BAB III METODOLOGI PENELITIAN
3.7 Pelaksanaan Penelitian
Penelitian dilakukan di PT. Perkebunan Nusantara IV, Kabupaten Serdang Bedagai, Adolina dengan menentukan objek yang akan diteliti, untuk memecahkan masalah dalam tugas, digunakan pendekatan-pendekatan dengan metode Fault Tree Analysis dan Root Cause Analysis yang dimulai dengan:
a. Menentukan masalah
Dalam menentukan permasalahan dilakukan analisa dengan cara stratifikasi data yang ada dari berbagai segi.
b. Studi literatur
Peneliti melakukan studi literatur dari berbagai buku yang sesuai dengan permasalahan yang diamati di perusahaan.
c. Peninjauan lapangan (survey)
Peneliti melakukan tinjauan ke perusahaan tempat melakukan penelitian serta mengamati sesuai dengan tujuan yang telah dibuat.
d. Pengumpulan data
Kegiatan yang dilakukan dalam pengumpulan data, antara lain:
1. Pengamatan langsung, melakukan pengamatan langsung ke pabrik, terutama di Sludge Separator di pabrik tersebut.
2. Wawancara, mewawancarai berbagai pihak yang berhubungan dan berwenang dalam hal perwatan mesin.
3. Merangkum data tentang hal-hal yang berkaitan dengan penelitian.
e. Pengolahan data
Data yang terkumpul diolah dengan menggunakan metode Fault Tree Analysis
f. Analisa dan pemecahan masalah
Hasil dari pengolahan data yang berupa perhitungan akan dianalisa, dilakukan pemecahan masalah, lalu diberikan rekomendasi perbaikan.
g. Langkah terakhir menarik kesimpulan dari hasil penelitian.
Studi Pendahuluan
Studi Literatur
Survey
Pengumpulan Data
1. Data Primer (Observasi Langsung) - Proses Produksi
- Jam Kerja - Mesin dan peralatan
2. Data Sekunder (Dokumen Perusahaan) - Data waktu kerusakan mesin - Data waktu pemeliharaan mesin
- Data waktu setup mesin - Data produksi mesin
Pengolahan Data
Analisa Pemecahan Masalah
Hasil
Kesimpulan dan Saran
Selesai
Ya
Tidak
Gambar 3.3 Tahapan Proses Pemecahan Masalah
BAB IV
ANALISA DATA DAN PEMBAHASAN
4.1 Pengumpulan Data
4.1.1 Proses Sistem Klarifikasi (Pemurnian)
Setelah melalui proses pengempaan (pressing) selanjutnya minyak kelapa sawit akan melalui proses pemurnian, pada proses ini suhu minyak dipertahankan berkisar 85 – 90 ˚C, berikut ini merupakan tahapan – tahapan yang harus dilakukan di stasiun klarifikasi dari sand trap tank hingga tangki timbun dapat dilihat pada gambar dibawah ini
Gambar 4.1 Alur Proses Pemurnian CPO
4.1.2 Identifikasi Proses Produksi, Jenis dan Jumlah Kegagalan Produk Berdasarkan pengamatan yang telah dilakukan mengenai proses pemurnian minyak kelapa sawit, dilakukan deskripsi bentuk kegagalan pada tiap proses – proses yang dapat dilihat pada tabel dibawah ini :
Vibrating
Tabel 4.1 Proses Pemurnian CPO
No Fungsi Proses Deskripsi
1 Sand Trap Tank Berfungsi untuk menangkap pasir dan kotoran yang terkandung di dalam minyak
2 Vibrating Screen Berfungsi sebagai penyaring kotoran atau benda benda padat (pasir, shell, nut) dan memiliki beberapa tingkat penyaringan 30 dan 40 mesh
3 Crude Oil Tank Berfungsi sebagai penampung minyak yang telah disaring oleh vibrating screen sebelum di transfer menuju CST 4 Balance Tank Berfungsi untuk menjaga aliran minyak agar tidak
bergejolak sebelum memasuki CST
5 Continuous Settling Tank Berfungsi memisahkan minyak murni dari minyak kasar yang masih mengandung air dan zat padat secara gravitasi.
