22
BAB II LANDASAN TEORI
2.1
Pendahuluan
2.1.1 Pengertian Maintenance
Beberapa pengertian perawatan (maintenance) menurut ahli :
1. Menurut Corder (1988), perawatan merupakan suatu kombinasi dari tindakan yang dilakukan untuk menjaga suatu barang dalam, atau untuk memperbaikinya sampai, suatu kondisi yang bisa diterima. 2. Menurut Assauri (1993), perawatan diartikan sebagai suatu kegiatan pemeliharaan fasilitas pabrik serta mengadakan perbaikan, penyesuaian atau penggantian yang diperlukan agar terdapat suatu keadaan operasi produksi yang sesuai dengan yang direncanakan. 3. Menurut Dhillon (1997), perawatan adalah semua tindakan yang penting dengan tujuan untuk menghasilkan produk yang baik atau untuk mengembalikan kedalam keadaan yang memuaskan.
Perawatan mesin adalah semua kegiatan yang dibutuhkan untuk mempertahankan suatu mesin atau peralatan agar tetap dalam kondisi siap untuk beroperasi dan jika terjadi kerusakan maka diusahakan agar mesin atau
23
peralatan tersebut dapat dikembalikan pada kondisi yang baik. Tetapi dalam konteks yang lebih luas setiap sistem perawatan menyangkut semua kegiatan untuk mempertahankan mesin, manusia, material, cara/metode dan uang dalam rangka mencapai kinerja, mesin yang selalu siap beroperasi dalam rangka menghasilkan produk yang optimal.
Blanchard (1980) mengklasifikasi perawatan menjadi 6 bagian, yaitu:
a.
Corrective Maintenance, merupakan perawatan yang terjadwal ketika suatu sistem mengalami kegagalan untuk memperbaiki sistem pada kondisi tertentu.
b.
Preventive Maintenance, meliputi semua aktivitas yang terjadwal untuk menjaga sistem/produk dalam kondisi operasi tertentu. Jadwal perawatan meliputi periode inspeksi.
Preventive maintenance di bagi menjadi 2 kegiatan, yaitu:
(a). Routine Maintenance, yaitu kegiatan pemeliharaan yang dilakukan secara rutin, sebagai contoh adalah kegiatan pembersihan fasilitas dan peralatan, pemberian minyak pelumas atau pengecekan oli, serta pengecekan bahan bakar dan sebagainya. (b). Periodic Maintenance, yaitu kegiatan pemeliharaan yang dilakukan secara berkala. Perawatan berkala dilakukan berdasarkan lamanya
24
jam kerja mesin produk tersebut sebagai jadwal kegiatan misalnya setiap seratus jam sekali.
b.
Predictive Maintenance, sering berhubungan dengan memonitor kondisi program perawatan preventif dimana metode memonitor secara langsung digunakan untuk menentukan kondisi peralatan secara teliti.
c.
Maintenance Prevention, merupakan usaha mengarahkan maintenance free design yang digunakan dalam konsep “Total Preventive Maintenance (TPM)”. Melalui desain dan pengembangan peralatan, keandalan dan pemeliharaan dengan meminimalkan downtime dapat meningkatkan produktivitas dan mengurangi biaya siklus hidup.
d.
Adaptive Maintenance, menggunakan software komputer untuk memproses data yang diperlukan untuk perawatan.
e.
Perfective
Maintenance,
meningkatkan
kinerja,
pembungkusan/
pengepakan/ pemeliharaan dengan menggunakan software komputer.
Pemilihan metode penentuan umur penggantian pencegahan yaitu dengan menggunakan metode umur penggantian pencegahan peralatan yang optimal berdasarkan terjadinya kerusakan, dengan memperhitungkan waktu yang diperlukan untuk melaksanakan penggantian kerusakan dan pencegahan. Minimasi total ongkos penggantian yang diperlukan perunit waktu.
25
2.1.2 Konsep Reliability (Keandalan)
Keandalan dapat didefinisikan sebagai probabilitas sistem akan memiliki kinerja sesuai fungsi yang dibutuhkan dalam periode waktu tertentu (Ebeling, 1997). Definisi lain keandalan adalah probabilitas suatu sistem akan berfungsi secara normal ketika digunakan untuk periode waktu yang diinginkan dalam kondisi operasi yang spesifik (Dhillon, 1997).
