1
PENERAPAN CONDITION BASED MAINTENANCE UNTUK MENENTUKAN WAKTU PERAWATAN SISTEM PENGENDALIAN TEMPERATUR PADA THERMAL OXIDIZER DI CONOCOPHILLIPS INDONESIA (Magdalena Feby Kumayasari, Katherin Indriawati ST.MT, Ir. Yaumar MT) Department of Engineering Physics, Faculty of Industrial Technology ITS Surabaya Indonesia 60111, email:
[email protected]
Abstract— Thermal Oxidizer merupakan sebuah sistem yang berfungsi untuk membakar limbah gas (waste gas) hasil sisa produksi untuk dialirkan ke lingkungan bebas. Agar limbah gas ini terurai menjadi gas buang dengan konsentrasi rendah, maka diperlukan penentuan waktu perawatan yang benar pada komponen sistem pengendalian temperatur agar komponen sistem bekerja dengan baik. Komponen-komponen sistem pengendalian tersebut adalah Temperatur transmitter, termokopel, control valve dan burner. Condition Based Maintenance merupakan sebuah metode penentuan waktu perawatan yang didasarkan pada data kegagalan dan kondisi dari komponen. Metode ini dapat memperkirakan waktu perawatan yang didasarkan pada remaining useful life (LR) yang merupakan pengurangan dari mean life (LM) dan actual life (LA). Berdasarkan hasil pengolahan data perawatan dan data pengukuran, didapatkan rentang perkiraan waktu perawatan untuk komponen Temperatur Transmitter & termokopel adalah 19 40 hari, control valve adalah 195 23 hari dan burner adalah 155 34 hari. Hasil perhitungan yang telah dilakukan sesuai dengan data kerusakan yang terjadi sebenarnya Index Terms— Thermal Oxidizer, Condition Based Maintenance (CBM), remaining Useful Life (LR).)
I. PENDAHULUAN Thermal Oxidizer (TO) merupakan sebuah sistem yang berfungsi untuk membakar limbah gas (waste gas) hasil sisa produksi untuk dialirkan ke lingkungan bebas. Limbah gas ini mengandung konsentrasi racun yang sangat tinggi, untuk itu TO ini membakar limbah gas ini agar terurai menjadi gas buang (flue gas) yang memiliki konsentrasi racun sangat rendah yang dapat dibuang ke lingkungan. Kualitas dari pembuangan limbah gas sisa hasil produksi ini ditentukan oleh pembakaran pada thermal oxidizer ini. Thermal Oxidizer bekerja pada kondisi normal operating temperatur 1500-1600°F . Pada waste gas ini terdapat tujuh buah komponen yang harus dibakar, yaitu H2S, CO2, N2, CxHy, i-Cx, C7, dan H2O. Dengan temperatur 1500-1600°F, gas-gas tersebut dapat terurai menjadi lima komponen yaitu SO2, CO2, N2, O2 dan H2O. Untuk itu, variabel proses yang harus dikendalikan agar proses netralisasi tersebut bisa optimal adalah dengan menjaga temperatur pada nilai setpoint yang ditentukan. Untuk mengendalikan temperatur ini maka diperlukan beberapa komponen yang selanjutnya disebut sebagai sistem pengendalian temperatur. Komponenkomponen tersebut adalah Temperature Control Valve (TV),
Temperature Transmitter (TT), Termokopel sebagai sensor, dan burner sebagai pembakarnya. Komponen-komponen tersebut sangat penting dalam penentuan kualitas dari pembuangan limbah gas sisa produksi ini. Untuk itu diperlukan pula perawatan yang bagus untuk menjaga kinerja dari masing-masing komponen tersebut. Perawatan adalah salah satu kegiatan pendukung yang bertujuan untuk menjamin kelangsungan fungsional suatu sistem produksi (peralatan, mesin, dan fasilitas lainnya) sehingga pada saat dibutuhkan dapat dipakai sesuai dengan kondisi yang diharapkan [Dwi Priyanta, 2000]. Tujuan utama dari dilakukannya sistem manajemen perawatan yang pertama adalah memperpanjang umur pakai fasilitas produksi. Kedua yaitu untuk menjamin tingkat ketersediaan yang optimum dari fasilitas produksi. Ketiga yaitu menjamin kesiapan operasional seluruh fasilitas yang diperlukan untuk pemakaian darurat. Terakhir yaitu untuk menjamin keselamatan operator dan pemakai fasilitas Secara garis besar tindakan perawatan dibedakan atas dua hal yaitu berupa planned maintenance dan unplanned maintenance. Planned maintenance, merupakan suatu tindakan atau kegiatan perawatan yang mana pelaksanaannya telah direncanakan terlebih dahulu. Sedangkan unplanned maintenance, yaitu suatu tindakan atau kegiatan perawatan yang mana pelaksanaannya tidak direncanakan. Preventive maintenance, tindakan perawatan untuk mencegah terjadinya kerusakan. Corrective maintenance, tindakan perawatan setelah kerusakan terjadi. Preventive Maintenance sering disebut time based maintenance, sudah dapat mengurangi frekuensi kegagalan. Perawatan jenis ini dilakukan tanpa mempertimbangkan kondisi komponen. Perawatan jenis ini sangat tidak efektif dan tidak efisien dari segi cost ketika diterapkan sebagai satusatunya metode perawatan dalam sebuah plant. Pada makalah ini, dijelaskan tentang penerapan Condition Based Maintenance pada Thermal oxidizer untuk mengetahui kapan plant ini perlu dilakukan perawatan. Metode CBM ini dikenal mampu menghasilkan waktu pemeliharan yang efektif dan ekonomis, serta mengoptimalkan kinerja dan umur mesin (AKS Jardin, 2005). Selain itu, Condition Based Maintenance dapat memperkecil biaya onderdil, sistem downtime dan memperkecil waktu yang terbuang sia-sia saat menunggu datangnya waktu pemeliharaan (Ari Sulistiono, 2010). Pengambilan keputusan waktu perawatan ini didasarkan pada remaining useful life (LR) dari hasil pengolahan data kegagalan serta data kondisi plant dengan interval kepercayaan sebesar 90%. Data yang digunakan yaitu waktu kegagalan komponen TO di ConocoPhillips Indonesia pada
