PEMELIHARAAN PENCEGAHAN DAN PERSEDIAAN SUKU CADANG UNTUK PERALATAN PRODUKSI DI PABRIK PENGOLAHAN KELAPA SAWIT KERTAJAYA
INA SITI HASANAH
SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2013
PERNYATAAN MENGENAI DISERTASI DAN SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA* Dengan ini saya menyatakan bahwa disertasi berjudul Pemeliharaan Pencegahan dan Persediaan Suku Cadang untuk Peralatan Produksi di Pabrik Pengolahan Kelapa Sawit Kertajaya adalah benar karya saya dengan arahan dari komisi pembimbing dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir disertasi ini. Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut Pertanian Bogor. Bogor, Agustus 2013 Ina Siti Hasanah NIM F361080131
ABSTRACT INA SITI HASANAH. Preventive Maintenance and Inventory of Spare Part for Production Equipment in Palm Oil Mill Kertajaya. Supervised by MACHFUD, SUKARDI, and ERLIZA HAMBALI. Plant maintenance undertaken at PKS Kertajaya is a system breakdown maintenance and preventive maintenance. Preventive maintenance is not carried out when the fresh fruit bunches processed a lot, so there will be breakdown maintenance. PKS Kertajaya does not have its own inventory concept in determining the amount of spare parts inventory. Reservation made based on estimates only based on the demand that has happened. The purpose of this study is to formulate the scheduling preventive maintenance on production equipment maintenance scheduling in a palm oil mill with an optimal cost of maintenance, to determine spare parts inventory by the number of low demand. This study conducted to get performance of production equipment maintenance using Overall Equipment Effectiveness, identifying and prioritizing equipment factory production by using Failure Mode and Effect Analysis, schedule preventive maintenance of production equipment with a total cost of optimal maintenance and spares inventory planning using the model of Economic order Quantity where demand assumed poisson distribution. Results of performance of equipment maintenance using Overall Equipment Effectiveness indicates that maintenance scheduled at a palm oil mill. Results of the Failure Mode and Effect Analysis is the ranking value Risk Priority Number to 30 components scheduled. Results of factory production equipment maintenance scheduling of oil palm is scheduling maintenance for 30 components with optimal charge at 51% level of reliability and can save as much as 17,5% of the cost without doing preventive maintenance. Results of spare parts planning is optimal total inventory cost. Keywords: breakdown maintenance, scheduling, maintenance, planning inventory, total cost
RINGKASAN INA SITI HASANAH. Pemeliharaan Pencegahan dan Persediaan Suku Cadang untuk Peralatan Produksi di Pabrik Pengolahan Kelapa Sawit Kertajaya. Dibimbing oleh Machfud, Sukardi, dan Erliza Hambali PT Perkebunan Nusantara VIII merupakan BUMN yang bergerak pada sektor perkebunan dengan kegiatan usaha meliputi pembudidayaan tanaman, pengelola penjualan komoditi perkebunan seperti teh, karet, dan sawit sebagai komoditi utamanya, serta kakao dan kina sebagai komoditi pendukungnya. PT Perkebunan Nusantara VIII memiliki satu pabrik yang mengolah Tandan Buah Segar, yaitu PKS PT Kertajaya yang berlokasi di Jalan Raya Saketi – Malimping, Desa Lewiipuh, Kecamatan Banjarsari, Kabupaten Lebak, Banten Selatan. Pemeliharaan pabrik yang dilaksanakan selama ini di PKS Kertajaya adalah sistem breakdown maintenance dan preventive maintenance. Seringkali, mesin mendapatkan perawatan setelah mesin mengalami kerusakan (breakdown maintenance). Preventive maintenance tidak dilaksanakan apabila Tandan Buah Segar yang akan diolah banyak, sehingga akan terjadi breakdown maintenance. PKS Kertajaya tidak memiliki konsep persediaan tersendiri dalam menentukan jumlah persediaan suku cadang. Pemesanan dilakukan berdasarkan perkiraan-perkiraan saja yaitu berdasarkan pada permintaan yang selama ini terjadi. Tujuan dari penelitian ini adalah merumuskan pemeliharaan pencegahan pada penjadwalan pemeliharaan peralatan produksi di pabrik kelapa sawit dengan biaya pemeliharaan yang optimal, menentukan persediaan suku cadang dengan jumlah permintaan rendah. Penelitian ini dilakukan untuk mendapatkan kinerja pemeliharaan peralatan produksi dengan menggunakan Overall Equipment Effectiveness, mengidentifikasi dan menentukan prioritas peralatan produksi pabrik dengan menggunakan Failure Mode and Effect Analysis, menjadwalkan pemeliharaan pencegahan peralatan produksi dengan total biaya pemeliharaan yang optimal dan merencanakan persediaan suku cadang dengan menggunakan model Economic Order Quantity dimana permintaan diasumsikan berdistribusi poisson. Hasil dari kinerja pemeliharaan peralatan dengan menggunakan Overall Equipment Effectiveness menunjukkan bahwa perlu dilakukan penjadwalan pemeliharaan pada pabrik kelapa sawit. Hasil dari Failure Mode and Effect Analysis adalah rangking nilai Risk Priority Number untuk 30 komponen yang akan dijadwalkan. Hasil penjadwalan pemeliharaan peralatan produksi pabrik kelapa sawit adalah penjadwalan pemeliharaan untuk 30 komponen dengan biaya optimal pada tingkat keandalan 51% dan dapat menghemat biaya sebesar 17,5% dari biaya tanpa
melakukan pemeliharaan pencegahan. Hasil dari perencanaan suku cadang adalah total ongkos persediaan yang optimal. Kata Kunci : breakdown maintenance, penjadwalan, pemeliharaan, perencanaan persediaan, total biaya
©Hak Cipta milik IPB, tahun 2013 Hak Cipta dilindungi Undang-undang Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan atau menyebutkan sumbernya. Pengutipan hanya untuk kepentingan pendidikan, penelitian, penulisan karya ilmiah, penyusunan laporan, penulisan kritik, atau tinjauan suatu masalah; dan pengutipan tersebut tidak merugikan kepentingan yang wajar IPB. Dilarang mengumumkan dan memperbanyak sebagaian atau seluruh Karya tulis dalam bentuk apa pun tanpa izin IPB
PEMELIHARAAN PENCEGAHAN DAN PERSEDIAAN SUKU CADANG UNTUK PERALATAN PRODUKSI DI PABRIK PENGOLAHAN KELAPA SAWIT KERTAJAYA
INA SITI HASANAH
Disertasi sebagai salah satu syarat untuk memperoleh gelar Doktor pada Program Studi Teknologi Industri Pertanian
SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2013
Penguji pada Ujian Tertutup: Prof. Dr. Ir. Endang Gumbira Sa’id, M.A. Dev Staf pengajar Departemen Teknologi Industri Pertanian, FATETA IPB Dr. Ir. Meika Syahbana Rusli, M.Sc. Staf pengajar Departemen Teknologi Industri Pertanian, FATETA IPB Penguji pada Ujian Terbuka: Dr. Ir. Bambang Hariyanto, MS Peneliti Utama di Pusat Teknologi Agroindustri BPPT Prof. Dr. Ir. Suprihatin Staf pengajar Departemen Teknologi Industri Pertanian, FATETA IPB
Judul Disertasi : Pemeliharaan Pencegahan dan Persediaan Suku Cadang untuk Peralatan Produksi di Pabrik Pengolahan Kelapa Sawit Kertajaya Nama
: Ina Siti Hasanah
NIM
: F361080131
Disetujui, Komisi Pembimbing
Dr. Ir. Machfud, M.S, Ketua
Dr. Ir. Sukardi, MM Anggota
Prof. Dr. Erliza Hambali Anggota
Diketahui, Ketua Program Studi Teknologi Industri Pertanian
Dr. Ir. Machfud, MS Tanggal Ujian : 12 Juli 2013
Dekan Sekolah Pascasarjana
Dr. Ir. Dahrul Syah, M.Sc.Agr Tanggal Lulus :
PRAKATA
Puji syukur penulis panjatkan kehadirat Allah SWT, atas kekuatan, rahmat, dan anugerah-Nya sehingga penulis dapat menyelesaikan disertasi yang berjudul Pemeliharaan Pencegahan dan Persediaan Suku Cadang untuk Peralatan Produksi di Pabrik Pengolahan Kelapa Sawit Kertajaya. Pada kesempatan ini dengan ketulusan hati penulis menyampaikan rasa terima kasih kepada yang terhormat Bapak Dr. Ir. Machfud. MS. selaku Ketua Komisi Pembimbing, Bapak Dr. Ir. Sukardi, MM., dan Ibu Prof. Dr. Erliza Hambali, selaku Anggota Komisi Pembimbing yang senantiasa memberikan bimbingan, arahan dan dorongan kepada penulis, sehingga penulis dapat menyelesaikan penyusunan proposal, pelaksanaan penelitian hingga penyusunan disertasi ini. Ucapan terima kasih penulis sampaikan kepada Prof.Dr.Ir. Endang Gumbira Sa’id MADev dan Dr. Ir. Meika Syahbana Rusli, M.Sc. sebagai penguji luar serta Dr. Bambang Hariyanto, Prof.Dr. Ir. Suprihatin dan Dr Eng Taufik Djatna STP, Msi. yang telah memberikan masukan untuk penyempurnaan disertasi ini. Ucapan terima kasih penulils sampaikan kepada bapak H.Uya Surhadi, kepala pabrik, Enin Suhandi, bagian teknik, Nony Nendy, bagian produksi, dan Juheri, bagian umum di PKS Kertajaya, yang telah membantu dalam pengambilan data selama di PKS Kertajaya. Ucapan terima kasih penulis sampaikan kepada Ketua dan Sekretaris Program Studi Teknologi Industri Pertanian, Dekan Fakultas Teknologi Pertanian dan Sekolah Pascasarjana IPB yang telah banyak membantu dalam kelancaran studi S3 di IPB. Penulis juga menyampaikan terima kasih kepada Universitas Gunadarma yang telah memberi kesempatan dan ijin bagi penulis dalam menempuh pendidikan S-3 dengan beasiswa yang berasal dari Program Hibah Kompetisi Institusi 2008, Direktorat Jenderal Pendidikan Tinggi. Penulis juga ingin menyampaikan terima kasih kepada teman-teman Mahasiswa S3 TIP IPB angkatan 2008 atas persaudaraan, kerjasama dan dorongan semangat yang diberikan. Teman-teman di jurusan Teknik Industri Universitas Gunadarma atas kerjasama dan dorongan semangat yang diberikan kepada penulis selama menempuh pendidikan S3. Suamiku Ernawan Budisusilo serta anak-anakku Thoriq Ramadhan dan Alya Septiana, bapak Karsah Kamsah, Ibu A.T, Huzaemah, Ibu Susilah Ahmad Brotowardoyo, terima kasih atas segala kesabaran, ketabahan dan dukungan yang diberikan kepada penulis selama menempuh pendidikan S3.
Penulis menyadari bahwa karya ilmiah ini masih jauh dari sempurna. Oleh karena itu, kritik dan saran diharapkan untuk perbaikan. Penulis mengharapkan semoga hasil penelitian ini berguna bagi perkembangan ilmu pengetahuan dan bermanfaat bagi yang membutuhkan.
Bogor,
Agustus 2013
Ina Siti Hasanah
RIWAYAT HIDUP
Penulis dilahirkan di Jakarta pada tanggal 17 Januari 1969 sebagai anak sulung dari empat bersaudara dari pasangan Karsah Kamsah dan Ade Tjutju Huzaemah. Penulis menyelesaikan pendidikan dasar sampai menengah di Pekalongan dan Bandung. Pendidikan Sarjana di tempuh di Jurusan Teknik Industri dan Manajemen Fakultas Teknologi Industri Institut Teknologi Nasional pada tahun 1987-1993. Tahun 1994, penulis diterima sebagai Assisten Planning Production Control di PT. LES ENPHANTS INDONESIA Bandung. Tahun 1996, penulis diterima sebagai staf pengajar di Universitas Gunadarma Jakarta dan menjadi sekretaris jurusan Teknik Industri dari tahun 1996 hingga sekarang. Kesempatan mendalami ilmu teknik industri diperoleh tahun 1998 di Program studi Magister Teknik Industri Univertas Pelita Harapan Jakarta dan memperoleh gelar Master Teknik pada awal tahun 2002. Tahun 2008, penulis berkesempatan melanjutkan pendidikan program Doktor di Program Studi Teknologi Industri Pertanian IPB hingga saat ini. Karya ilmiah yang telah dan akan diterbitkan dalam jurnal nasional maupun internasional antara lain : 1. Manajemen Pemeliharaan Pencegahan Kerusakan Komponen Peralatan Sterilisasi di Pabrik Kelapa Sawit (terbit di Jurnal Ilmiah Ekonomi Bisnis, Universitas Gunadarma Vol 17, Nomor 3 Desember Tahun 2012). 2. Preventive Maintenance Scheduling for Production Facilities at Kertajaya Palm Oil Mill (terbit di European Journal of Scientific Research, Volume 106 No 3 July, 2013 pp.451-458).
DAFTAR ISI
Halaman DAFTAR TABEL …………………………………………………………..
xxi
DAFTAR GAMBAR …………………………………………………….....
xxiii
DAFTAR LAMPIRAN ……………………………………………………..
xxvi
I. PENDAHULUAN ………………………………………………….......
1
1.1. Latar Belakang ………………………………………………..........
1
1.2. Tujuan Penelitian………………………………………………........
3
1.3. Ruang Lingkup Penelitian .……………………………………........
3
1.4. Manfaat Penelitian..............................................................................
3
II. TINJAUAN PUSTAKA …………………………………………...........
4
2.1. Pengertian Pemeliharaan............................. ......................................
4
2.2. Reliability dan Maintainability ..........................................................
6
2.2.1. Fungsi Keandalan ...........................…………………….........
7
2.2.2. Mean Time to Failure (MTTF) dan Mean Time to Repair
0
(MTTR) ……………………........................….......................
7
2.2.3. Model Distribusi …..............…………………………………
7
2.2.4. Index of Fit …....……………………………………………..
8
2.2.5. Pengujian Goodness of Fit …………………………………..
9
2.3. Pengertian Overall Equipment Effectiveness (OEE) …………….....
9
2.4. Failure Mode and Effect Analysis (FMEA) ......................................
10
2.5. Pemeliharaan Pencegahan ……………………………………….....
11
2.6. Model-model Persediaan ……………………………………...........
13
2.6.1. Model P (Periodic Review Models) …………………………
13
2.6.2. Model Q (Lot Size Reoder Point Models) ……………...........
13
2.7. Mesin/Peralatan Pengolahan Kelapa Sawit .......................................
14
2.8. Penelitian Terdahulu dan Posisi Penelitian .......................................
20
III. METODE PENELITIAN …………………………………………….....
27
3.1. Kerangka Pemikiran …………………………………………..........
27
xx Halaman
3.2. Tahapan Penelitian .............…………………………………………
28
3.3. Jenis dan Pengumpulan Data ..………………………………………
34
3.4. Tempat dan Waktu Penelitian .........…………………………….......
36
IV. ANALISIS SITUASIONAL ……………………………………….........
37
4.1. Peralatan Produksi ……………………………………………..........
39
4.2. Kinerja Pemeliharaan di PKS Kertajaya ……………………............
42
4.3. Persediaan Suku Cadang di PKS Kertajaya .......................................
50
4.4. Sumber Daya Pemeliharaan di PKS Kertajaya ................……..........
52
V. PEMELIHARAAN PENCEGAHAN DAN PERSEDIAAN ……………
54
5.1. Kinerja Pemeliharaan Peralatan Produksi …………..........................
54
5.2. Penentuan Peralatan Produksi yang Paling Kritis ..............................
55
5.3. Penjadwalan Pemeliharaan Peralatan Produksi ..................................
59
5.4. Persediaan Suku Cadang ....................................................................
63
VI. PEMBAHASAN ………………………………………………………...
69
6.1. Kinerja Overall Equipment Effectiveness (OEE) ...............................
69
6.2. Analisis Overall Equipment Effectiveness (OEE) ..............................
72
6.3. Failure Mode and Effect Analysis (FMEA) .......................................
74
6.4. Analisis Risk Priority Number (RPN) ………………………………
78
6.5. Biaya Pemeliharaan Pencegahan Peralatan Produksi ……………….
79
6.6. Analisis Penjadwalan Pemeliharaan Pencegahan Peralatan Produksi
85
6.7. Persediaan Suku Cadang ....................................................................
96
6.8. Analisis Persediaan Suku Cadang ......................................................
101
6.9. Analisis Sensitivitas ...........................................................................
101
6.10. Validasi ……………………………………………………………. 102 6.11. Verifikasi …………………………………………………………..
104
VII. SIMPULAN DAN SARAN …………………………………………….
105
7.1. Simpulan ……………………………………………………………. 105 7.2. Saran……………………………………………………………........
106
DAFTAR PUSTAKA ………………………………………………………
107
LAMPIRAN………………………………………………………………….
110
xxi
DAFTAR TABEL
2.1
Halaman Nilai ideal perhitungan OEE ........................................................... 9
2.2
Posisi penelitian yang diusulkan …..……………………………..
22
3.1
Jenis pengumpulan data …………………………………………..
36
4.1
Data non scheduled maintenance time, scheduled maintenance time dan unscheduled maintenance time (dalam jam) ...…………...
42
4.2
Hasil nilai MTTF dan MTTR ……………………..........................
43
5.1
Skala yang digunakan untuk pengukuran occurrence .…………….
57
5.2
Skala yang digunakan untuk pengukuran severity ..……………….
58
5.3
Skala yang digunakan untuk pengukuran detection ...……………..
59
6.1
Data waktu non scheduled, schedule maintenance, unscheduled maintenance, actual available, availability losses, dan availability efficiency tahun 2010…….................................................................
6.2
WIP starvation, speed loss, performance losses, net production time, dan performance efficiency tahun 2010..………….................
6.3
70
Quality losses, valuable production time, dan quality efficiency tahun 2010 ……………....................................................................
6.4
69
71
Availability efficiency, performance efficiency, quality efficiency, dan OEE tahun 2010 .........................................................................
72
6.5
Jumlah TBS yang diterima pada tahun 2010 ……………………...
74
6.6
Analisis sebab dan akibat .................................................................
75
6.7
Nilai occurrence, severity, detection, dan RPN untuk tiap komponen ………………………………………………………….
77
6.8
Nilai RPN berdasarkan peringkat untuk tiap komponen …………..
78
6.9
Biaya kerusakan (failure) tahun 2010……………………..............
80
6.10
Tingkat keandalan komponen tanpa pemeliharaan pencegahan.......
81
6.11
Nilai biaya kerusakan untuk ke-30 komponen dan total failure cost sebelum dilakukan pemeliharaan pencegahan selama satu tahun …
82
xxii
Halaman 6.12
Nilai biaya pemeliharaan pencegahan untuk ke-30 komponen dan total biaya pemeliharaan setelah dilakukan pemeliharaan pencegahan selama satu tahun …………………….........................
84
6.13
Ekspektasi kebutuhan komponen ………………………………….
96
6.14
Parameter biaya persediaan komponen ……………………………
97
6.15
Jumlah pemesanan, reorder point, dan safety stock pada setiap
6.16
komponen ………………………………………………………….
99
Validasi model …………………………………………………….
103
xxiii
DAFTAR GAMBAR
Halaman 2.1
Proses pemeliharaan ..........................................................…................
5
2.2
Karakteristik dari proses pemeliharaan ....……………………………..
6
2.3
Perhitungan OEE dengan sepuluh big losses ………………………….
10
2.4
Proses pengolahan kelapa sawit ………………………………….........
15
3.1
Sistem pemeliharaan dan proses kontrol ….…………………………..
27
3.2
Kerangka pemikiran penelitian ..………………………………………
28
3.3
Keterkaitan antara tahapan dalam pemeliharaan pencegahan di pabrik pengolahan kelapa sawit ………………………………………………
29
3.4
Tahapan kinerja pemeliharaan peralatan produksi .…………………...
30
3.5
Tahapan dalam mencari nilai MTTF dan MTTR ..................................
32
3.6
Tahapan komponen peralatan produksi yang paling kritis ....................
33
3.7
Diagram alir tahap penelitian ......……………………………………
35
4.1
Persentase biaya produksi rata-rata di PKS Kertajaya ….……………..
38
4.2
Persentase biaya pemeliharaan pabrik terhadap biaya pengolahan kelapa sawit di PKS Kertajaya tahun 2006-2010 .…………………….
4.3
Keandalan komponen seal pintu, l-boch, dan v-belt pada peralatan sterilizer sebelum pemeliharaan pencegahan ……................................
4.4
46
Keandalan komponen roda lori + as dan balok basing pada peralatan lori sebelum pemeliharaan pencegahan ………….................................
4.5
39
47
Keandalan komponen bearing SKF, nozzle pn, v-belt, mika film, friction pad, dan screw pn pada peralatan separator sebelum pemeliharaan pencegahan ……………………………………………..
4.6
Keandalan komponen v-belt dan bearing pada peralatan thresher drum sebelum pemeliharaan pencegahan ……………………………..
4.7
47
48
Keandalan komponen extension shaft, baud coupling, worm lengthening dan screw worm pada peralatan press sebelum pemeliharaan pencegahan ……………………………………………..
48
xxiv
Halaman 4.8
Keandalan komponen besi siku L, v-belt, rantai RS80, dan sprocket gear RS80 pada peralatan boiler sebelum pemeliharaan pencegahan …
4.9
49
Keandalan komponen v-belt, bearing, adaptor, as sentral FC60, dan plat mild steel pada peralatan stasiun biji sebelum pemeliharaan pencegahan ….......................................................................................... 50
4.10 Keandalan komponen kabel sling baja pada peralatan tracklier sebelum pemeliharaan pencegahan ……………………………………. 50 5.1
Kinerja pemeliharaan peralatan produksi …………………...................
55
5.2
Penentuan komponen peralatan produksi yang paling kritis ..................
56
6.1
Total biaya pemeliharaan pencegahan untuk 30 komponen selama satu tahun …………………………………………………………………… 83
6.2.
Keandalan komponen sproket gear RS80 peralatan boiler sebelum dan setelah dilakukan pemeliharaan pencegahan ………………..................
6.3
Keandalan komponen screw worm peralatan screw press sebelum dan setelah dilakukan pemeliharaan pencegahan ………………..................
6.4
90
Keandalan komponen roda lori + as peralatan lori sebelum dan setelah dilakukan pemeliharaan pencegahan ……………………………..........
6.9
89
Keandalan komponen friction pad peralatan separator sebelum dan setelah dilakukan pemeliharaan pencegahan ..........................................
6.8
88
Keandalan komponen baud coupling peralatan screw press sebelum dan setelah dilakukan pemeliharaan pencegahan …………...................
6.7
87
Keandalan komponen rantai RS80 peralatan boiler sebelum dan setelah dilakukan pemeliharaan pencegahan ………………..................
6.6
86
Keandalan komponen nozzle pn peralatan separator sebelum dan setelah dilakukan pemeliharaan pencegahan ………………..................
6.5
85
91
Keandalan komponen balok basing pada peralatan lori sebelum dan setelah dilakukan pemeliharaan pencegahan …………………………..
92
6.10 Keandalan komponen v-belt pada peralatan sterilizer sebelum dan setelah dilakukan pemeliharaan pencegahan ..........................................
93
6.11 Keandalan komponen v-belt pada peralatan separator sebelum dan setelah dilakukan pemeliharaan pencegahan ..........................................
94
xxv
Halaman 6.12 Kenaikan parameter biaya terhadap keandalan ………………………. 102 6.13 Penurunan parameter biaya terhadap keandalan ……………………... 102
xxvi
DAFTAR LAMPIRAN
Halaman 1
Contoh perhitungan mean time to repair (MTTR) dan mean time to failure (MTTF) …………………………………………………...........
110
2
Struktur organisasi bagian teknik ………………………………….......
121
3
Program MTTR dan MTTF dengan menggunakan macro MS excel ....
122
4
Program optimasi menggunakan software Matlab ................................
142
5
Program persediaan suku cadang dengan menggunakan macro MS excel .......................................................................................................
147
I. PENDAHULUAN
1.1. Latar Belakang Industri kelapa sawit masih merupakan andalan sektor perkebunan pada tahun-tahun mendatang. Selama lima tahun terakhir (2005-2010), komoditas kelapa
sawit
memberikan
kontribusi
terbesar
bagi
sektor
perkebunan
dibandingkan komoditas lainnya. Pada tahun 2011 produksi tandan buah segar (TBS) di PKS Kertajaya sebesar 252.273 ton atau 127,56% dari tahun 2010. Peningkatan produksi TBS berdampak pada peningkatan pendapatan usaha, yaitu peningkatan laba sebelum pajak kelapa sawit pada tahun 2011 mencapai Rp 75.930 juta, meningkat dari Rp 31.031 juta pada tahun 2010 (PKS Kertajaya 2011). Peningkatan produksi dapat dicapai bila rantai kegiatan dari kebun hingga konsumen terkelola dengan baik. Rantai kegiatan tersebut merupakan rantai pasokan TBS ke pabrik kelapa sawit (PKS), yaitu pengangkutan buah kelapa sawit dari kebun ke PKS untuk diolah menjadi crude palm oil (CPO). Pengangkutan buah ke pabrik kelapa sawit dari kebun harus diangkut secepatnya. Sesampai di pabrik, buah harus segera ditimbang kemudian dimasukkan ke dalam lori perebusan dan kemudian dilanjutkan ke proses berikutnya. Buah yang tidak segera diolah akan menghasilkan minyak dengan kadar asam lemak bebas (ALB) tinggi, yang mengakibatkan mutu produk turun. Untuk menghindari terbentuknya asam lemak bebas, pengolahan harus sudah dilaksanakan paling lambat 8 jam setelah pemanenan (Thomas 2009). TBS yang sampai di pabrik kelapa sawit harus segera diolah untuk menghindari kadar ALB yang tinggi, tetapi adakalanya TBS tersebut tidak cepat diolah apabila di pabrik terjadi breakdown maintenance. Pada tahun 2010 di PKS Kertajaya terjadi 43 kali breakdown dengan waktu yang terlama adalah 49,25 jam pada bulan Agustus yang mengakibatkan kenaikan ALB sebesar 1,16%. Pemeliharaan pabrik yang dilaksanakan selama ini di PKS Kertajaya adalah sistem breakdown maintanance dan pemeliharaan pencegahan. Menurut Oke (2004), kegiatan pemeliharaan pencegahan perlu dijadwalkan. Di PKS Kertajaya, penerapan sistem pemeliharaan belum menerapkan konsep keandalan. Seringkali,
2 mesin mendapatkan perawatan setelah mengalami kerusakan (breakdown maintenance). Pemeliharaan pencegahan tidak dilaksanakan apabila TBS yang akan diolah banyak, sehingga akan terjadi breakdown maintenance. Pada tahun 2010 waktu breakdown maintenance sebesar 18% dari waktu pemeliharaan pencegahan. PKS Kertajaya perlu menjadwalkan pemeliharaan pencegahan agar biaya pemeliharaan lebih rendah. Tingginya biaya breakdown maintenance sangat berat bagi suatu perusahaan, sehingga perlu dilakukan penjadwalan pemeliharaan pencegahan agar biaya pemeliharaan lebih rendah daripada mengganti peralatan yang rusak (Oke dan Charles-Owaba 2006). Kelancaran proses produksi merupakan tuntutan utama yang harus dipenuhi agar target perusahaan dapat tercapai. Namun proses produksi ini sering terganggu yang disebabkan adanya breakdown maintenance atau menunggu datangnya suku cadang yang dipesan untuk menggantikan suku cadang yang mengalami kerusakan. PKS Kertajaya tidak memiliki konsep persediaan tersendiri dalam menentukan jumlah persediaan suku cadang. Pemesanan dilakukan berdasarkan perkiraan-perkiraan saja yaitu berdasarkan pada permintaan yang selama ini terjadi. Menurut Gharbi dan Kenne (2005), penjadwalan pemeliharaan pencegahan dapat menjadi dasar untuk menentukan persediaan suku cadang sehingga biaya persediaan lebih rendah. PKS Kertajaya perlu menentukan jumlah persediaan suku cadang berdasarkan jadwal kegiatan pemeliharaan pencegahan agar pada saat suku cadang tersebut dibutuhkan, suku cadang tersebut sudah tersedia. PKS Kertajaya sering tidak melakukan penjadwalan pemeliharaan terencana, dan pengadaan suku cadang berdasarkan permintaan sebelumnya, maka diperlukan suatu rancangan sistem pemeliharaan peralatan produksi yang dapat menjadwalkan pemeliharaan peralatan produksi pabrik kelapa sawit dengan biaya yang optimal, biaya pemeliharaan yang lebih rendah dari biaya breakdown maintenance dan merencanakan persediaan suku cadang sehingga dapat mengurangi terjadinya downtime, mengurangi biaya perawatan mesin, dan menjaga ketersediaan suku cadang.
3 1.2. Tujuan Penelitian Dengan mempertimbangkan latar belakang di atas, maka tujuan penelitian ini adalah sebagai berikut : 1. Merumuskan pemeliharaan pencegahan pada penjadwalan pemeliharaan peralatan produksi di pabrik pengolahan kelapa sawit dengan biaya pemeliharaan yang optimal. 2. Menentukan model persediaan suku cadang dengan biaya persediaan yang rendah.
1.3. Ruang Lingkup Penelitian Ruang lingkup penelitian adalah pemeliharaan peralatan produksi di pabrik pengolahan kelapa sawit Kertajaya dan sterilizer yang digunakan adalah sistem horizontal. Pada penelitian ini hanya mencakup aspek biaya pemeliharaan bagian produksi untuk menjadwalkan pemeliharaan dan persediaan suku cadang peralatan produksi. Tahapan pemeliharaan mencakup kapasitas pemeliharaan, penjadwalan pemeliharaan peralatan produksi dan persediaan suku cadang, yang divalidasi pada PKS Kertajaya di PT Perkebunan Nusantara VIII Jawa Barat. Data yang digunakan adalah data selama setahun yaitu tahun 2010.
1.4. Manfaat Penelitian Hasil dalam penelitian ini dapat bermanfaat bagi para pengambil keputusan pada pabrik pengolahan kelapa sawit Kertajaya, yaitu pihak manajemen, yang dapat
digunakan
oleh
pengambil
keputusan
untuk
menyusun
rencana
pemeliharaan peralatan produksi pabrik kelapa sawit dan persediaan suku cadang. Hasil dari penelitian ini dapat digunakan pada pabrik pengolahan kelapa sawit lain dengan kapasitas produksi yang sama dengan PKS Kertajaya yaitu 30 ton TBS/jam. Perangkat lunak yang dihasilkan dapat digunakan oleh pengambil keputusan untuk mengetahui interval waktu pemeliharaan pada keandalan tertentu dengan biaya yang minimum. Walaupun hasil disertasi ini kekuatannya sederhana, akan tetapi dapat menghemat biaya pemeliharaan dan biaya persediaan di lokasi studi kasus.
II. TINJAUAN PUSTAKA
2.1. Pengertian Pemeliharaan Semua kegiatan yang terlibat dalam memelihara peralatan sistem kerja merupakan bagian dari manajemen pemeliharaan. Pemeliharaan menurut Pradip (2008) adalah serangkaian kegiatan yang dilakukan untuk memelihara peralatan yang dalam kondisi tertentu atau merupakan tindakan perbaikan untuk mengembalikan peralatan pada kondisi yang berbeda. Pemeliharaan dapat ditingkatkan dengan memperbanyak pekerja pemeliharaan, dengan kemampuan meningkatkan pemeliharaan dan menyediakan persediaan lebih dari item pengganti. Pemeliharaan adalah suatu kombinasi dari berbagai tindakan yang dilakukan untuk menjaga suatu barang, atau memperbaikinya sampai suatu kondisi yang bisa diterima (Corder 1998). Menurut Ben-Daya et al. (2009), sebuah sistem pemeliharaan dapat dipandang sebagai sistem input/output sederhana. Input ke sistem adalah tenaga kerja, kegagalan peralatan, material dan suku cadang, alat-alat, informasi, dan prosedur, dan suku cadang. Output adalah alat yang dapat diandalkan dan juga dikonfigurasi untuk mencapai operasi yang direncanakan pabrik. Sebuah sistem manajemen pemeliharaan yang baik tidak harus rumit. Bahkan, sistem terbaik dan paling sukses adalah salah satu yang sederhana, bisa dilaksanakan dan memberikan hasil yang diinginkan. Sistem manajemen pemeliharaan lebih kompleks adalah, semakin besar kesempatan yang ada itu akan gagal atau tidak mencapai hasil yang diinginkan dan berpotensi penghematan biaya (Dale 2002). Tujuan dari sistem pemeliharaan yang baik menurut Pradip (2008) adalah sebagai berikut: 1. Mempertahankan kemampuan sistem 2. Meminimalkan total biaya 3. Memastikan ketersediaan pabrik maksimum dengan mencegah kerusakan tak terduga dan dengan mengurangi periode shutdown (kerusakan) 4. Pemeliharaan peralatan di angka produktivitasnya dan akurasi asli
5 5. Penghapusan kondisi tidak aman yang menyebabkan kecelakaan sehingga memastikan keselamatan pekerja 6. Minimisasi keausan dengan meningkatkan umur panjang peralatan
Menurut Duffaa et al. (1999), unsur yang paling penting dalam kegiatan sistem pemeliharaan adalah beban pemeliharaan, sumber daya pemeliharaan, perencanaan, penjadwalan dan pelaksanaan pemeliharaan, fungsi pendukung pemeliharaan, laporan dan ukuran kinerja pemeliharaan. Proses pemeliharaan dapat dilihat dalam Gambar 2.1. Pabrik Pemeliharaan yang direncanakan
Pemeliharaan yang tidak direncanakan
Beban pemeliharaan
Urutan kerja perencanaan
Fungsi pendukung pemeliharaan Perencanaan pemeliharaan
Penjadwalan Laporan pemeliharaan & pengukuran kinerja Dispatching
Pelaksanaan
Gambar 2.1 Proses pemeliharaan (Duffaa et al., 1999) Menurut Ben-Daya et al. (2009), tidak ada metodologi yang diterima secara universal untuk merancang sistem pemeliharaan, yaitu tidak ada pendekatan terstruktur sepenuhnya menuju sistem pemeliharaan yang optimal. Dengan demikian, sistem pemeliharaan dirancang dengan menggunakan pengalaman dan penilaian yang didukung oleh sejumlah alat dan teknik keputusan. Menurut Manzini et al. (2010), kegiatan pemeliharaan begitu banyak dan kompleks yang membutuhkan suatu manajemen yang efektif dan organisasi yang
6 terstruktur dengan baik. Diawali dengan kontrol dari sistem produksi yang tidak hanya melibatkan peralatan monitoring tetapi juga pengendalian pemeliharaan, perencanaan, dan organisasi, dengan banyak sub aktivitas. Hal ini digambarkan dalam Gambar 2.2. Perencanaan Filsafat pemeliharaan Peramalan beban pemeliharaan Kapasitas pemeliharaan Organisasi pemeliharaan
Input Fasilitas Tenaga kerja Peralatan Suku cadang Manajemen
Organisasi Job design Waktu standar Pengukuran kerja Manajemen proyek
Proses pemeliharaan
Output Operasional mesin Peralatan
Umpan balik Monitoring Kontrol perencanaan Kontrol pekerjaan Kontrol persediaan Kontrol biaya Kontrol kualitas
Gambar 2.2 Karakteristik dari proses pemeliharaan (Manzini et al. 2010)
2.2. Reliability dan Maintainability Keandalan (reliability) adalah merupakan kemampuan dimana sebuah fasilitas (baik mesin, peralatan, maupun sistem) dapat menjalankan fungsinya dengan baik. Jadi keandalan dapat pula berarti sebagai probabilitas/kemungkinan suatu fasilitas untuk dapat berfungsi dengan baik selama periode waktu. Keandalan adalah kemampuan dari sebuah peralatan untuk tidak mengalami kerusakan selama proses berlangsung (Ebeling 1997). Maintainability adalah kemampuan suatu sistem untuk dipelihara dimana perawatan merupakan serangkaian tindakan
yang harus diambil untuk
memperbaiki atau mempertahankan suatu sistem dalam keadaan siap operasi (Ebeling 1997). Dalam keandalan suatu sistem ada beberapa konsep yang digunakan yaitu :
7 2.2.1. Fungsi Keandalan Keandalan merupakan kemungkinan bahwa sistem atau komponen akan berjalan dengan baik untuk melakukan tugas tertentu. Nilai keandalan berkisar antara 0 dan 1, karena merupakan fungsi probabilitas (Ebeling 1997). R(t) = Pr{T > t}
(2.1)
dimana R(t) > 0, R(0) = 1 dan lim t → ∞ R (t ) = 0 F(t) = 1 – R(t) = Pr{T < t}
(2.2)
dimana F(0) = 0 dan lim t → ∞ F (t ) = 1
2.2.2. Mean Time to Failure (MTTF) dan Mean Time to Repair (MTTR) Mean time to failure (MTTF) adalah rata-rata atau nilai/waktu yang diharapkan terjadinya kegagalan dari unit identik yang beroperasi pada kondisi normal. Perhitungan nilai MTTF berbeda-beda sesuai dengan jenis distribusi yang terpilih untuk penyebaran data time to failure (TTF). Mean time to repair (MTTR) adalah rata-rata atau penentuan nilai tengah dari fungsi probabilitas untuk waktu perbaikan. Perhitungan nilai MTTR berbeda-beda sesuai dengan jenis distribusi yang terpilih untuk penyebaran data time to repair (TTR).
2.2.3. Model Distribusi Dalam analisis keandalan terdapat beberapa distribusi statistik yang umumnya digunakan dan biasanya berbeda satu sama lainnya tergantung pada karakter kerusakan yang terjadi (Ebeling 1997; Manzini et al. 2010). a. Distribusi Normal f(t) =
1 (t − µ ) 2 exp − -∞ < t < ∞ σ 2π 2 σ 2 1
∞
R(t) = ∫0
1 (t '− µ ) 2 exp − dt ' σ 2π 2 σ 2 1
(2.3)
(2.4)
MTTF = µ F
(2.5)
MTTR = µ R
(2.6)
8 b. Distribusi Lognormal 1 f(t) = − exp − 2s 2 st 2π 1
1 t R(t) = 1 − Φ ln s t med
t ln t med
2
t≥0
(2.7)
(2.8)
2 MTTF = t med e s / 2
(2.9)
2 MTTR = t medR e s / 2
(2.10)
c. Distribusi Weibull dR(t ) βt f(t) = − = dt θ θ
β −1
e − (t / θ )
β
(2.11)
β −1 β t β t' R(t) = exp − ∫0 dt ' = e − (t / θ ) θ θ
(2.12)
1 MTTF = θΓ1 + β
(2.13)
1 MTTR = θ R Γ1 + β
(2.14)
d. Distribusi Eksponensial t R(t) = exp − ∫0 λdt ' = e − λt ,
F(t) = 1 - e − λt MTTF = MTTR =
1
λ 1
λR
t≥0
(2.15) (2.16) (2.17) (2.18)
2.2.4. Index of Fit Penentuan jenis distribusi yang mewakili penyebaran suatu data kerusakan dapat dilakukan dengan menggunakan metode least squares curve fitting. Proses yang harus dilakukan adalah mencari nilai index of fit untuk masing-masing
9 distribusi sehingga didapatkan nilai index of fit terbesar yang kemudian akan diuji lagi menurut hipotesa distribusinya. Index of fit dihitung dengan mencari nilai r (koefisien korelasi) yang menunjukkan kekuatan hubungan linear antara variabel waktu kegagalan dan probabilitas fungsi kepadatan.
