Yanif D.K 1), Iman T.D. 2) Mahasiswa S1 Jurusan Teknik Sistem Perkapalan FTK ITS

(1)

STUDI PE ERAPA KO SEP MA AJEME

PEMELIHARAA BERBASIS KEA DALA (RELIABILITY- CETERED MAITEACE) PADA ARMADA

PERKAPALA T I AL

(STUDI KASUS KELAS KORVET/PARCHIM)

Yanif D.K

¹⁾

, Iman T.D.

²⁾

1) Mahasiswa S3 Program Pasca Sarjana Teknologi Kelautan ITS

2) Mahasiswa S1 Jurusan Teknik Sistem Perkapalan FTK ITS email : [email protected]

ABSTRAK : Sebagian besar kapal-kapal perang TNI AL khususnya jenis corvette/parchim telah memiliki usia pakai lebih daripada dua puluh tahun. Secara intuitif dapat disimpulkan bahwa laju kerusakan dari sistem penggerak motor diesel yang telah terpasang berada di dalam periode wear-out dari kurva bathtub. Paper ini dimaksudkan untuk memperoleh dan membuktikan pola laju kerusakan dan tingkat resiko dari sistem penggerak motor diesel yang terpasang pada kapal- kapal KRI jenis parchim. Fungsi laju kerusakan dari masing-masing sistem penggerak motor diesel yang terpasang diperoleh berdasarkan distribusi yang paling sesuai untuk mewakili failure mode yang ada. Sedangkan tingkat resiko ditentukan dengan risk matrix. Weibull 4, sebuah perangkat lunak keandalan yang umum dipakai, digunakan untuk memperoleh parameter- parameter yang sesuai untuk masing-masing distribusi.

Kata kunci : kurva bathtub, laju kerusakan, tingkat resiko, failure mode, sistem penggerak motor diesel

1. PE DAHULUA

Sebagai sebuah negara kepulauan yang memiliki luas laut lebih dari duapertiga dari luas daratan, Indonesia memerlukan kekuatan armada laut khususnya kapal-kapal perang untuk menjaga kedaulatan wilayahnya dari ancaman dan gangguan pihak-pihak tertentu maupun untuk menjaga kelancaran transportasi laut yang menggunakan jalur-jalur pelayaran yang ada. Kekuatan kapal-kapal perang tersebut harus didukung dengan kemampuan operasi yang tinggi dan handal disetiap kondisi operasinya. Namun, kebanyakan kapal-kapal perang tersebut merupakan kapal-kapal bekas yang diimpor dari negara-negara lain seperti : Jerman, Belanda, Rusia, Jepang, dan Korea.

Sekalipun pemerintah dalam hal ini TNI AL telah banyak membangun kapal-kapal baru untuk jenis kapal patroli (FPB) namun kemampuan kapal-kapal patroli tersebut terbatas hanya pada daerah-daerah pantai dan dengan kecepatan operasi yang terbatas pula

waktunya untuk digunakan. Disamping itu, keterbatasan dana yang dimiliki oleh TNI AL memaksa pembelian kapal-kapal bekas merupakan suatu keharusan. Kebanyakan dari kapal-kapal tersebut dibangun sekitar tahun 70-an sehingga akibatnya kebanyakan dari sistem penggerak motor diesel yang terpasang telah sangat tua dan diperlukan repowering.

Dengan kondisi yang demikian maka diperlukan suatu organisasi dan aktivitas pemeliharaan yang efektif terhadap kapal- kapal yang dimiliki oleh TNI AL.

Paper ini mendiskusikan hasil-hasil dari analisis pola kerusakan berdasarkan failure modenya terhadap sistem penggerak motor diesel yang terpasang di keenam belas kapal perang KRI jenis parchim. Informasi-informasi umum dari setiap kapal yang dipilih ditunjukkan didalam Tabel 1. Agar supaya data-data kerusakan dapat dikategorikan kedalam salah satu diantara ketiga region dari kurva bathtub maka data-data yang dikumpulkan adalah data-data yang paling

(2)

tidak berada pada interval satu siklus operasi lengkap yakni setidaknya berada pada interval dua overhaul.

Analisis dilakukan dengan membandingkan beberapa karakteristik antara sistem penggerak motor diesel. Karakteristik- karakteristik yang dibandingkan adalah jumlah kegiatan perawatan yang dilakukan dan frekuensi perawatan dari masing-masing sistem penggerak motor diesel.

Pemodelan masing-masing failure mode dari setiap kerusakan fungsional untuk masing- masing sistem penggerak motor diesel juga dilakukan. Variabel acak merupakan variabel penting didalam analisis kerusakan. Time to failure ditentukan sebagai variabel acak dan disimbolkan dengan TTF.

2. MODEL KERUSAKA

Sebuah failure mode (state of component) atau sistem secara umum, secara matematis dapat diekspresikan di dalam persamaan (1). Gambar 1 menunjukkan hubungan antara state variable X (t) dengan waktu kerusakan TTF.

{

^jikakomponjikakompon ^enberfungsengagalpad ^ipadawaktuawaktut ^t

t

X ( ) = ¹₀ dimana :

X (t) = state variable yang mewakili kondisi failure mode pada waktu t

Gambar 1. Hubungan antara state variable X (t) dengan waktu kerusakan TTF

Waktu kerusakan, TTF, dari sebuah failure mode dapat mengikuti salah satu dari distribusi-distribusi seperti : normal, eksponensial, Weibull, ataupun distribusi- distribusi lainnya.