6 Draft Tank Berfungsi untuk memanaskan sludge agar mempermudah pemisahaan berdasarkan berat jenisnya
7 Brake Minor Berfungsi sebagai pengatur debit aliran sludge yang akan masuk kedalam sludge separator
8 Buffer Tank Berfungsi untuk menampung minyak sebelum memasuki oil purifier
9 Sludge Separator Berfungsi untuk mendapatkan minyak yang masih terdapat didalam Sludge
10 Decanting Basin Berfungsi sebagai kolam penampung dan pengendapan kotoran yang masih terkandung didalam minyak
11 Oil Tank Berfungsi untuk memisahkan minyak berdasarkan berat jenis, tangki ini dilengkapi pipa pemanas untuk
memanaskan minyak
12 Oil Purifier Berfungsi untuk mengurangi kadar kotoran dan kadar air yang masih terdapat didalam minyak
13 Vacum Drier Berfungsi sebagai alat untuk mengurangi kadar air di CPO secara maksimal yang berbentuk tabung silinder
14 Storage Tank Berfungsi sebagai tempat penyimpanan akhir CPO
Berdasarkan tabel 4.1, maka diperoleh data jenis kegagalan yang terjadi pada tiap proses pemurnian minyak, adapun jenis – jenis kegagalan dapat dilihat pada tabel dibawah ini:
Tabel 4.2 Jenis – jenis kegagalan dalam proses pemurnian minyak No Fungsi Proses Jenis - jenis kegagalan
1 Sand Trap Tank Terjadi kebocoran pada tangki Pasir dan kotoran menumpuk didasar tangki 2 Vibrating Screen Ayakan (Screen) rusak / koyak
Karet ayakan (Screen) rusak 3 Crude Oil Tank Terjadi kebocoran pada tangki
Pipa penyaluran keropos 4 Balance Tank Terjadi kebocoran pada tangki
Terjadi penyumbatan pada pipa penyaluran
5 Continuous Settling Tank
Terjadi kebocoran pada tangki Pipa penyaluran dan elbow mengalami
keropos
Gate valve mengalami kerusakan 6 Draft Tank Terdapat kotoran didalam tangki 7 Brake Minor Gate valve mengalami kerusakan 8 Buffer Tank Terjadi kebocoran pada tangki
9 Sludge Separator
Bearing mengalami kerusakan / pecah Disc rusak / koyak
Putaran terasa berat dan Bowl goyang Terdapat kebocoran pada seal ring
Nozzle rusak dan tersumbat 10 Decanting Basin Terjadi kebocoran pada tangki
Bearing pompa mengalami kerusakan
11 Oil Tank Terdapat kotoran didalam tangki
12 Oil Purifier
Bearing mengalami kerusakan / pecah Terdapat kebocoran pada seal ring dan
paking
Kerusakan pada Friction Pad 13 Vacum Drier Terdapat kotoran didalam tangki 14 Storage Tank Terdapat kotoran didalam tangki
4.2 Pengolahan Data
4.2.1 Fault Tree Analysis (FTA)
Berdasarkan jenis kegagalan pada proses pemurnian minyak, maka selanjutnya dapat membuat pohon kesalahan (Fault Tree), studi kasus kali ini hanya akan membahas kegagalan pada Sludge Separator
Untuk dapat menghitung tingkat kegagalan dari Fault tree analysis diatas maka dapat digunakan asumsi nilai keparahan (Severity) pada setiap kemungkinannya, adapun nilai tersebut dijelaskan sebagai berikut :
Tabel 4.3 Skala Severity
Ranking Severity Deskripsi
0.09 Berbahaya tanpa peringatan
Kegagalan sistem yang menghasilkan efek sangat berbahaya
0.08 Berbahaya dengan peringatan
Kegagalan sistem yang menghasilkan efek berbahaya
0.07 Sangat tinggi Sistem tidak beroperasi
0.06 Tinggi Sistem beroperasi tetapi tidak dapat dijalankan secara penuh
0.05 Sedang
Sistem beroperasi dan aman tetapi mengalami penurunan performa sehingga mempengaruhi output
0.04 Rendah Mengalami penurunan kinerja secara bertahap 0.03 Sangat rendah Efek yang kecil pada performa sistem
0.02 Kecil Sedikit berpengaruh paada kinerja sistem Sangat kecil Efek yang diabaikan pada kinerja sistem 0.01 Tidak ada efek Tidak ada efek
a. Kegagalan pada Bearing
Potensi penyebab kegagalan pada Bearing disebabkan oleh 3 faktor yaitu beban kerja yang berlebih, proses pemasangan pada Shaft / poros dan kurangnya proses pelumasan. Kegagalan yang disebabkan pada saat proses pemasangan Bearing di poros dapat terjadi akibat pemasangan tidak hati – hati dan tidak sesuai standart yang telah ditentukan, serta diakibatkan terjadinya Misalignment pada saat pemasangan, Faktor lain yang menyebabkan kegagalan pada Bearing adalah
kurangnya proses pelumasan yang dapat terjadi akibat kebocoran pada Seal Bearing atau minyak pelumas sudah terkontaminasi zat asing.
