Analisis Total Productive Maintenance pada Mesin Pabrik Plant Urea 1B PT Pupuk Kujang Cikampek
Dinda Fitri Insani1*, Wahyudin2, Dene Herwanto3, Muhammad Geraldo Giast4
1,2,3,4Program Studi Teknik Industri, Universitas Singaperbangsa Karawang, Indonesia
*Koresponden email: dfitriinsani@gmail.com
Diterima: 17 Oktober 2022 Disetujui: 4 November 2022
Abstract
competition between companies becomes very tight and each tries to maintain its existence in the eyes of consumers. One way to remain competitive is to maintain productivity by maximizing existing resources such as equipment or machinery. The purpose of this research is to analyze the level of effectiveness and efficiency of the machines used in PT. Kujang Fertilizer Plant 1B. The method used in this study is the Overall Equipment Effectiveness (OEE). The data used in this study is from January to December 2021.
From the results obtained, it is known that in general, the OEE value obtained is above the world standard by 85%. However, there is still 1 data that is below the world standard so further analysis needs to be done.
The results of the six big losses show breakdown losses to be the highest failure with a value of 67.41%.
Based on the results of fishbone analysis, the causes of low OEE values consist of humans, machines, methods, materials, and the environment. From the kaizen analysis, proposed improvements that can be made include increasing employee awareness, conducting training for employees, conducting periodic evaluations, and holding a quality improvement and improvement team.
Keywords: OEE, TPM, six bog loses, downtime, PT. Pupuk Kujang
Abstrak
Persaingan antar perusahaan menjadi sangat ketat dan tiap berusaha menjaga eksistensinya di mata konsumen. Salah satu cara untuk tetap dapat bersaing yaitu menjaga produktivitas dengan memaksimalkan sumber daya yang ada seperti peralatan atau mesin. Tujuan penelitian ini yaitu untuk menganalisis tingkat efektivitas dan efisiensi mesin yang digunakan di PT. Pupuk Kujang Plant 1B. Metode yang digunakan pada penelitian ini yaitu dengan Overall Equipment Effectiveness (OEE). Data pada penelitian menggunakan data pada periode Januari hingga Desember 2021. Adapun pada penelitian ini hasilnya secara umum nilai OEE berada diatas standar dunia dengan 85%. Namun masih ada 1 data yang berada dibawah standar dunia sehingga analisis lebih lanjut perlu dilakukan. Hasil six big loses menunjukkan breakdown losess menjadi kegagalan tertinggi dengan nilai 67,41%. Berdasarkan hasil analisis fishbone penyebab terjadinya nilai OEE yang rendah terdiri dari manusia, mesin, metode, material, dan lingkungan. Dari analisis kaizen, usulan perbaikan yang dapat dilakukan seperti peningkatan kesadaran pegawai, mengadakan pelatihan untuk karyawan, melakukan evaluasi berkala dan mengadakan tim peningkatan kualitas dan improvement.
Kata Kunci: OEE, TPM, six big loses, downtime, PT. Pupuk Kujang
1. Pendahuluan
Kondisi persaingan pada sektor manufaktur saat ini semakin ketat, ini karena dalam perjalanan setiap tahunnya perkembangan pada sektor ini semakin meningkat pesat [1]. Dalam setiap bidang usaha atau perusahaan, peningkatan produktivitas dari proses yang dimiliki menjadi tantangan yang akan selalu dihadapi [2]. Termasuk pada bidang manufaktur yang banyak menggunakan mesin produktivitas menjadi sebuah tuntutan mutlak yang harus dipenuhi. Dari itu, pengaturan dan pengawasan terhadap segala aspek perlu dilakukan termasuk waktu henti produksi. Pengawasan terhadap hal tersebut harus dilakukan agar proses produksi dapat terus berjalan untuk menjaga produktivitas [3]. Oleh karena itu, perusahaan perlu melakukan kegiatan rutin dalam merawat mesin dan peralatan agar sumber daya tersebut dapat dimaksimalkan. Karena selain manusia, mesin memiliki peran penting dalam berjalannya produksi [4].