Berdasarkan definisi diatas, maka ada beberapa hal yang perlu diperhatikan, yaitu:
Probabilitas, dimana nilai reliability adalah berada diantara 0 dan1.
Kemampuan yang diharapkan, harus digambarkan secara terang atau jelas. Untuk setiap unit terdapat suatu standar untuk menentukan apa yang dimaksud dengan kemampuan yang diharapkan.
Tujuan yang diinginkan, dimana kegunaan peralatan harus spesifik. Hal ini dikarenakan terdapat beberapa tingkatan dalam memproduksi suatu barang konsumen.
Waktu, merupakan parameter yang penting untuk melakukan penilaian kemungkinan suksesnya suatu sistem.
26
Kondisi Lingkungan, mempengaruhi umur dari sistem atau peralatan seperti suhu, kelembaban dan kecepatan gerak. Hal ini menjelaskan bagaimana perlakuan yang diterima sistem dapat memberikan tingkat keandalan yang berbeda dalam kondisi operasionalnya.
2.1.3 Konsep Maintainability (Keterawatan)
Keterawatan didefinisikan sebagai probabilitas suatu sistem / komponen akan kembali pada keadaan yang memuaskan dan dalam kondisi operasi mampu mencapai waktu downtime minimum (Dhillon, 1997). Definisi lain keterawatan adalah probabilitas bahwa komponen atau sistem yang rusak akan diperbaiki ke dalam suatu kondisi tertentu dalam periode waktu tertentu sesuai dengan prosedur yang telah ditentukan (Ebeling, 1997).
Prosedur perawatan melibatkan perbaikan, ketersediaan sumber daya perawatan (tenaga kerja, suku cadang, peralatan, dsb), program perawatan pencegahan, keahlian tenaga kerja dan jumlah orang yang termasuk di dalam bagian perawatan tersebut.
2.1.4 Konsep Availability (Ketersediaan)
Ketersediaan dapat didefinisikan sebagai probabilitas suatu sistem beroperasi sesuai fungsinya dalam suatu waktu tertentu dalam kondisi operasi yang telah ditetapkan (Ebeling, 1997). Sehingga ketersediaan merupakan
27
fungsi dari suatu siklus waktu operasi (reliability) dan waktu downtime (maintainability).
2.1.5 Distribusi Kerusakan Merupakan suatu distribusi yang digunakan untuk pola data kerusakan yang terbentuk pada komponen mesin, sehingga kita dapat mengetahui pola data kerusakan tersebut. Apabila pola data kerusakan telah diketahui, maka akan dapat diketahui pola data tersebut termasuk dalam distribusi apa. Setelah diketahui pola data tersebut termasuk dalam distribusi apa, maka akan dapat diukur parameter, yang nantinya parameter tersebut digunakan untuk mencari nilai MTTR dan MTTF, yang akhirnya digunakan untuk mencari realibility. Ada empat macam pola data yang dapat terbentuk, antara lain : Distribusi Weibull, Distribusi Ekspoential, Distribusi Normal, dan Distribusi Lognormal. 2.1.5.1
Distribusi Weibull Distribusi Weibull merupakan jenis distribusi yang paling sering digunakan untuk waktu kerusakan, dikarenakan distribusi ini dapat dimanfaatkan untuk mengetahui laju kerusakan yang meningkat maupun laju kerusakan yang menurun. Dua parameter yang digunakan dalam distribusi ini adalah θ yang disebut dengan scale parameter ( parameter skala ) dan β yang disebut dengan
28
parameter bentuk ( shape parameter ). Fungsi Realibility yang terdapat dalam distribusi Weibull yaitu : Fungsi Realibilitas : R ( t ) = Dimana θ > 0, β > 0, dan t > 0 Dalam distribusi Weibull yang menentukan tingkat kerusakan dari pola data yang terbentuk adalah parameter β. Jika parameter β mempengaruhi laju kerusakan, maka θ mempengaruhi nilai tengah data.
