Meningkatkan Efektivitas Mesin NC-LATHE pada Proses Piston Cup Forging dengan Menggunakan Konsep
Total Productive Maintenance
(Studi Kasus: PT. Hamatetsu Indonesia)
Virgi Abdul Aziz1*, Ade Momon2
1,2Program Studi Teknik Industri, Universitas Singaperbangsa Karawang, Indonesia
*Koresponden email: 1910631140222@student.unsika.ac.id
Diterima: 5 Desember 2022 Disetujui: 15 Desember 2022
Abstract
Total Productive Maintenance been implemented by PT. Hamatetsu Indonesia to boost manufacturing firms' overall effectiveness and efficiency. The objective of this research is to determine the value of the tools' effectiveness, identify its root cause, and offer suggestions for improvement. This study is a quantitative narrative based on Total Productive Maintenance (TPM) maintenance procedures designed to improve work area productivity by reducing waste and increasing reliability. In this study, interviews and direct observation were used to collect data. The obtained results indicate that the Part Piston Cup Forging production process is prone to five types of failure, namely: Reduced speed resulted in a total loss of time of 328.2, a defect in the process resulted in a total loss of time of 148.35, equipment failure resulted in a total loss of time of 11.34, setup and adjustment resulted in a total loss of time of 114.74, and idle and minor stops resulted in a total loss of time of 433.7. Additionally, there are two types of process failures identified by FMEA Processing's findings: defects that occur in the process as a result of failure effects, such as product defects that arise during the process, and defects that occur in the process as a result of failure effects, such as a decrease in machine speed. The tool on the machine, which is no longer suitable for use, and the machine's age both contributed to the process's failure.
Keywords: PT. Hamatetsu Indonesia, defective products, maintenance, total productive maintenance, piston cup forging
Abstrak
PT. Hamatetsu Indonesia menerapkan Total Productive Maintenance guna meningkatkan efisiensi dan efektivitas perusahaan manufaktur secara menyeluruh. Penelitian ini bertujuan mengukur nilai efektivitas alat-alat, mencari akar penyebab masalah dan menyampaikan usulan pemulihan. Penelitian menggunakan metode Total Productive Maintenance (TPM) proses maintenance yang dikembangkan untuk menaikkan produktivitas di area kerja, menggunakan cara membuat proses tersebut lebih realiable dan lebih sedikit terjadi pemborosan (waste). Data diperoleh dengan cara wawancara serta observasi langsung. Hasilnya diketahui terdapat 5 jenis kegagalan pada proses produksi part Piston Cup Forging yaitu: Reduced Speed dengan total time losses yaitu 328,2, Defect in Process dengan total time losses yaitu 148,35, Equipment Failure dengan total time losses yaitu 11,34, Set Up and Adjustment dengan total time losses yaitu 114,74, Idling and Minor Stoppages dengan total time losses yaitu 433,7. Selain itu, menurut hasil FMEA Processing, terdapat dua jenis kegagalan proses: cacat dalam proses yang diakibatkan oleh efek kegagalan, seperti cacat produk yang terjadi selama proses berlangsung, dan cacat dalam proses yang dihasilkan dari efek kegagalan, seperti penurunan kecepatan mesin. Penyebab kegagalan dalam proses adalah alat pada mesin yang sudah tidak layak pakai dan juga karena mesin yang sudah usang.
Kata Kunci: PT. Hamatetsu Indonesia, produk cacat, maintenance, total productive maintenance, piston cup forging
1. Pendahuluan
Pentingnya pemeliharaan mesin tidak dapat dilebih-lebihkan di sektor manufaktur atau industri karena untuk proses produksi yang berkelanjutan, setiap mesin mutlak membutuhkan perawatan yang sempurna. Salah satu metode proses pemeliharaan yang dikembangkan untuk meningkatkan produktivitas tempat kerja dengan membuat proses lebih andal dan mengurangi pemborosan disebut sebagai "Total Productive Maintenance" atau TPM. Tugas TPM adalah menjaga agar pabrik dan peralatannya selalu dalam keadaan baik setiap saat [1]. Tujuan Total Productive Maintenance adalah membuat perusahaan secara
keseluruhan menjadi lebih efektif dan efisien. Dengan kata lain, tujuan awal TPM adalah untuk mencapai kinerja sempurna dan nol kerugian yaitu, tidak ada cacat, tidak ada kerusakan, tidak ada kecelakaan, dan tidak ada pemborosan selama proses produksi dan pergantian [1]. Evaluasi pelaksanaan Total Productive Maintenance dilakukan dengan menggunakan nilai Overall Equipment Effectiveness (OEE) sebagai penanda dan mencari penyebab ketidakcukupan mesin dengan menggunakan estimasi six big losses untuk mengetahui variabel yang mempengaruhi six big losses faktor-faktor yang ada dengan melakukan perhitungan OEE. Organisasi akan mengetahui di mana posisi mereka dan di mana titik-titik lemah dan bagaimana melakukan peningkatan [2].
PT. Hamatetsu Indonesia sudah menerapkan Total Productive Maintenance guna menaikkan efisiensi serta efektivitas perusahaan manufaktur secara menyeluruh. Namun, kegagalan memenuhi target produksi menunjukkan bahwa implementasinya masih di bawah standar. Tujuan dari konflik ini adalah untuk menentukan nilai peralatan, mengidentifikasi akar penyebab masalah, dan menawarkan saran untuk perbaikan. Piston Cup Forging adalah nama produk yang dihasilkan oleh mesin ini, dan volume serta jenis pesanan untuk produk ini menunjukkan tingginya permintaan. Perusahaan akan mengalami kerugian yang cukup besar jika mesin mengalami gangguan, sehingga diperlukan perawatan mesin atau peralatan yang baik termasuk penggunaan Total Productive Maintenance (TPM) untuk mengatasi masalah ini.
Tujuan yang ingin dicapai dalam penelitian ini adalah melakukan analisis pada penerapan TPM pada PT. Hamatetsu Indonesia, mengetahui nilai Overall Equipment Effectiveness (OEE) yang didasarkan pada faktor availability, overall performance, dan rate of quality. Lalu mengetahui faktor-faktor yang menjadi penyebab menurunnya efektivitas melalui pengukuran six big losses dan mengidentifikasi faktor-faktor secara umum dikuasai dari enam faktor six big losses dan melakukan analisis terhadap faktor yang memberikan donasi paling tinggi memakai diagram fishbone. Serta memberikan rekomendasi buat mengatasi permasalahan primer asal keenam faktor six big losses. Adapun komponen Piston Cup Forging seperti pada Gambar 1.