2 tahun 2007-2010 dengan kegagalan lebih dari tiga kali dengan mengabaikan human error yang mempengaruhi kegagalan. II. DASAR TEORI A. Thermal Oxidizer Thermal oxidizer merupakan sebuah process plant yang berfungsi sebagai pembakaran limbah gas (waste gas). Tujuan utama penggunaan thermal oxidizer adalah mengubah limbah gas (waste gas) yang memiliki konsentrasi racun yang tinggi menjadi gas buang (flue gas) yang bersifat bersih, agar dapat dibuang ke udara bebas dengan konsentrasi racun yang rendah. Jadi waste gas yang bersifat pekat akan diuraikan menjadi flue gas yang memiliki konsentrasi racun yang rendah dengan membakarnya pada suhu 1500oF - 1600oF. Dalam fungsi kerja thermal oxidizer, ada sistem kerja penunjang proses pembakaran waste gas. Komponen kerja tersebut adalah burner yang merupakan tungku bakar dari thermal oxidizer. Burner ini bekerja untuk menghasilkan api yang digunakan untuk membakar waste gas pada thermal oxidizer. Jenis bahan bakar yang digunakan di thermal oxidizer adalah bahan bakar jenis metana (CH4). output
input Controller
Transmitter
Aktuator
Plant
Sensor
Gambar 1 Diagram Blok Sistem Pengendalian Gambar 1 merupakan gambar umum diagram blok sistem pengendalian. Sistem pengendalian yang digunakan pada penelitian ini adalah sistem pengendalian temperatur. Tujuan utama strategi sistem pengendalian ini adalah menjaga supaya suhu operasi sesuai dengan setpoint yang ditetapkan dengan mengatur bukaan valve pada pipa main fuel. Pengendalian ini dimaksudkan agar menjaga temperatur di dalam proses pembakaran waste gas di thermal oxidizer bisa konstan. Dengan kebutuhan akan temperatur yang terus terjaga, maka konsentrasi dari waste gas dapat tereduksi menjadi flue gas dengan konsentrasi racun yang rendah.
Keterkaitan antara fuel gas dengan temperatur di dalam thermal oxidizer adalah semakin besar fuel gas yang dihasilkan semakin besar pula temperatur yang terjadi di dalam proses pembakaran. Sedangkan semakin rendah laju aliran fuel gas, maka temperatur dalam thermal oxidizer akan semakin rendah pula. Dan itu semua terkait dengan proses pembakaran waste gas dalam thermal oxidizer. Untuk lebih jelasnya dapat dilihat pada Gambar 2 yang merupakan gambar P&ID dari Thermal Oxidizer. Limbah gas yang diolah pada TO sebagian besar berupa gas H2S yang berasal dari campuran minyak dan gas alam. Gas H2S sendiri memiliki pengaruh yang sangat buruk bagi kesehatan manusia. Selain itu juga gas H2S bersifat korosif, sehingga tidak baik bagi komponen-komponen yang ada di plant. Untuk itulah gas H2S perlu dimusnahkan. Untuk mendukung fungsi tersebut, thermal oxidizer terdiri atas berbagai macam komponen. Di bawah ini akan dijelaskan mengenai berbagai komponen penting pada sistem pengendalian temperatur thermal oxidizer. (1) Pengendali PID : Jenis kontroller yang digunakan untuk mengatur temperatur pada Temperature Indicating Controller adalah jenis PID. Elemen-elemen kontroler P, I dan D masing-masing secara keseluruhan bertujuan untuk mempercepat respon, menghilangkan offset dan memperkecil overshoot. Sinyalnya berupa arus 4-20 mA, memanipulasi prosentase bukaan valve untuk mengendalikan temperatur pada thermal Oxidizer. (2) Aktuator : Aktuator yang digunakan pada TO adalah control valve dan motor AC. . Control valve adalah jenis final control element yang paling umum dipakai untuk sistem pengendalian proses, sehingga orang cenderung mengartikan final control element sebagai control valve. Dalam kesatuannya sebagai unit, control valve, aktuator dan valve harus melakukan tugas koreksi berdasarkan sinyal manipulated variable yang keluar dari controller. Control valve menggunakan I/P converter yang mengubah sinyal input 4 – 20 mA menjadi sinyal pneumatik 3 – 15psig. Karakteristik dari control valve adalah equal percentage. Dalam hal ini, control valve memiliki masukan sinyal berupa arus listrik kemudian dirubah menjadi tekanan untuk menggerakkan stem control valve. (3) Plant : Plant yang dimaksud adalah thermal oxidizer di Conoco philips Indonesia. Thermal oxidizer (TO) dilengkapi dengan natural draft fuel gas burner. Burner tesebut akan dinyalakan dan akan membuat TO beroperasi pada suhu 1500oF-1600oF (816 oC - 871oC). Ketika TO sudah mendapatkan suhu operasi yang telah didesain, aliran limbah akan diinjeksikan masuk ke dalam burner. Thermal oxidizer didesain untuk beroperasi pada suhu 1500oF-1600oF (816 oC - 871oC). Suhu yang tinggi ini dan waktu residence minimum yang sebesar 0,1 detik akan dapat menghancurkan unsur pokok aliran gas limbah yang mudah terbakar.