Model kerusakan dapat ditentukan dengan mengumpulkan data-data kerusakan dari failure mode yang dianalisis. Ilustrasi dari data-data kerusakan sebuah failure mode dapat juga dilihat pada Gambar 1.

2.1. Fungsi Distribusi Kumulatif (CDF) Dan Fungsi Kepadatan (PDF)

Dengan mengasumsikan bahwa TTF terdistribusi secara kontinu dengan fungsi kepadatan f(t), maka probabilitas kegagalan failure mode dalam interval waktu (0,t] dapat dinyatakan dengan persamaan berikut : (1) F (t) = P (T≤t) = f

( ) ξ

d

ζ

t

∫

0

dimana :

F (t) = fungsi distribusi kumulatif (CDF) dari variabel acak TTF

Fungsi pdf dari variabel acak T dapat ditentukan dari persamaan (2) dengan mengambil turunan dari F (t) terhadap t seperti ditunjukkan pada persamaan (3).

f(t) = F(t) dt

d =

t t F t t F

t ∆

−

∆ +

→

∆

) 9 )

lim

(

0

=

t t t T t P

t ∆

∆ +

≤

<

→

∆

)

lim

(

0

2.2. Fungsi Keandalan

Fungsi keandalan merupakan fungsi yang mewakili probabilitas bahwa failure mode tidak menyebabkan kegagalan dalam interval waktu (0,t] dan dinyatakan dengan persamaan berikut :

R (t) = 1-F (t) = P (t > t) = ^∞

∫ ( )

t

d f

ζ ζ

Persamaan (2) dapat juga disebut sebagai fungsi ketidakandalan dan dinyatakan dengan Q (t).

2.3. Laju Kerusakan

Laju kerusakan (conditional probability failure rate) adalah probabilitas bahwa sebuah kerusakan terjadi selama waktu tertentu namun kerusakan belum terjadi sebelum waktu tersebut. Oleh karena itu laju kerusakan memberikan informasi tambahan tentang usia pakai (survival life) dan digunakan untuk mengilustrasikan pola kerusakan.

Probabilitas sebuah failure mode akan menyebabkan kegagalan dalam interval waktu (t + ∆t), telah diketahui bahwa failure mode beroperasi pada waktu t, dapat ditentukan dengan persamaan berikut :

P(t < T ≤ t + ∆t) =

( ) (

T t

)

P

t t T t P

>

∆ +

≤

<

(3)

=

( )

) (

) ( t R

t F t t

F +∆ −

(5) Laju kerusakan, z (t), dari sebuah failure mode

dapat diperoleh dengan membagi persamaan (5) dengan panjang interval waktu ∆t dan

∆t→0.

( )

t

t T t t T t t P

z

t ∆

>

∆ +

≤

= <

→

∆

) |

(

lim

0

( )

) ( 1 )

lim

(

0 x R t

t t F t t F

t ∆

−

∆

= +

→

∆

) (

t R

t

= f (6)

2.4. Pola Kerusakan (Failure Pattern)

Pemahaman bahwa failure mode peralatan dapat menunjukkan pola kerusakan berbeda memiliki implikasi penting dalam menentukan karakteristik suatu kerusakan.

Gambar 2 menunjukkan karakteristik- karakteristik kerusakan tersebut.

Gambar 2. Karakteristik-karakteristik kerusakan

Karakteristik-karakteristik tersebut adalah : - Wear-in Failure, yakni didominasi

oleh perangkat-perangkat ”lemah”

(weak members) misalnya kesalahan proses manufaktur (manufacturing

defect) dan salah

pemasangan/perawatan (installation error). Karakteristik ini dikenal juga sebagai kerusakan burn in atau infant mortality.

- Random Failure, yakni didominasi oleh kerusakan yang tidak dapat diprediksi atau karena adanya suatu kesempatan/keadaan (chance failures).

Karakteristik ini ditandai dengan laju kerusakan konstan dan distribusi

kerusakan menunjukkan distribusi eksponensial.

- Wear-out Failure, yakni didominasi oleh masa akhir pakai peralatan.

Karakteristik ini ditandai dengan meningkatnya laju kerusakan dan distribusi kerusakan menunjukkan distribusi Weibull.

Untuk menentukan jenis-jenis distribusi dari karakteristik kerusakan tersebut digunakan perangkat lunak Weibull++ 4.

3. DISTRIBUSI PROBABILITAS

Distribusi-distribusi probabilitas dapat bervariasi untuk menyatakan distribusi yang paling sesuai terhadap data-data kerusakan.

Distribusi-distribusi probabilitas yang digunakan untuk memodelkan failure mode dari setiap kerusakan fungsional sistem penggerak motor diesel adalah distribusi normal, eksponensial, dan weibull.

Distribusi normal dipilih berdasarkan asumsi teorema central limit. Distribusi eksponensial dipilih berdasarkan karakteristik- karakteristiknya yang mewakili periode useful life. Sedangkan distribusi Weibull dipilih berdasarkan fleksibelitas dari parameter- parameternya dalam menentukan pola kerusakan dari data-data yang ada yang mungkin terletak pada periode useful life ataupun periode wear out.

3.1. Distribusi Eksponensial

Jika waktu kerusakan T dari sebuah failure mode terdistribusi secara eksponensial dengan parameter adalah λ dan γ maka fungsi pdf dari T tersebut ditentukan dengan :

f (t) = λe^{-λ (t-γ)} dimana :

λ = laju kerusakan γ = parameter bentuk

Fungsi keandalan dari distribusi eksponensial menjadi :

R (t) = e^{-λ (t-γ)}

Sedangkan fungsi laju kerusakan distribusi eksponensial adalah :

z (t) = λ (9)

Persamaan (8) dikenal sebagai distribusi eksponensial dengan dua parameter. Distribusi eksponensial dengan satu parameter diperoleh jika γ samadengan nol.