Gambar 4.2 Pohon kesalahan kegagalan pada Bearing
Untuk mencari nilai Probability-nya maka dapat dihitung sebagai berikut:
P24 = 0.05, P23 = 0.05, P22 = 0.08, P21 = 0.04, P10 = 0.06 P12 = P24 x P23 = 0.05 x 0.05 = 0.0025
P11 = P22 x P21 = 0.08 x 0.04 = 0,0032
P5 = (P10 + P11 + P12) – (P10 x P11) – (P10 x P12) – (P11 x P12) – (P10 x P11 x P12) P5 = (0.0657) – (0.000192) – (0.00015) – (0.000008) – (0.00000048)
P5 = 0.06534 = 6,53%
b. Kegagalan pada Worm Gear
Potensi penyebab kegagalan pada Worm Gear disebabkan oleh 2 faktor yaitu beban kerja yang berlebih, dan kurangnya proses pelumasan. Kegagalan yang disebabkan kurangnya proses pelumasan dapat terjadi akibat tidak adanya pengecekan rutin dan terdapat kebocoran pada bak minyak pelumas Worm Gear.
Gambar 4.3 Pohon kesalahan kegagalan Worm Gear
Untuk mencari nilai Probability-nya maka dapat dihitung sebagai berikut:
P30 = 0.04, P29 = 0.05, P17 = 0.06 P18 = P30 x P29 = 0.04 x 0.05 = 0.002 P8 = (P17 + P18) – (P17 x P18)
P8 = (0.06 + 0.002) – (0.03 x 0.002) P8 = (0.062) – (0.00006)
P8 = 0.06194 = 6,19%
c. Kegagalan pada Bowl disc set
Potensi penyebab kegagalan pada Bowl Disc Set disebabkan oleh 2 faktor yaitu umur pakai / Lifetime Bowl Disc sudah melebihi batas, dan terjadi gesekan diantara Bowl Disc. Kegagalan yang disebabkan adanya gesekan diantara Bowl Disc dapat terjadi akibat terdapatnya pasir dan kotoran diantara Bowl Disc dan pada saat proses pembersihan tidak maksimal.
Gambar 4.4 Pohon kesalahan kegagalan pada Bowl Disc
Untuk mencari nilai Probability-nya maka dapat dihitung sebagai berikut:
P26 = 0.05, P25 = 0.04, P13 = 0.08 P14 = P26 x P25 = 0.05 x 0.04 = 0.002 P6 = (P13 + P14) – (P13 x P14)
P6 = (0.08 + 0.002) – (0.08 x 0.002) P6 = (0.082) – (0.00016)
P6 = 0.08184 = 8,18%
d. Kegagalan pada Seal ring
Potensi penyebab kegagalan pada Seal Ring disebabkan oleh 2 faktor yaitu kegagalan yang diakibatkan oleh material yaitu berupa Lifetime yang sudah melebihi batas dan Seal ring terkena bahan kimia dan kegagalan yang diakibatkan oleh kesalahan manusia.
