Penentuan Interval Waktu Penggantian Optimum Komponen Kritis Mesin Tiup dengan Model Age Replacement dan Maintenance Value Stream Mapping (MVSM) di PT. Sinar Sanata

(1)

(2)

LAMPIRAN GAMBAR KOMPONEN KRITIS

1. Tail pipe

Tail pipe : pipa ini dilengkapi dengan alat pembersih sehingga campuran gas secara berlebih tidak terjadi dalam sistem flare baik pada start-up atau selama operasi. Sebuah saluran tunggal dapat digunakan untuk mengalirkan oksigen dan bahan bakar saluran bergabung bersama-sama. Koneksi gas antara saluran dirancang fleksibel yang dibuat dengan menggunakan klip saluran berkerut atau

ferrules, sering disebut sebagai klip 'O'.

Dimensi : Diameter 1/2 inch, 75 inch length

Material : Alumunium

Gambar 1. Tail pipe

2. 14 Hole Double Row Burner

(3)

Dimensi : 12 inch length, 7 inch wide

Gambar 2. 14 Hole Double Row Burner

3. Tipping Burner

Ujung burner dirancang untuk memberikan pembakaran ramah lingkungan dari gas selama rentang proses pembakaran. Tipping burner memiliki beragam desain. Tipping burner digunakan untuk stabilitas nyala api, kehandalan pengapian dan peredam suara. Tipping burner dengan pemegang desain api modern dapat memiliki api stabil selama gas keluar dengan berbagai kecepatan semburan api dari 1 sampai 600 kaki / detik.

Dimensi : Diameter 1/4 inch, 4 inch length

Material : Tembaga dan Alumunium

(4)

(5)

(6)

DAFTAR PUSTAKA

A.S.Corder. 1997. Teknik Managemen Pemeliharaan. Jakarta. Erlangga.

Ben-Daya, Mohammed. 2009. Handbook of Maintenance Management and Engineering. Canada. Springer.

Ebeling, Charles E. 1997. Reliability and Maintainability. New York. McGraw-Hill.

Jardine, Andrew K.S dan Albert H.C. Tsang. 2013. Maintenance Replacement and Reliability. London. CRC Press.

Kapur, Kailash .C., and Lamberson, L.R. 2014. Reliability in Engineering Design. New-York. John Wiley & Sons.

Manzini, Ricardo. 2010. Maintenance For Industrial Systems. London. Springer-Verlag.

Purnama, Jaka.”Metode Age Replacement Digunakan untuk Menentukan Interval Waktu Perawatan Mesin Pada Armada Bus. Institut Teknologi Adhi Tama Surabaya. 2015.

Prayogo, Thomas. 2015. Identifikasi Waste dengan Menggunakan Value Stream Mapping di Gudang PT. XYZ. (http://studentjournal.petra.ac. id/index.php/teknik-industri/article/download/1019/917. Pdf).

Ristono, Agus. 2009. Manajemen Persediaan. Yogyakarta : Graha Ilmu.

(7)

(8)

V-29

BAB III

LANDASAN TEORI

3.1. Perawatan1

Reparasi juga merupakan bagian dari perawatan. Reparasi merupakan suatu proses perbaikan, penyetalan bagian-bagian yang rusak dengan tujuan agar fasilitas tersebut dapat dipergunakan kembali dalam keadaan dan kapasitas serta efisiensi seperti semula. Pada aktivitas reparasi diharapkan tidak mengganggu Perawatan merupakan pekerjaan rutin, pekerjaan yang berulang-ulang, diperlukan untuk menjaga fasilitas yang ada agar tetap dalam keadaan baik (optimal), dapat digunakan sesuai dengan kapasitas dan efisiensi semula. Fasilitas yang dimaksud di atas antara lain; mesin produksi, peralatan gedung, tanah, dan lain-lain. Dengan demikian, perusahaan terhindar dari terjadinya kerugian produksi dan kerugian lainnya.

Kegiatan perawatan juga mencakup kegiatan pembersihan (service), reparasi (repair), dan penggantian. Kaitan perawatan dengan service bahwa proses perawatan juga di dalamnya mencakup kegiatan service. Kegiatan membersihkan (service) janganlah dianggap sebagai pekerjaan yang dapat diabaikan.

Kegiatan membersihkan (service) adalah pekerjaan mengatur kerapian, keindahan, dan kebersihan yang diperlukan. Dengan demikian peralatan akan awet (tidak mudah rusak) dan tetap pada kondisi optimal.

1

(9)

kelancaran proses produksi, karena pekerjaanya ringan sehingga terhindar dari kerugian.

Penggantian (replacement) merupakan bagian kegiatan perawatan dengan mengganti beberapa bagian dari peralatan dan mesn sesuai dengan kapasitas usia peralatan mesin yang diperkenankan. Setiap peralatan/ mesin dan bagiannya pasti memiliki kapasitas usia penggunaan. Apabila suatu bagian peralatan/ mesin yang sudah melebihi kapasitas usia produksi digunakan terus, maka peralatan/ mesin tersebut sangat mungkin akan menimbulkan kerusakan bahkan mencelakakan. Oleh karena itu, kegiatan perawatan penggantian tersebut harus tau jadwal penggantian setiap bagian peralatan/ mesin. Dengan demikian akan dapat terhindar dari kecelakaan, dan pada akhirnya terhindar dari kerugian.

3.2. Tujuan Perawatan2

1. Memperpanjang usia kegunaan aset (yaitu setiap bagian darisuatu tempat kerja, bangunan dan isinya). Hal ini terutama penting di negara berkembang karena kurangnya sumber daya modal untuk penggantian. Di negara-negara maju kadang-kadang lebih menguntungkan untuk ‘mengganti’ daripada memelihara.

Tujuan pemeliharaan (maintenance) yang utama dapat didefenisikan sebagai berikut:

2

(10)

2. Menjamin ketersediaan optimum peralatan yang dipasang untuk produksi atau jasa untuk mendapatkan laba investasi (return of Investment) semaksimal mungkin.

3. Menjamin kesiapan operasional dari seluruh peralatan yang diperlukan dalam keadaan darurat setiap waktu, misalnya unit cadangan, unit pemadam kebakaran dan penyelamat, dan sebagainya.

4. Menjamin keselamatan orang yang menggunakan sarana tersebut.

3.3. Jenis-jenis Tindakan Perawatan3

1. Corrective Maintenance (perawatan perbaikan) yaitu perawatan yang dilakukan setelah kerusakan terjadi yang bertujuan untuk memperbaiki kerusakan tersebut. Tidak terdapat kegiatan perencanaan untuk mengoptimumkan perawatan peralatan dan manajemen pendukung keputusan. Strategi ini dipengaruhi oleh pemenuhan suku cadang dan biaya kegiatan perawatan sangat bergantung pada tersedianya atau tidak tesedianya kebutuhan suku cadang untuk melakukan kegiatan perbaikan.

Jenis-jenis tindakan perawatan terbagi atas :

2. Preventive Maintenance (perawatan pencegahan) yaitu kegiatan perawatan terencana yang dilakukan untuk menghadapi dan mencegah kegagalan potensial pada suatu komponen atau sistem. Pemilihan waktu dan hasil dari kegiatan perawatan pencegahan harus direncanakan dan dioptimalkan dengan baik untuk memaksimumkan hasil produksi dan meminimumkan biaya

3

(11)

perawatan.

3. Replacement (penggantian)

Replacement (penggantian) dapat dibagi menjadi 2 bagian, yaitu:

a. Planned replacement (penggantian terencana) yaitu pemilihan waktu terbaik penggantian berdasarkan penentuan interval waktu optimum untuk meminimumkan biaya perawatan. Kegiatan perawatan ini disebut juga preventive replacement atau penggantian pencegahan.

b. Replacement upon failure (penggantian saat kerusakan) yaitu penggantian yang dilakukan jika komponen atau sistem rusak. Kegiatan perawatan ini disebut juga corrective replacement atau penggantian perbaikan.