Gambar 2. Thermal Oxidizer
3 (4) Transmitter : Temperature transmitter yang dipakai pada TO yaitu transmitter dari Rosemount dengan model 3144P 3144P. Prinsip dari transmitter ini menggunakan thermocouple hermocouple tipe K sebagai sensor temperatur. Keluaran eluaran dari sensor berupa tegangan yang sebanding dengan suhu. Keluaran eluaran ini kemu kemudian diolah dengan rangkaian pengkondisi sinyal sehingga diperoleh keluaran berupa arus 4-20mA. B. Condition Based Maintenance Condition Based Maintenance merupakan sebuah program perawatan yang rekomendasi keputusan per perawatannya didasarkan pada pengumpulan informasi dari kondisi pengukuran suatu plant.. CBM merupakan sebuah usaha untuk mengurangi penjadwalan perawatan yang tidak terlalu diperlukan yaitu hanya dilakukan ketika terjadi hal ya yang tidak normal pada plant sehingga dapat mengurangi biaya perawatan. Seperti rti yang tampak pada gambar 3, m metode ini mempunyai tiga tahap (A.K.S Jardine dkk, 2005) yaitu : (1) Tahap akuisisi data (pengumpulan informasi) Akuisisi data merupakan sebuah proses un untuk mengumpulkan dan menyimpan data atau informasi yang berguna sesuai dengan yang dibutuhkan untuk keperluan CBM. Tahap ini merupakan tahap paling dasar dalam pelaksanaan program CBM untuk proses diagnosis dan prognosis kegagalan alat. Data yang dikumpulk dikumpulkan dalam program CBM dapat dikategorikan ke dalam dua jenis utama yaitu data kejadian atau disebut data perawatan dan data pengukuran kondisi. Data kejadian yaitu berupa data apa yang terjadi (kerusakan, penginstallasian, pemeriksaan dan lain lainlain) dan data apa yang dilakukan (perbaikan, preventive perawatan,, penggantian minyak dan lain lain-lain). Data pengukuran kondisi merupakan data yangg diukur yaitu dapat berupa data vibrasi, data akustik, temperatur, mperatur, tekanan dan lain lainlain. (2) Tahap pemrosesan data Tahap awal dalam pemrosesan data adalah pembersihan data. Tahap ini penting, terutama untuk data kejadian yang biasanya dimasukkan secara manual, al, selalu mengandung error. Untuk data pengukuran kondisi, data error mungkin disebabkan oleh kesalahan sensor. Dalam kasus ini, pemisahan kesalahan sensor merupakan cara terbaik yang dapat dilakukan (R.Xu, 2003). Tahap berikutnya dari pemrosesan data adalah analisis data. Terdapat banyak model, algoritma dan alat yang cocok dalam menganalisis data untuk penafsiran data yang lebih baik. Model, odel, algoritma, peralatan sepe seperti yang disebutkan diatas digunakan untuk analisis data tergantung pada tipe dari dataa yang dikumpulkan. Ada tiga tipe data yang dimaksud, yaitu value type (data analisis minyak, temperatur, tekanan dan kelembaban), waveform type (data vibrasi,dan data akustik), dan multidimension type (infrared infrared thermograph, X-Ray Images, visual images, dan lain-lain). lain). Dalam penelitian ini data yang dimaksudkan tergolong dalam value type type. (3) Tahap pembuatan keputusan perawatan Tahap berikutnya pada program CBM adalah pembuatan keputusan perawatan. Keputusan yang cukup dan tepat guna
akan penting sekali dalam pengambilan tindakan perawatan. Teknik pengambilan keputusan perawatan dalam CBM dapat digolongkan ke dalam dua kategori utama yaitu prognosis dan diagnosis. Diagnosis yaitu proses pendeteksian, pengisolasian, dan pengidentifikasian setelah kegagalan itu terjadi. Pendeteksian kegagalan dilakukan kukan untuk menunjukkan sesuatu yang salah pada saat kegiatan pengukuran. pengukuran Pengisolasian dilakukan untuk menunjukkan lokasi dari komponen yang telah gagal dan pengidentifikasian kegagalan dilakukan untuk memutuskan sifat dari kegagalan ketika itu terjadi. Prognosis dilakukan ketika kegagalan itu belum terjadi. Ramalan kegagalan dilakukan untuk memutuskan kegagalan yang akan terjadi dan memperkirakan kapan kegagalan itu akan terjadi. Diagnosis merupakan kegiatan analisis berikutnya b setelah kegiatan prognosis dilakukan. Diagnosis dibutuhkan ketika kegiatan iatan prognosis tidak berhasil dalam memperkirakan kegagalan, dan kegagalan itu telah terjadi (A.K.S Jardine dkk, 2005). Diagnosis kegagalan mesin ditekankan pada beberapa pendekatan, ekatan, yaitu pendekatan statistik, pendekatan Artificial Intelligent,, dan pendekatan lainnya. Sedangkan prognosis sendiri memprediksi berapa lama menuju kegagalan mesin yang didapatkan dari kondisi mesin saat itu dan profil dari operasi yang telah lalu. Waktu aktu menuju kegagalan ini yang disebut dengan remaining useful life ife (LR). Dalam penelitian ini dilakukan penentuan waktu perawatan yang didasarkan pada hasil perhitungan remaining useful life (LR). Pengumpulan Data
Pembuatan Keputusan Perawatan
Pemrosesan data
Gambar 3.. Tiga tahap dalam proses CBM (A.K.S Jardine dkk, 2005) III. METODE Mulai Pengumpulan data Pengolahan data monitoring
Pengolahan data maintenance
Penentuan variabel yang mempengaruhi umur
Penentuan Distribusi kegagalan
Penentuan persamaan regresi LA Perhitungan mean life (LM ) buruk
Validasi Model regresi baik Penentuan remaining useful life (LR)
Validasi LR
buruk
baik Analisis selesai
Gambar 4. Diagram gram alir metodologi penelitian