Gambar 1. Komponen Piston Cup Forging Sumber: Data peneliti (2022)
Adapun beberapa penelitian terdahulu yang dijadikan sebagai acuan antara lain, penelitian yang dilakukan [3], bertujuan buat menemukan ketiga jenis faktor nilai OEE berada di bawah nilai standar sebanyak 84% maka perlu dilakukan analisis six big losses buat mengetahui kerugian yang mengakibatkan rendahnya nilai OEE. Penelitian dilakukan pada bulan Februari-Maret 2015, asal perhitungan didapatkan rata-rata nilai OEE yaitu sebesar 55,192%. Nilai tersebut berada di bawah nilai standar sebagai akibatnya perlu dilakukan pemugaran sistem yang dapat menaikkan faktor-faktor nilai OEE.
Penerapan Total Productive Maintenance (TPM) di mesin turbin uap buat peningkatan produktivitas dengan memakai metode Overall Equipment Effectiveness (OEE) di PT. PP London Sumatera, Indonesia, tbk [1]. Mencoba menentukan enam faktor yang berkontribusi terhadap kerugian yang diklaim dalam menggunakan Six Big Losses yang meliputi: kerusakan peralatan, persiapan alat, jeda singkat dan waktu diam, kecepatan lambat, cacat produk terkait proses, dan hasil yang rendah. Diperoleh hasil rata-rata nilai OEE tahun 2015 yang menunjukkan 65,08% masih dibawah standar. Nilai gangguan kecil dan waktu menganggur sebesar 85,44% menghasilkan total 2449,54 jam, hasil cacat produk pada proses sebesar 2,52% sehingga diperoleh total 72,12 jam, hasil kecepatan rendah 11,58% menghasilkan total 331,88 jam, hasil kerusakan peralatan 0,38% menghasilkan total 11 jam, hasil penyiapan peralatan sebesar 0,08%
sehingga diperoleh total sebesar 2,41 jam, sehingga total yang akan terjadi rendah yaitu 0.
Penelitian yang dilakukan [4], Tujuannya untuk mengetahui bagaimana perawatan mesin agar listrik dapat tersalurkan ke masyarakat khususnya Pulau Bengkalis tanpa kendala. Akibatnya, metode Overall Equipment Effectiveness (OEE) harus digunakan untuk menentukan tingkat efektivitas kerja mesin.
Keseluruhan efektivitas suatu mesin produksi diukur dengan menggunakan metode Overall Equipment Effectiveness (OEE), yang mengukur tingkat efektivitas waktu, kinerja mesin, dan kualitas produk yang dihasilkan. Memanfaatkan metode Overall Equipment Effectiveness (OEE) untuk mengukur keefektifan
mesin Caterpillar Type 3512B dengan metode Overall Equipment Effectiveness (OEE) di PT. PLN (Persero) ULPLTD Bagan Besar PLTD Bengkalis pada periode Desember 2018 sampai dengan Maret 2019 tidak memenuhi nilai OEE kelas kata ideal dengan nilai persentase dibawah 85%.
Penelitian yang dilakukan [5], bertujuan buat mengukur tingkat efektivitas alat-alat total proses produksi, memilih faktor penyebab nilai Overall Equipment Effectiveness (OEE) rendah serta mengidentifikasi kerugian atau losses yang terjadi, memberikan usulan pemugaran penerapan TPM. Nilai Overall Equipment Effectiveness (OEE) mesin Grinding periode Juli – Agustus 2019 dengan rata rata 90.73% masih dibawah standar nilai Overall Equipment Effectiveness (OEE) dengan penyebab oleh Quality ratio rendah yang masih di bawah standard JIPM yaitu dengan rata -rata 98,54%. Perusahaan dapat mengetahui efektifitas mesin dengan perhitungan tingkat keefektifan peralatan menggunakan Total Productive Maintenance (TPM) berdasarkan nilai Overall Equipment Effectiveness (OEE), sehingga dapat meningkatkan efektivitas peralatan serta mengeliminasi kerugian besar bagi perusahaan yang dikenal dengan six Big losses.
2. Metode Penelitian
Metodologi penelitian yaitu ditujukan untuk menggambarkan rangkaian dalam penelitian ini dari awal hingga selesai secara terselesaikan. Adapun metodologi penelitian kali ini seperti di Gambar 2.
Gambar 2. Metode penelitian Sumber: Data peneliti (2022)
Adapun beberapa penjelasan dari setiap tahapan metode penelitian pada Gambar 2 yaitu sebagai berikut:
a. Observasi Pendahuluan, Tahap pertama dari penelitian ini dilakukan dari tanggal 3 Februari sampai dengan 3 Maret 2022, dengan tujuan untuk menentukan permasalahan perusahaan.
b. Studi Literatur, Langkah kedua melibatkan mempelajari studi literatur dan artikel jurnal tentang OEE, FMEA, dan TPM.
c. Identifikasi Masalah, Langkah selanjutnya adalah mengamati situasi aktual di lapangan untuk memahami masalah berdasarkan pengamatan dan menerapkan teori-teori ilmiah ke dalamnya.
d. Perumusan Masalah, Langkah keempat adalah merumuskannya sehingga observasi dapat memilih pendekatan terbaik untuk menyelesaikannya dengan lebih mudah.
e. Penetapan Tujuan Observasi, Agar observasi dapat berkonsentrasi pada masalah yang perlu dipecahkan, maka dilakukan tahap kelima.
f. Pengumpulan Data, Tahap keenam yaitu melakukan pemilahan data menjadi dua kategori, yaitu: Data primer meliputi observasi personal terhadap mesin NC Lathe Takamaz X-150, yang meliputi observasi pengoperasian mesin, sikap operator, dan jenis kerusakan yang terjadi selama proses berlangsung.
bagian manufaktur. Data sekunder meliputi dokumen perusahaan yang meliputi data produksi, jam mesin, keterlambatan mesin, data downtime, dan data jumlah cacat produk.
g. Pengolahan Data, Tahapan ketujuh adalah pengolahan data yang meliputi: menghitung nilai availability rate, nilai performance rate, nilai rate of quality, nilai OEE, nilai Six Big Losses, dan nilai memproses FMEA.
h. Analisis dan Pemecahan Masalah, Pengaruh keefektifan mesin di setiap kegagalan selanjutnya akan ditentukan pada tahap kedelapan, khususnya berdasarkan hasil tahap pengolahan data.
i. Kesimpulan dan Saran, Pada akhir proses dapat ditemukan kesimpulan tentang bagaimana mengolah data dan memecahkan masalah yang digunakan untuk menjawab tujuan observasi yang telah ditentukan.