4. Inspection Maintenance (IM)

Tindakan perawatan ini terlebih dahulu menentukan keadaan peralatan dan metode untuk mengidentifikasi waktu di mana tindakan ini harus dilakukan. Strategi ini juga disebut "menenmukan kesalahan" yaitu pengukuran dan inspeksi dapat direncanakan dengan baik secara berkala, tetapi restoratif atau pencegahan tugas tidak bisa. Keadaan fungsi sistem/ komponen dapat didasarkan pada seperangkat indikator yang mampu menggambarkan kesehatan sistem sesuai dengan spesifikasi.

5. Condition-based maintenance

(12)

untuk pemeliharaan inspeksi, ketika keadaan peralatan hanya diketahui setelah kegiatan pemeriksaan yang dapat dijadwalkan benar.

6. Opportunistic Maintenance

Tindakan pemeliharaan dilakukan ketika kesempatan muncul (sepertiselama pabrik belum beroperasi).

3.4. Identifikasi Material Menggunakan Analisis Klasifikasi ABC4

ABC Analysis mengklasifikasi persediaan dalam tiga kategori, yaitu: A, B dan C dengan basis volume penggunaan biaya persediaan dalam setahun. Analisis ini sering disebut sebagai Pareto Analysis karena menggunakan prinsip-prinsip yang dikembangkan Vilfredo Pareto (ahli ekonomi italia). Untuk menghitung penggunaan biaya jenis persediaan tertentu, basis yang digunakan adalah jumlah unit kebutuhan persediaan per tahun dikalikan dengan biaya per unit.

A

B

C

100% Persen Volume

Gambar 3.1. Klasifikasi ABC Analysis

Kategori persediaan A adalah persediaan yang berjumlah hanya sekitar

4

(13)

15% dari jumlah total persediaan, tetapi menghabiskan sekitar 70-80% dari total biaya persediaan dalam setahun. Kategori B adalah persediaan dengan jumlah sekitar 30% dari total persediaan tetapi menghabiskan dana sekitar 15-25% dari total persediaan. Kategori C adalah persediaan dengan jumlah sekitar 55% dari total persediaan dan hanya menghabiskan dana sekitar 5% saja dri total biaya persediaan per tahun.

3.5. Component Replacement5

1. Waktu Pemeliharaan

Penggantian suku cadang dan komponen dari mesin produksi dapat menjadi tindakan perawatan preventif. Pertama sepakat dengan keputusan untuk mengganti komponen yang dibiarkan berjalan sampai mereka gagal. Keputusan kedua mengacu pada penentuan waktu tindakan mampu meningkatkan ketersediaan dan keandalan sistem. Barlow dan Hunter (1960) mengusulkan dua model analitis sederhana untuk penentuan kebijakan penggantian optimal meminimalkan biaya operasi dari sistem produksi.

Secara khusus, penggantian pencegahan harus dilakukan setelah komponen / sistem telah digunakan secara signifikan dan sebelum itu telah berusia terlalu lama. Akibatnya, penjadwalan terlalu dini atau terlalu terlambat dari tindakan penggantian pencegahan bukan keputusan yang baik. Contoh numerik digambarkan dalam menjelaskan aturan penting ini.

Interval waktu selama pemeliharaan dilakukan item secara manual atau secara

5

(14)

otomatis, termasuk teknis dan logistic penundaan; 2. Waktu Pemeliharaan Aktif (Active Maintenance Time)

Bagian dari pemeliharaan waktu selama perawatan aktif dilakukan pada item, termasuk penundaan logistik;

3. Waktu Perbaikan (repair time)

Bagian dari perawatan korektif aktif waktu selama perbaikan dilakukan pada item;

4. Logistik Delay

Akumulasi waktu selama pemeliharaan tidak dapat dilakukan karena perlunya untuk memperoleh sumber daya pemeliharaan, tidak termasuk keterlambatan administrasi;

5. Siklus Hidup

Interval waktu yang dimulai dengan inisiasi konsep dan berakhir dengan pembuangan item.

3.6. Teori Keandalan (Reliability)6

Keandalan didefinisikan sebagai probabilitas bahwa suatu komponen atau sistem akan melakukan fungsi yang diperlukan untuk jangka waktu tertentu bila digunakan dalam kondisi operasi yang dinyatakan. Ini adalah probabilitas kegagalan dari waktu ke waktu. Untuk memprediksi kapan suatu suku cadang pada suatu mesin akan mengalami kerusakan, sehingga dapat menentukan kapan

3.6.1. Pengertian Keandalan

6

(15)

harus dilakukan perawatan, penggantian, dan penyediaan komponen.. Kegagalan harus didefinisikan relatif terhadap fungsi yang dilakukan oleh sistem.

Tujuan reliability menurut R. Manzini (2010) adalah memberikan informasi sebagai basis untuk mengambil keputusan. Selain itu teori reliability

dapat digunakan untuk memprediksi kapan suatu suku cadang pada suatu mesin akan mengalami kerusakan, sehingga dapat menentukan kapan harus dilakukan perawatan, penggantian, dan penyediaan komponen.

3.6.2. Identifikasi Pola Distribusi dan Parameter Distribusi

Dapat dilakukan dalam dua tahap yaitu identifikasi distribusi awal dan estimasi parameter.

3.6.2.1. Identifikasi Distribusi

Dilakukan dengan mengunakan metode linear regresion dengan persamaan y = a + bx. Perhitungan dengan menggunakan metode ini adalah: 1. Nilai Tengah Kerusakan (Median Rank)7

(16)

Perhitungan identifikasi awal untuk masing-masing distribusi adalah :

a. Distribusi Normal Xi = ti

Yi = Zi= Ф-1_{(F(ti)), dimana Nilai Zi = Ф}-1

b. Distribusi Lognormal i = ln ti

Yi = Zi = Ф-1

(F(ti))

c. Distribusi Eksponensial Xi = ti

Yi = ln(1/1-F(ti))

d. Distribusi Weibull Xi = ln ti

Yi = ln ln(1/1-F(ti))

3.6.2.2.Estimasi Parameter

Estimasi parameter dilakukan dengan menggunakan metode Maximum Likelihood Estimator (MLE). Estimasi untuk masing-masing parameter adalah:

a. Distribusi Normal Parameter adalah µ dan σ

� =�̅= ∑��−1��

� �= �

∑�_�−₁(��−�)2 �

(17)

r = n = jumlah kerusakan dan T = total waktu kerusakan c. Distribusi Lognormal

Parameter adalah µ dan σ

� =�̅= ∑��−1_�ln�� = �∑��−1(ln��−�) 2

�

d. Distribusi Weibull

Parameter untuk distribusi weibull dapat ditulis sebagai berikut:

F (t)=1− �� −� ��

� �

Untuk menafsirkan parameter α dan β dapat dilakukan dengan regresi

linear. Paremeterny adalah α dan β.

�=∑ ��

3.6.3. Distribusi Kerusakan9

9

Charles, E. Ebeling Opcit, h. 58-76.

(18)

1. Distribusi normal

Distribusi normal adalah distribusi kontinu yang memiliki aplikasi yang luas. Terkenal dengan berbentuk bel dan simetris terhadap nilai mean.

