SIDANG TUGAS AKHIR IMPLEMENTASI FUZZY RULES UNTUK PERENCANAAN DAN PENENTUAN PRIORITAS PEMELIHARAAN PERALATAN PRODUKSI DI PDAM KOTA SURABAYA oleh: WINDA ZULVINA 5206100040
Dosen Pembimbing : Mahendrawathi ER., ST., M.Sc.,Ph.D. Ahmad Mukhlason, S.Kom, M.Sc
Pendahuluan
Latar Belakang • PDAM Kota Surabaya adalah perusahaan produksi air minum di mana pelayanannya sangat dibutuhkan oleh jutaan pelanggan. Sebagai perusahaan yang memproduksi air minum yang vital untuk masyarakat, maka PDAM harus dapat menjaga mutu dan kualitas pelayanannya. • Apabila alat yang dipakai dalam produksi di WTP rusak, tentunya akan menimbulkan hambatan dalam proses produksi air minum. Untuk menghindari hal tersebut, PDAM harus melakukan preventive maintenance pada peralatan-peralatan WTP.
Latar Belakang (cont’d) • Adanya bermacam-macam alat produksi menyebabkan diperlukannya suatu perencanaan dalam melakukan preventive maintenance. Perencanaan tersebut meliputi penentuan prioritas preventive maintenance pada alat-alat produksi. • Dengan adanya penentuan prioritas preventive maintenance ini, akan didapatkan informasi mengenai peralatan apa saja yang membutuhkan prioritas dalam tindakan preventive maintenance, sehingga pimpinan bagian produksi akan mampu mengambil keputusan dengan lebih baik dalam hal perencanaan pemeliharaan peralatan produksi di WTP PDAM Kota Surabaya
Perumusan Masalah • Masalah-masalah utama yang akan diangkat dalam tugas akhir ini adalah sebagai berikut: 1. Bagaimana perencanaaan dan penentuan prioritas pemeliharaan peralatan produksi dilakukan? 2. Bagaimana implementasi metode fuzzy rules dalam melakukan penentuan prioritas pemeliharaan?
Tinjauan Pustaka
Preventive Maintenance • Pengertian preventive maintenance adalah perawatan dan pelayanan yang dilakukan oleh petugas yang bertujuan menjaga agar peralatan dan fasilitas tetap dalam kondisi operasional yang memuaskan dengan menyediakan inspeksi sistematis, deteksi, dan perbaikan dari kerusakan baru, baik yang belum terjadi maupun sebelum kerusakan tersebut berkembang menjadi kerusakan besar
. • Sedangkan tindakan-tindakan preventive maintenance meliputi pemeriksaan, pembersihan, pelumasan, penggantian komponen dan sebagainya.
Himpunan Fuzzy • Himpunan fuzzy didefinisikan sebagai sebuah himpunan di mana keanggotaan dari setiap elemennya tidak mempunyai batasan yang jelas (fuzzy). • Misalkan himpunan nama-nama hari disimbolkan dengan A. Biasanya tiap elemen hanya memiliki dua pilihan kategori: A atau bukan A, dan tidak ada kategori “setengah A”. Namun dalam himpunan fuzzy bisa saja elemen tersebut masuk kategori “setengah A”.
Himpunan Fuzzy •
Himpunan fuzzy A dalam semesta X didefinisikan dengan fungsi yang disebut fungsi keanggotaan atau membership function dari himpunan A: di mana jika x terdapat dalam A; jika x tidak terdapat dalam A; sebagian terdapat dalam A;
•
Untuk setiap elemen x dari semesta X, fungsi keanggotaan sama dengan derajat di mana x adalah elemen dari himpunan A. Derajat ini bernilai antara 0 dan 1, dan disebut nilai keanggotaan atau membership value.
Fuzzy Rule •
Fuzzy rule dapat didefinisikan sebagai sebuah pernyataan bersyarat dalam bentuk: IF x is A THEN y is B di mana x dan y adalah linguistic variables; dan A dan B adalah linguistic values yang ditentukan oleh himpunan fuzzy pada himpunan semesta X dan Y. Linguistic variables sendiri adalah sebuah variabel fuzzy dan linguistic values adalah nilai dari linguistic variable tersebut.