Gambar 4.5 Pohon Kesalahan kegagalan pada Seal Ring
Untuk mencari nilai Probability-nya maka dapat dihitung sebagai berikut:
P27 = 0.05, P28 = 0.07, P15 = 0.04 P16 = P27 x P28 = 0.05 x 0.07 = 0.0035 P7 = (P15 + P16) – (P15 x P16)
P7 = (0.04 + 0.0035) – (0.04 x 0.0035) P7 = (0.0435) – (0.00014)
P7 = 0.04336 = 4,33%
e. Kegagalan pada Discharge Nozzle
Potensi penyebab kegagalan pada Discharge Nozzle disebabkan oleh 2 faktor yaitu kesalahan pada saat proses pembersihan yang dapat mengakibatkan menumpuknya Sludge / kotoran dan faktor cacat pada material itu sendiri
Gambar 4.6 Pohon Kesalahan Kegagalan pada Discharge Nozzle Untuk mencari nilai Probability-nya maka dapat dihitung sebagai berikut:
P32 = 0.04, P31 = 0.05, P19 = 0.07 P20 = P32 x P31 = 0.04 x 0.05 = 0.002 P9 = (P19 + P20) – (P19 x P20)
P9 = (0.07 + 0.002) – (0.07 x 0.002) P9 = (0.072) – (0,00014)
P9 = 0.07186 = 7,18%
f. Kegagalan pada Lock ring
Potensi penyebab kegagalan pada Lock Ring disebabkan oleh 2 faktor yaitu kesalahan pada saat proses penguncian yang dapat mengakibatkan terbukanya Lock ring dan faktor kerusakan pada material itu sendiri
Gambar 4.7 Pohon Kesalahan Kegagalan pada Lock Ring Untuk mencari nilai Probability-nya maka dapat dihitung sebagai berikut:
P22 = 0.07, P23 = 0.06 P10 = (P22 + P23) – (P22 x P23) P10 = (0.07 + 0.06) – (0.07 x 0.06) P9 = (0.13) – (0,0042)
P9 = 0.1258 = 12,58%
Tabel 4.4 Nilai Kegagalan Komponen
No Kegagalan Komponen P %
1 Kegagalan Bearing 0.06534 6,53%
2 Kegagalan Worm Gear 0.06194 6,19%
3 Kegagalan Bowl Disc 0.08184 8,18%
4 Kegagalan Seal Ring 0.04336 4,33%
5 Kegagalan Nozzle 0.07186 7,18%
6 Kegagalan Lock Ring 0,1258 12,58%
g. Kemungkinan kegagalan pada faktor komponen
Gambar 4.8 Pohon Kesalahan Kegagalan Pada Komponen
Untuk mencari nilai Probability-nya maka dapat dihitung sebagai berikut:
P5= 0.06534, P6= 0.08184, P7= 0.04336, P8= 0.06194, P9= 0.07186, P10= 0.1258 P2 =(P5 + P6 + P7 + P8 + P9 + P10 ) – (P5 x P6) – (P5 x P7) – (P5 x P8) – (P5 x P9) –
(P5 x P10) – (P6 x P7) – (P6 x P8) – (P6 x P9) – (P6 x P10) – (P7 x P8) – (P7 x P9) – (P7 x P10) – (P8 x P9) – (P8 x P10) – (P9 x P10) – (P5 x P6 x P7 x P8 x P9 x P10)
P2 =(0.06534 + 0.08184 + 0.04336 + 0.06194 + 0.07186 + 0.1258) – (0.06534 x 0.08184) – (0.06534 x 0.04336) – (0.06534 x 0.06194) – (0.06534 x 0.07186) – (0.06534 x 0.1258) – (0.08184 x 0.04336) – (0.08184 x 0.06194) –
(0.08184 x 0.07186) – (0.08184 x 0.1258) – (0.04336 x 0.06194) – (0.04336 x 0.07186) – (0.04336 x 0.1258) – (0.06194 x 0.07186) – (0.06194 x 0.1258) – (0.07186 x 0.1258) – (0.06534 x 0.08184 x 0.04336 x 0.06194 x 0.07186 x 0.1258)
P2 = (0.45014) – (0.00535) – (0.00283) – (0.00405) – (0.00470) – (0.00822) – (0.00355) – (0.00507) – (0.00588) – (0.01030) – (0.00269) – (0.00312) – (0.00545) – (0.00445) – (0.00779) – (0.00904) – (0.0000001298)
P2 = 0.3676
h. Kemungkinan kegagalan pada faktor mesin
Gambar 4.9 Pohon Kesalahan Kegagalan pada faktor mesin Untuk mencari nilai Probability-nya maka dapat dihitung sebagai berikut:
P3 = 0.08, P4 = 0.05
P1 = P3 x P4 = (0.08 x 0.05) = 0.004 i. Menghitung nilai Top Event
Gambar 4.10 Pohon Kesalahan Kegagalan pada Sludge Sseparator Untuk mencari nilai Probability-nya maka dapat dihitung sebagai berikut:
P1 = 0.004, P2 = 0.3676
Top Event = (P1 + P2 ) – (P1 x P2 )
Top Event = (0.004 + 0.3676) – (0.004 x 0.3676) Top Event = 0.3716 – 0.0014704
Top Event = 0.3701
Dari perhitungan diatas maka didapat nilai peluang kegagalan dari Sludge Separator adalah sebesar 0.3701 atau 37,01%
Tabel 4.5 Test of Normality pada SPSS
Uji normalitas merupakan salah satu bagian dari uji persyaratan analisis data atau biasa disebut asumsi klasik. Tujuan uji normalitas adalah untuk mengetahui apakah distribusi sebuah data mengikuti atau mendekati distribusi normal, yakni distribusi data yang mampunyai pola seperti distribusi normal.