Observasi Pendahuluan
Studi Literatur
Studi Literatur
Identifikasi Masalah
Perumusan Masalah
Penetapan Tujuan Observasi
Pengumpulan Data
Pengolahan Data
Analisis dan Pemecahan Masalah
Kesimpulan dan Saran
3. Hasil dan Pembahasan
Untuk mengetahui tingkat kecacatan yang terjadi selama proses produksi komponen Piston Cup Forging dilakukan analisis dengan bantuan Total Productive Maintenance. Sebagai solusi yang disarankan untuk masalah yang muncul, Total Productive Maintenance dipadukan dengan Overall Equipment Effectiveness (OEE). Hasil yang diperoleh adalah sebagai berikut:
1. Kerangka Berpikir
Jika ada kerangka desain yang baik yang memungkinkan langkah-langkah pengamatan yang lebih sistematis, pengamatan dapat dilakukan. pengamatan dapat dilakukan. Landasan untuk melakukan pengamatan awal adalah paradigma ini. Gambar 3 memberikan kerangka kerja untuk mempertimbangkan produksi komponen Piston Cup Forging.
Gambar 3. Kerangka Berpikir Sumber: Peneliti (2022) 2. Pengumpulan Data
Lembar cek harian berisi informasi tentang jumlah produksi dan jumlah cacat yang terjadi. Jumlah cacat yang terjadi kemudian ditentukan menurut jenis cacatnya. Tabel 1. Menampilkan kesimpulan lembar cek itu.
Tabel 1. Hasil data produksi bulan Januari sampai dengan Desember 2021 Bulan Hasil Produksi (pcs) Jumlah Produk Reject Total
(pcs)
Jumlah Produksi Piston Cup Forging (pcs)
Januari 6000 780 7138
Februari 11748 860 12830
Maret 10456 759 11618
April 28008 619 31933
Mei 15787 482 16842
Juni 19296 839 23219
Juli 4800 967 7251
Agustus 8344 875 9981
September 7624 1075 8867
Oktober 40800 989 27377
November 52560 868 55410
Desember 28800 924 33301
Data produksi Mesin NC Lathe Takamaz X-150 dari Bulan Januari sampai dengan Desember 2021 dapat dilihat pada Tabel 2.
Tabel 2. Data produksi mesin NC Lathe Takamaz X-150
Bulan Jumlah
Produksi Piston Cup Forging
(pcs)
Jumlah Produk Reject Sebelum Dicetak (pcs)
Jumlah Produksi Mesin NC Lathe Takamaz X-150
(pcs)
Hasil Produksi Mesin NC Lathe Takamaz X-150
(pcs)
Jumlah Produksi Piston Cup Forging Reject
(pcs)
Januari 7138 780 6000 8326 471
Februari 12830 860 11748 15200 433
Maret 11618 759 10456 12935 769
April 31933 619 28008 33164 1228
Mei 16842 482 15787 22304 277
Bulan Jumlah Produksi Piston
Cup Forging (pcs)
Jumlah Produk Reject Sebelum Dicetak (pcs)
Jumlah Produksi Mesin NC Lathe Takamaz X-150
(pcs)
Hasil Produksi Mesin NC Lathe Takamaz X-150
(pcs)
Jumlah Produksi Piston Cup Forging Reject
(pcs)
Juni 23219 839 19296 24304 316
Juli 7251 967 4800 12206 172
Agustus 9981 875 8344 16794 194
September 8867 1075 7624 19243 107
Oktober 27377 989 40800 42767 647
November 55410 868 52560 60874 908
Desember 33301 924 28800 42096 384
3. Data Jam Kerja dan Delay Mesin
Mesin Bubut Takamaz X-150 NC mengalami keterlambatan sebagai akibat dari faktor-faktor berikut, yang diamati: Penyiapan komponen, pematian terjadwal, pematian tidak terjadwal, dan waktu tunggu semuanya termasuk dalam kategori ini. Seperti yang digambarkan pada Tabel 3.
Tabel 3. Data jam kerja dan downtime mesin NC Lathe
Bulan Jam
Kerja Tersedia
(jam)
Downtime Cleaning
Mesin (jam)
Schedule Shutdown
(jam)
Penyetelan Komponen
(jam)
Planned Downtime
(jam)
Unschedule Shutdown
(jam)
Waiting Time (jam)
Total Delay (jam)
Januari 416 3,5 0 3,6 4 0 5,25 16,35
Februari 432 3,3 0 3,4 3,2 6,38 5 21,28
Maret 400 3,8 0 3,7 3,2 0 5,75 16,45
April 432 3,8 2,45 3,5 2,8 0 5,5 18,05
Mei 416 3,3 0 3,45 4,4 7,34 5 23,49
Juni 416 3,7 0 3,55 3,2 0 5,5 16,7
Juli 432 3,7 0 3,65 3,6 0 5,75 16,7
Agustus 384 3,7 3,15 3,44 3,6 8,56 5,5 27,95
September 416 3,7 0 3,42 3,2 0 5,5 15,82
Oktober 416 3,5 0 3,53 3,6 0 3,56 14,19
November 432 3,7 3,55 3 3,2 9,73 5,5 28,68
Desember 400 3,7 0 4 4 0 5,25 16,95
4. Penentuan Availability Ratio
Rasio waktu pengoperasian terhadap waktu pemuatan, yang ditentukan dengan menghilangkan waktu henti peralatan, dikenal sebagai ketersediaan. Rumus berikut digunakan untuk menentukan rasio ketersediaan:
𝐴𝑣𝑎𝑖𝑙𝑎𝑏𝑖𝑙𝑖𝑡𝑦 =𝑂𝑝𝑒𝑟𝑎𝑡𝑖𝑜𝑛 𝑇𝑖𝑚𝑒
𝐿𝑜𝑎𝑑𝑖𝑛𝑔 𝑇𝑖𝑚𝑒 × 100%
Operation Time dihitung dengan rumus yaitu:
𝑂𝑝𝑒𝑟𝑎𝑡𝑖𝑜𝑛 𝑇𝑖𝑚𝑒 = 𝐿𝑜𝑎𝑑𝑖𝑛𝑔 𝑇𝑖𝑚𝑒 − 𝑇𝑜𝑡𝑎𝑙 𝐷𝑜𝑤𝑛𝑡𝑖𝑚𝑒
Loading time yaitu khususnya ketika perusahaan menggunakan waktu downtime terencana untuk mengurangi jumlah waktu yang tersedia setiap bulan (planned downtime).
