Analisis Perhitungan Overall Equipment Effectiveness pada Mesin Die Cut di PT. Empat Perdana Carton
Dhani Ilham Abdilah1*, Agustian Suseno2
1,2 Program Studi Teknik Industri, Fakultas Teknik, Universitas Singaperbangsa, Karawang Indonesia
*Koresponden email: dhani.ilham19012@student.unsika.ac.id
Diterima: 12 Desember 2022 Disetujui: 26 Desember 2022
Abstract
Companies must be able to compete with their rivals in the Industrial 4.0 age by boosting productivity. In manufacturing, machinery is typically only used for about 50% of its real capacity. One of the production equipment of PT. Empat Perdana Carton whose performance will be assessed is the die-cut machine. The Overall Equipment Effectiveness method is used to calculate the availability, performance, and quality values combined to generate the average value for measuring the performance of die-cut machines.
According to the study's findings, the average availability ratio was 88.89%, the performance rate was 73.90%, the quality rate was 99.73%, and the OEE value was 65.63%. The lack of attention paid to repairs, the difficulty in locating machine parts, the lack of SOP application when using the machine, the unrealized work system, and the poor cleaning of scrap are the causes of the low OEE score.
Keywords: overall equipment effectiveness, die cut machine, fishbone diagram, total productive maintenance
Abstrak
Perusahaan harus mampu bersaing dengan rivalnya di era Industri 4.0 dengan menggenjot produktivitas.
Di sektor manufaktur, mesin biasanya hanya digunakan sekitar 50% dari kapasitas sebenarnya. Salah satu alat produksi PT. Empat Perdana Carton yang akan dinilai kinerjanya adalah Mesin Die Cut. Metode Overall Equipment Effectiveness digunakan untuk menghitung nilai ketersediaan, kinerja, dan kualitas, yang digabungkan untuk menghasilkan nilai rata-rata untuk mengukur kinerja Mesin Die Cut. Berdasarkan temuan penelitian, rata-rata nilai availability ratio 88,89%, performance rate 73,90%, quality rate 99,73%, dan OEE 65,63%. Kurangnya perhatian terhadap perbaikan, sulitnya menemukan bagian-bagian mesin, kurangnya penerapan SOP saat menggunakan mesin, sistem kerja yang tidak terealisasi, dan pembersihan scrap yang kurang baik menjadi penyebab rendahnya skor OEE.
Kata Kunci: overall equipment effectiveness, mesin die cut, fishbone diagram, total productive maintenance
1. Pendahuluan
Perusahaan harus mampu bersaing dengan para pesaingnya di era Industri 4.0 dengan meningkatkan produktivitas, dan untuk itu harus memiliki fasilitas produksi yang berkualitas. Salah satu fasilitas tersebut adalah mesin yang digunakan untuk melakukan proses produksi. [1]. Utilisasi peralatan industri manufaktur rata-rata hanya setengah dari kemampuan mesin yang sebenarnya [2]. Salah satu cara perbaikan pada industri manufaktur adalah dengan meningkatkan utilitas mesin dan memperpanjang umur ekonominya seoptimal mungkin [3]. Mesin yang digunakan secara terus menerus seiring berjalannya waktu akan mengalami masalah yang disebut downtime [4]. Masalah downtime ini disebabkan oleh kurangnya perawatan pada mesin, mesin yang tidak dicek secara berkala dan kelalaian dari operator mesin tersebut.
Hal ini harus diperbaiki karena downtime yang terlalu sering akan mengarah kepada breakdown yang mengakibatkan kerugian semakin besar bagi perusahaan [5].
Overall Equipment Effectiveness diperkenalkan oleh Nakajima pada tahun 1988, metode ini adalah bagian dari Total Productive Maintenance (TPM) untuk mengukur tingkat produktivitas dalam industri manufaktur [6]. Overall Equipment Effectiveness (OEE) adalah metode untuk menilai kinerja suatu peralatan dengan mengukur efektivitasnya secara keseluruhan. Selain itu, OEE digunakan untuk meningkatkan produktivitas perusahaan, yang kemudian diperhitungkan saat mengambil keputusan [7].