Fungsi-fungsi dalam distribusi normal adalah : a. Fungsi Kepadatan Probabilitas

� (�) = 1

�√2�� −

(� − �)2

2�2 �

b. Fungsi Keandalan (Reliability Function)

R(t) =1- Φ��−�

� �

c. MTTF (Mean Time To Failure)

MTTF = µ

Konsep reliabilitydistribusi normal tergantung pada nilai μ (rata-rata) dan σ (standar deviasi). Dimana:

µ = rata-rata

σ = standar deviasi

(19)

2. Distribusi lognormal

Distribusi lognormal merupakan distribusi yang berguna untuk menggambarkan distribusi kerusakan untuk situasi yang bervariasi. Fungsi-fungsi dalam distribusi lognormal adalah:

a. Fungsi Kepadatan Probabilitas

f(t) = 1

��√2��

−1₂�� −µ_� �2

b. Fungsi keandalan (Reliability Function)

R(t) =1- Φ �ln⁡(�)−�

� �

c. MTTF (Mean Time To Failure)

MTTF =�� + �2

2 �

di mana μ dan σ adalah parameter dari distribusi dengan σ> 0 Grafik dari

lognormal pdf ditunjukkan pada Gambar

Gambar 3.3. Kurva Distribusi Lognormal

(20)

Distribusi eksponensial adalah distribusi kontinu yang memiliki aplikasi yang luas. Hal ini dapat digunakan dalam kehandalan sebagai model waktu untuk kegagalan komponen.

Fungsi-fungsi dalam distribusi eksponensial adalah: a. Fungsi Kepadatan Probabilitas

f (t)=λ e−λt t > 0

b. Fungsi Keandalan (Reliability Function)

R(t) = e−λt

b. MTTF (Mean Time To Failure) MTTF = 1/λ

Gambar 3.4. Kurva Distribusi Eksponensial

(21)

Distribusi Weibull adalah salah satu distribusi seumur hidup yang paling banyak digunakan dalam kehandalan dan pemeliharaan rekayasa. Ini adalah distribusi serbaguna yang dapat mengambil bentuk yang berbeda. Tergantung pada nilai parameter bentuk, β, fungsi tingkat kegagalan yang dapat mengurangi, konstan, atau meningkat, karena itu dapat digunakan untuk model perilaku kegagalan beberapa sistem nyata.

Fungsi-fungsi dari distribusi Weibull: a. Fungsi Kepadatan Probabilitas

�(�) = �

b. Fungsi keandalan (Reliability Function)

R(t) =exp [ -��

∝� �

]

c. MTTF (Mean Time To Failure)

MTTF adalah rata-rata waktu atau interval waktu kerusakan mesin atau komponen dalam distribusi kegagalan.

MTTF = αΓ �1 +_β��

Setelah nilai a dan b diketahui, dilakukan perhitungan untuk mendapatkan nilai �. (parameter skala) dengan satuan jam dan β (parameter bentuk).

α = e(−�

�)dan β = b

Γ = Fu n gsi Gamma, Γ(n ) = (n-1)!, dapat diperoleh melalui nilai

(22)

dengan parameter skala. Bentuk fungsi distribusi weibull

bergantung pada parameter bentuknya (β), yaitu:

β < 1 : Distribusi weibull akan menyerupai distribusi

hyper-exponential dengan laju kerusakan cenderung menurun.

β = 1 : Distribusi weibull akan menyerupai distribusi eksponensial

dengan laju kerusakan cenderung konstan.

β > 1 : Distribusi weibull akan menyerupai distribusi normal

dengan laju kerusakan cenderung meningkat.

Gambar 3.5. Kurva Distribusi Weibull

3.7. Model Age Replacement10

Model Age Replacement adalah suatu model penggantian dimana interval waktu penggantian komponen dilakukan dengan memperhatikan umur pemakaian dari komponen tersebut, sehingga dapat menghindari terjadinya penggantian peralatan yang masih baru dipasang akan diganti dalam waktu yang relatif singkat. Jika terjadi suatu kerusakan, model ini akan menyesuaikan kembali

10

(23)

jadwalnya setelah penggantian komponen dilakukan, baik akibat terjadi kerusakan maupun hanya bersifat sebagai perawatan pencegahan.

3.8. Value Stream Mapping (VSM)

Value Stream Mapping (VSM) adalah suatu konsep dari lean manufacturing yang menunjukkan suatu gambar dari seluruh kegiatan atau aktivitas yang dilakukan oleh sebuah perusahaan. Menurut Wilson [2] (2010) VSM digunakan untuk menemukan waste dalam penggambaran value streamtersebut, apabila waste sudah ditemukan maka waste tersebut harus dieliminasi. Tujuan dari VSM adalah untuk proses improvement dalam sebuah sistem11

3.9. Maintenance Value Stream Mapping (MVSM)

.

12

Salah satu metode yang sangat efektif di perusahaan lean untuk mengeliminasi kegiatan-kegiatan non value added adalah dengan menggunakan

Value Stream Mapping (VSM). VSM merupakan tools yang digunakan dalam memvisualisasikan suatu sistem yang merepresentasikan aliran material dan informasi. Metode ini juga telah dijelaskan sebelumnya dapat menghasilkan suatu gambaran umum sebuah proses yang mudah dipahami. Hal ini juga semakin

3.9.1. Pendahuluan

11

Thomas Prayogo, Identifikasi Waste dengan Menggunakan Value Stream Mapping di Gudang PT. XYZ,2013,(Journal Titra. Pdf)

12

(24)

memudahkan untuk mengambil keputusan dalam mengeliminasi kegiatan-kegiatan yang tidak memberikan nilai tambah (non value added activities).

Hingga saat ini, telah diidentifikasi dan di-review ada 7 jenis teknik di dalam VSM, yaitu big picture mapping (Rother and Shook , 1999), supply chain response matrix (Hines, Rich dan Jones, 1997), production variety funnel (New, 1974), quality filter mapping (Hines dan Rich, 1997), demand amplification mapping (Hines dan Taylor, 2000), decision point analysis (Hines, Rich dan Jones, 1997), dan physical structure mapping (Hines dan Rich, 1997). Namun, tidak satu pun dari ketujuh teknik tersebut yang berhubungan dengan kegiatan

maintenance (perawatan) sehingga tidak dapat digunakan untuk memetakan kegiatan perawatan tesebut. Jika diperhatikan lebih lanjut, dalam setiap kegiatan perawatan tentu terdapat kegiatan yang memberikan nilai tambah maupun yang tidak memberikan nilai tambah. Sehingga, keunikan dari teknik ini adalah untuk mengembangkan VSM dalam kegiatan perawatan yang disebut dengan

Maintenance Value Stream Mapping (MVSM).

3.9.2. Variabel yang Digunakan dalam MVSM

(25)

dilakukan pengujian terhadap dampak dari buruk atau kurangnya strategi perawatan di lantai produksi, melainkan digunakan sebagai alat untuk mengukur waktu aktivitas perawatan. Secara matematis, MMLT dirumuskan dengan persamaan:

MMLT = MTTO + MTTR + MTTY

dimana:

MTTO = Mean Time To Organize (Rata-rata waktu yang diperlukan untuk mengkoordinasikan tugas-tugas untuk memulai kegiatan perawatan mesin/peralatan setelah diketahui adanya kerusakan atau berdasarkan jadwal yang telah dibuat)

MTTR = Mean Time To Repair (Rata-rata waktu yang dibutuhkan untuk melakukan aktivitas perawatan mesin/peralatan)

MTTY = Mean Time To Yield (Rata-rata waktu yang dibutuhkan untuk memastikan bahwa mesin/peralatan dapat digunakan kembali setelah kegiatan perawatan mesin/peralatan dilakukan).

