BAB V ANALISIS HASIL OLAH DATA
5.1 Analisis hasil Current State Value Stream Mapping Dari Current State Value Stream Mapping yang telah dibuat diketahui bahwa ada setidaknya 10 gate yang didalamnya masing-masing terdapat beberapa aktivitas, baik yang memiliki nilai tambah maupun yang tidak memiliki nilai tambah. Masing- masing gate tersebut membutuhkan satuan waktu dalam jumlah hari untuk melakukan penyelesaian proses yang terjadi di aktivitas- aktivitas yang ada didalamnya. Dari penggambaran tersebut diketahui ada beberapa gate yang dapat dilakukan efisiensi dari segi waktu atau lead time jika waste yang ada di dalam aktivitas proses dapat diminimalkan bahkan dapat dihilangkan. Seperti yang telah dibahas pada bab sebelumnya dari hasil pembobotan waste diketahui bahwa waste jenis waiting merupakan waste paling dominan dan hampir di setiap gate ditemui waste ini, sehingga perlu upaya penanganan untuk meminimalkannya.
63
64
Tabel 5.1 Rekap hasil olah data kuosioner Jenis Waste
Gate
0 1 0 0 Over Production 0 3 Defects 0 4 Unnecessary Inventory Inappropriate Processing 0 1 Excessive Transportation 0 2 2 4 Waiting 0 2 Unnecessary Motion
2 0 1 2 0 0 2 0
3 0 4 3 0 2 4 0
4 0 2 0 0 0 3 0
5 0 0 0 0 2 2 0
6 0 2 0 2 0 1 1
7 0 1 0 2 0 1 1
8 9 0 1 0 0 0 1 0
0 0 0 0 0 3 0
Total Bobot % Ranking 0 14 9 5 6 23 4
0 0.23 0.15 0.08 0.09 0.38 0.07
0 23 15 8 9 38 7
Dari gambar tabel pembobotan waste tersebut juga menunjukkan bahwa waste waiting terbanyak terjadi di gate 1 dan gate 3. Gate 1 merupakan gate dimana aktivitas induction dan removal dilakukan. Sedangkan di gate 3 merupakan gate yang didalamnya berisi aktivitas berupa detailed inspection dan internal repair untuk module/ part yang mengalami kerusakan tapi masih dalam kategori repairable. Dari data Bar chart 10 ESN yang diolah kedalam bentuk pareto diagram dibawah ini juga menunjukkan bahwa sebagian besar delay akibat adanya waste pada aktivitas proses maintenance dan overhaul terjadi di gate 1 dan gate 3.
Grafik 5.1 Pareto diagram delay per gate
7 2 3 5 4 1 6
65
Potensi terjadinya Waste
Gambar 5.1 Value Stream Mapping Engine maintenance
66
Dari hasil kuesioner dan pengolahan data delay bar chart yang direpresentasikan kedalam bentuk pareto diagram, dapat disimpulkan bahwa gate 1 dan gate 3 perlu dilakukan efisiensi serta perbaikan aktivitas proses agar lead time yang ditargetkan pada kedua gate tersebut dapat tercapai dan secara keseluruhan target TAT 60 hari dapat dicapai.
5.2 Analisis hasil identifikasi aktivitas VA dan NVA Hasil dari identifikasi aktivitas yang memiliki nilai tambah dan tidak memiliki nilai tambah yang telah dibuat pada bab sebelumnya diketahui bahwa dari 10 gate yang didalamnya masing-masing terdapat beberapa aktivitas, diperoleh hasil yaitu ada 23 aktivitas Value Added (48%), 12 aktivitas Non Value Added (25%), dan 13 aktivitas Necessary Non Value Added (27%) dari total 48 aktivitas. Dari data identifikasi yang diperoleh dapat ditarik kesimpulan bahwa 25% dari total aktivitas merupakan aktivitas yang tidak menimbulkan pertambahan nilai dan cenderung menjadi waste pada beberapa gate.
Grafik 5.2 Chart identifikasi value dari aktivitas proses
67
Dari 25% Non Value Added tersebut sebagian besar didominasi oleh aktivitas waiting, dan waiting itu sendiri termasuk salah satu dari ketujuh waste yang ada dalam aktivitas proses perawatan atau overhaul engine. Dapat disimpulkan bahwa dengan berupaya meminimalkan waste waiting ini maka akan membantu pengurangan lead time atau TAT yang cukup signifikan dan meningkatkan efisiensi serta produktivitas dari proses maintenance atau overhaul engine di Engine Maintenance.