Fuzzy Inference • •
•
Fuzzy inference adalah sebuah proses pemetaan sebuah masukan ke sebuah keluaran menggunakan teori himpunan fuzzy. Sugeno-style inference menggunakan singleton sebagai fungsi keanggotaan dalam rule consequent. Sebuah fuzzy singleton adalah sebuah himpunan fuzzy dengan fungsi yang menyatu pada sebuah poin dalam himpunan semesta dan kosong di poin-poin lain. Model Sugeno fuzzy yang paling umum digunakan mempunyai rules dalam bentuk: IF x is A AND y is B THEN z is k di mana k adalah konstanta.
Fuzzy Inference
Fuzzy Inference •
Langkah-langkah dalam Sugeno fuzzy inference adalah: 1) Fuzzifikasi Langkah pertama dari fuzzy inference adalah mengambil masukan, misalnya x dan y, dan menentukan derajat keanggotaan dari masukanmasukan tersebut yang sesuai dengan fungsi keanggotaan masing-masing himpunan fuzzy. 2) Operasi fuzzy logic Operasi fuzzy logic perlu dilakukan jika bagian antecedent memiliki lebih dari satu pernyataan. Hasil akhir dari operasi ini adalah derajat kebenaran antecedent yang berupa bilangan tunggal. Bilangan ini akan diteruskan ke bagian consequent. Biasanya operator AND atau OR digunakan dalam operasi ini.
Fuzzy Inference 3) Implikasi Implikasi adalah proses mendapatkan consequent atau keluaran sebuah IFTHEN rule berdasarkan derajat kebenaran antecedent. Masukan dari proses implikasi adalah derajat kebenaran bagian antecedent dan himpunan fuzzy pada bagian consequent. Implikasi akan mengubah bentuk himpunan fuzzy keluaran yang dihasilkan dari consequent. 4) Defuzzifikasi Langkah terakhir dari proses fuzzy inference adalah defuzzifikasi. dengan menghitung weighted average -nya
di mana w adalah hasil proses operasi fuzzy logic antecedent dan z adalah keluaran rule ke-i.
Perancangan Sistem
Metode Fuzzy Rules
Data Masukan • Data hasil wawancara: – Kriteria yang mempengaruhi dilakukannya pemeliharaan, di antaranya adalah Mean Time between Failures (MTBF), Mean Time to Repair (MTTR), Sensitivity of Operation (SO). – Himpunan fuzzy untuk tiap kriteria dan prioritas, didapatkan tiga himpunan yaitu Low, Medium, dan High. – Parameter untuk masing-masing himpunan fuzzy yang direpresentasikan dengan kurva bahu kiri, trapesium, bahu kanan, dan khusus untuk prioritas menggunakan singleton. – Range nilai untuk masing-masing kriteria dan prioritas. – Rule yang akan digunakan dalam sistem.
Data Masukan • Data historis: – Jam kerja tiap alat dalam kurun waktu satu bulan. – Jumlah kerusakan yang pernah terjadi dalam suatu kurun waktu. – Waktu yang dibutuhkan untuk memperbaiki suatu alat yang rusak. – Nilai sensitivity of operation.
Menghitung Nilai Kriteria • Setelah data dimasukkan, data tersebut diolah untuk mendapatkan nilai MTBF (Mean Time Between Failure) dan MTTR (Mean Time To Repaire). • MTBF dihitung dengan cara membagi total jam kerja dengan jumlah kerusakan yang terjadi dalam selang waktu tersebut. • MTTR didapat dengan cara menghitung rata-rata waktu yang dibutuhkan untuk memperbaiki kerusakan.
Fuzzifikasi • Untuk kriteria MTBF & MTTR: Fungsi keanggotaan Low dihitung menggunakan representasi kurva bahu kiri, Medium dihitung menggunakan representasi kurva trapesium, dan High dihitung menggunakan representasi kurva bahu kanan.
• Untuk kriteria SO: Fungsi keanggotaan High dihitung menggunakan representasi kurva bahu kiri, Medium dihitung menggunakan representasi kurva trapesium, dan Low dihitung menggunakan representasi kurva bahu kanan.
Hitung Prioritas Awal • Setelah nilai keanggotaan tiap himpunan fuzzy untuk setiap kriteria didapatkan, maka nilai tersebut dimasukkan ke rule yang telah ditentukan sebelumnya oleh sang ahli. • Karena menggunakan operator AND, maka fungsi min dijalankan untuk mendapatkan nilai prioritas awal untuk masing-masing rule.