𝐿𝑜𝑎𝑑𝑖𝑛𝑔 𝑇𝑖𝑚𝑒 = 𝐴𝑣𝑎𝑖𝑙𝑎𝑏𝑙𝑒 𝑇𝑖𝑚𝑒 − 𝑃𝑙𝑎𝑛𝑛𝑒𝑑 𝐷𝑜𝑤𝑛𝑡𝑖𝑚𝑒
Tabel 4 merupakan hasil pada perhitungan Loading Time, diantaranya sebagai berikut.
Tabel 4. Perhitungan Loading Time Bulan Available Time (jam) Planned Downtime
(jam)
Loading Time (jam)
Januari 416 4 412
Februari 432 3,2 428,8
Maret 400 3,2 396,8
April 432 2,8 429,2
Mei 416 4,4 411,6
Bulan Available Time (jam) Planned Downtime (jam)
Loading Time (jam)
Juni 416 3,2 412,8
Juli 432 3,6 428,4
Agustus 384 3,6 380,4
September 416 3,2 412,8
Oktober 416 3,6 412,4
November 432 3,2 428,8
Desember 400 4 396
Downtime mengacu pada waktu mesin tidak dapat menjalankan fungsinya yang dimaksudkan sebagai akibat dari gangguan eksternal. Pada mesin bubut NC, faktor-faktor berikut dapat menyebabkan downtime: Setup komponen, Shutdown Jadwal, dan Shutdown tidak terjadwal. Hasil perhitungan downtime ditunjukkan pada Tabel 5.
Tabel 5. Hasil perhitungan Downtime bulan Januari sampai dengan Desember 2021 Bulan Pembersihan
Mesin (jam)
Schedule Shutdown (jam)
Unschedule Shutdown (jam)
Penyetelan Komponen
(jam)
Total Downtime (jam)
Januari 3,5 0 0 3,6 7,1
Februari 3,3 0 6,38 3,4 13,08
Maret 3,8 0 0 3,7 7,5
April 3,8 2,45 0 3,5 9,75
Mei 3,3 0 7,34 3,45 14,09
Juni 3,7 0 0 3,55 7,25
Juli 3,7 0 0 3,65 7,35
Agustus 3,7 3,15 8,56 3,44 18,85
September 3,7 0 0 3,42 7,12
Oktober 3,5 0 0 3,53 7,03
November 3,7 3,55 9,73 3 19,98
Desember 3,7 0 0 4 7,7
Tabel 6 merupakan hasil perhitungan Availability Ratio, diantaranya sebagai berikut.
Tabel 6. Perhitungan Availability Ratio Bulan Januari sampai dengan Desember 2022 Bulan Loading Time (jam) Total Downtime (jam) Operation Time
(jam)
Availability Ratio (%)
Januari 412 7,1 404,9 96,55%
Februari 428,8 13,08 415,72 96,87%
Maret 396,8 7,5 389,3 96,21%
April 429,2 9,75 419,45 95,45%
Mei 411,6 14,09 397,51 93,15%
Juni 412,8 7,25 405,55 96,48%
Juli 428,4 7,35 421,05 96,56%
Agustus 380,4 18,85 361,55 90,90%
September 412,8 7,12 405,68 96,55%
Oktober 412,4 7,03 405,37 96,59%
November 428,8 19,98 408,82 90,68%
Desember 396 7,7 388,3 96,23%
5. Perhitungan Performance Efficiency
Untuk menentukan cycle time yang ideal, perlu diperhatikan rasio jam kerja terhadap downtime pada waktu-waktu berikut:
% Jam Kerja = 1 −𝑇𝑜𝑡𝑎𝑙 𝐷𝑜𝑤𝑛𝑡𝑖𝑚𝑒
𝐴𝑣𝑎𝑖𝑙𝑎𝑏𝑙𝑒 𝑇𝑖𝑚𝑒 × 100%
Waktu Siklus Ideal = Waktu Siklus × % Jam Kerja
Berikut merupakan Tabel 7 hasil perhitungan persentase jam kerja efektif, diantaranya.
Tabel 7. Perhitungan persentase jam kerja efektif
Bulan Available Time (jam) Total Downtime (jam) Jam Kerja (%)
Januari 416 7,1 98,29%
Februari 432 13,08 96,97%
Maret 400 7,5 98,12%
April 432 9,75 97,74%
Mei 416 14,09 96,61%
Juni 416 7,25 98,25%
Juli 432 7,35 98,29%
Agustus 384 18,85 95,09%
September 416 7,12 98,28%
Oktober 416 7,03 98,31%
November 432 19,98 95,37%
Desember 400 7,7 98,75%
Berikut merupakan Tabel 8, hasil perhitungan Ideal Cycle Time bulan Januari sampai dengan Desember 2021.
Tabel 8. Hasil perhitungan Ideal Cycle Time bulan Januari sampai dengan Desember 2021 Bulan Total Produksi (pcs) Loading Time (jam) Actual Cycle Time
(jam/pcs)
Ideal Cycle Time (jam/pcs)
Januari 6000 412 0,068 0,066
Februari 11748 428,8 0,036 0,034
Maret 10456 396,8 0,038 0,037
April 28008 429,2 0,015 0,014
Mei 15787 411,6 0,026 0,025
Juni 19296 412,8 0,021 0,020
Juli 4800 428,4 0,089 0,087
Agustus 8344 380,4 0,045 0,044
September 7624 412,8 0,054 0,051
Oktober 40800 412,4 0,010 0,009
November 52560 428,8 0,008 0,007
Desember 28800 396 0,013 0,012
Berikut merupakan Tabel 9 hasil perhitungan Performance Efficiency bulan Januari sampai dengan Desember 2021, diantaranya.