5.2 Root Cause Analysis Dari hasil identifikasi Value Added & Non Value Added activities serta pembobotan Seven waste dapat disimpulkan bahwa waste yang berpengaruh signifikan adalah waiting. Untuk itu melalui metode RCA ini akan dianalisis akar penyebab dari terjadinya waste waiting tersebut. Root Cause Analysis (RCA) merupakan
pendekatan
terstruktur
untuk
mengidentifikasi
faktor-faktor
berpengaruh pada satu atau lebih kejadian-kejadian yang lalu agar dapat digunakan untuk meningkatkan kinerja (Latino, 2006). RCA adalah salah satu alat (tool) yang digunakan dalam inisiatif problem solving; untuk membantu untuk menemukan akar penyebab (root cause) dari masalah yang sedang dihadapi. Waiting merupakan waste yang seringkali muncul dan menjadi akar penyebab terjadinya waste- waste yang lain. Proses waiting ini sangat berdampak langsung dalam proses perawatan engine dikarenakan waiting menyumbang kontribusi terbesar dalam penambahan delay dari Turn Around Time. Adapun waiting yang sering terjadi dalam proses overhaul antara lain sebagai berikut:
68
a) Waiting customer acceptance contoh untuk status part yang critical, perubahan workscope akibat upgrade workscope type dan data last shop visit dari customer. b) Waiting for work instruction / jobcard, waiting ini seringkali terjadi sesaat setelah dilakukan removal dan dirty inspection yaitu untuk CNI jobcard (routine jobcard) c) Waiting for shortage breakdown part material yang lebih sering terjadi akibat nil stock expandable part di warehouse dan menyebabkan terhentinya proses internal repair, dan proses installation. d) Waiting for subcont material part dari outside vendor, Waiting ini sering terjadi akibat keterlambatan pengiriman dari vendor dan keterlambatan saat shipping sehingga berdampak pada saat proses assembling. Untuk mempermudah mencari keterkaitan antara waste waiting dengan kemungkinan penyebab terjadinya waste dibuat tabel keterkaitan yang disajikan pada tabel dibawah ini.
Tabel 5.2 Keterkaitan waste waiting dengan faktor penyebab Waiting Customer acceptance Work instruction / jobcard Shortage breakdown part material Subcont material part
Man √ √ √ √
Faktor Material Methode √ √ √ √ √
System √ √ √ -
Dari tabel 5.2 dapat diketahui bahwa masing- masing faktor mempengaruhi terjadinya waste waiting, faktor Man dan System merupakan faktor yang seringkali muncul menjadi penyebab terjadinya waste tersebut. Dari tabel tersebut selanjutnya akan diidentifikasikan akar masalah (Root cause) dalam bentuk
69
Analysis “Why” untuk mendapatkan faktor penyebab yang paling mendasar dari permasalahan yang sedang terjadi. Untuk mempermudah penjelasan maka disajikan pada tabel berikut ini.
Tabel 5.3 Root Cause Analysis Waste Waiting Waiting waste
Faktor penyebab
Why 1
Customer belum Data belum menyerahkan lengkap data
Customer Acceptance
Man
Methode
Work Instruction /Jobcard
System
Customer belum menyetujui workscope
Planning workscope tidak sesuai
Kesalahan isi workscope
Workscope tidak sesuai
Why 2
Why 3
Why 4
Data tidak lengkap
Data tidak di maintain secara kontinyu
Why 5
Data tidak di maintain secara kontinyu Kesalahan isi workscope
Kesepakatan Keterbatasan harga pendanaan Data tidak di Data belum maintain lengkap secara kontinyu Planner Pengisian kurang data yang memahami kurang tepat system Bug pada system
Planner belum mendapat training
Jobcard belum dibuat
Menunggu workscope
Kesalahan Workscope isi belum selesai workscope
Jobcard belum didistribusikan
Jobcard belum dicetak
Miskomunik asi engineering dan PPIC
Man
Data tidak lengkap
Data tidak di maintain secara kontinyu
70
Shortage Breakdown Part