2.2.5. Pengujian Goodness of Fit Setelah perhitungan index of fit dilakukan, maka tahap selanjutnya adalah pengujian goodness of fit untuk nilai index of fit terbesar. Pengujian goodness of fit dilakukan dengan membandingkan hipotesa nol (H 0 ) yang menyatakan bahwa data kerusakan mengikuti distribusi pilihan dan hipotesa alternatif (H 1 ) yang menyatakan bahwa data kerusakan tidak mengikuti distribusi pilihan. Pengujian yang dilakukan dalam goodness of fit ada tiga macam yaitu Mann’s test untuk distribusi Weibull, Bartlett’s test untuk distribusi Eksponensial dan KolmogorovSmirnov untuk distribusi Normal dan Lognormal (Ebeling 1997).
2.3. Pengertian Overall Equipment Effectiveness (OEE) Overall equipment effectiveness (OEE) adalah sebuah metrik yang berfokus pada seberapa efektif suatu operasi produksi dijalankan. OEE digunakan untuk mengukur total performance dari suatu peralatan dan bagaimana tingkat dukungan dalam suatu proses produksi. Pengukuran OEE juga bisa digunakan sebagai indikator kinerja utama key performance indicator (KPI) untuk memberikan indikator keberhasilan. Batas penentuan nilai-nilai OEE yang ideal menurut Nakajima (1989) adalah sebagai berikut :
Tabel 2.1 Nilai ideal perhitungan OEE Deskripsi Availability Performance Quality OEE Sumber: Nakajima 1989
Nilai > 90% > 95% > 99% > 85%
Nilai OEE dihitung dengan menggunakan rumus (Nakajima 1989) : OEE = availability × performance × quality
(2.19)
10 Untuk lebih jelasnya perhitungan nilai OEE ini maka dapat dilihat pada gambar berikut : Big losses
Computation of OEE
Total time
Non scheduled time Scheduled maintenance time Unscheduled maintenance time
Availability efficiency = actual available time/ total time
Performance losses
Actual available time
Net production time
Availability losses
Equipment
R & D Usage Engineering time Setup & adjustment time WIP starvation time Idle without operator
Performance efficiency = net production time/actual available time
Quality losses
Other time Valuable production time
Speed loss
Quality efficiency = valuable production time/net production time
Quality loss
Gambar 2.3 Perhitungan OEE dengan sepuluh big losses (Jeong and Phillips 2001)
2.4. Failure Mode and Effect Analysis (FMEA) Menurut Manzini et al. (2010), failure mode and effect analyis adalah teknik induktif sistematis yang dirancang untuk mengidentifikasi mode kegagalan potensial untuk produk atau proses, menilai risiko yang terkait dengan mode kegagalannya,
merangking dan
mengidentifikasi
suatu
masalah.
FMEA
memprioritaskan mode kegagalan produk atau proses dengan indeks yang disebut risk priority number (RPN) dengan mengalikan tiga faktor input yaitu tingkat severity, occurrence, dan detection. Tingkat severity merupakan penilaian dari pengaruh modus kegagalan potensial untuk komponen berikutnya, sub sistem atau pelanggan. Occurrence didefinisikan sebagai kemungkinan bahwa penyebab spesifik /mekanisme akan terjadi. Detection adalah penilaian terhadap kemampuan kontrol desain saat ini untuk mendeteksi penyebab potensial/mekanisme.
11 Ben Daya et al. (2009) menggunakan skala numerik mulai dari 1 sampai 10 untuk menentukan peringkat tingkat severity dari kegagalan, kemungkinan terjadinya modus kegagalan dan kemungkinan kegagalan terdeteksi. Skala yang digunakan mulai dari rentang 1 sampai 10, dimana skala 1 menyatakan sangat rendah dan skala 10 menyatakan sangat tinggi. Nilai RPN yang lebih tinggi diberikan prioritas yang lebih tinggi dibandingkan dengan nilai RPN yang lebih rendah. RPN dihitung dengan mengalikan tingkat severity kegagalan (S), kemungkinan terjadinya kegagalan (O = Occurrence) dan probabilitas kegagalan terdeteksi (D = Detection) untuk menentukan tingkat risiko dari suatu proses, sebagai berikut : RPN = S x O x D
(2.20)
Menurut Sharma dan Sharma (2010), severity adalah efek kerusakan komponen yang terkait rata-rata waktu antar perbaikan (MTTR) dari masingmasing komponen. Occurrence adalah tingkat terjadinya kegagalan yang diperoleh dari rata-rata waktu antar kerusakan (MTTF) masing-masing komponen. Detection adalah kuantifikasi dari kontrol yang membuat suatu kegagalan dapat dideteksi dan didapatkan dari hasil wawancara terhadap kepala teknik bagian pemeliharaan.
2.5. Pemeliharaan Pencegahan Peningkatan keandalan dapat ditempuh dengan cara pemeliharaan pencegahan. Dengan menerapkan pemeliharaan pencegahan maka dapat mengurangi pengaruh umur atau wearout mesin atau komponen dan memberikan hasil yang signifikan terhadap umur sistem. Model keandalan berikut mengasumsikan bahwa sistem kembali ke kondisi baru setelah dilakukannya tindakan pemeliharaan pencegahan (Ebeling 1997) : R m (t) = R(T)n x R(t-nT)
(2.21)
dimana : R m (t) : probabilitas keandalan setelah diterapkannya usulan pemeliharaan pencegahan n
: jumlah pemeliharaan yang telah dilakukan sampai kurun waktu t
T
: interval waktu pemeliharaan (penggantian pencegahan)
12 R(T)n
: probabilitas keandalan dengan n kali pemeliharaan pencegahan
R(t-nT) : probabilitas keandalan untuk waktu (t-nT) dari tindakan pemeliharaan pencegahan yang terakhir. Penentuan waktu
terbaik untuk mengetahui kapan penggantian harus
dilakukan untuk meminimasi total downtime. Ada dua jenis model bagi permasalahan penggantian yaitu : a. Block Replacement Pada model block replacement, tindakan penggantian dilakukan pada suatu interval yang tetap. Model ini digunakan jika diinginkan adanya konsistensi interval penggantian pencegahan yang telah ditentukan, walau sebelumnya telah terjadi penggantian yang disebabkan adanya kerusakan. b. Age Replacement Pada model ini penggantian pencegahan dilakukan tergantung pada umur pakai dari komponen. Tujuan model ini menentukan umur optimal di mana penggantian pencegahan harus dilakukan sehingga dapat meminimasi total downtime. Dalam metode ini tindakan penggantian dilakukan pada saat pengoperasiannya sudah mencapai umur yang ditetapkan yaitu sebesar t p . Model penentuan interval waktu penggantian pencegahan berdasarkan kriteria minimasi downtime yang digunakan adalah age replacement. Formulasi total biaya pemeliharaan pencegahan untuk model age replacement adalah sebagai berikut (Jardine 2001; Manzini et al. 2010) : Total biaya =
{C p × R(t p )}+ {C f × (1 − R(t p ))} {t p × R(t p )}+ {t f × (1 − R(t p ))}
dimana : Cp
: biaya preventive
R(t p ) : nilai keandalan pada saat t p Cf
: biaya failure
tp
: interval waktu preventive
tf
: MTTF
(2.22)
13 Jika komponen berdistribusi lognormal maka interval waktu preventive pada tingkat keandalan R : t R = t med exp( s (−Φ −1 ( R)))
(2.23)
Jika komponen berdistribusi weibull maka interval waktu preventive pada tingkat keandalan R :
(
t R = θ − ln( R) (1 / β )
)
(2.24)
2.6. Model-model Persediaan Model dasar persediaan yang telah banyak dikembangkan adalah dikenal dengan nama Model P (periodic review) dan Model Q (lot size reorder point).
2.6.1. Model P (Periodic Review Models) Pada ‘Model P’ ini disarankan untuk diadakan pemeriksaan terhadap kondisi sistem persediaan secara berkala atau periodik. Jadi dalam metode ini tidak dilakukan pemeriksaan secara terus-menerus dan pengambilan keputusan hanya untuk mengetahui keadaan sistem persediaan tersebut pada saat dilakukan pemeriksaan. Menurut Nur Bahagia (2006), karakteristik utama dari model P adalah periode antar pemesanan yang tetap dan jumlah barang yang dipesan bervariasi tergantung pada kebutuhan pada periode sebelumnya. Variabel keputusan dari model ini adalah tingkat persediaan maksimum (R) dan periode antar pemesanan (T).
2.6.2 Model Q (Lot Size Reorder Point Models) Berbeda dengan model P maka ‘Model Q’, disarankan untuk melakukan pemeriksaan secara terus-menerus terhadap posisi sistem persediaan, karena pemesanan dilakukan apabila tingkat persediaan telah mencapai jumlah tertentu. Menurut Tersine (1988), variabel keputusan dalam metode Q adalah jumlah barang yang dipesan (Q) dan titik pesan kembali (r). Tujuan dari metode ini adalah mencari harga Q dan r optimal yang memberikan ongkos total persediaan minimum, di mana:
14 a. Permintaan bersifat probabilistik dan rata-rata permintaan yang datang konstan sepanjang waktu. b. Pemesanan barang sejumlah Q dilakukan pada saat persediaan mencapai titik pesan kembali (reorder point). c. Jika dilakukan pemesanan untuk banyak jenis (item) diasumsikan item-item tersebut tidak saling ketergantungan. d. Ongkos satuan suatu jenis (item) merupakan konstanta yang tidak tergantung pada jumlah pemesanan (Q). e. Titik pesan kembali selalu positif.
2.7. Mesin/Peralatan Pengolahan Kelapa Sawit Bahan baku utama pada proses pengolahan kelapa sawit adalah buah sawit yang masih segar atau TBS, sebelum menjadi CPO dan inti sawit melalui beberapa proses, seperti dapat dilihat pada Gambar 2.4. TBS harus diolah dalam waktu 24 – 48 jam sejak dipanen agar tidak mengalami penurunan kualitas. Jika pengolahan tidak berjalan secara tepat waktu maka produknya tidak lagi memenuhi persyaratan kelas pangan yaitu kandungan asam lemak bebas (ALB) sekitar 5 – 6% (Thomas 2009). TBS yang baru dipanen dari kebun diangkut dengan menggunakan truk ke stasiun penerimaan buah di pabrik. Stasiun ini berfungsi untuk menerima TBS yang berasal dari kebun. Setelah tiba di lokasi pabrik terlebih dahulu ditimbang pada jembatan timbang (weighting bridge). Bagian-bagian dari jembatan timbang adalah sebagai berikut : a. Load cell, yaitu pengubah gaya tekan menjadi sinyal listrik (transreducer) b. Platform (alas) yang berfungsi sebagai penerima beban langsung dari kendaraan yang ditimbang c. Indikator yang berfungsi mengubah sinyal listrik menjadi data display secara digital d. Seperangkat PC yang dilengkapi dengan software measy weight sebagai database dalam transaksi penimbangan. Setelah melalui jembatan timbang kemudian truk membongkar muatannya di loading ramp. Loading ramp yang digunakan model sisir dengan 12 pintu dan
15 model vertikal dengan delapan pintu. Loading ramp ini berfungsi tempat penampungan, penumpukan dan tempat melakukan sortasi TBS. TBS yang ada dalam penampungan buah dimasukkan dalam lori rebusan, lori dibawa oleh transfer carriage ke rail track dan didorong masuk ke rebusan oleh hydrolic Winch. Lori memasuki tempat perebusan pada stasiun perebusan atau sterilisasi. Dalam proses perebusan, TBS dipanaskan dengan uap pada suhu 135-150°C dan tekanan 2,5-3,0 atm selama 90 menit. Proses perebusan ditujukan agar memudahkan pelepasan brondolan, karena suhu yang tinggi selama perebusan mengakibatkan pektin terhidrolisa menjadi asam-asam pektin sehingga brondolan mudah lepas. Tandan buah segar (TBS) Penimbangan dan penampungan di loading ramp Proses sterilisasi/ perebusan Proses penebahan dengan menggunakan Mesin bantingan/thresher
Tandan kosong
Buah sawit Proses pengadukan (digesting) Proses pengepresan
Limbah padat
Limbah cair
Pengolahan limbah
Pengolahan limbah
CPO kotor
Biji sawit
Proses penjernihan
Pemecahan biji
CPO jernih
Hidrosiklon
Palm kernel Digunakan untuk pupuk tanaman di lapangan
Serat
Cangkang
Digunakan untuk bahan bakar boiler
Gambar 2.4 Proses pengolahan kelapa sawit (Nababan 2009)
16 Hal-hal yang mempengaruhi perebusan adalah pertama, tekanan dan waktu perebusan yang terlalu tinggi atau lama akan menimbulkan warna minyak terlalu tua (coklat) dan tingkat losses minyak pada empty bunch akan naik. Kedua, tekanan dan waktu perebusan yang kurang atau cepat akan menimbulkan buah kurang masak sehingga sebagian berondolan tidak lepas dari tandan, pelumatan didalam digester tidak sempurna, oil losses pada saat pengepresan tinggi dan serabut basah akan menyebabkan pembakaran pada boiler tidak sempurna. Oleh karena itu perlu memperhatikan komponen termometer dan monometer. Pada stasiun penebah, buah dituang dari lori rebusan ke automatic feeder dengan menggunakan housting crane. Automatic feeder ini berfungsi untuk menampung serta mengatur pemasakan buah ke dalam alat penebah thresher drum. TBS masuk ke dalam thresher dengan bantuan top distributing bunch conveyor. Buah yang masih melekat pada tandan akan lepas dan dipisahkan dengan menggunakan prinsip bantingan. Alat penebah ini berupa drum yang terpasang secara horizontal dan berputar dengan kecepatan + 23 rpm. Akibat perputaran drum, tandan bergerak ke atas searah dengan perputarannya. Kemudian tandan akan jatuh terbanting sehingga buah atau brondolan terlepas dari tandannya. Brondolan yang keluar dari bagian bawah mesin akan ditampung oleh hard bunch recycling conveyor membawa empty bunch yang keluar dari thresher 1 menuju ke empty bunch crusher untuk dihancurkan sebelum masuk ke thresher 2 sehingga memudahkan pemisahan lebih lanjut loose fruit yang masih melekat pada bunches. Loose fruit yang berasal dari thresher 1 dan 2 kemudian diangkut oleh fruit conveyor menuju fruit elevator. Fruit conveyor terdiri dari thresher 1 bottom fruit conveyor, thresher 2 bottom fruit conveyor, bottom cross fruit conveyor, dan main bottom fruit conveyor. Empty bunch dari thresher 2 dibawa oleh empty bunch scraper conveyor ke1 ke mesin empty bunch press. Choping (hasil dari empty bunch press) dibawa oleh empty bunch scraper conveyor ke-2, ke empty bunch hopper. Empty bunch hopper berfungsi untuk penampungan sementara empty bunch yang dibawa oleh empty bunch conveyor sebelum dibawa ke enriched mulch location/composting area.
17 Stasiun pengempaan adalah stasiun pertama dimulainya pengambilan minyak dari buah dengan jalan melumat dan mengempal. Pada stasiun ini dilakukan 2 tahap pengolahan yaitu: pengadukan (digesting) dan pengempaan (pressing). Loose fruit yang berasal dari fruit conveyor pada threshing station kemudian diangkut dengan loose fruit elevator ke bagian atas untuk didistribusikan ke setiap digester dengan top distributing fruit conveyor. Peralatan ini digunakan untuk melumatkan brondolan sehingga daging buah (pericrape) terpisah dari biji (noten) dan menghancurkan sel-sel yang mengandung minyak. Dalam waktu cepat agar minyak dapat diperas sebanyak-banyaknya pada saat pengempaan. Proses pelumatan (digestion) tidak sempurna apabila didapati banyak serabut mesocarp kekuningan melekat pada nut. Ini terjadi karena stirring arm telah aus, ujungnya telah membulat. Massa adukan yang berasal dari alat pengaduk (degester) dialirkan ke dalam alat pengempa yang berfungsi untuk mengempa massa adukan sehingga terjadi pemisahan antara massa padat (biji, serat dan kotoran) dengan cairan minyak kasar. Tekanan kempa yang dibutuhkan 50-60 kg/cm2. Hal-hal yang mempengaruhi proses press adalah persentase nut pecah dalam press cage tinggi dan oil losses dalam fiber tinggi. Ini disebabkan screw worm/cages telah aus. Alat pengempa yang digunakan adalah jenis kempa ulir ganda (double screw press). Alat ini terdiri dari sebuah silinder (press cylinder) yang berlubanglubang yang didalamnya terdapat dua buah ulir (feet screw dan main screw) yang berputar yang berlawanan arah dengan kecepatan yang sama. Minyak dari pengadukan dan pengempaan dialirkan ke crude oil tank melalui sand trap tank yang berfungsi menangkap pasir yang berikut dengan minyak dan ada vibrating screen yang berfungsi memisahkan kotoran berupa sabut dan kotoran lainnya yang tidak dapat lolos dari saringan/ayakan. Kemudian minyak dari crude oil tank dipompakan ke continuous settling tank yaitu bejana pengendap. Minyak dalam tangki ini masih bercampur dengan sludge (lumpur, air dan kotoran lainnya). Pemisahan minyak dari sludge melalui proses pengendapan. Agar pemisahan minyak dan sludge dapat berlangsung terus menerus dan sempurna, maka temperatur di dalam tangki perlu dijaga 95°C
18 dengan mengalirkan uap melalui pipa pemanas (coil). Minyak dialirkan ke pure oil tank sludge yaitu bejana penampang minyak sebelum diolah dengan menggunakan oil purifier. Temperatur minyak tetap 90°-95°C agar minyak tetap cair sehingga mudah diproses. Oil Purifier adalah suatu mesin yang berfungsi memisahkan minyak dari kotoran dan air. Pemisahan minyak dari kotoran/sludge adalah berdasarkan dengan berat jenis dengan memberikan gaya centrifugal. Putaran alat ini 7500 per menit, kemudian minyak yang dihasilkan dipompakan ke vacum drier yang berfungsi mengeringkan minyak, sedangkan sludge dialirkan ke fat-fit. Proses pengeringan dengan cara mengabutkan minyak di dalam vacum. Air akan menguap meninggalkan minyak kemudian minyak dialirkan ke sludge tank yaitu bejana penampung sludge sebelum diolah menggunakan sludge separator. Temperatur sludge tetap dijaga 90°-95°C agar tetap mencair, sehingga mudah diproses. Sludge separator adalah suatu mesin yang berfungsi memisahkan minyak dari kotoran kasar dan air. Pemisahan minyak dari kotoran/sludge adalah berdasarkan perbedaan berat jenis dengan cara memberikan gaya centrifugal. Seluruh sludge dari pabrik dialirkan ke fat-fit untuk mengutip minyak yang masih ada, sisanya berupa limbah yang dialirkan ke sistem penanganan limbah. Menurut Nababan (2009), kerusakan pada mesin sludge separator mengakibatkan terjadinya gangguan dalam aliran proses produksi. Dalam aliran proses produksi mesin sludge separator memiliki peranan yang tinggi yaitu memisahkan minyak dari cairan dan ampas dari sludge separator yang berasal dari mesin desanding cyclone. kerusakan mesin ini mengakibatkan sludge tidak dapat dikutip minyaknya dan terjadinya bottleneck pada desanding cyclone. Nut (inti) dan fibre (sabut) dari screw press yang masih menyatu masuk ke cake breaker conveyor (CBC). CBC adalah suatu conveyor yang terdiri dari screw yang berputar pada poros. Pada alat ini cake dipecahkan serta dibawa menuju depericarper untuk memudahkan proses pemisahan nut dan fibre pada separating column. Pada depericarper dilakukan pemisahan fibre dari nut. Fibre yang merupakan partikel ringan akan terhisap menuju fibre cyclone. Setelah dari fibre cyclone, fibre dibawa ke boiler dengan menggunakan fuel conveyor untuk
19 dijadikan bahan bakar boiler. Nut yang merupakan partikel berat akan dikirim ke nut polishing drum. Nut polishing drum berfungsi untuk memoles dan membersihkan nut yang berasal dari depericarter agar nut terbebas dari fibre. Biji-biji dari nut polishing drum melalui nut auger conveyor diteruskan ke destoner nut separating column yang berfungsi untuk memisahkan kotoran-kotoran seperti batu dan besi yang terdapat pada biji-biji. Batu dan besi harus dipisahkan dari biji untuk mencegah kerusakan mesin pemecah biji (ripple mill). Nut separating column berfungsi memisahkan fibre halus dan dihisap oleh nut cyclone fan, sedangkan biji-biji masuk ke nut grading drum. Nut grading drum berfungsi sebagai alat pembagi berdasarkan besar kecilnya diameter biji. Biji-biji dari nut grading drum ditampung secara sementara di nut hopper sebelum diproses di ripple mill. Nut akan masuk ke dalam ripple mill di antara rotor tube yang berputar dan ripple plate yang bergerigi. Nut akan bergesekan dan terbentur berkali-kali oleh rotor dan gerigi ripple plate yang akhirnya memecahkan shell sehingga kernel dapat keluar. Nut yang diproses oleh ripple mill disebut cracked mixture selanjutnya melalui cracked mixture conveyor diangkut ke winnowing system. Selanjutnya nut tersebut diangkut ke winnowing system I dengan menggunakan cracked mixture elevator diteruskan ke pneumatic system menggunakan conveyor dan elevator. Pneumatic system berfungsi untuk memisahkan inti (Kernel) dari Cracker Mixer. Alat pemisah inti ini ada juga yang menggunakan hydrocyclone. Inti sawit yang sudah terpisah, oleh conveyor dan elevator dibawa dan dimasulkkan ke dalam kernel silo, cangkang dan kotoran lainnya diisap oleh fan dan masuk ke conveyor bahan bakar ketel uap melalui shell cyclone dan shell transport fan yang dapat dimanfaatkan sebagai bahan bakar boiler, sedangkan janjangan yang dibuang dengan truk dapat dimanfaatkan sebagai pupuk tanaman kelapa sawit.
20 2.8. Penelitian Terdahulu dan Posisi Penelitian Metode failure modes effects and criticality analysis (FMECA) diterapkan pada suatu pabrik kertas untuk mengambil tindakan korektif dengan menggunakan fuzzy logic (Sharma et al. 2005). Kombinasi petri net dan teknik FMECA adalah merupakan solusi baru untuk pemodelan keandalan sistem industri yang kompleks yang diuji pada kilang minyak API di Falconara Marittima, AN, Italy. (Bertolini et al. 2006). Pemodelan fuzzy FMECA dapat menghitung indeks modus kegagalan fuzzy, dengan menggunakan modus inferensi fuzzy tipe Mamdani dan implikasi min max agregasi. Model ini diterapkan pada perangkat elektronik. (Zafiropoulos dan Dialynas 2005). Erlinda et al. (2009) melakukan pengukuran kinerja menggunakan overall equipment effectiveness (OEE), dan metode failure mode and effect analysis (FMEA) untuk sistem manufaktur pipa baja. Anvari et al. (2010) melakukan pengukuran kinerja menggunakan overall equipment effectiveness market based (OEE-MB) untuk merespon pasar baja. Zandieh et al. (2012) mengevaluasi kinerja overall equipment effectiveness pada pabrik penyulingan di Assaluyeh. Produksi dan rencana pemeliharaan seringkali tidak optimal sehubungan dengan tujuan meminimalkan biaya pemeliharaan dan biaya produksi. Biaya pemeliharaan dan biaya produksi dapat mengurangi biaya total yang diharapkan. Dalam makalah Machani dan Nourelafath (2010), dikembangkan perencanaan produksi dan pemeliharaan pencegahan yang terintegrasi untuk model optimasi jumlah biaya pemeliharaan dan produksi dengan menggunakan algoritma genetika pada multi state system. Perencanaan pemeliharaan saling bergantung dengan penjadwalan produksi dengan menggunakan metode total weight expected tardiness (TWEP) dan algoritma genetika untuk single machine (Sortrakul dan Cassady 2007). Sachdeva et al. (2008) membuat jadwal pemeliharaan pencegahan dengan mempertimbangkan ketersediaan, biaya pemeliharaan dan biaya life cycle sebagai kriteria untuk optimasi dengan menggunakan algoritma genetika dan stochastic petri net. Penerapan jadwal pemeliharaan yang diusulkan telah dibahas pada kasus pabrik kertas. Cassady dan Kutanoglu (2005) mengusulkan suatu model yang terintegrasi yang mengkoordinasikan keputusan perencanaan pemeliharaan pencegahan dengan keputusan penjadwalan mesin tunggal dengan
21 menggunakan weight shortest processing time (WSPT). Sumber daya yang terbatas dan langka membuat Khanlari et al. (2008) memprioritaskan peralatan dengan menggunakan aturan-aturan fuzzy pada suatu pabrik manufaktur. Gharbi et al. (2007) mengimplementasikan pemeliharaan pencegahan dan safety stock dalam lingkungan manufaktur dengan menggunakan model stokastik. Tujuan penelitiannya adalah untuk menentukan kapan akan dilakukan pemeliharaan pencegahan dan pada tingkat safety stock sehingga meningkatkan kinerja sistem. Chakraborty et al. (2008) mempelajari efek gabungan proses kerusakan, kerusakan mesin dan perbaikan (korektif dan preventif) dalam keputusan optimal lot sizing dengan menggunakan model EMQ (economic manufacturing quantity) stokastik. Sami (2008) menentukan EMQ dan jadwal pemeliharaan pencegahan dengan menggunakan EMQ stokastik. Kenne et al. (2007) merumuskan model analitis untuk menentukan buffer inventory yang optimal yang memiliki kerusakan mesin acak dengan menggunakan model stokastik. Purnomo (2010) menggunakan pengendalian persediaan model probabilistik Q kasus lost sales, dimana distribusi permintaan diasumsikan berdistribusi normal Kebaruan pada penelitian ini adalah diperolehnya fungsi sebaran peluang kerusakan untuk suku cadang peralatan produksi yang selama ini diasumsikan berdistribusi Weibull, dihasilkannya pemeliharaan pencegahan di pabrik pengolahan kelapa sawit pada tingkat keandalan 51% dengan penghematan biaya sebesar 17,5%, diperolehnya model persediaan suku cadang menggunakan model persediaan probabilistik dengan back order dimana persediaan dengan permintaan yang rendah yang diasumsikan berdistribusi poisson. Posisi penelitian yang diusulkan dapat dilihat pada Tabel 2.2.
Machani & Nourelafath (2010)
Sortrakul & Cassady (2007)
3.
4.
Genetic algorithms for total weighted expected tardiness integrated preventive maintenance planning and production scheduling for a single machine
A genetic algorithm for integrated production and preventive maintenance planning in multi state systems
Reliability prediction and failure mode effects and criticality analysis (FMECA) of electronic devices using fuzzy logic
Zafiropoulos & Dialynas (2005)
2.
Judul
Bertolini et al. Reliability design of industrial (2006) plants using petri nets
Penelitian
1.
No
perencanaan pemeliharaan pencegahan dan penjadwalan produksi
perencanaan produksi terintegrasi dan perencanaan pemeliharaan pemcegahan.
memprediksi keandalan dan failure mode effects and criticality (FMECA) dari perangkat elektronik menggunakan logika fuzzy.
menganalisis FMECA dan mensimulasikan perilaku sistem keandalan yang kompeks.
Tujuan
Tabel 2.2 Posisi penelitian yang diusulkan
ketersediaan, jumlah kegagalan, waktu penyelesaian pekerjaan, waktu pemrosesan, pembobotan
jadwal produksi, jadwal pemeliharaan, biaya pemeliharaan
keandalan, laju kegagalan, indeks kekritisan modus kegagalan
MTBF, MTTR, ketersediaan
Data
heuristik berdasarkan algoritma genetika
algoritma genetika
logika fuzzy
petri net
Model
total weighted expected tardiness (TWEP)
model optimasi
FMECA
FMECA
Metode Analisis/ Solusi
22
Prioritizing equipment for preventive maintenance (PM) activities using fuzzy rules
Planning and optimizing the maintenance of paper production systems in a paper plant
Khanlari et al. (2008)
Sachdeva et al. (2008)
Erlinda et al. (2009)
6.
7.
8.
Pengukuran dan analisis nilai overall equipment effectiveness (OEE) sebagai dasar perbaikan sistem manufaktur pipa baja
Integrating preventive maintenance planning and production scheduling for a single machine
Cassady & Kutanoglu (2005)
5.
Judul
Penelitian
No
mengalisis OEE dan FMEA
meminimalkan total biaya inspeksi dan perbaikan, dan downtime peralatan
memprioritaskan peralatan untuk menugaskan sumber daya terbatas
mengintegrasikan perencanaan pemeliharaan pencegahan dengan penjadwalan mesin tunggal.
Tujuan
ketersediaan, waktu pemrosesan, jumlah kegagalan
ketersediaan, jadwal pemeliharaan, biaya pemeliharaan, biaya siklus hidup
MTBF, MTTR, ketersediaan, jadwal pemeliharaan, beban kerja
ketersediaan, jumlah kegagalan, waktu penyelesaian pekerjaan, pembobotan
Data
Tabel 2.2 Posisi penelitian yang diusulkan (lanjutan)
-
petri net, algoritma genetika
logika fuzzy
-
Model
OEE, FMEA
model stokastik
weighted shortest processing time (WSPT)
Metode Analisis/Solusi
23
Penelitian
Gharbi et al. (2007)
Chakraborty et al. (2008)
Sami El-Ferik (2008)
Kenne et al. (2007)
No
9.
10.
11.
12.
Age dependent production planning and maintenance strategies in unreliable manufacturing systems with lost sale
Economic production lot sizing for unreliable machine under imperfect agebased maintenance policy
Production lot sizing with process deterioration and machine breakdown
Optimal safety stock and preventive maintenance periods in unreliable manufacturing systems
Judul
penentuan buffer inventory yang optimal tergantung usia dan kebijakan pemeliharaan pencegahan.
penentuan EMQ dan jadwal pemeliharaan pencegahan
mempelajari efek gabungan proses kerusakan, kerusakan mesin, dan perbaikan.
implementasi pemeliharaan pencegahan dan safety stock dalam lingkungan manufaktur
Tujuan
safety stock, tingkat produksi, tingkat kegagalan mesin, tingkat permintaan, probabilitas fungsi kepadatan, jadwal pemeliharaan pencegahan
tingkat permintaan, tingkat produksi, fungsi keandalan, probabilitas fungsi kepadatan, jumlah produksi per siklus
tingkat permintaan, tingkat produksi, distribusi waktu breakdown, distribusi waktu perbaikan preventif
safety stock, jadwal pemeliharaan pencegahan, tingkat permintaan, tingkat produksi maksimal, tingkat kegagalan mesin
Data
Tabel 2.2 Posisi penelitian yang diusulkan (lanjutan)
-
-
-
-
Model
model stokastik
model EMQ stokastik
model EMQ stokastik
model stokastik
Metode Analisis/ Solusi
24
Penelitian
Purnomo A. (2010)
Anvari et al. (2010)
Zandieh et al. (2012)
No
13.
14.
15.
Evaluation of overall equipment effectiveness in a continuous process production system of condesate stabilization plant in Assalooyeh
Evaluation of overall equipment effectiveness based on market
Perencanaan inventory model probabilistik Q kasus lost sales di supermarket “H” Bandung
Judul
mengevaluasi indeks overall equipment effectiveness pada pabrik penyulingan.
menentukan overall equipment effectiveness market based (OEE-MB) untuk merespon pasar baja.
menentukan ukuran pemesanan, safety stock, reorder point, total biaya persediaan
Tujuan
loading time, excluded time, operating time
non scheduled maintenance time, planned maintenance time, improvement time, engineering time.
biaya pemesanan, biaya penyimpanan, biaya kekurangan
Data
Tabel 2.2 Posisi penelitian yang diusulkan (lanjutan)
-
-
-
Model
OEE
OEE-MB
model EOQ probabilistik lost sales
Metode Analisis/ Solusi
25
16.
No
Penelitian yang diusulkan
Penelitian
Pemeliharaan pencegahan dan persediaan suku cadang untuk peralatan produksi di Pabrik Pengolahan Kelapa Sawit Kertajaya
Judul
penjadwalan pemeliharaan peralatan produksi pabrik kelapa sawit dengan biaya yang optimal dan menentukakn model persediaan suku cadang dengan biaya persediaan yang rendah.
Tujuan
MTTF, MTTR, jumlah kegagalan, ketersediaan, biaya pemeliharaan, waktu proses, proses kontinu MTTF, MTTR, jumlah kegagalan, ketersediaan, biaya pemeliharaan, waktu proses, proses kontinu, biaya pemesanan, biaya penyimpanan, biaya kekurangan
Data
Tabel 2.2 Posisi penelitian yang diusulkan (lanjutan)
-
Model
OEE, FMEA, optimasi biaya pemeliharaa n, model EOQ probabilistik back order asumsi berdistribusi poisson
Metode Analisis/ Solusi
26
III. METODE PENELITIAN
3.1. Kerangka Pemikiran Pemeliharaan adalah suatu aktivitas pemeliharaan fasilitas atau peralatan pabrik dan mengadakan perbaikan yang diperlukan agar tercapai proses produksi sesuai dengan yang direncanakan oleh perusahaan. Pemeliharaan menurut Crespo (2007) sebagai kombinasi dari semua teknis, tindakan administratif dan manajerial selama siklus hidup item dimaksudkan untuk mempertahankan itu, atau mengembalikannya ke suatu keadaan di mana ia dapat melakukan fungsi yang dibutuhkan (fungsi atau kombinasi fungsi dari item yang dianggap perlu untuk memberikan pelayanan yang diberikan). Sebuah sistem pemeliharaan dapat dipandang sebagai sistem input/output sederhana. Input sistem adalah peralatan produksi, tenaga kerja, dan suku cadang. Output adalah operasional mesin dan peralatan yang bertujuan untuk mencapai ketersediaan dan biaya yang optimal. Sistem ini memiliki seperangkat kegiatan yang membuatnya fungsional, yaitu perencanaan, penjadwalan, dan pelaksanaan, yang digambarkan pada Gambar 3.1.
Variasi permintaan pemeliharaan
Pelaksanaan
Penjadwalan
- Fasilitas - Tenaga kerja - Peralatan - Suku cadang - Manajemen
Output
Perencanaan
Input
Operasional mesin dan peralatan
Tujuan
- Availability - Biaya - Kualitas
Umpan balik & kontrol - Kontrol pekerjaan - Kontrol material - Kontrol persediaan - Kontrol biaya
Gambar 3.1 Sistem pemeliharaan dan proses kontrol (Ben-Daya et al. 2011)
28 Sistem pemeliharaan bertanggungjawab untuk menjaga peralatan, aman untuk beroperasi dan juga dapat melakukan tugasnya. Oleh karena itu pemeliharaan memiliki dampak yang besar pada pengiriman, kualitas dan biaya. Hal ini memainkan peran kunci dalam keuntungan jangka panjang dari sebuah organisasi di sektor swasta atau publik (Ben-Daya et al. 2009). Ketersediaan dan biaya yang optimal dapat dicapai dengan suatu kerangka pemikiran penelitian untuk pemeliharaan peralatan produksi yang digambarkan dalam Gambar 3.2.
Kondisi pemeliharaan peralatan produksi pabrik kelapa sawit
Kapasitas pemeliharaan peralatan produksi
Penjadwalan pemeliharaan peralatan produksi
Perencanaan persediaan suku cadang
Pemeliharaan peralatan produksi pabrik kelapa sawit Gambar 3.2 Kerangka pemikiran penelitian 3.2. Tahapan Penelitian Tahap pertama adalah melakukan studi pustaka untuk meningkatkan pemahaman terhadap sistem yang akan dipelajari. Pustaka yang dipelajari antara lain proses pengolahan minyak sawit kasar, sistem pemeliharaan peralatan produksi, penjadwalan produksi, dan persediaan suku cadang. Tahap kedua adalah wawancara dengan melakukan survei pendahuluan di pabrik kelapa sawit (PKS). Survei pendahuluan ini ditujukan untuk mengetahui permasalahan yang terjadi di PKS dalam melakukan pemeliharaan peralatan produksi. Beberapa orang diwawancarai seperti, manajer pabrik, kepala bagian teknik, bagian SDM, dan staff bagian teknik. Melalui wawancara ini akan diperoleh gambaran situasi dari permasalahan pemeliharaan peralatan produksi pabrik kelapa sawit. Tahap ketiga adalah membuat kerangka analisis pemeliharaan pencegahan dan analisis persediaan suku cadang yang terdiri dari kinerja pemeliharaan
29 peralatan produksi, menentukan komponen peralatan yang paling kritis, membuat penjadwalan pemeliharaan pencegahan peralatan produksi dan merencanakan persediaan suku cadang. Keterkaitan antara tahapan dalam pemeliharaan pencegahan di pabrik pengolahan kelapa sawit secara rinci digambarkan dalam gambar 3.3. Pemeliharaan peralatan produksi pabrik kelapa sawit
Kapasitas pemeliharaan peralatan produksi OEE
FMEA
Kinerja pemeliharaan peralatan produksi
Komponen peralatan yang paling kritis
Penjadwalan pemeliharaan pencegahan peralatan produksi Perencanaan persediaan suku cadang
Optimasi biaya pemeliharaan
EOQ Probabilistik
Gambar 3.3 Keterkaitan antara tahapan dalam pemeliharaan pencegahan di pabrik pengolahan kelapa sawit. Proses pengolahan TBS pada pabrik kelapa sawit melalui beberapa stasiun yaitu stasiun penerimaan, stasiun perebusan, stasiun penebahan, stasiun pengempaan, stasiun pemurnian minyak, stasiun pemisahan biji, stasiun boiler, stasiun water treatment, stasiun penimbunan minyak, dan beberapa peralatan yaitu Auto Feader, Fruit Conveyor, Screw Press, Vibrating Screen/Vibro Separator, Crude Oil Tank, Depericapter, Pneumatic Fibre Transport System, Fibre Cyclone, Pneumatic Nut Transport System, Nut Grading Screen, Riplle Mill, Hydrocyclone, Kernel Silo, Fibre/Shall Conveyor, Boiler Fuel Distributing Conveyor, Raw Water, Acid Regeneral Tank. Dalam satu mesin ada lebih dari satu komponen yang mengalami kerusakan. Demikian banyaknya peralatan dan komponen dalam proses pengolahan TBS, maka perlu diidentifikasi kinerja pemeliharaan dari peralatan tersebut melalui tahapan kinerja pemeliharaan peralatan dengan menghitung overall equipment effectiveness (OEE). Pengukuran kinerja menggunakan metode OEE bertujuan untuk mengetahui kinerja dari peralatan (mesin) utama yang ada di PKS Kertajaya. Tahap selanjutnya, dilakukan analisis terhadap kinerja perusahaan dari nilai OEE yang
30 didapat. Analisis ini dilakukan dengan mengamati tiga faktor utama dalam OEE, yaitu availability ratio, performance ratio dan quality ratio. Hasil dari analisa OEE ini adalah sebagai dasar untuk tahap selanjutnya. Tahapan kinerja pemeliharaan peralatan produksi diperlihatkan pada Gambar 3.4.