OEE adalah rasio produktivitas antara hasil dari proses manufaktur dengan apa yang dapat diproduksi secara ideal [8]. Program Total Productive Maintenance (TPM) menggunakan teknik OEE untuk mencegah Six Big Losses dan menjaga performa peralatan. Untuk Six Big Losses meliputi tiga kategori yaitu; tingkat
misalnya dalam penerapan lean manufacturing, perencanaan pemeliharaan dan mengawasi kinerja dari peralatan yang digunakan [10]
PT. Empat Perdana Carton adalah salah satu perusahaan manufaktur yang bergerak di bidang industri pengemasan. Perusahaan ini memproduksi kemasan kardus dan palet kardus dengan berbagai macam bentuk dan ukuran. Terdapat beberapa ukuran ketebalan karton mulai dari 0,3 mm hingga 5 mm, dalam melakukan pemotongan bahan baku kondisi mesin harus dalam keadaan yang prima untuk mencegah terjadinya kecacatan produk (defect). Tetapi pada kondisi aktual di lapangan terjadi permasalahan mesin yang tidak diinginkan pada saat mesin sedang beroperasi. Berdasarkan masalah tersebut PT. Empat Perdana Carton harus meningkatkan utilitas mesin, salah satunya adalah Mesin Die Cut. Ketika memperbaiki kerusakan hanya pada terjadi masalah, usaha perbaikan yang dilakukan hanya sia-sia, hal in terjadi karena perbaikan hanya menambal masalah yang ada tanpa mengatasi masalah hingga ke sumbernya. Ini terjadi karena petugas tidak dapat memahami dengan jelas sifat masalah dan penyebab di baliknya. Berdasarkan penjelasan permasalahan di atas, maka perlu dihitung dan dianalisis nilai Overall Equipment Effectiveness (OEE) untuk Mesin Die Cut guna memastikan tingkat kinerjanya, yang meliputi pemotongan karton sesuai dengan pola yang telah ditentukan, dan untuk mengidentifikasi penyebab rendahnya efisiensi mesin yang mungkin terjadi.
2. Metode Penelitian
Observasi langsung digunakan dalam penelitian ini untuk mempelajari kondisi lapangan yang sebenarnya, mempelajari cara penggunaan Mesin Die Cut, dan mencari hal-hal yang berkaitan dengan perhitungan OEE. Setelah mendapatkan nilai OEE, dilakukan wawancara tambahan dengan operator Mesin Die Cut untuk memastikan masalah yang sering muncul saat mengoperasikan Mesin Die Cut dan untuk mengusulkan peningkatan efektivitas.
Data yang digunakan dalam penelitian ini berkisar satu tahun, dari Januari 2021 hingga Desember 2021. Digunakan data yaitu jumlah produksi, waktu siklus, dan jumlah produk yang rusak. Analisis availability rate, performance rate, dan quality rate akan digunakan untuk mengolah data yang diperoleh sebelum menghitung nilai OEE dari Mesin Die Cut.
2.1 Data Ketersediaan Mesin Die Cut
Tabel 1 merupakan data operating hours, standby hours dan calendar hours selama periode Januari 2021 – Desember 2021.
Tabel 1. Data ketersediaan mesin Die Cut Bulan Operating
Hours
Preparation Hours
Breakdown Hours
Calendar Hours
Standby Hours
Januari 207 6 52 720 455
Februari 205 7 72 720 436
Maret 205 7 91 720 417
April 206 7 69 720 438
Mei 202 6 61 720 451
Juni 208 5 115 720 392
Juli 207 6 80 720 427
Agustus 202 7 40 720 471
September 206 6 87 720 421
Oktober 202 7 80 720 431
November 203 7 65 720 445
Desember 202 7 70 720 441
Sumber: PT. Empat Perdana Carton (2022)
2.2 Data Kinerja Mesin Die Cut
Tabel 2 merupakan data operation hours dan breakdown hours selama periode Januari 2021 – Desember 2021.
Tabel 2. Data kinerja mesin Die Cut Bulan Operating
Hours
Breakdown Hours
Januari 207 52
Februari 205 72
Maret 205 91
April 206 69
Mei 202 61
Juni 208 115
Juli 207 80
Agustus 202 40
September 206 87
Oktober 202 80
November 203 65
Desember 202 70
Sumber: PT. Empat Perdana Carton (2022)
2.3 Data Kualitas Produksi Mesin Die Cut
Tabel 3 merupakan data jumlah produksi baik dan jumlah produksi kotor selama periode Januari 2021 – Desember 2021.