(4)

3.2. Distribusi Weibull

Distribusi Weibull merupakan salah satu dari distribusi yang paling banyak digunakan dibidang rekayasa keandalan. Hal ini dikarenakan distribusi tersebut memiliki kemampuan untuk memodelkan data-data yang berbeda dan banyak dengan pengaturan nilai parameter bentuk β. Fungsi pdf dari ketiga parameter distribusi Weibull dinyatakan dengan :

β

η γ β

η γ η

β

⁻ ⁻^_^{ −} ^_^



 



=  −

t

t e t

f

1

)

( (10)

dimana :

β = parameter bentuk, β > 0 η = parameter skala, η > 0

γ = parameter lokasi, γ < waktu kerusakan pertama kali

Fungsi keandalan distribusi Weibull dapat dinyatakan dengan :

β

η γ



 



− −

=

t

e t

R )( (11)

Dan laju kerusakan dapat dinyatakan dengan :

1

) (

−



 



=  −

β

η γ η β

t t

z (12)

Jika γ = 0 maka diperoleh distribusi Weibull dengan dua parameter.

3.3. Distribusi ormal

Distribusi normal (Gaussian) merupakan distribusi yang paling sering digunakan didalam ilmu statistik. Variabel acak T dinyatakan terdistribusi normal dengan rata- rata µ dan varian σ², T~N(µ, σ²) jika fungsi pdf dari T adalah



 



−  −

= ^σ

µ

π σ

t

e t

f ²

1

2 ) 1

( (13)

dimana :

Σ = deviasi standar dari variabel acak T µ = rata-rata dari variabel acak T

Fungsi keandalan dari distribusi normal adalah :

∫

∞ 



 



−  −

=

t

dt e

t

R ^σ

µ

π σ

2 1

2 ) 1

(



 

 Φ −

−

=

σ

µ

1 t (14)

dimana :

Φ = fungsi CDF dari distribusi normal

Laju kerusakan dari distribusi normal dapat diperoleh dengan menggunakan persamaan (6).

4. A ALISIS DATA

Kapal-kapal yang dipilih adalah kapal- kapal perang jenis parchim, yang digunakan oleh TNI AL sebagai alat pertahanan di perairan Indonesia. Informasi-informasi umum dari setiap kapal yang dipilih ditunjukkan didalam Tabel 1. Seperti yang terlihat didalam Tabel 1, kapal-kapal tersebut dibangun pada tahun yang berbeda, yakni antara tahun 1981 hingga 1985.

Model kerusakan untuk masing-masing sistem penggerak motor diesel dinyatakan kedalam salah satu dari distribusi probabilitas yakni distribusi normal, distribusi eksponensial dengan satu atau dua parameter, atau distribusi weibull dengan dua atau tiga parameter.

Variabel masukan dari model kerusakan tersebut adalah variabel acak T yang mewakili waktu kerusakan dari mesin-mesin diesel tersebut. Kapal-kapal tersebut memiliki panjang 69 m, lebar 8,95 m, dan sarat 4,44 m.

Setiap kapal memiliki tiga unit mesin diesel sebagai pendorong utama. Masing- masing unit mesin diesel tersebut memiliki daya antara 2000 hp hingga 4000 hp. Mesin- mesin diesel tersebut merupakan mesin diesel empat langkah dengan putaran mesin berkisar antara 1000 rpm hingga 2000 rpm dan jumlah silinder sama-sama 16 buah.

Data-data kerusakan yang digunakan adalah data-data terbaru yang paling tidak berada pada interval dua buah overhaul. Tabel 2 menunjukkan periode pengumpulan data, jumlah kerusakan yang terjadi selama interval dua buah overhaul, dan laju kerusakan yang dihitung dengan rumus empiris yakni dengan membagi waktu operasi sistem penggerak motor diesel dengan jumlah kerusakan yang terjadi selama waktu operasi tersebut.

Data-data kerusakan yang digunakan adalah data-data terbaru yang paling tidak berada pada interval dua buah overhaul.

Tabel 2 menunjukkan periode pengumpulan data, jumlah kerusakan yang terjadi selama interval dua buah overhaul, dan laju kerusakan yang dihitung dengan rumus empiris yakni dengan membagi waktu operasi sistem penggerak motor diesel dengan jumlah

(5)

Tabel 2 . Periode pengumpulan data

Gambar 3. Perbandingan jumlah kerusakan per hari

F a i l u r e r a t e C o m p a r a t i o n ( Em p i r i c a l c a l c u l a t i o n )

0 0 . 0 5 0 . 1 0 . 1 5 0 . 2 0 . 2 5

a m a k a p a l

kerusakan yang terjadi selama waktu operasi tersebut.

Gambar 3 menunjukkan perbandingan laju kerusakan mesin-mesin diesel yang dihitung dengan cara empiris. Besarnya jumlah kerusakan per hari berkisar antara 0.1008- 0.2102.

Untuk sistem penggerak motor diesel pada kapal Lambung Mangkurat memiliki jumlah kerusakan per hari paling tinggi. Hal ini

disebabkan sistem penggerak motor diesel tersebut telah terpasang sejak tahun 1982.