4 Tahap-tahap penelitian meliputi pengumpulan data, pengolahan data perawatan dan pengukuran, hingga penentuan remaining useful life (LR) yang nantinya digunakan untuk menentukan waktu perawatan. Metode penelitian yang dilakukan untuk menyelesaikan penelitian ini, digambarkan dalam diagram alir seperti Gambar 5. A. Pengumpulan data Pada tahap ini dilakukan pengumpulan data sekunder berupa data history kegagalan, perbaikan sistem, data pengukuran thermal oxidizer dari DCS antara tahun 20062010, data spesifikasi dari masing-masing komponen, data P&ID, serta deskripsi operasi dari sistem pengendalian. Datadata spesifikasi, data P&ID serta data deskripsi operasi dari sistem pengendalian digunakan untuk menunjang penentuan waktu perawatan. Sedangkan data utama yang digunakan untuk proses pengolahan data berupa data kegagalan dan perbaikan serta data pengukuran. Jumlah data history kegagalan dan perbaikan yang diperlukan paling sedikit adalah lima data agar dapat diperoleh distribusi kegagalan. Parameter dari distribusi kegagalan tersebut dipakai untuk menentukan mean life (LM) yang merupakan umur rata-rata kegagalan sebuah komponen. Data kerusakan ini dibagi menjadi dua, yaitu data yang digunakan untuk penentuan waktu perawatan dan data yang digunakan untuk validasi. Data pengukuran digunakan untuk menentukan persamaan actual life (LA) yang merepresentasikan pengaruh kondisi alat terhadap sisa umur alat. Jenis data yang diperlukan dalam pengolahan data pengukuran ini adalah temperatur set point, temperatur keluaran, tekanan fluida pada pipa, dan prosentase bukaan temperature control valve. Data pengukuran yang diperlukan adalah data pengukuran Bulan September 2006 sampai dengan Bulan Februari 2010 sesuai dengan data perawatan. B. Perhitungan Mean Life (LM) Mean life (LM) merupakan waktu rata-rata antar kegagalan suatu komponen. LM didapatkan dari hasil pengolahan data perawatan yang berupa data kegagalan dan data perbaikan. Penentuan distribusi probabilitas waktu antar kegagalan (PDF) didasarkan pada uji Goodness of Fit (GOF) statistics. Uji GOF mengukur kesesuaian dari sampel random dengan fungsi distribusi probabilitas. Dengan kata lain, uji ini menunjukkan seberapa baik kesesuaian distribusi yang dipilih dengan data. Distribusi yang memiliki GOF statistics paling rendah, merupakan distribusi yang paling sesuai untuk data waktu antar kegagalan yang dimaksud. Penentuan distribusi waktu antar kegagalan dari masing-masing komponen yang ditinjau didapatkan dengan menggunakan program bantu EasyFit. Dari hasil penentuan distribusi dan parameter menggunakan software EasyFit, didapatkan bahwa distribusi yang paling sesuai untuk ketiga komponen sistem pengendalian ini adalah distribusi eksponensial. Dari distribusi dan parameter tersebut, dapat ditentukan nilai mean life untuk masing-masing komponen dengan menggunakan persamaan (1) :
MTTF = =
(1)
C. Penentuan Remaining Useful Life (LR) Remaining Useful Life (LR) merupakan sisa masa hidup komponen pada kondisi operasi yang digunakan. . Penentuan LR menggunakan data perawatan dan data pengukuran. Nilai LR didapatkan dari hasil pengurangan LM dan LA (Mazhar, 2007) seperti yang ditunjukkan oleh persamaan (2): LR = LM – LA
(2)
Penentuan persamaan umur aktual (LA) menggunakan data pengukuran. Tahap-tahap yang dilakukan sebelum menentukan persamaan LA ini adalah pengolahan awal (preprocessing) data dan penentuan variabel yang berpengaruh terhadap umur. Pengolahan awal data adalah menghilangkan data yang berada di luar batas kendali. Pengolahan ini bertujuan agar model regresi yang dihasilkan baik. Penghilangan data ini didasarkan pada nilai Upper Control Limit (UCL) dan Lower Control Limit (LCL) yang didapatkan dengan menggunakan persaman-persamaan berikut:
̅
∑
, dengan ̅ = rata-rata
Lower Control Limit
̅ 3
Upper Control Limit ̅ dengan :
(3)
= standar deviasi =
(4)
3
(5)
! ∑ " #∑ $ !#! $
"
(6)
Setelah nilai dari UCL dan LCL ditentukan, berikutnya dapat menghilangkan data yang berada di luar batas kendali. Dengan menggunakan software MINITAB 14, data-data tersebut dapat ditampilkan dalam bentuk grafik kontrol Xbar. (1) Penentuan variabel
Gambar 5. Diagram alir penentuan variabel yang mempengaruhi umur Penentuan variabel sangat penting dalam menentukan waktu perawatan suatu komponen. Namun, sebelum dilakukan penentuan variabel, terlebih dahulu yang dilakukan adalah melakukan hipotesis variabel yang menentukan umur.
5 Hipotesis variabel merupakan sebuah perkiraan variabel apa saja yang dapat mempengaruhi umur dari sebuah komponen yang nantinya diperlukan pada tahap penentuan persamaan LA. Masing-masing komponen akan memiliki variabel yang berbeda dalam penentuan nilai LA. Tahap-tahap dalam penentuan variabel ini digambarkan pada Gambar 5. Langkah selanjutnya adalah melakukan uji korelasi untuk setiap variabel yang diduga mempengaruhi umur alat. Uji korelasi ini bertujuan untuk mengetahui ada tidaknya hubungan linier antara variabel tersebut dengan umur alat. Penentuan variabel didasarkan pada nilai koefisien korelasi (r). Nilai r berkisar antara -1.00 sampai 1.00. Sebuah korelasi yang sempurna ditandai dengan nilai 1.00 baik positif maupun negatif. Nilai nol menunjukkan tidak adanya korelasi. Koefisien korelasi didapatkan dengan persamaan (7) : % dengan
:
∑#̅ $#&&'$ #! $#() (* $
(7)
% = koefisien korelasi nilai variabel bebas + nilai variabel terikat ,& standar deviasi dari variabel y (variabel terikat) , standar deviasi dari variabel x (variabel bebas)
(2) Penentuan LA Penentuan LA dapat dilakukan setelah variabel yang berpengaruh terhadap umur alat ditentukan. Metode yang digunakan adalah regresi linier. Persamaan regresi linier menyatakan hubungan antara gradien dengan nilai LA. Penentuan persamaan LA ini menggunakan persamaan umum regresi linier sebagai berikut: -.