2.1.5.2
Distribusi Eksponential Distribusi ini digunakan untuk menghitung keandalan dari distribusi kerusakan, yang memiliki laju kerusakan konstan. Distribusi ini mempunyai laju kerusakan yang tetap terhadap waktu, dengan kata lain peluang atau probabilitas terjadi kerusakan alat tidak tergantung pada nilai umur ekonomis alat tersebut. Parameter yang digunakan dalam distribusi ini adalah λ, yang menunjukkan rata – rata kedatangan kerusakan yang terjadi. Fungsi Realibility yang terdapat dalam distribusi ini adalah ; Fungsi Realibilitas : R ( t ) = Dimana t > 0, λ > 0
29
2.1.5.3
Distribusi Normal Distribusi
Normal
digunakan
untuk
memodelkan
fenomena keausan. Parameter yang digunakan adalah tengah ) dan
( nilai
( standar deviasi ). Karena distribusi ini mempunyai
hubungan dengan distribusi Lognormal, maka distribusi ini juga dapat digunakan untuk menganalisa probabilitas Lognormal. Fungsi Realibility yang terdapat dalam distribusi ini adalah : Fungsi Reliabilitas : R ( t ) = Dimana
2.1.5.4
> 0,
> 0, dan t > 0
Distribusi Lognormal Distribusi Lognormal menggunakan dua parameter, yaitu s yang merupakan parameter bentuk ( shape parameter ) dan sebagai parameter lokasi ( location parameter ) yang merupakan nilai tengah dari suatu distribusi kerusakan. Distribusi ini memiliki berbagai macam bentuk sehingga sering dijumpai data yang sesuai dengan distribusi Weibull, juga sesuai dengan dengan data dalam distribusi Lognormal. Fungsi Realibility yang terdapat pada distribusi Lognormal yaitu : Fungsi Reliabilitas : R ( t ) = 1 – Dimana s > 0,
> 0 dan t > 0
30
2.1.6 Identifikasi Distribusi Identifikasi distribusi dilakukan dalam dua tahap, yaitu ; Least Square Curve Fitting dan Goodness Of Fit Test.
Least Square Curve Fitting Metode ini digunakan untuk menghitung nilai index of fit ( r ). Distribusi dengan nilai r yang terbesar akan dipilih untuk diuji dengan menggunakan Goodness Of Fit Test. Rumus umum yang terdapat dalam Least Square Curve Fitting adalah : F(
)=
Dimana : i = data waktu ke t n = jumlah data kerusakan Rumus dari Index of Fit adalah :
r
=
n n n n xi z i xi z i i 1 i 1 i 1
n 2 n xi i 1
2 2 n n n xi n z i2 z i i 1 i 1 i 1
*Untuk Weibull, Normal, Lognormal
31
Maka nilai :
b=
*Untuk Eksponential
Rumus yang dimiliki oleh masing – masing distribusi : 1.
Distribusi Weibull = ln
dimana
adalah data waktu ke-i
= ln [ ln
]
Parameter : β = b dan θ = 2.
Distribusi Eksponential =
dimana
adalah data waktu ke-i
= ln Parameter : λ = b 3.
Distribusi Normal = =
dimana =
Parameter :
adalah data waktu ke-i [ F( ) ] dan
32
4.
Distribusi Lognormal = ln =
dimana =
Parameter : s =
adalah data waktu ke-i
[ F( ) ] dan
=
Goodness Of Fit Test Setelah dilakukan perhitungan index of fit maka tahap selanjutnya dilakukan pengujian Goodness Of Fit untuk nilai index of fit yang terbesar. Uji ini dilakukan dengan membandingkan hipotesa nol ( Ho ) yang menyatakan bahwa data kerusakan mengikuti distribusi pilihan dan hipotesis alternatif yang menyatakan bahwa data kerusakan tidak mengikuti distribusi pilihan. Pengujian yang dilakukan dalam Goodness Of Fit ada tiga macam, yaitu Mann Test untuk distribusi Weibull, Bartlett Test untuk distribusi Eksponential dan Kolmogorov-Smirnov untuk distribusi Normal dan Lognormal.