Tabel 9. Perhitungan Performance Efficiency bulan Januari sampai dengan Desember 2021 Bulan Input (pcs) Ideal Cycle Time
(jam/pcs)
Operation Time (jam)
Performance Efficiency (%)
Januari 6000 0,066 404,9 97,80%
Februari 11748 0,034 415,72 96,08%
Maret 10456 0,037 389,3 94,68%
April 28008 0,014 419,45 93,48%
Mei 15787 0,025 397,51 87,96%
Juni 19296 0,020 405,55 95,15%
Juli 4800 0,087 421,05 86,77%
Agustus 8344 0,044 361,55 94,63%
September 7624 0,051 405,68 95,91%
Oktober 40800 0,009 405,37 90,58%
November 52560 0,007 408,82 89,99%
Desember 28800 0,012 388,3 91,54%
6. Perhitungan Rate of Quality
Rasio yang disebut Tingkat Kualitas Produk menunjukkan kapasitas peralatan untuk menghasilkan barang yang memenuhi standar. Rasio ini diukur dengan menggunakan rumus berikut:
𝑅𝑎𝑡𝑒 𝑜𝑓 𝑄𝑢𝑎𝑙𝑖𝑡𝑦 = 𝐼𝑛𝑝𝑢𝑡 − 𝑄𝑢𝑎𝑙𝑖𝑡𝑦 𝐷𝑒𝑓𝑒𝑐𝑡
𝑃𝑟𝑜𝑑𝑢𝑐𝑡 𝐼𝑛𝑝𝑢𝑡 × 100%
Tabel 10 hasil pada perhitungan Rate of Quality, diantaranya sebagai berikut.
Tabel 10. Perhitungan Rate of Quality Bulan Januari sampai dengan Desember 2021 Bulan Input (pcs) Jumlah Produksi Piston Cup Forging
Reject (pcs)
Rate of Quality (%)
Januari 6000 471 92,15%
Februari 11748 433 96,31%
Maret 10456 769 92,64%
April 28008 1228 95,61
Mei 15787 277 98,24%
Juni 19296 316 98,36%
Juli 4800 172 96,41%
Agustus 8344 194 97,67%
September 7624 107 98,59%
Oktober 40800 647 98,41%
November 52560 908 98,27%
Desember 28800 384 98,66%
7. Perhitungan Overall Equipment Effectiveness (OEE)
Berikut untuk memastikan sejauh mana efektivitas Mesin NC Lathe Takamaz X – 150 di PT.
Hamatetsu Indonesia, maka terlebih dahulu harus diperoleh nilai-nilai Availability Ratio, Performance Rate, serta Rate of Quality. Nilai OEE ditentukan dengan menggunakan kondisi berikut:
OEE (%) = AR × PR × RQ × 100%
Dari perhitungan diatas maka diperoleh hasil yang dapat ditinjau pada Tabel 11, nilai OEE di Mesin NC Lathe.
Tabel 11. Hasil Perhitungan OEE Bulan Januari sampai dengan Desember 2021 Bulan Availability Ratio
(%)
Performance Rate (%)
Rate of Quality (%) OEE (%)
Januari 96,55% 97,80% 92,15% 87,01%
Februari 96,87% 96,08% 96,31% 89,64%
Maret 96,21% 94,68% 92,64% 84,39%
April 95,45% 93,48% 95,61 85,31%
Mei 93,15% 87,96% 98,24% 80,49%
Juni 96,48% 95,15% 98,36% 90,30%
Juli 96,56% 86,77% 96,41% 80,78%
Agustus 90,90% 94,63% 97,67% 84,01%
September 96,55% 95,91% 98,59% 91,30%
Oktober 96,59% 90,58% 98,41% 86,10%
November 90,68% 89,99% 98,27% 80,19%
Desember 96,23% 91,54% 98,66% 86,90%
8. Perhitungan Six Big Losses a. Downtime Losses
Didalam perhitungan OEE yang termasuk dalam downtime losses yaitu equipment failure dan set up and adjustment.
1) Equipment Failure (Kerugian Akibat Kerusakan)
Besarnya persentase efektivitas mesin yang hilang diakibatkan oleh equipment failure dihitung dengan rumus:
𝐸𝑞𝑢𝑖𝑝𝑚𝑒𝑛𝑡 𝐹𝑎𝑖𝑙𝑢𝑟𝑒 = 𝐷𝑜𝑤𝑛𝑡𝑖𝑚𝑒
𝐿𝑜𝑎𝑑𝑖𝑛𝑔 𝑇𝑖𝑚𝑒× 100%
Perhitungan equipment failure untuk bulan Januari sampai dengan Desember 2021 dapat dilihat pada Tabel 12.
Tabel 12. Equipment Failure Bulan Januari sampai dengan Desember 2021
Bulan Total Downtime (jam) Loading Time (jam) Breakdown Losses (%)
Januari 7,1 412 0,17%
Februari 13,08 428,8 0,03%
Maret 7,5 396,8 0,18%
April 9,75 429,2 0,22%
Mei 14,09 411,6 0,34%
Juni 7,25 412,8 0,17%
Juli 7,35 428,4 0,17%
Agustus 18,85 380,4 0,50%
September 7,12 412,8 0,17%
Oktober 7,03 412,4 0,17%
November 19,98 428,8 0,47%
Desember 7,7 396 0,19%
2) Set Up and Adjustment Losses (Kerugian Penyetelan dan Penyesuaian)
Rumus berikut digunakan untuk menentukan persentase hilangnya efektivitas mesin akibat kerugian penyetelan dan penyetelan:
𝑆𝑒𝑡 𝑈𝑝 𝑎𝑛𝑑 𝐴𝑑𝑗𝑢𝑠𝑡𝑚𝑒𝑛𝑡 𝐿𝑜𝑠𝑠𝑒𝑠 =𝑇𝑜𝑡𝑎𝑙 𝑆𝑒𝑡 𝑈𝑝 𝑎𝑛𝑑 𝐴𝑑𝑗𝑢𝑠𝑡𝑚𝑒𝑛𝑡
𝐿𝑜𝑎𝑑𝑖𝑛𝑔 𝑇𝑖𝑚𝑒 × 100%
Berikut Tabel 13 merupakan hasil perhitungan persentase set up and adjustment losses.