Work Instruction /Jobcard
Waiting waste
Faktor penyebab
Methode
System
Isi jobcard salah
Man
Material belum direservasi
Material
System
Subcont Material Part
Kesalahan prosedur pembuatan jobcard
Man
Stock di warehouse kosong
Stock tersedia namun belum dikirim
RO belum dibuat
Why 1 Engineer kurang memahami prosedur Kesalahan pengisian saat pembuatan di system Bug pada system Material planner belum mendapat informasi Stock belum dibeli Pengiriman material terlambat
Stock gagal reservasi
Why 2
Why 3
Why 4
Why 5
Engineer belum mendapat training Engineer kurang memahami system
Engineer belum mendapat training
Miskomunik asi PPIC dan material planner Purchaser belum membuat PO Material planning tidak sesuai Planner melakukan kesalahan pengisian di system Bug pada system
Miskomuni kasi warehouse dan purchaser Data tidak akurat Planner kurang memahami system
Menunggu workscope
Kesalahan Workscope isi belum selesai workscope
Purchaser belum mendapat informasi
Miskomunik asi purchaser dan PPIC
Planner belum mendapat training
Data tidak lengkap
Data tidak di maintain secara kontinyu
71
Subcont Material Part
Waiting waste
Faktor penyebab
Material
Methode
Why 1
Material defect saat pengiriman balik dari OV
Kesalahan prosedur material handling
Shipping part OV lama
Kesalahan pada saat shipment Birokrasi Eksport/ Import yang panjang
Why 2 Bagian warehouse kurang memahami material handling Pengemasan part yang tidak sesuai
Why 3
Why 4
Belum mendapat training
5.3 Fishbone Diagram Dari tabel diatas dapat diperoleh beberapa kesimpulan terkait dengan penyebab terjadinya waste waiting pada proses maintenance atau overhaul engine. Dan untuk mempermudah penjelasan dari hasil 5 whys analysis, hasil dari analisis tersebut direpresentasikan dalam bentuk fishbone diagram:
Gambar 5.2 Waiting for Customer Acceptance fishbone diagram
Why 5
72
Gambar 5.3 Waiting for Work instruction / Jobcard fishbone diagram
Gambar 5.4 Waiting for Breakdown Shortage part fishbone diagram
73
Gambar 5.5 Waiting for Subcont material part fishbone diagram
5.5 FMEA for Waste Waiting Dari hasil penjabaran pada fishbone diagram data akar penyebab masingmasing dari terjadinya waiting kemudian dianalisis dengan menggunakan metode FMEA untuk mengetahui tingkat kritis dari penyebab terjadinya waste sehingga dapat diambil langkah perbaikan sesuai dengan prioritas tingkat kritisnya. Hasil dari analisis tersebut direpresentasikan dalam bentuk perhitungan Risk Priority Number. Untuk melakukan analisis dengan menggunakan FMEA, RPN ditentukan dengan mengunakan perkalian antara rating dari Severity, Occurrence, dan Detection yang hasilnya dinyatakan dalam bentuk angka. Sebelum diakukan pembobotan maka berikut ini disajikan data rating dari Severity, Occurrence dan Detection yang sebelumnya telah didiskusikan penentuan bobotnya dengan pihak yang terkait dengan proses maintenance atau overhaul engine.
74
Tabel 5.4 Severity Waste Waiting Time Rating Effect 1 Tidak ada akibat 2
Sangat ringan
3
Ringan
4
Sangat rendah
5
Rendah
6
Sedang
7
Tinggi
8
Sangat tinggi
9
Berbahaya
10
Sangat berbahaya
Kriteria Tidak terjadi waiting time Terjadi waiting time, tetapi tidak berpengaruh pada aktivitas proses Terjadi waiting time, dan memiliki pengaruh yang sangat kecil terhadap proses berikutnya Terjadi waiting time, dan berpengaruh pada 1 proses berikutnya Terjadi waiting time, dan berpengaruh pada 2 proses berikutnya Terjadi waiting time, dan berpengaruh pada 3 proses berikutnya Terjadi waiting time, dan berpengaruh pada 4 proses berikutnya Terjadi waiting time, dan berpengaruh pada sebagian besar proses berikutnya Waiting time sangat sering terjadi, sehingga aktivitas proses tidak efektif Aktivitas proses tidak dapat dilakukan