Berdasarkan definisi tersebut, komponen waktu yang memberikan nilai tambah bagi kegiatan perawatan adalah MTTR karena hanya komponen waktu ini merupakan waktu yang dibutuhkan untuk melakukan kegiatan perawatan atau perbaikan terhadap mesin/peralatan. Untuk dua komponen waktu lainnya, yaitu MTTO dan MTTY merupakan kegiatan yang tidak memberikan nilai tambah (non value added time). Oleh karena itu, value added time dan non value added time

ditunjukkan dengan persamaan:

(26)

Non value added time = MTTO + MTTR

Efisiensi perawatan dihitung dengan menggunakan persentase dari MMLT aktual dibandingkan dengan MMLT. Secara matematis:

%EfisiensiPerawatan =MTTR

MMLT X 100%

3.9.3. Framework yang Digunakan dalam MVSM

Pada bagian ini akan dijelaskan framework (kerangka kerja) yang akan digunakan dalam dalam mengembangkan MVSM, yaitu tujuh kategori kerangka kerja yang merupakan simbol-simbol dari konsep VSM secara umum dan dikembangkan menjadi beberapa simbol baru. Berikut ini adalah uraian terhadap tujuh kategori kerangka kerja yang digunakan dalam MVSM:

a. Equipment breakdown

Simbol ini menggambarkan bahwa terjadi kerusakan atau perlunya dilakukan perawatan pada satu mesin/peralatan yang dapat mempengaruhi proses produksi.

b. Proses

(27)

pekerjaan perawatan/perbaikan selesai. c. Aliran fisik

Aliran fisik menggambarkan aktivitas transportasi antara kegiatan yang satu dengan kegiatan yang lain yang dapat diamati secara fisik.

d. Aliran informasi

Aliran fisik dalam proses perawatan berhubungan dengan aliran informasi. Terkadang aliran informasi merupakan penghambat dalam aktivitas perawatan sehingga waktu yang dibutuhkan untuk proses selanjutnya jadi semakin lama.

e. Kotak data

Di setiap simbol proses terdapat kotak data yang berisi data mengenai simbol tersebut.

f. Delay

Simbol ini mengindikasikan bahwa terdapat waktu mengganggur di antara dua proses. Delay merupakan jenis kegiatan non value added yang dapat menambah nilai MMLT. Ada 3 jenis delay yang digunakan dalam menggambarkan MVSM, yaitu delay akibat operator yang menggunakan mesin/peralatan lambat dalam merespon masalah kerusakan, delay akibat tidak tersedianya komponen, dan delay akibat tidak tersedianya operator perawatan (tidak standby di tempat).

g. Timeline

(28)

BAB IV

METODOLOGI PENELITIAN

4.1. Tempat dan Waktu Penelitian

Penelitian dilakukan di PT. Sinar Sanata Electronic Industry yang memproduksi bola lampu yang berlokasi di Jl.Pertahanan Lorong 3 No. 7A, Medan-Amplas. Waktu penelitian dilakukan pada Desember 2015 sampai dengan Juni 2016.

4.2. Jenis Penelitian

Jenis penelitian ini adalah action research karena penilitian ini hanya mengajukan usulan jadwal perawatan yang belum diaplikasikan oleh perusahaan.

Action Research merupakan penelitian yang dilakukan untuk mendapatkan temuan-temuan praktis dalam keperluan pengambilan keputusan operasional13

13

Sukaria Sinulingga, Metode Penelitian, 2011, Medan, USU Pressh 32.

. Hasil penelitian bertujuan memaparkan pemecahan masalah aktual yang terjadi pada perusahaan secara sistematis dan mengusulkan interval waktu penggantian

(replacement) optimum komponen kritis mesin Tiup dengan model Age Replacement

untuk menentukan selang waktu penggantian yang optimum sehingga biaya

(29)

4.3. Objek Penelitian

Objek penelitian yang diamati adalah pada stasiun pembuatan bola lampu yaitu mesin Tiup. Penelitian ini dilakukan untuk mendapatkan jadwal penggantian komponen mesin. Membandingkan biaya strategi perawatan yang diterapkan perusahaan saat ini dengan kebijakan perawatan yang diusulkan.

4.4. Variabel Penelitian

Variabel-variabel yang terdapat dalam penelitian ini adalah sebagai berikut:

1. Variabel Dependen

Variabel dependen adalah yang nilainya dipengaruhi atau ditentukan oleh nilai variabel lain. Variabel dependen pada penelitian ini adalah jadwal penggantian komponen dengan biaya perawatan yang minimum. Perencanaan dan Biaya Pergantian Komponen Kritis Variabel yang menunjukkan interval pergantian komponen mesin sebelum mesin mengalami kerusakan (Breakdown) sehingga biaya penggantian menjadi minimum.

2. Variabel Independen

Variabel independen adalah variabel yang mempengaruhi variabel dependen baik secara positif maupun negatif. Variabel-variabel independen dalam penelitian ini adalah :

a. Component Failure Frequency

(30)

b. Cost of Failure

Variabel yang menyatakan biaya yang timbul pada saat terjadi kerusakan

yang menyebabkan terhentinya mesin pada saat proses produksi. Biaya ini

terdiri dari biaya tenaga kerja, biaya komponen, biaya pemasangan, dan

opportunity cost. c. Cost of Preventive

Variabel yang menyatakan biaya yang timbul karena adanya penggantian

terencana. Biaya ini terdiri dari biaya tenaga kerja , biaya pemasangan dan

biaya pembelian komponen.

d. Corrective and Preventive Maintenance Time

(31)

BAB V

PENGUMPULAN DAN PENGOLAHAN DATA

5.1. Pengumpulan Data

Pengumpulan data dilakukan dengan mewawancarai pekerja pada bagian

maintenance. Data yang diperoleh antara lain daftar komponen mesin, data

kerusakan komponen Mesin Tiup. PT. Sintar Sanata Electronic Industry.

5.1.2. Data Frekuensi Kerusakan dan Harga Komponen Mesin Tiup

Komponen Mesin Tiupyang pernah dilakukan penggantian pada periode 2014-2015 yang dapat dilihat pada Tabel 5.2 sampai Tabel 5.10.

5.2. Pengolahan Data

5.2.1. Penentuan Komponen Kritis dengan Metode ABC

Pemilihan komponen mesin yang akan ditentukan dengan metode ABC. Melalui metode ABC akan ditentukan komponen mesin berdasarkan tingkat harga tertinggi dari biaya penggunaan material per periode waktu tertentu.

(32)

V-53

Tabel 5.2. Data Frekuensi Kerusakan dan Harga Komponen Mesin Tiup

No. Nama Komponen Jumlah

Kebutuhan Unit

Nama Mesin Tiup Frekuensi

Kerusakan MT-1 MT-2 MT-3 MT-4 MT-5 MT-6 MT-7 MT-8

1 Valve Core PH16 2 1 1 2 1 2 1 2 1 22

2 Tipping Burner 1 3 5 3 6 3 5 5 2 32

3 Rotary Barrel 1 2 3 2 3 1 2 1 1 15

4 Flare Fittings 41 FL 1 2 4 3 4 5 3 4 3 28

5 Verical Gear 80mm 1 1 1 1 2 5

6 Gas Hoses d 6mm, L 2m 1 2 1 1 3 1 1 2 11

7 Link Belt 1 1 2 1 1 2 1 1 9

8 Flare Pin 1 3 2 2 3 1 3 3 2 19

9 Glass Tube Clamp 1 1 2 2 2 2 9

10 Inner Cutter Holder 1 2 1 1 1 2 3 10

11 Twizer –SS 2 1 2 3 2 1 2 1 1 26

12 Gas Balancing 1 1 1 2 3 2 2 1 12

13 A-60 Mould 1 4 3 2 3 2 2 3 19

14 14 Hole Double Row Burner 1 5 3 5 2 4 5 3 4 31

15 Tail Pipe 1 2 2 4 5 3 5 4 3 28

(33)

V-54

Tabel 5.3. Analisa ABC Komponen Mesin Tiup

No. Nama

(34)

5.2.2.1. Komponen Tail Pipe

Perhitungan untuk mendapatkan pola distribusi Tail Pipe berdasarkan nilai Index of Fit yang terbesar.

a. Distribusi Normal

1. Mengurutkan data interval kerusakan (ti) dari yang terkecil sampai yang terbesar.

2. Menghitung nilai F(ti)

Rumus: F(ti) = i – 0,3 N+0,4

Dimana: i = Data ke- N = Jumlah Data

Pada data ke- 1 dan jumlah data adalah 28,

Maka F(ti) = 1 – 0,3 28+0,4

= 0,02465 3. Menghitung nilai Yi Rumus: Yi = Ф(Z)

Untuk menghitung Yi didapat dati Tabel Standarized Normal Probabilities, dimana Z = F(ti). Misalkan pada data ke-1 (ti = 32)

Yi = Ф(Z)

Yi = Ф(0, 02465) = -1,96602 4. Menghitung nilai Ti2

(35)

Yi2 = (-1,96602)2 = 3,86525 6. Menghitung nilai Ti x Yi

Ti x Yi = 32 x (-1,96602) = -62,91279

Perhitungan selengkapnya dapat dilihat pada Tabel 5.6.