Tabel 13. Hasil Perhitungan persentase set up and adjustment losses Bulan
Set Up and Adjustment
Loading Time (jam)
Set Up Losses (%) Penggantian
Tools (jam)
Penyetelan Komponen
(jam)
Warm Up Time (jam)
Total (jam)
Januari 0 3,6 5,25 8,85 412 2,15%
Februari 0 3,4 5 8,4 428,8 1,96%
Maret 0 3,7 5,75 9,45 396,8 2,38%
April 2,45 3,5 5,5 11,45 429,2 2,67%
Mei 0 3,45 5 8,45 411,6 2,05%
Juni 0 3,55 5,5 9,05 412,8 2,19%
Juli 0 3,65 5,75 9,4 428,4 2,19%
Agustus 3,15 3,44 5,5 12,09 380,4 3,18%
September 0 3,42 5,5 8,92 412,8 2,16%
Oktober 0 3,53 3,56 7,09 412,4 1,72%
November 3,55 3 5,5 12,05 428,8 2,81%
Desember 0 4 5,25 9,25 396 2,34%
b. Speed Lossses
Faktor-faktor yang dikategorikan dalam speed losses yaitu idling and minor stoppages serta reduced speed losses, antara lain:
1) Idling and Minor Stoppages (Kerugian karena Menganggur dan Penghentian Mesin)
Rumus berikut digunakan untuk menentukan persentase idling and minor stop sebagai faktor yang mempengaruhi efektivitas mesin:
𝐼𝑑𝑙𝑖𝑛𝑔 𝑎𝑛𝑑 𝑀𝑖𝑛𝑜𝑟 𝑆𝑡𝑜𝑝𝑝𝑎𝑔𝑒𝑠 =𝑁𝑜𝑛 𝑃𝑟𝑜𝑑𝑢𝑐𝑡𝑖𝑣𝑒 𝑇𝑖𝑚𝑒
𝐿𝑜𝑎𝑑𝑖𝑛𝑔 𝑇𝑖𝑚𝑒 × 100%
Dalam satu tahun, nilai waktu menganggur dan kerugian penghentian kecil sangat berfluktuasi.
Selama waktu non-produktif seperti pembersihan mesin, kemalasan dan kerugian penghentian kecil terjadi. Tabel 14 adalah hasil akhir dari perhitungan persentase penghentian minor and idle.
Tabel 14. Hasil Perhitungan Persentase Idling and Minor Stoppages
Bulan Machine Cleaning (jam) Loading Time (jam) Idling and Minor Stoppages (%)
Januari 3,5 412 8,50%
Februari 3,3 428,8 7,70%
Maret 3,8 396,8 9,57%
April 3,8 429,2 8,85%
Mei 3,3 411,6 8,01%
Juni 3,7 412,8 8,96%
Juli 3,7 428,4 8,63%
Agustus 3,7 380,4 9,72%
September 3,7 412,8 8,96%
Oktober 3,5 412,4 8,48%
November 3,7 428,8 8,63%
Desember 3,7 396 9,34%
Total 43,4
2) Reduced Speed (Kerugian karena Kecepatan Operasi Rendah)
Persamaan atau rumus berikut dapat digunakan untuk menghitung Reduced speed, diantaranya:
𝑅𝑒𝑑𝑢𝑐𝑒𝑑 𝑆𝑝𝑒𝑒𝑑 =Waktu Operasi − (𝐼𝑑𝑒𝑎𝑙 𝐶𝑦𝑐𝑙𝑒 𝑇𝑖𝑚𝑒 × 𝑇𝑜𝑡𝑎𝑙 𝑃𝑟𝑜𝑑𝑢𝑐𝑡 𝑃𝑟𝑜𝑐𝑒𝑠𝑠)
𝐿𝑜𝑎𝑑𝑖𝑛𝑔 𝑇𝑖𝑚𝑒 × 100%
Tabel 15 menampilkan hasil perhitungan kecepatan yang dikurangi berikut ini. Hal ini menunjukkan bahwa Reduced Speed selama satu tahun biasanya mengalami sedikit peningkatan.
Tabel 15. Hasil Perhitungan Persentase Reduced Speed Bulan Operation
Time (jam)
Ideal Cycle Time (jam/pcs)
Total Product Process (pcs)
Loading Time (jam)
Speed Losses Time
(jam)
Reduced Speed Losses (%)
Januari 404,9 0,066 7138 412 25,21 6,12%
Februari 415,72 0,034 12830 428,8 20,45 4,78%
Maret 389,3 0,037 11618 396,8 40,55 10,22%
April 419,45 0,014 31933 429,2 27,59 6,43%
Mei 397,51 0,025 16842 411,6 23,54 5,72%
Juni 405,55 0,020 23219 412,8 58,82 14,25%
Juli 421,05 0,087 7251 428,4 20,94 4,89%
Agustus 361,55 0,044 9981 380,4 7,76 2,04%
September 405,68 0,051 8867 412,8 46,52 11,27%
Oktober 405,37 0,009 27377 412,4 24,62 5,97%
November 408,82 0,007 55410 428,8 20,92 4,88%
Desember 388,3 0,012 33301 396 11,28 2,85%
Total 328,2
c. Direct Losses
Faktor-faktor yang dikategorikan dalam direct losses yaitu defect in process dan reduced yield.
1) Defect in Process (Kerugian Cacat Produk dalam Proses)
Defect in process bisa dihitung memakai persamaan atau rumus dibawah ini diantaranya:
𝐷𝑒𝑓𝑒𝑐𝑡 𝑖𝑛 𝑃𝑟𝑜𝑐𝑒𝑠𝑠 =𝐼𝑑𝑒𝑎𝑙 𝐶𝑦𝑐𝑙𝑒 𝑇𝑖𝑚𝑒 × Jumlah Cacat Produksi
𝐿𝑜𝑎𝑑𝑖𝑛𝑔 𝑇𝑖𝑚𝑒 × 100%
Tabel 16 menampilkan hasil perhitungan cacat proses berikut, ini menunjukkan bahwa hasil cacat proses sangat berfluktuasi. Tabel 16 merupakan hasil penentuan persentase cacat proses.