Tabel 3 menunjukkan RCM Information Worksheet dari sistem penggerak motor diesel untuk semua kapal perang jenis parchim.

Failure mode dari setiap sistem penggerak motor diesel tersebut dikelompokkan menjadi beberapa kategori berdasarkan tingkat pengaruhnya terhadap sistem ataupun personil.

Tabel 4 menunjukkan kategori-kategori kerusakan berdasarkan tingkat pengaruhnya terhadap sistem ataupun personil. Kerusakan- kerusakan yang dianalisa mengacu kepada Tabel 4 dan kerusakan-kerusakan yang dipilih adalah kerusakan-kerusakan dimana failure mode-failuremodenya mempengaruhi kegagalan operasi sistem. Pada Tabel 5 ditunjukkan pengelompokkan failure mode berdasarkan frekuensi terjadinya. Keputusan yang akan diambil terhadap suatu failure mode ditentukan terlebih dahulu dengan membuat suatu risk matrix seperti yang ditunjukkan pada Tabel 6. Kategori-kategori keputusan yang diambil terhadap suatu failure mode dapat dikelompokkan seperti pada Tabel 7.

Data-data kerusakan TTF dari masing- masing failure mode untuk semua sistem penggerak motor diesel pada setiap kapal tersebut dimodelkan kedalam semua distribusi yang telah disebutkan di atas. Parameter- parameter untuk masing-masing distribusi ditentukan dengan bantuan perangkat lunak Weibull ++ 4 untuk mempercepat perhitungan dari parameter-parameter tersebut. Distribusi- distribusi yang diperoleh dari data-data kerusakan tersebut kemudian dibandingkan untuk memilih jenis distribusi yang paling sesuai. Tabel 8 menunjukkan distribusi- distribusi terbaik untuk masing-masing failure mode yang terpilih dari semua sistem penggerak motor diesel tersebut yang diperoleh berdasarkan algoritma perhitungan yang dimiliki oleh perangkat lunak Weibull ++

4.

Tabel 9 menunjukkan nilai dari parameter- parameter distribusi yang mewakili masing- masing data TTF sistem penggerak motor diesel pada setiap kapal. Berdasarkan tabel tersebut dapat terlihat bahwa terdapat sembilan puluh sembilan model failure mode dari setiap sistem penggerak motor diesel untuk masing- masing kapal memiliki distribusi Weibull dua atau tiga parameter, sebanyak delapan model

No Ship Initial Last Duration

(days) No.of

failure Failure/day

1 IMAM BONJOL

2Januari 2003

26 Desember

2004 724 73 0.100828729

2

CUT NYAK DHIEN

4 Januari 2004

29 Desember

2005 725 98 0.135172414

3 TEUKU UMAR 06 September

2003

27 Agustus

2004 720 130 0.180555556

4

SUTEDI SENA PUTRA

13 Maret 2003

25 Februari

2004 714 105 0.147058824

5 SUTANTO

25 Februari 2003

15 Februari

2004 718 90 0.125348189

6

SULTAN THAHA SYAIFUDDIN

19 Agustus 2004

1 Agustus

2005 712 123 0.172752809

7 SILAS

PAPARE 21 Juli 2004 5 Juli 2005 719 143 0.198887344

8

MEMET SASTRAWIRIA

1 Maret 2004

21 Februari

2005 722 111 0.153739612

9

KAPITAN PATTIMURA

2 Februari 2004

29 Januari

2005 726 117 0.161157025

10 HASAN BASRI

27 Januari 2004

10 Januari

2005 713 136 0.190743338

11 PATI UNUS

19 Februari 2003

5 Februari

2004 716 131 0.182960894

12

UNTUNG SURAPATI

21 Januari2003

23 Januari

2004 732 114 0.155737705

13

LAMBUNG MANGKURAT

12 Maret 2003

5 Maret

2004 723 152 0.210235131

14 NUKU

15 September

2003

05 September

2004 720 146 0.202777778

15 TJIPTADI

05 September

2003

25 Agustus

2004 719 131 0.182197497

16 WIRATNO

10 September

2004

25 Agustus

2005 714 102 0.142857143

(6)

berdistribusi normal dan sebanyak lima model lainnya memiliki distribusi eksponensial.

Pada dasarnya, pengeplotan kurva laju kerusakan berdasarkan persamaan (6). Untuk sejumlah data yang memiliki distribusi Weibull dua atau tiga parameter, persamaan (12) dapat digunakan untuk mengeplot laju kerusakan. Data-data yang memiliki distribusi normal, persamaan (6) dapat digunakan dengan menghitung terlebih dahulu nilai pdf dan keandalan pada waktu tertentu. Sedangkan data-data yang berdistribusi eksponensial satu atau dua parameter, persamaan (9) dapat digunakan untuk mengeplot laju kerusakan.

Gambar 4 menunjukkan perbandingan laju kerusakan dari masing-masing sistem penggerak motor diesel pada setiap kapal untuk ketujuh failure mode yang diplotkan kedalam satu bidang kurva. Berdasarkan kurva tersebut dapat terlihat bahwa untuk jam operasi yang diuji, failure mode-failure mode dari masing-masing sistem penggerak motor diesel untuk setiap kapal memiliki frekuensi kejadian yang berbeda-beda.

Tabel 10 menunjukkan frekuensi kejadian masing-masing failure mode untuk setiap kapal. Berdasarkan Tabel 10, failure mode yang sering terjadi (frequent) terdapat sebanyak tiga kali, yakni failure mode pertama pada kapal Tjiptadi dan failure mode ketujuh pada kapal Imam Bonjol dan Sutanto.