Tabel 5.6. Perhitungan Index of Fit dengan Distribusi Normal pada

(36)

Komponen Tail Pipe (Lanjutan)

i Ti F(ti) Yi Ti2 Yi2 Ti. Yi

23 54 0,79930 0,83911 2916 0,70410 45,31186

24 56 0,83451 0,97213 3136 0,94504 54,43928

25 57 0,86972 1,12506 3249 1,26576 64,12845

26 59 0,90493 1,31016 3481 1,71653 77,29959

27 60 0,94014 1,55596 3600 2,42100 93,35742

28 60 0,97535 1,96602 3600 3,86525 117,96147

Total 1285 14 0,00 60709 24,79474 204,71212

Sumber: Penglohana Data

Perhitungan Index of Fit dimana langkah – langkahnya adalah sebagai berikut :

7. Sxy = N∑�_�−1�_��_� - (∑��−1��)(∑��−1��)

= (28) (204,71212) – (1285) (0) = 5731,93941

8. Sxx = N∑�_�−1�_�2 - (∑��−1��)2

= (28)(60709) – (1285)2 = 48627

9. Syy = N∑�_�−1��2 - (∑��−1��)2

= (28)(24,79474) – (0)2 = 694,25280

10 Nilai Index of Fit (r)

Index of Fit (r) = ��

�� −��

(37)

b. Distribusi Lognormal

Rumus: F(ti) = i – 0,3 N+0,4

Maka F(ti) = 1 – 0,3 28+0,4

= 0,02465 3. Menghitung nilai Yi

Rumus: Yi = Ф(Z)

Untuk menghitung Yi didapat dati Tabel Standarized Normal Probabilities, dimana Z = F(ti). Misalkan pada data ke-1 (ti = 32)

Yi = Ф(Z)

Yi = Ф(0, 02465) = -1,96602 4. Menghitung nilai Ti

Ti = Ln(ti) = Ln(32) = 3,64574 5. Menghitung nilai Ti2

(38)

7. Menghitung nilai Ti x Yi

Ti x Yi = 3,46574 x (-1,96602) = -6,81372 Perhitungan selengkapnya dapat dilihat pada Tabel 5.7.

Tabel 5.7. Perhitungan Index of Fit dengan Distribusi Lognormal pada

(39)

8. Sxy = N∑�_�−1�� - (∑��−1��)(∑��−1��)

= (28) (4,50984) – (1285) (0) = 126,27546

9. Sxx = N∑�_�−1��2 - (∑��−1��)2

= (28)(407,59999) – (106,72078)2 = 23,47531

10.Menghitung nilai Syy

Syy = N∑�_�−1�_�2 - (∑��−1��)2

= (28)(24,79474) – (0)2 = 694,25280

11.Nilai Index of Fit (r)

�� −��

= 0,98913

c. Distribusi Eksponensial

Rumus: F(ti) = i – 0,3 N+0,4

(40)

Tabel 5.8. Perhitungan Index of Fit dengan Distribusi Eksponensial pada

Komponen Tail Pipe

(41)

(42)

Syy = N∑�_�−1�_�2 - (∑��−1��)2

= (28)( 48,29652) – (-27,07342)2 = 619,33232

�� −��

= -0,93043

Rumus: F(ti) = i – 0,3 N+0,4

Maka F(ti) = 1 – 0,3 28+0,4

= 0,02465 3. Menghitung nilai Ti, Ti = ln (ti) = ln (32) = 3,46574

4. Menghitung nilai Yi, untuk data 1 nilai F(ti)= 0,02465 Maka nilai Yi = ln{- ln [(1- F(ti)]}

(43)

= - 3,69061

Tabel 5.9. Perhitungan Index of Fit dengan Distribusi Weibull pada

(44)

Komponen Tail Pipe (Lanjutan)

i ti F(ti) Ti=LN(t) Yi=LN(-LN(I-F(Ti))) Ti2 Yi2 TiYi

22 53 0,76408 3,97029 0,36761 15,76322 0,13514 1,45953

23 54 0,79930 3,98898 0,47370 15,91199 0,22439 1,88958

24 56 0,83451 4,02535 0,58713 16,20346 0,34473 2,36342

25 57 0,86972 4,04305 0,71200 16,34626 0,50694 2,87864

26 59 0,90493 4,07754 0,85575 16,62631 0,73231 3,48935

27 60 0,94014 4,09434 1,03523 16,76366 1,07171 4,23860

28 60 0,97535 4,09434 1,30916 16,76366 1,71390 5,36015

Total 1285 14,0 106,72078 -15,45008 407,59999 46,94912 -53,34960

8. Sxy = N∑�_�−1�_��_� - (∑��−1��)(∑��−1��)

= (28) (-53,34960) – (106,72078) (-15,45008) = 155,05597

9. Sxx = N∑�_�−1��2 - (∑��−1��)2

= (28)(407,59999) – (106,72078)2 = 23,47531

10. Syy = N∑�_�−1��2 - (∑��−1��)2

= (28)( 46,94912) – (-15,45008)2 = 1075,87035

11. Nilai Index of Fit (r)

�� −��

(45)

5.2.2.2. Komponen 14 Hole Double Row Burner

Perhitungan untuk mendapatkan pola distribusi 14 Hole Double Row Burner

berdasarkan nilai Index of Fit yang terbesar. a. Distribusi Normal

Rumus: F(ti) = i – 0,3 N+0,4

Maka F(ti) = 1 – 0,3 31+0,4

Rumus: Yi = Ф(Z)

Yi = Ф(Z)

Yi = Ф(0, 02229) = -2,00854 3. Menghitung nilai Ti2 Ti2 = 242 = 576

(46)

Yi2 = (-2,00854)2 = 4,03423

Ti x Yi = 24 x (-2,00854) = -48,20495

Komponen 14 Hole Double Row Burner

(47)

Komponen 14 Hole Double Row Burner (Lanjutan)

27 56 0,85032 1,03780 3136 1,07703 58,11681

28 56 0,88217 1,18588 3136 1,40632 66,40941

29 56 0,91401 1,36589 3136 1,86565 76,48966

30 56 0,94586 1,60597 3136 2,57914 89,93438

31 58 0,97771 2,00854 3364 4,03423 116,49529

Total 1187 15,5 0,00 49829 27,72060312 332,22587

6. Sxy = N∑_�−� 1�� - (∑�−�1��)(∑��−1��)

= (31) (332,22587) – (1187) (0) = 10299,00202

7. Sxx = N∑�_�−1��2 - (∑��−1��)2

= (31)(49829) – (1187)2 = 135730

8. Menghitung nilai Syy

Syy = N∑�_�−1��2 - (∑��−1��)2

= (31)(27,72060) – (0)2 = 859,33870

9. Nilai Index of Fit (r)

�� −��

(48)

Rumus: F(ti) = i – 0,3 N+0,4

Maka F(ti) = 1 – 0,3 31+0,4

Rumus: Yi = Ф(Z)

Yi = Ф(Z)

Yi = Ф(0, 02229) = -2,00854 4. Menghitung nilai Ti Ti = Ln(ti) = Ln(24) = 3,17805 5. Menghitung nilai Ti2 Ti2 = 3,178052 = 10,10003

(49)

Ti x Yi = 3,17805 x (-2,00854) = -6,38325

(50)