/
(8)
dimana : -. = nilai variabel yang diperkirakan untuk sebuah nilai x tertentu. Dalam penelitian ini -. merupakan umur aktual (LA) titik potong sumbu Y, merupakan nilai Y yang diperkirakan ketika variabel x bernilai nol (x=0) / kemiringan garis (gradien) atau perubahan rata-rata di dalam -. untuk setiap perubahan sebesar satu unit dalam variabel bebas x. Sedangkan untuk nilai a dan b didapatkan dari : /%
() (*
+' /̅
(9) (10)
dimana : % = koefisien korelasi ,& standar deviasi dari variabel y (variabel terikat) , standar deviasi dari variabel x (variabel bebas) ̅ nilai rata-rata dari variabel x (variabel bebas) +' nilai rata-rata dari variabel y (variabel terikat)
Seperti yang dijelaskan pada paragraf sebelumnya bahwa persaman regresi LA merupakan hubungan antara variabel yang berpengaruh dengan nilai dari LA itu sendiri. Untuk itu, dalam pembuatan persamaan ini diperlukan juga nilai-nilai LA dari data perawatan. Nilai LA yang akan dijadikan persamaan ini diperoleh dari data kerusakan dan perbaikan serta hasil perhitungan dari nilai umur rata-rata (LM). Data yang diperoleh dari perusahaan adalah berupa data waktu perawatan. Waktu perawatan adalah waktu dimana komponen rusak atau mengalami kegagalan, sehingga perlu dilakukan perawatan yang merupakan penjumlahan dari nilai rata-rata umur dengan sisa umur komponen. Untuk lebih jelasnya dapat dilihat pada persamaan 9 dan Gambar 6. Waktu perawatan = LM + LR
(11)
Gambar 6 Hubungan antara LR , LM dengan kerusakan yang terjadi. Berdasarkan persamaan (11) nilai LR merupakan selisih dari waktu komponen rusak dengan rata-rata kegagalan (LM). Jika nilai LR negatif, maka harus dilakukan perawatan atau perbaikan sebelum waktu rata-rata kegagalan komponen tersebut (LM). Sebaliknya, jika nilai LR positif maka komponen tersebut akan mengalami kegagalan lebih lama dari waktu rata-rata kegagalannya Nilai LR selanjutnya digunakan untuk menentukan nilai LA. Penentuan nilai LA tersebut didasarkan pada persamaan (2) dan (10). Dari persamaan tersebut, dapat diketahui bahwa : LA = LM – LR = 2LM – waktu perawatan
(12)
Validasi perlu dilakukan untuk mengetahui seberapa efektif persamaan regresi yang dihasilkan dapat digunakan dalam memperkirakan nilai veriabel keluaran. Validasi persamaan regresi dilakukan dengan menggunakan dua metode. Metode yang pertama adalah berdasarkan nilai R2 dari model tersebut. Sedangkan metode berikutnya adalah berdasarkan kriteria validasi. Kriteria tersebut adalah residual harus terdistribusi secara normal dan varian residual harus konstan. Nilai R2 merupakan koefisien determinasi. Koefisien ini yang mengukur seberapa besar kegunaan variabel x dalam memperkirakan variabel y. R2 berkisar antara nol (model lemah) sampai satu yang berarti sempuna. Semakin besar nilai R2, maka semakin baik modelnya (Augustine AS, 2005). Kriteria residual harus terdistribusi secara normal ditunjukkan dengan menggunakan plot probabilitas normal residual serta plot residual terhadap perkiraan nilai y dan variabel x (Augustine AS, 2005). Gambar 7 merupakan contoh gambar yang menunjukkan bahwa residual-residual terdistribusi hampir normal yang berarti model memenuhi kriteria normalitas. Selanjutnya adalah membuktikan apakah
6 varian residual bernilai konstan. Plot residual terhadap perkiraan nilai y dan nilai x pada Gambar 8 merupakan contoh yang menunjukkan bahwa residual secara acak terdistribusi. Hal ini berarti model memenuhi kriteria validasi untuk variabel konstan residual. Jika memenuhi kedua kriteria tersebut, maka model regresi linier dikatakan valid dan dapat digunakan. Plot probabilitas normal residual hari2 sebagai respon 99
95 90
Percent
80 70 60 50 40 30 20 10 5
1
-40
-30
-20
-10
0 Residual
10
20
30
40
Gambar 7 Plot Probabilitas Normal Residual Kriteria residual harus terdistribusi secara normal ditunjukkan dengan menggunakan plot probabilitas normal residual serta plot residual terhadap perkiraan nilai y dan variabel x (Augustine AS, 2005). Gambar 7 merupakan contoh gambar yang menunjukkan bahwa residual-residual terdistribusi hampir normal yang berarti model memenuhi kriteria normalitas. Selanjutnya adalah membuktikan apakah varian residual bernilai konstan. Plot residual terhadap perkiraan nilai y dan nilai x pada Gambar 8 merupakan contoh yang menunjukkan bahwa residual secara acak terdistribusi. Hal ini berarti model memenuhi kriteria validasi untuk variabel konstan residual. Jika memenuhi kedua kriteria tersebut, maka model regresi linier dikatakan valid dan dapat digunakan.