Sedangkan failure mode yang umum terjadi (occasional) terdapat sebanyak tiga belas kali, yakni failure mode pertama pada kapal Cut Nyak Dhien, Sutedi Sena Putra, Sutanto, Kapitan Pattimura; failure mode kedua pada kapal Silas Papare, Memet Sastrawiria, Tjiptadi; failure mode ketiga pada kapal Tjiptadi; failure mode keempat pada kapal Sutedi Sena Putra dan Memet Sastrawiria;

failure mode kelima pada kapal Silas Papare dan Memet Sastrawiria; dan failure mode keenam pada kapal Silas Papare. Failure mode yang sangat mungkin terjadi terdapat hampir pada semua kapal kecuali yang telah disebutkan diatas. Penentuan peringkat resiko dari masing-masing failure mode pada setiap kapal mengacu kepada Tabel 6. Hasil-hasil dari risk matriks untuk masing-masing failure mode pada setiap kapal ditunjukkan pada Tabel 11. Berdasarkan Tabel 11 dapat diketahui bahwa tingkat resiko dari keseluruhan failure mode yang dianalisa

berada pada tingkat resiko yang tinggi. Hal ini disebabkan oleh pemilihan failure mode yang dianalisis berdasarkan kategori catastrophic yakni menyebabkan kematian atau sistem shutdown serta laju kerusakan yang sering, sangat mungkin, dan umum terjadi pada kapal- kapal tersebut. Faktor usia sistem penggerak motor diesel baik dari sisi kapal maupun motor diesel dan sistem pendukung motor diesel yang digunakan sangat berpengaruh terhadap tingginya tingkat resiko pada sistem penggerak motor diesel pada kapal-kapal yang telah dianalisa. Faktor-faktor tersebut menunjukkan bahwa sistem penggerak motor diesel pada setiap kapal perang jenis parchim yang telah dianalisa memiliki karakteristik-karateristik periode wear out baik itu baru mulai memasuki periode wear out maupun telah berada pada periode wear out. Faktor-faktor tersebut juga dapat menunjukkan bahwa sebagian komponen ataupun peralatan telah memasuki masa akhir pemakaian sehingga program perawatan yang dilakukan terhadap sistem penggerak motor diesel tersebut harus dievaluasi keefektifannya.

Tabel 4. Severity of Consequences

Tabel 5. Severity of frequency

Severity of Consequence

Kategori Definisi

Catastrophic (I) Menyebabkan kematian personel atau sistem shutdown

Critical (II) Cedera parah/cacat atau sistem tidak dapat berfungsi sesuai dengan yang ditentukan Marginal (III) Cedera ringan atau sistem mengalami penurunan fungsi kinerja

Negligible (IV) Cedera sangat ringan atau sistem dapat berfungsi dengan resiko kecil

Severity of Frequency

Frekuensi kejadian Definisi

Kualitatif Kuantitatif

Frequent Sering terjadi ≥ 1 x 10^-3

Probable Sangat mungkin terjadi ≥ 1 x 10^-4

Occasional Umum terjadi ≥ 1 x 10^-5

Remote Jarang terjadi ≥ 1 x 10^-6

Improbable Tidak mungkin terjadi < 1 x 10^-6

(7)

Tabel 6. Risk Matrix Tabel 7. Rating of Risk

Tabel 9. Nilai dari parameter-parameter distribusi

IMAM BO JOL

Failure Mode Failure Mode 1 Failure Mode 2 Failure Mode 3 Failure Mode 4 Failure Mode 5 Failure Mode 6 Failure Mode 7

Jenis Distribusi Weibull (3 parameter) Weibull (3 parameter) Weibull (3 parameter) Weibull (3 parameter) Eksponensial (2 parameter) Weibull (3 parameter) Weibull (3 parameter)

Parameter

β 0.4598 β 1.4487 β 0.8747 β 1.0937 λ 0.0002 β 0.3212 β 0.8021

η 3368.2316 η 5277.9993 η 4324.6651 η 4409.3624 γ 1516.2761 η 1976.6093 η 4781.6094

γ 13.87 γ -1111.7899 γ 82.4075 γ 677.7 γ 902.3325 γ 193.9225

CUT YAK DHIE

Jenis Distribusi Weibull (3 parameter) Weibull (3 parameter) Weibull (3 parameter) Weibull (3 parameter) Weibull (3 parameter) Weibull (3 parameter) Weibull (3 parameter)

Parameter

β 0.4598 β 0.5436 β 0.4668 β 0.7101 β 1.7656 β 0.8805 β 12.5368

η 3368.2316 η 2425.2537 η 3136.24 η 4452.0339 η 6120.1559 η 5297.3527 η 6170.9061

γ 13.87 γ 28.0125 γ 55.87 γ 1256.34 γ -362.8999 γ 180.5 γ -3833.7299

TEUKU UMAR

Jenis Distribusi Weibull (2 parameter) Eksponensial (2 parameter) Weibull (3 parameter) Weibull (3 parameter) Weibull (3 parameter) Weibull (2 parameter) Weibull (3 parameter)

Parameter

β 0.7176 λ 0.0003 β 0.6919 β 1.016 β 3.9406 β 0.6678 β 1.3196

η 8756.8468 γ -30.2273 η 3521.8663 η 7152.5209 η 14670.2012 η 5841.4286 η 9645.4004