Dengan adanya kegiatan teratur dalam merawat mesin, ini akan membantu perusahaan meningkatkan hasil produksinya, karena mesin selalu dalam kondisi optimal [5]. Namun, kondisi teratur dan lancar pada kegiatan produksi tersebut tidak lepas dari campur tangan pihak pemangku kebijakan perusahaan dalam melakukan pengelolaan sumber daya perusahaan [6].
Cara yang dapat dilakukan untuk mengoptimalkan mesin adalah dengan melakukan pengukuran kinerjanya. Metode overall equipment effectiveness (OEE) dapat digunakan untuk melakukan hal tersebut [7][8]. Dalam perusahaan jepang, terdapat metode pemeliharaan yang disebut Total Productive Maintenance (TPM), dimana salah satu caranya adalah dengan OEE [9]. TPM ini adalah suatu aktivitas dalam upaya memelihara komponen produksi seperti mesin dengan tujuan mengidentifikasikan dan mengeliminasi faktor yang dapat menghambat laju produksi. Tujuan lain dari TPM ini adalah mendapatkan tingkat efisiensi tertinggi serta merata pada semua bagian produksi sehingga dapat tercipta kondisi tidak adanya kecelakaan dan produk cacat yang kemudian memperbaiki siklus hidup dari sistem produksi. Dalam penerapan TPM, OEE menjadi alat ukur dengan tujuan menjaga serta meminimalkan adanya kegagalan pada peralatan produksi atau six big loses [10].
Dalam bidang manufaktur, sebenarnya kehadiran OEE bukan menjadi sesuatu yang baru. Metode ini sudah banyak digunakan dari tahun-tahun sebelumnya untuk dipelajari yang bertujuan menyempurnakan perhitungan [11]. Kondisi ideal produksi dapat dilihat dari nilai OEE, ketika rendah maka hasil tidak akan sesuai seperti banyak produk rusak atau pengerjaan ulang. Namun sebaliknya ketika nilainya tinggi maka perusahaan akan dapat melakukan perbaikan dalam rangka meningkatkan produktivitasnya [12].
PT Pupuk Kujang Cikampek adalah salah satu anak usaha PT Pupuk Indonesia Holding Company (Persero) dimana bergerak pada bidang manufaktur yang berfokus pada pengadaan pupuk di Indonesia.. PT Pupuk Kujang Cikampek memfokuskan pada produksi di bidang agroindustri seperti bermacam-macam pupuk serta bahan kimia lainnya. Fokus penelitian ini dilakukan pada plant 1B yang memiliki kapasitas 570.000 ton/tahun dalam produksi urea. Namun meski jumlahnya besar, terkadang dalam perjalanan bulanannya, kondisi produksi sering tidak mampu mencapai target yang ditentukan. Hal ini terjadi karena diketahui ketika proses produksi berlangsung kondisi mesin seringkali terhenti, sehingga tentu saja mempengaruhi hasil produksi karena produktivitas yang rendah.
Dari permasalahan tersebut, tentu saja perusahaan harus segera melakukan langkah strategis agar dapat sesegera mungkin mengevaluasi dan memperbaiki kondisi itu, sehingga kondisi mesin terhenti atau downtime dapat menurun. Oleh karena itu pada penelitian ini metode OEE digunakan untuk menyelesaikan permasalahan di PT Pupuk Kujang tersebut. Dengan metode ini dinilai mampu untuk menganalisis efektivitas penggunaan pesin agar dapat menunjang proses produksi yang optimal. Penelitian ini ditujukan untuk mengetahui tingkat efektivitas dan efisiensi mesin di PT. Pupuk Kujang dengan metode OEE.