Pada tabel 4.5 terdapat dua uji normalitas, ada kolmogorov-Smirnov dan Shapiro-Wilk. Pada Kolmogorov-Smirnov terdapat nilai yang harus dipenuhi, jika nilai probabilitas lebih besar dari 0.05 maka Ho diterima dan jika nilai probabilitas lebih kecil sama dengan 0.05 maka Ho ditolak. Pada uji Shapiro-Wilk, jika Nilai signifikan lebih besar dari 0.05 maka data berdistribusi normal dan jika nilai signifikan lebih kecil dari 0.05 maka data tidak berdistribusi normal.
Jika dilihat pada tebel 4.5. Pada uji kolmogorov-Smirnov pada kolom signifikan (disingkat sig.) nilainya adalah dibawah <0.05 dan disetiap kolom nilainya bervariatif. Sedangkan pada uji Shapiro-wilk pada kolom signifikannya bernilai variatif dan nilainya <0.05 dan nilai tidak terdistribusi normal.
Dari hasil pengolahan data diatas menghasilkan pula sebuah grafik dan hasil yang berjudul Normal Q-Q Plots, Detrenden Normal Q-Q Plots dan Box-Plot dapat dilihat di lampiran. Hasil tambahan tersebut bukan berarti tidak dapat digunakan. Namun, tambahan ini juga sangat berguna untuk membuktikan bahwa data yang kita dapat berdistribusi normal.
Garis diagonal dalam grafik ini menggambarkan keadaan ideal dari data yang mengikuti distribusi normal. Titik-titik di sekitar garis adalah keadaan data yang kita uji. Jika kebanyakan titik-titik berada sangat dekat dengan garis atau bahkan menempel pada garis, maka dapat kita simpulkan jika data kita mengikuti distribusi normal. Namun jika ada satu saja titik yang berada jauh atau diluar garis Q-Q Plots maka menandakan ada data yang tidak terdistribusi dengan normal.
Grafik ini menggambarkan selisih antara titik-titik dengan garis diagonal pada grafik sebelumnya. Jika data yang kita miliki mengikuti distribusi normal dengan sempurna, maka semua titik akan jatuh pada garis 0,0. Semakin banyak titik-titik yang tersebar jauh dari garis ini menunjukkan bahwa data kita semakin tidak normal.
Boxplot merupakan ringkasan distribusi sampel yang disajikan secara grafis yang bisa menggambarkan bentuk distribusi data (skewness), ukuran tendensi sentral dan ukuran penyebaran (keragaman) data pengamatan.
Dapat disimpulkan dari grafik Box-Plot data berbentuk simetris. Jika dilihat setiap komponennya garis median akan berada di tengah box dan whisker bagian atas dan bawah akan memiliki panjang yang sama serta tidak terdapat nilai outlier ataupun nilai ekstrim.
Tabel 4.6 Test of Homogenity of Variances
Dari tabel Test of Homegeneity of Variances terlihat bahwa hasil uji menunjukan bahwa varian tersebut sama (P-value = 0.057) atau 0.057 > 0.05, sehingga uji Anova valid untuk menguji hubungan ini.
Tabel 4.7 Uji ANOVA
Pada tabel 4.8, pada kolom Sig. diperoleh nilai P (P-value) = 0.000.
Dengan demikian pada taraf nyata = 0.05 menolak Ho, sehingga kesimpulan yang didapatkan adalah ada perbedaan yang bermakna rata-rata nilai terhadap setiap komponen yang telah diberi asumsi.