γ -24.6649 γ 452.37 γ -7041.4074 γ γ -352.9474

SUTEDI SE A PUTRA

Jenis Distribusi Weibull (3 parameter) Weibull (3 parameter) Weibull (3 parameter) Normal Weibull (3 parameter) Weibull (3 parameter) Weibull (3 parameter)

Parameter

β 0.5478 β 0.8507 β 4.2763 σ 3278.3217 β 1.4116 β 0.7214 β 1.2786

η 6495.4505 η 5134.3289 η 23981.6692 µ 6269.6667 η 5128.624 η 2736.8759 η 6449.9551

γ 105.17 γ -212.0599 γ -15024.8999 γ 1384.725 γ 1290.81 γ -399.4424

SUTA TO

Parameter

β 0.4807 β 0.7412 β 1.9801 β 0.8921 β 1.4899 β 0.9044 β 1.5343

η 4416.4708 η 4006.8626 η 9179.0658 η 4447.3893 η 4055.8563 η 2369.2118 η 2277.9629

γ 241.385 γ 137.925 γ 3525.1875 γ 133.2 1290.81 γ 6918.825

SULTA THAHA SYAIFUDDI

Parameter

β 5.0432 β 0.7336 β 0.582 β 1.5543 β 0.9646 β 1.0229 β 1.1243

η 11061.6758 η 4780.373 η 1781.535 η 7938.0185 η 5136.2382 η 7140.7277 η 5235.3229

γ 136.63 γ 569.8275 γ 578.5625 γ -1240.0024 γ 1815.35

SILAS PAPARE

Jenis Distribusi Weibull (2 parameter) Weibull (2 parameter) Weibull (3 parameter) Weibull (3 parameter) Normal Normal Weibull (3 parameter)

Parameter β 0.48 β 0.5352 β 0.7214 β 1.0234 σ 5258.7333 σ 4827.596 β 0.6655

Risk Matrix Frekuensi Frequent

≥ 1 x 10^-3

≥ 1 per 1000 jam

Probable

≥ 1 x 10^-4

≥ 1 per 10000 jam

Occasional

≥ 1 x 10^-5

≥ 1 per 100000 jam

Remote

≥ 1 x 10^-6

≥ 1 per 1000000 jam

Improbable

< 1 x 10^-6

< 1 per 1000000 jam Konsekuensi

Catastrophic (I) 1 2 4 8 12

Tinggi Tinggi Tinggi Sedang Dapat diterima

Critical (II) 3 5 6 10 15

Tinggi Tinggi Sedang Dapat diterima Dapat diterima

Marginal (III) 7 9 11 14 17

Sedang Sedang Dapat diterima Dapat diterima Dapat diterima

egligible (IV) 13 16 18 19 20

Dapat diterima Dapat diterima Dapat diterima Dapat diterima Dapat diterima

Rating of Risk

Rating Definisi

Tinggi (high) Memerlukan perbaikan untuk mengeliminasi bahaya atau pemeriksaan Sedang (medium) Memerlukan tinjauan ulang terhadap dapat diterimanya resiko Dapat diterima (accept) Resiko yang dapat diterima ditinjau sebagai rancangan yang sudah matang

(8)

η 1735.0455 η 3762.077 η 4551.4328 η 5846.6633 µ 8014.2143 µ 7417.5556 η 3750.2062

γ -15.5749 γ -240.1399 γ 1920.1

MEMET SASTRAWIRIA

Jenis Distribusi Weibull (3 parameter) Weibull (2 parameter) Weibull (3 parameter) Normal Normal Weibull (3 parameter) Weibull (3 parameter)

Parameter

β 1.6204 β 0.5554 β 1.6183 σ 4149.4883 σ 5784.7117 β 0.6333 β 0.8471

η 7318.9053 η 3893.4632 η 6817.4408 µ 7510.0001 µ 6388.8333 η 4370.2994 η 799.3514

γ 48.275 γ -1300.7824 γ 17.0125 γ 501.9475

KAPITA PATTIMURA

Parameter

β 0.4797 β 1.0193 β 0.6427 β 0.7095 β 2.1176 β 1.5509 β 0.8297

η 3343.0752 η 7419.4467 η 4258.7722 η 5825.9039 η 6867.8496 η 7286.8056 η 4732.7583

γ 443.3375 γ 26.6 γ 15.3625 γ -4.1624 γ 1124.08 γ 26.4925

HASA BASRI

Jenis Distribusi Weibull (3 parameter) Weibull (3 parameter) Weibull (3 parameter) Weibull (2 parameter) Weibull (3 parameter) Eksponensial (1parameter) Weibull (3 parameter)

Parameter

β 5.0432 β 0.6263 β 0.5773 β 1.1635 β 1.2138 λ 0.0002 β 0.6469

η 11061.6758 η 2838.7934 η 4135.8119 η 7390.4529 η 5510.8811 η 4011.3176

γ 136.63 γ 482.5925 γ -9.6824 γ -133.6224 γ 762.44

PATI U US

Jenis Distribusi Weibull (3 parameter) Weibull (3 parameter) Eksponensial (1parameter) Weibull (3 parameter) Weibull (3 parameter) Weibull (3 parameter) Weibull (3 parameter)

Parameter

β 1.692 β 0.7054 λ 0.0003 β 0.6311 β 0.7131 β 1.1473 β 1.231

η 14678.7233 η 4936.5449 η 4396.6563 η 6762.1958 η 5091.6029 η 8097.275

γ -4174.8999 γ 22.6675 γ 17.425 γ -15.2999 γ 1524.5125 γ -351.7299

U TU G SURAPATI

Parameter

β 1.3457 β 1.0266 β 1.0796 β 0.7113 β 0.6463 β 0.9699 β 0.681

η 11588.8102 η 4132.8502 η 5987.9974 η 3120.3772 η 7411.0133 η 7922.1922 η 3993.0998

