar 4.32. Tabel 4.76 Use Case Spesification M elakukan Login Use case Name Brief Description Primary Actor Basic Flow
M elakukan Login Use case ini menggambarkan aktifitas dari user dalam melakukan login Maintenance Section Head dan Staff Maintenance 1. Use case ini dimulai ketika user ingin masuk kedalam sistem dengan menjalankan aplikasi. 2. User memasukan NIK dan password. 3. User yang ingin masuk ke dalam aplikasi mengklik tombol login. (Sub flow s.3) 4. User yang ingin mengosongkan text field yang ada maka dapat mengklik tombol reset (Sub flow s.4)
Sub Flow
Alternative Flow Pre Condition Post Condition
5. User menekan tombol close (Sub flow s.5) 6. Use case selesai s.3 Sistem akan mengecek validitas username dan password dalam database sistem. Jika sesuai, maka sistem akan menampilkan halaman sesuai dengan jabatan dari user. Jika jabatan user adalah staf maintenance akan menampilkan form utama ’Main Menu Staff". Jika jabatan aktor adalah maintenance section head maka akan menampilkan form utama "Main Menu Section Head” s.4 Semua field yang ada akan dikosongkan s.5 User keluar dari layar ini a.3 Jika data tidak ditemukan, sistem akan menampilkan konfirmasi pencarian Maintenance section head dan staf maintenance ingin masuk kedalam sistem Layar menu utama akan ditampilkan sesuai dengan jabatan dari validasi user.
271 Tabel 4.77 Use Case Spesification M endata User Use case Name Brief Description Primary Actor Basic Flow
Sub Flow
Alternative Flow Pre Condition Post Condition
M endata User Use case ini berfungsi untuk melakukan proses pemasukan dan pengolahan informasi mengenai data karyawan dalam sistem. Maintenance Section Head 1. Use case ini dimulai ketika maintenance section head ingin memasukkan data karyawan baru atau ingin mengubah data karyawan. 2. User dapat mengklik data karyawan yang telah ada pada grid (Sub flow s.2) 3. Jika ingin menambahkan data karyawan baru, maka user akan mengklik tombol add (Sub flow s.3) 4. User memasukan data NIK, name, position, workhours dan shift sesuai dengan field-field yang tersedia 5. Untuk menyimpan data karyawan yang telah diisi, user menekan tombol save (Sub flow s.5) 6. Untuk menghapus data karyawan yang sedang ditampilkan, user menekan tombol delete (Sub flow s.6) 7. Untuk mengubah data yang sudah ditampilkan, user menekan tombol edit (Sub flow s.7) 8. User memasukan data yang diubah 9. Untuk menyimpan data yang diubah, user menekan tombol save (Sub flow s.9) 10. User ingin membatalkan pengisian pada field yang ada, maka dapat mengklik tombol cancel (Sub flow s.2) 11. User menekan tombol close (Sub flow s.11) 12. Use case selesai s.2 Data pada grid yang dipilih akan muncul pada field-field yang ada dan berada dalam keadaaan disabled s.3 Semua field yang ada akan dikosongkan s.5 M enambah data karyawan yang ada, jika field ada yang salah maka dilanjutkan ke alternative flow 5 s.6 M enghapus data yang sudah ada s.7 Field-field yang ada akan berada dalam keadaan enabled s.9 M eng-update data yang sudah dirubah, jika field ada yang salah maka dilanjutkan ke alternative flow 5 s.11 User keluar dari layar ini a.5 Semua field harus diisi dan field workhours harus berupa angka, jika tidak sistem akan menampilkan pesan kesalahan. Maintenance Section Head sudah melakukan login kedalam sistem Data karyawan telah ditambah atau di update dan sudah disimpan ke dalam sistem
272 Tabel 4.78 Use Case Spesification M endata Machine Use case Name Brief Description Primary Actor Basic Flow
Sub Flow
M endata Machine Use case ini menjelaskan proses pemasukan dan pengolahan informasi yang terkait dengan machine ke dalam sistem Staff Maintenance 1. Use case ini dimulai ketika staf maintenance ingin memasukkan data machine baru atau ingin mengubah data machine. 2. User dapat mengklik data machine yang telah ada pada grid (Sub flow s.2) 3. Jika ingin menambahkan data machine baru, maka user dapat mengklik tombol add (Sub flow s.3) 4. User memasukan data machine no, machine name, operating hours, description, manual interval dan manual duration pada field-field yang tersedia 5. Untuk menyimpan data machine yang telah diisi, user menekan tombol save (Sub flow s.5) 6. Untuk menghapus data machine yang sedang ditampilkan, user menekan tombol delete (Sub flow s.6) 7. Untuk mengubah data machine yang sudah ditampilkan, user menekan tombol edit (Sub flow s.7) 8. User memasukan data yang diubah 9. Untuk menyimpan data machine yang telah diubah, user menekan tombol save (Sub flow s.9) 10. User ingin membatalkan pengisian pada field yang ada, maka dapat mengklik tombol cancel (Sub flow s.2) 11. User ingin mencari data machine yang telah dimasukan kedalam sistem dengan memilih category pencarian. 12. User memasukan machine no. atau machine name ke text field pencarian lalu menekan tombol search (Sub flow s.12) 13. User menekan tombol close (Sub flow s.13) 14. Use case selesai s.2 Data pada grid yang dipilih akan muncul pada field-field yang ada dan berada dalam keadaaan disabled s.3 Semua field yang ada akan dikosongkan s.5 M enambah data mesin yang ada, jika field yang diisi tidak lengkap maka dilanjutkan ke alternative flow 5 s.6 M enghapus data yang sudah ada s.7 Field-field yang ada akan berada dalam keadaan enabled s.9 M eng-update data yang sudah dirubah, jika field yang diisi tidak lengkap maka dilanjutkan ke alternative flow 5 s.12 Data mesin yang sesuai dengan pencarian akan muncul pada grid. s.13 User keluar dari layar ini
273 Tabel 4.79 Use Case Spesification M endata Machine (Lanjutan) Alternative Flow
Pre Condition Post Condition
a.5
Semua field harus diisi, jika tidak sistem akan menampilkan pesan kesalahan. a.12 Jika data tidak ditemukan, sistem akan menampilkan konfirmasi hasil pencarian Staff maintenance sudah login kedalam sistem Data machine telah ditambah atau di update dan sudah disimpan ke dalam sistem
Tabel 4.80 Use Case Spesification M endata Part Use case Name Brief Description Primary Actor Basic Flow
M endata Part Use case ini menjelaskan proses pemasukan dan pengolahan informasi yang terkait dengan part machine ke dalam sistem Staff Maintenance 1. Use case ini dimulai ketika staf maintenance ingin memasukkan data part baru atau ingin mengubah data part. 2. User dapat mengklik data part yang telah ada pada grid (Sub flow s.2) 3. Jika ingin menambahkan data mesin baru, maka user dapat mengklik tombol add (Sub flow s.3) 4. User memasukan data part no, part name, description, stock available dan safety stock pada field-field yang tersedia 5. Untuk menyimpan data part yang telah diisi, user menekan tombol save (Sub flow s.5) 6. Untuk menghapus data part yang sedang ditampilkan, user menekan tombol delete (Sub flow s.6) 7. Untuk mengubah data mesin yang sedang ditampilkan, user menekan tombol edit (Sub flow s.7) 8. User memasukan data yang diubah 9. Untuk menyimpan data mesin yang telah diubah, user menekan tombol save (Sub flow s.9) 10. User ingin membatalkan pengisian pada field yang ada, maka dapat mengklik tombol cancel (Sub flow s.2) 11. User ingin mencari data part yang telah dimasukan kedalam sistem dengan memilih category pencarian. 12. User memasukan part no. atau part name ke text field pencarian lalu menekan tombol search (Sub flow s.12) 13. User menekan tombol close (Sub flow s.13) 14. Use case selesai
274 Tabel 4.81 Use Case Spesification M endata Part (Lanjutan) Sub Flow
Alternative Flow
Pre Condition Post Condition
s.2
Data pada grid yang dipilih akan muncul pada field-field yang ada dan berada dalam keadaaan disabled s.3 Semua field yang ada akan dikosongkan s.5 M enambah data part yang ada, jika field yang diisi tidak lengkap maka dilanjutkan ke alternative flow 5 s.6 M enghapus data yang sudah ada s.7 Field-field yang ada akan berada dalam keadaan enabled s.9 M eng-update data yang sudah dirubah, jika field yang diisi tidak lengkap maka dilanjutkan ke alternative flow 5 s.12 Data part yang sesuai dengan pencarian akan muncul pada grid. s.13 User keluar dari layar ini a.5 Semua field harus diisi, jika tidak sistem akan menampilkan pesan kesalahan. a.12 Jika data tidak ditemukan, sistem akan menampilkan konfirmasi hasil pencarian Staff mainteance sudah login kedalam sistem Data part telah ditambah atau di update dan sudah disimpan ke dalam sistem
275 Tabel 4.82 Use Case Spesification M endata Detail Machine Use case Name Brief Description Primary Actor Basic Flow
Sub Flow
Alternative Flow Pre Condition Post Condition