Tabel 3. Data kualitas produksi mesin Die Cut Bulan Jumlah Produksi
Kotor
Jumlah Produksi Baik
Januari 122.131 122.095
Februari 76.760 75.850
Maret 135.183 135.116
April 150.095 149.832
Mei 102.505 102.044
Juni 102.535 102.034
Juli 119.659 119.542
Agustus 135.860 135.016
September 108.984 108.879
Oktober 156.380 156.296
November 233.360 233.345
Desember 213.085 213.062
Sumber: PT. Empat Perdana Carton (2022)
3. Hasil dan Pembahasan
Sebelum melakukan penghitungan nilai Overall Equipment Effectiveness (OEE), perlu dilakukan perhitungan availability rate, performance rate dan, quality rate.
3.1 Availability Rate
Availability Rate adalah ukuran kesiapan mesin untuk dioperasikan dengan lancar tanpa adanya gangguan hingga timbulnya kerusakan yang dapat mengganggu bahkan menghentikan proses produksi [11]. Pada perhitungan availability rate diperlukan data operating hours, standby hours dan calendar hours.
Berikut ini adalah rumus dalam mencari nilai availability rate:
𝐴𝑣𝑎𝑙𝑖𝑙𝑎𝑏𝑖𝑙𝑖𝑡𝑦 𝑅𝑎𝑡𝑒 =𝑂𝑝𝑒𝑟𝑎𝑡𝑖𝑛𝑔 𝐻𝑜𝑢𝑟𝑠 + 𝑆𝑡𝑎𝑛𝑑𝑏𝑦 𝐻𝑜𝑢𝑟𝑠
𝐶𝑎𝑙𝑒𝑛𝑑𝑎𝑟 𝐻𝑜𝑢𝑟𝑠 × 100%
Kemudian dilakukan perhitungan availability rate dengan contoh pada bulan Januari 2021.
𝐴𝑣𝑎𝑙𝑖𝑙𝑎𝑏𝑖𝑙𝑖𝑡𝑦 𝑅𝑎𝑡𝑒 =207 + 437
720 × 100% = 91,94%
Angka Availability Rate Januari 2021 adalah 91,94% sesuai perhitungan di atas. Hasil penerapan formula yang sama untuk mendapatkan nilai Availability periode Januari 2021 sampai dengan Desember 2021 dapat dilihat pada Tabel 4.
Tabel 4. Hasil perhitungan Availability Rate mesin Die Cut Bulan Operating
Hours
Preparation Hours
Breakdown Hours
Calendar Hours
Standby Hours
% Availability
Januari 207 6 52 720 455 91,94%
Februari 205 7 72 720 436 89,03%
Maret 205 7 91 720 417 86,39%
April 206 7 69 720 438 89,44%
Mei 202 6 61 720 451 90,69%
Juni 208 5 115 720 392 83,33%
Juli 207 6 80 720 427 88,06%
Agustus 202 7 40 720 471 93,47%
September 206 6 87 720 421 87,08%
Oktober 202 7 80 720 431 87,92%
November 203 7 65 720 445 90,00%
Desember 202 7 70 720 441 89,31%
Sumber: Hasil pengolahan data (2022)
3.2 Performance Rate
Performance Rate adalah ukuran kemampuan mesin produksi untuk memproduksi barang jadi. Pada perhitungan performance rate diperlukan data operation hours dan breakdown hours [12].
Berikut ini adalah rumus dalam mencari nilai performance rate:
𝑃𝑒𝑟𝑓𝑜𝑟𝑚𝑎𝑛𝑐𝑒 𝑅𝑎𝑡𝑒 = 𝑂𝑝𝑒𝑟𝑎𝑡𝑖𝑛𝑔 𝐻𝑜𝑢𝑟𝑠
𝑂𝑝𝑒𝑟𝑎𝑡𝑖𝑛𝑔 𝐻𝑜𝑢𝑟𝑠 + 𝐵𝑟𝑒𝑎𝑘𝑑𝑜𝑤𝑛 𝐻𝑜𝑢𝑟𝑠 × 100%
Kemudian dilakukan perhitungan performance rate dengan contoh pada bulan Januari 2021.
𝑃𝑒𝑟𝑓𝑜𝑟𝑚𝑎𝑛𝑐𝑒 𝑅𝑎𝑡𝑒 = 207
207 + 52 × 100% = 79,92%
Angka Performance Rate Januari 2021 adalah 79,92% sesuai dengan perhitungan di atas. Temuan berikut ditunjukkan pada Tabel 5 setelah menggunakan rumus yang sama untuk menghitung nilai kinerja periode Januari 2021 hingga Desember 2021.