Tabel 16. Hasil perhitungan Persentase Defect in Process
Bulan Loading
Time (jam)
Ideal Cycle Time (jam/pcs)
Total Product Process (pcs)
Rework Time (jam)
Rework Losses (%)
Januari 412 0,066 471 31,05 7,54%
Februari 428,8 0,034 433 14,7 3,43%
Maret 396,8 0,037 769 26,51 7,17%
April 429,2 0,014 1228 17,21 4,01%
Mei 411,6 0,025 277 6,91 1,68%
Juni 412,8 0,020 316 6,31 1,53%
Juli 428,4 0,087 172 14,95 3,49%
Agustus 380,4 0,044 194 8,52 2,24%
September 412,8 0,051 107 5,44 1,32%
Oktober 412,4 0,009 647 5,81 1,41%
November 428,8 0,007 908 6,34 1,48%
Desember 396 0,012 384 4,59 1,16%
Total 148,35
2) Reduced Yield (Kerugian Akibat Hasil Rendah)
Reduced yield atau kerugian akibat cacat produk selama proses penyetelan disebut sebagai hasil yang berkurang. Persamaan yang dapat digunakan untuk menghitung reduced yield adalah sebagai berikut:
𝑅𝑒𝑑𝑢𝑐𝑒𝑑 𝑌𝑖𝑒𝑙𝑑 =𝐼𝑑𝑒𝑎𝑙 𝐶𝑦𝑐𝑙𝑒 𝑇𝑖𝑚𝑒 × Jumlah Cacat Saat Setting
𝐿𝑜𝑎𝑑𝑖𝑛𝑔 𝑇𝑖𝑚𝑒 × 100%
Tabel 17 menampilkan hasil perhitungan reduced yield, karena mesin NC Lathe tidak melakukan proses produksi selama waktu penyetelan. Nilai reduced yield pada mesin tersebut adalah 0 seperti yang dapat dilihat, agar mesin tidak mengandung bahan apapun dan tidak ada masalah.
Tabel 17. Hasil Perhitungan Persentase Reduced Yield Bulan Loading Time
(jam)
Ideal Cycle Time (jam/pcs)
Scrap (butir) Scrap Time (jam)
Scrap Loss (%)
Januari 412 0,066 0 0 0
Februari 428,8 0,034 0 0 0
Maret 396,8 0,037 0 0 0
April 429,2 0,014 0 0 0
Mei 411,6 0,025 0 0 0
Juni 412,8 0,020 0 0 0
Juli 428,4 0,087 0 0 0
Agustus 380,4 0,044 0 0 0
September 412,8 0,051 0 0 0
Oktober 412,4 0,009 0 0 0
November 428,8 0,007 0 0 0
Desember 396 0,012 0 0 0
9. Diagram Pareto
Perusahaan menentukan kontribusi masing-masing faktor terhadap six big losses yang mempengaruhi tingkat efektivitas mesin pada proses Piston Cup Forging dengan menghitung six big losses tersebut. pada keterangan Tabel 18. Berikut Gambar 4 menggambarkan bentuk Diagram Pareto.
Tabel 18. Hasil Persentase Kegagalan Kumulatif
No. Jenis Kegagalan Total Time Losses Persentase (%) Persentase Kumulatif (%)
1. Reduced Speed 328,2 31,67 31,67
2. Defect in Process 148,35 14,31 45,98
3. Equipment Failure 11,34 1,1 47,08
4. Set Up and Adjustment 114,74 11,07 58,15
5. Idling and Minor Stoppages 433,7 41,85 100
Total 1036,33 100
Gambar 4. Hasil Diagram Pareto 10. Pengolahan FMEA
FMEA merupakan pendekatan penalaran kualitatif yang terbaik yang dapat digunakan untuk mengulas komponen mesin ataupun peralatan elektronik [6]. Pada pengolahan FMEA dilakukan beberapa tahap diantaranya:
a. Identifikasi Jenis Kegagalan yang Potensial Setiap Proses.
b. Pemberian Skor Severity (S).
c. Pemberian Skor Occurrence (O).
d. Pemberian Skor Detection (D).
e. Perhitungan RPN
Adapun perhitungan RPN dilakukan dengan menggunakan persamaan atau rumus dibawah ini sebagai berikut:
RPN = S × O × D
Adapun hasil perhitungan yang didapatkan pada nilai RPN dapat dilihat pada Tabel 19.
Tabel 19. Pengolahan FMEA Jenis Kegagalan
Proses
Efek yang Ditimbulkan Oleh
Kegagalan
Penyebab Kegagalan Pada
Proses
Kendali yang
Dilakukan S O D RPN
Reduced Speed
Terjadinya penurunan kecepatan pada
mesin
Tools-tools pada mesin yang sudah tidak layak dipakai
dan juga dikarenakan mesin-
mesin yang sudah lama
Melakukan perawatan atau pergantian berkala terhadap tools-tools
pada mesin yang kritis sehingga tidak cepat aus
8 4 7 224
Defect in Process Cacat produk pada saat proses
Operator kurang teliti tidak konsentrasi dalam
melaksanakan tugasnya
Memberikan arahan atau pengawasan kepada operator
baru maupun operator lama
8 3 5 120
4. Kesimpulan
Berdasarkan hasil yang didapatkan diketahui terdapat 5 jenis kegagalan pada proses produksi Part Piston Cup Forging yaitu: Reduced Speed dengan total time losses yaitu 328,2, Defect in Process dengan total time losses yaitu 148,35, Equipment Failure dengan total time losses yaitu 11,34, Set Up and Adjustment dengan total time losses yaitu 114,74, Idling and Minor Stoppages dengan total time losses yaitu 433,7. Selanjutnya dari hasil yang didapatkan pada Pengolahan FMEA ada 2 jenis kegagalan proses yaitu Reduced Speed dengan efek yang ditimbulkan oleh kegagalan yaitu terjadinya penurunan kecepatan pada mesin adapun penyebab kegagalan pada proses yaitu tools-tools pada mesin yang sudah tidak layak dipakai dan juga dikarenakan mesin-mesin yang sudah lama selanjutnya kendali yang dilakukan dengan melakukan
perawatan atau pergantian berkala terhadap tools-tools pada mesin yang kritis sehingga tidak cepat aus, dan Defect in Process dengan efek yang ditimbulkan oleh kegagalan yaitu terjadi cacat produk pada saat proses adapun penyebab kegagalan pada proses yaitu operator kurang teliti tidak konsentrasi dalam melaksanakan tugasnya selanjutnya kendali yang dilakukan dengan memberikan arahan atau pengawasan kepada operator baru maupun operator lama.