M endata Detail Machine Use case ini menjelaskan proses pemasukan dan pengolahan informasi yang terkait dengan detail machine ke dalam sistem Staff Maintenance 1. Use case ini dimulai ketika staf maintenance ingin memasukkan data detail machine baru atau ingin mengubah data detail machine. 2. User dapat mengklik data detail machine yang telah ada pada grid (Sub flow s.2) 3. User yang ingin menambah data detail machine menekan tombol add (Sub flow s.3) 4. User memilih machine name dan part name (Sub flow s.4), dan kemudian mengisi qty. 5. Untuk menyimpan data detail machine yang telah dilengkapi, user menekan tombol save (Sub flow s.5) 6. Untuk menghapus data detail machine yang sedang ditampilkan, user menekan tombol delete (Sub flow s.6) 7. Untuk mengubah qty detail machine yang sedang ditampilkan, user menekan tombol edit (Sub flow s.7) 8. User memasukan data qty yang dirubah 9. Untuk menyimpan data yang telah diubah, user menekan tombol save (Sub flow s.9) 10. User ingin membatalkan pengisian pada field yang ada, maka dapat mengklik tombol cancel (Sub flow s.2) 11. User menekan tombol close (Sub flow s.11) 12. Use case selesai s.2 Data pada grid yang dipilih akan muncul pada field-field yang ada dan berada dalam keadaaan disabled s.3 Semua field yang ada akan dikosongkan s.4 Secara otomatis detail machine no., maintenance interval, reliability dan standard TTR akan ditampilkan s.5 M enambah data detail machine yang ada, jika field yang diisi tidak lengkap maka dilanjutkan ke alternative flow 5 s.6 M enghapus data yang sudah ada s.7 Hanya field qty yang ada akan berada dalam keadaan enabled s.9 M eng-update data yang sudah dirubah, jika field yang diisi tidak lengkap maka dilanjutkan ke alternative flow 5 s.11 User keluar dari layar ini a.5 Semua field harus diisi, jika tidak sistem akan menampilkan pesan kesalahan Grid sudah terhubung dengan database Data detail machine telah ditambah atau di update dan sudah disimpan ke dalam sistem
276 Tabel 4.83 Use Case Spesification M endata Work Order Use case Name Brief Description Primary Actor Basic Flow
M endata Work Order Use case ini menjelaskan proses pemasukan dan pengolahan informasi mengenai work order ke dalam sistem Maintenance Section Head 1. Use case ini dimulai ketika staf maintenance ingin membuat work order baru atau ingin mengubah data work order yang telah dibuat sebelumnya. 2. User yang ingin membuat work order menekan tombol add (Sub flow s.2) 3. User memilih WO category dan machine name (Sub flow s.3), memilih part name, execute section dan kemudian mengisi task description, activity, result serta memilih employee, date, time 4. Untuk menyimpan data work order yang telah dilengkapi, user menekan tombol save (Sub flow s.4) 5. Untuk mengolah data work order yang telah dimasukan sebelumnya, user memasukan WO No. ke text field pencarian lalu menekan tombol search (Sub flow s.5) 6. Untuk menghapus data work order yang sedang ditampilkan, user menekan tombol delete (Sub flow s.6) 7. Untuk mengubah data work order yang sedang ditampilkan, user menekan tombol edit (Sub flow s.7) 8. User memasukan data work order yang dirubah 9. Untuk menyimpan data yang telah diubah, user menekan tombol save (Sub flow s.9) 10. User ingin membatalkan pengisian pada field yang ada, maka dapat mengklik tombol cancel (Sub flow s.2) 11. User yang ingin mencetak work order yang ditampilkan menekan tombol print (Sub flow s.11) 12. User yang ingin melihat detail WO, dapat menekan tombol view detail WO (Sub flow s.12) 13. User dapat mengklik data detail WO yang telah ada pada grid (Sub flow s.13) 14. User ingin mencari detail WO yang telah dimasukan kedalam sistem dengan memilih category pencarian. 15. User memasukan WO no. atau status detail WO ke text field pencarian lalu menekan tombol search (Sub flow s.15) 16. User ingin mengajukan permintaan komponen menekan tombol part request (Sub flow s.16) 17. User menekan tombol close (Sub flow s.17) 18. Use case selesai
277 Tabel 4.84 Use Case Spesification M endata Work Order (Lanjutan) Sub Flow
Alternative Flow
Pre Condition Post Condition
s.2 Semua field yang ada akan dikosongkan dan secara otomatis waktu dan tanggal sekarang akan ditampilkan s.3 Secara otomatis WO no. akan ditampilkan s.4 M enambah data work order dan detail WO, jika field yang diisi tidak lengkap maka dilanjutkan ke alternative flow 4 s.5 Data work order yang sesuai dengan pencarian akan muncul pada field-field yang tersedia dalam keadaan disabled. s.6 M enghapus data yang sudah ada s.7 Field-field dan combo box yang ada akan berada dalam keadaan enabled s.9 M eng-update data yang sudah dirubah, jika field yang diisi tidak lengkap maka dilanjutkan ke alternative flow 4 s.11 Work Order tercetak s.12 Ditampilkan window detail WO s.13 Data pada grid yang dipilih akan muncul pada field-field yang tersedia dan berada dalam keadaaan disabled s.15 Data detail WO yang sesuai dengan pencarian akan muncul pada grid. s.16 Ditampilkan window Part Request s.17 User keluar dari layar ini a.4 Semua field harus diisi, jika tidak sistem akan menampilkan pesan kesalahan a.15 Jika data tidak ditemukan, sistem akan menampilkan konfirmasi hasil pencarian Maintenance Section Head sudah login kedalam sistem Data work order telah ditambah atau di update dan sudah disimpan ke dalam sistem
278 Tabel 4.85 Use Case Spesification M embuat NPB Use case Name Brief Description Primary Actor Basic Flow
Sub Flow
Alternative Flow Pre Condition Post Condition
M embuat Nota Permintaan Barang Use case ini menjelaskan proses mengolah informasi mengenai permintaan part ke dalam sistem Staff Maintenance 1. Use case ini dimulai ketika work order yang dibuat membutuhkan adanya permintaan part. 2. User memilih data dengan mengklik data pada grid yang terdapat pada layar view detail WO. (Sub flow s.2) 3. User membuka layar part request dengan mengklik tombol PartRequest yang terdapat pada layar view detail WO. (Sub flow s.3) 4. User memasukan demand qty 5. Untuk menyimpan data part request, maka user menekan tombol save (Sub flow s.5) 6. User ingin menghapus data part request, maka user menekan tombol delete (Sub flow s.6) 7. User ingin membatalkan part request, dengan mengklik tombol cancel (Sub flow s.7) 8. User menekan tombol close (Sub flow s.8) 9. Use case selesai s.2 Data pada grid muncul pada field-field dan disabled s.3 Ditampilkan window Part Request dan NPB No., WO No., Machine Name dan Part Name langsung terisi s.5 M enambah data part request, jika field yang diisi tidak lengkap maka dilanjutkan ke alternative flow 5 s.6 M enghapus data yang sudah ada s.8 User keluar dari layar ini a.5 Semua field harus diisi, jika tidak sistem akan menampilkan pesan kesalahan Staff maintenance sudah login kedalam sistem Data part request telah ditambah atau di update dan sudah disimpan ke dalam sistem
279 Tabel 4.86 Use Case Spesification M elakukan Simulasi Reliabilty Use case Name Brief Description
Primary Actor Basic Flow
Sub Flow
Alternative Flow Pre Condition Post Condition
M elakukan Simulasi Reliabilty Use case ini menjelaskan proses untuk yang dilakukan maintenance section head untuk melakukan simulasi reliability untuk mendapatkan maintenance interval. Maintenance Section Head 1. Use case ini dimulai ketika jadwal preventive maintenance yang akan dibuat harus mempunyai maintenance interval sebagai dasar pembuatan jadwal. 2. User memilih machine name dan part name. 3. Untuk mendapatkan waktu rata-rata kerusakan / mean time to failure (M TTF) dan waktu rata-rata perbaikan / mean time to repair (M TTR), user dapat mengklik tombol calculate MTTF (Sub flow s.3) 4. User memasukan total time simulation dan reliability target sesuai dengan target perusahaan. 5. User menekan tombol simulate PM untuk mendapatkan maintenance interval. (Sub flow s.5) 6. User menekan tombol save untuk menyimpan Standard TTR, Reliability Target dan Maintenance Interval. (Sub flow s.6) 7. User menekan tombol close (Sub flow s.7) 8. Use case selesai s.3 Sistem mengambil semua TTFhour dan TTRhour yang sesuai dengan machine name dan part name yang dipilih dari detail WO, untuk menghitung waktu rata-rata kerusakan (M TTF) dan waktu rata-rata perbaikan (M TTR) berdasarkan distribusi weibull. s.5 Grafik reliability dan grid reliability akan menampilkan hasil simulasi. s.6 Sistem akan meng-update Standard TTR, Reliability Target dan Maintenance Interval pada detail WO, sesuai dengan machine name dan part name yang telah dipilih. s.7 User keluar dari layar ini a.3 Jika data tidak ditemukan, sistem akan menampilkan konfirmasi pencarian Maintenance Section Head sudah login kedalam sistem Data detail WO telah di update dan sudah disimpan ke dalam sistem
280 Tabel 4.87 Use case Spesification M embuat Schedule Use case Name Brief Description Primary Actor Basic Flow
Sub Flow
Alternative Flow Pre Condition Post Condition
4.3.1.3.2
M embuat Schedule Use case ini menjelaskan proses pembuatan dan pencetakan jadwal Preventive Maintenance Maintenance Section Head 1. Use case ini dimulai ketika user ingin membuat jadwal preventive maintenance. 2. User memilih machine name dan part name. (Sub flow s.2) 3. User yang ingin mencari jadwal yang telah dibuat dapat menekan tombol search. (Sub flow s.3) 4. User yang ingin melihat simulasi jadwal preventive maintenance, mengklik tombol simulate. (Sub flow s.3) 5. User yang ingin menyimpan jadwal ditampilkan pada grid dapat mengklik tombol save (Sub flow s.5) 6. User yang ingin mencetak jadwal yang telah dibuat, dapat menekan tombol print (Sub flow s.6) 7. User menekan tombol close (Sub flow s.7) 8. Use case selesai s.2 Sistem menampilkan maintenance interval, standard TTR, dan reliability sesuai dengan machine name dan part name yang dipilih. s.3 Jadwal preventive maintenance akan ditampilkan pada grid simulated schedule s.5 Jadwal preventive maintenance ditambahkan pada sistem s.6 Jadwal akan dicetak. s.7 User keluar dari layar ini a.2 Jika data tidak ditemukan, sistem akan menampilkan konfirmasi pencarian Maintenance Section Head sudah login kedalam sistem Data schedule telah ditambah atau di update dan sudah disimpan ke dalam sistem