8. Sxy = N∑�_�−1�� - (∑��−1��)(∑��−1��)

= (31) (8,81268) – (1187) (0) = 273,19295

9. Sxx = N∑�_�−1��2 - (∑��−1��)2

= (31)(403,99254) – (111,48598)2 = 94,64428

Syy = N∑�_�−1�_�2 - (∑��−1��)2

= (31)(27,72060) – (0)2 = 859,33870

�� −��

= 0,95794

Rumus: F(ti) = i – 0,3

N+0,4

(51)

Maka F(ti) = 1 – 0,3 31+0,4

= 0,02229

3. Menghitung nilai Yi, untuk data 1 nilai F(ti)= 0,02229 Maka nilai Yi = ln [(1- F(ti)]

Yi = ln [(1- 0,02229],

= - 0,02255

4. Menghitung nilai Ti2 Ti2 = 242 = 576

5. Menghitung nilai Yi2 Yi2 = (-0,02255)2 = 0,00051

Ti x Yi = 31 x (-0,02255) = -0,54109

i Ti F(ti) Yi=LN(1-F(ti)) Ti2 Yi2 TiYi

1 24 0,02229 -0,02255 576 0,00051 -0,54109

2 24 0,05414 -0,05566 576 0,00310 -1,33586

3 24 0,08599 -0,08991 576 0,00808 -2,15786

4 24 0,11783 -0,12538 576 0,01572 -3,00901

5 25 0,14968 -0,16214 625 0,02629 -4,05361

6 25 0,18153 -0,20032 625 0,04013 -5,00792

7 25 0,21338 -0,24000 625 0,05760 -6,00012

8 26 0,24522 -0,28133 676 0,07915 -7,31465

(52)

i Ti F(ti) Yi=LN(1-F(ti)) Ti2 Yi2 TiYi

7. Sxy = N∑�_�−1�� - (∑��−1��)(∑��−1��)

= (31) (-81452,34176) – (1187) (-30,05326) = -9349,40107

8. Sxx = N∑�_�−1��2 - (∑��−1��)2

(53)

Syy = N∑�_�−1�_�2 - (∑��−1��)2

= (31)( 54,02792) – (-30,05326)2 = 771,66675

�� −��

= -0,91355

Rumus: F(ti) = i – 0,3 N+0,4

Maka F(ti) = 1 – 0,3 31+0,4

= 0,02229 3. Menghitung nilai Ti, Ti = ln (ti) = ln (24) = 3,17805

4. Menghitung nilai Yi, untuk data 1 nilai F(ti)= 0,02229 Maka nilai Yi = ln{- ln [(1- F(ti)]}

(54)

= - 3,79223

(55)

i ti F(ti) Ti=LN(t) Yi=LN(-LN(I-F(Ti))) Ti2 Yi2 TiYi

22 48 0,69108 3,87120 0,16100 14,98620 0,0259 0,62325

23 48 0,72293 3,87120 0,24958 14,98620 0,0623 0,96617

24 49 0,75478 3,89182 0,34046 15,14627 0,1159 1,32499

25 52 0,78662 3,95124 0,43483 15,61233 0,1891 1,71812

26 53 0,81847 3,97029 0,53435 15,76322 0,2855 2,12153

27 56 0,85032 4,02535 0,64146 16,20346 0,4115 2,58209

28 56 0,88217 4,02535 0,76009 16,20346 0,5777 3,05964

29 56 0,91401 4,02535 0,89754 16,20346 0,8056 3,61291

30 56 0,94586 4,02535 1,07027 16,20346 1,1455 4,30823

31 58 0,97771 4,06044 1,33592 16,48720 1,7847 5,42442

Total 1187 15,5 111,48598 -17,16444 403,99254 52,60359 -51,11975

8. Sxy = N∑�_�−1�� - (∑��−1��)(∑��−1��)

= (31) (-51,11975) – (111,48598) (-17,16444) = 328,88230

9. Sxx = N∑�_�−1��2 - (∑��−1��)2

= (31)(403,99254) – (111,48598)2 = 94,64428

Syy = N∑�_�−₁�_�2 - (∑�_�−₁�_�)2

(56)

�� −��

= 0,92486

5.2.2.3. Komponen Tipping Burner

Perhitungan untuk mendapatkan pola distribusi Tipping Burner berdasarkan nilai

Index of Fit yang terbesar. a. Distribusi Normal

Rumus: F(ti) = i – 0,3 N+0,4

Maka F(ti) = 1 – 0,3 32+0,4

= 0,02160 3. Menghitung nilai Yi Rumus: Yi = Ф(Z)

(57)

Yi = Ф(0, 02160) = -2,02168

Komponen Tipping Burner

17 45 0,51543 0,03869 2025 0,00150 1,74115

18 45 _0,54630 0,11631 2025 _0,01353 _5,23392

19 45 0,57716 0,19463 2025 0,03788 8,75856

(58)

Komponen Tipping Burner (Lanjutan)

21 47 0,63889 0,35549 2209 0,12637 16,70805

22 47 0,66975 0,43923 2209 0,19292 20,64388

23 47 0,70062 0,52618 2209 0,27686 24,73031

24 48 0,73148 0,61730 2304 0,38106 29,63039

25 48 0,76235 0,71387 2304 0,50961 34,26568

26 49 0,79321 0,81761 2401 0,66849 40,06286

27 50 0,82407 0,93100 2500 0,86677 46,55017

28 50 0,85494 1,05785 2500 1,11905 52,89254

29 51 0,88580 1,20450 2601 1,45083 61,42967

30 52 0,91667 1,38299 2704 1,91267 71,91569

31 53 _0,94753 _1,62137 2809 _2,62884 _85,93262

32 54 0,97840 2,02168 2916 4,08717 109,17048

Total 1390 16 0,00 61748 28,69744 194,21079

7. Sxy = N∑�_�−1�_��_� - (∑��−1��)(∑��−1��)

= (32) (194,21079) – (1390) (0) = 6214,74521

8. Sxx = N∑�_�−1��2 - (∑��−1��)2

= (32)(61748) – (1390)2 = 43836

9. Syy = N∑�_�−1�_�2 - (∑��−1��)2

(59)

10 Nilai Index of Fit (r)

�� −��

= 0,97952

Rumus: F(ti) = i – 0,3 N+0,4

Maka F(ti) = 1 – 0,3 32+0,4

Rumus: Yi = Ф(Z)

Untuk menghitung Yi didapat dati Tabel Standarized Normal Probabilities, dimana Z = F(ti). Misalkan pada data ke-1 (ti = 29)

Yi = Ф(Z)

Yi = Ф(0, 02160) = -2,02168 4. Menghitung nilai Ti

(60)

5. Menghitung nilai Ti2 Perhitungan selengkapnya dapat dilihat pada Tabel 5.15.

(61)

Komponen Tipping Burner (Lanjutan)

i ti F(ti) Ti=LN(ti) Yi Ti2 Yi2 Ti.Yi

23 47 0,70062 3,85015 0,52618 14,82364 0,27686 2,02586 24 48 0,73148 3,87120 0,61730 14,98620 0,38106 2,38969 25 48 0,76235 3,87120 0,71387 14,98620 0,50961 2,76353 26 49 0,79321 3,89182 0,81761 15,14627 0,66849 3,18199 27 50 0,82407 3,91202 0,93100 15,30392 0,86677 3,64211 28 50 0,85494 3,91202 1,05785 15,30392 1,11905 4,13834 29 51 0,88580 3,93183 1,20450 15,45925 1,45083 4,73590 30 52 0,91667 3,95124 1,38299 15,61233 1,91267 5,46455 31 53 0,94753 3,97029 1,62137 15,76322 2,62884 6,43731 32 54 0,9784 3,98898 2,02168 15,91199 4,08717 8,06443

Total 1390 16,0 120,28683 0,00000 452,98192 28,69744 4,69441 Sumber: Penglohana Data

8. Sxy = N∑�_�−1�� - (∑��−1��)(∑��−1��)

= (32) (4,69441) – (1390) (0) = 150,22108

9. Sxx = N∑�_�−1��2 - (∑��−1��)2

= (32)(452,98192) – (120,28683)2 = 26,50047

(62)