Terdapat beberapa rujukan yang diambil dari penelitian terdahulu seperti penelitian yang dilakukan [13], metode OEE digunakan untuk menganalisis penerapan TPM di perusahaan farmasi. Hasil yang didapatkan yaitu disimpulkan bahwa perusahaan dalam menerapkan TPM pada kegiatan operasionalnya masih belum efektif. Penelitian yang dilakukan [14], OEE digunakan untuk melakukan peningkatan produktivitas. Hasilnya diketahui bahwa nilai TPM perusahaan hanya 84% namun dengan metode OEE mencapai 90%. Penelitian yang dilakukan [15], OEE digunakan untuk mengukur efektivitas pemakaian mesin/peralatan. Hasil penelitian ini diketahui bahwa rata-rata nilai OEE sebesar 55,192% dimana nilai tersebut masih dibawah standar. Penelitian yang dilakukan [16], metode OEE digunakan untuk mengukur efektivitas mesin yang digunakan di stasiun ketel. Hasil yang didapatkan yaitu diketahui nilai OEE mengalami peningkatan dari 68,27 pada Juni, meningkat menjadi 98,46% dibulan September. Penelitian yang dilakukan [17], metode OEE digunakan untuk mengusulkan perbaikan dalam meningkatkan efektivitas mesin. Hasil yang didapatkan yaitu nilai OEE rata-rata Tahun 2014 yaitu 57% dimana nilai ini sangat rendah.
2. Metode Penelitian
Penelitian yang dilakukan berupa kuantitatif, dimana data historis yang dimiliki objek penelitian yang digunakan dengan mengomparasikan dengan teori yang sudah ada. Kemudian luaran atau hasil dari penelitian ini akan menginterpretasikan dari teori yang ada tersebut dengan penjelasan yang terstruktur, faktual dan sesuai kondisi nyata.
1. Waktu dan Lokasi Penelitian
Pelaksanaan penelitian dilakukan di PT. Pupuk Kujang plant 1B yang berlokasi di Cikampek. Penelitian ini berlangsung dari bulan Maret-Juni 2022.
2. Data Penelitian
Dalam mendukung penyelesaian penelitian ini, digunakan beberapa data yang diklasifikasikan berdasarkan jenisnya yaitu sebagai berikut:
a. Data primer, data ini didapatkan secara langsung dari objek penelitian. Data yang termasuk ke dalam data ini seperti identitas perusahaan secara keseluruhan. Kemudian data khususnya seperti jumlah produksi, produk cacat, available time dan downtime.
b. Data Sekunder, data ini didapatkan dengan cara mengumpulkan informasi diluar perusahaan dan sumber-sumber lainnya. Data ini seperti studi literatur dan lapangan untuk mengumpulkan informasi yang berhubungan dengan penelitian.
3. Metode Pengumpulan data
Dari beberapa data yang telah disebutkan sebelumnya, data tersebut didapatkan dan dikumpulkan dengan beberapa cara yaitu interview dan observasi. Interview, data dikumpulkan dengan cara melakukan sesi tanya jawab kepada pihak-pihak yang berkaitan dengan data yang dibutuhkan, sedangkan observasi, data dikumpulkan oleh peneliti secara langsung pada objek penelitian yang diamati ketika mengumpulkan data.
4. Teknik Analisis Data
Data-data yang telah dikumpulkan sebelumnya kemudian dianalisis, adapun analisis yang digunakan pada penelitian ini dengan metode Overall Equipment Effectiveness (OEE). Metode ini digunakan untuk mencapai tujuan penelitian yaitu mengukur tingkat efektivitas dan efisiensi mesin di PT Pupuk Kujang.
Dari hasil yang didapatkan kemudian dapat diketahui seberapa tinggi tingkat efektivitas mesin tersebut.
Kemudian dapat ditarik kesimpulan dan dianalisis untuk mengusulkan perbaikan yang dapat dilakukan guna meningkatkan tingkat efektivitas mesin tersebut.
5. Alur Penelitian
Adapun alur penelitian yang dilakukan, digambarkan dalam bentuk diagram alir seperti Gambar 1.
Gambar 1. Alur penelitian Sumber: [18]
3. Hasil dan Pembahasan
PT. Pupuk Kujang plant 1B menjadi objek yang akan dianalisis dalam penelitian ini khususnya pada aspek mesin yang digunakan dalam kegiatan produksi. Dalam analisis produktivitas mesin menggunakan total productive maintenance diperlukan data jumlah produksi, jumlah produk cacat, available time, dan downtime pada periode Januari 2021 sampai Desember 2021.
1. Data Jumlah Produksi dan produk cacat
Jumlah produksi ini berupa banyaknya produk yang diproduksi dalam satu bulan. Dalam pelaksanaan penelitian ini menggunakan data periode Januari-Desember 2021. Selain itu produk cacat juga menjadi data lain yang digunakan pada proses penelitian ini. Adapun kedua data tersebut seperti pada Tabel 1.