Function
4.3.1.3.2.1 Complete Function List Berikut ini merupakan function list dari sistem penjadwalan pemeliharaan mesin untuk PT Dian Swastatika Sentosa :
281
Tabel 4.88 Function List Function
Complexity
Type
Simple
Read
Simple Simple
Read Signal
Simple Simple
Read, Update Read
M enampilkan data employee M enambah data employee
Simple Simple
Read Update
M engubah data employee M enghapus data employee
Simple Simple
Update Update
Simple Simple
Read, Update Read
M enampilkan data machine M enambah data machine
Simple Simple
Read Update
M engubah data machine M enghapus data machine
Simple Simple
Update Update
Simple Simple
Read Read, Update
M enampilkan daftar part M enampilkan data part
Simple Simple
Read Read
M enambah data part M engubah data part
Simple Simple
Update Update
M enghapus data part M encari data part
Simple Simple
Update Read
1. M elakukan Login M emvalidasi NIK dan password M enampilkan Warning Waktu Schedule 2. M endata employee M enampilkan daftar employee
3. M endata machine M enampilkan daftar machine
M encari data machine 4. M endata part
282
Tabel 4.89 Funtion List (Lanjutan 1) Function
Complexity
Type
Simple
Read, Update
M enampilkan daftar machine M enampilkan daftar part
Simple Simple
Read Read
M enampilkan data detail machine M enambah data detail machine
Simple Simple
Read Update
M engubah data detail machine M enghapus data detail machine
Simple Simple
Update Update
Simple Simple
Read, Update Read
M enampilkan daftar detail machine M enampilkan daftar employee
Simple Simple
Read Read
M enambah data work order M enambah data detail wo
Simple Simple
Update Update
M encari data work order M engubah data work order
Simple Simple
Read Update
M enghapus data work order M encetak work order
Simple Simple
Update Read
M enampilkan data detail wo M encari data detail wo
Simple Simple
Read Read
7. M endata part request M enampilkan data detail wo
Simple Simple
Read, Update Read
M enampilkan data part request M enambah data part request
Simple Simple
Read Update
M enghapus data part request M engubah stock available data part
Simple Simple
Update Update
5. M endata detail machine
6. M endata work order M enampilkan daftar machine
283 Tabel 4.90 Funtion List (Lanjutan 2) Function
Complexity
Type
Complex Simple
Read, Compute Read
M enampilkan daftar detail machine M enghitung M TTF
Simple Complex
Read Read, Compute
M enghitung Standard TTR M ensimulasikan table dan chart reliability
Complex Complex
Read, Compute Read, Compute
Simple Medium
Update Read, Compute
M enampilkan daftar machine M enampilkan daftar detail machine
Simple Simple
Read Read
M enampilkan data detail machine M embuat jadwal
Simple Medium
Read Compute
M enambah data jadwal M encetak Schedule
Simple Simple
Update Read
8. M elakukan simulasi reliability M enampilkan daftar machine
M engubah data detail machine 9. M embuat Schedule
4.3.1.3.2.2 Specification of Functions Function Specification menjelaskan spesifikasi tindakan untuk kebutuhan pemahaman suatu sistem, sehingga sistem menjadi lebih jelas fungsinya bagi user, terutama untuk sistem yang kompleksitasnya cukup tinggi, yaitu fungsi menghitung MTTF,
menghitung
Standard
TTR,
mensimulasikan chart
reliability dan
mensimulasikan grid reliability. •
M enghitung M TTF Proses dimulai dengan mengambil hasil query database TTFhour dari detail WO yang sesuai dengan machine name dan part name yang telah dipilih. TTFhour adalah selang waktu antara waktu terakhir kali suatu komponen dari suatu mesin selesai diperbaiki (date and time last breakdown) sampai waktu mulai terjadinya
284 kerusakan berikutnya (date and time completed). Kemudian data TTFhour yang sesuai akan diurutkan dari nilai yang terkecil sampai pada nilai yang terbesar untuk dilakukan perhitungan secara statistik melalui metode regresi linier untuk mendapatkan nilai gradien b yang akan dijadikan nilai ”beta TTF”. Nilai gradien b kemudian akan digunakan kembali untuk menghitung nilai dari intersep a. Besar ”theta TTF” merupakan hasil pemangkatan eksponensial dari intersep a dibagi dengan ”beta TTF” yang sebelumnya telah dikalikan dengan -1. Hasil dari ”theta TTF” dan ”beta TTF” dapat digunakan untuk menghasilkan nilai dari M TTF melalui proses perkalian ”theta TTF” dengan nilai gamma dari penjumlahan 1 + (1/”beta TTF”).
•
M enghitung Standard TTR Perhitungan ini akan segera dilakukan setelah hasil dari M TTF telah selesai dikalkulasi. Data perhitungan diambil dari hasil query database TTRhour yang berasal dari kumpulan data historis yang ada pada detail WO yang sesuai dengan machine name dan part name yang telah dipilih. TTRhour adalah selang waktu antara waktu mulai perbaikan suatu komponen dari suatu mesin (date and time accepted) sampai waktu selesainya perbaikan kerusakan komponen tersebut (date and time closed). Data TTRhour hasil query akan diurutkan dari nilai yang terkecil sampai pada nilai yang terbesar untuk dilakukan perhitungan secara statistik melalui metode regresi linier untuk mendapatkan nilai gradien b yang akan dijadikan nilai ”beta TTR”. Nilai gradien b kemudian akan digunakan kembali untuk mencari nilai dari intersep a. Besar ”theta TTR” merupakan hasil pemangkatan eksponensial dari intersep a dibagi dengan ”beta TTR” yang
285 sebelumnya telah dikalikan dengan -1. Proses perhitungan akhir dari ”theta TTR” dan ”beta TTR” dapat digunakan untuk mendapatkan nilai waktu standard patokan dalam melakukan suatu perbaikan yaitu standard TTR, melalui proses perkalian ”theta TTR” dengan nilai gamma dari penjumlahan 1 + (1/”beta TTR”).
•
M ensimulasikan table dan chart reliability Hasil dari perhitungan M TTF akan digunakan dalam simulasi tabel reliability untuk mendapatkan nilai maintenance interval. Simulasi didasarkan pada total time to simulate dan penyesuaian reliability target yang diinginkan perusahaan dalam melakukan simulasi tersebut. Selama perhitungan akan ditampilkan informasi berupa
tabel
perbandingan
reliability
sebelum
menerapkan
preventive
maintenance, sesudah menerapkan preventive maintenance dan efek kumulatif dari penerapan preventive maintenance. Jumlah baris simulasi pada tabel reliability akan ditentukan berdasarkan selang interval time simulation dan total time to simulate. Proses perhitungan akan dilakukan dengan membandingkan nilai probabilitas MTTF yang mendekati nilai reliability yang dientry oleh user. Dari hasil probabilitas terdekat tersebut akan diambil nilai waktunya untuk digunakan sebagai maintenance interval pada pembuatan schedulle. Dari tabel reliability yang telah dihasilkan, selanjutnya akan dibuat suatu perumusan nilai pada masing-masing point yang terdapat pada grafik. Apabila grafik yang dihasilkan menunjukkan pola yang mendukung penerapan preventive maintenance maka maintenance interval layak penjadwalan preventive maintenance.
untuk
digunakan
dalam
286 4.3.1.3.3
User Interface
Bahasa inggris adalah bahasa yang digunakan sebagai bahasa internasional. Oleh karena itu dalam pembuatan interface yang ada akan dituliskan dalam bahasa inggris pada semua element yang akan dipakai oleh user.
4.3.1.3.3.1 Dialogue Style Pada dialogue style menampilkan laporan-laporan apa saja yang terdapat pada sistem. Pada tabel 5.86 berikut ini akan ditampilkan dialogue style dari sistem penjadwalan pemeliharaan pada PT. Dian Swastatika Sentosa.
Tabel 4.91 Dialogue Style Window
Printouts
Login Main Menu User Machine Part Detail Machine Work Order
Work Order
Detail WO NPB Reliability Schedule
Maintenance Schedule
287 4.3.1.3.3.2 Overview Overview pada bagian ini merupakan navigation diagram yang menunjukkan alur-alur dari sistem Penjadwalan yang dirancang pada PT. Dian Swastatika Sentosa. a. Maintenance Section Head Window Reliability
Window Change Password
Reliabilit y Button
Close But ton
Change P assword Button
Close Button
Window Main Menu
Window Login Close Button
Login Butt on Cancel Butt on
User Butt on
Window User
Close But ton Close Button
Work Order But ton
Close Butt on
Window Scheduling Window WorkOrder
Scheduling Button
Gambar 4.33 Navigation Diagram Interface Maintenance Section Head
288 b. Staff Maintenance
Gambar 4.34 Navigation Diagram Interface Staff Maintenance
289 Aplikasi-aplikasi yang dirancang akan dihubungkan dengan sebuah server yang menampung database dari sistem penjadwalan dan dihubungkan dengan menggunakan jaringan LAN, sehingga data dan informasi yang ada dapat diakses sesuai dengan kepentingan dari masing-masing pihak.