Kinerja pemeliharaan peralatan produksi Non scheduled time
Scheduled maintenance
Unscheduled maintenance
Idle without operator
WIP starvation
Speed loss
Jumlah quality losses
Perhitungan performance efficiency
Perhitungan availability efficiency
Jumlah produksi (output)
Perhitungan quality efficiency
Perhitungan OEE Hasil kinerja pemeliharaan peralatan produksi
Gambar 3.4 Tahapan kinerja pemeliharaan peralatan produksi (Jeong and Philips 2001) Formula yang digunakan untuk availability efficiency, performance efficiency, dan quality efficiency (Jeong and Philips 2001) adalah : Availability efficiency =
Actual available time total time
=
Total time - Availability losses total time
Availability losses = Non scheduled time + Scheduled maintenance time + Uncheduled maintenance time Performance efficiency = =
Net production time Actual available time Actual available time - Performance losses Actual available time
Performance losses = WIP starvation + Speed loss Quality efficiency = =
Valuable production time Net production time
Net production time - Quality losses Net production time
31 Valuable production time = Net production time – Quality losses Rumus yang digunakan untuk pengukuran nilai OEE (Nakajima 1989) adalah : OEE = availability × performance × quality Setelah mengidentifikasi kinerja pemeliharaan peralatan produksi, peralatan tersebut diidentifikasi suku cadang mana yang paling kritis melalui tahapan menentukan suku cadang yang paling kritis. Tahapan ini dapat mengidentifikasi modus kegagalan potensial dan efeknya, yang bertujuan untuk menentukan severity modus kegagalan dengan mengevaluasi dan merangking tingkat kekritisan dari setiap kegagalan komponen, dengan menggunakan FMEA (failure mode and effect analysis). Dalam menentukan severity (S) diperlukan data ratarata waktu perbaikan (MTTR) yang diperoleh dari data masa lalu dan pengalaman operator. Occurrence (O f ) memerlukan data rata-rata waktu antara kerusakan (MTTF) yang didapatkan dari data masa lalu. Detection (O d ) memerlukan data penyebab terjadinya kegagalan. Data yang diperlukan untuk menghitung MTTR dan MTTF adalah data waktu komponen mulai rusak dan data waktu komponen itu selesai diperbaiki. Kedua data itu digunakan untuk mencari waktu untuk memperbaiki atau time to repair (TTR) dan jangka waktu antara kegagalan atau time to failure (TTF). Langkah pertama adalah menghitung index of fit (r). Perhitungan index of fit (r) dilakukan untuk mengetahui jenis distribusi yang dipakai dari data TTF dan TTR. Dari distribusi yang dipakai, dapat diketahui rumus mana yang akan digunakan untuk melakukan perhitungan MTTF dan MTTR. Ada empat distribusi yang akan dipakai dalam mencari nilai r, yaitu distribusi Weibull, Normal, Lognormal dan Eksponensial. Langkah kedua adalah melakukan goodness of fit test untuk mengetahui apakah data yang ada membentuk suatu distribusi tertentu. Pengujian ini dilakukan berdasarkan nilai index of fit yang terbesar. Kemudian membandingkan antara hipotesa nol (H 0 ) yang menyatakan bahwa data kerusakan mengikuti distribusi pilihan dan hipotesis alternatif (H 1 ) yang menyatakan bahwa data kerusakan tidak mengikuti distribusi pilihan. Ada tiga pengujian yang akan dipakai, yaitu pengujian Mann’s test untuk distribusi Weibull, pengujian Bartlett’s
32 test untuk distribusi eksponensial, pengujian Kolmogorov Smirnov test untuk distribusi normal dan lognormal. Fungsi sebaran dari masing-masing komponen ini adalah merupakan salah satu kebaruan dari penelitian ini, di mana pada penelitian sebelumnya diasumsikan berdistribusi Weibull. Langkah pertama dan kedua diperlihatkan pada Gambar 3.5. Mulai
Input time to failure (TTF) dan time to repair (TTR)
Menghitung index of fit (r) untuk distribusi eksponensial, weibull, normal dan lognormal
Nilai r yang terbesar
Pengujian goodness of fit test untuk distribusi eksponensial (uji bartlett’s test), distribusi weibull (uji mann test), distribusi normal dan lognormal (uji kolmogorov smirnov)
H0 diterima ?
Tidak
Ya Distribusi yang dipilih
Menghitung nilai mean time to failure (MTTF) dan mean time to repair (MTTR)
Selesai
Gambar 3.5 Tahapan dalam mencari nilai MTTF dan MTTR
33 Langkah ketiga adalah mengelompokkan nilai MTTF berdasarkan skala occurrence dan MTTR berdasarkan skala severity, serta menentukan detection berdasarkan
pengalaman
dari
kepala
bagian
teknik
pemeliharaan.
Pengelompokkan ini untuk menghitung nilai risk priority number (RPN). Langkah terakhir adalah merangking nilai RPN tersebut. Hasil dari tahapan menentukan suku cadang yang paling kritis digunakan sebagai dasar tahapan penjadwalan pemeliharaan peralatan produksi. Menentukan peralatan produksi yang sering terjadi breakdown MTBF setiap komponen
MTTR setiap komponen
Cara pendeteksian setiap komponen
Menentukan occurrence (Of)
Menentukan severity (S)
Menentukan detection (Od)
Menghitung RPN Komponen peralatan produksi yang paling kritis
Gambar 3.6 Tahapan komponen peralatan produksi yang paling kritis
Perencanaan dan penjadwalan pemeliharaan adalah suatu fungsi yang digabung bersama-sama (Ben-Daya 2009). Dalam penjadwalan pemeliharaan peralatan produksi terdapat dua faktor yang mempengaruhinya seperti jumlah tenaga
kerja
pemeliharaan
pemeliharaan, pencegahan
kapasitas peralatan
produksi. produksi
Tahapan
bertujuan
penjadwalan menjadwalkan
pemeliharaan pencegahan komponen peralatan produksi dan menentukan total biaya pemeliharaan peralatan yang optimal. Data yang diperlukan untuk model ini adalah MTTR, MTTF, biaya teknisi, biaya operator menganggur, biaya komponen, dan biaya kehilangan produksi. Hasil rangking nilai RPN dijadwalkan pemeliharaan pencegahan dari masing-masing komponen peralatan produksi.
34 Langkah pertama dalam tahapan ini adalah menghitung biaya kerusakan (failure) dalam satu siklus, biaya pemeliharaan pencegahan (preventive) dalam satu siklus dan total biaya kerusakan (total failure cost) sebelum dilakukan pemeliharaan pencegahan selama satu tahun. Langkah kedua adalah mencari total biaya pemeliharaan pencegahan yang optimal dan menjadwalkan pemeliharaan untuk setiap komponen peralatan produksi. Perencanaan persediaan suku cadang diperlukan agar pada saat suku cadang dibutuhkan, suku cadang tersebut ada. Pada tahapan perencanaan persediaan suku cadang ini menggunakan model EOQ probabilistik, dimana persediaan pada umumnya berjumlah kecil untuk satu tahun. Tujuan tahapan ini adalah agar pada saat dibutuhkan komponen tersebut ada dan meminimalkan biaya persediaan komponen. Tahapan
penelitian
secara
keseluruhan
adalah
mengidentifikasi
pemeliharaan peralatan produksi, mengukur kinerja sistem pemeliharaan peralatan produksi, mengidentifikasi komponen peralatan produksi yang paling kritis, melakukan penjadwalan pemeliharaan peralatan produksi dan perencanaan persediaan suku cadang. Yang terakhir adalah validasi dan verifikasi. Semua tahapan penelitian diatas, digambarkan dalam Gambar 3.7.
3.3. Jenis dan Pengumpulan Data Penelitian menggunakan data sekunder dan data primer. Data sekunder diperoleh dari laporan kajian terdahulu yang relevan dan jurnal ilmiah serta berbagai sumber seperti Departemen Pertanian, data perusahaan yang menjadi objek kajian, dan pihak-pihak yang relevan. Pengumpulan data primer dilakukan melalui: (a) Observasi lapangan, yakni melihat secara langsung ke tempat penelitian kegiatan-kegiatan manajemen pemeliharaan dan proses pengolahan kelapa sawit. Data yang akan diperhatikan adalah jumlah kerusakan masing-masing komponen dari setiap peralatan, jumlah tenaga kerja yang diperlukan. (b) Wawancara, dilakukan untuk memperoleh informasi dari para pengawas lapangan, kepala pemeliharaan, kepala bagian produksi, manajer pabrik, dan staf bagian pemeliharaan.
35 Mulai
Tujuan penelitian
Studi pustaka
Survei lapang, wawancara, pustaka Identifikasi pemeliharaan peralatan produksi pabrik kelapa sawit Perhitungan OEE Kinerja pemeliharaan peralatan produksi
Perhitungan RPN Identifikasi komponen peralatan yang paling kritis
Perhitungan MTTR, MTTF
Perhitungan keandalan
Penjadwalan pemeliharaan peralatan produksi
Perhitungan EOQ probabilistik Perencanaan persediaan suku cadang Penjadwalan pemeliharaan peralatan produksi dan persediaan suku cadang Validasi model
Valid ? Ya Selesai
Gambar 3.7 Diagram alir tahap penelitian
Tidak
36
Data sekunder yang dikumpulkan adalah kapasitas produksi pabrik, biaya pemeliharaan, jumlah kegagalan komponen, data perhitungan MTTR dan MTTF, pelatihan tenaga kerja pemeliharaan dan data pengetahuan para ahli. Jenis pengumpulan data dapat dilihat pada tabel 3.1.
Tabel 3.1 Jenis pengumpulan data Jenis data Primer
Sekunder
Data yang diperlukan - Proses pengolahan kelapa sawit - Jumlah kerusakan komponen - Lama waktu perbaikan/penggantian komponen - Kegiatan manajemen pemeliharaan - Kapasitas produksi pabrik - Biaya pemeliharaan - Jumlah kegagalan - Data perhitungan MTTR dan MTTF
Metode - Wawancara - Observasi lapangan - Deskriptif
- EOQ - FMEA - Optimasi biaya pemeliharaan
3.4. Tempat dan Waktu Penelitian Pelaksanaan penelitian di PTPN VIII
pabrik PKS Kertajaya. Survei
lapangan dilakukan selama empat bulan bulan April –Mei 2011.
IV. ANALISIS SITUASIONAL
Minyak sawit mentah atau crude palm oil (CPO) mempunyai kontribusi penting terhadap ekspor Indonesia. Pada tahun 2010, nilai ekspor kelapa sawit sebesar 23,18 % dari nilai ekspor hasil industri lainnya (Kemenperin 2010). Luas kebun kelapa sawit di Indonesia sebesar 8.385.394 Ha dengan jumlah pabrik pengolahan kelapa sawit sebanyak 608 PKS di Indonesia (Deptan 2012). PT Perkebunan Nusantara VIII merupakan BUMN yang bergerak pada sektor perkebunan dengan kegiatan usaha meliputi pembudidayaan tanaman, pengelola penjualan komoditi perkebunan seperti teh, karet, dan sawit sebagai komoditi utamanya, serta kakao dan kina sebagai komoditi pendukungnya. PT Perkebunan Nusantara VIII mengembangkan budidaya kelapa sawit di Kabupaten Lebak dan Bogor, yaitu perkebunan Bojong Datar, Cikasungka, Tambaksari, Cisalaak Baru, dan Kertajaya dengan luas sekitar 18.843,63 Ha. Kelapa sawit ini dijual dalam bentuk CPO dan kernel untuk kepentingan dalam negeri. Untuk mengolah tandan buah segar menjadi CPO dan kernel, PT Perkebunan Nusantara VIII memiliki satu pabrik, yaitu PKS PT. Kertajaya yang berlokasi di Jalan Raya Saketi – Malimping, Desa Leuwiipuh, Kecamatan Banjarsari, Kabupaten Lebak, Banten Selatan. Secara geografis Kebun Inti dan PKS Kertajaya terletak pada 6°-6,55° LS dan 105,05° - 106,05° BT dan 60-80 m di atas permukaan laut dengan kemiringan sudut 60°. Jarak dari ibukota kabupaten kurang lebih 80 km, sedangkan dari Jakarta terletak di sebelah barat daya, berjarak 175 km. PKS Kertajaya dibangun oleh PT. Berca Indonesia pada tanggal 28 Juli 1983 dan tanggal 28 Maret 1985 pabrik sudah mulai beroperasi dengan kapasitas pengolahan 30 ton tandan buah segar (TBS) tiap jam. Dalam mengolah TBS, pabrik ini telah mengalami beberapa kali rehabilitasi dan pengembangan ke arah kesempurnaan, sehingga semakin lama efisiensi proses produksinya mengalami peningkatan. Pada tahun 2012, PT Perkebunan Nusantara VIII menargetkan produksi TBS sebanyak 266.000 ton yaitu naik 3,25% dibandingkan tahun lalu sebanyak 257.614 ton. Rendemen minyak sawit di PKS Kertajaya sebesar
38 21,55%, rendemen ini berada disekitar rendemen standar nasional yaitu 20-24% (Naibaho 1996). Penggunaan mesin-mesin produksi menjadi meningkat seiring dengan meningkatnya produksi tandan buah segar. Mesin-mesin produksi tersebut tidak bisa dibiarkan begitu saja tanpa adanya pemeliharaan dan perawatan. Mesinmesin produksi semakin lama akan mengalami penurunan kinerja dan apabila dibiarkan terus menerus akan mengalami kerusakan (breakdown) yang pada akhirnya akan menyebabkan kerugian waktu operasi (downtime). Permasalahan yang muncul akibat downtime ini misalnya keterlambatan produksi, pekerja yang menganggur, hilangnya waktu efektif untuk berproduksi sehingga mempengaruhi produktivitas pabrik. Selain itu, kerusakan juga menyebabkan biaya yang dikeluarkan oleh pabrik menjadi meningkat akibat adanya biaya perbaikan mesin ataupun juga biaya untuk pembelian mesin baru. Pabrik akan mengalami kerugian yang dapat menghilangkan keuntungan yang seharusnya dapat diperoleh pabrik. Rata-rata persentase biaya yang dikeluarkan untuk pemeliharaan pabrik di PKS Kertajaya adalah sebesar 46,04% dari biaya pengolahan kelapa sawit pada tahun 2010. Biaya pemeliharaan pabrik ini mencakup biaya pemeliharaan peralatan produksi, biaya pemeliharaan bangunan, dan lain-lain.
Gambar 4.1 Persentase biaya produksi rata-rata di PKS Kertajaya pada tahun 2010 (PKS Kertajaya 2011) Persentase biaya produksi rata-rata terlihat pada Gambar 4.1. Persentase biaya pemeliharaan pabrik terhadap biaya pengolahan kelapa sawit di PKS Kertajaya dari tahun ke tahun mengalami keadaan yang tidak stabil seperti terlihat pada Gambar 4.2.
Persentase
39
51% 50% 49% 48% 47% 46%
biaya pengolahan biaya pemeliharaan pabrik
45% 44% 43% 2006
2007
2008
2009
2010
Tahun
Gambar 4.2 Persentase biaya pemeliharaan pabrik terhadap biaya pengolahan kelapa sawit di PKS Kertajaya tahun 2006-2010 (PKS Kertajaya 2011) 4.1. Peralatan Produksi Proses pengolahan TBS pada PKS Kertajaya melalui beberapa stasiun, dalam satu stasiun terdapat satu atau lebih peralatan yang digunakan. Pada stasiun penerimaan terdapat beberapa peralatan seperti lori, dua buah transfer carriage yaitu transfer carriage I tahun pembuatan 2001/2002 dan transfer carriage II tahun pembuatan 2008/2009. Masing-masing transfer carriage berukuran 1,9×9,35 m2, modelnya hydrolic gear dan mempunyai kapasitas tiga lori atau 24 lori/jam. Peralatan lainnya pada stasiun penerimaan adalah capstan dan guide bollard. Stasiun sterilizer terdapat empat buah sterilizer yang berfungsi merebus tandan buah segar untuk memudahkan lepasnya buah dari tandannya, melunakkan daging buah dan mengurangi kadar air. Keempat buah sterilizer ini dibuat tahun 2002 dengan ukuran 2,10×30 m2. Satu buah sterilizer bisa memuat sepuluh lori dalam satu kali perebusan tandan buah segar. Satu buah sterilizer yang standby akan dioperasikan apabila ada salah satu perebusan mengalami kerusakan. Tetapi apabila TBS banyak yang harus diolah maka semua sterilizer digunakan. Stasiun penebah terdapat beberapa peralatan seperti tiga buah hoisting crane untuk mengangkat lori yang berisi TBS hasil rebusan ke automatic feeder yang masing-masing berkapasitas 5 ton, tiga buah automatic feeder untuk menggerakkan dan mengatur kecepatan pada mesin polishing drum (bantingan),
40 tiga buah mesin penebah (thresher) yang masing-masing berkapasitas 30 ton/jam dan berukuran 2×4,5 m2. Dua buah mesin penebah dibuat tahun 1985 dan satu buah mesin penebah dibuat tahun 2002. Fungsi mesin penebah adalah memisahkan loose fruit dari bunch dengan cara pembantingan. Peralatan lain pada stasiun penebah adalah empty bunches conveyor yang membawa tandan kosong dengan model scraver, berukuran 70×2570 cm2 dan mempunyai kapasitas 30 ton/jam. Berikutnya peralatan inclined empty bunch conveyor yang berukuran 70×2570 cm2, model scraver dan mepunyai kapasitas 30 ton/jam. Peralatan hopper tankos mempunyai kapasitas 150 ton dengan model pintu horizontal. Bottom cross conveyor dengan model spiral, berukuran 65×13,40 cm2 dan berkapasitas 30 ton/jam. Fruit top cross conveyor mempunyai kapasitas 30 ton/jam, berukuran 60×12 m2, dan model spiral. Peralatan terakhir adalah tiga buah fruit elevator mengangkat buah untuk disuplai ke fruits distributing conveyor dengan model vertikal/timba, berukuran 0,8×12 m2 dan mempunyai kapasitas 30 ton/jam. Pada stasiun pengempaan terdapat dua line yang dibuat berdasarkan tahapan pembuatan PKS Kertajaya. Line pertama terdiri dari fruits distributing conveyor yang dibuat pertama tahun 1985 dan kemudian diganti pada tahun 2001. Model conveyor ini spiral dengan kapasitas 30 ton/jam dan berukuran 65×1200 cm2. Fungsi fruit distributing conveyor ini adalah untuk membawa berondolanberondolan menuju digester. Fruit over flow conveyor mempunyai kapasitas 30 ton/jam, berukuran 60×1200 cm2, model spiral, dibuat tahun 1985 dan diganti tahun 2001. Berikutnya empat buah digester yang masing-masing mempunyai kapasitas 10 – 15 ton, berukuran 1,2×2,9 m2 dan modelnya silinder/vertikal. Digester no.1 dibuat tahun 1986, digester no.2 dan no.3 dibuat tahun 1996 dan digester no.4 dibuat tahun 2002. Fungsi dari digester adalah mengaduk berondolan dan memudahkan pengempaan dalam screw press dan untuk melumatkan daging yang masuk ke digester sehingga kantung minyak pecah pada berondolan sebelum dipress. Yang terakhir empat buah screw press yang masingmasing berukuran 4,9×1,48×1 m3 dan berkapasitas 10 – 15 ton. Tiga buah screw press dibuat tahun 1996 dan satu buah screw press dibuat tahun 2002. Fungsi
41 mesin ini adalah mengepress berondolan dan untuk memisahkan minyak, serat dan nut dengan kehilangan sekecil mungkin. Dengan makin bertambahnya kapasitas PKS Kertajaya maka dibuat satu line lagi yang disebut line dua. Pada line kedua terdapat peralatan fruit distributing conveyor dan fruit over flow conveyor dibuat tahun 2008. Masingmasing conveyor mempunyai model, kapasitas dan ukuran yang sama dengan line pertama. Peralatan berikutnya adalah tiga buah digester yang dibuat tahun 2008, masing-masing mempunyai kapasitas 15 – 17 ton/jam, berukuran 1,2×1,9 m2, dan model silinder/vertikal. Terakhir, tiga buah screw press dibuat tahun 2008 dan masing-masing mempunyai kapasitas 15 – 17 ton/jam. Stasiun pemurnian (klarifikasi) terdapat beberapa peralatan seperti tiga buah vibrating screen yang berfungsi sebagai penyaring minyak dari sabut, ampas, dan pasir, tiga buah crude oil tank, tiga buah continuous settling tank untuk memisahkan minyak dari bahan lain yang bukan minyak, dua buah sludge tank untuk mempersiapkan cairan sisa agar lebih muda diproses kembali pada decanter, dua buah oil tank untuk menampung minyak yang berasal dari continuous tank dan untuk mengurangi kadar air yang terkandung dalam minyak, lima buah purifier, dua buah vacuum dryer yang berfungsi sebagai pemisah air dari crude oil yang masih mengandung kadar air, empat buah storage tank, dan empat buah sand cyclone yang berfungsi sebagai pemisah pasir halus dari sludge. Stasiun kernel terdapat beberapa peralatan seperti Depericarper yang berfungsi memisahkan biji atau nut dari sabut/fibre dan campuran lain yang tergolong fraksi ringan, dua buah cake breaker conveyor yang mempunyai kapasitas 30 ton/jam, berukuran 24 m × 70 cm, dan model spiral. Fungsi cake breaker conveyor untuk memecahkan gumpalan-gumpalan ampas yang keluar dari screw press dan juga untuk mengurangi kadar air yang terdapat dalam ampas agar memiliki persyaratan bagi bahan bakar boiler. Dua buah Polishing Drum dengan model silinder – horizontal, berukuran 6 meter × ∅1 meter, dan mempunyai kapasitas 30 ton/jam. Fungsi dari polishing drum adalah membersihkan fibre yang masih melekat pada nut. Peralatan lainnya adalah dua buah inclined nut conveyor yang berkapasitas 30 ton/jam, model spiral, dan berukuran 30 cm ×3 meter, satu buah destoner model pneumatic (isapan angin),
42 berukuran 35×40×250 cm3, berkapasitas 30 ton/jam, dua buah hover nut model kotak (persegi) mempunyai kapasitas 90 ton, dan berukuran 6×3×3,5 m3. Dua buah mixtur conveyor model spiral mempunyai kapasitas 6 ton/jam, berukuran 600×50 cm2 dan 500×40 cm2. Dua buah hydro cyclone, empat buah kernel Silo, empat buah Ripple Mill yang berfungsi sebagai pemecah shell untuk mengeluarkan kernel. Dalam pengukuran nilai overall equipment effectiveness (OEE) dilakukan dengan pengambilan data sekunder yang sudah ada yaitu non scheduled time, scheduled maintenance time, unscheduled maintenance time, total time, WIP starvation, speed loss, dan quality loss. Data unscheduled maintenance time yang diambil adalah data peralatan yang berhenti (breakdown) atau mengalami stagnasi. Sedangkan scheduled maintenance time adalah data yang diambil ketika peralatan sedang dilakukan pemeliharaan pencegahan. Dari Tabel 4.1 dapat dilihat bahwa unscheduled maintenance time yang tertinggi adalah pada bulan Agustus, artinya pada bulan Agustus telah terjadi breakdown selama 49,25 jam pada peralatan sterilizer dan sludge separator.
Tabel 4.1 Data non scheduled maintenance time, scheduled maintenance time dan unscheduled maintenance time (dalam jam) No. Bulan Non scheduled Scheduled Unscheduled maintenance time maintenance time maintenance time 1. Januari 144 86,58 25,25 2. Pebruari 120 181,67 7,42 3. Maret 96 231,92 20,33 4. April 48 81,00 44,42 5. Mei 24 91,42 17,67 6. Juni 0 134,50 18,17 7. Juli 24 178,83 20,33 8. Agustus 48 143,75 49,25 9. September 168 75,00 19,33 10. Oktober 0 87,08 33,42 11. Nopember 0 75,08 48,17 12 Desember 0 11,58 31,42 4.2. Kinerja Pemeliharaan di PKS Kertajaya Selain menghitung nilai OEE, perlu dicari suku cadang mana yang paling kritis dari suatu peralatan dengan menggunakan failure mode and effect analysis
43 (FMEA). FMEA dapat menggambarkan sebagai kelompok kegiatan sistematis untuk mengenali dan mengevaluasi kegagalan potensial dari suatu produk/proses dan dampaknya. Dalam perhitungan FMEA ini dilakukan pengambilan data sekunder yang sudah ada yaitu waktu antar kegagalan, waktu perbaikan dan wawancara dengan kepala bagian pemeliharaan untuk mengetahui penyebab terjadinya kegagalan. Tabel 4.2 adalah hasil uji distribusi goodness of fit test untuk menghitung nilai mean time to failure (MTTF) dan mean time to repair (MTTR) pada peralatan produksi. Nilai MTTF dan MTTR diasumsikan bahwa komponen yang digunakan adalah komponen dengan bahan dan kualitas yang sama selama masa pemakaian. Apabila karakteristik komponen ini berbeda selama pemakaian maka akan didapatkan nilai MTTF dan MTTR yang berbeda. Pada Lampiran 1 diperlihatkan contoh perhitungan MTTF dan MTTR.
No
Jenis mesin
1.
Sterilizer
2.
3.
4.
Lori
5.
6.
Tracklier
7.
Housting crane
8.
Thresher drum
Tabel 4.2 Hasil nilai MTTF dan MTTR Nama Distribusi & MTTF Distribusi komponen parameter (jam) & parameter Seal pintu Weibull 1193,2 Lognormal sterilizer s = 0,1972 β = 1,6070 t med = 4,222 θ = 1331,864 L-Boch Normal 1096,7 Lognormal s = 0,3888 σ = 863,613 t med = 5,029 µ = 1096,74 V-belt Lognormal 2292,3 Weibull s = 0,0531 β = 1,4043 t med = 2289,1 θ = 7,3869 Roda lori + Lognormal 2154,4 Lognormal as s = 1,2168 s = 0,4034 t med = 1027,5 t med = 6,183 Balok Normal 2630,2 Normal boshing σ = 258,9083 σ = 2,9881 µ = 2630,183 µ = 7,0367 Kabel sling Lognormal 1185,8 Lognormal baja s = 0,4040 s = 0,5096 t med = 1092,9 t med = 4,171 Kabel Normal 3986,1 Lognormal NHYH s = 0,2544 σ = 721,978 t med = 7,121 µ = 3986,067 V-belt Lognormal 1818,4 Lognormal s = 0,5621 s = 0,2767 t med = 1552,7 t med = 5,356
MTTR (jam) 4,3
5,4
6,7
6,7
7,03
4,7
7,3
5,6
44
No
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
21.
22.
Tabel 4.2 Hasil perhitungan nilai MTTF dan MTTR (lanjutan) Jenis Nama Distribusi & MTTF Distribusi MTTR mesin komponen parameter (jam) & (jam) parameter Thresher Bearing Normal 2947,9 Wweibull 4,7 drum σ = 2785,908 β = 2,927 µ = 2947,933 θ = 5,3252 Press Extension Normal 828,9 Lognormal 5,7 shaft s = 0,4057 σ = 725,137 t med = 5,226 µ = 828,937 Baud Lognormal 1457,1 Lognormal 6,5 coupling s = 0,0184 s = 0,4339 t med = 1456,9 t med = 5,931 Worm Lognormal 1153,3 Weibull 9,8 lengthening s = 1,7805 β = 3,2353 t med = 236,33 θ = 10,9858 Screw Lognormal 1071,1 Lognormal 6,6 worm s = 0,3754 s = 0,3705 t med = 998,27 t med = 6,202 Boiler Besi siku L Normal 951,97 Lognormal 6,2 s = 0,4049 σ = 762,2035 t med = 5,686 µ = 951,975 V-belt Lognormal 1960,1 Normal 6,3 s = 0,5874 σ = 3,6882 t med = 1649,5 µ = 6,2733 Rantai Lognormal 1298,7 Lognormal 5,6 RS80 s = 0,6546 s = 0,43 t med = 1048,2 t med = 5,121 Sproket Lognormal 565,8 Lognormal 4,7 gear RS80 s = 0,0368 s = 0,2852 t med = 565,46 t med = 4,526 Vibro Remising Lognormal 2910,2 Weibull 4,5 screen saringan s = 0,1941 β = 4,7862 t med = 2855,9 θ = 4,9769 Seal vibro Lognormal 3222,7 Lognormal 7,7 screen s = 0,3632 s = 0,2857 t med = 3017,0 t med = 7,385 Separator Bearing Normal 2430,2 Lognormal 7,2 SKF s = 0,2367 σ = 2533,89 t med = 7,055 µ = 2430,175 Nozzle pn Normal 714,5 Lognormal 7,8 s = 0,2105 σ = 26,6397 t med = 7,627 µ = 714,5333 V-belt Lognormal 1479,2 Lognormal 6,97 s = 0,4077 s = 0,4382 t med = 1361,2 t med = 6,336
45
No
23.
24.
25.
26.
27.
28.
29.
30.
Tabel 4.2 Hasil perhitungan nilai MTTF dan MTTR (lanjutan) Jenis Nama Distribusi & MTTF Distribusi MTTR mesin komponen parameter (jam) & (jam) parameter Separator Mika film Lognormal 3292,3 Lognormal 4,1 s = 0,1347 s = 0,4901 t med = 3262,6 t med = 3,64 Friction Lognormal 1462,5 Weibull 4,6 pad s = 0,0253 β = 0,9330 t med = 1462,0 θ = 4,8934 Screw pn Lognormal 452,1 Lognormal 3,2 s = 1,3268 s = 0,463 t med = 187,50 t med = 2,866 Stasiun V-belt Weibull 709,6 Weibull 6,4 biji β = 1,2194 β = 2,1257 θ = 757,4222 θ = 7,2483 Bearing Weibull 1090,8 Weibull 5,8 β = 0,7521 β = 1,5668 θ = 918,0313 θ = 6,4663 Adaptor Normal 909,2 Lognormal 6,3 s = 0,4545 σ = 720,1653 t med = 5,679 µ = 909,9222 As sentral Normal 1615,3 Weibull 6,1 FC60 σ = 743,9885 β = 1,5348 µ = 1615,28 θ = 6,7637 Plat mild Lognormal 1951,4 Lognormal 7,2 steel s = 0,5529 s = 4,4639 t med = 1674,8 t med = 7,21 Selama ini pemeliharaan yang dilaksanakan di PKS Kertajaya masih
menganut sistem campuran antara Breakdown Maintenance dan pemeliharaan pencegahan. Pemeliharaan pencegahan merupakan suatu kegiatan pemeliharaan yang dilakukan PKS Kertajaya secara rutin untuk mencegah terjadinya kerusakankerusakan pada sebuah fasilitas (mesin, peralatan) selama proses produksi berlangsung. Kegiatan yang termasuk di dalam pemeliharaan pencegahan adalah pelumasan yang dilakukan setiap seminggu sekali pada setiap peralatan, penggantian komponen atau suku cadang sebelum komponen tersebut rusak. Setiap dua minggu sekali PKS Kertajaya tidak beroperasi satu hari yang digunakan untuk penggantian komponen atau suku cadang pada peralatan yang harus diganti komponen atau suku cadangnya. Pada kenyataannya, pada waktu
46 komponen atau suku cadang tersebut harus diganti, pabrik tidak segera menggantinya apabila melihat jumlah TBS yang akan diolah banyak. Kegiatan penggantian komponen pada pemeliharaan pencegahan ini akan menambah biaya, karena penggantian komponen atau suku cadang dilakukan sebelum komponen tersebut rusak. Oleh sebab itu penggantian komponen atau suku cadang ini harus dibuat jadwal penggantian agar biaya yang dikeluarkan dapat berkurang. Keandalan untuk komponen seal pintu sterilizer, l-boch dan v-belt pada peralatan sterilizer sebelum pemeliharaan pencegahan diperlihatkan pada Gambar 4.3. Berdasarkan perhitungan nilai MTTF, komponen seal pintu sterilizer dengan parameter β > 1, kurva komponen v-belt dan l-boch berbentuk konkaf. Ketiga komponen ini menunjukkan peningkatan laju kerusakan, sehingga tindakan pemeliharaan pencegahan perlu ditingkatkan atau penentuan interval waktu untuk penggantian komponen kritis perlu untuk dijadwalkan.
Keandalan (R(t))
1 0,8 Seal pintu sterilizer
0,6
L boch 0,4
V-belt
0,2 0 0
500
1000
1500
2000
2500
Waktu (t, jam)
Gambar 4.3 Keandalan komponen seal pintu, l-boch, dan v-belt pada peralatan sterilizer sebelum pemeliharaan pencegahan Keandalan untuk komponen roda lori + as dan balok boshing pada peralatan lori sebelum pemeliharaan pencegahan diperlihatkan pada Gambar 4.4. Komponen
roda lori + as berbentuk konveks dan balok boshing berbentuk
konkaf, ini menunjukkan peningkatan laju kerusakan, sehingga tindakan pemeliharaan pencegahan perlu ditingkatkan atau penentuan interval waktu untuk penggantian komponen kritis perlu untuk dijadwalkan.
47
Keandalan, R(t)
1 0,8 0,6
Roda lori+as Balok boshing
0,4 0,2 0 0
500
1000
1500
2000
2500
Waktu (t, jam)
Gambar 4.4 Keandalan komponen roda lori + as dan balok basing pada peralatan lori sebelum pemeliharaan pencegahan Keandalan untuk komponen bearing SKF, nozzle pn, v-belt, mika film, friction pad dan screw pn pada peralatan separator sebelum pemeliharaan pencegahan diperlihatkan pada Gambar 4.5. Kurva komponen bearing SKF, nozzle pn, v-belt, mika film, friction pad berbentuk konveks dan screw pn berbentuk konkaf, ini menunjukkan peningkatan laju kerusakan, sehingga tindakan pemeliharaan pencegahan perlu ditingkatkan atau penentuan interval waktu untuk penggantian komponen kritis perlu untuk dijadwalkan.
Keandalan, R(t)
1 Bearing SKF
0,8
Nozzle pn 0,6
V-belt
0,4
Mika film Friction pad
0,2
Screw pn
0 0
500
1000
1500
2000
2500
Waktu (t, jam)
Gambar 4.5 Keandalan komponen bearing SKF, nozzle pn, v-belt, mika film, friction pad, dan screw pn pada peralatan separator sebelum pemeliharaan pencegahan Keandalan untuk komponen v-belt dan bearing pada peralatan thresher drum sebelum pemeliharaan pencegahan diperlihatkan pada Gambar 4.6. Kurva
48 komponen v-belt dan bearing berbentuk konkaf, ini menunjukkan peningkatan laju kerusakan, sehingga tindakan pemeliharaan pencegahan perlu ditingkatkan atau penentuan interval waktu untuk penggantian komponen kritis perlu untuk dijadwalkan.
Keandalan, R(t)
1 0,8 0,6
V-belt Bearing
0,4 0,2 0 0
500
1000
1500
2000
2500
Waktu (t, jam)
Gambar 4.6 Keandalan komponen v-belt dan bearing pada peralatan thresher drum sebelum pemeliharaan pencegahan Keandalan untuk komponen baud coupling, worm lengthening, screw worm, dan extension shaft pada peralatan press sebelum pemeliharaan pencegahan diperlihatkan pada Gambar 4.7. Kurva komponen worm lengthening berbentuk konveks dan komponen extension shaft, baud coupling, screw worm berbentuk konkaf, ini menunjukkan peningkatan laju kerusakan, sehingga tindakan pemeliharaan pencegahan perlu ditingkatkan atau penentuan interval waktu untuk penggantian komponen kritis perlu untuk dijadwalkan. 1
Keandalan, R(t)
0,8 Extension shaft Baud coupling Worm lengthening Screw worm
0,6 0,4 0,2 0 0
500
1000
1500
2000
2500
Waktu (t, jam)
Gambar 4.7 Keandalan komponen extension shaft, baud coupling, worm lengthening dan screw worm pada peralatan press sebelum pemeliharaan pencegahan
49
Keandalan untuk komponen v-belt, rantai RS80, sprocket gear RS80, dan besi siku L pada peralatan boiler sebelum pemeliharaan pencegahan diperlihatkan pada Gambar 4.8. Kurva ke-4 komponen konkaf, ini menunjukkan peningkatan laju kerusakan, sehingga tindakan pemeliharaan pencegahan perlu ditingkatkan atau penentuan interval waktu untuk penggantian komponen kritis perlu untuk dijadwalkan.
Keandalan, R(t)
1 0,8 Besi siku L 0,6
V-belt Rantai RS80
0,4
Sproket gear RS80 0,2 0 0
500
1000
1500
2000
2500
Waktu (t, jam)
Gambar 4.8 Keandalan komponen besi siku L, v-belt, rantai RS80, dan sprocket gear RS80 pada peralatan Boiler sebelum pemeliharaan pencegahan Keandalan untuk komponen v-belt, bearing, adaptor, as central FC60, dan plat mild steel pada peralatan stasiun biji sebelum pemeliharaan pencegahan diperlihatkan pada Gambar 4.9. Komponen v-belt dan bearing mempunyai parameter β > 1, kurva komponen adaptor, as central FC60 dan plat mild steel berbentuk konkaf, ini menunjukkan peningkatan laju kerusakan, sehingga tindakan pemeliharaan pencegahan perlu ditingkatkan atau penentuan interval waktu untuk penggantian komponen kritis perlu untuk dijadwalkan.