dengan :
-. nilai diprediksi untuk suatu nilai x nilai x yang dipilih ̅ rata-rata nilai x jumlah pengamatan ,&, kesalahan standar estimasi nilai t dari α/2 dan (n-2) derajat kebebasan
D. Validasi LR Validasi perhitungan LR disini bertujuan untuk menentukan benar atau tidaknya hasil perhitungan dari waktu perawatan. Validasi ini dilakukan dengan cara membandingkan hasil penentuan waktu perawatan dengan data riwayat kerusakan yang tidak disertakan dalam penentuan umur sisa (LR). Pada validasi LR ini dilakukan beberapa tahap mulai dari perhitungan LM hingga perhitungan LR. Tahap-tahap yang dilakukan dalam validasi LR merupakan tahap-tahap dalam penentuan waktu perawatan yang didasarkan dari hasil perhitungan LR. Tahap-tahapnya adalah terlebih dahulu menghitung LM. Tahap berikutnya adalah penentuan nilai LA. Nilai dari umur aktual (LA) diperoleh dengan cara memasukkan data kondisi dari plant pada persamaan regresi (7). Setelah nilai LA dan LM diketahui, maka tahap selanjutnya adalah menghitung besarnya nilai LR. Setelah waktu perawatan ditentukan, maka langkah selanjutnya adalah membandingkan apakah waktu perawatan hasil perhitungan sesuai dengan waktu kerusakan berikutnya dari sebuah komponen.
Plot residual terhadap perkiraan nilai y dan nilai x 0,25 FITS3
30
0,30
0,35
0,40
0,45
rasio2
RESI3
20
10
0
-10
Gambar 9 Diagram Alir validasi perhitungan LR
-20 20
22
24
26
28
Gambar 8 Residual terhadap perkiraan y dan variabel x
IV. HASIL PENELITIAN
Tahap berikutnya setelah model regresi linier dikatakan valid adalah penentuan interval kepercayaan dari model yang dibuat. Interval kepercayaan disini berguna untuk menunjukkan nilai rentang y untuk suatu nilai x. Untuk menentukan interval kepercayaan dari nilai y pada suatu nilai x, digunakan persamaan berikut:
Pada bagian IV ini, akan ditampilkan hasil perhitungan dan analisa dari penelitian yang telah dilakukan. Analisa ini dilakukan berurutan sesuai dengan apa yang telah dijelaskan pada bagian III, mulai dari perhitungan mean life (LM), penentuan actual life (LA), penentuan remaining useful life (LR), sampai dengan validasi perhitungan LR itu sendiri yang tentunya akan berbeda untuk masing-masing komponen penting sistem pengendalian temperatur pada thermal oxidizer. Komponen-komponen tersebut adalah temperatur transmitter,
-. #,&, $1
!
#̅ $"
∑#̅ $"
(12)
7 termokopel, control valve dan burner. Masing-masing dari komponen ini akan ditentukan waktu perawatannya. A. Perhitungan Mean Life (LM) Mean life (LM) didapatkan dari hasil pengolahan data perawatan, yaitu data history kegagalan dan perbaikan yang telah dikumpulkan. LM ini merupakan waktu rata-rata antar kegagalan yang tentunya berbeda untuk masing-masing komponen. Hal ini dikarenakan masing-masing komponen memiliki history kegagalan yang berbeda-beda pula. Data history kegagalan untuk masing-masing komponen ini dapat dilihat pada Tabel 1 sampai dengan Tabel 3. Tabel 1 Data TTF dan TTR dari TT dan termokopel Kejadian 16-Apr-07 24-Des-07 04-Jun-08 28-Agust-08 01-Agust-09
Perbaikan 30-Apr-07 27-Des-07 24-Jul-08 27-Sep-08 12-Agust-09
TTF(hari) 0 238 160 35 308
TTR(hari) 14 3 50 30 11
Dari hasil pengolahan data history kegagalan dan perbaikan untuk masing-masing komponen menggunakan software Easyfit didapatkan distribusi yang paling sesuai untuk data TTF seluruh komponen adalah distribusi eksponensial. Dimana parameter-parameter (λ) untuk komponen TT dan termokopel, control valve, dan burner masing-masing adalah 0,00675; 0,00759; dan 0,00739. Dari parameter tersebut, maka didapatkan harga mean life untuk masing-masing komponen TT dan termokopel, control valve dan burner sebesar 148,2; 131,83 dan 135,33 hari. Tabel 2 Data TTF dan TTR dari control valve Kejadian 24-Apr-07 09-Jul-07 28-Mar-08 13-Nop-08 19-Feb-09 01-Agust-09
Kerusakan 13-Mei-07 17-Jul-07 29-Mar-08 22-Nop-08 23-Feb-09 12-Agust-09
TTF(hari) 0 57 256 230 89 159
TTR(hari) 19 8 1 9 4 11