4.3.1.3.3.3 Rancangan Tampilan Sistem informasi penjadwalan preventive maintenance dirancang dengan menggunakan database untuk menyimpan datanya. Sistem informasi yang dirancang dapat digunakan untuk mengakses data yang dibutuhkan, meng-input data mesin dan data part dari mesin, serta mampu mengolah informasi data waktu perbaikan dari setiap data work order yang terjadi. Perhitungan untuk menghasilkan jadwal ditampilkan dalam suatu interface sehingga dapat berguna bagi pihak maintenance dalam membuat jadwal perawatan pencegahan. Sistem yang dirancang juga dapat menyediakan pelaporan kegiatan perbaikan secara rutin maupun perbaikan corrective yang terjadi secara tiba-tiba. Berikut adalah rancangan layar (interface) tampilan dari aplikasi sistem informasi manajemen untuk penjadwalan preventive maintenance pada PT. Dian Swastatika Sentosa.
290 a. Layar Login
Gambar 4.35 Layar Menu Login
Gambar 4.35 merupakan tampilan yang akan muncul pertama kali ketika program dijalankan. Pada saat akan masuk ke dalam sistem, user terlebih dahulu harus memasukkan NIK dan Password, untuk kemudian user menekan tombol login. Jika terdapat kesalahan dalam memasukkan user name dan password, maka akan muncul pesan kesalahan. Tombol Reset digunakan untuk menghapus field-field yang ada agar kembali dalam keadaan kosong. Ada 2 jenis main menu yang akan ditampilkan. Jika pengguna memasukkan NIK dan Password sebagai staff maintenance maka akan muncul layar main menu staff maintenance, sedangkan jika user masuk sebagai maintenance section head maka akan muncul layar main menu maintenance section head. Perbedaan main menu terletak pada tombol menu yang boleh dipilih dari para user.
291 b. M enu Utama Staff Maintenance
Gambar 4.36 Layar M enu Utama Staff Maintenance
Layar ini berisi tombol-tombol yang bisa diakses jika user yang login masuk sebagai staff. Tombol yang bisa diakses adalah tombol machine yang digunakan untuk mendata mesin, tombol part yang akan membuka layar part yang digunakan untuk mendata komponen, dan tombol detail machine yang akan membuka layar detail machine. Tombol change password digunakan untuk ganti password user dan tombol close di kanan atas interface digunakan untuk keluar dari sistem.
292 c. Layar Change Password
Gambar 4.37 Layar Change Password
Pada layar ini user baik maintenance section head maupun staff maintenance dapat mengganti password mereka dengan password yang baru. User harus mengisi password yang lama lalu memasukan password baru dua kali untuk konfirmasi. Setelah selesai user dapat menekan tombol save maka sistem akan segera meng-update password yang baru.
293 d. Layar Machine
Gambar 4.38 Layar Machine
Pada layar ini, staff maintenance dapat melakukan penambahan, penghapusan, dan pengubahan mesin yang di pabrik. Untuk menambah mesin baru, staff maintenance akan menekan tombol add dan mengisi terlebih dahulu field-field yang ada dan diakhiri dengan menekan tombol save, dan data kemudian akan tersimpan dalam database. Data mesin yang telah di-input dapat diubah dengan memilih datagrid dan informasi dari datagrid tersebut lalu akan muncul pada masing-masing field dan dapat dilakukan
294 pengubahan dengan menekan tombol edit dan mengisi terlebih dahulu field-field yang ada kemudian diakhiri dengan menekan tombol save. Tombol delete berfungsi untuk menghapus data yang ada dan tombol cancel berfungsi untuk membatalkan pengisian pada field-field yang ada sedang akan diisi atau diubah. Untuk pencarian data mesin dapat dilakukan dengan memilih kategori pencarian dan memasukan data yang yang dicari, data yang dimasukan dapat berupa machine no atau machine name. Kemudian user menekan tombol search dan akan ditampilkan hasil pencarian pada grid dan fieldfield yang tersedia. e. Layar Part
Gambar 4.39 Layar Part
295 Pada Gambar 4.39 user dapat melakukan pendataan terhadap komponenkomponen yang tersedia di pabrik yang digunakan pada mesin. Untuk menambah komponen baru, staff maintenance akan menekan tombol add dan mengisi terlebih dahulu field-field yang ada dan diakhiri dengan menekan tombol save, dan data kemudian akan tersimpan dalam database. Data komponen yang telah di-input dapat diubah dengan memilih datagrid dan informasi dari datagrid tersebut lalu akan muncul pada masing-masing field. Pengubahan dilakukan dengan menekan tombol edit dan kemudia mengisi field-field yang ada dan diakhiri dengan menekan tombol save. Tombol delete berfungsi untuk menghapus data yang ada dan tombol cancel berfungsi untuk membatalkan pengisian pada field-field yang ada sedang akan diisi atau diubah. Untuk pencarian data mesin dapat dilakukan dengan memilih kategori pencarian dan memasukan data yang yang dicari, data yang dimasukan dapat berupa part no atau part name. Kemudian user menekan tombol search dan akan ditampilkan hasil pencarian pada grid dan field-field yang tersedia.
296 f. Layar Detail Machine
Gambar 4.40 Layar Detail Machine
Layar ini digunakan untuk mendata komponen-komponen yang ada pada setiap mesin. User dapat memilih data mesin dengan mengklik grid untuk menampilkan data detail machine pada field-field yang tersedia. Untuk menambah data komponen setiap mesin, terlebih dahulu user menekan tombol add, memilih nama mesin yang telah tersedia pada combo machine name dan dilanjutkan dengan memilih komponen yang ingin didata pada mesin tersebut kemudian diakhiri dengan mengisi field qty.
297 Data maintenance interval, standard TTR dan Reliability akan didapat dari proses perhitungan simulasi reliability pada layar reliability. Setelah semua data telah diisi maka user menyimpan data detail machine dengan menekan tombol save. Untuk menghapus data detail machine, user dapat menekan tombol delete sedangkan untuk mengubah data user menekan tombol edit, perubahan hanya dapat dilakukan untuk field qty. Setiap perubahan diakhiri dengan menekan tombol save untuk mengupdate data detail machine. Kode detail machine akan di-generate oleh sistem yang merupakan kombinasi dari machine no dan part no.
g. M enu Utama Maintenance Section Head
Gambar 4.41 M enu Utama Maintenance Section Head
298 Layar ini berisi tombol-tombol yang bisa diakses jika user yang login masuk sebagai maintenance section head. Tombol yang bisa diakses adalah tombol user yang digunakan untuk mendata user yang berinteraksi dengan sistem, tombol work order yang digunakan untuk membuat work order, tombol reliability untuk melakukan proses simulasi reliability dan tombol scheduling PM yang digunakan untuk membuat jadwal preventive maintenance. Tombol change password digunakan untuk ganti password user dan tombol close di kanan atas interface digunakan untuk keluar dari menu utama dan kembali ke layar login. h. Layar User
Gambar 4.42 Layar User
299 Pada layar user ini, maintenance section head dapat melakukan pendataan terhadap siapa saja staff maintenance yang bisa mengakses sistem penjadwalan. Untuk menambah data user baru dapat dilakukan dengan menekan tombol add dan mengisi semua field yang tersedia. Setelah data user telah selesai didata, maka data tersebut dapat disimpan dengan menekan tombol save dan secara otomatis sistem akan meng-update data user. Untuk merubah data dapat dilakukan dengan menekan tombol edit, mengisi data yang ingin dirubah dan kemudian menekan tombol save. Data yang ada dapat dihapus dengan menekan tombol delete.
300 i. Layar Work Order
Gambar 4.43 Layar Work Order
Layar ini digunakan untuk mendata work order. Untuk mencari work order yang telah lalu maka user mengetikan kode WO pada frame pencarian. Jika data tersedia maka layar akan menampilkan data wo tersebut.
301 Untuk menghapus data yang sudah ditampilkan maka user menekan tombol delete. Sedangkan untuk mengubah data atau menutup status WO maka user menekan tombol edit maka frame accepted by dan closed by baru dapat dimasukan datanya atau diubah oleh user. Untuk menambah data WO baru maka user menekan tombol add maka field-field akan dikosongkan. Kode WO akan terisi dengan otomatis oleh sistem setelah user memilih WO category dan machine name. Setelah user memilih mesin maka combo box akan menampilkan komponen yang hanya terdapat dalam mesin yang dipilih saja dan kemudian akan menampilkan operating hour dari mesin yang telah dipilih. Combo box employee name hanya menampilkan nama karyawan yang berhubungan dengan departemen maintenance saja, seperti technicians, foreman dan shift leader. WO yang telah dibuat juga dapat dicetak dengan menekan tombol print form. Jika tombol ini ditekan maka akan muncul layar print preview yang disesuaikan dengan field-field yang ada pada layar WO. Untuk melihat rincian komponen mesin yang diperbaiki dari masing-masing WO, dapat menekan tombol view detail WO. Layar akan menampilkan semua data WO yang telah dibuat berikut dengan rincian detail dari waktu perbaikan setiap kerusakan (TTR) dan waktu antar kerusakan (TTF). User dapat mencari data histories dari kejadian yang terjadi pada suatu mesin dengan memilih kategori pencarian berdasarkan machine name, mencari status WO yang dikerjakan apakah sudah selesai dikerjakan atau masih pending
dengan memilih kategori pencarian berdasarkan status atau mencari nomor
WO tertentu dengan memilih kategori pencarian berdasarkan WO no. Setelah memilih kategori kemudian user mengisi field pencarian dan kemudian menekan tombol search. Semua hasil pencarian yang sesuai akan ditampilkan pada datagrid.