5. Referensi
[1] B. J. Angin Perangin, E. Manurung Dunan and A. Siregar Hamsi, "Penerapan Total Productive Maintenance dengan menggunakan metode OEE pada turbin uap Type C5 DS II – GVS," Jurnal Energi dan Manufaktur, Vols. 10, No. 1, no. 2302-5255, pp. 29-36, 2017.
[2] Rahmad, Pratikto and S. Wahyudi, "Penerapan Overall Equipment Effectiveness (OEE) Dalam Implementasi Total Productive Maintenance (TPM) (Studi Kasus Di Pabrik Gula PT. “Y”.)," Jurnal Rekayasa Mesin, Vols. 3, No. 3, no. 0126-468X, pp. 431-437, 2012.
[3] D. Alvira, Y. Helianty and H. Prassetiyo, "Usulan Peningkatan Overall Equipment Effectiveness (OEE) Pada Mesin Tapping Manual Dengan Meminimumkan Six Big Losses," Reka Integra, Jurnal Online Teknik Industri Itenas, Bandung, Vols. 03, No.03, no. 2338-5081, pp. 240-251, 2015.
[4] K. Hafiz and E. Martianis, "Analisis Overall Equipment Effectiveness (OEE) Pada Mesin Caterpillar Type 3512B di PT. PLN (Persero) ULPLTD Bagan Besar PLTD Bengkalis," Jurnal Ilmiah Teknik Mesin, Vols. 13, No. 2, no. 2088-9038, pp. 87-96, 2019.
[5] R. Prabowo Febri, H. Hariyono and E. Rimawan, "Total Productive Maintenance (TPM) pada perawatan mesin grinding menggunakan metode overall equipment effectiveness (OEE)," Journal Industrial Servicess, Vols. 5, No. 2, pp. 207-211, 2020.
[6] W. Nafida Ghoisi, I. Wardana and R. Soenoko, "Peningkatan Implementasi 5S dan Total Productive Maintenance Dengan Menggunakan Pendekatan DMAIC dan Expert System (Studi Kasus PT. XYZ Jawa Timur)," Jurnal Rekayasa Mesin, Vols. 3, No. 3, no. 012-468X, pp. 438-449, 2012.
[7] Y. Alfianto, "Analisis Penyebab Kecacatan Produk Weight A HandleMenggunakan Metode Fault Tree Analysis dan Failure Mode and Effect Analysissebagai Rancangan Perbaikan Produk," Journal of Industrial Engineering and Management Systems, Vols. 12, No. 2, no. 1979-1720, pp. 71-80, 2019.
[8] E. Ardhi Wahyu, S. Nugroho and T. Pribadi Wuruk, "Penerapan Teknologi Informasi Pada Sistem Pemeliharaan Kapal Terencana," Jurnal Kelautan (Indonesian Journal of Marine Science and Technology), Vols. 11, No. 1, no. 1907-9931, pp. 1-7, 2018.
[9] N. Hajriyani Latifah, M. Harisudin and I. Khomah, "Pengendalian Kualitas Produk Madu di PT.
Madu Pramuka, Gringsing, Batang, Jawa Tengah Dengan Metode Statistical Quality Control (SQC)," Agrista, Vols. 6, No. 3, no. 2302-1713, pp. 108-116, 2018.
[10] R. Hanif Yulinda, H. Rukmi Setyo and S. Susanty, "Perbaikan Kualitas Produk Keraton Luxury Di Pt. X Dengan Menggunakan Metode Failure Mode And Effect Analysis (FMEA) Dan Fault Tree Analysis (FTA)," Reka Integra, Jurnal Online Teknik Industri Itenas, Bandung, Vols. 03, No. 03, no. 2338-5081, pp. 137-147, 2015.
[11] M. Iqbal, "Pengaruh Preventive Maintenance (Pemeliharaan Pencegahan) dan Breakdown Maintenance (Penggantian Komponen Mesin) terhadap Kelancaran Proses Produksi di Pt.quarryndo Bukit Barokah," Jurnal Manajemen dan Bisnis (Almana), Vols. 1, No. 3, pp. 33-46, 2017.
[12] D. Mentari, "Analisis Pelaksanaan Kegiatan Pemeliharaan (Maintenance) Terhadap Kualitas Produk Pada Cv Green Perkasa Pematangsiantar," Jurnal MAKER, Vols. 3, No. 1, no. 2502-4434, pp. 40-48, 2017.
[13] A. Rachman, H. Adianto and G. Liansari Permata, "Perbaikan Kualitas Produk Ubin Semen Menggunakan Metode Failure Mode And Effect Analysis Dan Failure Tree Analysis Di Institusi Keramik," Reka Integra, Jurnal Online Teknik Industri Itenas, Bandung, Vols. 4, No. 02, no. 2338- 5081, pp. 24-35, 2016.
[14] N. Dewi Cynthia and D. Rinawati Ika, "Analisis Penerapan Total Productive Maintenance (TPM) Dengan Perhitungan Overall Equipment Efectiveness (OEE) Dan Six Big Losses Mesin Cavitec
PT. Essentra Surabaya (Studi Kasus PT. Essentra)," Industrial Engineering Online Journal, Vols.
4, No. 4, pp. 1-17, 2016.
[15] H. Setiawan and Supriyadi, "Penerapan Konsep Siklus Plan-Do-Check-Action (PDCA) Untuk Meningkatkan Kinerja Load Lugger," Industri Inovatif - Jurnal Teknik Industri ITN Malang, no.
2615-3866, pp. 71-78, 2021.
[16] P. Tarigan, E. Ginting and I. Siregar, "Perawatan Mesin secara Preventive Maintenance dengan Modularity Design pada PT. RXZ," Jurnal Teknik Industri USU, Vols. 5, No. 5, pp. 35-39, 2015.
[17] A. Widya Rusdi, "Peningkatan Efektivitas Mesin Power Press 60 T Dengan Menggunakan Analisa Reliability Centered Maintenance," Jurnal Sistem dan Manajemen Industri, Vols. 1, No. 2, no.
2580-2887, pp. 99-107, 2017.