50
Keandalan, R(t)
1 0,8
V-belt
0,6
Bearing
0,4
Adaptor As sentral FC60
0,2
Plat mild steel
0 0
500
1000
1500
2000
2500
Waktu (t, jam)
Gambar 4.9 Keandalan komponen v-belt, bearing, adaptor, as sentral FC60, dan plat mild steel pada peralatan pada stasiun biji sebelum pemeliharaan pencegahan Keandalan untuk komponen kabel sling baja pada peralatan tracklier sebelum pemeliharaan pencegahan diperlihatkan pada Gambar 4.10. Kurva komponen kabel sling baja berbentuk konkaf, ini menunjukkan peningkatan laju kerusakan, sehingga tindakan pemeliharaan pencegahan perlu ditingkatkan atau penentuan interval waktu untuk penggantian komponen kritis perlu untuk dijadwalkan. 1 0,9
Keandalan, R(t)
0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0 0
500
1000
1500
2000
2500
Waktu (t, jam)
Gambar 4.10 Keandalan komponen kabel sling baja pada peralatan tracklier sebelum pemeliharaan pencegahan 4.3. Persediaan Suku Cadang di PKS Kertajaya Sistem persediaan komponen atau suku cadang yang selama ini dilakukan oleh PKS Kertajaya adalah tidak memiliki konsep persediaan tersendiri dalam
51 menentukan jumlah persediaan suku cadang. Pemesanan dilakukan berdasarkan perkiraan-perkiraan yaitu berdasarkan pada permintaan yang selama ini terjadi. Pengajuan pengadaan persediaan suku cadang diajukan untuk satu tahun, dan dari kantor pusat PTPN VIII, pengajuan dana akan dikeluarkan setiap tiga bulan sekali. Karena pengajuan dana dikeluarkan setiap tiga bulan sekali, maka bagian pengadaan PKS Kertajaya harus mengetahui suku cadang mana yang harus diadakan terlebih dahulu yang sesuai dengan penjadwalan penggantian komponen. Apabila ada suku cadang yang harus diganti pada saat itu, tidak perlu menunda penggantiannya dan tidak akan terjadi breakdown atau kerusakan pada peralatan yang lebih parah. Adakalanya suku cadang yang dibutuhkan sulit dicari, seperti suku cadang untuk generator. Bagian teknisi setiap tahun mengajukan kebutuhan suku cadang untuk peralatan pengolahan kelapa sawit ke kantor pusat PTPN VIII atas persetujuan pada pabrik PKS Kertajaya. Pengajuan tersebut oleh kantor pusat PTPN VIII dikumpulkan dengan kebutuhan suku cadang dari pabrik lainnya yaitu permintaan kebutuhan suku cadang dari 32 pabrik teh dan 19 pabrik pengolahan karet. Pengajuan dana ini tidak bisa langsung dikeluarkan semuanya untuk satu tahun, tetapi pengajuan dana ini dikeluarkan setiap tiga bulan sekali. Setelah pengajuan dana dikeluarkan oleh kantor pusat, bagian teknik baru membeli suku cadang sesuai dengan pengajuannya. Adakalanya pada saat suku cadang dibutuhkan, pengajuan dana belum keluar, sehingga bagian teknik lebih dulu membeli suku cadang tersebut dengan pembayaran setelah pengajuan dana dikeluarkan kantor pusat. Peralatan yang digunakan pada pengolahan kelapa sawit ada yang sudah mengalami penggantian, seperti transfer carriage tahun 1985 diganti pada tahun 2001 dan kemudian kapasitas pabrik bertambah, maka transfer carriage bertambah pada tahun 2008. Fruit over flow conveyor dibuat tahun 1985 kemudian diganti pada tahun 2001. Digester dibuat tahun 1985 kemudian diganti pada tahun 2008. Sterilizer dibuat tahun 1985 kemudian diganti pada tahun 2002. Peralatan pabrik di PKS Kertajaya sudah tua, tetapi masih efisien digunakan dan semua peralatan/mesin yang sudah tua ini diganti dengan yang baru secara bertahap.
52 4.4. Tenaga Kerja Pemeliharaan di PKS Kertajaya Sumber daya manusia dalam melakukan pemeliharaan peralatan pabrik di PKS Kertajaya sangat terbatas. Bagian yang khusus melakukan pemeliharaan peralatan hanya berjumlah 84 orang. Pada umumnya mereka adalah lulusan SMA atau STM. Jumlah karyawan Golongan IB-IID sebanyak 51 orang, 28 karyawan Golongan IA, dan 5 karyawan KLM. Bagian pemeliharaan peralatan ditugaskan apabila ada peralatan komponen atau suku cadang yang rusak, serta bila terjadi breakdown mesin. Untuk melakukan pemeliharaan pencegahan seperti pelumasan, dilakukan oleh setiap karyawan di bagian yang bersangkutan. Pengoperasian mesin produksi tidak sembarangan dioperasikan oleh operator, sama halnya dalam melakukan pemeliharaan pencegahan khususnya pelumasan tidak bisa sembarangan dilakukan oleh operator. Pengoperasian mesin produksi dapat karyawan pelajari dengan membaca buku petunjuk pengoperasian mesin produksi yang tersedia di bagian teknik. Selain buku petunjuk pengoperasian mesin, juga ada buku-buku lainnya yang dapat membantu atau menambah informasi bagi karyawan yaitu buku mengenai pemeliharaan mesin. Sesuai dengan peraturan DEPNAKER (departemen tenaga kerja) bahwa jam kerja seseorang karyawan adalah 40 jam kerja per minggu, selebihnya diperhitungkan sebagai jam lembur. Jam kerja bagian teknisi dibagi atas tiga shift setiap harinya yaitu: a. Shift I
: jam 06.00 – 14.00 WIB
b. Shift II : jam 14.00 – 22.00 WIB c. Shift III : jam 22.00 – 06.00 WIB PKS Kertajaya melakukan training pada semua karyawan yang terlibat dalam pemeliharaan dan perawatan peralatan pabrik pada saat karyawan itu masuk pertama kali ke PKS Kertajaya. Pelatihan dilakukan pada karyawan secara bergantian setahun sekali. Struktur organisasi bagian teknik dapat dilihat di Lampiran 2. Tugas dan tanggung jawab dari asisten teknik adalah sebagai berikut: a. Menentukan suku cadang yang digunakan mesin sesuai dengan standar yang ditetapkan.
53 b. Menjamin bahwa kebijakan mutu dimengerti seluruh mandor dan karyawan teknik. c. Menjamin bahwa semua aktifitas yang dilakukan oleh pelaksana teknik sesuai dengan prosedur yang telah diimplementasikan sampai efektif. d. Mempersiapkan
agenda pertemuan
untuk
tinjauan
manajemen
yang
berhubungan dengan masalah-masalah teknik. e. Mengajukan permintaan bahan, alat, mesin untuk kepentingan teknik sesuai dengan perencanaan yang telah dibuat. f. Memelihara semua dokumen dan catatan mutu di bagian teknik. g. Menjamin bahwa semua peralatan/mesin yang digunakan dalam proses telah siap dioperasikan. h. Merencanakan semua peralatan/mesin untuk dipelihara secara rutin. i. Menandatangani laporan pemeliharaan rutin dan breakdown maintenance.
V. PEMELIHARAAN PENCEGAHAN DAN PERSEDIAAN
5.1. Kinerja Pemeliharaan Peralatan Produksi Untuk mengetahui apakah peralatan atau mesin sudah berjalan efektif dan optimal, maka dilakukan pengukuran kinerja dan efektifitas mesin atau peralatan dengan menggunakan metode overall equipment effectiveness (OEE). OEE adalah mengukur total performance dari suatu peralatan dan bagaimana tingkat dukungan dalam suatu proses produksi, atau bagaimana tingkat efektifitas suatu peralatan digunakan dalam suatu proses produksi. Proses produksi tentunya mempunyai losses atau kehilangan/ kerugian yang mempengaruhinya. Kehilangan/kerugian tersebut dikelompokkan menjadi (Jeong and Philips 2001) : 1. Non scheduled time dalam pengumpulan data disebut sebagai waktu libur di PKS Kertajaya, dimana pabrik tidak melakukan proses produksi, misalnya libur tahun baru, libur hari raya idul fitri dan lain-lain. 2. Scheduled maintenance time adalah waktu yang digunakan untuk perawatan preventif dari peralatan, waktu yang sudah dijadwalkan oleh PKS Kertajaya untuk melakukan pemeliharaan pencegahan. 3. Unscheduled maintenance time adalah waktu yang digunakan untuk pemeliharaan yang tidak terjadwal dan bersifat mendadak yang disebabkan oleh adanya kerusakan alat atau breakdown 4. Work in process (WIP) starvation time adalah waktu dimana peralatan menganggur ketika tidak ada WIP untuk diproses. 5. Speed loss adalah kerugian waktu karena peralatan beroperasi di bawah kecepatan standar. 6. Quality loss adalah waktu dimana peralatan ini beroperasi di bawah produkproduk berkualitas.
55 Dalam hal pembagian ini dapat dilihat pada Gambar 5.1. Pengelompokkan pada gambar tersebut menggambarkan pengelompokkan untuk pengukuran kinerja pemeliharaan peralatan produksi. Mengukur kinerja pemeliharaan peralatan produksi dan analisa OEE Non scheduled time
Scheduled maintenance time Memperoleh nilai availability
Unscheduled maintenance time
WIP starvation
Speed loss
Memperoleh nilai performance
Quality loss Memperoleh nilai quality
Memperoleh nilai OEE Hasil kinerja pemeliharaan peralatan produksi
Gambar 5.1 Kinerja pemeliharaan peralatan produksi
5.2. Penentuan Peralatan Produksi yang Paling Kritis Setelah mengidentifikasi kinerja pemeliharaan peralatan produksi, peralatan tersebut diidentifikasi suku cadang mana yang paling kritis dan bertujuan untuk menentukan severity modus kegagalan dengan mengevaluasi dan merangking tingkat kekritisan dari setiap kegagalan komponen, dengan menggunakan FMEA (failure mode and effect analysis). Dalam menentukan severity (S) diperlukan data waktu rata-rata perbaikan (MTTR = mean time to repair) yang diperoleh dari data masa lalu dan pengalaman operator. Occurrence (O) memerlukan data waktu ratarata antara kegagalan (mean time to failure = MTTF) yang didapatkan dari data masa lalu. Detection (D) memerlukan data penyebab terjadinya kegagalan. Penentuan komponen peralatan produksi yang paling kritis ini digambarkan di bawah ini.
56 Menentukan peralatan produksi yang sering terjadi breakdown Identifikasi potensi kegagalan dari komponen peralatan produksi Identifikasi efek dari kegagalan komponen peralatan produksi Identifikasi penyebab dari kegagalan komponen peralatan produksi Pengontrolan/pencegahan dari penyebab kegagalan komponen peralatan produksi Menentukan occurrence (O)
Menentukan detection (D)
Menentukan severity (S)
Menentukan tabel skala severity (S), occurrence (O) dan detection (D) Menghitung RPN Komponen peralatan produksi yang paling kritis
Gambar 5.2 Penentuan komponen peralatan produksi yang paling kritis
Penentuan
rangking
probabilitas
terjadinya
kegagalan
(occurence),
dampak/efek akibat kegagalan (severity), dan deteksi kegagalan (detection) sangat menentukan proses memprioritaskan penentuan kegagalan komponen peralatan. Penentuan rangking didapatkan melalui proses brainstorming dengan kepala bagian teknik yang disesuaikan dengan kondisi perusahaan. Ben Daya et al. (2009) menggunakan skala numerik mulai dari rentang 1 – 10, dimana skala 1 menyatakan sangat rendah dan skala 10 menyatakan sangat tinggi. Nilai RPN
57 yang lebih tinggi diberikan prioritas yang lebih tinggi dibandingkan dengan nilai RPN yang lebih rendah. RPN dihitung dengan mengalikan tingkat severity kegagalan (S), kemungkinan terjadinya kegagalan (O = occurence) dan probabilitas kegagalan terdeteksi (D = detection) untuk menentukan tingkat risiko dari suatu proses, sebagai berikut (Ben-Daya et al. 2009) : RPN = S x O x D
(5.1)
Menurut Sharma dan Sharma (2010), occurence adalah tingkat terjadinya kegagalan yang diperoleh dari rata-rata waktu antar kerusakan (MTTF) masingmasing komponen. Skala untuk pengukuran occurrence dapat dilihat pada Tabel 5.1.
Tabel 5.1 Skala yang digunakan untuk pengukuran occurrence Ranking 1
Kejadian Remote
Kriteria verbal Kegagalan itu tidak mungkin Kegagalan relatif sedikit Kegagalan sesekali terjadi
Tingkat kejadian kegagalan MTTF > 12 bulan
2 Rendah MTTF > 10 bulan – 12 bulan 3 MTTF > 8 bulan – 10 bulan 4 Moderate MTTF > 6 bulan – 8 bulan 5 MTTF > 4 bulan – 6 bulan 6 MTTF > 2 bulan – 4 bulan 7 Tinggi Kegagalan yang MTTF > 1 bulan – 2 bulan berulang 8 MTTF > 1 minggu – 1 bulan 9 Sangat Kegagalan hampir MTTF > 1 hari – 1 minggu tinggi tidak terelakkan 10 MTTF = 0 – 1 hari Sumber : Ben-Daya et al. (2009); Pande et al. (2000)
Menurut Sharma dan Sharma (2010), severity adalah efek kerusakan komponen yang terkait rata-rata waktu antar perbaikan (MTTR) dari masingmasing komponen. Tabel ini dapat dilihat pada tabel 5.2. Penentuan nilai MTTR dan MTTF dibantu dengan program macro MS excel. Nilai MTTR dan MTTF berdasarkan dari jenis bahan suku cadang yang digunakan. Dalam program ini berisi nama komponen suku cadang, suku cadang dari peralatan apa, suku cadang untuk pabrik apa, nama produsen suku cadang tersebut, lokasi yang membutuhkan suku cadang tersebut, data waktu kerusakan dan data waktu perbaikan. Program macro MS excel untuk MTTR dan MTTF dapat dilihat pada lampiran 3.
58 Tabel 5.2. Skala yang digunakan untuk pengukuran severity Rangking 1
Akibat/effect Tidak ada akibat
Kriteria verbal Tidak mengakibatkan apaapa, tidak memerlukan penyesuaian
2
Akibat sangat ringan
3
Akibat ringan
4
Akibat sangat rendah
Pabrik tetap beroperasi dengan aman, hanya terjadi sedikit gangguan peralatan yang tidak berarti Pabrik tetap beroperasi dengan aman, hanya ada sedikit gangguan. Pabrik tetap beroperasi dengan aman, namun terdapat gangguan kecil.
5
Akibat moderat
Pabrik tetap beroperasi normal, namun telah menimbulkan beberapa kegagalan produk. 6 Akibat Pabrik tetap beroperasi signifikan dengan aman, tetap menimbulkan kegagalan produk. 7 Akibat major Pabrik tetap beroperasi dengan aman, tetapi tidak dapat dijalankan secara penuh. 8 Akibat Pabrik tidak dapat ekstrem beroperasi dan telah kehilangan fungsi utamanya. 9 Akibat serius Pabrik gagal beroperasi, serta tidak sesuai dengan peraturan keselamatan kerja. 10 Akibat Pabrik tidak layak berbahaya dioperasikan, karena dapat menimbulkan kecelakaan secara tiba-tiba, dan hal ini bertentangan dengan peraturan keselamatan kerja. Sumber : Ben-Daya et al. (2009); Pande et al. (2000)
Akibat pada produksi Proses berada dalam kendali tanpa melakukan penyesuaian peralatan Proses berada dalam pengendalian, hanya membutuhkan sedikit penyesuaian Proses telah berada di luar kendali, beberapa penyesuaian diperlukan Kurang dari 30 menit downtime atau tidak ada downtime sama sekali. 30-60 menit downtime
1-2 jam downtime
2-4 jam downtime
4-6 jam downtime
6-8 jam downtime
Lebih besar dari 8 jam downtime
59 Detection adalah kuantifikasi dari kontrol yang membuat suatu kegagalan dapat dideteksi dan didapatkan dari hasil wawancara terhadap kepala teknik bagian pemeliharaan. Skala untuk pengukuran detection dapat dilihat pada Tabel 5.3.
Tabel 5.3 Skala yang digunakan untuk pengukuran detection Rangking Akibat Kriteria 1 Hampir pasti Pasti terdeteksi 2 Sangat tinggi Sangat mudah terdeteksi 3 Tinggi Mudah terdeteksi 4 Moderately high Dapat terdeteksi 5 Moderate Cukup mudah terdeteksi 6 Rendah Relatif jarang terdeteksi 7 Sangat rendah Sangat jarang terdeteksi 8 Remote Relatif sulit terdeteksi 9 Very remote Sulit terdeteksi 10 Non detectable Tidak dapat terdeteksi Sumber : Ben-Daya et al. (2009); Pande et al. (2000)
5.3. Penjadwalan Pemeliharaan Peralatan Produksi Berdasarkan pengamatan yang dilakukan pada PKS Kertajaya, perbaikan peralatan hanya akan dilakukan tindakan apabila terjadi masalah atau kerusakan bagian komponen peralatan. Hal ini mengganggu kegiatan proses produksi dan menyebabkan produk tidak bisa diproduksi sehingga perlu dibuat penjadwalan pemeliharaan dan penggantian komponen. Pada penjadwalan ini diasumsikan mesin/peralatan produksi digunakan semuanya untuk proses pengolahan tandan buah segar dan peralatan sterilizer yang digunakan adalah sterilizer horizontal. Penjadwalan pemeliharaan dan penggantian komponen mempunyai tujuan agar
meminimasi
total
biaya
dan
memaksimumkan
keandalan.
Untuk
mendapatkan penjadwalan pemeliharaan dan penggantian komponen dengan menggunakan model seperti pada gambar di bawah ini. Metode penjadwalan berdasarkan interval waktu penggantian kerusakan pada tingkat keandalan tertentu. Jika komponen berdistribusi lognormal maka interval waktu penggantian kerusakan pada tingkat keandalan, R (Ebeling 1997) : t R = t med exp( s (−Φ −1 ( R)))
(5.2)
60 Jika komponen berdistribusi weibull maka interval waktu penggantian kerusakan pada tingkat keandalan, R (Ebeling 1997) :
(
t R = θ − ln( R) (1 / β )
)
(5.3)
Menurut Ebeling (1997), keandalan untuk komponen berdistribusi normal adalah sebagai berikut : t −µ R = 1 − Φ σ
(5.4)
t −µ t −µ Kemudian 1-R = Φ R = Z 1-R di mana Z 1-R didapat dari tabel dan R σ σ
distribusi normal. Jadi,
Φ ( Z1− R ) = 1 – R t −µ − Φ −1 ( Z ) = R
σ
− Φ −1 ( Z ) × σ = t R - µ Sehingga interval waktu penggantian kerusakan untuk komponen berdistribusi normal pada tingkat keandalan, R adalah sebagai berikut : t R = − Φ −1 ( Z ) × σ + µ
(5.5)
Menurut Ebeling (1997), peluang kehandalan dengan sistem pemeliharaan pencegahan (R m (t)) adalah sebagai berikut : R m (t) = R(T)n x R(t-nT)
(5.6)
dimana : R m (t)
: kehandalan dari sistem dengan pemeliharaan pencegahan
n
: jumlah pemeliharaan
t
: periode waktu
T
: interval waktu penggantian kerusakan n
R(T)
: probabilitas kehandalan hingga n selang waktu
R(t-nT) : probabilitas kehandalan untuk waktu t-nT dari tindakan pemeliharaan pencegahan yang terakhir. Berdasarkan persamaan 5.6 diperoleh pengembangan model untuk masingmasing distribusi peluang kerusakan untuk formulasi pemeliharaan pencegahan sebagai berikut :
61 Untuk distribusi weibull : T β R m (t) = exp − ϑ
n
t − nT β .exp − θ
(5.7)
Untuk distribusi lognormal :
1 T R m (t) = 1 − Φ ln s t med
n
1 t − nT .1 − Φ ln s t med
(5.8)
Untuk distribusi normal ∞
R(t) = ∫0 Bila z =
1 (t '− µ ) 2 exp − dt ' σ 2π 2 σ 2 1
T −µ
σ
dan Φ(z) =
1 2π
2 e − z / 2 , maka fungsi distribusi kumulatif :
z
Φ(z) = ∫ Φ ( z ' )dz ' −∞
dimana distribusi kumulatif ini dapat diperoleh dengan bantuan tabel distribusi normal. t −µ T − µ t − µ t −µ F(t) = Pr{T≤t} = Pr ≤ = Pr z ≤ = Φ σ σ σ σ t −µ R(t) = 1 – F(t) = 1- Φ σ
T − µ R m (t) = 1 − Φ σ
n
Dimana : nT ≤ t < (n+1)T
t − nT − µ .1 − Φ σ
(5.9)
n = 0,1,2,...
Formulasi biaya pemeliharaan pencegahan dalam satu siklus adalah sebagai berikut (Jardine 2001) : Biaya pemeliharaan pencegahan dalam satu siklus =
=
total biaya panjang interval dalam satu siklus
{C p × R(t p )}+ {C f × (1 − R(t p ))} {t p × R(t p )}+ {t f × (1 − R(t p ))}
dimana :
(5.10)
62 Cp
: biaya preventive
R(t p ) : kehandalan pada saat t p Cf
: biaya failure
tp
: interval waktu preventive
Pada penelitian ini formulasi total biaya pemeliharaan untuk semua komponen agar didapatkan biaya pemeliharaan yang optimal, yaitu :
{C pi × R(T pi )}+ {C fi × (1 − R(T pi ))}× t ×k pi pi i =1 {T pi × R (T pi )}+ {t fi × (1 − R (T pi ) )} n
Minimasi: Total biaya = ∑
(5.11) dengan kendala :
0< R(T pi ) < 1 C pi , C fi , t fi , T pi > 0 i = 1, 2, 3, ...., n
dimana : C pi
: biaya preventive pada komponen ke-i
C pi = (biaya teknisi x t pi + biaya kehilangan produksi x t pi + biaya komponen kei) C fi
: biaya failure pada komponen ke-i
C fi = (biaya teknisi + biaya kehilangan produksi + biaya operator menganggur) x T fi + biaya komponen ke-i t fi
: nilai MTTF komponen ke-i
T pi
: interval waktu pemeliharaan pencegahan pada komponen ke-i
R(t pi ) : peluang kehandalan yang diharapkan pada komponen ke-i k pi
: frekwensi pemeliharaan dalam satu tahun
t pi
: nilai MTTR komponen ke-i
Biaya kerusakan dalam satu siklus adalah sebagai berikut : Tc =
=
total biaya panjang interval dalam satu siklus Cf MTTR + MTTF
(5.12)
63 Penjadwalan pemeliharaan dalam penelitian ini menggunakan program macro MS excel dan Matlab. Program Matlab dapat dilihat pada lampiran 4. 5.4. Persediaan Suku Cadang Persediaan pada penelitian ini ditujukan untuk dapat memperhitungkan faktor umur pemakaian dari masing-masing komponen terpakai yang ada, sehingga ekspektasi kerusakan merupakan ekspektasi kebutuhan komponen suku cadang pengganti yang harus disediakan oleh perusahaan akan mendekati kenyataan. Persediaan ini merupakan pengembangan model persediaan Q (lot size – reorder point model), dengan pertimbangan sebagai berikut : 1. Jumlah persediaan rata-rata dapat diusahakan sekecil mungkin, hal ini mengingat harga komponen yang cukup mahal, sehingga ongkos simpan yang timbul dapat ditekan sekecil mungkin. 2. Persediaan pengaman pada model ini jumlahnya tidak terlalu besar karena hanya untuk mengantisipasi fluktuasi permintaan selama lead time. 3. Lebih kecil kemungkinan terjadinya kekurangan persediaan, karena pemeriksaan terhadap kondisi persediaan dilakukan setiap saat.
Kerusakan komponen bersifat kontinu, sementara permintaan komponen ke persediaan bersifat diskrit dan jumlah permintaan rendah, maka digunakan distribusi poisson, sesuai dengan kerusakan komponen yang bersifat probabilistik, yaitu mengandung ketidakpastian (Tersine 1988). Total ongkos persediaan (OT) dapat dirumuskan sebagai berikut : OT = Op + Os + Ok
(5.13)
Dimana : Op : Ongkos pengadaan Os : Ongkos simpan Ok : Ongkos kekurangan persediaan Ongkos pengadaan per periode (Op) bergantung pada jumlah frekuensi pemesanan (f) dan ongkos untuk setiap kali melakukan pemesanan (A). Secara matematis dapat dinyatakan sebagai berikut : Op = A.f
(5.14)
64 Sedangkan jumlah frekuensi pemesanan per periode dipengaruhi oleh jumlah kebutuhan rata-rata selama selang waktu perencanaan (λ t ) dan besarnya ukuran pemesanan (Q), secara sistematis adalah : f = λ t /Q
(5.15)
Dengan demikian rumus ongkos pengadaan (Op) menjadi :
λ Op = A t Q
(5.16)
dimana : A : ongkos simpan setiap kali pemesanan λ t : rata-rata permintaan dalam selang waktu t Q : ukuran pemesanan setiap kali pesan Ongkos simpan adalah persentase ongkos simpan dari harga beli per unit per tahun (I) dikalikan dengan harga pembelian per unit (C) dikalikan rata-rata jumlah persediaan yang ada (m). Sehingga diperoleh rumusan sebagai berikut : Os = I.C.m
(5.17)
Sementara jumlah rata-rata persediaan yang disimpan (m) adalah jumlah safety stock (s) dan besar Q dengan rumusan : m = s + Q/2
(5.18)
Selanjutnya safety stock untuk kasus back order adalah merupakan pengurangan jumlah persediaan saat pemesanan kembali (re-order point) dengan rata-rata kebutuhan selama lead time atau secara matematis adalah : s = r - µL
(5.19)
Akhirnya diperoleh rumusan ongkos simpan (Os) sebagai berikut : Q Os = IC + r − µ L 2
dimana: I
(5.20)
: persentase ongkos simpan dari harga beli
C
: harga pembelian
r
: tingkat persediaan pada saat reorder point
µ L : rata-rata permintaan selama lead time Ongkos kekurangan persediaan dihitung berdasarkan kuantitas barang yang kurang, yaitu berdasarkan ongkos kekurangan barang selama selang perencanaan (N), maka ongkos kekurangan (Ok) dapat diformulasikan sebagai berikut : Ok = N. π.f
(5.21)
65 Harga N dapat dicari dengan menghitung ekspektasi jumlah kekurangan persediaan setiap siklusnya (N r ) dan ekspektasi siklus selama selang perencanaan (f), atau : f = λ t /Q
(5.22)
∞
N r = ∫ ( x − r ) f ( x)dx
(5.23)
r
dimana π : keuntungan yang hilang per unit kekurangan persediaan. Dengan demikian ekspektasi total ongkos persediaan (OT) dapat dirumuskan sebagai berikut :
λt ∞ Q OT = A + IC + r − µ + π ∫ ( x − r ) f ( x)dx Q Q r 2 λt
(5.24)
Jika distribusi permintaan selama lead time bersifat diskrit, maka ekspektasi total ongkos persediaan menjadi : ∞ Q λ λ ∞ OT = A t + IC + r − ∑ exp( x) + π t ∑ ( x − r ) p ( x) Q Q r 0 2
(5.25)
Mengingat bahwa datangnya kerusakan bersifat kontinu, sementara permintaan komponen dari customer ke sistem persediaan bersifat diskrit, maka digunakan distribusi poisson, sesuai dengan kerusakan komponen yang bersifat probabilistik, yaitu mengandung ketidakpastian. Distribusi poisson mempunyai parameter yang merupakan jumlah rata-rata permintaan komponen pada selang waktu (umur) tertentu. Digunakan distribusi poisson ini karena distribusi ini sesuai untuk sampel rata-rata untuk selang waktu tertentu, disamping asumsi datangnya kerusakan sejalan dengan asumsi distribusi poisson. Distribusi poisson untuk permintaan komponen dalam selang waktu tertentu adalah sebagai berikut : (λt ) x exp(−λ ) P(x) = x!
(5.26)
Apabila distribusi permintaan selama periode waktu T dan selama lead time berdistribusi poisson, di mana : T adalah selang perencanaan dari t 1 sampai dengan t 2 .
66 t 1 : umur komponen saat awal perencanaan t 2 : umur komponen saat akhir perencanaan DT : rata-rata permintaan selama perencanaan L : lead time t2
DL : rata-rata permintaan selama lead time, DL = L ∫ f (t )dt t1
Formulasi ekspektasi total ongkos persediaannya yang sudah dikembangkan adalah x t2 t L f (t )dt exp L 2 f (t )dt ∫ − ∫ ∞ t1 t1 Q A OT(t1 , t 2 ) = DT + IC + r − ∑ x Q x! x =0 2 x t t2 2 L ∫ f (t )dt exp − L ∫ f (t )dt ∞ t1 t π + DT ∑ ( x − r ) 1 Q x! x=r
(5.27)
Rata-rata kepadatan kerusakan berdasarkan distribusi dari masing-masing komponen yaitu : Untuk distribusi weibull : f(t) =
β t β −1 − (t / θ ) β e θ θ
(5.28)
Untuk distribusi normal : f(t) =
1 (t − µ ) 2 exp − 2π σ 2 σ 2 1
(5.29)
Untuk distribusi lognormal : 1 f(t) = − exp − 2s 2 2π st 1
t ln t med
2
(5.30)
67 Untuk menentukan ukuran pemesanan (Q) dan tingkat persediaan pada saat reorder point (r) dengan menurunkan persamaan ekspektasi total ongkos secara parsial terhadap Q dan r. Turunan parsial terhadap variabel Q adalah : ∂OT =0 ∂Q maka : ∞ ( DL) x exp(− DL) 2A 2π 2 Q DT + DT ∑ ( x − r ) = (t1 , t 2 ) IC IC x! x=r
(5.31)
Turunan parsial terhadap r adalah ∂OT =0 ∂r
maka :
Q2
(t1 , t 2 )
=
∞ ( DL) x exp(− DL) DT ∑ IC x ! x=r
π
(5.32)
Selanjutnya perhitungan Q* dan r* dilakukan dengan menggunakan pendekatan Hadley dan Within, dimana prosedurnya adalah sebagai berikut : 1. Hitung Q W dengan rumus : Q W =
2 ADT IC
2. Masukkan nilai Q W ke persamaan (5.14) sehingga diperoleh nilai r*. 3. Selanjutnya substitusikan nilai r* yang diperoleh ke persamaan (3.21) sehingga diperoleh nilai Q* yang baru. 4. Ulangi langkah 2 dengan menggunakan nilai Q* yang baru tersebut untuk mendapatkan nilai r* yang baru, kemudian bandingkan nilai r lama dengan r baru . 5. Lakukan langkah-langkah tersebut (2, 3 dan 4), sehingga diperoleh perbedaan nilai r lama dengan r baru lebih kecil dari suatu harga ε (tidak signifikantif).
Untuk mengetahui persediaan bersih (net inventory) dalam satu siklusnya, maka perlu dilakukan perhitungan tingkat persediaan pengaman (safety stock). Perhitungannya adalah sebagai berikut : S = ∫0∞ (r − x) f ( x)dx
68 x
L t 2 f (t ) exp − L t 2 f (t ) ∫t ∫t1 S = r− ∑ x 1 x! x =0 ∞
∞
( DL) x exp(− DL) x! x =0
= r− ∑ x
(5.33)
Service level dari model persediaan, merupakan salah satu kriteria keberhasilan sistem persediaan yang diterapkan adalah untuk mengetahui probabilitas tingkat terpenuhinya kebutuhan selama lead time.
Tingkat
ketersediaan ini dihitung berdasarkan probabilitas terjadinya kekurangan persediaan selama lead time tersebut. Perumusannya adalah sebagai berikut : TK = 1 – probabilitas terjadinya kekurangan persediaan ∞
r ( DL) x exp(− DL)
= 1 − ∫ f ( x)dx = 1 − ∑ r
x =0
x!
(5.34)
Model persediaan ini menggunakan program macro MS excel. Dalam program ini berisi tentang nama pabrik, lokasi atau tempat pabrik, jam kerja selama satu tahun dan lain-lain. Program persediaan dapat dilihat pada lampiran 5.
VI. PEMBAHASAN
6.1. Kinerja Overall Equipment Effectiveness (OEE) Hal yang pertama-tama dilakukan dalam pengolahan data ini yaitu melakukan pengukuran terhadap nilai OEE untuk setiap bulan selama satu tahun. Pada perhitungan OEE tergantung pada tiga ratio yaitu availability efficiency, performance efficiency dan quality efficiency. Availability efficiency adalah ratio yang menunjukkan penggunaan waktu yang tersedia untuk kegiatan operasi mesin atau peralatan. Adapun data-data yang digunakan dalam pengukuran availability efficiency ini adalah non scheduled time, scheduled maintenance time, unscheduled maintenance time dan total time. Pengukuran nilai availability efficiency selama satu tahun dapat dilihat pada Tabel 6.1.
Tabel 6.1 Data waktu non scheduled, schedule maintenance, unscheduled maintenance, actual available, availability losses, dan availability efficiency tahun 2010 No Bulan NS SM UM AL Total AA Availability time time time (jam) time time efficiency (jam) (jam) (jam) (jam) (jam) (%) 1. Januari 144 86,6 25,2 255,8 600 334,2 57,46 2. Pebruari 120 181,7 7,4 309,1 552 242,9 44,01 3. Maret 96 231,9 20,3 348,2 648 288,8 46,26 4. April 48 81,0 44,4 173,4 672 498,6 74,19 5. Mei 24 91,4 17,7 133,1 720 586,9 81,52 6. Juni 0 134,5 18,2 152,7 720 567,3 78,80 7. Juli 24 178,8 20,3 223,2 720 496,8 69,00 8. Agustus 48 143,8 49,3 241,0 696 455,0 65,37 9. September 168 75,0 19,3 262,3 552 289,7 52,48 10. Oktober 0 87,1 33,4 120,5 744 623,5 83,80 11. Nopember 0 75,1 48,2 123,3 720 596,8 82,88 12. Desember 0 111,6 31,4 143,0 744 601,0 80,78 Keterangan : NS Time : Non scheduled time SM Time : Scheduled maintenance time UM Time : Unscheduled maintenance time AL : Availability losses AA Time : Actual available time
70 Non scheduled time adalah waktu libur di PKS Kertajaya di mana pabrik tidak melakukan proses produksi, misalnya libur tahun baru, libur hari raya Idul Fitri, dan lain-lain. Scheduled maintenance time adalah waktu yang dibutuhkan untuk melakukan pemeliharaan preventif di PKS Kertajaya, misalnya melakukan pelumasan, mengganti komponen yang sudah waktunya untuk diganti. Unscheduled maintenance time adalah waktu yang digunakan untuk mengganti komponen yang rusak akibat pemeliharaan yang tidak terjadwal dan bersifat mendadak yang disebabkan oleh adanya kerusakan alat atau breakdown. Misalnya, bearing pada thresher drum sudah waktunya untuk diganti, tetapi tidak segera diganti sehingga terjadi stagnasi. Performance efficiency adalah ratio yang menunjukkan kemampuan peralatan dalam menghasilkan barang. Adapun data-data yang digunakan dalam pengukuran performance efficiency ini adalah WIP starvation time dan speed loss. Pengukuran nilai performance efficiency selama satu tahun dapat dilihat pada Tabel 6.2.
Tabel 6.2 WIP starvation, speed loss, performance losses, net production time, dan performance efficiency tahun 2010 WIP Speed Performance Net Performance starvation loss losses production efficiency No. Bulan (jam) (jam) (jam) time (jam) (%) 1 Januari 21,92 47,17 69,08 275,08 79,93 2 Pebruari 8,08 15,50 23,58 219,33 90,29 3 Maret 13,50 33,83 47,33 252,42 84,21 4 April 11,83 56,25 68,08 430,50 86,34 5 Mei 16,92 34,58 51,50 535,42 91,23 6 Juni 16,83 35,00 51,83 515,50 90,86 7 Juli 22,42 42,75 65,17 431,67 86,88 8 Agustus 10,08 59,33 69,42 385,58 84,74 9 September 8,00 27,33 35,33 254,33 87,80 10 Oktober 4,08 37,50 41,58 581,92 93,33 11 Nopember 13,42 61,58 75,00 521,75 87,43 12 Desember 11,42 42,83 54,25 546,75 90,97 WIP starvation adalah waktu antara berhentinya peralatan karena komponen yang rusak sampai peralatan tersebut berjalan kembali, di mana pada saat itu bahan baku tidak dapat diproses karena peralatan tidak beroperasi. Misalnya peralatan press berhenti karena komponen screw worm rusak, maka berondolan
71 tidak dapat diproses pada peralatan press sampai peralatan tersebut selesai diperbaiki. Speed loss adalah kerugian waktu karena peralatan di bawah kecepatan standar. Misalnya waktu yang tersedia yang dibutuhkan untuk mengolah TBS dikurangi dengan waktu yang efektif digunakan untuk mengolah TBS tanpa terjadi adanya breakdown. Quality efficiency adalah ratio yang menunjukkan kemampuan peralatan dalam menghasilkan produk yang sesuai dengan standar. Adapun data yang digunakan dalam pengukuran quality efficiency adalah quality losses. Quality losses adalah waktu dimana peralatan ini beroperasi di bawah produk berkualitas. Misalnya pada saat peralatan sterilizer rusak, TBS yang menunggu untuk diproses kualitasnya menjadi menurun dengan ALB yang meningkat. Waktu menunggu sampai peralatan sterilizer tersebut berfungsi kembali adalah quality losses. Tabel 6.3 adalah pengukuran nilai quality efficiency selama satu tahun.
Tabel 6.3 Quality losses, valuable production time, dan quality efficiency tahun 2010 Quality losses Valuable production Quality efficiency No. Bulan (jam) time (jam) (%) 1 Januari 21,92 253,17 92,03 2 Pebruari 8,08 211,25 96,31 3 Maret 13,50 238,92 94,65 4 April 11,83 418,67 97,25 5 Mei 16,92 518,50 96,84 6 Juni 16,83 498,67 96,73 7 Juli 22,42 409,25 94,81 8 Agustus 10,08 375,50 97,38 9 September 8,00 246,33 96,85 10 Oktober 4,08 577,83 99,30 11 Nopember 13,42 508,33 97,43 12 Desember 11,42 535,33 97,91 Setelah nilai availability efficiency, performance efficiency dan quality efficiency diperoleh, maka selanjutnya adalah menghitung nilai OEE. Pengukuran nilai OEE selama satu tahun dapat dilihat pada Tabel 6.4
72
Tabel 6.4 Availability efficiency, performance efficiency, quality OEE tahun 2010 Availability Performance Quality No. Bulan efficiency efficiency efficiency 1 Januari 57,36% 79,93% 92,03% 2 Pebruari 44,01% 90,29% 96,31% 3 Maret 46,26% 84,21% 94,65% 4 April 74,19% 86,34% 97,25% 5 Mei 81,52% 91,23% 96,84% 6 Juni 78,80% 90,86% 96,73% 7 Juli 69,00% 86,88% 94,81% 8 Agustus 65,37% 84,74% 97,38% 9 September 52,48% 87,80% 96,85% 10 Oktober 83,80% 93,33% 99,30% 11 Nopember 82,88% 87,43% 97,43% 12 Desember 80,78% 90,97% 97,91% Rata-rata 68,04% 87,84% 96,46%
efficiency, dan
OEE 42,19% 38,27% 36,87% 62,30% 72,01% 69,26% 56,84% 53,95% 44,63% 77,67% 70,60% 71,95% 58,05%
6.2. Analisis Overall Equipment Effectiveness (OEE) Berdasarkan hasil pengolahan data yang telah diuraikan sebelumnya maka analisa terhadap hasil pengolahan tersebut terbagi menjadi analisa availability efficiency, performance efficiency, quality efficiency dan nilai OEE. Menurut Nakajima (1989) nilai availability yang ideal adalah lebih dari 90%, pada Tabel 6.1 hasil pengolahan data availability efficiency selama satu tahun tidak ada nilai availability efficiency yang lebih besar dari 90%, maka dapat disimpulkan bahwa peralatan produksi masih di bawah nilai standar untuk pengukuran nilai OEE. Nilai performance yang ideal menurut Nakajima (1989) adalah lebih dari 95%. Pada Tabel 6.2 hasil pengolahan data performance efficiency selama satu tahun tidak ada nilai performance efficiency yang lebih besar dari 95%, maka dapat disimpulkan bahwa peralatan produksi masih di bawah nilai standar untuk pengukuran nilai OEE. Pada Tabel 6.3 hasil pengolahan data quality efficiency selama satu tahun, hanya ada satu nilai yang lebih besar dari 99% yaitu bulan Oktober nilai quality efficiency sebesar 99,3%, maka dapat disimpulkan bahwa pada bulan Oktober peralatan produksi berada di atas nilai standar untuk pengukuran nilai OEE.