γ 540.13 γ -25.8349 γ 172.52

LAMBU G MA GKURAT

Jenis Distribusi Eksponensial (2parameter) Weibull (2 parameter) Weibull (3 parameter) Weibull (3 parameter) Weibull (3 parameter) Weibull (3 parameter) Weibull (3 parameter)

Parameter

λ 9.92873E-05 β 0.952 β 0.6521 β 0.8267 β 0.6227 β 0.8105 β 1.2066

γ 644.3874 η 5645.7471 η 4147.2751 η 3350.459 η 5905.3555 η 4771.8998 η 2761.65

γ 13.7125 γ 100.29 γ -19.3024 γ -62.2024 γ 907.6

UKU

Jenis Distribusi Weibull (3 parameter) Normal Weibull (3 parameter) Weibull (3 parameter) Weibull (3 parameter) Weibull (3 parameter) Weibull (3 parameter)

Parameter

β 1.466 σ 4278.0714 β 1.6885 β 1.2695 β 0.5728 β 0.7189 β 1.5358

η 10477.6071 µ 4096.4926 η 9038.7 η 5440.484 η 3748.3986 η 4257.6839 η 7004.87

γ -2646.7749 γ -1700.7999 γ -16.1199 γ 408.255 γ 0.925 γ 1417.85

TJIPTADI

Jenis Distribusi Weibull (3 parameter) Normal Normal Weibull (3 parameter) Weibull (3 parameter) Weibull (3 parameter) Weibull (3 parameter)

Parameter

β 3.0044 σ 5579.4286 σ 6174.4 β 1.0508 β 0.9773 β 0.7614 β 0.5623

η 7726.6481 µ 3763.5082 µ 4891.4814 η 4259.6012 η 7442.0321 η 5674.2808 η 3001.7692

γ 82.795 γ 641.4 γ 726.1 γ 418.9975 γ -1.3299

WIRAT O

Parameter

β 1.5295 β 1.0008 β 0.9745 β 0.9574 β 0.761 β 0.6692 β 0.9187

η 6200.0028 η 4703.8364 η 6390.2658 η 5640.8201 η 5296.9266 η 3076.8879 η 4813.6868

γ 593 γ 535.44 γ 50.9725 γ 2076.7525 γ 2036.485

(9)

Gambar 4. Perbandingan masing-masing failure mode pada semua kapal

OH-FR (FM 1)

0 0.0001 0.0002 0.0003 0.0004 0.0005 0.0006 0.0007 0.0008 0.0009 0.001 0.0011

3000 4000 5000 6000 7000 8000 9000 10000 11000 12000 13000 14000

OH (jam)

FR

FM 1 IMBON FM 1 CND FM 1 TeU FM 1 SSP

FM 1 Sut FM 1 STS FM 1 SP FM 1 MS

FM 1 KP FM 1 HB FM 1 PU FM 1 US

FM 1 LM FM 1 NUKU FM 1 Tjip FM 1 Wir

OH - FR (FM 2)

0 0.000075 0.00015 0.000225 0.0003 0.000375 0.00045

3000 4000 5000 6000 7000 8000 9000 10000 11000 12000 13000 14000

OH (jam)

FR

FM 2 IMBON FM 2 CND FM 2 TU

FM 2 SSP FM 2 Sut FM 2 STS

FM 2 SP FM 2 MS FM 2 KP

FM 2 HB FM 2 PU FM 2 US

OH - FR (FM 4)

0 0.00005 0.0001 0.00015 0.0002 0.00025 0.0003 0.00035

3000 4000 5000 6000 7000 8000 9000 10000 11000 12000 13000 14000

OH (jam)

FR

FM 4 IMBON FM 4 CND FM 4 TU FM 4 SSP

FM 4 Sut FM 4 STS FM 4 SP FM 4 MS

FM 4 KP FM 4 HB FM 4 PU FM 4 US

OH - FR (FM 3)

0 0.000075

0.00015 0.000225 0.0003 0.000375 0.00045

3000 4000 5000 6000 7000 8000 9000 10000 11000 12000 13000 14000

OH (jam) FR

FM 3 LM FM 3 NUKU FM 3 Tjip

FM 3 Wir

(10)

OH - FR (FM 5)

0 0.00015 0.0003 0.00045 0.0006 0.00075

3000 4000 5000 6000 7000 8000 9000 10000 11000 12000 13000 14000

OH (jam )

FR

FM 5 Wir

OH - FR (FM 6)

0 0.0001 0.0002 0.0003 0.0004 0.0005

3000 4000 5000 6000 7000 8000 9000 10000 11000 12000 13000 14000

OH (jam )

FR

FM 6 Wir

OH - FR (FM 7)

0 0.0015 0.003 0.0045 0.006 0.0075 0.009

2000 3000 4000 5000 6000 7000 8000 9000 10000 11000 12000 13000 14000

OH (jam )

FR

FM 7 IMBON FM 7 CND

FM 7 TU FM 7 SSP

FM 7 Sut FM 7 STS

FM 7 SP FM 7 MS

FM 7 KP FM 7 HB

FM 7 PU FM 7 US

FM 7 LM FM 7 NUKU

FM 7 Tjip FM 7 Wir

(11)