Tabel 1. Hasil perhitungan rate of quality product
Periode Jumlah Produksi (Ton/Bulan) Defect Amount (Ton/Bulan)
Januari 47931,67 0,133
Februari 33109,74 0,079
Maret 45932,06 0,147
April 46582,41 0
Mei 49541,01 0
Juni 46125,94 0
Juli 44921,50 0
Agustus 46613,97 0
September 40472,17 0,129
Oktober 44126,32 0
Periode Jumlah Produksi (Ton/Bulan) Defect Amount (Ton/Bulan)
November 45605,29 0
Desember 47406,50 0
Total 538368,58 0,49
Sumber: PT. Pupuk Kujang, 2021
2. Data Down time, Loading Time, Operation time
Data yang selanjutnya terdiri dari beberapa data seperti loading time yaitu data terkait dengan waktu produksi yang telah ditentukan namun tidak termasuk ketika mesin sedang berhenti atau tidak beroperasi yang telah ditentukan sebelumnya. Kemudian downtime yaitu data terkait dengan waktu ketika mesin tidak beroperasi atau terhenti yang disebabkan oleh hal diluar dugaan. Semakin tinggi downtime mesinnya maka perusahaan akan semakin banyak mengalami kerugian karena mesin tidak beroperasi selama downtime terjadi. Kemudian data terakhir adalah operation time yaitu data aktual ketika proses yang terjadi secara efektif. Maksud dari efektif adalah waktu operasi tanpa terhitung ketika mesin berhenti (downtime). Adapun data-data yang disebutkan tersebut seperti pada Tabel 2.
Tabel 2. Data Operation Time per bulan
Periode Loading Time (Jam) Downtime (Jam) Operation Time (Jam)
Januari 744 48,24 695,76
Februari 672 164,40 507,6
Maret 744 59,52 684,48
April 720 0 720
Mei 744 0 744
Juni 720 14,16 705,84
Juli 744 31,20 712,8
Agustus 744 0 744
September 720 78,24 641,76
Oktober 744 30,96 713,04
November 720 0 720
Desember 744 4,08 739,92
Total 8760 430,8 8329,2
Sumber: PT. Pupuk Kujang, 2021
3. Data Persentase Jam Kerja, Cycle time, dan Ideal Cycle Time
Data selanjutnya yaitu persentase jam kerja dimana data ini berupa total waktu yang digunakan oleh perusahaan untuk beroperasi selama satu tahun. Kemudian data waktu delay total selama satu tahun yang diklasifikasikan per bulan. Selanjutnya yaitu data waktu siklus ideal dimana data ini berupa waktu kerja mesin secara menyeluruh dalam kegiatan operasinya memproduksi produk dalam satuan jam/unit. Berikut ini data yang dimaksud seperti pada Tabel 3.
Tabel 3. Data persentase jam kerja mesin per bulan Periode Available Time
(Jam)
Total Delay (Jam)
Jam Kerja (%)
Cycle Time (Jam/Ton)
Ideal Cycle Time (Jam/Ton)
Januari 744 53,41 92,82 0,0155 0,0144
Februari 672 169,07 74,84 0,0203 0,0152
Maret 744 64,69 91,31 0,0162 0,0148
April 720 0,00 100,00 0,0155 0,0155
Mei 744 0,00 100,00 0,0150 0,0150
Juni 720 19,16 97,34 0,0156 0,0152
Juli 744 36,37 95,11 0,0166 0,0158
Agustus 744 0,00 100,00 0,0160 0,0160
September 720 83,24 88,44 0,0178 0,0157
Oktober 744 36,13 95,14 0,0169 0,0160
November 720 0,00 100,00 0,0158 0,0158
Desember 744 9,25 98,76 0,0157 0,0155
Total 8760 471,30 0,1968 0,1848
Sumber: PT. Pupuk Kujang, 2021
Beberapa data yang telah didapatkan, kemudian data tersebut diolah dengan menggunakan metode OEE. Terdapat beberapa tahapan dalam pengolahan data menggunakan metode OEE, yaitu sebagai berikut:
1. Overall Equipment Effectiveness (OEE) a. AvailabilityRatio
Availability ratio merupakan sebuah nilai yang menginterpretasikan jumlah waktu yang tersedia untuk mesin melakukan aktivitas operasionalnya. Perhitungan availability ratio dapat dilakukan dengan menggunakan persamaan berikut:
𝐴𝑣𝑎𝑖𝑙𝑎𝑏𝑖𝑙𝑖𝑡𝑦 𝑅𝑎𝑡𝑖𝑜 =695,76
744 × 100%
𝐴𝑣𝑎𝑖𝑙𝑎𝑏𝑖𝑙𝑖𝑡𝑦 𝑅𝑎𝑡𝑖𝑜 = 93,52%
Berikut hasil perhitungan availability ratio plant 1B untuk periode Tahun 2021 pada Tabel 4.