73 Pada Tabel 6.4 hasil pengukuran nilai OEE selama satu tahun tidak ada nilai yang lebih besar dari 85%, maka dapat disimpulkan bahwa peralatan produksi masih di bawah nilai standar untuk pengukuran nilai OEE. Berdasarkan kinerja OEE, nilai OEE per bulan selama tahun 2010 berkisar antara 36,87% - 77,67%, dengan rata-rata sebesar 58,05%. Hasil dari kinerja OEE ini menunjukkan rendahnya kinerja sistem produksi di PKS Kertajaya sehingga perlu dilakukan penjadwalan pemeliharaan pada pabrik kelapa sawit. Hasil dari perhitungan OEE ini adalah untuk menentukan nilai OEE yang terendah. Nilai OEE yang terendah akan dianalisis pada tahap selanjutnya. Dari Tabel 6.4 dapat dilihat nilai OEE yang terkecil adalah pada bulan Maret sebesar 36,87%, Pebruari sebesar 38,27% dan Januari sebesar 42,19%. Nilai OEE rendah karena nilai availability efficiency pada bulan Maret sebesar 46,26%, Januari sebesar 57,36% dan Pebruari sebesar 44,01% (paling rendah). Dari Tabel 6.1 dapat dilihat nilai availability efficiency rendah karena non scheduled time atau waktu libur pabrik pada bulan Januari sebesar nilai 144 jam, Pebruari sebesar 120 jam dan Maret sebesar 96 jam. Waktu libur pabrik banyak karena jam kerja pada bulan Januari adalah 25 hari kerja, Pebruari adalah pada bulan 23 hari kerja (paling kecil) dan Maret 27 hari kerja. Pada Tabel 6.5 dapat dilihat bahwa selain jam kerja, TBS yang diproduksi pada bulan Januari sebesar 14.130.690 kg, Pebruari sebesar 10.277.470 kg (paling kecil) dan Maret sebesar 12.435.500 kg. Jumlah TBS yang diproduksi tidak banyak karena pada bulan Pebruari dan Maret, baru muncul tandan bunga sehingga pada bulan tersebut tidak banyak buah yang matang dan tidak banyak TBS yang masuk ke pabrik. Sehingga TBS yang diolah tidak banyak seperti bulan lainnya. Maka nilai OEE pada bulan Januari, Pebruari dan Maret tidak bisa dianalisis untuk tahap selanjutnya. Pada bulan April sampai dengan Desember, buah sudah mulai matang dan bisa dipanen, sehingga mulai banyak TBS yang masuk ke pabrik dan tidak ada waktu libur di pabrik. Nilai OEE yang terkecil bulan April sampai Desember adalah pada bulan September sebesar 44,63% (lihat Tabel 6.4). Nilai OEE kecil karena nilai availability efficiency pada bulan September sebesar 52,48% (paling kecil dari nilai availability efficiency bulan April sampai Desember). Dari Tabel 6.1 dapat dilihat nilai availability efficiency rendah karena non scheduled time
74 atau waktu libur pabrik pada bulan September sebesar 168 jam (paling besar). Pada bulan September 2010 terdapat Hari Raya Idul Fitri sehingga hari kerja pada bulan ini adalah 23 hari kerja (paling sedikit) dan ini yang menyebabkan bulan September tidak ikut dianalisis. Bila dilihat dari non scheduled time dan jumlah TBS yang diterima di pabrik, maka pada bulan Agustus 2010 yang mempunyai nilai OEE terkecil sebesar 53,95% dan breakdown sebesar 49,25 jam. Maka nilai OEE pada bulan Agustus adalah nilai OEE yang diambil untuk dianalisis pada tahap selanjutnya. Tabel 6.5 Jumlah TBS yang diterima tahun 2010 Bulan Jumlah hari kerja Jumlah TBS yang diterima (kg) Januari 25 14.130.690 Pebruari 23 10.277.470 Maret 27 12.435.500 April 28 16.377.740 Mei 30 16.535.240 Juni 30 15.031.610 Juli 30 14.425.010 Agustus 29 14.672.840 September 23 15.122.110 Oktober 31 20.867.900 Nopember 30 20.751.080 Desember 31 21.500.180 Pada bulan Agustus terjadi penggantian komponen peralatan terdapat di unit lori (roda lori+as), tracklier (kabel sling), sterilizer (seal pintu sterilizer), thresher drum (v-belt), press (screw worm), Boiler (v-belt), klarifikasi separator (v-belt, friction pad, dan screw pn), dan Stasiun biji (v-belt).
6.3. Failure Mode and Effect Analysis (FMEA) Tahap selanjutnya penjadwalan pemeliharaan pencegahan adalah memilih komponen
mana
yang akan
diprioritaskan
untuk
dijadwalkan,
dengan
menggunakan metode failure mode and effect analysis (FMEA). Analisis sebab akibat kegagalan ke-10 komponen tersebut dapat dilihat pada Tabel 6.6.
75
No 1.
2.
3.
4. 5. 6.
7.
8.
9.
10.
11.
12.
13. 14. 15.
16.
Tabel 6.6 Analisis sebab dan akibat Komponen Kemungkinan penyebab Kemungkinan akibat kegagalan Worm adanya benda keras akibat penambahan beban kerja lengthening, yang ikut ke press press Sproket beban kerja yang berat patah akibat penambahan gear RS80, beban kerja boiler Screw keausan screw worm menyebabkan pecah biji di atas worm, press normal dan losses minyak dalam fibre melebihi normal Nozzle pn, bergesekan pada nozzle jumlah pasir pada separator separator tinggi Screw pn, ada kotoran dan putaran sludge separator tidak separator penyumbatan normal dan terdapat getaran Rantai memutar blower besar terjadi panas dari gesekan RS80, rantai boiler Baud adanya benda keras as screw patah mengikuti coupling (besi, batu,kayu) yang putaran gear box pada press masuk Friction keausan pada friction separator berputar lambat pad, pad tidak dapat separator mengerem Roda lori + roda lori sudah aus dan roda lori slip pada saat ditarik as terdapat korosi di atas transfer carriage atau roda lori keluar dari rel Balok baud pengikat balok balok boshing pecah boshing boshing aus atau patah pada lori V-Belt, media air yang gesekan antar v-belt dan puly sterilizer mengandung lumpur menimbulkan panas yang dan pasir berlebih yang mengakibatkan v-Belt cepat terbakar Bearing separator bekerja keausan pada bearing SKF, dengan putaran tinggi separator V-belt, penyetelan tegangan pompa tidak dapat berjalan separator yang tidak betul V-belt, kebocoran pada kran katup di boiler dalam keadaan boiler tidak tertutup Plat mild keausan akibat gesekan robek dan perlu penggantian steel, stasiun biji Kabel operator kurang housting crane berhenti NHYH, memperhatikan posisi housting kabel yang menjepit crane roll sling
76 Tabel 6.6 Analisis sebab dan akibat (lanjutan) No Komponen Kemungkinan penyebab Kemungkinan akibat kegagalan 17. Seal vibro seal dengan kondisi kebocoran vibro screen screen robek 18. Remising adanya benda keras patah mengikuti vibro screen saringan (besi, batu, kayu) vibro screen 19. Mika film, terjadi kemacetan terbakar karena pergesekan separator separator 20. Bearing, putaran tromol thresher thresher drum tidak berputar thresher tidak sesuai (terlalu drum cepat/lambat) 21. V-belt, pengumpanan buah ke tidak berputar sehingga thresher thresher terlalu banyak brondolan ikut tandan kosong drum lebih tinggi dari normal. 22. Seal pintu seal pada pintu uap akan keluar dari sterilizer sterilizer sterilizer sudah rusak sehingga tekanan optimum yang diharapkan sulit tercapai 23. L-boch air condesat yang Keausan pada l-boch sterilizer mengandung pasir dan minyak 24. As sentral terdapat benda keras as sentral bengkok FC60, ikut (batu,besi, kayu) stasiun biji 25. Besi siku L, beban kerja yang berat besi siku L aus dan patah boiler 26. Adaptor, cara pemasangan poros bergeser tidak terlihat stasiun biji kurang presisi 27. Extension penambahan beban patah mengikuti putaran gear shaft pada kerja terhadap screw box press press 28. Kabel sling menarik beban yang tidak bisa menarik lori baja, berlebih tracklier 29. Bearing, perubahan baud pemakaian bearing cukup stasiun biji penjepit pada block banyak bearing 30. V-belt, penyetelan tegangan nut polishing drum tidak dapat stasiun biji yang tidak betul pada berputar dengan lancar roda penyangga Berdasarkan uji goodness of fit test, waktu antar kerusakan (MTTF) dan waktu antar perbaikan (MTTR) yang telah dilakukan seperti pada Tabel 4.2, nilai RPN ke-30 komponen tersebut dapat dilihat pada Tabel 6.7.
77 Tabel 6.7 Nilai occurrence, severity, detection, dan RPN untuk tiap komponen No Komponen Occurrence Severity (S) Detection RPN (O) (D) MTTF skala MTTR skala (jam) (jam) 1 Seal pintu sterilizer 1193,2 7 4,3 8 4 224 2 L-boch sterilizer 1096,7 7 5,4 8 4 224 3 V-belt sterilizer 2292,3 6 6,7 9 6 324 4 Roda lori+as, unit lori 2154,4 6 6,7 9 6 324 5 Balok boshing 2630,2 6 7,04 9 6 324 6 Kabel sling baja, tracklier 1185,9 6 4,7 8 3 144 7 Kabel NYHY, housting 3986,1 5 7,4 9 7 315 crane 8 V-belt, thresher drum 1818,4 6 5,6 8 5 240 9 Bearing, thresher drum 2947,9 5 4,8 8 7 280 10 Extension shaft, press 828,9 7 5,7 8 3 168 11 Baud coupling, press 1457,2 6 6,5 9 7 378 12 Worm lengthening, press 1153,3 7 9,8 10 7 490 13 Screw worm, press 1071,1 7 6,6 9 7 441 14 Besi siku L, boiler 951,98 7 6,2 9 3 189 15 V-belt, boiler 1960,1 6 6,3 9 6 324 16 Rantai RS80, boiler 1298,7 7 5,6 8 7 392 17 Sproket gear RS80, boiler 565,8 8 4,7 8 7 448 18 Remising saringan, vibro 2910,2 5 4,6 8 7 280 screen 19 Seal vibro screen 3222,8 5 7,7 9 7 315 20 Bearing SKF, separator 2430,2 6 7,3 9 6 324 21 Nozzle pn, separator 714,5 8 7,8 9 6 432 22 V-belt, separator 1479,2 6 6,9 9 6 324 23 Mika film, separator 3292,3 5 4,1 8 7 280 24 Friction pad, separator 1462,5 6 4,6 8 7 336 25 Screw pn, separator 452,1 8 3,2 7 7 392 26 V-belt, stasiun biji 709,6 8 6,4 9 1 72 27 Bearing, stasiun biji 1090,8 7 5,8 8 2 112 28 Adaptor, stasiun biji 909,9 7 6,3 9 3 189 29 As sentral FC60, stasiun 1615,3 6 6,1 9 4 216 biji 30 Plat mild steel, stasiun biji 1951,4 6 7,2 9 6 324 Rating occurence adalah kuantifikasi dari tingkat kejadian kegagalan yang diperoleh dari MTTF dan skala yang digunakan mulai dari rentang 1-10. Rating dari severity merupakan kuantifikasi dari tingkat dampak akibat terjadinya kegagalan yang terkait MTTR dan skala yang digunakan mulai dari rentang 1-10 (Pande et al. 2000). Nilai RPN untuk tiap komponen diperoleh dengan mengalikan nilai occurence, severity dan detection.
78
6.4. Analisis Risk Priority Number (RPN) Dari perhitungan Tabel 6.7 didapatkan nilai RPN. Nilai RPN ini diurutkan dari yang tertinggi sampai yang terendah seperti yang terlihat pada Tabel 6.8.
Tabel 6.8 Nilai RPN berdasarkan peringkat untuk tiap komponen No Komponen RPN Peringkat 1 Worm lengthening, press 490 1 2 Sproket gear RS80, boiler 448 2 3 Screw worm, press 441 3 4 Nozzle pn, separator 432 4 5 Screw pn, separator 392 5 6 Rantai RS80, boiler 392 6 7 Baud coupling, press 378 7 8 Friction pad, separator 336 8 9 Roda lori+as 324 9 10 Balok boshing, lori 324 10 11 V-belt, sterilizer 324 11 12 Bearing SKF, separator 324 12 13 V-belt, separator 324 13 14 V-belt, boiler 324 14 15 Plat mild steel, stasiun biji 324 15 16 Kabel NYHY, housting crane 315 16 17 Seal vibro screen 315 17 18 Remising saringan vibro screen 280 18 19 Mika film, separator 280 19 20 Bearing, thresher drum 280 20 21 V-belt, thresher drum 240 21 22 Seal pintu sterilizer 224 22 23 L-boch sterilizer 224 23 24 As sentral FC60, stasiun biji 216 24 25 Besi siku L, boiler 189 25 26 Adaptor, stasiun biji 189 26 27 Extension shaft, press 168 27 28 Kabel sling baja, tracklier 144 28 29 Bearing, stasiun biji 112 29 30 V-belt stasiun biji 72 30 Keterangan : Kode komponen lihat tabel 6.6. Hasil FMEA adalah rangking nilai RPN untuk 30 komponen yang akan dijadwalkan pemeliharaannya. Peringkat untuk 30 komponen yang akan dijadwalkan pemeliharaannya adalah worm lengthening pada mesin press, sproket gear RS80 pada boiler, screw worm pada mesin press, nozzle pn pada separator, screw pn pada separator, rantai RS80 pada boiler, baud coupling pada mesin
79 press, friction pad pada separator, roda lori+as, balok boshing pada lori, v-belt pada sterilizer, bearing SKF pada separator, v-belt pada separator, v-belt pada boiler, plat mild steel pada stasiun biji, kabel NYHY pada housting crane, seal vibro screen, remising saringan vibro mess 30 pada vibro screen, mika film pada separator, bearing pada thresher drum, v-belt pada thresher drum, seal pintu sterilizer, l-boch pada sterilizer, As sentral FC60 pada stasiun biji, besi siku L pada boiler, adaptor pada stasiun biji, extension shaft pada press, kabel sling baja pada tracklier, bearing pada stasiun biji, dan v-belt pada stasiun biji. Rangking nilai ini sebagai dasar untuk melakukan penjadwalan pemeliharaan peralatan produksi pabrik kelapa sawit.
6.5. Biaya Pemeliharaan Pencegahan Peralatan Produksi Langkah berikutnya adalah menghitung biaya kerusakan dan pemeliharaan pada kondisi MTTR dan waktu yang dibutuhkan untuk perbaikan. Biaya kerusakan (failure) pada kondisi MTTR dapat dilihat pada Tabel 6.9. Gaji atau upah operator adalah sebesar Rp. 1.163.000/bulan. Jumlah jam kerja per hari adalah 8 jam dan dalam satu tahun ada 337 hari kerja. Dalam melakukan pergantian komponen pada mesin, satu orang operator pada mesin tersebut menganggur dengan biaya sebesar Rp 5.815/jam. Berdasarkan laporan tahunan PKS Kertajaya, biaya kehilangan produksi akibat pergantian komponen pada mesin diperoleh dari produksi CPO sebesar 41.843 ton/tahun, produksi kernel sebesar 7.734 ton/tahun dibagi dengan jam kerja perusahaan selama satu tahun sebesar 8088 jam. Harga penjualan CPO sebesar Rp 6.971,-/ton dan kernel sebesar Rp 3.976,-/ton. Sehingga biaya kehilangan produksi akibat kerusakan CPO sebesar Rp 36.064/jam dan biaya kehilangan produksi akibat kerusakan kernel sebesar Rp 3.802/jam. Yang dimaksud dengan biaya kehilangan produksi ini adalah biaya yang dikeluarkan akibat kerusakan dari bahan sehingga mutu dan yield produk menjadi menurun atau rusak.
80 Tabel 6.9 Biaya kerusakan (failure) tahun 2010 Biaya Biaya Biaya MTTR Biaya failure, operator kehilangan No. komponen = Tf Cf menganggur produksi (Rp) (jam) (Rp juta) (Rp/jam) (Rp/jam) 1 8.000.000 5.815 36.064 9,84 8,412 2 100.000 5.815 0 4,71 0,127 3 15.000.000 5.815 36.064 6,64 15,278 4 1.500.000 5.815 36.064 7,80 1,826 5 970.000 5.815 36.064 3,19 1,104 6 150.000 5.815 0 5,62 0,183 7 250.000 5.815 36.064 6,52 0,523 8 250.000 5.815 36.064 4,57 0,441 9 450.000 5.815 0 6,71 0,489 10 900.000 5.815 0 7,04 0,941 11 67.500 5.815 36.064 6,73 0,349 12 1.950.000 5.815 36.064 7,26 2,254 13 200.000 5.815 36.064 6,97 0,492 14 3.750.000 5.815 0 6,27 3,786 15 2.720.000 5.815 3.802 7,21 2,789 16 150.000 5.815 36.064 7,36 0,458 17 425.000 5.815 36.064 7,69 0,747 18 284.000 5.815 36.064 4,56 0,475 19 92.000 5.815 36.064 4,10 0,264 20 1.500.000 5.815 36.064 4,75 1,699 21 127.500 5.815 36.064 5,57 0,360 22 1.500.000 5.815 36.064 4,31 1,680 23 850.000 5.815 36.064 5,42 1,077 24 90.000 5.815 0 6,09 0,125 25 200.000 5.815 0 6,17 0,236 26 675.000 5.815 3.802 6,30 0,735 27 5.400.000 5.815 36.064 5,67 5,638 28 47.500 5.815 36.064 4,75 0,246 29 2.195.000 5.815 3.802 5,81 2,251 30 95.000 5.815 3.802 6,42 0,157 Keterangan : Kode komponen lihat tabel 6.6. Keandalan untuk masing-masing komponen peralatan berdasarkan mean time to failure (MTTF) dapat dilihat pada Tabel 6.10. Tingkat keandalan komponen mesin peralatan pada tahun 2010 berkisar 18,7 - 50,8%.
81 Tabel 6.10 Tingkat keandalan komponen tanpa pemeliharaan pencegahan No Nama komponen MTTF = t f Keandalan, R (jam) (%) 1 Worm lengthening, press 1.153,3 18,7 2 Sproket gear RS80, boiler 565,84 50,8 3 Screw worm, press 1.071,1 42,6 4 Nozzle pn, separator 714,5 50,8 5 Screw pn, separator 452,1 25,4 6 Rantai RS80, boiler 1.298,7 37,1 7 Baud coupling, press 1.457,2 49,9 8 Friction pad, separator 1.462,5 19,6 9 Roda lori +as 2.154,4 22,4 10 Balok boshing, lori 2.630,2 50,0 11 V-belt, sterilizer 2.292,3 49,0 12 Bearing SKF, separator 2.430,2 50,0 13 V-belt, separator 1.479,2 41,9 14 V-belt, boiler 1.960,1 38,4 15 Plat mild steel, stasiun biji 1.951,4 39,1 16 Kabel NYHY, housting crane 3.986,1 50,0 17 Seal vibro screen 3.222,8 42,8 18 Remising saringan vibro mess 30 2.910,2 46,1 19 Mika film, separator 3.292,3 47,3 20 Bearing, thresher drum 2.947,9 49,9 21 V-belt, thresher drum 1.818,4 38,9 22 Seal pintu sterilizer 1.193,2 43,3 23 L-boch, sterilizer 1.096,7 50,0 24 As sentral FC60, stasiun biji 1.615,3 50,0 25 Besi siku L, boiler 952,0 50,0 26 Adaptor, stasiun biji 909,9 50,0 27 Extension shaft, press 828,9 50,0 28 Kabel sling baja, tracklier 1.185,9 41,98 29 Bearing, stasiun biji 1.090,8 32,0 30 V-belt, stasiun biji 709,6 39,7 Perhitungan total biaya pemeliharaan sebelum dilakukan pemeliharaan pencegahan selama satu tahun terlihat dalam Tabel 6.11. Biaya kerusakan dalam satu siklus (Tc) berdasarkan persamaan 5.12. Total biaya kerusakan sebelum dilakukan pemeliharaan pencegahan selama satu tahun sebesar Rp. 417.415.138 /tahun untuk 30 komponen.
82 Tabel 6.11 Nilai biaya kerusakan untuk ke-30 komponen dan total failure cost sebelum dilakukan pemeliharaan pencegahan selama satu tahun No Total failure MTTF MTTR Ekspektasi cost/tahun = tf C f (Rp = Tf biaya (Rp (Rp Tc (jam) juta/tahun) juta) (jam) k f (Rp/jam) juta) 1 1.153,3 8,412 9,8 8 7.232,1 8,341 66,728 2 565,84 0,127 4,7 15 223,3 0,126 1,895 3 1.071,1 15,278 6,6 8 14.175,6 15,184 121,472 4 714,5 1,826 7,8 12 2.528,7 1,807 21,682 5 452,1 1,104 3,2 18 2.423,8 1,096 19,726 6 1.298,7 0,183 5,6 7 140,0 0,182 1,273 7 1.457,2 0,523 6,5 6 357,2 0,520 3,123 8 1.462,5 0,441 4,6 6 300,7 0,440 2,639 9 2.154,4 0,489 6,7 4 226,3 0,487 1,950 10 2.630,2 0,941 7,0 4 356,8 0,938 3,754 11 2.292,3 0,349 6,7 4 151,9 0,348 1,393 12 2.430,2 2,254 7,3 4 924,7 2,247 8,988 13 1.479,2 0,492 7,0 6 331,1 0,490 2,939 14 1.960,1 3,786 6,3 5 1.925,6 3,774 18,872 15 1.951,4 2,789 7,2 5 1.424,1 2,779 13,895 16 3.986,1 0,458 7,4 3 114,7 0,457 1,371 17 3.222,8 0,747 7,7 3 231,3 0,745 2,236 18 2.910,2 0,475 4,6 3 162,9 0,474 1,422 19 3.292,3 0,264 4,1 3 80,0 0,263 0,791 20 2.947,9 1,699 4,8 3 575,4 1,696 5,089 21 1.818,4 0,360 5,6 5 197,7 0,359 1,797 22 1.193,2 1,680 4,3 7 1.403,1 1,674 11,720 23 1.096,7 1,077 5,4 8 977,3 1,072 8,575 24 1.615,3 0,125 6,1 6 77,3 0,125 0,749 25 952,0 0,236 6,2 9 246,2 0,234 2,109 26 909,9 0,735 6,3 9 802,8 0,730 6,574 27 828,9 5,638 5,7 10 6.754,8 5,599 55,993 28 1.185,9 0,246 4,7 7 206,9 0,245 1,718 29 1.090,8 2,251 5,8 8 2.052,6 2,239 17,912 30 709,6 0,157 6,4 12 218,9 0,155 1,864 Total 417.415 Keterangan : k f : Frekwensi kerusakan sebelum pemeliharaan pencegahan Kode komponen lihat tabel 6.6. Berdasarkan Tabel 6.9 dan Tabel 6.11, komponen-komponen tersebut dihitung total biaya pemeliharaan pencegahannya pada berbagai macam tingkat kehandalan sehingga didapatkan total biaya pemeliharaan yang optimal untuk 30 komponen. Penentuan tingkat kehandalan optimum yang memberikan biaya minimum berdasarkan persamaan 5.11 dengan teori pemrograman prosedural dan
83 menggunakan operator matematika pada software Matlab versi 7.0.1.24704(R14). Pada Gambar 6.1 dapat dilihat total biaya pemeliharaan pencegahan yang paling optimal yaitu pada tingkat kehandalan 51%. Ini berarti, bahwa kemampuan 30 komponen tersebut menjalankan fungsinya dengan baik sebesar 51% dan kemungkinan 30 komponen tersebut terjadi kegagalan sebesar 29%. 9
2.4
Biaya total
x 10
2.2 2
Nilai biaya total
1.8 1.6 1.4 1.2 1 0.8 0.6 0.4 0.5
0.55
0.6
0.65
0.7
0.75 Nilai R
0.8
0.85
0.9
0.95
1
Gambar 6.1 Total biaya pemeliharaan pencegahan untuk 30 komponen selama satu tahun Perincian perhitungan total biaya pemeliharaan setelah dilakukan pemeliharaan pencegahan pada tingkat kehandalan 51% selama satu tahun dapat dilihat pada Tabel 6.12. Total biaya pemeliharaan untuk semua komponen menggunakan persamaan 5.11, yaitu formulasi yang dikembangkan dari persamaan 5.10. Total biaya pemeliharaan untuk 30 komponen sebesar Rp 410.251.693 per tahun. Pemeliharaan pencegahan selama satu tahun sebesar 1201 jam dan breakdown maintenance sebesar 589 jam. Waktu breakdown maintenance sebesar 3,2% dari waktu pemeliharaan pencegahan.
84 Tabel 6.12 Nilai biaya pemeliharaan pencegahan untuk ke-30 komponen dan total biaya pemeliharaan setelah dilakukan pemeliharaan pencegahan selama satu tahun No Total Tp = MTTF Ekspektasi preventive = tf tp TCc biaya (Rp cost (Rp T (jam) (jam) (Rp/jam) juta) (jam) k p R(t p ) juta/tahun) 1 1.153 8 0,1867 1.153,3 9 7.280,1 8,393 67,151 2 564 15 0,5279 565,84 4 199,9 0,113 1,691 3 988 9 0,5110 1.071,1 6 14.821,9 14,644 131,796 4 713 12 0,5229 714,5 7 2.504,9 1,786 21,432 5 452 18 0,2536 452,1 3 2.426,8 1,097 19,744 6 1.031 8 0,5101 1.298,7 5 142,8 0,147 1,178 7 1.456 6 0,5135 1.457,2 6 339,1 0,494 2,962 8 1.461 6 0,5111 1.462,5 4 285,4 0,417 2,502 9 996 9 0,5102 2.154,4 6 300,1 0,299 2,690 10 2.623 4 0,5111 2.630,2 7 350,3 0,919 3,675 11 2.286 4 0,5101 2.292,3 6 138,0 0,315 1,262 12 2.430 4 0,5000 2.430,2 7 916,9 2,228 8,912 13 1.347 7 0,5103 1.479,2 6 321,2 0,433 3,028 14 1.625 5 0,5102 1.960,1 6 2.105,9 3,422 17,111 15 1.651 5 0,5103 1.951,4 7 1.539,1 2,541 12,705 16 3.967 3 0,5105 3.986,1 7 108,0 0,429 1,286 17 2.989 3 0,5102 3.222,8 7 229,3 0,685 2,056 18 2.842 3 0,5101 2.910,2 4 156,9 0,446 1,337 19 3.251 3 0,5106 3.292,3 4 76,3 0,248 0,745 20 2.947 3 0,5001 2.947,9 4 567,1 1,671 5,014 21 1.530 6 0,5105 1.818,4 5 199,6 0,305 1,833 22 1.041 8 0,5102 1.193,2 4 1.489,7 1,551 12,406 23 1.096 8 0,5003 1.096,7 5 961,1 1,053 8,427 24 1.596 6 0,5103 1.615,3 6 66,9 0,107 0,640 25 951 9 0,5005 952,0 6 229,0 0,218 1,960 26 909 9 0,5005 909,9 6 788,0 0,716 6,447 27 828 10 0,5005 828,9 5 6.770,3 5,606 56,058 28 1.081 8 0,5108 1.185,9 4 192,9 0,208 1,669 29 1.090 8 0,3205 1.090,8 5 2.053,2 2,238 17,904 30 547 15 0,5105 709,6 6 218,4 0,119 1,792 Total 410,252 Keterangan : k p : Frekwensi pemeliharaan selama satu tahun Kode komponen lihat tabel 6.7. Langkah berikutnya adalah menjadwalkan pemeliharaan ke-30 komponen. Sepuluh komponen yang dijadwalkan secara berurutan adalah pemeliharaan komponen worm lengthening pada peralatan press setiap 1.153 jam, pemeliharaan komponen sproket gear RS80 pada boiler setiap 564 jam, pemeliharaan komponen screw worm pada press setiap 988 jam, pemeliharaan komponen nozzle
85 pn pada separator setiap 713 jam, pemeliharaan komponen screw pn pada separator setiap 452 jam, pemeliharaan komponen rantai RS80 pada boiler setiap 1.031 jam, pemeliharaan komponen baud coupling pada press setiap 1.456 jam, pemeliharaan komponen friction pad pada separator setiap 1.461 jam, pemeliharaan roda lori + as setiap 996 jam dan pemeliharaan balok boshing pada lori setiap 2.623 jam.
6.6. Analisis Penjadwalan Pemeliharaan Pencegahan Peralatan Produksi Komponen sproket gear RS80 berdistribusi lognormal dengan parameter s = 0,0368 dan t med = 565,4563. Keandalan sebelum pemeliharaan pencegahan pada waktu t adalah
1 t ln 0,0368 565,4563
R(t) = 1 − Φ
Umur desain (desain life) pada tingkat keandalan 51% adalah t 0,97 = 565,4563e 0,0368(−Φ
−1 (0,51))
= 564,94 jam
Pada tingkat keandalan 51% dijadwalkan pemeliharaan pencegahan pada komponen sproket gear RS80 setiap 564 jam. Keandalan setelah pemeliharaan pencegahan pada waktu t : 1 564 R m (t) = 1 − Φ ln 0 , 0368 565 , 4563
n
1 t − 564n .1 − Φ ln 0 , 0368 565 , 4563
Gambar 6.2 menggambarkan keandalan komponen sproket gear RS80 sebelum pemeliharaan pencegahan (R(t)) dan keandalan sesudah dilakukan pemeliharaan pencegahan (R m (t)). 1
Keandalan, R
0,8 0,6
R(t)
0,4
Rm(t)
0,2 0 475 495 515 535 555 575 595 615 635 655 675 695 715 Waktu (t, jam)
Gambar 6.2 Keandalan komponen sproket gear RS80 peralatan boiler sebelum dan setelah dilakukan pemeliharaan pencegahan
86
Pada Gambar 6.2 terlihat bahwa kurva keandalan komponen sproket gear RS80 pada peralatan boiler sebelum pemeliharaan pencegahan (R(t)) di bawah kurva keandalan sesudah pemeliharaan pencegahan (R m (t)). Pemeliharaan sproket gear RS80 ini memberikan efek positif bagi kehandalan komponen tersebut. Komponen screw worm berdistribusi lognormal dengan parameter s = 0,3754 dan t med = 998,2743. Keandalan sebelum pemeliharaan pencegahan pada waktu t adalah
1 t ln R(t) = 1 − Φ 0,3754 998,2743 Umur desain (desain life) pada tingkat keandalan 51% adalah t 0,97 = 998,2743e 0,3754(−Φ
−1 (0,51))
= 988,92 jam
Pada tingkat keandalan 51% dijadwalkan pemeliharaan pencegahan pada komponen screw worm setiap 988 jam. Keandalan setelah pemeliharaan pencegahan pada waktu t adalah
1 988 R m (t) = 1 − Φ ln 0,3754 998,2743
n
1 t − 988n ln .1 − Φ 0,3754 998,2743
Gambar 6.3 menggambarkan keandalan komponen screw worm pada peralatan screw press sebelum pemeliharaan pencegahan (R(t)) dan kehandalan sesudah dilakukan pemeliharaan pencegahan (R m (t)). 1
Keandalan, R
0,8 0,6
R(t)
0,4
Rm(t)
0,2 0 250
450
650
850 1050 1250 1450 1650 1850 2050 2250 Waktu (t, jam)
Gambar 6.3 Keandalan komponen screw worm peralatan screw press sebelum dan setelah dilakukan pemeliharaan pencegahan.
87 Pada Gambar 6.3 terlihat bahwa kurva keandalan komponen screw worm pada peralatan screw press sebelum pemeliharaan pencegahan (R(t)) di bawah kurva keandalan sesudah pemeliharaan pencegahan (R m (t)). Pemeliharaan screw worm ini memberikan efek positif bagi kehandalan komponen tersebut. Komponen nozzle pn berdistribusi normal dengan parameter σ = 26,6397 dan µ = 714,5333. Keandalan sebelum pemeliharaan pencegahan pada waktu t adalah t − 714,5333 R(t) = 1 − Φ 26,6397 Umur desain (desain life) pada tingkat keandalan 51% adalah t 0,97 = − Φ −1 (0,51) × 26,6397 + 714,5333 = 713,87 jam Pada tingkat keandalan 51% dijadwalkan pemeliharaan pencegahan pada komponen nozzle pn setiap 713 jam. Keandalan setelah pemeliharaan pencegahan pada waktu t adalah n
713 − 714,5333 t − 713n − 714,5333 R m (t) = 1 − Φ .1 − Φ 26 , 6397 26 , 6397 Gambar 6.4 menggambarkan keandalan komponen nozzle pn pada peralatan separator sebelum pemeliharaan pencegahan (R(t)) dan keandalan sesudah dilakukan pemeliharaan pencegahan (R m (t)). 1
Keandalan, R
0,8 0,6
R(t)
0,4
Rm(t)
0,2 0 625
645
665
685
705
725
745
765
785
805
825
Waktu (t, jam)
Gambar 6.4 Keandalan komponen nozzle pn peralatan separator sebelum dan setelah dilakukan pemeliharaan pencegahan.
88 Pada Gambar 6.4 terlihat bahwa kurva keandalan komponen nozzle pn pada peralatan separator sebelum pemeliharaan pencegahan (R(t)) di bawah kurva keandalan sesudah pemeliharaan pencegahan (R m (t)). Pemeliharaan screw worm ini memberikan efek positif bagi keandalan komponen tersebut. Komponen rantai RS80 berdistribusi lognormal dengan parameter s = 0,6546 dan t med = 1048,2569. Keandalan sebelum pemeliharaan pencegahan pada waktu t adalah
1 t ln R(t) = 1 − Φ 0 , 6546 1048 , 2569 Umur desain (desain life) pada tingkat keandalan 51% adalah t 0,97 = 1048,2569e 0,6546(−Φ
−1 (0,51))
= 1.031,20 jam
Pada tingkat keandalan 51% dijadwalkan pemeliharaan pencegahan pada komponen rantai RS80 setiap 1.031 jam. Keandalan setelah pemeliharaan pencegahan pada waktu t adalah
1 1031 R m (t) = 1 − Φ ln 0 , 6546 1048 , 2569
n
1 t − 1031n ln .1 − Φ 0 , 6546 1048 , 2569
Gambar 6.5 menggambarkan keandalan komponen rantai RS80 pada peralatan boiler sebelum pemeliharaan pencegahan (R(t)) dan keandalan sesudah dilakukan pemeliharaan pencegahan (R m (t)). 1
Keandalan, R
0,8 0,6
R(t)
0,4
Rm(t)
0,2 0 0
250 500 750 1000 1250 1500 1750 2000 2250 2500 Waktu (t, jam)
Gambar 6.5 Keandalan komponen rantai RS80 peralatan boiler sebelum dan setelah dilakukan pemeliharaan pencegahan.
89 Pada Gambar 6.5 terlihat bahwa kurva keandalan komponen rantai RS80 pada peralatan boiler sebelum pemeliharaan pencegahan (R(t)) di bawah keandalan sesudah pemeliharaan pencegahan (R m (t)). Pemeliharaan rantai RS80 ini memberikan efek positif bagi keandalan komponen tersebut. Komponen baud coupling berdistribusi lognormal dengan parameter s = 0,0184 dan t med = 1456,9105. Keandalan sebelum pemeliharaan pencegahan pada waktu t adalah
1 t ln R(t) = 1 − Φ 0 , 0184 1456 , 9105 Umur desain (desain life) pada tingkat keandalan 51% adalah t 0,97 = 14456,9105e 0,0184(−Φ
−1 (0,51))
= 1.456,24 jam
Pada tingkat keandalan 51% dijadwalkan pemeliharaan pencegahan pada komponen baud coupling setiap 1.456 jam. Keandalan setelah pemeliharaan pencegahan pada waktu t :
1 1.456 R m (t) = 1 − Φ ln 0 , 0184 1445 , 9105
n
1 t − 1.456n ln .1 − Φ 0 , 0184 1445 , 9105
Gambar 6.6 menggambarkan keandalan komponen baud coupling pada peralatan screw press sebelum pemeliharaan pencegahan (R(t)) dan keandalan sesudah dilakukan pemeliharaan pencegahan (R m (t)). 1
Keandalan, R
0,8 0,6
R(t)
0,4
Rm(t)
0,2 0 1375 1400 1425 1450 1475 1500 1525 1550 1575 1600 1625 Waktu (t, jam)
Gambar 6.6 Keandalan komponen baud coupling peralatan screw press sebelum dan setelah dilakukan pemeliharaan pencegahan.
90 Pada Gambar 6.6 terlihat bahwa kurva keandalan komponen baud coupling pada peralatan screw press sebelum pemeliharaan pencegahan (R(t)) di bawah kurva keandalan sesudah pemeliharaan pencegahan (R m (t)). Pemeliharaan baud coupling ini memberikan efek positif bagi keandalan komponen tersebut. Komponen friction pad berdistribusi lognormal dengan parameter s = 0,0253 dan t med = 1462,0311. Keandalan sebelum pemeliharaan pencegahan pada waktu t adalah
1 t ln R(t) = 1 − Φ 0 , 0253 1462 , 0311 Umur desain (desain life) pada tingkat keandalan 51% adalah t 0,97 = 1462,0311e 0,0253(−Φ
−1 (0,51))
= 1.461,10 jam
Pada tingkat keandalan 51% dilakukan pemeliharaan pencegahan pada komponen friction pad setiap 1.461 jam. Keandalan setelah pemeliharaan pencegahan pada waktu t adalah :
1 1.461 R m (t) = 1 − Φ ln 0 , 0253 1462 , 0311
n
1 t − 1.461n ln .1 − Φ 0 , 0253 1462 , 0311
Gambar 6.7 menggambarkan keandalan komponen friction pad pada peralatan separator sebelum pemeliharaan pencegahan (R(t)) dan keandalan sesudah dilakukan pemeliharaan pencegahan (R m (t)). 1
Keandalan, R
0,8 0,6
R(t) Rm(t)
0,4 0,2 0 1325 1355 1385 1415 1445 1475 1505 1535 1565 1595 1625 Waktu (t, jam)
Gambar 6.7 Keandalan komponen friction pad peralatan separator sebelum dan setelah dilakukan pemeliharaan pencegahan.