diperoleh data pengukuran yang berbeda-beda. Data kondisi yang ada akan dibagi dalam beberapa pengukuran. Pengukuran pertama merupakan data kondisi sejak komponen tersebut selesai diperbaiki hingga komponen tersebut mengalami kegagalan berikutnya dan seterusnya. Sebelum dilakukan penentuan persamaan LA, data yang berada di luar batas kendali harus dihilangkan terlebih dahulu. Penghilangan data ini didasarkan pada nilai LCL dan UCL. Untuk komponen TT dan termokopel, perhitungan dilakukan berdasarkan 35 hari kondisi awal dari komponen tersebut. Sedangkan komponen control valve, perhitungan didasarkan pada 50, 60 dan 70 hari kondisi awal. Untuk komponen burner, perhitungan dilakukan berdasarkan 70, 84 dan 98 hari kondisi awal pengukuran (1) Penentuan variabel yang berpengaruh Variabel yang berpengaruh untuk masing-masing komponen tentunya akan berbeda. Hal ini dikarenakan masing-masing komponen memiliki kondisi yang berbeda pula. Sehingga kerusakan yang diindikasikan juga berbeda. Berdasarkan hasil dari proses penentuan variabel seperti yang telah dijelaskan pada bagian II.B, diperoleh fakta bahwa: • Untuk komponen TT dan termokopel, variabel yang diperkirakan akan berpengaruh adalah gradien hubungan dari temperatur keluaran atau temperatur yang mengenainya dengan hari ke-n komponen tersebut bekerja. • Untuk komponen control valve, variabel yang berpengaruh pada nilai actual life adalah gradien rasio perbandingan antara sinyal kontrol bukaan valve dengan tekanan fluida yang mengalir pada pipa. • Untuk komponen burner, variabel yang berpengaruh adalah gradien penyimpangan temperatur dan hari ke-n komponen tersebut bekerja. Tabel 4 Koefisien korelasi untuk masing-masing komponen Komponen TT dan Termokopel 50 hari Control valve 60 hari 70 hari 70 hari burner 84 hari 98 hari
koefisien korelasi (r) -0,219 -0,41 -0,739 -0,892 0,191 -0,145 -0,557
Tabel 3 Data TTF dan TTR dari burner Kejadian 29-Jan-07 01-Okt-07 21-Feb-08 29-Mei-08 05-Feb-09 25-Mei-09
Perbaikan 30-Jan-07 06-Okt-07 07-Mar-08 30-Mei-08 18-Feb-09 04-Jul-09
TTF(hari) 0 244 138 83 251 96
TTR(hari) 1 5 15 1 13 40
B. Penentuan persamaan remaining useful life (LR) Untuk menentukan persamaan LR, diperlukan persamaan actual life. Data pengukuran digunakan untuk menentukan persamaan actual life (LA). Untuk masing- masing komponen
Pada masing-masing variabel untuk masing-masing komponen di atas, perlu dilakukan uji korelasi untuk menentukan apakah variabel-variabel tersebut berpengaruh dalam menentukan waktu perawatan. Nilai dari koefisien korelasi tersebut dapat dilihat pada Tabel 4. Dari Tabel 4 dapat diketahui bahwa variabel masingmasing komponen pada masing-masing kondisi hampir seluruhnya bernilai tidak nol. Hal ini menunjukkan bahwa variabel-variabel tersebut memiliki peran dalam menentukan waktu perawatan pada masing-masing komponen. (2) Penentuan persamaan actual life Persamaan actual life didapatkan dari hasil pengolahan data gradien dari variabel dan nilai actual life dari komponen
8 itu sendiri.Tabel 5 sampai dengan Tabel 10 merupakan hubungan antara gradien masing-masing variabel dan nilai actual life.
Tabel 8 Persamaan actual life dan remaining useful life Komponen
LM
LR
21 hari
Tabel 5 Hubungan LM , LA, LR waktu kegagalan komponen serta gradien komponen TT dan Termokopel
Mean life (hari) 148,2 148,2 148,2 148,2
LR (hari) 89,8 11,8 -113,2 159,8
Gagal (hari) 238 160 35 308
Actual life (hari) 58,4 136,4 261,4 -11,6
TT dan Termokopel
Control valve
Gradien burner
0,0218 -0,0998 0,0455 0,0737
Tabel 6 Hubungan LM, LA, LR waktu kegagalan serta gradien komponen control valve LR (hari) -74,83
Gagal (hari) 57
LA (hari) 206,66
131,83
124,17
256
7,66
233 + 194m
-53,2 – 966 m
201,4 + 966m
49 hari
-98,2 – 2010 m
246,4 + 2010m
50 hari
-34,7 – 0,624 m
166,5 + 0,624m
60 hari
-34,1 – 0,944 m
165,9 + 0,944m
70 hari
131,83
-51,5 – 0,607 m
183,3 + 0,607m
70 hari
-42,3 +162 m
177,6 – 162m
-10,2 - 172 m
145,5 + 172m
10,6 – 919 m
124,7 + 919m
84 hari
135,33
98 hari
Tabel 9 Hasil perhitungan gradien, umur sisa, waktu perawatan dan rentang kepercayaan TT dan Termokopel
Control valve
Burner
nilai 21
LM (hari) 131,83
148,2
35 hari
LA = LM – LR
-85 -194 m
35
49
50
60
70
70
84
98
-0,25
0,283
0,199
0,082
0,12
0,255
0,209
0,099
14,72
17,61
20,5
20,86
25,12
28,6
m(50)
m(60)
m(70)
r
0,075
-12,1
-16,2
-
Sy
6.63
10,68
14,72
-30,8
46
81,1
Sx
51,8
306,4
262,3
0,04
0,044
0,045
104
95,7
90,3
m
-0,01
-0,01
0,016
73,23
32,02
54,2
0,051
0,055
0,031
LA
231
193
264
212
195
204
169
155
153
-.