Tabel 4. Hasil perhitungan Availability Ratio
Periode Loading Time (Jam) Operation Time (Jam) Availability (%)
Januari 744 695,76 93,52
Februari 672 507,6 75,54
Maret 744 684,48 92,00
April 720 720 100,00
Mei 744 744 100,00
Juni 720 705,84 98,03
Juli 744 712,8 95,81
Agustus 744 744 100,00
September 720 641,76 89,13
Oktober 744 713,04 95,84
November 720 720 100,00
Desember 744 739,92 99,45
Total 8760 8329,2
Sumber: Hasil pengolahan data, 2022
Pada Tabel 4 hasil perhitungan menunjukkan bahwa nilai available ratio setiap bulannya tidak memiliki perbedaan secara signifikan. Dari hasil tersebut kemudian dibuatkan dalam bentuk grafik untuk mengidentifikasi dan membandingkan dengan standar internasional. Adapun grafik tersebut seperti pada Gambar 2.
Gambar 2. Grafik persentase Availability Ratio Sumber: Hasil pengolahan data, 2022 0,00
20,00 40,00 60,00 80,00 100,00 120,00
Availability (%) standar
Dari Gambar 2 dapat disimpulkan bahwa nilai available rata-rata sudah berada di atas nilai standar yaitu 90. Namun masih ada yang berada di bawah standar, sehingga peningkatan harus terus dilakukan agar hasil lebih optimal.
b. Performance Efficiency Ratio
Performance Efficiency ratio merupakan sebuah nilai yang menginterpretasikan kemampuan mesin dalam melakukan aktivitas operasionalnya memproduksi produk. Perhitungan availability ratio dapat dilakukan dengan menggunakan persamaan berikut.
𝑃𝑒𝑟𝑓𝑜𝑟𝑚𝑎𝑛𝑐𝑒 𝑅𝑎𝑡𝑖𝑜 =47931,67 × 0,0144
695,76 × 100%
𝑃𝑒𝑟𝑓𝑜𝑟𝑚𝑎𝑛𝑐𝑒 𝑅𝑎𝑡𝑖𝑜 = 99,26%
Berikut hasil perhitungan performance effeciency plant 1B untuk periode tahun 2021 di Tabel 5.
Tabel 5. Hasil Perhitungan Performance Efficiency Ratio Periode Jumlah Produksi
(Ton/Bulan)
Ideal Cycle Time (Jam/Unit)
Operation Time (Jam)
Performance Efficiency (%)
Januari 47931,67 0,0144 695,76 99,26
Februari 33109,74 0,0152 507,6 99,08
Maret 45932,06 0,0148 684,48 99,25
April 46582,41 0,0155 720 100,00
Mei 49541,01 0,0150 744 100,00
Juni 46125,94 0,0152 705,84 99,29
Juli 44921,50 0,0158 712,8 99,28
Agustus 46613,97 0,0160 744 100,00
September 40472,17 0,0157 641,76 99,22
Oktober 44126,32 0,0160 713,04 99,28
November 45605,29 0,0158 720 100,00
Desember 47406,50 0,0155 739,92 99,30
Total 538368,58 0,1848 8329,2
Sumber: Hasil pengolahan data, 2022
Pada Tabel 5 hasil perhitungan menunjukkan bahwa nilai performance ratio setiap bulannya tidak memiliki perbedaan secara signifikan. Dari hasil tersebut kemudian dibuatkan dalam bentuk grafik untuk mengidentifikasi dan membandingkan dengan standar internasional. Adapun grafik tersebut seperti pada Gambar 3.