4.2.2 Reliability Block Diagram (RBD)
MTBF = 𝑂𝑝𝑝𝑟𝑟𝑟𝑟𝑟𝑟 𝑀𝑟𝑚𝑝 𝐵𝑟𝑟𝑖𝑁𝑟𝑝
Untuk mengetahui tingkat kegagalan pada suatu komponen maka dapat dihitung sebagai berikut :
MTBF bearing = 5400 ℎ𝑜𝑁𝑟𝑟
Menghitung Failure Rate (λ – lamda) maka dapat menggunakan rumus sebagai berikut :
λ = 1 MTBF
Berdasarkan rumus diatas maka untuk mengetahui failure rate pada suatu komponen dapat dihitung sebagai berikut :
λ
bearing = 2701 = 0.003703λ
seal ring = 1675 = 0.001481
λ
nozzle = 9001 = 0.001111λ
bowl disc = 1540 = 0.001851
λ
worm gear = 1 0 = 0λ
lock ring = 1 0 = 0Gambar 4.11 Failure rate komponen
Selanjutnya adalah perhitungan Reliability-nya berdasarkan jam operasi, jam operasi yang digunakan adalah 200, 300, 400 dan 500 jam. Keandalan masing – masing komponen dapat dihitung dan ditunjukkan pada Reliability Block
Diagram sebagai berikut :
a. Perhitungan berdasarkan 200 jam operasi
Gambar 4.12 Perhitungan Reliability berdasarkan 200 jam operasi
Rsys = R1 x R2 x R3 x R4 x R5 x R6
Rsys = 0,4768 x 0,7436 x 0,8007 x 0,6905 x 1 x 1 Rsys = 0,1960
b. Perhitungan berdasarkan 300 jam operasi
Reliability Sludge Separator berdasarkan 300 jam operasi dapat dihitung sebagai berikut
Gambar 4.13 Perhitungan Reliability berdasarkan 300 jam operasi Rsys = R1 x R2 x R3 x R4 x R5 x R6
Rsys = 0,3292 x 0,6412 x 0,7165 x 0,5739 x 1 x 1 Rsys = 0,0867
c. Perhitungan berdasarkan 400 jam operasi
Reliability Sludge Separator berdasarkan 400 jam operasi dapat dihitung sebagai berikut
Gambar 4.14 Perhitungan Reliability berdasarkan 400 jam operasi
Rsys = R1 x R2 x R3 x R4 x R5 x R6
Rsys = 0,2279 x 0,5529 x 0,6412 x 0,4769 x 1 x 1 Rsys = 0,0385
d. Perhitungan berdasarkan 500 jam operasi
Reliability Sludge Separator berdasarkan 500 jam operasi dapat dihitung sebagai berikut
Gambar 4.15 Perhitungan Reliability berdasarkan 500 jam operasi Rsys = R1 x R2 x R3 x R4 x R5 x R6
Rsys = 0,1570 x 0,4768 x 0,5737 x 0,3963 x 1 x 1 Rsys = 0,0170
Tabel 4.8 Rekapitulasi nilai Reliability komponen Sludge separator
No Komponen Time (Hours) Reliability
1 Bearing 200 0.4768
2 Seal Ring 200 0.7436
3 Discharge Nozzle 200 0.8007
4 Bowl Disc 200 0.6905
Maka didapat nila1i kehandalan pada Sludge separator adalah sebagai berikut : 19,60% apabila digunakan selama 200 jam operasi, 8,67% apabila digunakan selama 300 jam operasi, 3,85% apabila digunakan selama 400 jam operasi dan menurun menjadi 1,70% apabila digunakan selama 500 jam.
4.2.3 Menaikkan nilai kehandalan
Setelah kita menghitung nilai kehandalan (Reliability) maka didapat nilainya sangat kecil dibawah 50%, maka dari itu untuk dapat meningkatkan nilai
tersebut dapat dilakukan percobaan lagi untuk menentukan batasan jumlah kegagalan maksimum yang diperbolehkan, sehingga nilai kehandalan dapat diatas 50%. Dengan menggunakan rumus yang sama maka dapat dihitung :
MTBF = 𝑂𝑝𝑝𝑟𝑟𝑟𝑟𝑟𝑟 𝑀𝑟𝑚𝑝 𝐵𝑟𝑟𝑖𝑁𝑟𝑝
Untuk mengetahui tingkat kegagalan pada suatu komponen maka dapat dihitung sebagai xberikut :
MTBF bearing = 5400 ℎ𝑜𝑁𝑟𝑟
Menghitung Failure Rate (λ – lamda) maka dapat menggunakan rumus sebagai berikut :
λ = 1 MTBF
Berdasarkan rumus diatas maka untuk mengetahui failure rate pada suatu komponen dapat dihitung sebagai berikut :
λ
bearing = 2.7001 = 0.0003703λ
seal ring = 1675 = 0.0007407
λ
nozzle = 9001 = 0.0007407λ
bowl disc = 12.700 = 0.0003703
λ
worm gear = 1 0 = 0λ
lock ring = 1 0 = 0Gambar 4.16 Failure rate komponen
Selanjutnya adalah perhitungan Reliability-nya berdasarkan jam operasi, jam operasi yang digunakan adalah 200, 300, 400 dan 500 jam. Keandalan masing – masing komponen dapat dihitung dan ditunjukkan pada Reliability Block
Diagram sebagai berikut :
a. Perhitungan berdasarkan 200 jam operasi