Tabel 5.5 Occurence Waste Waiting Time Rating 1 2 3 4 5 6 7 8 9 10
Effect Tidak ada Sangat rendah Ringan Sedang
Tinggi Sangat tinggi
Kriteria Tidak terjadi sama sekali Terjadi ≤ 1 kali Terjadi ≤ 3 kali Terjadi ≤ 5 kali Terjadi ≤ 7 kali Terjadi ≤ 9 kali Terjadi ≤ 15 kali Terjadi ≤ 20 kali Sering terjadi Selalu terjadi
75
Tabel 5.6 Detection Waste Waiting Time Rating 1 2 3 4 5 6 7 8 9 10
Effect Hampir pasti Sangat tinggi Tinggi Agak tinggi Sedang Rendah Sangat rendah Jarang Sangat jarang Hampir tidak mungkin
Kriteria Sangat jelas, sangat mudah untuk diketahui Mudah diketahui namun butuh bantuan sistem IT Memerlukan tracking ke 1 proses sebelumnya Memerlukan tracking ke 2 proses sebelumnya Memerlukan tracking ke 4 proses sebelumnya Memerlukan tracking ke 6 proses sebelumnya Memerlukan tracking proses secara menyeluruh Memerlukan bantuan sistem IT dan analis proses Kemungkinan besar tidak dapat dideteksi Tidak dapat dideteksi
Dari ketiga tabel acuan diatas, selanjutnya mode kegagalan yang ada pada Waste waiting fishbone diagram selanjutnya diolah pada tabel RPN berikut ini untuk mengetahui mode kegagalan yang paling kritis.
Tabel 5.7 Risk Priority Number Waste Waiting Time
Waiting for Customer Acceptance
Failure Severity
5
Failure Mode Customer belum menyetujui workscope
Occurrence
8
8
Planning yang kurang tepat
9
4
Terjadi Bug pada system IT pendukung
4
Recommended Detection RPN Action Memperbaiki workscope yang diajukan ke customer Meminta customer untuk melengkapi data last shop visit sebelumnya Mengupayakan perbaikan system IT secara kontinyu
CODE
1
40
FA
2
144
FB
2
32
FC
76
Waiting for Shortage Breakdown parts
Waiting for Work Instruction /Jobcard
Failure Severity
Recommended Detection RPN Action
Failure Mode
Occurrence
4
Jobcard belum dibuat karena Planner / Engineer belum memahami
7
Training untuk Planner dan Engineer
4
112
FD
4
Kesalahan akibat metode pembuatan Jobcard
5
Memperbaiki metode dan prosedur pembuatan Jobcard
5
100
FE
2
24
FF
2
80
FG
3
108
FH
2
36
FI
4
Terjadi Bug pada system IT pendukung
3
8
Material belum direservasi
5
9
Stock di Warehouse kosong
4
6
Stock gagal reservasi akibat bug system
3
Mengupayakan perbaikan system IT secara kontinyu Mengupayakan komunikasi yang efektif dengan PPIC dengan Material planner Mengupayakan komunikasi yang efektif dengan Purchaser dengan Warehouse Mengupayakan perbaikan system dan backup lewat data manual
CODE
77
Waiting for Subcont material parts
Failure Severity
Failure Mode
Occurrence
5
Repair Order belum dibuat karena terjadi Miskomunikasi
3
10
Material mengalami cacat atau defect
9
8
Shipping process part OV lama
8
Recommended Detection RPN Action Mengupayakan komunikasi yang efektif dengan 4 60 Purchaser dengan Warehouse Memperbaiki metode dan prosedur 1 90 material handling Mengupayakan komunikasi 1 64 dengan pihak bea cukai
CODE
Selanjutnya data dari hasil pembobotan tiap failure mode yang terdapat pada tabel sebelumnya diolah pada tabel dibawah ini untuk kemudian ditampilkan dalam bentuk pareto diagram.
Tabel 5.8 Rekapitulasi RPN dari tiap Failure Mode Failure Mode Code
RPN Score
%
Cummulative %
FB FD FH FE FK FG FL FJ FA FI FC FF
144 112 108 100 90 80 64 60 40 36 32 24
16.18% 12.58% 12.13% 11.24% 10.11% 8.99% 7.19% 6.74% 4.49% 4.04% 3.60% 2.70%
16.18% 28.76% 40.90% 52.13% 62.25% 71.24% 78.43% 85.17% 89.66% 93.71% 97.30% 100.00%
Berikut ini adalah hasil dari pengolahan tabel Rekapitulasi RPN dari tiap Failure Mode yang ditampilkan dalam bentuk pareto diagram.