�� −��

= 0,96296

Rumus: F(ti) = i – 0,3 N+0,4

Maka F(ti) = 1 – 0,3 32+0,4

= 0,02160

3. Menghitung nilai Yi, untuk data 1 nilai F(ti)= 0,02160 Maka nilai Yi = ln [(1- F(ti)]

Yi = ln [(1- 0,02160],

= - 0,02184

4. Menghitung nilai Ti2 Ti2 = 292 = 841

5. Menghitung nilai Yi2 Yi2 = (-0,02184)2 = 0,00048

(63)

Ti x Yi = 29 x (-0,02184) = -0,63341

(64)

7. Sxy = N∑�_�−1�� - (∑��−1��)(∑��−1��)

= (32) (-1509,08806) – (1390) (-31,04697) = -5103,52636

8. Sxx = N∑�_�−1��2 - (∑��−1��)2

= (32)(61748) – (1390)2 = 43836

Syy = N∑�_�−1�_�2 - (∑��−1��)2

= (32)( 55,94323) – (-31,04697)2 = 826,26901

�� −��

= -0,84800

Rumus: F(ti) = i – 0,3

N+0,4

(65)

Maka F(ti) =

(66)

Total 677 14,0 88,67853 -15,45008 281,91362 46,94912 -42,72461

8. Sxy = N∑�_�−1�� - (∑��−1��)(∑��−1��)

(67)

9. Sxx = N∑�_�−1��2 - (∑��−1��)2

= (32)(452,98192) – (120,28683)2 = 26,50047

5.2.3. Perhitungan Parameter Komponen Mesin

Pola distribusi untuk setiap komponen kritis sudah didapat berdasarkan nilai Index of Fit yang terbesar. Rekapitulasi perhitungan Index of Fit untuk pola distribusi selang waktu kerusakan komponen Kritis dapat dilihat pada Tabel 5.22.

Tabel 5.22. Rekapitulasi Perhitungan Perhitungan Index of Fit Komponen

Kritis Mesin Tiup

Nama Komponen Distribusi Index of Fit Terpilih

Tail Pipe

Normal 0,98652

Lognormal 0,98913 Lognormal

Eksponensial -0,93043

(68)

Tabel 5.22. Rekapitulasi Perhitungan Perhitungan Index of Fit Komponen

Kritis Mesin Tiup

Nama Komponen Distribusi Index of Fit Terpilih

Tipping Burner

Normal 0,97952

Lognormal 0,96296

Eksponensial -0,84800

Weibull 0,98850 Weibull

Perhitungan nilai parameter untuk tiap komponen kritis yang disesuaikan dengan jenis pola distribusi adalah sebagai berikut:

1. Komponen Tail Pipe

Pola distribusi komponen Tail Pipe adalah Lognormal, maka parameter distribusi kerusakan adalah sebagai berikut

2. Komponen 14 Hole double Row Burner

(69)

�

=

�̅

=

∑

ln

��

3. Komponen Tipping Burner

Pola distribusi komponen Tipping Burner adalah Weibull, maka parameter distribusi kerusakan adalah sebagai berikut

(70)

c. Menghitung parameter bentuk (β)

β = b = 7,25940

e. Menghitung parameter skala (α) α = e(−�� )

= e(−

(−27 ,84207 ) 7,25940 )

= 26,08553

5.2.4. Perhitungan MTTF Komponen Mesin

Nilai MTTF dihitung berdasarkan pola distribusi kerusakan dan parameter distribusi setiap komponen kritis. Langkah berikutnya adalah menghitung parameter dan nilai Mean Time To Failure (MTTF) untuk setiap komponen kritis Mesin Tiup.

1. Komponen Tail Pipe

Parameter distribusi Lognormal adalah σ =0,17304 ; μ =3,81146, maka

perhitungan MTTF komponen adalah sebagai berikut

MTTF=�� + �2

2 �

= Exp (3,81146+0,173042

2 )

= 45,89829 ≈ 45 hari 2. Komponen 14 Hole double Row Burner

Parameter distribusi Lognormal adalah σ =0,31382 ; μ =3,59632, maka

perhitungan MTTF komponen adalah sebagai berikut

MTTF=�� + �2

(71)

= Exp (3,59362+0,31382 2

2 )

= 38,30440 ≈ 38 hari 3. Komponen Tipping Burner

Parameter distribusi Weibull adalah � = 46,30796 ; β = 7,25940 , maka perhitungan MTTF komponen adalah sebagai berikut

MTTF = αΓ�1 +_�1�

= 46,30796 Γ�1 + 1

7,25940�

= 46,30796 x 0,93993 = 43,52623 ≈ 43 hari

Berdasarakan tabel tersebut diatas maka rencana jadwal penggantian komponen dapat disusun seperti Tabel 5.23. berikut ini:

Tabel 5.23. Jadwal Interval Penggantian (Replacement) Komponen Kritis

No Komponen MTTF Hari ke-

1 Tail Pipe 45

2 14 Hole double Row Burner 38

3 Tipping Burner 43

(72)

BAB VI

ANALISIS DAN EVALUASI PEMABAHASAN MASALAH

6.1. Analisis

6.1.1. Analisis Komponen Kritis Mesin Tiup

PT. Sinar Sanata Electronic Industry melakukan penggantian komponen ketika mesin telah rusak. Hal ini mengakibatkan pemberhentian proses produksi secara tiba-tiba. Perusahaan ini sering mengalami kendala beroperasi dikarenakan Mesin Tiup mengalami kerusakan. Berdasarkan data historis periode 2014-2015 komponen Mesin Tiup yang mengalami kerusakan adalah sebagai berikut.

No. Nama Komponen

Kerusakan

(73)

No. Nama Komponen

Kerusakan

Sumber : PT. Sinar Sanata Electronic Industry

Pemilihan komponen mesin yang akan ditentukan dengan metode ABC. Analisa persentase nilai komponen dibagi menjadi 3 kelas berdasarkan tingkat harga tertinggi dari biaya penggunaan material per periode waktu tertentu. Berdasarkan penentuan komponen kritis dengan metode ABC dan analisis Pareto pada Mesin Tiup, Komponen yang memiliki investasi biaya terbesar (komponen kritis kelas A) hingga kumulatif 80% dapat dilihat pada Tabel 6.2.

Tabel 6.2. Persentase Biaya Komponen Kritis Mesin Tiup

No. Nama Komponen Persentase

(74)

6.1.2. Analisis Strategi Perawatan Usulan dengan Age Replacement

Dalam menangani kondisi perusahaan saat ini maka dibutuhkan strategi perawatan yang efisien. Strategi perawatan dengan preventive replacement

memerlukan interval waktu penggantian dalam menentukan jadwal penggantian komponen mesin. Konsep reliability digunakan untuk menentukan interval waktu penggantian optimum. Konsep reliability (keandalan) digunakan untuk mendapatkan nilai keandalan, probabilitas kegagalan, nilai mean time to failure

(MTTF). MTTF merupakan waktu rata-rata suatu komponen sampai mengalami kerusakan yang digunakan sebagai basis informasi untuk melakukan penggantian komponen berdasarkan data historis kerusakan komponen kritis Mesin Tiup sebelum terjadinya kerusakan/kegagalan komponen.

Age Replacement digunakan untuk menentukan interval waktu penggantian optimum berdasarkan kriteria biaya penggantian yang minimum. Dalam menggunakan model Age Replacement diperlukan pendekatan kehandalan (reliability) untuk mendapatkan nilai keandalan, probabilitas kegagalan, nilai

mean time to failure (MTTF). MTTF merupakan waktu rata-rata suatu komponen sampai mengalami kerusakan yang digunakan sebagai basis informasi untuk melakukan penggantian komponen berdasarkan data historis kerusakan komponen kritis Mesin Tiupsebelum terjadinya kerusakan/kegagalan komponen.