2.1.7 Mann Test Untuk Mann Test hipotesa cara untuk melakukan uji ini adalah :
Ho : Data kerusakan untuk distribusi Weibull
H1 : Data kerusakan tidak berdistribusi Weibull
33
Rumusnya adalah : M ;
Dimana :
(
- ln 1-
Jika nilai M <
maka
)
diterima. Nilai
diperoleh dari tabel
distribusi F dengan
2.1.8
Bartlet’s Test Sedangkan untuk Bartlet’s, hipotesa untuk melakukan uji ini adalah
Ho : Data kerusakan berdistribusi Eksponential
H1 : Data kerusakan tidak berdistribusi Eksponential Rumusnya adalah : B =
34
Dimana : adalah data waktu kerusakan ke i r adalah jumlah kerusakan. B adalah nilai statistik untuk uji Barlett test Ho diterima jika : < B< 2.1.9
Kolmogorov-Smirnov Test Dalam metode Kolomogorov-Smirnov hipotesa dalam melakukan uji ini adalah :
Ho : Data kerusakan berdistribusi Normal atau Lognormal
H1 : Data kerusakan tidak berdistribusi Normal atau Lognormal
Uji Statitsitiknya adalah : Dimana :
max {D1,D2 } { { –
-
} }
Dan untuk menghitung standar deviasi ( s ) ;
35
adalah waktu kerusakan ke – i s adalah standar deviasi Jika
<
maka terima Ho. Nilai
diperoleh dari tabel
critical value for Kolomogorov – Smirnov test for normality. 2.2.0
Mean Time To Failure ( MTTF ) Mean Time To Failure merupakan rata – rata selang waktu kerusakan dari suatu distribusi kerusakan. Perhitungan MTTF untuk masing – masing distribusi adalah :
Distribusi Weibull MTTF = .Ґ
Distribusi Eksponential MTTF =
Distribusi Normal MTTF =
Distribusi Lognormal MTTF =
2.2.1
Mean Time To Repair ( MTTR ) Untuk menghitung nilai rata – rata perbaikan, distribusi data untuk waktu perbaikan, distribusi data untuk waktu perbaikan perlu diketahui lebih
36
dahulu. Pengujian untuk menentukan distribusi data dilakukan dengan cara seperti yang ada diatas. Rumus untuk masing – masing distribusi adalah :
Distribusi Weibull MTTR = .Ґ
Distribusi Eksponential MTTR =
Distribusi Lognormal Dan Normal MTTR =
2.2.2
Fishbone Diagram
Menurut V. Gaspersz (1998) diagram sebab akibat adalah suatu diagram yang menunjukkan hubungan antara sebab akibat. Berkaitan dengan pengendalian proses statistical, diagram sebab akibat dipergunakan untuk menunjukkan faktor - faktor penyebab. Diagram sebab akibat ini disebut juga diagram tulang ikan ( fishbone diagram ) karena bentuknya seperti kerangka tulang ikan dan diperkenalkan pertama kali oleh Prof. Kaoru Ishikawa dari universitas Tokyo tahun 1953 sehingga disebut juga diagram Ishikawa.
Menurut V. Gasperz ( 2001 ), langkah – langkah dalam membuat suatu diagram Fishbone, antara lain :
37
Memulai dengan pernyataan masalah-masalah utama yang penting dan mendesak untuk diselesaikan.
Menuliskan pernyataan masalah itu pada kepala ikan yang merupakan akibat (effect) pada sisi sebelah kanan pada kertas, kemudian menggambarkan tulang belakang dari kiri ke kanan dan menempatkan pernyataan masalah itu dalam kotak.
Menuliskan faktor-faktor penyebab utama yang mempengaruhi masalah kualitas sebagai tulang besar, juga ditempatkan daloam kotak. Kategorikategori penyebab utama dapat dikembangkan melalui stratifikasi ke dalam pengelompokan dari factor-faktor, seperti manusia, mesin, peralatan, material, metode kerja, lingkungan, dan lain-lain.
Menuliskan penyebab – penyebab sekunder yang mempengaruhi penyebab tugas utama, dinyatakan sebagai tulang sedang.