91 Pada Gambar 6.7 terlihat bahwa kurva keandalan komponen friction pad pada peralatan separator sebelum pemeliharaan pencegahan (R(t)) di bawah kurva keandalan sesudah pemeliharaan pencegahan (R m (t)). Pemeliharaan friction pad ini memberikan efek positif bagi keandalan komponen tersebut. Komponen roda lori + as berdistribusi lognormal dengan parameter s = 1,2168 dan t med = 1027,5548. Keandalan sebelum pemeliharaan pencegahan pada waktu t adalah
1 t ln R(t) = 1 − Φ 1 , 2168 1027 , 5548 Umur desain (desain life) pada tingkat keandalan 51% adalah t 0,97 = 1027,5548e1,2168(−Φ
−1 (0,51))
= 996,68 jam
Pada tingkat keandalan 51% dilakukan pemeliharaan pencegahan pada komponen roda lori + as setiap 996 jam. Keandalan setelah pemeliharaan pencegahan pada waktu t adalah
1 996 R m (t) = 1 − Φ ln 1 , 2168 1027 , 5548
n
1 t − 996n ln .1 − Φ 1 , 2168 1027 , 5548
Gambar 6.8 menggambarkan keandalan komponen roda lori + as pada peralatan lori sebelum pemeliharaan pencegahan (R(t)) dan keandalan sesudah dilakukan pemeliharaan pencegahan (R m (t)).
Kehandalan, R
1 0,8 0,6
R(t)
0,4
Rm(t)
0,2 0 0
1000
2000
3000
4000
5000
6000
7000
8000
Waktu, t (jam)
Gambar 6.8 Keandalan komponen roda lori + as pada peralatan lori sebelum dan setelah dilakukan pemeliharaan pencegahan. Pada Gambar 6.8 terlihat bahwa kurva keandalan komponen roda lori + as pada peralatan lori sebelum pemeliharaan pencegahan (R(t)) di bawah kurva
92 keandalan sesudah pemeliharaan pencegahan (R m (t)). Pemeliharaan roda lori + as ini memberikan efek positif bagi keandalan komponen tersebut. Komponen balok boshing berdistribusi normal dengan parameter σ = 258,9083 dan µ = 2.630,1833. Keandalan sebelum pemeliharaan pencegahan pada waktu t adalah t − 2630,1833 R(t) = 1 − Φ 258,9083 Umur desain (desain life) pada tingkat keandalan 51% adalah t 0,97 = − Φ −1 (0,51) × 258,9083 + 2630,1833 = 2.623,69 jam Pada tingkat keandalan 51% dilakukan pemeliharaan pencegahan pada komponen balok boshing setiap 2.623 jam. Keandalan setelah pemeliharaan pencegahan pada waktu t adalah n
2.623 − 2.630,1833 t − 2.623n − 2.630,1833 R m (t) = 1 − Φ .1 − Φ 258,9083 258,9083 Gambar 6.9 menggambarkan keandalan komponen balok boshing pada peralatan lori sebelum pemeliharaan pencegahan (R(t)) dan keandalan sesudah dilakukan pemeliharaan pencegahan (R m (t)). 1
Keandalan, R
0,8 0,6
R(t)
0,4
Rm(t)
0,2 0 2000 2075 2150 2225 2300 2375 2450 2525 2600 2675 Waktu (t, jam)
Gambar 6.9 Keandalan komponen balok boshing pada peralatan lori sebelum dan setelah dilakukan pemeliharaan pencegahan. Pada Gambar 6.9 terlihat bahwa kurva keandalan komponen balok boshing pada peralatan lori sebelum pemeliharaan pencegahan (R(t)) di bawah kurva
93 keandalan sesudah pemeliharaan pencegahan (R m (t)). Pemeliharaan balok boshing ini memberikan efek positif bagi keandalan komponen tersebut. Komponen v-belt pada peralatan sterilizer berdistribusi lognormal dengan parameter s = 0,0531 dan t med = 2289,0639. Kehandalan sebelum pemeliharaan pencegahan pada waktu t adalah
1 t ln R(t) = 1 − Φ 0,0531 2289,0639 Umur desain (desain life) pada tingkat keandalan 51% adalah t 0,97 = 2289,0639e 0,0531(−Φ
−1 (0,51))
= 2.286,02 jam
Pada tingkat keandalan 51% dilakukan pemeliharaan pencegahan pada komponen v-belt setiap 2.286,02 jam. Keandalan setelah pemeliharaan pencegahan pada waktu t adalah
1 2.286 R m (t) = 1 − Φ ln 0 , 0531 2289 , 0639
n
1 t − 2286n ln .1 − Φ 0 , 0531 2289 , 0639
Gambar 6.10 menggambarkan keandalan komponen v-belt pada peralatan sterilizer sebelum pemeliharaan pencegahan (R(t)) dan keandalan sesudah dilakukan pemeliharaan pencegahan (R m (t)). 1
Keandalan, R
0,8 0,6
R(t)
0,4
Rm(t)
0,2 0 1975 2050 2125 2200 2275 2350 2425 2500 2575 2650 Waktu (t, jam)
Gambar 6.10 Keandalan komponen v-belt pada peralatan sterilizer sebelum dan setelah dilakukan pemeliharaan pencegahan Pada Gambar 6.10 terlihat bahwa kurva keandalan komponen v-belt pada peralatan sterilizer sebelum pemeliharaan pencegahan (R(t)) di bawah kurva keandalan sesudah pemeliharaan pencegahan (R m (t)). Pemeliharaan v-belt ini memberikan efek positif bagi keandalan komponen tersebut.
94 Komponen v-belt pada peralatan separator berdistribusi lognormal dengan parameter s = 0,4077 dan t med = 1361,251. Keandalan sebelum pemeliharaan pencegahan pada waktu t adalah
1 t ln R(t) = 1 − Φ 0,4077 1361,251 Umur desain (desain life) pada tingkat keandalan 51% adalah t 0,97 = 1361,251e 0,4077(−Φ
−1 (0,51))
= 1.347,41 jam
Pada tingkat keandalan 51% dilakukan pemeliharaan pencegahan pada komponen v-belt setiap 1.347 jam. Keandalan setelah pemeliharaan pencegahan pada waktu t adalah
1 1347 R m (t) = 1 − Φ ln 0,4077 1361,251
n
1 t − 1347 n ln .1 − Φ 0,4077 1361,251
Gambar 6.11 menggambarkan keandalan komponen v-belt pada peralatan separator sebelum pemeliharaan pencegahan (R(t)) dan keandalan sesudah dilakukan pemeliharaan pencegahan (R m (t)). 1
Keandalan, R
0,8 0,6
R(t)
0,4
Rm(t)
0,2 0 0
500
1000
1500
2000
2500
Waktu (t, jam)
Gambar 6.11 Keandalan komponen v-belt pada peralatan separator sebelum dan setelah dilakukan pemeliharaan pencegahan Pada Gambar 6.11 terlihat bahwa kurva keandalan komponen v-belt pada peralatan separator sebelum pemeliharaan pencegahan (R(t)) di bawah kurva keandalan sesudah pemeliharaan pencegahan (R m (t)). Pemeliharaan v-belt ini memberikan efek positif bagi keandalan komponen tersebut. Penjadwalan pemeliharaan dengan menggunakan formulasi persamaan 5.11 diterapkan pada tabel 6.12. Hasil penjadwalan pemeliharaan untuk 30 komponen
95 dengan biaya yang optimal adalah pada tingkat kehandalan 51%, total biaya pemeliharaan pencegahan sebesar Rp 410.251.693 per tahun dapat menghemat biaya sebesar 17,5% dibandingkan tanpa dilakukan penjadwalan pemeliharaan. Waktu breakdown maintenance sebesar 2,2% dari waktu pemeliharaan pencegahan. Penjadwalan pemeliharaan pencegahan dapat meningkatkan kehandalan dari komponen tersebut. Komponen pertama worm lengthening pada peralatan press dijadwalkan melakukan pemeliharaan pencegahan setiap 1.153 jam, komponen kedua sproket gear RS80 pada boiler setiap 564 jam, komponen ketiga screw worm pada press setiap 988 jam, komponen keempat nozzle pn pada separator setiap 713 jam, komponen kelima screw pn pada separator setiap 452 jam, komponen keenam rantai RS80 pada boiler setiap 1.031 jam, komponen ketujuh baud coupling pada press setiap 1.456 jam, komponen kedelapan friction pad pada separator setiap 1.461 jam, komponen kesembilan roda lori + as pada lori setiap 996 jam, dan komponen kesepuluh balok boshing pada lori setiap 2.623 jam. Komponen
ke-11
v-belt
pada
sterilizer
dijadwalkan
melakukan
pemeliharaan pencegahan setiap 2.286 jam, komponen ke-12 bearing SKF pada separator setiap 2.430 jam, komponen ke13 v-belt pada separator setiap 1.347 jam, komponen ke-14 v-belt pada boiler setiap 1.625 jam, komponen ke-15 plat mild steel pada stasiun biji setiap 1.651 jam, komponen ke-16 kabel NYHY pada housting crane setiap 3.967 jam, komponen ke-17 seal vibro screen pada vibro screen setiap 2.989 jam, komponen ke-18 remising saringan vibro mess 30 pada vibro screen setiap 2.842 jam, komponen ke-19 mika film pada separator setiap 3.251 jam, dan komponen ke-20 bearing pada thresher drum setiap 2.947 jam. Komponen ke-21 v-belt pada thresher drum dijadwalkan melakukan pemeliharaan pencegahan setiap 1.530 jam, komponen ke-22 seal pintu pada sterilizer setiap 1.041 jam, komponen ke-23 l-boch pada sterilizer setiap 1.096 jam, komponen ke-24 as sentral FC60 pada stasiun biji setiap 1.596 jam, komponen ke-25 besi siku L pada boiler setiap 951 jam, komponen ke-26 adaptor pada stasiun biji setiap 909 jam, komponen ke-27 extension shaft pada screw press setiap 828 jam, komponen ke-28 kabel sling baja pada tracklier setiap 1.081
96 jam, komponen ke-29 bearing pada stasiun biji setiap 1.090 jam, dan komponen ke-30 v-belt pada stasiun biji setiap 547 jam.
6.7. Persediaan Suku Cadang Setelah penjadwalan pemeliharaan pencegahan komponen peralatan produksi ditentukan jadwal pemeliharaannya, maka langkah selanjutnya adalah merencanakan pengadaan persediaan suku cadang/komponen tersebut. Pengajuan pengadaan persediaan suku cadang diajukan untuk satu tahun dan pengajuan dana dari kantor pusat PTPN VIII dikeluarkan secara bertahap setiap tiga bulan sekali. Ekspektasi kebutuhan komponen diperlihatkan pada Tabel 6.13. No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
Tabel 6.13 Ekspektasi kebutuhan komponen Nama komponen T kp DT L DL (jam) (unit) (bulan) (unit) Worm lengthening, press 1.153 8 8 1 1 Sproket gear RS80, boiler 564 15 15 1 1 Screw worm, press 988 9 9 1 1 Nozzle pn, separator 713 12 12 1 1 Screw pn separator 452 18 18 1 1 Rantai RS80, boiler 1.031 8 8 1 1 Baud coupling, press 1.456 6 6 1 1 Friction pad separator 1.461 6 6 1 1 Roda lori +as 996 9 9 1 1 Balok boshing, lori 2.623 4 4 1 1 V-belt, sterilizer 2.286 4 4 1 1 Bearing SKF, separator 2.430 4 4 1 1 V-belt, separator 1.347 7 7 1 1 V-belt, boiler 1.625 5 5 1 1 Plat mild steel, stasiun biji 1.651 5 5 1 1 Kabel NYHY, housting crane 3.967 3 3 1 1 Seal vibro screen 2.989 3 3 1 1 Remising saringan vibro mess 30 2.842 3 3 1 1 Mika film, separator 3.251 3 3 1 1 Bearing, thresher drum 2.947 3 3 1 1 V-belt thresher drum 1.530 6 6 1 1 Seal pintu sterilizer 1.041 8 8 1 1 L-boch, sterilizer 1.096 8 8 1 1 As sentral FC60, stasiun biji 1.596 6 6 1 1 Besi siku L, boiler 951 9 9 1 1 Adaptor, stasiun biji 909 9 9 1 1 Extension shaft, press 828 10 10 1 1 Kabel sling baja, tracklier 1.081 8 8 1 1 Bearing, stasiun biji 1.090 8 8 1 1 V-belt, stasiun biji 547 15 15 1 1
97
Selang waktu perencanaan (T) untuk suku cadang adalah sama dengan interval waktu pemeliharaan pencegahan pada tingkat kehandalan 51%. Rata-rata permintaan selama perencanaan (DT) adalah frekuensi pemeriksaan setelah pemeliharaan pencegahan selama satu tahun yaitu 8088 jam. Selain rata-rata kebutuhan selama selang perencanaan (DT), dilakukan juga perhitungan rata-rata kebutuhan selama lead time (DL), di mana lamanya lead time (L) tersebut adalah selama satu bulan.
No
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
Tabel 6.14 Parameter biaya persediaan komponen Nama komponen Ongkos Ongkos Ongkos pemesanan penyimpanan kekurangan (Rp/pesan) (Rp/unit/tahun) persediaan (Rp/unit) Worm lengthening, press 800.000 2.000.000 1.600.000 Sproket gear RS80, boiler 10.000 25.000 20.000 Screw worm, press 1.500.000 3.750.000 3.000.000 Nozzle pn, separator 150.000 375.000 300.000 Screw pn separator 97.000 242.500 194.000 Rantai RS80, boiler 15.000 37.500 30.000 Baud coupling, press 25.000 62.500 50.000 Friction pad separator 25.000 62.500 50.000 Roda lori +as 45.000 112.500 90.000 Balok basing, lori 90.000 225.000 180.000 V-belt, sterilizer 6.750 16.875 13.500 Bearing SKF, separator 195.000 487.500 390.000 V-belt, separator 20.000 50.000 40.000 V-belt, boiler 375.000 937.500 750.000 Plat mild steel, stasiun biji 272.000 680.000 544.000 Kabel NYHY, housting crane 15.000 37.500 30.000 Seal vibro screen 42.500 106.250 85.000 Remising saringan vibro mess 30 28.400 71.000 56.800 Mika film, separator 9.200 23.000 18.400 Bearing, thresher drum 150.000 375.000 300.000 V-belt thresher drum 12.750 31.875 25.500 Seal pintu sterilizer 150.000 375.000 300.000 L-boch, sterilizer 85.000 212.500 170.000 As sentral FC60, stasiun biji 9.000 22.500 18.000 Besi siku L, boiler 20.000 50.000 40.000 Adaptor, stasiun biji 67.500 168.750 135.000 Extension shaft, press 540.000 1.350.000 1.080.000 Kabel sling baja, tracklier 4.750 11.875 9.500 Bearing, stasiun biji 219.500 548.750 439.000 V-belt, stasiun biji 9.500 23.750 19.000
98 Pada model persediaan, ongkos persediaan yang digunakan adalah ongkos pengadaan (Op), ongkos simpan (Os) dan ongkos kekurangan persediaan (Ok). Ongkos pengadaan yang dimaksudkan disini adalah biaya-biaya yang harus dikeluarkan perusahaan sehubungan dengan dilakukannya pemesanan barang (komponen) kepada pemasok yang meliputi ongkos pemesanan, ongkos pembuat perintah pembelian dan ongkos pengiriman barang. Dari informasi di Bagian Keuangan besarnya ongkos pemesanan adalah 10% dari harga komponen. Ongkos
simpan
adalah
ongkos-ongkos
yang
dikeluarkan
akibat
penyimpanan barang. Berdasarkan informasi yang didapat dari bagian keuangan besarnya ongkos penyimpanan suku cadang adalah 25% dari harga komponen itu sendiri. Ongkos kekurangan persediaan yaitu kerugian (biaya tambahan) yang dikeluarkan apabila harus melakukan pemesanan kembali (back order) suatu komponen yang tidak tersedia pada saat diminta oleh konsumen. Sesuai dengan konsensus perusahaan untuk mendapatkan availabilitas yang setinggi-tingginya yaitu untuk dapat memenuhi seluruh permintaan komponen yang datang, maka penanggulangan kekurangan persediaan dilakukan dengan kebijakan back order. Berdasarkan informasi yang didapat dari bagian keuangan besarnya ongkos kekurangan persediaan adalah 20% dari harga komponen. Sesuai dengan model persediaan yang dikembangkan pada penelitian ini yaitu metode Q (lot size reorder point), maka variabel keputusannya adalah jumlah pemesanan barang setiap kali pesan (Q*) dan titik pesan kembali (r*). Untuk masing-masing komponen selanjutnya akan dihitung persediaan optimal, dilakukan dengan iterasi pendekatan Hadley & Within. Dengan perhitungan tersebut akan diperoleh hasil berupa variabel keputusan persediaan (Q* dan r*) juga diketahui tingkat persediaan pengaman, ongkos optimal yang diperoleh seperti disajikan dalam Tabel 6.15.
99 Tabel 6.15 Jumlah pemesanan (Q*), reorder point (r*), dan safety stock (S) pada setiap komponen No Nama komponen Q* r* S Ongkos TK (unit) (unit) (unit) total (Rp) (%) 1 Worm lengthening, press 3 1 1 8.029.312 60,5 2 Sproket gear RS80, boiler 4 1 1 126.934 71,1 3 Screw worm, press 3 1 1 15.831.559 62,7 4 Nozzle pn, separator 4 1 1 1.744.443 67,7 5 Screw pn separator 4 1 1 1.330.151 73,6 6 Rantai RS80, boiler 3 1 1 150.550 60,5 7 Baud coupling, press 3 1 1 223.366 54,4 8 Friction pad separator 3 1 1 223.366 54,4 9 Roda lori +as 3 1 1 474.947 62,7 10 Balok boshing, lori 2 1 1 705.467 44,1 11 V-belt, sterilizer 2 1 1 52.910 44,1 12 Bearing SKF, separator 2 1 1 1.528.512 44,1 13 V-belt, separator 3 1 1 189.978 57,7 14 V-belt, boiler 2 1 1 3.281.250 50,0 15 Plat mild steel, stasiun biji 2 1 1 2.380.000 50,0 16 Kabel NYHY, housting crane 2 1 1 102.341 35,4 17 Seal vibro screen 2 1 1 289.967 35,4 18 Remising saringan vibro mess 30 2 1 1 193.766 35,4 19 Mika film, separator 2 1 1 62.769 35,4 20 Bearing, thresher drum 2 1 1 1.023.412 35,4 21 V-belt thresher drum 3 1 1 113.917 54,4 22 Seal pintu sterilizer 3 1 1 1.505.496 60,5 23 L-boch, sterilizer 3 1 1 853.114 60,5 24 As sentral FC60, stasiun biji 3 1 1 80.412 54,4 25 Besi siku L, boiler 3 1 1 211.087 62,7 26 Adaptor, stasiun biji 3 1 1 712.420 62,7 27 Extension shaft, press 3 1 1 5.970.495 64,6 28 Kabel sling baja, tracklier 3 1 1 47.674 60,5 29 Bearing, stasiun biji 3 1 1 2.203.042 60,5 30 V-belt, stasiun biji 4 1 1 120.587 71,1 Total 49.763.248 Contoh komponen as sentral FC60 : Ongkos pengadaan = A = Rp. 9.000,00 Ongkos simpan = IC = 25% dari harga komponen = Rp 22.500,00 Ongkos kekurangan persediaan = π = Rp. 18.000,00 Iterasi 1: 2 ADT 2(9000)(6) = = 2,1909 Q1 = IC 18000 ∞ ( DL) x exp(− DL) π Q1 = DT ∑ IC x! x = r
100 ∞ (1) x exp(−1) 18000 (7 ) ∑ 22500 x = r x! ∞ (1) x exp( −1) ∑ = 0,4564 x! x =r Dari tabel distribusi poisson didapatkan harga r* = 1
2,1909 =
Iterasi 2 : Q2 =
∞ ( DL) x exp(− DL) 2A 2π DT + DT ∑ ( x − r ) IC IC x ! x = r +1
2(9000) 2(18000) (6) + (6)(0,4564) 22500 22500 Q 2 = 3,0301 ∞ ( DL) x exp(− DL) π Q2 = DT ∑ IC x! x = r ∞ (1) x exp(−1) 18000 3,0301 = ( 6) ∑ 22500 x = r x! ∞ (1) x exp( −1) ∑ = 0,6313 x! x =r Dari tabel distribusi poisson didapatkan harga r* = 1 =
Iterasi 3 : Q3 =
∞ ( DL) x exp(− DL) 2A 2π DT + DT ∑ ( x − r ) IC IC x ! x = r +1
2(9000) 2(18000) (6) + (6)(0,6313) 22500 22500 Q 3 = 2,1909 ∞ ( DL) x exp(− DL) π Q3 = DT ∑ IC x! x = r =
∞ (1) x exp(−1) 18000 2,1909 = (6) ∑ 22500 x = r x! ∞ (1) x exp( −1) ∑ = 0,4564 x! x =r Dari tabel distribusi poisson didapatkan harga r* = 1 Jadi Q 3 = Q* = 2,1909 ≈ 3 dan r* = 1 Karena nilai r tidak berubah, maka iterasi tidak perlu diteruskan.
101 1 ∞ ( DL) x exp(− DL) (1) x exp( −1) S= r− ∑ = 1− ∑ = 0,5436 ≈ 1 x! x! x =0 x = r
r ( DL) x exp(− DL)
TK = 1 − ∑
1 (1)1 exp(−1)
= 1− ∑
= 0,5436 x! 1! x =0 Jadi TK = 0,5436 x 100% = 54,36% OT = ∞ ( DL) x exp(− DL) π ∞ ( DL) x exp(− DL) Q A DT + IC + r − ∑ x + DT ∑ ( x − r ) Q x! x! Q 2 x=r x = r +1 x =0
9000 3 18000 (6) + 22500 + 1 − 0,4564 + (7)(0,5436) 3 4 2 OT = Rp 80.412
OT =
6.8. Analisis Persediaan Suku Cadang Kondisi persediaan optimal ternyata tidak dapat memberikan service level komponen yang mencukupi, di mana batas minimal service level yang diharuskan oleh perusahaan adalah 85% (dapat dilihat pada Tabel 6.15). Ongkos persediaan optimal mengakibatkan tingkat ketersediaan berada di bawah standar service level yang ditetapkan oleh perusahaan. Total ongkos persediaan untuk ke-30 komponen adalah sebesar Rp 49.763.248 lebih kecil daripada total ongkos persediaan sebelum optimasi sebesar Rp 54.903.413.
6.9. Analisis Sensitivitas Setelah pemeliharaan pencegahan dijadwalkan kemudian biaya-biaya yang mempengaruhi total biaya pemeliharaan untuk 30 komponen dilakukan analisis sensitivitas. Analisis sensitivitas dilakukan berdasarkan parameter biaya operator menganggur, kehilangan produksi, dan komponen. Pada Gambar 6.12 menjelaskan kenaikan parameter biaya operator yang menganggur, kehilangan produksi, dan biaya komponen tidak mempengaruhi tingkat keandalan, yaitu tetap pada tingkat keandalan 51%.
102
100%
Keandalan, R
80%
Biaya kehilangan produksi
60%
Biaya operator
40% Biaya komponen 20% 0% 0%
20%
40%
60%
80%
100%
Kenaikan parameter biaya
Gambar 6.12 Kenaikan parameter biaya terhadap keandalan Pada Gambar 6.13 menggambarkan penurunan parameter biaya operator yang menganggur, biaya kehilangan produksi, dan biaya komponen tidak mempengaruhi tingkat keandalan, yaitu tetap pada tingkat keandalan 51%. 100%
Keandalan, R
80%
Biaya kehilangan produksi
60%
Biaya operator
40% Biaya komponen 20% 0% 0%
20%
40%
60%
80%
100%
Penurunan parameter biaya
Gambar 6.13 Penurunan parameter biaya terhadap keandalan
6.10. Validasi Validasi merupakan langkah penting dalam pemodelan. Tujuan dari validasi model adalah untuk mengukur sejauh mana hasil model mendekati kondisi sebenarnya. Semakin dekat hasil model dengan data lapangan, semakin valid model tersebut dalam menggambarkan kondisi lapangannya.
103 Validasi model dalam penelitian ini dengan menggunakan metode Chi Square, membandingkan waktu penjadwalan pemeliharaan ke-30 komponen hasil simulasi model dengan waktu pemeliharaan ke-30 komponen dari data lapangan. H 0 : terdapat hubungan yang signifikan antara waktu pemeliharaan dari lapangan dengan waktu pemeliharaan hasil model. H 1 : tidak terdapat hubungan yang signifikan antara waktu pemeliharaan dari lapangan dengan waktu pemeliharaan hasil model. α = 0,05
No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
Tabel 6.16 Validasi model Waktu Waktu pemeliharaan pemeliharaan hasil model, E i di lapangan, (jam) Nama komponen O i (jam) Worm lengthening, press 1.153 1176 Sproket gear RS80, boiler 564 552 Screw worm, press 988 984 Nozzle pn, separator 713 672 Screw pn separator 452 456 Rantai RS80, boiler 1.031 1008 Baud coupling, press 1.456 1512 Friction pad separator 1.461 1512 Roda lori +as 996 1008 Balok basing, lori 2.623 2616 V-belt, sterilizer 2.286 2352 Bearing SKF, separator 2.430 2352 V-belt, separator 1.347 1344 V-belt, boiler 1.625 1680 Plat mild steel, stasiun biji 1.651 1680 Kabel NYHY, housting crane 3.967 3864 Seal vibro screen 2.989 3024 Remising saringan vibro mess 30 2.842 2856 Mika film, separator 3.251 3192 Bearing, thresher drum 2.947 2952 V-belt thresher drum 1.530 1512 Seal pintu sterilizer 1.041 1008 L-boch, sterilizer 1.096 1056 As sentral FC60, stasiun biji 1.596 1512 Besi siku L, boiler 951 1008 Adaptor, stasiun biji 909 888 Extension shaft, press 828 840 Kabel sling baja, tracklier 1.081 1008 Bearing, stasiun biji 1.090 1056 V-belt, stasiun biji 547 504 Total
(O i E i )2/E i 2
0,46 0,26 0,02 2,36 0,04 0,51 2,15 1,78 0,14 0,02 1,91 2,50 0,01 1,86 0,51 2,67 0,41 0,07 1,07 0,01 0,21 1,05 1,46 4,42 3,42 0,49 0,17 4,93 1,06 3,38 39,34
104
30 waktu pemeliharaan di lapangan - waktu pemeliharaan hasil model 2
χ = ∑ i =1 2
waktu pemeliharaan hasil model
χ2 = 39,34
χ 02.05,29 = 42,6 χ2 < χ 02.05,29 39,34 < 42,6 Kesimpulan dari uji chi square adalah terdapat hubungan yang signifikan antara waktu pemeliharaan di lapangan dengan waktu pemeliharaan hasil dari model.
6.11. Verifikasi Verifikasi model dalam penelitian ini dengan langsung menanyakan ke PKS Kertajaya yaitu total biaya pemeliharaan selama satu tahun pada tahun 2010 adalah Rp 5.407.424.785 untuk semua suku cadang. Penghematan dalam model ini sebesar 17,5% dari total ekspektasi biaya pemeliharaan untuk 30 komponen. Ini yang membuat menarik bagi PKS Kertajaya dan sebagai masukan dalam perbaikan pemeliharaan peralatan di pabrik tersebut. Apalagi peralatan pabrik di PKS Kertajaya yang sudah tua, tetapi masih efisien dengan terbukti masih bisa dilakukan penghematan biaya pemeliharaan walaupun penghematan tersebut sedikit.
VII. SIMPULAN DAN SARAN
7.1. Simpulan Berdasarkan ukuran kinerja overall equipment effectiveness (OEE), nilai OEE per bulan selama tahun 2010 berkisar antara 36,87% - 77,67%, dengan ratarata sebesar 58,05%. Tingkat reliabilitas komponen mesin peralatan pada tahun 2010 berkisar 18,7% - 50,8%. Hasil dari kinerja OEE ini menunjukkan rendahnya kinerja sistem produksi di PKS Kertajaya sehingga perlu dilakukan penjadwalan pemeliharaan pada pabrik kelapa sawit. Hasil failure mode and effect analysis (FMEA) adalah rangking nilai RPN untuk 30 komponen yang akan dijadwalkan pemeliharaannya. Rangking nilai ini sebagai dasar untuk melakukan penjadwalan pemeliharaan peralatan produksi pabrik kelapa sawit. Berdasarkan data tahun 2010 terdapat 30 komponen atau suku cadang yang dipilih untuk dianalisis dengan menggunakan FMEA. Hasil analisis FMEA dan rangking nilai RPN memberikan urutan komponen untuk mendapatkan urutan prioritas jadwal pemeliharaan. Hasil penelitian ini menunjukkan perbedaan distribusi kerusakan untuk ke30 komponen, yaitu tiga komponen mengikuti distribusi Weibull, sepuluh komponen mengikuti distribusi Normal dan 17 komponen mengikuti distribusi Lognormal. Penelitian ini menghasilkan penjadwalan yang dapat membantu pengambilan keputusan pihak manajemen untuk menyusun rencana pemeliharaan peralatan produksi di pabrik kelapa sawit dan persediaan suku cadang sehingga biaya pemeliharaan menjadi optimal. Tingkat kehandalan optimum untuk ke-30 komponen secara agregat adalah sebesar 51% memberikan total biaya pemeliharaan pencegahan sebesar Rp.410.251.693 per tahun dengan penghematan sebesar 17,5% dibandingkan tanpa melakukan penjadwalan pemeliharaan. Waktu breakdown maintenance sebesar 3,2% dari waktu pemeliharaan pencegahan. Berdasarkan penjadwalan pemeliharaan pencegahan telah berhasil dikembangkan model untuk perencanaan kebutuhan suku cadang yang memberikan total biaya persediaan optimum yaitu sebesar Rp. 49.763.248.
106 Implementasi model persediaan tersebut dapat menghemat total biaya persediaan sebesar 9,4% dibandingkan total biaya sebelumnya.
7.2. Saran Saran tindak lanjut dari penelitian ini adalah perlu dilakukan penelitian lebih lanjut untuk mengevaluasi dampak dari penjadwalan pemeliharaan untuk sterilizer dengan model vertikal. Penelitian lebih lanjut perlu dilakukan untuk mengetahui keandalan sistem produksi dan jadwal pemeliharaan dengan memperkirakan adanya mesin cadangan. Pelatihan untuk teknisi dan operator perlu dilakukan untuk mempercepat reaksi yang dibutuhkan untuk tindakan pemeliharaan pencegahan. Pada PKS Kertajaya perlu dipertimbangkan untuk melakukan peremajaan mesin dan analisa biayanya terutama pada mesin produksi yang mempunyai indeks kinerja (OEE) di bawah 85%.
107
DAFTAR PUSTAKA Anvari F., Edwards R., Starr, A. 2010. Evaluation of Overall Equipment Effectiveness Based on Market. Journal of Quality in Maintenance Engineering 16.3:256-270. Ben-Daya M., Duffuaa S.O., Raouf A., Knezevic J., Ait-Kadi D. 2009. Handbook of Maintenance Management and Engineering. 1st Edition. Springer. Bertolini M., Bevilacqua M., Mason G. 2006. Reliability Design of Industrial Plants Using Petri Nets. Journal of Quality in Maintenance Engineering. Vol.12 No.4:397-411. Cassady C.R., Kutanoglu E. 2005. Integrating Preventive Maintenance Planning and Production Scheduling for a Single Machine. IEEE TRANSACTIONS ON RELIABILITY, Vol.54. No.2. Chakraborty T., Giri B.C., Chaudhuri K.S. 2008. Production Lot Sizing with Process Deterioration and Machine Breakdown. European Journal of Operational Research. 185:606-618. Corder A. 1998. Teknik Manajemen Pemeliharaan. Kusnul Hadi, penerjemah; Jakarta: Erlangga. Crespo M.A. 2007. The Maintenance Management Framework: Models and Methods for Complex Systems Maintenance. Springer Series in Reliability Engineering. Dale J. 2002. Principles of Controlled Maintenance Management. The Fairmont Press, Inc. [Deptan]. 2012. Luas Areal Kelapa Sawit Menurut Provinsi di Indonesia, 2008 – 2012. [internet]. Jakarta [ID]. [diunduh tanggal 18 Juli 2013]. Tersedia pada www.deptan.go.id/ Duffuaa S.O., Raouf A., Campbell J.D. 1999. Planning and Control of Maintenance Systems: Modeling and Analysis. John Wiley & Sons. Ebeling C.E. C. 1997. An Introduction to Reliability and Maintainability Engineering. Singapore: Mc.Graw Hill. Erlinda M., Fauzia D., Irwandi P. (2009). Pengukuran dan Analisis Nilai Overall Equipment Effectiveness (OEE) sebagai Dasar Perbaikan Sistem Manufaktur Pipa Baja. Seminar on Application and Research in Industrial Technology, SMART. Yogyakarta. Gharbi A., Kenne J P. 2005. Maintenance Scheduling and Production Control of Multiple Machine Manufacturing Systems. Computers and Industrial Engineering. 48:693-707. Gharbi A., Kenne J.P., Beit M. 2007, Optimal Safety Stock and Preventive Maintenance Periods in Unreliable Manufacturing Systems, Int. J. Production Economics. 107: 422-434. Ismail A.R., Ismail R., Zulkifli R., Makhtar N.K., Deros B.M. 2009. A Study on Implementation of Preventive Maintenance Programme at Malaysia Palm Oil Mill. European Journal of Scientific Research Vol.29 No.1:126-135. Jardine. 2001. Maintenance Excellence Optimizing Equipment Life Cycle Decisions. Marcel Dekker. Inc.
108 Jeong K.Y., Phillips D.T. 2001. Operational Efficiency and Effectiveness Measurement. International Journal of Operations & Production Management. 21.11:14404. [Kemenperin]. 2012. Peran Ekspor Kelompok Hasil Industri terhadap Total Ekspor Hasil Industri. [internet]. Jakarta [ID]. [ diunduh tanggal 18 Juli 2013]. Tersedia pada www.kemenperin.go.id/ Kenne J.P., Gharbi. A., Beit M. 2007. Age Dependent Production Planning and Maintenance Strategies in Unreliable Manufacturing Systems with Lost Sale. European Journal of Operation Research. 178: 408-420. Khanlari A., Mohammadi K., & Sohrabi B. 2008. Prioritizing Equipment for Preventive Maintenance (PM) Activities Using Fuzzy Rules. Computers & Industrial Engineering, 54: 169-184. Kurniawan A. 2006. Biaya Investasi Industri Kelapa Sawit. Potensi dan Peluang Investasi Industri Kelapa Sawit di Indonesia. Medan: Pusat Penelitian Kelapa Sawit. Machani M., Nourelafath M. 2010. A Genetic Algorithm for Integrated Production and Preventive Maintenance Planning in Multi State Systems. 8th International Conference of Modeling and Simulation-MOSIM’10. Manzini R., Regattieri A., Pham H., Ferrari E. 2010. Maintenance for Industrial Systems. Springer. 1st edition. Nababan C.H. 2009. Analisis Keandalan dan Penentuan Persediaan Optimal Komponen Sludge Separator di PT. Perkebunan Nusantara IV Unit Pabatu [skripsi]. Medan: Fakultas Teknik, Universitas Sumatra Utara. Naibaho P.M. 1996. Teknologi Pengolahan Kelapa Sawit. Medan: Pusat Penelitian Kelapa Sawit. Nakajima S. 1989. TPM Development Program Implementing Total Productive Maintenance. Cambridge: Productivity Press Inc. Nur B. Senator. 2006. Sistem Inventori. Bandung: ITB. Oke S. 2004. Maintenance Scheduling: Description, Status, and Future Directions. South African Journal of Industrial Engineering. Vol 15 no.1:101-17 Oke S A., Charles-Owaba, O E. 2006. An Approach for Evaluating Preventive Maintenance Scheduling Cost. The International Journal of Quality & Reliability Management. 23.7:847 Pahan I. 2008. Panduan Lengkap Kelapa Sawit. Cet.5. Jakarta: Penebar Swadaya. Pradip K.S. 2008. Manufacturing and Operation Management. Nirali Prakashan. Purnomo A. 2010. Perencanaan Inventory Model Probabilistic Q Kasus Lost Sales di Supermarket “H” Bandung. Prosiding Seminar Nasional IV Manajemen dan Rekayasa Kualitas. Sachdeva A., Kumar D., Kumar P. 2008. Planning and Optimizing the Maintenance of Paper Production Systems in a Paper Plant. Computer & Industrial Engineering, 55: 817-829. Sami El-Ferik. 2008. Economic Production Lot Sizing for an Unreliable Machine under Imperfect Age Based Maintenance Policy. European Journal of Operation Research. 186: 150-163. Sharma R.K., Kumar D. and Kumar P. 2005. Systematic Failure Mode and Effect Analysis (FMEA) Using Fuzzy Linguistic Modeling. International Journal of Quality & Reliability Management. Vol.22, No.9: 886-1004.
109 Sharma R.K., Sharma P. 2010. System Failure Behavior and Maintenance Decision Making Using, RCA, FMEA and FM. Journal of Quality in Maintenance Engineering, 16.1:64-88 Shyjith K., Ilangkumaran K., Kumanan S. 2008. Multi Criteria Decision Making Approach to Evaluate Optimum Maintenance Strategy in Textile Industry. Journal of Quality in Maintenance Engineering, Vol.14 No.4:375-386. Sortrakul N., Cassady C.R. 2007. Genetic Algorithms for Total Weighted Expected Tardiness Integrated Preventive Maintenance Planning and Production Scheduling for a Single Machine. Journal of Quality in Maintenance Engineering. Vol.13, Iss.1:49 Tersine R.J. 1988. Principles of Inventory and Management. New York: Elsevier Publishing Co. Thomas B.F. 2009. Buku Panduan Pabrik Kelapa Sawit Skala Kecil untuk Produksi Bahan Bakar Nabati (BBN). Development Alternatives. USAID. Zafiropoulos E.P., Dialynas E.N. 2005. Reliability Prediction and Failure Mode Effects and Criticality Analysis (FMECA) of Electronic Devices Using Fuzzy Logic. The International Journal of Quality & Reliability Management. Vol.22, Iss.2/3: 183-201. Zandieh S., Tabatabaei S.A.N., Ghandehary M., 2012, Evaluation of Overall Equipment Effectiveness in a Continuous Process Production System of Condensate Stabilization Plant in Assalooyeh. Interdisciplinary Journal of Contemporary Research In Business. 3.10:590-598.
110 Lampiran 1 Contoh perhitungan mean time to repair (MTTR) dan mean time to failure (MTTF) 1.
Data time to repair (TTR) dan time to failure (TTF) komponen seal pintu sterilizer Seal pintu sterilizer merupakan salah satu komponen penting dari strerilizer. Data time to repair (TTR) dan time to failure (TTR) untuk komponen seal pintu sterilizer dapat dilihat pada tabel berikut.