FJ
FK
FL
78
Grafik 5.3 Pareto diagram dari Failure mode RPN
Adapun informasi yang dapat diperoleh dari pareto diagram diatas adalah bahwa Failure Mode atau mode kegagalan yang paling kritis adalah Planning yang kurang tepat, Jobcard yang belum dibuat karena Planner / Engineer belum memahami, Stock di Warehouse yang kosong, Kesalahan metode pembuatan Jobcard, Material mengalami cacat atau defect, Material belum direservasi, dan Shipping process part OV lama. 80 % dari penyebab terjadinya waste terakumulasi dari semua mode kegagalan tersebut dan menyebabkan delay pada proses maintenance atau overhaul engine. Mode kegagalan yang telah disebutkan sebelumnya merupakan hasil dari beberapa penyebab dasar yaitu antara lain sebagai berikut:
1) Data yang belum atau tidak di-maintain secara berkelanjutan secara mendasar mengakibatkan fungsi planning menjadi tidak akurat dan berdampak langsung pada aktivitas utama dari proses overhaul. Data yang dimaksud yaitu data engine contohnya seperti data Last Shop Visit, dan data yang terkait dengan historis dari engine yang sedang mengalami proses maintenance atau overhaul.
79
2) Development dari sumber daya manusia dalam hal ini Training menjadi penyebab gagalnya fungsi planning dan aktivitas proses yang lain sehingga berdampak pada timbulnya waste. Beberapa aktivitas tidak berjalan dengan sesuai dikarenakan baik engineer maupun planner belum mendapat training. 3) Bug pada system dalam hal ini SAP ikut menyebabkan terjadinya waste yang berdampak langsung pada aktivitas proses. Bug tersebut menybabkan aktivitas seperti planning dan reservasi material menjadi terganggu. Namun pada dasarnya bug ini masih dalam level yang wajar dikarenakan engine maintenance unit baru saja mengembangkan sistem baru yang lebih terintegrasi dan diharapkan sistem tersebut mempercepat aliran proses. 4) Miskomunikasi antar unit menyebabkan terjadinya waste waiting. Koordinasi dari antar unit yang masih konvensional serta kurangnya pemahaman terhadap tanggung jawab masing- masing menyebabkan terjadinya miss-komunikasi dan berdampak pada timbulnya waste. 5) Penyebab lain berupa birokrasi shipping, hal yang terkait dengan finansial, dan hal teknis seperti prosedur shipping ikut menyumbang terjadinya waste meskipun tidak dalam skala yang besar.
5.6 Rekomendasi perbaikan Untuk meminimalkan kemungkinan timbualnya waste akibat dari beberapa akar masalah yang sebelumnya telah dibahas maka dapat ditarik beberapa kesimpulan sesuai dengan penyebab yang ada, yang antara lain adalah sebagai berikut: 1) Memfokuskan untuk selalu meng update data last shop visit yang ada dengan selalu mencatat parameter operasional pada saat engine masih terpasang
80
dipesawat dan beroperasional, sehingga nantinya saat engine shop visit akan lebih mempermudah penyusunan workscope. Pihak customer dalam hal ini operator atau maskapai perlu mengembangkan metode yang dapat menjamin ketersediaan data yang akurat. 2) Selalu mengembangkan kemampuan sumber daya manusia dengan memberikan training- training yang relevan dengan kebutuhan perusahaan. Hal ini sangat penting karena sumber daya manusia adalah aset termahal dari sebuah perusahaan. Mesin secanggih apapun tentu masih memerlukan keterlibatan manusia dalam penggunaanya. maka dari itu pengembangan SDM amatlah penting bagi perkembangan perusahaan. 3) Pengembangan system sebagai alat bantu bussines process akan sangat membantu perusahaan untuk meningkatkan produktivitas dan efisiensi proses . Di era perkembangan teknologi saat ini peran system memegang peran yang mendasar sebagai kontrol terhadap aktivitas proses. Pengembangan ini hendaknya terus diupayakan berjalan sesuai dengan perkembangan teknologi saat ini. 4) Mengupayakan perbaikan proses utamanya terkait dengan komunikasi antar bagian, prosedur teknis dalam proses (technical practice) seperti material handling, shipping dan aktivitas pendukung proses lainnya. Planning waktu yang tepat dan menjalin kerjasama yang baik dengan pihak birokrasi pengiriman akan sangat membantu mempercepat lead time dari proses shipping untuk part/ module subcont.