Tabel 5. Hasil perhitungan Performance Rate mesin Die Cut Bulan Operating
Hours
Preparation Hours
Breakdown Hours
Calendar Hours
Standby Hours
% Performance
Januari 207 6 52 720 455 79,92%
Februari 205 7 72 720 436 74,01%
Maret 205 7 91 720 417 69,26%
April 206 7 69 720 438 74,91%
Mei 202 6 61 720 451 76,81%
Juni 208 5 115 720 392 64,40%
Juli 207 6 80 720 427 72,13%
Agustus 202 7 40 720 471 83,47%
September 206 6 87 720 421 70,31%
Oktober 202 7 80 720 431 71,63%
November 203 7 65 720 445 75,75%
Desember 202 7 70 720 441 74,26%
Sumber: Hasil pengolahan data (2022)
3.3 Quality Rate
Quality Rate adalah metrik yang menunjukkan kemampuan suatu mesin untuk memproduksi barang sesuai dengan spesifikasi perusahaan [13]. Pada perhitungan quality rate diperlukan data jumlah produksi baik dan jumlah produksi kotor. Berikut ini adalah rumus dalam mencari nilai quality rate:
𝑄𝑢𝑎𝑙𝑖𝑡𝑦 𝑅𝑎𝑡𝑒 = 𝐽𝑢𝑚𝑙𝑎ℎ 𝑃𝑟𝑜𝑑𝑢𝑘𝑠𝑖 𝐵𝑎𝑖𝑘
𝐽𝑢𝑚𝑙𝑎ℎ 𝑃𝑟𝑜𝑑𝑢𝑘𝑠𝑖 𝐾𝑜𝑡𝑜𝑟 × 100%
Kemudian dilakukan perhitungan quality rate dengan contoh pada bulan Januari 2021.
𝑄𝑢𝑎𝑙𝑖𝑡𝑦 𝑅𝑎𝑡𝑒 =122.095
122.131= 99,97%
Angka Quality Rate Januari 2021 adalah 99,97% sesuai perhitungan di atas. Temuan berikut ditunjukkan pada Tabel 6 setelah menerapkan perhitungan yang sama untuk menentukan nilai Kualitas periode Januari 2021 hingga Desember 2021.
Tabel 6. Hasil perhitungan Quality Rate mesin Die Cut Bulan
Jumlah Produksi
Kotor
Jumlah Produksi
Reject
Jumlah Produksi
Baik
% Quality Januari 122.131 36 122.095 99,97%
Februari 76.760 910 75.850 98,81%
Maret 135.183 67 135.116 99,95%
April 150.095 263 149.832 99,82%
Mei 102.505 461 102.044 99,55%
Juni 102.535 501 102.034 99,51%
Juli 119.659 117 119.542 99,90%
Agustus 135.860 844 135.016 99,38%
September 108.984 105 108.879 99,90%
Oktober 156.380 84 156.296 99,95%
November 233.360 15 233.345 99,99%
Desember 213.085 23 213.062 99,99%
Sumber: Hasil pengolahan data (2022)
3.4 Overall Equipment Effectiveness
OEE adalah suatu metode yang menggunakan data efektivitas waktu, kinerja mesin, dan kualitas produk yang dihasilkan untuk mengukur efektivitas alat produksi, khususnya mesin [14]. Setelah mengetahui nilai Availability, Performance, dan Quality pada Mesin Die Cut, kemudian dapat menghitung nilai dari OEE. Nilai OEE dihitung dengan mengalikan nilai yang diketahui untuk availability, performance, dan quality. Berikut rumus penentuan nilai OEE:
𝑂𝐸𝐸 = 𝐴𝑣𝑎𝑖𝑙𝑎𝑏𝑖𝑙𝑖𝑡𝑦 × 𝑃𝑒𝑟𝑓𝑜𝑟𝑚𝑎𝑛𝑐𝑒 × 𝑄𝑢𝑎𝑙𝑖𝑡𝑦
Kemudian dilakukan perhitungan OEE dengan contoh pada bulan Januari 2021
𝑂𝐸𝐸 = 91,94% × 79,92% × 99,97% = 73,46 %
Berdasarkan perhitungan di atas, nilai OEE pada Januari 2021 sebesar 73,46%. Hasil perhitungan nilai OEE dari Januari 2021 sampai dengan Desember 2021 dengan menggunakan rumus yang sama dapat dilihat pada Tabel 7.