Tabel 1 Data time to repair dan time to failure komponen seal pintu sterilizer No Tanggal Waktu Waktu selesai TTR, t i , TTF (jam) mulai rusak diperbaiki (jam) 1 30 Jan 2010 17:46 22:37 3,367 2 30 Mar 2010 7:35 12:26 3,483 406,117 3 14 Mei 2010 9:01 12:30 3,63 688,667 4 31 Mei 2010 10:37 14:15 4,85 1076,583 5 29 Juni 2010 6:55 10:17 4,867 1400,967 6 27 Sept 2010 7:16 12:54 5,63 2156,983
A. Menghitung MTTF komponen seal pintu sterilizer a.
Distribusi weibull
Tabel 2 Perhitungan index of fit berdasarkan distribusi weibull data waktu TTF pada komponen seal pintu sterilizer i xi = ti F(t i ) yi xi2 xiyi (y i -a(y i bx i )2 y)2 1 406,117 0,130 0,139 164930,7 56,384 -0,120 0,552 2 688,667 0,315 0,378 474261,8 260,361 -0,119 0,254 3 1076,583 0,5 0,693 1159032 746,231 -0,130 0,036 4 1400,967 0,685 1,156 1962708 1619,196 0,059 0,075 5 2156,983 0,870 2,043 4652577 4406,876 0,309 1,349 Total 5729,317 2,5 4,409 8413509 7089,049 -7,8E-16 2,265 F(t i ) = (i-0,3)/(n+ 0,4) yi = ln[1/(1-F(t i ))] Nilai index of fit :
r weibull =
n n n n ∑ xi z i − ( ∑ xi ) ∑ z i i =1 i =1 i =1 2 2 n n n n n∑ x 2 − ∑ x n ∑ z 2 − ∑ z i i i i i =1 i =1 i =1 i
= 0,9976
111 b. Distribusi normal Tabel 3 Perhitungan index of fit berdasarkan distribusi normal data waktu TTF pada komponen seal pintu sterilizer i ti = xi F(t i ) zi = yi xi2 xiyi yi2 1 406,1167 0,1296 -1,1281 164930,7 -458,158 1,2727 2 688,67 0,3148 -0,4822 474261,8 -332,108 0,2326 3 1076,5833 0,5 -1,4E-16 1159032 -1,5E-13 1,94E-32 4 1400,9667 0,6852 0,4822 1962708 675,6137 0,2326 5 2156,9833 0,8704 1,1281 4652577 2433,387 1,2727 Total 5729,3167 2,5 0 8413509 2318,735 3,0105 F(t i )=(i-0,3)/(n+0,4) y i = z i = Φ-1[F(t i )] → diperoleh dari tabel Φ(z) (tabel distribusi normal) Nilai index of fit :
r normal
=
n n n n ∑ xi z i − ( ∑ xi ) ∑ z i i =1 i =1 i =1 2
n n n n n∑ x 2 − ∑ x n ∑ z 2 − ∑ z i i i i 1 1 1 i i = i = i = 2
=
0,9829
c. Distribusi lognormal Tabel 4 Perhitungan index of fit berdasarkan distribusi lognormal data waktu TTF pada komponen seal pintu sterilizer i ti F(t i ) zi x i = ln xi2 yi2 xiyi ti 1 406,1167 0,1296 -1,1281 6,0066 36,080 1,2727 -6,7764 2 688,67 0,3148 -0,4822 6,5348 42,703 0,2326 -3,1514 3 1076,5833 0,5 -1,4E-16 6,9815 48,742 1,9E-32 -9,7E-16 4 1400,9667 0,6852 0,4822 7,2449 52,489 0,2326 3,4938 5 2156,9833 0,8704 1,1281 7,6765 58,928 1,2727 8,6602 Total 5729,3167 2,5 0 34,4443 238,942 3,0105 2,2263 F(t i )=(i-0,3)/(n+0,4) y i = z i = Φ-1[F(t i )] → diperoleh dari tabel Φ(z) Nilai index of fit :
r lognormal =
n n n n ∑ xi z i − ( ∑ xi ) ∑ z i i =1 i =1 i =1 2 2 n n n n n∑ x 2 − ∑ x n ∑ z 2 − ∑ z i i i i i =1 i =1 i =1 i
= 0,9961
112 d.
Distribusi eksponensial
Tabel 5 Perhitungan index of fit berdasarkan distribusi eksponensial data waktu TTF pada komponen seal pintu sterilizer i
xi = t i
F(t i )
1 2 3 4 5 Total
406,117 688,667 1076,583 1400,967 2156,983 5729,3167
0,1296 0,3148 0,5 0,6852 0,8704 2,5
F(t i )=(i-0,3)/(n+0,4)
xi2
yi
xiyi
(y i -abx i )2
(y i -y)2
0,1388 164930,7 56,3838 0,0143 0,5520 0,3781 474261,8 260,3615 0,0140 0,2537 0,6931 1159032 746,2307 0,0170 0,0356 1,1558 1962708 1619,196 0,0035 0,0751 2,0431 4652577 4406,876 0,0957 1,3486 4,4089 8413509 7089,049 0,1445 2,2649 n x y ∑ i =1 i i = y i = ln[1/(1-F(t i ))] b = n ∑i =1 xi2
0,000843
∑ xi x = i =1 = 1145,863
∑ yi y = i =1 =0,8818
n
n
n
r eksponensial =
n
∑ in=1 ( yi − aˆ − bˆxi ) 2 ∑ in=1 ( yi − y ) 2
aˆ = y − bx = -0,0837
= 0,2526
Berikut ini adalah ringkasan nilai index of fit (r) hasil ke-4 distribusi di atas: r weibull = 0,9976 (paling besar)
r lognormal = 0,9961
r normal = 0,9829
r eksponensial = 0,2526
Berdasarkan hasil ringkasan di atas, terlihat bahwa nilai index of fit (r) yang terbesar adalah dengan menggunakan distribusi weibull, maka parameter yang digunakan β dan θ.
∑ yi y = i =1 = -0,4909
∑ xi x = i =1 = 6,8889
n
n
n
n
∑ xi yi − x ∑ i =1 yi =1,6070 βˆ = bˆ = i =1 n x 2 − nx 2 ∑ i =1 i n
ˆ θˆ = e − a / β = 1331,86
n
aˆ = y − bx = -11,5613
Karena nilai index of fit yang terbesar terdapat pada distribusi weibull, maka pengujian yang dilakukan dengan menggunakan Mann’s test. H 0 : Data waktu TTF seal pintu sterilizer berdistribusi weibull H 1 : Data waktu TTF seal pintu sterilizer tidak berdistribusi weibull α = 0,05
113
Tabel 6 Uji kesesuaian distribusi weibull data waktu TTF pada komponen seal pintu sterilizer ti ln t i Zi Mi ln t i+1 – ln (ln t i+1 – ln i ti t i )/M i 1 406,1167 6,0066 -2,3018 1,2125 0,5281 0,4356 2 688,67 6,5348 -1,0892 0,6533 0,4468 0,6839 3 1076,5833 6,9815 -0,4360 0,5300 0,2634 0,4969 4 1400,9667 7,2449 0,0940 0,5717 0,4315 0,7549 5 2156,9833 7,6765 0,6657 1,3343 i − 0,5 r Z i = ln − ln1 − M i = Z i+1 – Z i k1 = = 2 k2 = 2 n + 0,25 r − 1 2 =2 k1 ∑ r −1
M=
[(ln t i +1 − ln t i ) / M i ] i = k1 +1 2(1,2518) = = 1,1181 2(1,1195) k 2 ∑ ik=11[(ln t i +1 − ln t i ) / M i ]
M 0.05,4,4 = 6,3882
(M tabel → lihat tabel distribusi F). Dari hasil perhitungan
terlihat bahwa M hitung < M tabel 1,1181 < 6,3882, sehingga tolah H 1 dan terima H 0 Kesimpulannya data waktu TTF pada komponen seal pintu sterilizer berdistribusi weibull dengan parameter β = 1,6070 dan θ = 1331,864. 1 1 MTTF = θΓ1 + = 1331,864Γ1 + = 1331,864Γ(1,62 ) 1,6070 β = 1331,864(0,8959) → diperoleh dari tabel fungsi gamma MTTF = 1193,2434 jam
B. Menghitung MTTR komponen seal pintu sterilizer a.
Distribusi weibull
Tabel 7 Perhitungan index of fit berdasarkan distribusi weibull data waktu TTR pada komponen seal pintu sterilizer i ti F(t i ) yi x i = ln t i xi2 xiyi yi2 1 3,367 0,1094 -2,1556 1,2139 1,4736 -2,6168 4,6467 2 3,483 0,2656 -1,1753 1,2480 1,5575 -1,4667 1,3813 3 3,63 0,4219 -0,6015 1,2902 1,6645 -0,7761 0,3619 4 4,85 0,5781 -0,1473 1,5790 2,4932 -0,2326 0,0217 5 4,867 0,7344 0,2819 1,5824 2,5040 0,4461 0,0795
114 6 Total
5,63 0,8906 25,833 3,000 Nilai index of fit :
0,7943 -3,003
1,7287 8,642
2,9884 12,681
1,3732 -3,273
0,6310 7,122
r weibull = 0,9198 b.
Distribusi eksponensial
Tabel 8 Perhitungan index of fit berdasarkan distribusi eksponensial data waktu TTR pada komponen seal pintu sterilizer i xi = ti F(t i ) yi xi2 xiyi (y i -a(y i -y)2 2 bx i ) 1 3,367 0,1094 0,1158 11,334 0,3900 0,3183 0,6082 2 3,483 0,2656 0,3087 12,134 1,0754 0,1585 0,3445 3 3,63 0,4219 0,5480 13,201 1,9909 0,0374 0,1209 4 4,85 0,5781 0,8630 23,523 4,1858 0,0249 0,0011 5 4,867 0,7344 1,3257 23,684 6,4516 0,0906 0,1849 6 5,63 0,8906 2,2130 31,734 12,4664 1,0246 1,7352 Total 25,833 3,000 5,374 115,611 26,560 1,654 2,995 n n n xi y xi yi ∑ ∑ ∑ = 1 =1 i =0,8957 i i i 1 = b= = 0,2297 = 4,3056 x= y= n n n ∑i =1 xi2 aˆ = y − bx = -0,0934
r eksponensial = 0,7432
c. Distribusi normal Tabel 9 Perhitungan index of fit berdasarkan distribusi waktu TTR pada komponen seal pintu sterilizer i ti = xi F(t i ) zi = yi xi2 xiyi 1 3,367 0,1094 -1,2299 11,334 -4,1405 2 3,483 0,2656 -0,6261 12,134 -2,1809 3 3,63 0,4219 -0,1971 13,201 -0,7161 4 4,85 0,5781 0,1971 23,523 0,9559 5 4,867 0,7344 0,6261 23,684 3,0470 6 5,63 0,8906 1,2299 31,734 6,9282 Total 25,833 3,000 0,000 115,611 3,894 -1 yi = z i = Φ [F(t i )] → diperoleh dari tabel Φ(z)
normal data yi2 1,5126 0,392 0,0388 0,0388 0,392 1,5126 3,887
Nilai index of fit : r normal = 0,9433 d.
Distribusi lognormal
Tabel 10 Perhitungan index of fit berdasarkan distribusi lognormal data waktu TTR pada komponen seal pintu sterilizer i ti F(t i ) zi x i = ln t i xi2 yi2 xiyi 1 3,367 0,1094 -1,2299 1,2139 1,4736 1,5126 -1,4930 2 3,483 0,2656 -0,6261 1,2480 1,5575 0,392 -0,7814
115 3 4 5 6 Total
3,63 0,4219 -0,1971 1,2902 1,6645 4,85 0,5781 0,1971 1,5790 2,4932 4,867 0,7344 0,6261 1,5824 2,5040 5,63 0,8906 1,2299 1,7287 2,9884 25,833 3,000 0,000 8,642 12,681 yi = z i = Φ-1[F(t i )] → diperoleh dari tabel Φ(z)
0,0388 -0,2543 0,0388 0,3112 0,392 0,9907 1,5126 2,1261 3,887 0,899
Nilai index of fit : r lognormal = 0,9444 Berikut ini adalah ringkasan nilai index of fit (r) hasil ke-4 distribusi di atas: r weibull = 0,9198
r lognormal = 0,9444 (paling besar)
r normal = 0,9433
r eksponensial = 0,7432
Karena nilai index of fit yang terbesar terdapat pada distribusi lognormal, maka pengujian yang dilakukan dengan menggunakan Kolmogorov Smirnov test. Selang kepercayaan adalah 95% sehingga α = 0,05 H 0 : Data waktu TTR seal pintu sterilizer berdistribusi lognormal H 1 : Data waktu TTR seal pintu sterilizer tidak berdistribusi lognormal Tabel 11 Uji kesesuaian distribusi lognormal data waktu TTR pada komponen seal pintu sterilizer i t i ln t i ln t i /n (ln t i (i- i/n cumulative D 1 (i) D 2 (i) 2 1)/n probability µ) 1 3,367 1,21 0,20 0,05 0 0,17 0,125 0,125 0,041 2 3,483 1,25 0,21 0,04 0,17 0,33 0,165 -0,002 0,169 3 3,63 1,29 0,21 0,02 0,33 0,5 0,223 -0,110 0,277 4 4,85 1,58 0,26 0,02 0,5 0,67 0,759 0,259 -0,092 5 4,867 1,58 0,26 0,02 0,67 0,83 0,764 0,098 0,069 6 5,63 1,73 0,29 0,08 0,83 1 0,928 0,095 0,072 Total 25,83 8,64 1,44 0,23 n ln t 1 t µˆ = ∑ i cumulative probability = φ ln s t med i =1 n 1 t D 1 = max φ ln 1≤ i ≤ n s t med
i − 1 − = 0,2589 n
tˆ med = e µˆ = 4,2222
116 i 1 t D 2 = max − φ ln 1≤ i ≤ n s t med n
= 0,2769
sˆ =
∑ in=1 (lnt i − µˆ ) 2 n
= 0,1972
Kolmogorov Smirnov test stat = max{D 1 ,D 2 }= max{0,2589, 0,2769}=0,2769 D crit = 0,319 (diperoleh dari tabel nilai kritis untuk uji Kolmogorov Smirnov pada lampiran) Dari hasil perhitungan terlihat bahwa: D hitung < D tabel 0,2769 < 0,319, maka tolak H 1 dan terima H 0 . Kesimpulannya data waktu TTR pada komponen seal pintu sterilizer berdistribusi lognormal dengan parameter t med = 4,2222 dan s = 0,1972 2 MTTR = t med e s / 2 = 4,3051 jam
2. Data time to repair (TTR) dan time to failure (TTF) komponen v-belt pada peralatan boiler V-belt merupakan salah satu komponen penting dari boiler. Data time to repair (TTR) dan time to failure (TTR) untuk komponen v-belt dapat dilihat pada tabel berikut.
Tabel 12 Data time to repair dan time to failure komponen v-belt No Tanggal Waktu Waktu selesai TTR (jam) TTF (jam) mulai rusak diperbaiki 1 26 Peb 2010 15:41 17:27 1,767 2 28 Mar 2010 11:00 15:48 713,55 4,8 3 28 Agus 2010 7:44 21:54 3663,933 14,167 4 28 Okt 2010 13:42 21:31 1459,8 7,8167 5 27 Nop 2010 15:04 00:53 713,55 9,8167
A. Menghitung MTTF komponen v-belt boiler a. Distribusi eksponensial Tabel 13 Perhitungan index of fit berdasarkan distribusi eksponensial data waktu TTF pada komponen v-belt boiler i xi = ti F(t i ) yi xi2 xiyi (y i -a(y i -y)2 2 bx i ) 1 713,55 0,159 0,173 509153,603 123,638 0,0442 0,4753 2 713,55 0,386 0,488 509153,603 348,4641 0,0110 0,1402 3 1459,8 0,614 0,951 2131016,04 1388,235 0,0326 0,0078
117 4 3663,933 0,841 1,838 13424407,5 6735,333 Total 6550,833 2 3,451 16573730,7 8595,671 n y ∑ in=1 xi ∑ =1 i = 0,8627 i = 1637,7083 y= x= n n b = 0,0005
0,0057 0,9517 0,0934 1,5750 aˆ = y − bx = 0,0134
r eksponensial = 0,2436
b. Distribusi weibull Tabel 14 Perhitungan index of fit berdasarkan distribusi weibull data waktu TTF pada komponen v-belt boiler i ti F(t i ) yi x i = ln t i xi2 xiyi yi2 1 713,55 0,1591 -1,7529 6,5703 43,1682 -11,5170 3,0726 2 713,55 0,3864 -0,7167 6,5703 43,1682 -4,7090 0,5137 3 1459,8 0,6136 -0,0503 7,2861 53,0866 -0,3662 0,0025 4 3663,933 0,8409 0,6088 8,2063 67,3432 4,9962 0,3707 Total 6550,833 2 -1,9110 28,6329 206,7663 -11,5960 3,9595 Nilai index of fit : r weibull = 0,8883 c. Distribusi normal Tabel 15 Perhitungan index of fit berdasarkan distribusi normal data waktu TTF pada komponen v-belt boiler i ti = xi F(t i ) zi = yi xi2 xiyi yi2 1 713,55 0,1591 -0,9982 509153,603 -712,266 0,9964 2 713,55 0,3864 -0,2888 509153,603 -206,08 0,0834 3 1459,8 0,6136 0,2888 2131016,04 421,6039 0,0834 4 3663,933 0,8409 0,9982 13424407,5 3657,343 0,9964 Total 6550,833 2 -8,882E-16 16573730,7 3160,6 2,1596 Nilai index of fit : r normal = 0,8896 d. Distribusi lognormal Tabel 16 Perhitungan index of fit berdasarkan distribusi lognormal data waktu TTF pada komponen v-belt boiler i ti F(t i ) zi x i = ln t i xi2 yi2 xiyi 1 713,55 0,1591 -0,9982 6,5703 43,1682 0,9964 -6,5584 2 713,55 0,3864 -0,2888 6,5703 43,1682 0,0834 -1,8976 3 1459,8 0,6136 0,2888 7,2861 53,0866 0,0834 2,1043 4 3663,933 0,8409 0,9982 8,2063 67,3432 0,9964 8,1915 Total 6550,833 2 -8,88E-16 28,6329 206,7663 2,1596 1,8398 Nilai index of fit : r lognormal = 0,9315 Berikut ini adalah ringkasan nilai index of fit (r) hasil ke-4 distribusi di atas: r weibull = 0,8883
r lognormal = 0,9315 (paling besar)
r normal = 0,8896
r eksponensial = 0,2436
118 Karena nilai index of fit yang terbesar terdapat pada distribusi lognormal, maka pengujian yang dilakukan dengan menggunakan Kolmogorov Smirnov test. Selang kepercayaan adalah 95% sehingga α = 0,05 H 0 : Data waktu TTF v-belt boiler berdistribusi lognormal H 1 : Data waktu TTF v-belt boiler tidak berdistribusi lognormal Tabel 17 Uji kesesuaian distribusi lognormal data waktu TTF pada komponen v-belt boiler i ti ln t i ln t i /n (ln t i - (i- i/n cumulative D 1 (i) D 2 (i 2 1)/n probability ) µ) 1 713,55 6,57 1,64 0,346 0 0,25 0,1908 0,19 0,06 2 713,55 6,57 1,64 0,346 0,25 0,5 0,1908 -0,06 0,31 3 1459,8 7,29 1,82 0,016 0,5 0,75 0,5754 0,07 0,17 4 3663,93 8,21 2,05 1,098 0,75 1 0,9406 0,19 0,06 Total 6550,83 28,63 7,16 1,806 D 1 = 0,19
D 2 = 0,31 tˆ med = e µˆ = 1284,6134 sˆ =
∑ in=1 (lnt i − µˆ ) 2 n
= 0,6720
Kolmogorov Smirnov test stat = max{D 1 ,D 2 }= max{0,19, 0,31}= 0,3092. D crit = 0,381 (diperoleh dari tabel nilai kritis untuk uji Kolmogorov Smirnov pada lampiran). Dari hasil perhitungan terlihat bahwa: D hitung < D tabel 0,31 < 0,381, maka tolak H 1 dan terima H 0 . Kesimpulannya data waktu TTF pada komponen v-belt boiler berdistribusi lognormal dengan parameter t med = 1284,6134 dan s = 0,6720 2 MTTF = t med e s / 2 = 1609,9996
B. Menghitung MTTR komponen v-belt boiler a. Distribusi eksponensial Tabel 18 Perhitungan index of fit berdasarkan distribusi eksponensial TTR pada komponen v-belt boiler i xi = ti F(t i ) yi xi2 xiyi (y i -a-bx i )2 1 1,767 0,1296 0,1388 3,121 0,2453 0,0001 2 4,8 0,3148 0,3781 23,040 1,8147 0,0215 3 7,8167 0,5 0,6931 61,100 5,4181 0,0426 4 9,8167 0,6852 1,1558 96,367 11,3458 0,0001 5 14,167 0,8704 2,0431 200,694 28,9435 0,1255 Total 38,367 2,500 4,409 384,323 47,767 0,190
data waktu (y i -y)2 0,5520 0,2537 0,0356 0,0751 1,3486 2,265
119
x=
∑ in=1 xi n
b = 0,1243
∑ yi y = i =1 = 0,8818 n
= 7,6733
n
aˆ = y − bx = -0,0719
r eksponensial = 0,2894
b. Distribusi weibull Tabel 19 Perhitungan index of fit berdasarkan distribusi weibull data waktu TTR pada komponen v-belt boiler i ti F(t i ) yi x i = ln t i xi2 xiyi yi2 1 1,767 0,1296 -1,9745 0,5691 0,3239 -1,1237 3,8985 2 4,8 0,3148 -0,9727 1,5686 2,4606 -1,5258 0,9461 3 7,8167 0,5 -0,3665 2,0563 4,2282 -0,7536 0,1343 4 9,8167 0,6852 0,1448 2,2841 5,2170 0,3307 0,0210 5 14,167 0,8704 0,7145 2,6509 7,0272 1,8939 0,5104 Tot al 38,367 2,500 -2,454 9,129 19,257 -1,178 5,510 Nilai index of fit : r weibull = 0,9892 c. Distribusi lognormal Tabel 20 Perhitungan index of fit berdasarkan distribusi lognormal data waktu TTR pada komponen v-belt boiler i ti F(t i ) zi x i = ln t i xi2 yi2 xiyi 1 1,767 0,130 -1,128 0,569 0,324 1,273 -0,642 2 4,8 0,315 -0,482 1,569 2,461 0,233 -0,756 3 7,817 0,5 -1,39E-16 2,056 4,228 1,94E-32 -2,9E-16 4 9,817 0,685 0,482 2,284 5,217 0,233 1,101 5 14,167 0,870 1,128 2,651 7,027 1,273 2,991 Tot al 38,367 2,500 0,000 9,129 19,257 3,011 2,694 Nilai index of fit : r lognormal = 0,9647 d. Distribusi normal Tabel 21 Perhitungan index of fit berdasarkan distribusi normal data waktu TTR pada komponen v-belt boiler i ti = xi F(t i )=(izi = yi xi2 xiyi yi2 0,3)/(n+0,4) 1 1,767 0,1296 -1,1281 3,121 -1,9931 1,2727 2 4,8 0,3148 -0,4822 23,040 -2,3148 0,2326
120 3 4 5 Total
7,8167 0,5 0,0000 61,100 9,8167 0,6852 0,4822 96,367 14,167 0,8704 1,1281 200,694 38,367 2,500 0,000 384,323 Nilai index of fit : r normal = 0,9973
-1,1E-15 4,7341 15,9820 16,408
1,938E-32 0,2326 1,2727 3,011
Berikut ini adalah ringkasan nilai index of fit (r) hasil ke-4 distribusi di atas: r weibull = 0,9892
r lognormal = 0,9647
r normal = 0,9973 (paling besar)
r eksponensial = 0,2894
Karena nilai index of fit yang terbesar terdapat pada distribusi normal, maka pengujian yang dilakukan dengan menggunakan Kolmogorov Smirnov test. Selang kepercayaan adalah 95% sehingga α = 0,05 H 0 : Data waktu TTR v-belt boiler berdistribusi normal H 1 : Data waktu TTR v-belt boiler tidak berdistribusi normal Tabel 22 Uji kesesuaian distribusi normal boiler i ti t i /n (t i (itbar)2 1)/n 1 1,767 0,3533 34,8887 0 2 4,8 0,96 8,2560 0,25 3 7,8167 1,5633 0,0205 0,5 4 9,8167 1,9633 4,5939 0,75 5 14,167 2,8333 42,1634 1 Total 38,367 7,673 89,923
data waktu TTR pada komponen v-belt i/n 0,25 0,5 0,75 1 1,25
cumulative D 1 (i) probability 0,1064 0,1064 0,2723 0,0223 0,5121 0,0121 0,6744 -0,0756 0,9146 -0,0854
∑ x = 7,6733 σ = D 1 = 0,1604 D 2 = 0,3354 µ = n
D 2 (i) 0,1436 0,2277 0,2379 0,3256 0,3354
∑ ( x − µ ) 2 = 5,4803 n −1
Kolmogorov Smirnov test stat = max{D 1 ,D 2 }= max{0,1604, 0,3354}= 0,3354 D crit = 0,337 (diperoleh dari tabel nilai kritis untuk uji Kolmogorov Smirnov pada lampiran). Dari hasil perhitungan terlihat bahwa: D hitung < D tabel 0,3354 < 0,337, maka tolak H 1 dan terima H 0 . Kesimpulannya data waktu TTR pada komponen v-belt boiler berdistribusi lognormal dengan parameter µ = 7,6733 dan σ = 5,4833 MTTR = µ = 7,6733
121
Lampiran 2 Struktur organisasi bagian teknik
Mdr albert
Mdr teknik bangunan
Sumber : PKS KERTAJAYA,2010
• Pemeliharaan jalan & saluran air • PML emplasement • Air domestik
Mdr tek emplasement
Mbs teknik sipil
•Karu Opr wealoader • Tukang •Peng mobil bangunan kecil • P bang perus •Pengemudi truck •Peng cadangan •Kernet •Pengemudi jeepiong •Bengkel/ montir
Mdr pool kendaraan
Mbs kendaraan
• Bengkel pabrik • Water treatment • IPAL
Mdr bkl pabrik
Mdr rep pabrik tengah
Mbs pabrikasi
• St. housting • St. loading crane, press ramp & • St klarifikasi rebusan • St bengkel lori
Mdr rep pabrik dpn
Asisten kepala teknik
Kepala teknik
Struktur Organisasi Bagian Teknik
Mdr inst listr •Inst • St power listrik • St pabrik house •Gul biji • St oli elmot • St boiler men • Cek list ruang mesin
Mdr rep Mdr PH pabrik bkl & oli men
Pem JTU
JTU kepala
122
Lampiran 3 Program MTTR dan MTTF dengan menggunakan macro MS excel
123 Sub InputDataTTF() ' ' InputDataTTF Macro ' Memasukkan data komponen untuk TTF dan TTR ' ' Keyboard Shortcut: Ctrl+Shift+A ' ActiveCell.FormulaR1C1 = "Peralatan :" ActiveCell.Offset(1, 0).Range("A1").Select ActiveCell.FormulaR1C1 = "Komponen :" ActiveCell.Offset(1, 0).Range("A1").Select ActiveCell.FormulaR1C1 = "Buatan :" ActiveCell.Offset(1, 0).Range("A1").Select ActiveCell.FormulaR1C1 = "Pabrik :" ActiveCell.Offset(1, 0).Range("A1").Select ActiveCell.FormulaR1C1 = "Tempat :" ActiveCell.Offset(2, 0).Range("A1").Select ActiveCell.FormulaR1C1 = "Tanggal" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "Mulai" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "Selesai" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "TTF (jam)" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "TTR (jam)" ActiveCell.Offset(-6, -4).Range("A1").Select End Sub Sub TabelIndexOfFit() ' ' TabelIndexOfFit Macro ' Tabel index of fit test dan goodness of fit test ' ' Keyboard Shortcut: Ctrl+Shift+B ' ActiveCell.FormulaR1C1 = "n =" ActiveCell.Offset(1, 0).Range("A1").Select ActiveCell.FormulaR1C1 = _ "Perhitungan index of fit (r) distribusi eksponensial data TTR" ActiveCell.Offset(1, 0).Range("A1").Select ActiveCell.FormulaR1C1 = "i" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "xi" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "F(ti)" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "yi" ActiveCell.Offset(0, 1).Range("A1").Select
124 ActiveCell.FormulaR1C1 = "xi^2" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "xiyi" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "(yi-a-bxi)^2" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "(yi-y)^2" ActiveCell.Offset(6, -7).Range("A1").Select ActiveCell.FormulaR1C1 = "Total" ActiveCell.Offset(1, 0).Range("A1").Select ActiveCell.FormulaR1C1 = "b =" ActiveCell.Offset(0, 2).Range("A1").Select ActiveCell.FormulaR1C1 = "xbar =" ActiveCell.Offset(0, 2).Range("A1").Select ActiveCell.FormulaR1C1 = "ybar =" ActiveCell.Offset(0, 2).Range("A1").Select ActiveCell.FormulaR1C1 = "a =" ActiveCell.Offset(1, -6).Range("A1").Select ActiveCell.FormulaR1C1 = "r =" ActiveCell.Offset(0, 2).Range("A1").Select ActiveCell.FormulaR1C1 = "MTTR =" ActiveCell.Offset(0, 2).Range("A1").Select ActiveCell.FormulaR1C1 = "H0 diterima" ActiveCell.Offset(-7, -2).Range("A1").Select ActiveCell.FormulaR1C1 = "=(RC[-2]-0.3)/(R16C2+0.4)" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "=LN(1/(1-RC[-1]))" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "=RC[-3]^2" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "=RC[-4]*RC[-2]" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "=(RC[-3]-R25C8-R25C2*RC[-5])^2" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "=(RC[-4]-R25C6)^2" ActiveCell.Offset(5, -6).Range("A1").Select ActiveCell.FormulaR1C1 = "=SUM(R[-5]C:R[-1]C)" ActiveCell.Offset(-5, 1).Range("A1:F1").Select Selection.Copy ActiveCell.Offset(1, 0).Range("A1:A4").Select ActiveSheet.Paste ActiveCell.Offset(4, -1).Range("A1").Select Application.CutCopyMode = False Selection.Copy ActiveCell.Range("A1:G1").Select ActiveSheet.Paste ActiveCell.Offset(1, 0).Range("A1").Select Application.CutCopyMode = False
125 ActiveCell.FormulaR1C1 = "=R[-1]C[4]/R[-1]C[3]" ActiveCell.Offset(0, 2).Range("A1").Select ActiveCell.FormulaR1C1 = "=R[-1]C[-2]/R[-9]C[-2]" ActiveCell.Offset(0, 2).Range("A1").Select ActiveCell.FormulaR1C1 = "=R[-1]C[-2]/R[-9]C[-4]" ActiveCell.Offset(0, 2).Range("A1").Select ActiveCell.FormulaR1C1 = "=RC[-2]-RC[-6]*RC[-4]" ActiveCell.Offset(1, -6).Range("A1").Select ActiveCell.FormulaR1C1 = "=SQRT(R[-2]C[5]/R[-2]C[6])" ActiveCell.Offset(0, 2).Range("A1").Select ActiveCell.FormulaR1C1 = "=1/R[-1]C[-2]" ActiveCell.Offset(-10, 10).Range("A1").Select ActiveCell.FormulaR1C1 = "n =" ActiveCell.Offset(1, 0).Range("A1").Select ActiveCell.FormulaR1C1 = _ "Perhitungan index of fit (r) distribusi eksponensial data TTF" ActiveCell.Offset(1, -13).Range("A1:H1").Select Selection.Copy ActiveCell.Offset(0, 13).Range("A1").Select ActiveSheet.Paste ActiveCell.Offset(1, 2).Range("A1").Select Application.CutCopyMode = False ActiveCell.FormulaR1C1 = "=(RC[-2]-0.3)/(R16C15+0.4)" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "=LN(1/(1-RC[-1]))" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "=RC[-3]^2" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "=RC[-4]*RC[-2]" ActiveCell.Offset(1, 0).Range("A1").Select ActiveWindow.SmallScroll ToRight:=0 ActiveCell.Offset(4, -18).Range("A1:H3").Select Selection.Copy ActiveCell.Offset(0, 13).Range("A1").Select ActiveSheet.Paste ActiveWindow.SmallScroll ToRight:=2 ActiveCell.Offset(-5, 6).Range("A1").Select Application.CutCopyMode = False ActiveCell.FormulaR1C1 = "=(RC[-3]-R25C21-R25C15*RC[-5])^2" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "=(RC[-4]-R25C19)^2" ActiveCell.Offset(0, -5).Range("A1:F1").Select Selection.Copy ActiveCell.Offset(1, 0).Range("A1:A3").Select ActiveSheet.Paste ActiveCell.Offset(4, 0).Range("A1").Select Application.CutCopyMode = False ActiveWindow.SmallScroll ToRight:=-2
126 ActiveWindow.SmallScroll Down:=14 ActiveCell.Offset(4, -15).Range("A1").Select ActiveCell.FormulaR1C1 = _ "Perhitungan index of fit (r) distribusi weibull data TTR" ActiveCell.Offset(1, 0).Range("A1").Select ActiveCell.FormulaR1C1 = "i" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "ti" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "F(ti)" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "yi" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "xi" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "xi^2" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "xiyi" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "yi^2" ActiveCell.Offset(6, -7).Range("A1").Select ActiveCell.FormulaR1C1 = "Total" ActiveCell.Offset(-5, 2).Range("A1").Select ActiveCell.FormulaR1C1 = "=(RC[-2]-0.3)/(R16C2+0.4)" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "=LN(LN(1/(1-RC[-1])))" ActiveCell.Select ActiveCell.FormulaR1C1 = "=LN(LN(1/(1-RC[-1])))" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "=LN(RC[-3])" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "=RC[-1]^2" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "=RC[-3]*RC[-2]" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "=RC[-4]^2" ActiveCell.Offset(5, -6).Range("A1").Select ActiveCell.FormulaR1C1 = "=SUM(R[-5]C:R[-1]C)" ActiveCell.Offset(-5, 1).Range("A1:F1").Select Selection.Copy ActiveCell.Offset(1, 0).Range("A1:A4").Select ActiveSheet.Paste ActiveCell.Offset(4, -1).Range("A1").Select Application.CutCopyMode = False Selection.Copy ActiveCell.Range("A1:G1").Select ActiveSheet.Paste ActiveCell.Offset(1, -1).Range("A1").Select
127 Application.CutCopyMode = False ActiveCell.FormulaR1C1 = "ybar =" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "=R[-1]C[2]/R[-20]C" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "xbar =" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "=R[-1]C[1]/R[-20]C[-2]" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "b = beta =" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = _ "=(R[-1]C[1]-RC[-2]*R[-1]C[-2])/(R[-1]C-R[-20]C[-4]*RC[-2]^2)" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "a =" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "=RC[-6]-RC[-2]*RC[-4]" ActiveCell.Offset(1, -7).Range("A1").Select ActiveCell.FormulaR1C1 = "r =" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = _ "=(R[-21]C*R[-2]C[5]-R[-2]C[3]*R[-2]C[2])/SQRT((R[-21]C*R[-2]C[4]R[-2]C[3]^2)*(R[-21]C*R[-2]C[6]-R[-2]C[2]^2))" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "teta =" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "=EXP(-R[-1]C[4]/R[-1]C[2])" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "(1+1/beta) =" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "=(1+1/R[-1]C)" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "gamma =" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "=VLOOKUP(RC[-1],'tabel gamma.xls'!tabel_gamma,2)" ActiveCell.Offset(-9, 6).Range("A1").Select ActiveCell.FormulaR1C1 = _ "Perhitungan index of fit (r) distribusi weibull data TTF" ActiveCell.Offset(1, -13).Range("A1:H1").Select Selection.Copy ActiveCell.Offset(0, 13).Range("A1").Select ActiveSheet.Paste ActiveCell.Offset(6, -13).Range("A1:H3").Select Application.CutCopyMode = False Selection.Copy ActiveCell.Offset(0, 13).Range("A1").Select ActiveSheet.Paste
128 ActiveCell.Offset(-5, 2).Range("A1").Select Application.CutCopyMode = False ActiveCell.FormulaR1C1 = "=(RC[-2]-0.3)/(R16C15+0.4)" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "=LN(LN(1/(1-RC[-1])))" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "=LN(RC[-3])" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "=RC[-1]^2" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "=RC[-3]*RC[-2]" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "=RC[-4]^2" ActiveCell.Offset(0, -5).Range("A1:F1").Select Selection.Copy Application.CutCopyMode = False Selection.Copy ActiveCell.Offset(1, 0).Range("A1:A3").Select ActiveSheet.Paste ActiveWindow.SmallScroll ToRight:=-2 ActiveCell.Offset(8, -15).Range("A1").Select Application.CutCopyMode = False ActiveCell.FormulaR1C1 = "Uji keseuaian Mann's test" ActiveCell.Offset(1, 0).Range("A1").Select ActiveCell.FormulaR1C1 = "i" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "ti" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "ln ti" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "zi" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "Mi" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "ln ti+1 -ln ti" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "(ln ti+1 - ln ti)/M" ActiveCell.Offset(1, 0).Range("A1").Select ActiveWindow.SmallScroll Down:=10 ActiveCell.Offset(0, -4).Range("A1").Select ActiveCell.FormulaR1C1 = "=LN(RC[-1])" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "=LN(-LN(1-(RC[-3]-0.5)/(R16C2+0.25)))" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "=R[1]C[-1]-RC[-1]" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "=R[1]C[-3]-RC[-3]" ActiveCell.Offset(0, 1).Range("A1").Select
129 ActiveCell.FormulaR1C1 = "=RC[-1]/RC[-2]" ActiveCell.Offset(0, -4).Range("A1:C1").Select Selection.Copy ActiveCell.Offset(1, 0).Range("A1:A4").Select ActiveSheet.Paste ActiveCell.Offset(-1, 3).Range("A1:B1").Select Application.CutCopyMode = False Selection.Copy ActiveCell.Offset(1, 0).Range("A1:A3").Select ActiveSheet.Paste ActiveCell.Offset(4, -5).Range("A1").Select Application.CutCopyMode = False ActiveCell.FormulaR1C1 = "k1 =" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "rounddown(b16/2)" ActiveCell.Select ActiveCell.FormulaR1C1 = "=ROUNDDOWN(R[-30]C/2,0)" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "k2 =" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "=ROUNDDOWN((R[-30]C[-2]-1)/2,0)" ActiveCell.Offset(-4, 4).Range("A1").Select ActiveCell.FormulaR1C1 = "=SUM(R[-1]C[-1]:RC[-1])" ActiveCell.Offset(2, 0).Range("A1").Select ActiveCell.FormulaR1C1 = "=SUM(R[-1]C[-1]:RC[-1])" ActiveCell.Offset(2, -3).Range("A1").Select ActiveCell.FormulaR1C1 = "M =" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "=(RC[-4]*R[-2]C[2])/(RC[-2]*R[-4]C[2])" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "Fcrit =" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "=FINV(0.05,5,4)" ActiveCell.Offset(1, -7).Range("A1").Select ActiveCell.FormulaR1C1 = "MTTR =" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "=R[-10]C[2]*R[-10]C[6]" ActiveCell.Offset(0, 4).Range("A1").Select ActiveCell.FormulaR1C1 = "=IF(R[-1]C