302
Gambar 4.44 Layar Detail WO
Pada layar ini juga dapat dilakukan pengadaan komponen yang disesuaikan dengan kebutuhan dari masing-masing WO. Jika suatu WO membutuhkan permintaan komponen maka dapat dilakukan dengan menekan tombol PartRequest. Yang akan menampilkan layar seperti ditampilkan pada gambar 4.45.
303 j. Layar NPB
Gambar 4.45 Layar NPB Pada layar NPB ini, maintenance section head dapat melakukan pendataan atas WO yang didalam pengerjaannya membutuhkan permintaan komponen. Untuk meminta suatu komponen dari mesin yang diperbaiki di WO maka user dapat menekan tombol view detail WO dan memilih pada datagrid nomor detail WO yang ingin dimintakan komponen. Setelah itu user menekan tombol part request dan akan muncul layar NPB yang langsung terisi dengan field-field yang sesuai dengan WO yang telah dipilih.
304 Setelah itu user tinggal mengisi demand qty yang sesuai dengan permintaan komponen yang dibutuhkan dan menekan tombol save. Secara otomatis permintaan tersebut akan mengurangi stok dari part dan meng-update status dari detail WO untuk atribut PartReq menjadi Yes yang menandakan bahwa WO tersebut membutuhkan permintaan komponen. Untuk membatalkan data permintaan komponen yang telah diminta maka user dapat
memilih dari datagrid NPB yang ingin dibatalkan
permintaannya dan menekan tombol delete, secara otomatis sistem akan kembali mengupdate data persediaan part dengan menambah stok kembali sesuai dengan data NPB yang dihapus. Untuk membatalkan pengisian data pada NPB maka dapat menekan tombol cancel.
k. Layar Reliability
Gambar 4.46 Layar Reliability
305 Pada gambar 4.46, ditunjukkan mengenai layar reliability. Layar ini digunakan untuk melakukan simulasi reliability berdasarkan target reliability yang diinginkan perusahaan. User dapat memulai simulasi ini dengan memilih nama mesin dan nama komponen yang diinginkan untuk dicari reliabilitasnya. Setelah itu user menekan tombol calculate M TTF & Standard TTR yang akan langsung menghitung field-field yang tersedia di layar sebelah kiri seperti M TTF, Beta, Theta dan Standard TTR. Setelah parameter awal sudah ditentukan maka user dapat melanjutkan proses perhitungan untuk melakukan simulasi reliability dengan memasukan field-field yang ada disebelah kanan seperti total time to simulate dan target reliability kemudian menekan tombol simulate chart & table reliability. Setelah tombol simulate PM ditekan maka sistem akan segera melakukan perhitungan simulasi untuk grafik disebelah kiri dan pada tabel disebelah kanan. Grafik dapat digunakan
untuk
pengambilan
keputusan apakah penerapan preventive
maintenance untuk mesin dan komponen terpilih layak untuk dilakukan atau tidak. Jika keputusan jatuh pada layak untuk diterapkan maka maitenance interval untuk melakukan pemeliharan dapat dilihat pada tabel reliability dan ditandai dengan warna merah pada baris waktu yang terpilih. Peningkatan reliability jika menerapkan preventive maintenance dapat dilihat pada baris ditabel yang ditandai dengan warna hijau. Untuk menyimpan parameter waktu, user dapat menekan tombol save, dan untuk meninggalkan layar dengan menekan tombol close. Hasil dari aktifitas dilayar ini adalah output parameter waktu yang digunakan dalam pembuatan jadwal preventive maintenance. Parameter yang dihasilkan dari simulasi reliability ini antara lain adalah standard TTR yang dijadikan waktu standar dalam memperbaiki suatu kerusakan dari suatu komponen mesin dan maintenance
306 interval yang berguna sebagai waktu penentu selang waktu antar pemeriksaan atau pemeliharaan. l. Layar Scheduling PM
Gambar 4.47 Layar Scheduling PM
Layar ini digunakan untuk membuat jadwal yang sesuai dengan mesin dan komponen yang terpilih. Setelah memilih nama mesin dan komponen, maka selanjutnya user memilih periode selang waktu yang ingin dibuat oleh user. Setelah user telah selesai memilih field-field yang tersedia, maka user menekan tombol simulate untuk
307 menampilkan jadwal yang telah disesuaikan dengan maintenance interval dan standard TTR dari masing-masing mesin dan komponen yang telah disimulasikan sebelumnya. Hasil dari jadwal yang telah dibuat dapat disimpan dengan menekan tombol save. Untuk menampilkan jadwal yang pernah dibuat, maka user memilih nama mesin dan komponen yang ingin dilihat jadwalnya, setelah itu menekan tombol search dan secara otomatis datagrid jadwal akan menampilkan jadwal dari mesin tersebut. Jika ingin mencetak jadwal yang telah ditampilkan pada datagrid, maka user dapat menekan tombol print. Jadwal yang telah disimpan dapat secara otomatis akan menampilkan pesan reminder pada layar saat user melakukan login jika waktu user login sama dengan salah satu waktu pemeriksaan yang telah tercantum pada jadwal.
308 m. Printouts
Gambar 4.48 Printout Work Order
309
Gambar 4.49 Printout Schedule
310 4.3.1.3.3.4 Sequence Diagram Sequence diagram dibawah ini menjelaskan tentang apa saja yang dilakukan actor pada masing – masing usecase. a. M elakukan Login
Gambar 4.50 Sequence Diagram untuk Use Case M elakukan Login
311 b. M endata User
Maintenance Section Head create()
UI User
User get_data() result on_click_grid() refresh() on_click_add() entry_employee_data() on_click_save()
reset() add_new() result
on_click_edit() entry_employee_data() on_click_save()
update() result
on_click_delete() delete() result on_click_cancel() refresh() on_click_close()
Gambar 4.51 Sequence Diagram untuk Use Case M endata User
312 c. M endata Machine
Gambar 4.52 Sequence Diagram untuk Use Case M endata Machine
313 d. M endata Part
Gambar 4.53 Sequence Diagram untuk Use Case M endata Part
314 e. M endata Detail Machine
Gambar 4.54 Sequence Diagram untuk Use Case M endata Detail Machine
315 f. M endata Work Order
Gambar 4.55 Sequence Diagram untuk Use Case M endata Work Order
316 g. M embuat NPB
Mai nten ance Se ction H ead cre ate() UI Wo rk Orde r on _cli ck_De ta il WO()
create() U I D etail WO
se lect_WO_N o() on _cli ck_p art_req ues t() crea te () UI N PB
N PB
Pa rt
g et_d ata() re sult
en try_ pa rt_ name ()
gen era te _NPB _No ()
e ntry_de man d_q ty() on _cli ck_save ()
a dd_ ne w() up da te _stock_ avai lab le() re sult
on_ click_ de lete() d ele te() up date _stock_a vai lab le() resu lt on _cl ick_ca nce l() re fresh() on _cli ck_clo se() on _cl ick_cl ose( ) o n_cl ick_ close ()
Gambar 4.56 Sequence Diagram untuk Use Case M embuat NPB
317 h. M elakukan Simulasi Reliability
Ma in te na nce S ectio n He ad cr eate () U I R el iab il ity
Mach in e
D etai l Ma chin e
D etai l WO
g et_ma chi ne _n ame () res ult se le ct_ma chi ne_ na me() g et_p art_ nam e() re sul t sel ect_p art_n am e() o n_c lick _ca lcul ate_ MTTF & Stan da rd_ TTR ()
ge t_TTFh ou r() TTFh ou r
cal cul ate_ MTTF() g et_TTRh ou r() TTRh ou r
ca lcu late _stan da rd_ TTR () e ntry_to ta l_ ti me_ simu la ti on () en try_ rel ia bil ity_ta rge t() on_ cli ck_s imu late _Ch art & Tabe l_ Re lia bi lity()
si mul ate_ rel ia bil ity_g rid ()
ge ne rate_ mai nten an ce_ inte rval ()
si mul ate_ rel ia bil ty _ch art() o n_ cli ck_sa ve() u pda te_ Mai nten an ceInter val_ Stan da rdTTR_ Re lia bi lity() o n_c lick _clo se( )
Gambar 4.57 Sequence Diagram untuk Use Case M elakukan Simulasi Reliability
318 i. M embuat Schedule
Gambar 4.58 Sequence Diagram untuk Use Case M embuat Schedule
319 4.3.1.3.3.5 The Technical Platform Sistem yang akan dikembangkan akan digunakan pada PC desktop dengan bahasa pemrograman Microsoft Visual Basic 6.0, dimana user interface yang digunakan berbasiskan window form. Struktur tabel dibuat dengan menggunakan rancangan file database dari Microsoft Access 2003 dan sistem dioperasikan dengan menggunakan mouse, keyboard sebagai alat input dan pengoperasian, dan printer untuk keperluan pencetakan laporannya.