Tabel 7. Hasil Overall Equipment Effectiveness Mesin Die Cut
Bulan %
Availability
% Performance
% Quality
Nilai OEE Januari 91,94% 79,92% 99,97% 73,46%
Februari 89,03% 74,01% 98,81% 65,11%
Maret 86,39% 69,26% 99,95% 59,80%
April 89,44% 74,91% 99,82% 66,88%
Mei 90,69% 76,81% 99,55% 69,35%
Juni 83,33% 64,40% 99,51% 53,40%
Juli 88,06% 72,13% 99,90% 63,45%
Agustus 93,47% 83,47% 99,38% 77,54%
September 87,08% 70,31% 99,90% 61,17%
Oktober 87,92% 71,63% 99,95% 62,94%
November 90,00% 75,75% 99,99% 68,17%
Desember 89,31% 74,26% 99,99% 66,32%
Rata-rata 88,89% 73,90% 99,73% 65,63%
Hasil perhitungan menunjukkan bahwa antara Januari 2021 hingga Desember 2021 rata-rata nilai OEE sebesar 65,63%. Mengacu pada standar nilai OEE yang telah ditetapkan oleh JIPM nilai OEE pada Mesin Die Cut termasuk dalam kategori sedang, dimana nilainya berkisar antara 60 % hingga 84% [15].
3.4 Fishbone Diagram
Fishbone Diagram (Ishikawa Diagram) diperkenalkan pertama kali oleh Kaoru Ishikawa, diagram ini merupakan suatu metode dalam manajemen resiko dengan mengidentifikasi penyebab potensial terjadinya suatu masalah untuk menemukan akar masalahnya. Langkah-langkah perbaikan lebih mudah dilakukan apabila akar masalahnya sudah diketahui [16]. Dengan menggunakan diagram tulang ikan, dapat dijelaskan sebab dan akibat suatu masalah berdasarkan faktor manusia, mesin, metode, material, dan lingkungan. Diagram tulang ikan seperti pada Gambar 1 menghasilkan nilai OEE yang rendah.
Gambar 1. Fishbone Diagram penyebab rendahnya nilai OEE Sumber: Hasil pengolahan data (2022)
4. Kesimpulan
Rata-rata nilai Overall Equipment Effectiveness Mesin Die Cut tahun 2021 sebesar 65,63%, berdasarkan hasil pendataan, pengolahan data, dan analisis penyebab rendahnya nilai OEE Mesin Die Cut.
Nilai ini berada dalam kategori sedang menurut Japan Institute of Plant Maintenance (JIPM). Kinerja produksi dalam kategori ini dianggap dan masih memiliki ruang untuk dilakukannya perbaikan untuk menjadikan proses produksi bisa mencapai kelas dunia dengan nilai minimal 85%. Penyebab terjadinya masalah pada Mesin Die Cut adalah kerusakan mesin yang disebabkan oleh komponen yang rusak, kurangnya penerapan SOP, kurangnya perawatan, sistem kerja yang dibuat kurang terealisasi, area kerja kotor dan panasnya suhu di area kerja.
Berikut ini adalah peningkatan yang disarankan yang dapat dilakukan perusahaan: melakukan pelatihan mengenai penanganan mesin bagi divisi maintenance, mensosialisasikan SOP penggunaan mesin, pemberian sanksi apabila penggunaan mesin tidak sesuai dengan SOP, membuat jadwal pemeliharaan dan perawatan, serta membuat dan menerapkan SOP terhadap mesin yang mengalami kerusakan.
5. Referensi
[1] H. Hidayat, M. Jufriyanto, and A. W. Rizqi, “Analisis Overall Equipment Effectiveness (OEE) Pada Mesin Cnc Cutting,” Rotor, vol. 13, no. 2, p. 61, 2020, doi: 10.19184/rotor.v13i2.20674.
[2] S. Nakajima, “Introduction to TPM (Total Productive Maintenance).” p. 79, 1998.
[3] Mulya Ruly, “Laporan Kerja Praktek Analisis Perhitungan Overall Equipment Effectiveness (OEE) Pada Mesin Recoil Di PT. Cigading Habeam Centre,” Universitas Sultan Ageng Tirtayasa, 2017.