Gambar 3. Grafik persentase Performance Effeciency Ratio Sumber: Hasil pengolahan data, 2022
92,00 93,00 94,00 95,00 96,00 97,00 98,00 99,00 100,00 101,00
Performance Efficiency (%) standar
Dari Gambar 2. dapat disimpulkan bahwa nilai Performance sudah berada di atas nilai standar secara menyeluruh yaitu diatas nilai 95. Namun meski demikian proses analisis harus tetap dilakukan agar menjaga performa yang telah baik bahkan meningkatnya lagi menjadi lebih baik.
c. Rate of Quality Product
Quality ratio adalah suatu nilai yang menginterpretasikan kemampuan suatu mesin ketika menjalankan aktivitas operasionalnya memproduksi produk dengan kualitas sesuai dengan standar yang telah ditetapkan. Perhitungan quality ratio dapat dilakukan dengan menggunakan persamaan berikut.
𝑄𝑢𝑎𝑙𝑖𝑡𝑦 𝑅𝑎𝑡𝑖𝑜 =47931,67 − 0,133
47931,67 × 100%
𝑄𝑢𝑎𝑙𝑖𝑡𝑦 𝑅𝑎𝑡𝑖𝑜 = 99,99%
Berikut hasil perhitungan rate of quality product plant 1B untuk periode 2021 pada Tabel 6.
Tabel 6. Hasil perhitungan Rate of Quality Product Periode Jumlah Produksi
(Ton/Bulan)
Defect Amount (Ton/Bulan)
Rate of Quality Product (%)
Januari 47931,67 0,133 99,99972
Februari 33109,74 0,079 99,99976
Maret 45932,06 0,147 99,99968
April 46582,41 0 100,00000
Mei 49541,01 0 100,00000
Juni 46125,94 0 100,00000
Juli 44921,50 0 100,00000
Agustus 46613,97 0 100,00000
September 40472,17 0,129 99,99968
Oktober 44126,32 0 100,00000
November 45605,29 0 100,00000
Desember 47406,50 0 100,00000
Total 538368,58 0,49
Sumber: Hasil pengolahan data, 2022
Pada Tabel 5 hasil perhitungan menunjukkan bahwa nilai available ratio setiap bulannya tidak memiliki perbedaan secara signifikan. Dari hasil tersebut kemudian dibuatkan dalam bentuk grafik untuk mengidentifikasi dan membandingkan dengan standar internasional. Adapun grafik tersebut seperti pada Gambar 4.
Gambar 4. Grafik presentase Rate of Quality Product Sumber: Hasil pengolahan data, 2022
98,40 98,60 98,80 99,00 99,20 99,40 99,60 99,80 100,00 100,20
Rate of Quality Product (%) standar
Dari Gambar 4 dapat diketahui nilai quality rate secara keseluruhan sudah berada di atas nilai standar yaitu 99. Hal ini menjadi hasil yang baik, namun perusahaan harus mampu mempertahankan hasil ini dengan terus melakukan peningkatan agar hasil baik terus terjaga bahkan meningkat.
d. Perhitungan OEE
Dari perhitungan beberapa rasio sebelumnya, maka selanjutnya dihitung nilai OEE pada mesin di PT. Pupuk Kujang. Perhitungan ini didasarkan pada perkalian ketiga rasio yang telah didapatkan.
Adapun contoh salah satu perhitungan OEE satu periode sebagai berikut:
OEE = 93,52% × 99,26% × 99,99%
OEE = 93,82%
Adapun hasil perhitungan OEE pada mesin di PT. Pupuk Kujang plant 1B untuk setiap periode Tahun 2021 terlihat di Tabel 7.