Gambar 4.17 Perhitungan Reliability berdasarkan 200 jam operasi
Rsys = R1 x R2 x R3 x R4 x R5 x R6
Rsys = 0,9286 x 0,8624 x 0,8624x 0,9286 x 1 x 1 Rsys = 0,6413
b. Perhitungan berdasarkan 300 jam operasi
Reliability Sludge Separator berdasarkan 300 jam operasi dapat dihitung sebagai berikut
Gambar 4.18 Perhitungan Reliability berdasarkan 300 jam operasi Rsys = R1 x R2 x R3 x R4 x R5 x R6
Rsys = 0,8949 x 0,8009 x 0,8009 x 0,8949 x 1 x 1 Rsys = 0,5136
c. Perhitungan berdasarkan 400 jam operasi
Reliability Sludge Separator berdasarkan 400 jam operasi dapat dihitung sebagai berikut
Gambar 4.19 Perhitungan Reliability berdasarkan 400 jam operasi Rsys = R1 x R2 x R3 x R4 x R5 x R6
Rsys = 0,8624 x 0,7437 x 0,7437 x 0,8624 x 1 x 1
Rsys = 0,4113
d. Perhitungan berdasarkan 500 jam operasi
Reliability Sludge Separator berdasarkan 500 jam operasi dapat dihitung sebagai berikut
Gambar 4.20 Perhitungan Reliability berdasarkan 500 jam operasi Rsys = R1 x R2 x R3 x R4 x R5 x R6
Rsys = 0,8311 x 0,6907 x 0,6907 x 0,8311 x 1 x 1 Rsys = 0,3295
Tabel 4.9 Rekapitulasi nilai Reliability komponen Sludge separator
No Komponen Time (Hours) Reliability
1 Bearing 200 0.9286
2 Seal Ring 200 0.8624
3 Discharge Nozzle 200 0.8624
4 Bowl Disc 200 0.9286
Maka didapat nilai kehandalan pada Sludge separator adalah sebagai berikut : 64,13% apabila digunakan selama 200 jam operasi, 51,36% apabila digunakan selama 300 jam operasi, 41,13% apabila digunakan selama 400 jam operasi dan menurun menjadi 32,95% apabila digunakan selama 500 jam. dengan batas maksimal adalah 4 kali kegagalan selama jam operasi tersebut
4.3 Cara menaikkan kehandalan komponen
Pada nilai kehandalan setiap komponen pada mesin sludge separator, dapat disimpulkan bahwa mesin sangat tidak handal dan dapat membahayakan produksi dari pabrik kelapa sawit. Komponen-komponen yang terdapat pada mesin sangat dipengaruhi dengan pemeliharaan. Jika pemeliharaan tidak efektif maka akan terjadi penurunan kehandalan serta akan banyak memakan banyak waktu untuk memperbaikinya dan akan banyak biaya. Mesin dikatakan handal pada saat mesin bekerja secara optimal dan meminimalisir kerusakan yang ada.
Adapun cara-cara untuk menaikkan nilai kehandalan sebagai berikut:
1. Menggunakan komponen dibawah kondisi operasional yang dipersyaratkan.
Setiap komponen memiliki waktu life time. Waktu life time setiap komponen sangat bervariatif ada yang 2000 atau 5000 jam. Sehingga yang di maksudkan menggunakan dibawah kondisi operasional adalah jika life time komponennya 2000 jam maka hanya digunakan sampai 1500-1800 jam
2. Mengikuti Standard Operational Procedure (SOP) yang berlaku di perusahaan.
Setiap perusahaan mempunyai Standard Operational Procedure (SOP).
Setiap peraturan memiliki alasan masing-masing sehingga peraturan harus dipatuhi ataupun dilakukan. Jadi setiap SOP yang berlaku harus diikuti dengan alasan untuk menjaga kualitas hasil dari pabrik dan tercapainya tujuan-tujuan yang telah disepakati.
3. Menggunakan bahan material yang telah ditetapkan pada manual book.
Pada Manual Book pada Sludge Separator terdapat bahan material yang telah ditetapkan. Pemilihan material sangat mempengaruhi kinerja mesin. Maka
jika tidak mengikuti bahan material yang ada dapat membahayakan kerja mesin tersebut.
4. Menggunakan alat pendeteksi kerusakan
Pada Sludge Separator yang dibuat oleh Alfa-Laval ini tergolong mesin yang cukup tua dan untuk mendeteksi kerusakan masih menggunakan indera manusia. Dengan menggunakan alat pendeteksi kerusakan yang telah banyak beredar maka deteksi kerusakan dapat diketahui sehingga perbaikan dapat dilakukan.