[4] D. Wibisono, “Analisis Overall Equipment Effectiveness (OEE) Dalam Meminimalisasi Six Big Losses Pada Mesin Bubut (Studi Kasus di Pabrik Parts PT XYZ),” J. Optimasi Tek. Ind., vol. 3, no.
1, pp. 7–13, 2021, doi: 10.30998/joti.v3i1.6130.
[5] A. Muhazir, Z. Sinaga, and Z. Abidin, “Analisis Overall Equipment Effectiveness (OE) Untuk Meningkatkan Performance Mesin Cerruti-2 Di PT. UIS,” J. Ilm. Tek. Mesin, vol. 10, no. 2, pp. 89–
97, 2022, doi: 10.33558/jitm.v10i2.4550.
[6] C. Ng, M. Enrique, and H. Korner, “applied sciences Overall Equipment E ff ectiveness : Systematic Literature Review and Overview of Different Approaches,” Www.Mdpi.Com/Journal/Applsci, no.
1988, 2020.
[7] M. Irfan, “Analisis Overall Equipment Effectiveness untuk Meningkatkan Keefektifan pada Mesin Press,” J. Indones. Sos. Teknol., vol. 2, no. 7, pp. 1173–1182, 2021, doi: 10.36418/jist.v2i7.194.
[8] M. Braglia, R. Gabbrielli, and L. Marrazzini, “Overall Task Effectiveness: a new Lean performance indicator in engineer-to-order environment,” Int. J. Product. Perform. Manag., vol. 68, no. 2, pp.
407–422, Jan. 2019, doi: 10.1108/IJPPM-05-2018-0192.
[9] D. Pratama and F. Yuamita, “Analisis Efektivitas Mesin Jahit Dengan Overall Equipment Effectiveness (OEE) Dan Failure Mode And Effect Analys (FMEA) (Study kasus : CV. Cahaya Setia Mulia),” JIE.UPY J. Ind. Eng. Univ. PGRI Yogyakarta, vol. 1, no. 1, pp. 23–30, 2021.
[10] T. Rachman and A. W. Nugraha, “Pengukuran Overall Equipment Effectiveness (OEE) Untuk Perbaikan Proses Manufaktur Mesin Bead Grommet,” J. Inovisi, vol. 14, no. 1, pp. 1–11, 2018, [Online]. Available: https://ejurnal.esaunggul.ac.id/index.php/inovisi/article/view/3583.
[11] A. B. Sulistyo and T. Zakaria, “Analisis Overall Equipment Effectiveness Mesin Vertical Roller Mill ( Vrm ),” J. Ind. dan Teknol. Terpadu, vol. 2, no. 1, 2019.
[12] H. Suliantoro, N. Susanto, H. Prastawa, I. Sihombing, and A. Mustikasari, “Penerapan Metode Overall Equipment Effectiveness (OEE) Dan Fault Tree Analysis (FTA) Untuk Mengukur Efektifitas Mesin Reng,” J@ti Undip J. Tek. Ind., vol. 12, no. 2, p. 105, 2017, doi:
10.14710/jati.12.2.105-118.
[13] H. Suliantoro and N. S. Aulia, “Pengukuran Nilai Overall Equipment Effectiveness (OEE) Dan Usulan Perbaikan Dengan Metode 5S Pada Line 8 PT . Coca Cola Bottling Indonesia Central Java,”
J. Ind. Eng. UNDIP, vol. 3, no. 4, 2014.
[14] K. Hafiz and E. Martianis, “Analisis Overall Equipment Effectiveness (OEE) pada Mesin Caterpillar Type 3512B,” SINTEK J. J. Ilm. Tek. Mesin, vol. 13, no. 2, p. 87, 2019, doi:
10.24853/sintek.13.2.87-96.
[15] A. L. Fahira and S. Hartini, “Analisis Kinerja Mesin Produksi Mills MNO Menggunakan Metode Overall Equipment Effectiveness (OEE) Studi Kasus : PT ISM Tbk Bogasari Flour Mills,” Ind. Eng.
Online J., vol. 9, no. 4, pp. 1–5, 2020.
[16] Y. Hisprastin and I. Musfiroh, “Ishikawa Diagram dan Failure Mode Effect Analysis (FMEA) sebagai Metode yang Sering Digunakan dalam Manajemen Risiko Mutu di Industri,” Maj.
Farmasetika, vol. 6, no. 1, p. 1, 2020, doi: 10.24198/mfarmasetika.v6i1.27106.