Tabel 7. Hasil perhitungan nilai OEE Periode Availability
(%)
Performance Efficiency (%)
Rate Of Quality Product (%)
OEE (%)
Januari 93,52 99,26 99,99972 92,82
Februari 75,54 99,08 99,99976 74,84
Maret 92,00 99,25 99,99968 91,31
April 100,00 100,00 100,00000 100,00
Mei 100,00 100,00 100,00000 100,00
Juni 98,03 99,29 100,00000 97,34
Juli 95,81 99,28 100,00000 95,11
Agustus 100,00 100,00 100,00000 100,00
September 89,13 99,22 99,99968 88,44
Oktober 95,84 99,28 100,00000 95,14
November 100,00 100,00 100,00000 100,00
Desember 99,45 99,30 100,00000 98,76
Rata-Rata 94,94 99,50 99,99990 94,48
Sumber: Hasil pengolahan data, 2022
Pada Tabel 7 hasil perhitungan menunjukkan bahwa nilai OEE setiap bulannya tidak memiliki perbedaan secara signifikan. Dari hasil tersebut kemudian dibuatkan dalam bentuk grafik untuk mengidentifikasi dan membandingkan dengan standar internasional. Adapun grafik tersebut seperti pada Gambar 5.
Gambar 5. Grafik presentase nilai OEE Sumber: Hasil pengolahan data, 2022
Dari Gambar 5 dapat diketahui bahwa masih ada 1 hasil yang nilainya dibawah 85 yang merupakan nilai standar dari OEE. Hasil ini menunjukkan bahwa perbaikan memang sangat perlu untuk dilakukan untuk memperbaiki kondisi dan meningkatkan kemampuan mesin.
0,00 20,00 40,00 60,00 80,00 100,00 120,00
OEE (%) standar
2. Six Big Losses
Produktivitas yang rendah tentu akan menyebabkan kerugian bagi perusahaan. Dalam praktiknya penggunaan mesin yang tidak efektif dapat menjadi faktor yang menyebabkan rendahnya produktivitas tersebut. Didalam OEE terdapat enam faktor atau enam kegagalan yang biasa menyebabkan mesin bekerja kurang efektif ataupun efisien. Faktor kegagalan tersebut biasa disebut sebagai six big loses. Pada penelitian ini setelah nilai OEE didapatkan maka perhitungan six big loses juga dilakukan untuk mengetahui penyebab dari masih adanya nilai OEE dibawah standar.
Enam kegagalan tersebut biasanya diklasifikasikan menjadi 3 yaitu downtime losses, speed losses dan quality losses. Masing-masing kegagalan dihitung dan dicari ketiga faktor yang disebutkan sebelumnya untuk mengetahui kegagalan yang paling mempengaruhi rendahnya efektivitas mesin.
Kemudian dari nilai tersebut didapatkan persentase terbesar dari kegagalan yang mempengaruhi nilai efektivitas mesin yang rendah. Kemudian dari hasil tersbut dapat diambil tindakan untuk memperbaiki kondisi dan juga meningkatkan efektivitas mesin kembali. Adapun hasil perhitungan untuk 6 kerugian tersebut seperti pada Tabel 8.
Tabel 8. Persentase faktor Six BigLosses
No. Six Big Losses Total Time Losses Persentase Persentase Kumulatif
1. Breakdown Losses 345,05 67,4179% 67,418%
2. Setup and Adjustment Losses 85,75 16,7544% 84,172%
3. Idling and Minor Stoppages 40,5 7,9131% 92,085%
4. Reduce Speed 40,50 7,9131% 99,999%
5. Yield/Scrap Losses 0 0,00% 99,999%
6. Defect Losses 0,00732 0,001% 100,000%
Total 511,81 100%
Sumber: Hasil pengolahan data, 2022
Dari data pada Tabel 8 selanjutnya dapat dijadikan diagram Pareto untuk memperjelas faktor yang memiliki losses paling tinggi. Berikut diagram Pareto dari presentase six big losses pada Gambar 6.
Gambar 6. Grafik persentase Time Losses Mesin Sumber: Hasil pengolahan data, 2022
Diagram Pareto pada Gambar 6 menunjukkan hasil dari keenam kerugian berdasarkan persentasenya. Dari hasil tersebut dapat terlihat bahwa breakdown loses menjadi kerugian dengan persentase yang paling tinggi. Maka pada tahapan selanjutnya identifikasi penyebab akan dilakukan terfokus pada breakdown loses dengan menggunakan diagram fishbone.