5. Kedisiplinan para operator yang bertugas di lapangan
Disiplin saat bertugas sangat dijunjung tinggi. Operator harus menjaga kedisiplinan saat bertugas di lapangan dengan tujuan menjaga kualitas produksi.
6. Ketegasan para Staf terhadap operator
Staf mempunyai peranan penting dalam menjaga dan mengatur operator.
Maka setiap briefing staf harus tegas terhadap operator. Ketegasan ini bertujuan untuk menjaga kedisiplinan para operator saat bertugas.
7. Untuk mengurangi jumlah kegagalan pada Bowl disc
Digunakan metode CBM (Condition Based Maintenance) dan perancangan ulang menggunakan aplikasi Solidwork. Metode CBM ini menggunakan sensor atau alat ukur sebagai monitor kerja dari komponen.
Sehingga deteksi kerusakan dapat diketahui secara dini. Perancangan ulang bertujuan untuk mendapatkan material yang lebih baik untuk mengurangi angka kerusakan.
Gambar 4.21 Perancangan ulang Bowl Disc
4.4 Root Cause Analysis (RCA)
Analisa ini dilakukan dengan pengamatan secara langsung dilapangan dan melakukan wawancara terhadap karyawan yang terkait pada penelitian ini, yaitu antara lain operator, bagian teknik dan bagian quality control. Hasil wawancara tersebut merupakan salah satunya kemungkinan penyebab dari sulitnya tercapai target nilai kehandalan yang diinginkan. Untuk memperoleh hasil analisa yang sesuai, dibutuhkan tools yang relevan dengan data yang sudah dikumpulkan, sehingga untuk memudahkan mengidentifikasi kegagalan Sludge Separator maka dapat dilakukan dengan menggunakan metode Diagram Tulang Ikan (Fish Bone Diagram) kemudian yang nantinya akan dirumuskan rencana perbaikan untuk mengatasi akar permasalahan,
Dalam wawancara tersebut diambil beberapa parameter yaitu material, mesin, manusia dan metode, dapat dilihat pada gambar dibawah ini Diagram sebab akibat diatas mengidentifikasi penyebab berdasarkan 4 kategori yaitu manusia, mesin, material dan metode.
1. Manusia
Setiap pekerjaan dalam proses membutuhkan pengawasan untuk melihat seberapa besar kemampuan kerja karyawan dan ketaatan peraturan karyawan, agar pekerjaan yang dilakukan dapat terkoordinasi dengan baik. Dari hasil pengamatan belum terlihat adanya pengawasan yang ketat dari pihak perusahaan sehingga karyawan atau operator yang seharusnya berada untuk mengoperasikan mesin selama proses tidak berada ditempat.
Operator yang mengoperasikan mesin, secara umum berlatar belakang pendidikan yang berbeda, tentunya ini sangat mempengaruhi tingkat kemampuan dan keterampilan dari operator tersebut. Dari hasil pengamatan dilapangan belum ada penyetaraan pendidikan dalam pemilihan atau memperkerjakan operator mesin yang ada.
Proses pelatihan sangat dibutuhkan untuk menambah ilmu dan keterampilan karyawan, misalnya memberi pelatihan bagaimana cara mengetahui dan melakukan tindakan awal kerusakan mesin terhadap operator mesin.
2. Mesin
Setting (penyetelan) terhadap mesin seharusnya dilakukan dengan efektif dan efisien, akan tetapi karena susahnya proses penyetelan (Setting) terhadap mesin mengakibatkan membutuhkan waktu yang lama bahkan penyetelan dilakukan dengan salah, sehingga membutuhkan penyetelan ulang
Preventive maintenance adalah salah satu usaha dalam menjaga umur mesin, agar mempunyai kerja yang optimal, dari hasil pengamatan yang dilakukan, Preventive maintenance yang digunakan tidak efektif, ini dapat dilihat dari jadwal maintenance yang tidak dipatuhi.
Setiap mesin mempunyai nilai umur setiap unitnya, semakin tua umur mesin tersebut maka tingkat kinerja mesin tersebut akan turun, dan dari hasil pengamatan yang dilakukan mesin yang terdapat pada perusahaan ini, merupakan mesin yang sudah tua.
3. Metode
Standar waktu dalam mengerjakan sesuatu sangat dibutuhkan untuk mencapai kerja yang optimal, dengan adanya standar waktu kita dapat mencapai
Standar waktu dalam mengerjakan sesuatu sangat dibutuhkan untuk mencapai kerja yang optimal, dengan adanya standar waktu kita dapat mencapai