4.3.1.4
Recommendation
4.3.1.4.1
The System’s Usefulness and Feasibility
Sistem yang dikembangkan akan dapat membantu departemen maintenance khususnya, dalam menyimpan data dan informasi mengenai data perbaikan dan pemeliharaan yang dilakukan melalui pembuatan work order dan pelaporannya, memberikan pertimbangan kepada maintenance dalam membuat jadwal pemeliharaan melalui simulasi reliability, dan membantu dalam proses pembuatan jadwal pemeliharaan mesin selama periode tertentu. Selain itu sistem ini juga dapat memantau stok persediaan komponen jika permintaan komponen telah membuat persediaan dibawah safety stock maka akan ditampilkan warning pada interface sistem. Diharapkan dengan rancangan sistem ini akan dapat membantu mempermudah pekerjaan dari departemen maintenance dalam mendukung proses pemeliharaan mesin dan komponen yang ada dalam pabrik.
320 4.3.1.4.2
Strategy Untuk menerapkan sistem informasi penjadwalan ini, sebelumnya perusahaan
harus sudah mempersiapkan segala kebutuhan yang diperlukan, mulai dari fasilitas teknis pendukung berjalannya sistem informasi penjadwalan sampai dengan pelatihan user yang akan memakai sistem informasi ini. Hal paling awal dalam melakukan pelatihan adalah user diperkenalkan dengan metode penjadwalan yang diterapkan sistem beserta dengan istilah-istilah yang digunakan. Selanjutnya memberikan pelatihan secara khusus dalam menggunakan sistem tersebut. Sistem dapat diuji cobakan pada beberapa client terlebih dahulu sebagai waktu adaptasi, selama waktu ini akan diputuskan untuk melakukan perbaikanperbaikan dari sistem informasi penjadwalan yang akan diterapkan secara menyeluruh. Sehingga ketika waktu adaptasi telah selesai dilakukan dan tanpa mengalami masalah berarti, barulah kemudian diterapkan kepada seluruh client yang membutuhkan sistem ini.
321 4.3.2.
Design Document
4.3.2.1
The Task
4.3.2.1.1
Purpose
Sistem informasi penjadwalan preventive maintenance pada PT. Dian Swastatika Sentosa dirancang dengan tujuan agar dapat menyimpan data dan menghasilkan informasi yang akurat untuk dapat mengetahui kapan waktu yang tepat dalam melakukan pemeliharaan mesin berdasarkan data histories work order yang dibuat. Dengan berdasarkan informasi yang telah ada tersebut, pihak departemen maintenance akan dapat menghasilkan suatu jadwal pemeliharaan yang lebih disesuaikan dengan kondisi aktual mesin berdasarkan dengan target reliability perusahaan. Sistem yang ada diharapkan dapat memantau persediaan komponen agar ketika persediaan komponen kurang dari batas minimal stok maka akan ditampilkan warning pada interface sistem sehingga bagian maintenance dapat segera melaporkannya pada bagian gudang. Sistem informasi ini juga diharapkan dapat menjadi sistem pencatat work order sebagai sumber data dalam membuat jadwal pada periode berikutnya.
4.3.2.1.2
Corrections to the Analysis Dalam perancangan sistem, dibuatkan beberapa perbaikan pada analisis
dokumen yang telah dirancang sebelumnya. Perbaikan tersebut adalah dengan membuat revise class diagram yang lama menjadi class diagram yang baru. Revise class diagram tersebut ditinjau dari segi private event dan common event pada event table yang sudah dibuat sebelumnya.
322 4.3.2.1.3
Quality Goals
Dalam melakukan perancangan sistem informasi penjadwalan preventive maintenance ini, sistem harus dapat memenuhi beberapa kriteria. Kriteria yang paling penting dan harus diperhatikan antara lain adalah kriteria usable, correct, reliable dan comprehensible karena kriteria-kriteria tersebut merupakan kriteria yang utama dan mempengaruhi dalam kelancaran operasional dari sistem informasi ini. Kriteria lainnya yang penting adalah secure, efficient, maintainable, flexible, testable, dan reusable. Berikut adalah tabel dan penjelasan dari masing-masing prioritas kriteria sistem mengenai yang dirancang. Tabel 4.92 Prioritas Kriteria Sistem Criterion Usable Secure Efficient Correct Reliable Maintainable Flexible Testable Comprehensible Reusable Portable Interoperable
Very important 3
Important
Less important
Irrelevant
Easily fulfilled
3 3 3 3 3 3 3 3 3 3 3
Penjelasan mengenai kriteria-kriteria tersebut antara lain : -
Usable : Kriteria ini termasuk kategori sangat penting karena menyangkut kemampuan dari sistem untuk dapat digunakan dan diadaptasi untuk kepentingan perusahaan.
323 -
Secure : Kriteria ini termasuk kategori penting karena dalam sistem terdapat data-data yang menyangkut kepentingan dari internal manajemen perusahaan yaitu data operasional pabrik dari work order dan pembuatan jadwal yang hanya bisa dilakukan oleh orang tertentu, sehingga informasi tersebut hanya dapat diakses oleh pengguna yang berkepentingan saja, sedangkan untuk pihak yang tidak berkepentingan tidak diijinkan untuk dapat mengaksesnya.
-
Efficient : Kriteria ini termasuk kategori kurang penting karena sistem yang dibuat tidak menyebabkan eksploitasi ekonomi secara berlebih terhadap fasilitas technical platform’s.
-
Correct : Kriteria ini termasuk kategori sangat penting karena sistem harus dapat menghasilkan penyajian hasil dan pengolahan data yang sesuai dengan spesifikasi yang diinginkan untuk dapat menyajikan jadwal pemeliharaan dengan benar.
-
Reliable : Kriteria ini termasuk kategori sangat penting karena perancangan sistem yang dilakukan harus dapat menyajikan data perhitungan interval pemeliharaan yang tepat sehingga dapat menjadi acuan bagi departemen maintenance dalam mengambil tindakan pemeliharaan yang sesuai untuk dapat menjaga kinerja dari mesin-mesin yang ada.
-
Maintainable : Kriteria ini termasuk penting karena sistem yang akan dirancang dan digunakan harus dapat diperbaiki dengan biaya yang murah.
-
Flexible : Kriteria ini termasuk kategori penting karena sistem yang dirancang harus dapat menyesuaikan dengan variasi perubahan yang nantinya akan terjadi pada perusahaan memungkinkan pengembangan sistem lebih lanjut jika sistem ingin dapat dikembangkan lagi.
324 -
Testable : Kriteria ini termasuk penting karena sistem harus dapat berfungsi dengan sebagaimana mestinya dalam menghasilkan data sehingga dapat digunakan sesuai dengan fungsinya.
-
Comprehensible : Kriteria ini termasuk kategori sangat penting karena sistem yang akan digunakan harus dapat dengan mudah dimengerti dan diakses oleh penggunanya, sehingga kriteria ini perlu juga diutamakan.
-
Reusable : Kriteria ini termasuk kategori kurang penting karena sistem yang akan dirancang tidak menjadi bagian dari sistem lainnya.
-
Portable : Kriteria ini termasuk kategori kurang penting karena sistem yang dirancang akan dioperasikan pada perangkat teknis yang tetap.
-
Interoperable : Kriteria ini termasuk kategori kurang penting karena tidak ada sistem lain yang perlu dihubungkan secara bersamaan dengan sistem.
4.3.2.2
Technical Platform
4.3.2.2.1
Equipment
Sistem yang akan didesain dan dikembangkan pada PC desktop, dengan standar spesifikasi minimum hardware adalah Processor Intel Pentium 4 2.0 GHz, Memory 256M B PC 4200, Harddisk 40GB 7200 rpm. Sedangkan untuk PC server, spesifikasi minimum yang direkomendasikan adalah Processor Intel Pentium 4 3.0 GHz, Memory 512M B PC 4200, Harddisk 120GB 7200 rpm. Untuk jaringan LAN yang digunakan akan menghubungkan komputer client dengan server dengan bantuan switch. Sedangkan untuk perangkat lainnya adalah monitor 15”, keyboard, printer dan mouse untuk mendukung pengoperasian aplikasi yang berjalan.
325
Gambar 4.59 Jaringan Komputer PT. Dian Swastatika Sentosa
4.3.2.2.2
System Software
Bahasa pemrograman yang akan digunakan adalah Visual Basic 6.0 dengan dukungan database Microsoft Access 2003, untuk pembuatan laporan dengan menggunakan Crystal Report 8.5. Pemakaian software Visual Basic 6.0 hanya untuk tim pemelihara dan pengembang sistem selama proses percobaan dan pengembangan sistem dilakukan. Sistem operasi minimum yag direkomendasikan adalah Microsoft Windows XP.
326 4.3.2.2.3
System Interfaces
Terlepas dari spesifikasi hardware dan software yang dibutuhkan, sistem juga akan memerlukan sebuah printer untuk keperluan dalam pencetakan laporannya terutama work order dan jadwal bagi pihak maintenance section head dalam menyediakan informasi berupa laporan untuk mendukung kegiatan pemeliharaan mesinmesin di pabrik.
4.3.2.2.4
Design Language
Perancangan sistem informasi penjadwalan preventive maintenance pada PT. Dian Swastatika Sentosa menggunakan notasi UM L (Unified Modeling Language) untuk semua diagram yang digunakan mulai dari class diagram, statechart diagram, usecase diagram, sequence diagram, navigation diagram, component diagram, sampai dengan deployment diagram dengan bantuan software Microsoft Visio 2003.