130 ActiveCell.FormulaR1C1 = "=LN(-LN(1-(RC[-3]-0.5)/(R16C15+0.25)))" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "=R[1]C[-1]-RC[-1]" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "=R[1]C[-3]-RC[-3]" ActiveCell.Offset(1, 0).Range("A1").Select ActiveWindow.SmallScroll ToRight:=1 ActiveCell.Offset(-1, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "=RC[-1]/RC[-2]" ActiveCell.Offset(1, 0).Range("A1").Select ActiveWindow.SmallScroll ToRight:=-1 ActiveCell.Offset(-1, -4).Range("A1:C1").Select Selection.Copy ActiveCell.Offset(1, 0).Range("A1:A3").Select ActiveSheet.Paste ActiveCell.Offset(-1, 3).Range("A1:B1").Select Application.CutCopyMode = False Selection.Copy ActiveCell.Offset(1, 0).Range("A1:A2").Select ActiveSheet.Paste ActiveCell.Offset(4, -5).Range("A1").Select Application.CutCopyMode = False ActiveCell.FormulaR1C1 = "k1 =" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "=ROUNDDOWN(R[-30]C/2,0)" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "k2 =" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "=ROUNDDOWN((R[-30]C[-2]-1)/2,0)" ActiveCell.Offset(0, 1).Range("A1").Select ActiveWindow.SmallScroll ToRight:=5 ActiveCell.Offset(-4, 3).Range("A1").Select ActiveCell.FormulaR1C1 = "=SUM(R[-1]C[-1]:RC[-1])" ActiveCell.Offset(1, 0).Range("A1").Select ActiveCell.FormulaR1C1 = "=RC[-1]" ActiveCell.Offset(3, -3).Range("A1").Select ActiveCell.FormulaR1C1 = "M =" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "=(RC[-4]*R[-3]C[2])/(RC[-2]*R[-4]C[2])" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "Fcrit =" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "=FINV(0.05,4,3)" ActiveCell.Offset(1, -7).Range("A1").Select ActiveCell.FormulaR1C1 = "MTTF" ActiveCell.Offset(-21, 2).Range("A1").Select ActiveCell.FormulaR1C1 = "MTTF" ActiveCell.Offset(1, 0).Range("A1").Select
131 ActiveWindow.SmallScroll Down:=2 ActiveCell.Offset(20, -2).Range("A1").Select ActiveCell.FormulaR1C1 = "MTTF =" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "=R[-10]C[2]*R[-10]C[6]" ActiveCell.Offset(0, 4).Range("A1").Select ActiveCell.FormulaR1C1 = "=IF(R[-1]C
132 ActiveCell.Range("A1:F1").Select ActiveSheet.Paste ActiveCell.Offset(1, -1).Range("A1").Select Application.CutCopyMode = False ActiveCell.FormulaR1C1 = "ybar =" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "=R[-1]C[2]/R[-41]C" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "xbar =" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "=R[-1]C[-2]/R[-41]C[-2]" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "b =" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = _ "=(R[-1]C-RC[-2]*R[-1]C[-2])/(R[-1]C[-1]-R[-41]C[-4]*RC[-2]^2)" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "a =" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "=RC[-6]-RC[-2]*RC[-4]" ActiveCell.Offset(1, -7).Range("A1").Select ActiveCell.FormulaR1C1 = "sigma =" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "=1/R[-1]C[4]" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "miyu =" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "=-R[-1]C[4]/R[-1]C[2]" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "r =" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = _ "=(R[-42]C[-4]*R[-2]C-R[-2]C[-4]*R[-2]C[-2])/SQRT((R[-42]C[-4]*R[2]C[-1]-R[-2]C[-4]^2)*(R[-42]C[-4]*R[-2]C[1]-R[-2]C[-2]^2))" ActiveCell.Offset(-9, 8).Range("A1").Select ActiveCell.FormulaR1C1 = _ "Perhitungan index of fit (r) distribusi normal data TTF" ActiveCell.Offset(1, -13).Range("A1:G1").Select Selection.Copy ActiveCell.Offset(0, 13).Range("A1").Select ActiveSheet.Paste ActiveCell.Offset(1, 2).Range("A1").Select Application.CutCopyMode = False ActiveCell.FormulaR1C1 = "=(RC[-2]-0.3)/(R16C15+0.4)" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "=NORMSINV(RC[-1])" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "=RC[-3]^2"
133 ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "=RC[-4]*RC[-2]" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "=RC[-3]^2" ActiveCell.Offset(0, -4).Range("A1:E1").Select Selection.Copy ActiveCell.Offset(1, 0).Range("A1:A3").Select ActiveSheet.Paste ActiveCell.Offset(-16, -1).Range("A1").Select ActiveWindow.SmallScroll ToRight:=-1 ActiveCell.Offset(20, -14).Range("A1:H3").Select Application.CutCopyMode = False Selection.Copy ActiveCell.Offset(0, 13).Range("A1").Select ActiveSheet.Paste ActiveCell.Offset(1, 3).Range("A1").Select ActiveWindow.SmallScroll Down:=6 ActiveCell.Offset(3, -16).Range("A1").Select Application.CutCopyMode = False ActiveCell.FormulaR1C1 = "Uji kesesuaian kolmogorov smirnov test" ActiveCell.Offset(1, 0).Range("A1").Select ActiveCell.FormulaR1C1 = "i" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "ti" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "(ti-t)^2" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "ti/n" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "(ti-t)^2" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "(i-1)/n" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "i/n" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "cumulative probability" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "D1(i)" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "D2(i)" ActiveCell.Offset(1, -6).Range("A1").Select ActiveCell.FormulaR1C1 = "=RC[-1]/R16C2" ActiveCell.Offset(0, 1).Range("A1").Select ActiveWindow.SmallScroll Down:=1 ActiveCell.Offset(5, -3).Range("A1").Select ActiveCell.FormulaR1C1 = "Total" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "=SUM(R[-5]C:R[-1]C)"
134 ActiveCell.Select Selection.Copy ActiveCell.Offset(0, 1).Range("A1:B1").Select ActiveSheet.Paste ActiveCell.Offset(1, -2).Range("A1").Select Application.CutCopyMode = False ActiveCell.FormulaR1C1 = "tbar =" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "=R[-1]C[1]" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "s =" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "=SQRT(R[-1]C/(R[-52]C[-2]-1))" ActiveCell.Offset(-6, 0).Range("A1").Select ActiveCell.FormulaR1C1 = "=(RC[-2]-R68C2)^2" ActiveCell.Offset(0, -1).Range("A1:B1").Select Selection.Copy ActiveCell.Offset(1, 0).Range("A1:A4").Select ActiveSheet.Paste ActiveCell.Offset(-1, 2).Range("A1").Select Application.CutCopyMode = False ActiveCell.FormulaR1C1 = "=(RC[-4]-1)/R16C2" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "=RC[-5]/R16C2" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "=NORMSDIST((RC[-5]-R68C2)/R68C4)" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "=RC[-1]-RC[-3]" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "=RC[-3]-RC[-2]" ActiveCell.Offset(0, -4).Range("A1:E1").Select Selection.Copy ActiveCell.Offset(1, 0).Range("A1:A4").Select ActiveSheet.Paste ActiveCell.Offset(5, 0).Range("A1").Select Application.CutCopyMode = False ActiveCell.FormulaR1C1 = "D1max =" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "=MAX(R[-6]C[2]:R[-2]C[2])" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "D2max" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "=MAX(R[-6]C[1]:R[-2]C[1])" ActiveCell.Offset(1, -7).Range("A1").Select ActiveCell.FormulaR1C1 = "D =" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "=MAX(R[-1]C[4],R[-1]C[6])" ActiveCell.Offset(0, 1).Range("A1").Select
135 ActiveCell.FormulaR1C1 = "Dcrit =" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = _ "=vlookup(R[-53]C[-2],'tabel gamma.xls'!tabel_kolmogorovsmirnov,5)" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "=IF(RC[-3]
136 ActiveCell.FormulaR1C1 = "F(ti)" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "yi" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "xi" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "xi^2" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "yi^2" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "xiyi" ActiveCell.Offset(1, 0).Range("A1").Select ActiveWindow.SmallScroll Down:=15 ActiveCell.Offset(0, -5).Range("A1").Select ActiveCell.FormulaR1C1 = "=(RC[-2]-0.3)/(R16C2+0.4)" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "=NORMSINV(RC[-1])" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "=LN(RC[-3])" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "=RC[-1]^2" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "=RC[-3]^2" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "=RC[-4]*RC[-3]" ActiveCell.Offset(0, -5).Range("A1:F1").Select Selection.Copy ActiveCell.Offset(1, 0).Range("A1:A4").Select ActiveSheet.Paste ActiveCell.Offset(4, -2).Range("A1").Select Application.CutCopyMode = False ActiveCell.FormulaR1C1 = "Total" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "=SUM(R[-5]C:R[-1]C)" ActiveCell.Select Selection.Copy ActiveCell.Range("A1:G1").Select ActiveSheet.Paste ActiveCell.Offset(1, -1).Range("A1").Select Application.CutCopyMode = False ActiveCell.FormulaR1C1 = "r =" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = _ "=(R[-63]C*R[-1]C[6]-R[-1]C[3]*R[-1]C[2])/SQRT((R[-63]C*R[-1]C[4]R[-1]C[3]^2)*(R[-63]C*R[-1]C[5]-R[-1]C[2]^2))" ActiveCell.Offset(-8, 12).Range("A1").Select ActiveCell.FormulaR1C1 = _ "Perhitungan index of fit (r) distribusi lognormal data TTF"
137 ActiveCell.Offset(1, -13).Range("A1:H1").Select Selection.Copy ActiveCell.Offset(0, 13).Range("A1").Select ActiveSheet.Paste ActiveCell.Offset(6, -13).Range("A1:H2").Select Application.CutCopyMode = False Selection.Copy ActiveCell.Offset(0, 13).Range("A1").Select ActiveSheet.Paste ActiveCell.Offset(-5, 2).Range("A1").Select Application.CutCopyMode = False ActiveCell.FormulaR1C1 = "=(RC[-2]-0.3)/(R16C15+0.4)" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "=NORMSINV(RC[-1])" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "=LN(RC[-3])" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "=RC[-1]^2" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "=RC[-3]^2" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "=RC[-3]*RC[-4]" ActiveCell.Offset(0, -5).Range("A1:F1").Select Selection.Copy ActiveCell.Offset(1, 0).Range("A1:A3").Select ActiveSheet.Paste ActiveWindow.SmallScroll ToRight:=-2 ActiveCell.Offset(7, -15).Range("A1").Select Application.CutCopyMode = False ActiveCell.FormulaR1C1 = "Uji Kesesuaian kolmogorov smirnov" ActiveCell.Offset(1, 0).Range("A1").Select ActiveCell.FormulaR1C1 = "i" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "ti" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "ln ti" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "ln ti/n" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "(ln ti - miyu)^2" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "(i-1)/n" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "i/n" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "cumulative probability" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "D1(i)"
138 ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "D2(i)" ActiveCell.Offset(6, -9).Range("A1").Select ActiveCell.FormulaR1C1 = "Total" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "=SUM(R[-5]C:R[-1]C)" ActiveCell.Select Selection.Copy ActiveCell.Offset(0, 1).Range("A1:C1").Select ActiveSheet.Paste ActiveCell.Offset(1, -2).Range("A1").Select Application.CutCopyMode = False ActiveCell.FormulaR1C1 = "miyu =" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "=R[-1]C[2]" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "tmed =" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "=EXP(RC[-2])" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "s =" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "=SQRT(R[-1]C[-1]/R[-73]C[-4])" ActiveCell.Offset(-6, -3).Range("A1").Select ActiveCell.FormulaR1C1 = "=LN(RC[-1])" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "=RC[-1]/R16C2" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "=(RC[-2]-R89C2)^2" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "=(RC[-5]-1)/R16C2" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "=RC[-6]/R16C2" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "=NORMSDIST((1/R89C6)*LN(RC[-6]/R89C4))" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "=RC[-1]-RC[-3]" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "=RC[-3]-RC[-2]" ActiveCell.Offset(0, -7).Range("A1:H1").Select Selection.Copy ActiveCell.Offset(1, 0).Range("A1:A4").Select ActiveSheet.Paste ActiveCell.Offset(5, 4).Range("A1").Select Application.CutCopyMode = False ActiveCell.FormulaR1C1 = "D1max =" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "=MAX(R[-6]C[1]:R[-2]C[1])"
139 ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "D2max =" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "=MAX(R[-6]C:R[-2]C)" ActiveCell.Offset(1, -9).Range("A1").Select ActiveCell.FormulaR1C1 = "D =" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "=MAX(R[-1]C[6],R[-1]C[8])" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "Dcrit =" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = _ "=VLOOKUP(R[-74]C[-2],'tabel gamma.xls'!tabel_kolmogorovsmirnov,5)" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "=IF(RC[-3]
140 ActiveCell.Offset(6, 2).Range("A1").Select Application.CutCopyMode = False End Sub Sub HasilUjiDistribusi() ' ' HasilUjiDistribusi Macro ' Hasil Uji Distribusi untuk MTTR dan MTTF ' ' Keyboard Shortcut: Ctrl+Shift+C ' ActiveCell.Select ActiveCell.FormulaR1C1 = "Hasil Uji Distribusi" ActiveCell.Offset(1, 0).Range("A1").Select ActiveCell.FormulaR1C1 = "r" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "Distribusi" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "H0" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "MTTR" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "beta,sigma,s,lamda" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "teta,miyu,tmed" ActiveCell.Offset(1, -5).Range("A1").Select ActiveCell.FormulaR1C1 = "=R[-70]C[1]" ActiveCell.Offset(1, 0).Range("A1").Select ActiveCell.FormulaR1C1 = "=R[-60]C[1]" ActiveCell.Offset(1, 0).Range("A1").Select ActiveCell.FormulaR1C1 = "=R[-40]C[5]" ActiveCell.Offset(1, 0).Range("A1").Select ActiveCell.FormulaR1C1 = "=R[-20]C[1]" ActiveCell.Offset(-3, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "eksponensial" ActiveCell.Offset(1, 0).Range("A1").Select ActiveCell.FormulaR1C1 = "weibull" ActiveCell.Offset(1, 0).Range("A1").Select ActiveCell.FormulaR1C1 = "normal" ActiveCell.Offset(1, 0).Range("A1").Select ActiveCell.FormulaR1C1 = "lognormal" ActiveCell.Offset(-3, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "=R[-70]C[2]" ActiveCell.Offset(1, 0).Range("A1").Select ActiveCell.FormulaR1C1 = "f47" ActiveCell.Select ActiveCell.FormulaR1C1 = "=R[-50]C[3]" ActiveCell.Offset(1, 0).Range("A1").Select ActiveCell.FormulaR1C1 = "=R[-29]C[2]"
141 ActiveCell.Offset(1, 0).Range("A1").Select ActiveCell.FormulaR1C1 = "=R[-9]C[2]" ActiveCell.Offset(-3, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "=R[-70]C" ActiveCell.Offset(1, 0).Range("A1").Select ActiveCell.FormulaR1C1 = "=R[-50]C[-2]" ActiveCell.Offset(1, 0).Range("A1").Select ActiveCell.FormulaR1C1 = "=R[-40]C" ActiveCell.Offset(1, 0).Range("A1").Select ActiveCell.FormulaR1C1 = "=R[-10]C*EXP(R[-10]C[2]^2/2)" ActiveCell.Offset(-3, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "=R[-71]C[-3]" ActiveCell.Offset(1, 0).Range("A1").Select ActiveCell.FormulaR1C1 = "=R[-61]C[1]" ActiveCell.Offset(1, 0).Range("A1").Select ActiveCell.FormulaR1C1 = "=R[-40]C[-3]" ActiveCell.Offset(1, 0).Range("A1").Select ActiveCell.FormulaR1C1 = "=R[-10]C[1]" ActiveCell.Offset(-2, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "=R[-60]C[-2]" ActiveCell.Offset(1, 0).Range("A1").Select ActiveCell.FormulaR1C1 = "=R[-40]C[-2]" ActiveCell.Offset(1, 0).Range("A1").Select ActiveCell.FormulaR1C1 = "=R[-10]C[-2]" ActiveCell.Offset(2, -5).Range("A1").Select ActiveCell.FormulaR1C1 = "Kesimbulan : distribusi" ActiveCell.Offset(0, 2).Range("A1").Select ActiveCell.FormulaR1C1 = _ "=IF(AND(R[-2]C[-2]>=R[-3]C[-2],R[-2]C=""H0 diterima""),R[-2]C[1],IF(AND(R[-3]C[-2]>=R[-4]C[-2],R[-3]C=""H0 diterima""),R[-3]C[1],IF(AND(R[-4]C[-2]>=R[-5]C[-2],R[-4]C=""H0 diterima""),R[-4]C[-1],R[5]C[-1])))" ActiveCell.Offset(1, -1).Range("A1").Select ActiveCell.FormulaR1C1 = "MTTR =" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = _ "=IF(R[-1]C=R[-3]C[-1],R[-3]C[1],IF(R[-1]C=R[-4]C[-1],R[-4]C[1],IF(R[1]C=R[-5]C[-1],R[-5]C[1],R[-6]C[1])))" ActiveCell.Offset(1, -1).Range("A1").Select ActiveCell.FormulaR1C1 = _ "=IF(R[-2]C[1]=R[-4]C,""s ="",IF(R[-2]C[1]=R[-5]C,""sigma ="",IF(R[2]C[1]=R[-6]C,""beta ="",""lamda ="")))" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = _ "=IF(R[-2]C=R[-4]C[-1],R[-4]C[2],IF(R[-2]C=R[-5]C[-1],R[-5]C[2],IF(R[2]C=R[-6]C[-1],R[-6]C[2],R[-7]C[2])))" ActiveCell.Offset(1, -1).Range("A1").Select ActiveCell.FormulaR1C1 = _
142 "=IF(R[-3]C[1]=R[-5]C,""tmed ="",IF(R[-3]C[1]=R[-6]C,""miyu ="",""teta =""))" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = _ "=IF(R[-3]C=R[-5]C[-1],R[-5]C[3],IF(R[-3]C=R[-6]C[-1],R[-6]C[3],R[7]C[3]))" ActiveCell.Offset(-10, -2).Range("A1:F11").Select Selection.Copy ActiveCell.Offset(0, 13).Range("A1").Select ActiveSheet.Paste ActiveCell.Offset(1, 3).Range("A1").Select Application.CutCopyMode = False ActiveCell.FormulaR1C1 = "MTTF" ActiveCell.Offset(7, -2).Range("A1").Select ActiveCell.FormulaR1C1 = "MTTF =" ActiveCell.Offset(1, 0).Range("A1").Select End Sub
143 Lampiran 4 Program optimasi menggunakan software Matlab % Program utama %nilai-nilai yang dimasukkan home clear biayakomponen=[8e6 1e5 15e6 15e5 97e4 15e4 25e4 25e4 45e4 9e5 675e2 195e4 2e5 375e4 272e4 15e4 425e3 284e3 92e3 15e5 1275e2 15e5 85e4 9e4 2e5 675e3 54e5 475e2 2195e3 95e3]; biayateknisi=[0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0]; biayakehproduksi=[36064 0 36064 36064 36064 0 36064 36064 0 0 36064 36064 36064 0 3802 36064 36064 36064 36064 36064 36064 36064 36064 0 0 3802 36064 36064 3802 3802]; biayaoperator=5815; Tfi=[9.84 4.71 6.64 7.80 3.19 5.62 6.52 4.56 6.71 7.04 6.73 7.25 6.97 6.27 7.21 7.35 7.69 4.56 4.10 4.75 5.56 4.30 5.42 6.09 6.17 6.30 5.67 4.75 5.81 6.42]; tefi=[1153.3 565.8 1071.1 714.5 452.1 1298.7 1457.1 1462.5 2154.4 2630.2 2292.3 2430.2 1479.2 1960.1 1951.4 3986.1 3222.7 2910.2 3292.3 2947.9 1818.4 1193.2 1096.7 1615.3 952.0 909.9 828.9 1185.8 1090.8 709.6]; tepi=[9 4 6 7 3 5 6 4 6 7 6 7 6 6 7 7 7 4 4 4 5 4 5 6 6 6 5 4 5 6]; beta=[1.6070 0.7520 1.2194]; teta=[1331.8638 918.0313 757.4222]; sigma=[26.6397 258.9083 2533.891 721.978 2785.908 863.6130 743.9885 762.2035 720.1653 725.137]; miyu=[714.5333 2630.1833 2430.175 3986.0667 2947.9333 1096.7400 1615.28 951.975 909.9222 828.9375]; es=[1.7805 0.0368 0.3754 1.3268 0.6545 0.0184 0.0253 1.2168 0.0531 0.4077 0.5874 0.5529 0.3632 0.1940 0.1346 0.5621 0.4040]; tmed=[236.3337 565.4563 998.2743 187.5055 1048.2569 1456.9105 1462.0311 1027.5548 2289.0639 1361.2510 1649.5124 1674.8445 3017.0059 2855.9567 3262.6201 1552.7223 1092.9018]; % 1. Penghitungan nilai Cpi dan Cfi % tepi : dalam persamaan ditulis sebagai "tpi" % tefi : dalam persamaan ditulis sebagai "tfi" % Cpi=biayateknisi*tepi+biayakomponen; Cfi=zeros(1,30); Cpi=Cfi; for kk1=1:30 Cpi(kk1)=biayateknisi(kk1)*tepi(kk1)+biayakomponen(kk1); Cfi(kk1)=biayateknisi(kk1)*Tfi(kk1)+biayakomponen(kk1)+biayakehproduksi(kk 1)*Tfi(kk1)+biayaoperator*Tfi(kk1); end % hasilWEIB=TpiWEIB(R,beta,teta)
144 R=0.5:0.01:0.99; Tpi=zeros(50,30); Tpibulat=Tpi; for p=1:50 Tpi(p,22)=TpiWEIB(R(p),beta(1),teta(1)); Tpi(p,29)=TpiWEIB(R(p),beta(2),teta(2)); Tpi(p,30)=TpiWEIB(R(p),beta(3),teta(3)); Tpibulat(p,22)=fix(Tpi(p,22)); Tpibulat(p,29)=fix(Tpi(p,29)); Tpibulat(p,30)=fix(Tpi(p,30)); end for p=1:50 Tpi(p,1)=tefi(1); Tpi(p,5)=tefi(5); Tpi(p,12)=tefi(12); Tpi(p,20)=tefi(20); Tpi(p,23)=tefi(23); Tpi(p,25)=tefi(25); Tpi(p,26)=tefi(26); Tpi(p,27)=tefi(27); Tpibulat(p,1)=fix(Tpi(p,1)); Tpibulat(p,5)=fix(Tpi(p,5)); Tpibulat(p,12)=fix(Tpi(p,12)); Tpibulat(p,20)=fix(Tpi(p,20)); Tpibulat(p,23)=fix(Tpi(p,23)); Tpibulat(p,25)=fix(Tpi(p,25)); Tpibulat(p,26)=fix(Tpi(p,26)); Tpibulat(p,27)=fix(Tpi(p,27)); end % nilai total. Hasil nilai Tpi dibulatkan ke bawah for p=1:50 Tpi(p,4)=TpiNORMAL(miyu(1),sigma(1),R(p)); Tpibulat(p,4)=fix(Tpi(p,4)); Tpi(p,10)=TpiNORMAL(miyu(2),sigma(2),R(p)); Tpibulat(p,10)=fix(Tpi(p,10)); Tpi(p,16)=TpiNORMAL(miyu(4),sigma(4),R(p)); Tpibulat(p,16)=fix(Tpi(p,16)); Tpi(p,24)=TpiNORMAL(miyu(7),sigma(7),R(p)); Tpibulat(p,24)=fix(Tpi(p,24)); end for p=1:50 Tpi(p,2)=TpiNORM(tmed(2),es(2),R(p)); Tpibulat(p,2)=fix(Tpi(p,2));
145 Tpi(p,3)=TpiNORM(tmed(3),es(3),R(p)); Tpibulat(p,3)=fix(Tpi(p,3)); Tpi(p,6)=TpiNORM(tmed(5),es(5),R(p)); Tpibulat(p,6)=fix(Tpi(p,6)); Tpi(p,7)=TpiNORM(tmed(6),es(6),R(p)); Tpibulat(p,7)=fix(Tpi(p,7)); Tpi(p,8)=TpiNORM(tmed(7),es(7),R(p)); Tpibulat(p,8)=fix(Tpi(p,8)); Tpi(p,9)=TpiNORM(tmed(8),es(8),R(p)); Tpibulat(p,9)=fix(Tpi(p,9)); Tpi(p,11)=TpiNORM(tmed(9),es(9),R(p)); Tpibulat(p,11)=fix(Tpi(p,11)); Tpi(p,13)=TpiNORM(tmed(10),es(10),R(p)); Tpibulat(p,13)=fix(Tpi(p,13)); Tpi(p,14)=TpiNORM(tmed(11),es(11),R(p)); Tpibulat(p,14)=fix(Tpi(p,14)); Tpi(p,15)=TpiNORM(tmed(12),es(12),R(p)); Tpibulat(p,15)=fix(Tpi(p,15)); Tpi(p,17)=TpiNORM(tmed(13),es(13),R(p)); Tpibulat(p,17)=fix(Tpi(p,17)); Tpi(p,18)=TpiNORM(tmed(14),es(14),R(p)); Tpibulat(p,18)=fix(Tpi(p,18)); Tpi(p,19)=TpiNORM(tmed(15),es(15),R(p)); Tpibulat(p,19)=fix(Tpi(p,19)); Tpi(p,21)=TpiNORM(tmed(16),es(16),R(p)); Tpibulat(p,21)=fix(Tpi(p,21)); Tpi(p,28)=TpiNORM(tmed(17),es(17),R(p)); Tpibulat(p,28)=fix(Tpi(p,28)); end % 4.a penghitungan nilai kpi kpi=zeros(50,30); for p=1:50 for q=1:30 bulatkeatas=8088/Tpibulat(p,q); bulatan=ceil(bulatkeatas); kpi(p,q)=bulatan; end end % nilai 'Tpibulat' = nilai Tpi yang telah dibulatkan RTpi=zeros(50,30); for p=1:50 RTpi(p,4)=RTpiNORMAL(Tpibulat(p,4),miyu(1),sigma(1)); RTpi(p,10)=RTpiNORMAL(Tpibulat(p,10),miyu(2),sigma(2)); RTpi(p,16)=RTpiNORMAL(Tpibulat(p,16),miyu(4),sigma(4));
146 RTpi(p,24)=RTpiNORMAL(Tpibulat(p,24),miyu(7),sigma(7)); RTpi(p,12)=RTpiNORMAL(Tpibulat(p,12),miyu(3),sigma(3)); RTpi(p,20)=RTpiNORMAL(Tpibulat(p,20),miyu(5),sigma(5)); RTpi(p,23)=RTpiNORMAL(Tpibulat(p,23),miyu(6),sigma(6)); RTpi(p,25)=RTpiNORMAL(Tpibulat(p,25),miyu(8),sigma(8)); RTpi(p,26)=RTpiNORMAL(Tpibulat(p,26),miyu(9),sigma(9)); RTpi(p,27)=RTpiNORMAL(Tpibulat(p,27),miyu(10),sigma(10)); RTpi(p,1)=RTpiNORM(tmed(1),es(1),Tpibulat(p,1)); RTpi(p,5)=RTpiNORM(tmed(4),es(4),Tpibulat(p,5)); RTpi(p,2)=RTpiNORM(tmed(2),es(2),Tpibulat(p,2)); RTpi(p,3)=RTpiNORM(tmed(3),es(3),Tpibulat(p,3)); RTpi(p,6)=RTpiNORM(tmed(5),es(5),Tpibulat(p,6)); RTpi(p,7)=RTpiNORM(tmed(6),es(6),Tpibulat(p,7)); RTpi(p,8)=RTpiNORM(tmed(7),es(7),Tpibulat(p,8)); RTpi(p,9)=RTpiNORM(tmed(8),es(8),Tpibulat(p,9)); RTpi(p,11)=RTpiNORM(tmed(9),es(9),Tpibulat(p,11)); RTpi(p,13)=RTpiNORM(tmed(10),es(10),Tpibulat(p,13)); RTpi(p,14)=RTpiNORM(tmed(11),es(11),Tpibulat(p,14)); RTpi(p,15)=RTpiNORM(tmed(12),es(12),Tpibulat(p,15)); RTpi(p,17)=RTpiNORM(tmed(13),es(13),Tpibulat(p,17)); RTpi(p,18)=RTpiNORM(tmed(14),es(14),Tpibulat(p,18)); RTpi(p,19)=RTpiNORM(tmed(15),es(15),Tpibulat(p,19)); RTpi(p,21)=RTpiNORM(tmed(16),es(16),Tpibulat(p,21)); RTpi(p,28)=RTpiNORM(tmed(17),es(17),Tpibulat(p,28)); end for p=1:50 RTpi(p,22)=RTpiWEIB(Tpibulat(p,22),beta(1),teta(1)); RTpi(p,29)=RTpiWEIB(Tpibulat(p,29),beta(2),teta(2)); RTpi(p,30)=RTpiWEIB(Tpibulat(p,30),beta(3),teta(3)); end % 6. Penghitungan biaya seluruhnya (biaya total) biayatotal=zeros(1,50); for p=1:50 for q=1:30 pem=(Cpi(q)*RTpi(p,q)+Cfi(q)*(1-RTpi(p,q)))*Tpibulat(p,q)*kpi(p,q); peny=Tpibulat(p,q)*RTpi(p,q)+tefi(q)*(1-RTpi(p,q)); biaya=pem/peny; biayatotal(p)=biayatotal(p)+biaya; end end % 7. mencari nilai R pada saat biaya total bernilai terendah
147 Biayatertinggi=max(biayatotal) rendah=Biayatertinggi; for p=1:50 if biayatotal(p) <= rendah rendah=biayatotal(p); petunjuk=p; else end end Biayaterendah=rendah nilaiR=R(petunjuk) % ------------ ------------figure(1) mesh(Tpi) ylabel('Nilai R') xlabel('tmed, s berubah, R tetap') zlabel('Nilai Tpi') title('Nilai Tpi') %view(10,50) %figure(2) %mesh(RTpi) %ylabel('Nilai R') figure(3) plot(R,biayatotal); grid xlabel('Nilai R') ylabel('Nilai biaya total') title('Biaya total') figure(4); subplot(2,1,1) plot(R,biayatotal); grid xlabel(' Nilai R') ylabel('Nilai biaya total') title('Biaya total') subplot(2,1,2) mesh(RTpi) ylabel('Nilai R: 50% s.d. 95%') xlabel('tmed, s berubah, R tetap') zlabel('Nilai RTpi') title('Nilai RTpi')
148 Lampiran 5 Program persediaan suku cadang dengan menggunakan macro MS excel Sub PERSEDIAAN() ' ' PERSEDIAAN Macro ' persediaan ' ' Keyboard Shortcut: Ctrl+Shift+K ' ActiveCell.FormulaR1C1 = "Pabrik :" ActiveCell.Offset(1, 0).Range("A1").Select ActiveCell.FormulaR1C1 = "Tempat :" ActiveCell.Offset(1, 0).Range("A1").Select ActiveCell.FormulaR1C1 = "Jam kerja/th :" ActiveCell.Offset(2, 0).Range("A1").Select ActiveCell.FormulaR1C1 = "Data" ActiveCell.Offset(1, 0).Range("A1").Select ActiveCell.FormulaR1C1 = "No" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "Komponen" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "A" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "IC" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "phi" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "T" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "DT (unit)" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "DL (unit)" ActiveCell.Offset(1, -7).Range("A1").Select ActiveCell.FormulaR1C1 = "1" ActiveCell.Offset(1, 0).Range("A1").Select ActiveCell.FormulaR1C1 = "2" ActiveCell.Offset(1, 0).Range("A1").Select ActiveCell.FormulaR1C1 = "3" ActiveCell.Offset(-2, 0).Range("A1:A30").Select Selection.DataSeries Rowcol:=xlColumns, Type:=xlLinear, Date:=xlDay, _ Step:=1, Trend:=False ActiveWindow.SmallScroll Down:=20 ActiveCell.Offset(33, 0).Range("A1").Select ActiveCell.FormulaR1C1 = "Iterasi 1" ActiveCell.Offset(1, 0).Range("A1").Select ActiveCell.FormulaR1C1 = "No" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "Komponen"
149 ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "Q" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "P(r)" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "Tabel" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "r*" ActiveCell.Offset(-1, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "Iterasi 2" ActiveCell.Offset(1, 0).Range("A1").Select ActiveCell.FormulaR1C1 = "Q" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "P(r)" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "Tabel" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "r*" ActiveCell.Offset(-1, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "Iterasi 3" ActiveCell.Offset(1, 0).Range("A1").Select ActiveCell.FormulaR1C1 = "Q" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "P(r)" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "Tabel" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "r*" ActiveCell.Offset(1, -13).Range("A1").Select ActiveCell.FormulaR1C1 = "1" ActiveCell.Offset(1, 0).Range("A1").Select ActiveCell.FormulaR1C1 = "2" ActiveCell.Offset(1, 0).Range("A1").Select ActiveCell.FormulaR1C1 = "3" ActiveCell.Offset(-2, 0).Range("A1:A30").Select Selection.DataSeries Rowcol:=xlColumns, Type:=xlLinear, Date:=xlDay, _ Step:=1, Trend:=False ActiveWindow.SmallScroll Down:=29 ActiveCell.Offset(33, 0).Range("A1").Select ActiveCell.FormulaR1C1 = "Kesimpulan" ActiveCell.Offset(1, 0).Range("A1").Select ActiveCell.FormulaR1C1 = "No" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "Komponen" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "Q" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "r*"
150 ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "S" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "OT" ActiveCell.Offset(0, 1).Range("A1").Select ActiveCell.FormulaR1C1 = "TK" ActiveCell.Offset(1, -6).Range("A1").Select ActiveCell.FormulaR1C1 = "1" ActiveCell.Offset(1, 0).Range("A1").Select ActiveCell.FormulaR1C1 = "2" ActiveCell.Offset(1, 0).Range("A1").Select ActiveCell.FormulaR1C1 = "3" ActiveCell.Offset(-2, 0).Range("A1:A30").Select Selection.DataSeries Rowcol:=xlColumns, Type:=xlLinear, Date:=xlDay, _ Step:=1, Trend:=False ActiveWindow.LargeScroll Down:=1 ActiveCell.Offset(27, 0).Range("A1").Select ActiveWindow.LargeScroll Down:=-1 ActiveCell.Offset(-27, 0).Range("A1").Select ActiveWindow.LargeScroll Down:=1 ActiveCell.Offset(27, 0).Range("A1").Select ActiveWindow.SmallScroll Down:=-3 ActiveCell.Offset(3, 4).Range("A1").Select ActiveCell.FormulaR1C1 = "Total" ActiveCell.Offset(0, 1).Range("A1").Select ActiveWindow.LargeScroll Down:=-1 ActiveCell.Offset(-27, 0).Range("A1").Select ActiveWindow.LargeScroll Down:=-1 ActiveCell.Offset(-27, 0).Range("A1").Select ActiveWindow.LargeScroll Down:=-1 ActiveCell.Offset(-27, 0).Range("A1").Select ActiveWindow.LargeScroll Down:=-1 ActiveCell.Offset(-25, -5).Range("A1").Select End Sub Sub perhitunganpersediaan() ' ' perhitunganpersediaan Macro ' perhitungan biaya persediaan ' ' Keyboard Shortcut: Ctrl+Shift+L ' ActiveCell.FormulaR1C1 = "=ROUNDUP(R3C2/RC[-1],0)" Range("G7").Select Selection.Copy Range("G8:G36").Select ActiveSheet.Paste ActiveWindow.SmallScroll Down:=32
151 Range("C42").Select Application.CutCopyMode = False ActiveCell.FormulaR1C1 = "=SQRT(2*R[-35]C*R[-35]C[4]/R[-35]C[1])" Range("D42").Select ActiveCell.FormulaR1C1 = "=RC[-1]*R[-35]C/(R[-35]C[1]*R[-35]C[3])" Range("E42").Select ActiveCell.FormulaR1C1 = "=POISSON(1,1,TRUE)" Range("F42").Select ActiveCell.FormulaR1C1 = "=ROUNDUP(RC[-1],0)" Range("G42").Select ActiveCell.FormulaR1C1 = _ "=SQRT((2*R[-35]C[-4]*R[-35]C/R[-35]C[-3])+(2*R[-35]C[-2]*R[35]C*RC[1]/R[-35]C[-3]))" Range("H42").Select ActiveCell.FormulaR1C1 = "=RC[-1]*R[-35]C[-4]/(R[-35]C[-3]*R[-35]C[-1])" Range("I42").Select ActiveCell.FormulaR1C1 = "=POISSON(1,1,TRUE)" Range("J42").Select ActiveCell.FormulaR1C1 = "=ROUNDUP(RC[-1],0)" Range("K42").Select ActiveCell.FormulaR1C1 = _ "=SQRT((2*R[-35]C[-8]*R[-35]C[-4]/R[-35]C[-7])+(2*R[-35]C[-6]*R[35]C[-4]*RC[1]/R[-35]C[-7]))" Range("L42").Select ActiveCell.FormulaR1C1 = "=RC[-1]*R[-35]C[-8]/(R[-35]C[-7]*R[-35]C[-5])" Range("M42").Select ActiveCell.FormulaR1C1 = "=POISSON(1,1,TRUE)" Range("N42").Select ActiveCell.FormulaR1C1 = "=ROUNDUP(RC[-1],0)" Range("C42:N42").Select Selection.Copy Range("C42:C71").Select ActiveSheet.Paste ActiveWindow.SmallScroll Down:=41 Range("C77").Select Application.CutCopyMode = False ActiveCell.FormulaR1C1 = "=R[-35]C[8]" Range("C77").Select ActiveCell.FormulaR1C1 = "=ROUNDUP(R[-35]C[8],0)" Range("D77").Select ActiveCell.FormulaR1C1 = "=R[-35]C[10]" Range("E77").Select ActiveCell.FormulaR1C1 = "=ROUNDUP(RC[-1]-R[-35]C[7],0)" Range("F77").Select ActiveCell.FormulaR1C1 = _ "=(R[-70]C[-3]*R[-70]C[1]/RC[-3])+(R[-70]C[-2]*((RC[-3]/2)+RC[-2]-R[35]C[6]))+(R[-70]C[-1]*R[-70]C[1]*R[-35]C[6]/RC[-3])" Range("G77").Select
152 ActiveCell.FormulaR1C1 = "=1-R[-35]C[5]" Range("C77:G77").Select Selection.Copy Range("C77:C106").Select ActiveSheet.Paste ActiveWindow.SmallScroll Down:=25 Range("F107").Select Application.CutCopyMode = False ActiveCell.FormulaR1C1 = "=SUM(R[-30]C:R[-1]C)" Range("F108").Select End Sub