Defuzzifikasi • Setelah didapatkan prioritas awal untuk masing-masing rule yang telah ditentukan, maka seluruh prioritas awal tersebut didefuzzifikasi dengan cara menghitung weighted average-nya.
di mana w adalah hasil proses operasi fuzzy logic antecedent dan z adalah keluaran rule ke-i.
Penentuan Prioritas • Setelah nilai bobot prioritas semua alat didapatkan, maka langkah terakhir adalah mengurutkan semua bobot tersebut sehingga didapatkan suatu urutan prioritas pemeliharaan.
Validasi dan Uji Coba
Validasi Sistem • Validasi dilakukan dengan membandingkan hasil yang didapat dari perhitungan sistem dengan hasil yang didapat dari perhitungan secara manual. Prioritas
Alat
Sugeno
1 2
Accelerator Kompresor
1,0000 1,0000
3 4 5
P. air baku P. distribusi P. aluminium
1,0000 1,0000 0,8627
6
Blower
0,5000
• Perhitungan manual dilakukan pada Pompa Distribusi dan didapatkan hasilnya juga bernilai 1.
Analisis Validasi • Dari perhitungan sistem dan perhitungan manual yang telah dilakukan, keduanya memberikan hasil yang sama yaitu bernilai 1. Selain itu, dilihat dari tabel 6.2, hasil keluaran yang didapat dari semua alat apabila diurutkan akan memperlihatkan suatu urutan prioritas pemeliharaan yang sama pula. Berarti, sistem dianggap telah berhasil mengimplementasikan fuzzy rules dengan baik.
Uji Coba • Skenario uji coba pada pompa distribusi Uji Coba Jam Kerja 1 Rendah 2 Tinggi 3 Tinggi 4 Tinggi 5 Rendah 6 Rendah
MTTR Rendah Rendah Tinggi Sedang Tinggi Tinggi
SO Sedang Sedang Tinggi Tinggi Sedang Rendah
• Hasil uji coba Uji Coba
Sugeno
Mamdani
1 2 3 4 5 6
0,5 1 1 0,5 0,5 0
0,5 0,817858 0,836667 0,5 0,5 0,182142
Analisis Uji Coba • Dari tabel hasil uji coba dapat dilihat bahwa hasilnya merupakan nilai antara 0 sampai dengan 1. Hal ini menunjukkan hasil keluarannya telah memenuhi persyaratan dari si ahli. • Data masukan dalam sistem ini sangat mempengaruhi keluaran prioritas. • Metode Sugeno dan Mamdani memiliki nilai keluaran yang sedikit berbeda dengan data masukan yang sama. Akan tetapi, keluaran dari metode Mamdani lebih menunjukkan hasil prioritas yang lebih bervariasi.
Kesimpulan • Setelah dilakukan uji coba dan analisis terhadap aplikasi yang dibuat, maka dapat diambil kesimpulan sebagai berikut: – Metode fuzzy rules telah terbukti dapat diterapkan sebagai penyelesaian masalah perencanaaan dan penentuan prioritas pemeliharaan peralatan produksi. – Penerapan metode fuzzy rules untuk menyelesaikan penentuan prioritas pemeliharaan dilakukan dengan cara menerjemahkan pengetahuan dari ahli yang bersangkutan mengenai permasalahan tersebut ke dalam suatu fuzzy logic yang kemudian diimplementasikan dalam sistem. – Fuzzy logic tepat diimplementasikan pada suatu sistem di mana sistem tersebut membutuhkan pengetahuan dari ahli di perusahaan. – Dari uji coba yang telah dilakukan, dapat dilihat bahwa keluaran yang dihasilkan oleh sistem telah berhasil memenuhi persyaratan yang diberikan oleh ahli. Artinya, sistem telah berhasil menerapkan metode fuzzy rules yang sesuai dengan pengetahuan si ahli.
Saran • Berikut ini adalah beberapa saran yang diajukan untuk perbaikan dan pengembangan lebih lanjut: – Pada permasalahan ini, kriteria hanya berdasarkan tiga kriteria yaitu Mean Time Between Failure, Mean Time To Repair, dan Sensitivity of Operation. Jenis kriteria lain seperti tingkat kebisingan atau tingkat getaran suatu alat dapat ditambahkan sesuai dengan jenis dan sifat masing-masing alat. – Untuk mendapatkan hasil yang lebih baik, perlu dilakukan penerjemahan kemampuan ahli ke dalam fuzzy rules yang lebih akurat serta jumlah data masukan yang lebih banyak.
Terima Kasih