327 4.3.2.3
Architectu re
4.3.2.3.1
Component Architecture
Component architecture yang digunakan untuk sistem penjadwalan preventive maintenance pada PT. Dian Swastatika Sentosa adalah pola arsitektur client-server architecture dengan bentuk distribusi centralized data dimana pada komponen client terdapat user interface dan function, sedangkan pada server hanya terdapat model. Di bawah ini adalah component diagram dari s istem penjadwalan preventive maintenance yang dirancang.
Gambar 4.60 Component Diagram
4.3.2.3.2
Process Architectu re
Proses architecture berguna untuk menggambarkan struktur fisik dari sistem yang digunakan pada sistem penjadwalan preventive maintenance pada PT. Dian Swastatika Sentosa. Gambar 4.60 berikut ini akan menunjukkan sebuah deployment diagram dari sistem penjadwalan yang akan dirancang.
328
: Client Maintenance Section Hea d
User Interface
Function
System Interface Server
Active Object
Printer
System Interface
: Client Staff Maintenance
Model User Interface
Function
System Interface
Gambar 4.61 Deployment Diagram
4.3.2.3.3 Standards Sistem penjadwalan pemeliharaan mesin ini dibuat dengan desain standar window untuk menampilkan suatu pesan konfirmasi pada window yang menampilkan peringatan untuk user jika terjadi kesalahan pada waktu menjalankan sistem.
Gambar 4.62 Window Konfirmasi Penghapusan
329
Gambar 4.63 Window Konfirmasi Kesalahan Input Reliability Target
Gambar 4.64 Window Konfirmasi Kesalahan Input Reliability Total Time to Simulate
Gambar 4.65 Window Konfirmasi Peringatan Pengisian
Gambar 4.66 Window Konfirmasi Pencarian
330
Gambar 4.67 Window Konfirmasi Kesalahan Login
Gambar 4.68 Window Konfirmasi Berhasil Login
Gambar 4.69 Window Konfirmasi Berhasil Ganti Password
331 4.3.2.4
Components
4.3.2.4.1
Model Component
Pada event table class awal antara class machine dan class part terdapat common event “dipasang part”. Selain itu terdapat common event lainnya antara class work order dan NPB pada event “dibuat NPB”. Oleh karena itu, maka common event tersebut harus dikeluarkan kedalam class baru dan didapatkanlah class detail machine sebagai agregasi dari class machine serta class detail WO sebagai agregasi dari class work order. Untuk private event terdapat pada class schedule pada event “dilaksanakan”. Oleh karena itu, maka event yang memiliki tanda * (berulang) tersebut harus dipecah kedalam class baru yaitu class detail schedule. Setelah dilakukan revised class terdapat beberapa restrukturisasi pada hubungan antar class yang direvisi dan didapatkanlah revised class diagram dari class diagram awal yang dibuat. Pada gambar 4.69 berikut ini adalah revised class diagram hasil dari proses revised class dan restructure class.
332
Wo rk Ord er Machi ne -M achi ne_No : St ring -M achi ne_Nam e : S tring -Operat ing_Hours : Dat e -Descript ion : St ri ng -M anual_Int erval : Int eger -M anual_Durat ion : Single
Sch edul e -No_Schedule : S tring -Machine_Name : St ri ng -Part _Nam e : S tring -St art_Date : Date -Finish_Date : Date
1. .* 1
+dicat at() +dibuat_schedul e() +dibuat_WO() +mengalam i_ganguan() +diperbaiki () +diganti_m odel()
+dibuat () +dicetak() 1
1
1.. *
-WO_No. : S tring -WO_Cat egory : S tring -Machine Name : S t ring -Operati ng_Hours : I nteger -E xecute_S ection : St ri ng -Task_Description : St ring -Issued_Name : S t ri ng -Complet ed_Name : St ri ng -A ccepted_Nam e : S tring -Closed_Nam e : S tring -A ct ivity : S tring -Resul t : St ri ng
1
+di buat _WO() +m inta_part () +di kirim _part() +di cet ak()
1 1 1.. *
P art
1
1.. * Detai l S ch edul e -No_Det ail_S chedul e : S tring -Maint enance_Dat e_St art : Dat e -Tim e_St art : Dat e -Maint enance_Dat e_Finish : Dat e -Tim e_Finish : Dat e
-Part _No. : S tring -Part _Nam e : S tring -Descripti on : S tring -St ock_A vai lable : I nteger -Saf ety_S tock : Int eger +dicatat () +m engalami_gangguan() +diperbaiki() +m inta_part() +dikirim _part ()
+dilaksanakan()
1
1. .*
1.. *
Detai l Machi ne
1. .* User Detai l WO -Detail _WO_No. : St ri ng -WO_No. : St ring -Machine_Name : St ring -Part _Name : S t ring -Date_I ssued : Dat e -Tim e_Issued : Date -Date_Com pl eted : Dat e -Tim e_Complet ed : Date -Date_A ccept ed : Date -Tim e_Accepted : Dat e -Date_Closed : Dat e -Tim e_Closed : Date -TTF hour : Int eger -TTF minut e : I nteger -TTRhour : I nteger -TTRm inute : Int eger -St atus : Int eger -Part Req : B oolean +dibuat _NPB ()
-Detai l_Machine_No. : St ring -M achine_Nam e : S tring -P art _Name : St ring -Qt y : Int eger -M aintenance_Int erval : Int eger -S tandard_TTR : Singl e -Reliabi lity : Single
1
+di pasang_part() 0.. *
NPB -NP B_No. : S tring -M achine_Nam e : S tring -P art_Nam e : S tring -WO _No. : S tring -Dem and_Qty : I nteger
0. .*
+mint a_part() +dikirim_part()
Gambar 4.70 Revised Class Diagram
-NI K : St ri ng -P assword : S tring -Nam e : S tring -Role : St ring + membuat _WO() + mendistribusikan_WO()
333 4.3.2.4.2
Function Component
Hasil dari perancangan function component ini adalah sebuah class diagram yang dilengkapi dengan operasi dan spesifikasi operasi yang bersifat kompleks. Berikut adalah rancangan function component.
Gambar 4.71 Function Component
4.3.2.4.3
Operation Specification
Penjelasan untuk class baru yang ada pada function component diatas dapat dilihat pada operation specification pada tabel dibawah ini.
334 Tabel 4.93 Operation Specification pada Class M TTF Calculation Name Category Purpose Input Data Conditions Effect
Calculate_MTTF _ Active _ Update x Passive x Read x Compute _ Signal Untuk menghitung nilai M TTF dari suatu komponen mesin. MachineName, PartName, TTFhour Data work order yang berada dalam status done minimal sudah ada 2 yang tersimpan didalam database. Hasil perhitungan nilai M TTF muncul pada field M TTF. Open WorkOrder Read MachineName, PartName Find TTFhour Then totalRow = row(TTFhour) TotalD = 0 TotalH = 0 TotalI = 0 TotalG = 0
Algorithm
for j = 1 to j = totalRow a = j; b = TTFhour(i); c = (a - 0,3) / (totalRow + 0,4); d = ln(b); e = 1 / (1 –c); f = ln (e); g = e; h = e * d; i = e^2; TotalD = TotalD + d; TotalH = TotalH + h; TotalI = TotalI + i; TotalG = TotalG + g; next b = (((TOtalRow * TotalH) - (TotalG * TotalD)) / ((TOtalRow * TotalI) - (TotalG ^ 2))); a = ((TotalD / TOtalRow) - (b * (TotalG / TOtalRow))); BetaTTF = b ThetaTTF = Exp(-1*a/BetaTTF) MTTF = ThetaTTF * Gamma(1 + (1 / BetaTTF))
Data Structures Placement Involved objects Triggering events
Close Single Work order Work order dan detail work order M embuat Schedule
335 Tabel 4.94 Operation Specification pada Class Standard TTR Calculation Name Category
Purpose Input Data Conditions Effect
Calculate_Standard_TTR _ Active _ Update x Passive x Read x Compute _ Signal Untuk menghitung nilai Standard TTR dari suatu komponen mesin. Machine_Name, Part_Name, TTRhour Data work order yang berada dalam status done minimal sudah ada 1 yang tersimpan didalam database. Hasil perhitungan nilai Standard TTR akan muncul pada field Standard TTR. Open WorkOrder Read MachineName, PartName Find TTRhour Then totalRow = row(TTRhour) TotalD = 0; TotalH = 0; TotalI = 0 TotalG = 0
Algorithm
for j = 1 to j = totalRow a = j; b = TTRhour(i); c = (a - 0,3) / (totalRow + 0,4); d = ln(b); e = 1 / (1 –c); f = ln (e); g = e; h = e * d; i = e^2; TotalD = TotalD + d; TotalH = TotalH + h; TotalI = TotalI + i; TotalG = TotalG + g; next b = (((TOtalRow * TotalH) - (TotalG * TotalD)) / ((TOtalRow * TotalI) - (TotalG ^ 2))); a = ((TotalD / TOtalRow) - (b * (TotalG / TOtalRow))); BetaTTR = b ThetaTTR = Exp(-1*a/BetaTTR)
Data Structures Placement Involved objects Triggering events
StandardTTR = ThetaTTR * Gamma(1 + (1 / BetaTTR)) Close Single Work order Work order, detail work order dan detail machine M embuat Schedule
336 Tabel 4.95 Operation Specification pada Class Reliability Simulation Name Category
Purpose Input Data Conditions Effect
Simulate_Reliability _ Active _ Update x Passive x Read x Compute _ Signal Untuk menghitung Maintenance Interval dari suatu komponen mesin. MTTF, Standard TTR dan Reliability Target Data MTTF, Standard TTR sudah selesai dihitung dan Reliability Target sudah diinput. Hasil perhitungan Maintenance Interval akan muncul pada field Maintenance Interval.