Tabel 10. Frekuensi kejadian masing-masing failure mode untuk setiap kapal

NO Nama Kapal Failure Mode 1 Failure Mode 2 Failure Mode 3 Failure Mode 4 Failure Mode 5 Failure Mode 6 Failure Mode 7

1 IMAM BONJOL Probable Probable Probable Probable Probable Probable Frequent

2 CUT NYAK DHIEN Occasional Probable Probable Probable Probable Probable Probable

3 TEUKU UMAR Probable Probable Probable Probable Probable Probable Probable

4 SUTEDI SENA PUTRA Occasional Probable Probable Occasional Probable Probable Probable

5 SUTANTO Occasional Probable Probable Probable Probable Probable Frequent

6 SULTAN THAHA SYAIFUDDIN Probable Probable Probable Probable Probable Probable Probable

7 SILAS PAPARE Probable Occasional Probable Probable Occasional Occasional Probable

8 MEMET SASTRAWIRIA Probable Occasional Probable Occasional Occasional Probable Probable

9 KAPITAN PATTIMURA Occasional Probable Probable Probable Probable Probable Probable

10 HASAN BASRI Probable Probable Probable Probable Probable Probable Probable

11 PATI UNUS Probable Probable Probable Probable Probable Probable Probable

12 UNTUNG SURAPATI Probable Probable Probable Probable Probable Probable Probable

13 LAMBUNG MANGKURAT Probable Probable Probable Probable Probable Probable Probable

14 NUKU Probable Probable Probable Probable Probable Probable Probable

15 TJIPTADI Frequent Occasional Occasional Probable Probable Probable Probable

16 WIRATNO Probable Probable Probable Probable Probable Probable Probable

(12)

5. KESIMPULA

Paper ini telah membahas analisis laju kerusakan berdasarkan failure mode dari enam belas unit sistem penggerak motor diesel yang terpisah untuk menggerakkan kapal perang jenis parchim.

Berdasarkan analisis yang telah dilakukan terhadap failure mode paling kritis dari masing-masing kapal perang jenis parchim tersebut, dapat diketahui bahwa sistem penggerak motor diesel pada kapal-kapal tersebut memiliki karakteristik-karakteristik wear-out dengan tingkat resiko yang tinggi.

Sebelum dilakukan pengambilan keputusan untuk mengganti komponen-komponen ataupun peralatan-peralatan dari sistem penggerak motor diesel tersebut, analisis lebih lanjut terhadap sistem penggerak motor diesel tersebut berkaitan dengan metode perawatan yang digunakan, interval perawatan, jumlah perawatan yang dilakukan, dsb.

sangat disarankan untuk menghasilkan analisis RCM yang acceptable dan sustainable.

DAFTAR PUSTAKA

Conachey, Robert M., Montgomery, Randal L. (2003), “Application of Reliability-centered Maintenace Tecniques to The

Marine Industry”, SNAME, Texas.

NAVAIR 00-25-403 (2001),

“Guidelines for the Naval Aviation Reliability-Centered Maintenance Process”, Direction of Commander, Naval Air Systems Command.

Masroeri, A.A., Priyanta, D. and Artana, K.B. (2000), “Failure Rate Analysis of 1000 hp Main Engines Installed on Small General Cargo Ships : a Proof of Wear-Out Period of Installed Main Engines”, Proceedings of Sixth International Syposium on Marine Engineering (ISME), Vol.2.

Moubray, John (1997), “Reliability- centered Maintenance”, Industrial Press Inc. New York.

Walpole, R.E. (1993), “Pengantar Statistika” PT. Gramedia Pustaka Utama, Jakarta.

Mabes TNI AL., “Blue Print TNI AL 2013”, 2004.

Dismatal, Satharmatim., ” Sistim Pemeliharaan Terencana ( Planned Maintenance System)”.

Mabesal., “Rancangan Postur TNI AL tahun 2005-2024”. Agustus 2005.

Artana, Ketut Budha (2003),

“ Penjadwalan dan Penentuan Lokasi Perawatan Optimum Sistem Permesinan di Kapal “, Jornal Teknologi Kelautan, Vol. 7

Mabes TNI AL., “Data Teknis Kelas Parchim “, 2004.

Yanif D.K 1), Iman T.D. 2) Mahasiswa S1 Jurusan Teknik Sistem Perkapalan FTK ITS

STUDI PE ERAPA KO SEP MA AJEME

PEMELIHARAA BERBASIS KEA DALA (RELIABILITY- CE TERED MAI TE A CE) PADA ARMADA

PERKAPALA T I AL

(STUDI KASUS KELAS KORVET/PARCHIM)

Yanif D.K

, Iman T.D.

1. PE DAHULUA

2. MODEL KERUSAKA

{

2.1. Fungsi Distribusi Kumulatif (CDF) Dan Fungsi Kepadatan (PDF)

( ) ξ

ζ

∫

lim

lim

2.2. Fungsi Keandalan

∫ ( )

ζ ζ

2.3. Laju Kerusakan

( ) (

)

( )

lim

( )

lim

2.4. Pola Kerusakan (Failure Pattern)

3. DISTRIBUSI PROBABILITAS

3.1. Distribusi Eksponensial

3.2. Distribusi Weibull

η γ η

β

η γ η β

3.3. Distribusi ormal

π σ

∫

π σ

σ

µ

4. A ALISIS DATA

5. KESIMPULA

DAFTAR PUSTAKA

PEMELIHARAA BERBASIS KEA DALA (RELIABILITY- CETERED MAITEACE) PADA ARMADA