(75)

Burner selama 34 hari.

6.2. Evaluasi

6.2.1. Evaluasi Komponen Kritis Mesin Tiup

PT.Sinar Sanata Electronic Industry adalah perusahaan yang memproduksi jenis lampu (Stainless Star) kendaraan bermotor. Tahap pertama dalam pembuatan bola lampu adalah mencetak gelembung kaca (glass bulb). Mesin yang membuat gelembung kaca adalah Mesin Tiup yang beroperasi selama 8 jam per hari. Mesin ini memiliki frekuensi kerusakan yang tinggi selama periode 2014-2015. Mesin ini memproduksi gelembung kaca sebanyak 1200 unit/ jam. Silinder kaca yang ditirunkan melalui pergelangan clamp dimasukkan kedalam pencetak lalu dipanaskan sehingga membentuk cetakan tersebut.

Komponen-komponen Mesin Tiup terdiri dari 15 komponen yaitu Valve Core PH16, Tipping Burner, Rotary Barrel, Flare Fittings 41 FL, Verical Gear

80mm, Gas Hoses d 6mm, L 2m, Glass Tube Clamp, Inner Cutter Holder, Twizer

(76)

komponen-komponen ini dapat menghentikan proses produksi sehingga merugikan perusahaan.

6.2.2. Evaluasi Strategi Perawatan Usulan dengan Age Replacement

Strategi perawatan dengan cara preventive maintenance dapat menjadwalkan penggantian komponen kritis Mesin Tiup. Komponen yang sudah mencapai interval waktu usulan harus diganti dengan komponen yang baru. Strategi perawatan ini dapat menekan biaya perawatan pada Mesin Tiup dan menurunkan kehilangan waktu produksi ketika Mesin Tiup berproduksi. Penerapan strategi penggantian pencegahan dengan model Age Replacement

penentuan jadwal penggantian komponen mesin harus memperhatikan kondisi mesin seperti yang ditunjukkan pada gambar 6.3

Operasi

Gambar 6.4. Strategi Penggantian Model Age Replacement

(77)

6.2.4.2.Evaluasi Future State Map

Future state map yang dibuat berdasarkan eliminasi kegiatan delay pada

current state map, sehingga menurunkan nilai waktu MTTO. Kegiatan non value added yang dieliminasi memberikan dampak akan meningkatnya persentase

maintenance efficiency. Pengembangan yang dilakukan pada future state map

(78)

BAB VII

KESIMPULAN DAN SARAN

7.1. Kesimpulan

Berdasarkan hasil pengolahan dan analisis pemecahan masalah, maka

dapat diambil kesimpulan sebagai berikut:

1. Berdasarkan ABC analysis komponen kritis yang dibahas dalam penelitian adalah Tail Pipe, 14 Hole Double Row Burner, dan Tipping Burner. Komponen-komponen tersebut yang memiliki kriteria frekuensi dan investasi

biaya yang termasuk klasifikasi A pada ABC analysis.

(79)

BAB II

GAMBARAN UMUM PERUSAHAAN

2.1. Sejarah Perusahaan

PT. Sinar Sanata Electronic Industry berdiri pada tanggal 29 April 1976, mulai beroperasi dan memasuki pasaran lokal pada awal tahun 1977. PT. Sinar Sanata Electronic Industry merupakan perusahaan yang bergerak di bidang produksi bola lampu untuk kebutuhan rumah tangga (merk Dai-ichi) dan kendaraan bermotor (merek Stainlee star).

Produk bola lampu yang dihasilkan perusahaan ini mendapat respon yang baik dari masyarakat. Hal ini karenakan produk yang dihasilkan memiliki mutu dan harga yang dapat bersaing dengan produk import. Jumlah permintaan akan produk meningkat tiap tahunnya, maka pada periode tahun 1978 dan awal 1979 dilakukan penambahan mesin dan peralatan produksi menjadi 3 set. Perusahaan ini mengembangkan daerah pemasarannya hingga ke Pulau Jawa.

Memasuki tahun 1982, jumlah produk yang sejenis sudah banyak beredar

yang diproduksi dari perusahaan yang berbeda, akibatnya terjadi persaingan di dalam

merebut pasar dalam negeri. Hal ini menyebabkan perusahaan harus menyususun

ulang strategi pemasaran untuk menghadapi keadaan yang sulit ini. Perusahaan

berupaya dan berusaha melakukan eksport pemasaran produk keluar negeri

(80)

menumbuhkan motivasi perusahaan untuk menghasilkan produk yang lebih bersiang di pasaran International.

Penjualan bola lampu yang di pasarkan di Malaysia dan Singapura semakin meningkat. Melihat potensi pasar yang bagus PT. Sinar Sanata Electronic Industry memasarkan produk baru seperti bola lampu pijar, dekorasi dan

Flourescent. Proses pembuatan produk lampu pijar dan Flourescent hampir sama dengan teknik pembuatan bola lampu untuk kendaraan.

2.2. Ruang Lingkup Bidang Usaha

PT. Sinar Sanata Electronic Industry adalah perusahaan yang memproduksi bola lampu rumah tangga dan kendaraan bermotor/transportasi seperti sepeda motor,

mobil dan pesawat terbang. Produk bola lampu untuk pesawat diproduksi jika ada

permintaan khusus.

2.3. Lokasi Perusahaan

PT. Sinar Sanata Electronic Industry beralamat di Jl.Pertahanan Lrg III/7 Desa Timbang Deli, Medan-Amplas. Keuntungan-keuntungan dari tempat usaha adalah sebagai berikut:

1. Lokasi perusahaan yang dekat dengan pelabuhan Belawan sehingga memudahkan pemasokan bahan baku dari luar negeri seperti Thailand dan Vietnam.

(81)

2.4. Organisasi dan Manajemen

2.4.1. Struktur Organisasi

Sturktur organisasi bagi suatu perusahaan mempunyai pernanan penting yang sangat dalam menentukan dan memperlancar jalannya roda perusahaan. Pendistribusian tugas-tugas, wewenang dan tanggung jawab serta hubungannya satu sama lain pada dasarnya digambarkan pada sturktur organisasi, sehingga para pegawai dan karyawan akan mengetahui dengan jelas apa tujuannya, dari mana dia mendapat perintah dan kepada siapa dia bertanggung jawab.

(82)

Direktur Utama

Sumber : PT Sinar Sanata Electronic Industry

(83)

BAB I

PENDAHULUAN

1.1 Latar Belakang Permasalahan

Perkembangan teknologi pada industri manufaktur bertujuan untuk meningkatkan kapasitas produksi. Pengoperasian mesin produksi yang dilakukan secara terus-menerus harus didukung oleh aktivitas perawatan mesin yang baik. Tujuan perawatan mesin adalah untuk menghindari penurunan kemampuan mesin dalam berproduksi dan menghindari terjadinya kerusakan total mesin. Proses produksi pada industri manufaktur sering mengalami gangguan dikarenakan mesin produksi mengalami kerusakan pada bagian komponen-komponen Mesin Produksi. Salah satu masalah yang menyebabkan ketidak lancaran proses produksi adalah proses perawatan mesin serta penggantian komponen-komponen mesin yang rusak. Perbaikan dan penggantian mesin serta komponen-komponennya maupun peralatan produksi adalah satu masalah yang sangat penting karena permasalahan ini akan memberikan dampak diantaranya tidak tercapainya target produksi, kehilangan waktu produksi dan biaya perawatan (maintenance cost) yang ditanggung perusahaan.

(84)

hoses dan komponen lainnya. Output dari Mesin Tiup yaitu Glass Bulb. Kerusakan pada Mesin Tiup memerlukan waktu perbaikan maupun penggantian komponen mesin. Perbaikan dan pergantian pada komponen mesin produksi mempunyai fungsi yang sangat penting untuk menjamin kelancaran produksi. Mesin ini beroperasi selama 8 jam dalam satu hari.