12
40
25
30
23
25
25
34
53
131,83
98,17
230
33,66
40,6
37,6
41,5
131,83
-42,83
89
174,66
-99,1
-121
-163
131,83
27,17
159
104,66
34,3
12,5
41,3
Tabel 7 Hubungan LM , L A, dan LR waktu kegagalan serta gradien komponen burner LM (hari)
LR (hari)
Gagal (hari)
LA (hari)
m(70)
m(84)
m(98)
135,3
108,67
244
26,66
-0,025
0,065
0,072
135,3
2,67
138
132,66
0,021
0,013
-0,002
135,3
-52,33
83
187,66
0,11
0,084
-
135,3
115,67
251
19,66
0,192
0,17
0,11
135,3
-39,33
96
174,66
0,173
0,157
0,0703
Dari hasil pengolahan data pada Tabel 5 sampai dengan Tabel 7, dapat ditentukan persamaan actual life dan remaining useful life seperti yang tampak pada Tabel 8. Persamaan pada tabel 8 inilah yang nantinya akan digunakan untuk validasi perhitungan LR. C. Validasi LR Untuk melakukan validasi perhitungan LR, diperlukan perhitungan gradien terlebih dahulu. Gradien ini kemudian disubstitusikan ke dalam persamaan LR yang ditunjukkan pada Tabel 8 untuk memperoleh nilai LR. Nilai LR yang telah ditentukan digunakan untuk menentukan kapan waktu perawatan komponen dengan menggunakan persamaan (11). Perkiraan waktu perawatan yang telah ditentukan memiliki rentang kepercayaan. Keseluruhan hasil perhitungan dari gradien, waktu perawatan serta rentang kepercayaan yang telah ditentukan tersebut dapat dilihat pada Tabel 9.
Tabel 10 Hasil Validasi LR
Validasi
TT dan termokop el Control valve Burner
21 hari 35 hari 49 hari 50 hari 60 hari 70 hari 70 hari 84 hari 98 hari
rentang perkiraan waktu perawatan hasil perhitungan (hari) 219-243 153-233 239-289 182-242 172-218 180-229 144-194 121-189 100-206
waktu perawata n sebenarn ya 173
173
143
Dari hasil perhitungan yang telah ditunjukkan pada Tabel 10, dapat diketahui bahwa rentang perkiraan waktu perawatan komponen Temperatur Transmitter dan termokopel adalah 153 sampai dengan 233 hari setelah perawatan dilakukan. Dan dari data kegagalan yang ada, diapatkan bahwa komponen mengalami kegagalan bekerja setelah 173 hari. Hal ini menunjukkan bahwa waktu perawatan yang sebenarnya berada pada kurun waktu yang telah diperkirakan. Berikutnya adalah komponen control valve. Waktu perawatan yang sebenarnya sesuai dengan yang telah terjadi, menunjukkan bahwa komponen mengalami kegagalan setelah bekerja selama 173 hari. Dari hasil perhitungan setelah 60
9 hari, didapatkan bahwa waktu perawatan yang sebenarnya berada pada rentang waktu yang telah diperkirakan. Komponen terakhir dalam penelitian ini adalah burner. Dari hasil perhitungan setelah 70, 84 dan 98 hari, didapatkan hasil yang sesuai dengan waktu perawatan yang sebenarnya. Namun, rentang waktu yang paling sedikit dari hasil perhitungan adalah pada 84 kondisi awal. Rentang waktu tersebut adalah pada 121 sampai dengan 189 hari setelah perawatan sebelumnya. V. KESIMPULAN Dari hasil pengolahan data perawatan dan data pengukuran yangg telah dilakukan, maka dapat diperoleh kesimpulan bahwa: 1.
2.
3.
4.
5.
Data yang digunakan dalam penentuan persamaan regresi yang digunakan untuk menentukan waktu perawatan berupa gradien dari variabel yang berpengaruh. Persamaan remaining useful life (LR) yang digunakan adalah: • Temperatur transmitter dan termokopel LR = 33,2 + 336 m • Control valve LR = 34,13 + 0,94 m • Burner LR = 9,33 + 178 m Hasil perhitungan yang paling mendekati adalah hasil perhitungan dari data perawatan paling banyak dan data pengukuran paling banyak. Rentang perkiraan waktu perawatan untuk komponen temperatur transmitter & termokopel adalah 178 16 hari. Sedangkan komponen control valve adalah 196 23 hari dan burner adalah 154 34 hari. Perhitungan waktu perawatan menggunakan metode Condition Based Maintenance lebih mendekati waktu perawatan sebenarnya jika dibandingkan preventive maintenance yang berdasarkan angka reliability 80%. Error yang dihasilkan dari metode CBM untuk komponen temperatur transmitter dan termokopel, control valve dan burner masing-masing adalah 5, 23 dan 11 hari. Sedangkan error untuk PM masing-masing komponen adalah 140, 144 dan 113 hari. VI. DAFTAR PUSTAKA
Andrews J.D. dan TR Moss. 2002. Reliability and Risk Assassment Second Edition. New York. Cahyono, Dwi Tri. 2009. Penerapan Reliability Centered Maintenance Pada Sistem Gas Buang Boiler di PT. Ipmomi Paiton – Probolinggo. Surabaya: Teknik Fisika ITS Ebeling, Charles E. 1997. An Introduction To Reliability And Maintainability Engineering. Singapore: The Mc Graw-Hill Companies. Gunterus, Frans. 1997. Falsafah Dasar Sistem Pengendalian Proses. Jakarta : Elex Media Komputindo.
Jardine, A.K.S, Lin, D., Banjevic, D., 2005. A Review on Machinery Diagnostics and Prognostics Implementing Condition-Based Maintenance. Mechanical System and Signal Prosessing 20 (2006), 1483-1510. K.B Goode , J. Moore, B.J. Roylance. Plant Machinery Working Life Prediction Method Utilizing Reliability and Condition-Monitoring Data. Proceeding of the Institution of Mechanical Engineers Part E – Journal of Process Mechanical Engineering 214 (2000) 109-122 Mazhar, M.I., Kara, S., Kaebernick, H., 2007. Remaining Life Estimation of Used Component in Consumer Products: Life Cycle Data Analysis by Weibull and Artificial Neural Network. Journal of Operations Management 25 (2007), 1184-1193. R. Xu, C. Kwan. Robust Isolation of Sensor Failures. Asian Journal of Control 5 (2003), 12-23. Stagliano, Augustine A. 2005. Rath and Strong’s Six Sigma Advance Tools Pocket Guide. Yogyakarta: ANDI.