Algorithm
Beta = BetaTTF Theta = TetaTTF MTTF = MTTF MainInt = 0 interval = IntervalTimeSimulation TotalTime = TotalTimeSimulation ReliabilityTarget = ReliabilityTarget ctr = interval TempMTTF = MTTF Do While ctr <= TotalTime I f ( Te mpMTTF < ctr) And (TempMTTF > (ctr - interval)) Then a = Te mpMTTF b = Exp(-1 * (Te mpMTTF / Theta) ^ Beta) Te mpMTTF = Te mpMTTF + M TTF End If a = ctr b = Exp(-1 * (ctr / Theta) ^ Beta) ctr = ctr + interval Loop Te mpVar1 = b Te mpVar2 = b Do While Not EOF Te mpVar1 = b Te mpVar1a = a I f Te mpVar1 <= ReliabilityTarget And TempVar2 >= ReliabilityTarget Then I f Abs(ReliabilityTarget - TempVar1) < Abs(ReliabilityTarget TempVar2) Then MainInt = TempVar1a Else MainInt = TempVar2a End If Exit Do End If Te mpVar2 = b Te mpVar2a = a Loop MaintenanceInterval = MainInt
Data Structures Placement Involved objects Triggering events
Single, Integer Work order Work order, detail work order dan detail machine M embuat Schedule
337
4.3.2.4.4
Table Specification Tabel 4.96 Spesifikasi Tabel Machine
Table Primary Key Foreign Key Field M achineNo M achineName OperatingHour Description M anualInterval M anualDuration
M achine M achineNo Data Type Text Text Number M emo Number Number
Field Size Keterangan 3 Primary Key 25 Nama M esin 10 Total waktu operasi mesin dalam jam Deskripsi dari mesin Integer Selang pemeliharaan manual mesin Single Lama pemeliharaan manual mesin
Tabel 4.97 Spesifikasi Tabel Part Table Primary Key Foreign Key Field PartNo PartName Description StockAvailable SafetyStock
Part PartNo Data Type Text Text M emo Number Number
Field Size Keterangan 3 Primary Key 30 Nama komponen Deskripsi dari komponen Integer Stok yang tersedia Integer Stok minimal persediaan part
Tabel 4.98 Spesifikasi Tabel Detail Machine Table Primary Key Foreign Key Field DetailM achineNo M achineNo PartNo Qty M aintenanceInterval ttrStandard Reliability
DetailM achine DetailM achineNo M achineNo, PartNo Data Type Field Size Text 7 Text 3 Text 3 Number Integer Number Integer Number Single Number Single
Keterangan Primary Key Foreign Key Foreign Key Stok yang tersedia Selang pemeliharaan komponen mesin Lama pemeliharaan komponen mesin Target reliability komponen mesin
338
Tabel 4.99 Spesifikasi Tabel User Table Primary Key Foreign Key Field NIK Password Name Role
User NIK Data Type Text Text Text Text
Field Size Keterangan 6 Primary Key 6 30 30
Tabel 4.100 Spesifikasi Tabel Work Order Table Primary Key Foreign Key Field WONo M achineNo NIK WOCategory OperatingHour ExecuteSection TaskDescription Activity Result
Work Order WONo M achineNo, NIK Data Type Field Size Text 20 Text 3 Text 6 Text 3 Number Integer Text Integer M emo M emo M emo
Keterangan Primary Key Foreign Key Foreign Key Jenis WO yang dikeluarkan Pembagian tugas perbaikan Rangkuman secara umum pekerjaan Langkah-langkah perbaikan Hasil akhir dari perbaikan
339 Tabel 4.101 Spesifikasi Tabel Detail Work Order Table Primary Key Foreign Key Field DetailWoNo WONo M achineNo DetailM achineNo DateIssued TimeIssued DateCompleted TimeCompleted DateAccepted TimeAccepted DateClosed TimeClosed LastDateBD LastTimeBD TTFhour
TTRhour
Status PartReq
Detail Work Order DetailWoNo WONo, M achineNo, DetailM achineNo Data Type Field Size Keterangan Number 10 Primary Key Text 20 Foreign Key Text 3 Foreign Key Text 3 Foreign Key Date/Time Tanggal trouble mulai dilaporkan Date/Time Waktu trouble mulai dilaporkan Date/Time Tanggal trouble mulai diperbaiki Date/Time Waktu trouble mulai diperbaiki Date/Time Tanggal trouble mulai dicek Date/Time Waktu trouble mulai dicek Date/Time Tanggal trouble selesai diperbaiki Date/Time Waktu trouble selesai diperbaiki Date/Time Data tanggal terakhir komponen rusak Date/Time Data waktu terakhir komponen rusak Number Integer Selisih antara waktu selesai perbaikan periode ke-n dan waktu mulai kerusakan n+1 dalam satuan jam Number Integer Selisih antara waktu selesai perbaikan periode ke-n dan waktu mulai kerusakan n+1 dalam satuan jam Text 7 Status dari WO Yes/No Status permintaan NPB
Tabel 4.102 Spesifikasi Tabel Schedule Table Primary Key Foreign Key Field NoSchedulle M achineNo DetailM achineNo StartDate FinishDate
Schedule NoSchedulle M achineNo, DetailM achineNo Data Type Field Size Keterangan Text 10 Primary Key Text 3 Foreign Key Text 7 Foreign Key Date/Time Periode berlakunya jadwal Date/Time Periode selesainya jadwal
340 Tabel 4.103 Spesifikasi Tabel Detail Schedule Table Primary Key Foreign Key Field NoDetailSchedulle NoSchedulle M aintenanceDateStart
Detail Schedule NoDetailSchedulle NoSchedulle Data Type Field Size Keterangan Text 10 Primary Key Text 10 Foreign Key Date/Time Tanggal mulai n - pemeliharaan dalam satu periode jadwal TimeStart Date/Time Waktu mulai n - pemeliharaan dalam satu periode jadwal M aintenanceDateFinish Date/Time Tanggal selesai n - pemeliharaan dalam satu periode jadwal TimeFinish Date/Time Waktu selesai n - pemeliharaan dalam satu periode jadwal
341 4.3.2.4.5
User-Interface Component
<< Component >> UI
Control
<< Component >> Print
<< Component >> Window Login
Main Menu
Machine
Change Password
Part
Detail Machine
Work Order
Detail WO
NPB
Reliability
Schedule
Work order
<< Componen >> UI Library
Window
Print
Gambar 4.72 User-Interface Component
Schedule
342 4.3.2.5
Recommendations
4.3.2.5.1
The System’s Usefulness
Sistem informasi preventive maintenance pada PT. Dian Swastatika Sentosa dirancang untuk memenuhi beberapa kriteria penting yaitu : 1. Usable Kriteria perancangan sistem harus dapat dievaluasi dengan melakukan pengujian pada technical platform yang telah dispesifikasikan agar dapat digunakan dan diadaptasi dengan baik untuk kepentingan perusahaan khususnya departemen maintenance. Terutama dalam kegiatan penerapan preventive maintenance yaitu menjadwalkan pemeliharaan mesin berkala berdasarkan reliability dan memastikan bahwa sistem dapat digunakan dengan baik untuk meningkatkan kinerja maintenance. 2. Correct Kriteria mengenai perancangan sistem yang dikembangkan harus dapat memenuhi kebutuhan pengguna dan diuji apakah sistem dapat menjalankan fungsi dengan ketepatan yang diharapkan dan menghasilkan informasi yang dapat diandalkan. Sistem yang dihasilkan dapat membuat jadwal pemeliharaan berkala dengan perhitungan yang tepat dan menyediakan jadwal yang sesuai dengan keadaan aktual mesin sehingga dapat membantu memenuhi kebutuhan pemeliharaan mesin dan komponen secara menyeluruh. 3. Reliable Sistem dapat menyajikan pengolahan data yang responsif seperti melakukan simulasi reliability dalam menentukan interval pemeliharaan yang sesuai dengan target reliability maintenance. Selain itu sistem juga mampu membuat laporan-laporan
343 yang dapat mendukung bagi departemen maintenance dalam melakukan penanganan pemeliharaan atau perbaikan dimasa yang akan datang. 4. Comphrehensible Perancangan sistem yang dilakukan harus mudah untuk dipahami dan digunakan kepada user yang belum pernah menggunakan sistem.
4.3.2.5.2
Plan for Initiating Use
Sebelum implementasi, perusahaan telah terlebih dahulu menyiapkan fasilitas baik fisik dan teknis maupun membuat rencana pelatihan bagi calon user atau pengenalan awal terhadap sistem sehingga saat ketika sistem mulai diterapkan, semua sarana sudah tersedia dan pelatihan akan lebih mudah dilakukan. Setelah pelatihan berhasil dilakukan dan user siap untuk menggunakan sistem ini, barulah sistem ini sepenuhnya dioperasikan.
4.3.2.5.3
Implementation Plan
Rencana implementasi aplikasi sistem yang telah dirancang dapat dilihat dalam bentuk gantt Chart berikut ini.
344 Tabel 4.104 Jadwal Implementasi
Kegiatan
1 1
Analysis Design Coding Testing Pengadaan software, hardware, dan jaringan Instalasi dan pengujian Training
2
3
4
1
Bulan 2 2 3
3 4
1
2
3
4