0,000%
20,000%
40,000%
60,000%
80,000%
100,000%
0 100 200 300 400 500
Breakdown Losses
Setup and Adjustment
Losses
Idling and Minor Stoppages
Reduce Speed
Defect Losses
Yield/Scrap Losses
Total Time Losses Presentase Kumulatif
3. Diagram Fishbone
Pada tahapan ini akan dianalisis dan diidentifikasikan terkait penyebab terjadinya kerugian khususnya pada breakdown loses karena memiliki nilai persentase yang paling tinggi dengan 67,418%.
Pembuatan diagram ini didasarkan pada informasi yang telah didapatkan sebelumnya baik melalui wawancara ataupun observasi. Hasil pada diagram ini akan menjadi acuan dalam menganalisis perbaikan yang akan dilakukan selanjutnya. Berikut diagram fishbone dari breakdown losses pada Gambar 7.
Gambar 7. Diagram Fishbone Breakdown Losses Sumber: Hasil pengolahan data, 2022
Untuk membuat usulan perbaikan pada sistem maintenance mesin produksi plant 1B ditinjau dari diagram fishbone. Berdasarkan faktor penyebab breakdown yang telah didapatkan, didapatkan beberapa usulan perbaikan yang dapat disimpulkan sebagai berikut:
a. Adanya pelatihan kepada karyawan untuk upaya menguatkan serta meningkatkan kepatuhan karyawan ketika produksi dalam melaksanakan 5R. Dari pelatihan tersebut ditujukan dapat menumbuhkan rasa memiliki karyawan terhadap mesin yang ada sehingga perawatan lebih sering dilakukan. Akhirnya proses identifikasi ketika mesin bermasalah akan lebih mudah dilakukan, b. Melakukan peningkatan kesadaran kepada karyawan tentang pentingnya merawat mesin.
Peningkatan kesadaran ini dapat dilakukan melalui pemberian pelatihan dan pengetahuan pada karyawan terkait dengan perawatan mesin dari proses pembersihan, pemeriksaan, dan pengecekan setiap bagian dari mesin.
c. Meningkatkan kesadaran kepada karyawan dalam menggunakan label tag pada setiap mesin. Hal ini bertujuan agar pengawasan status mesin dapat dilakukan dengan mudah karena setiap karyawan dapat membaca status mesin melalui tag tersebut.
d. Adanya pelatihan kepada karyawan mengenai cara memelihara mesin secara menyeluruh. Pelatihan ini dapat dilakukan dengan produsen mesin yang digunakan agar pemberian pengetahuan lebih aktual.
e. Mengadakan SOP terkait dengan pengecekan stok komponen mesin. Pengecekan tidak hanya dilakukan pada mesin namun pada komponen mesin, hal ini agar ketika adanya masalah tidak harus menunggu dan mesin dapat sesegera mungkin diperbaiki dan berfungsi kembali.
f. Adanya evaluasi secara berkala serta perbaikan terhadap standar dari kemampuan operasional mesin yang digunakan. Kemudian adanya verifikasi pada karyawan terhadap aturan yang telah diterapkan.
g. Membuat tim Kaizen yang melibatkan pihak-pihak terkait yang berhubungan secara langsung dengan proses operasional mesin seperti produksi, maintenance, dan lainnya. Selain itu,
Mesin Rusak Manusia
Mesin Metode
Material Lingkungan
Operator tidak memiliki pengetahuan dan pengalaman perbaikan mesin
Perbaikan sederhana masih bergantung kepada bagian maintenance Kurangnya training
mengenai perbaikan mesin
Rendahnya kepedulian operator pada kerusakan Kerusakan komponen
mesin produksi Penggunaan mesin terus-menerus
tanpa henti selama 24 jam/hari
Komponen menjadi aus
Terjadi kekosongan pada stok spare part
Lamanya waktu pengambilan spare part
Spesifikasi komponen tidak sesuai kebutuhan Suhu lingkungan tidak stabil
Tidak dilakukan pembersihan teratur
Area kerja kurang tertata Pengoperasian
mesin berdasarkan kebiasaan operator
Kurang optimalnya preventive maintenance
Belum adanya metode kerja yang baku
Lamanya waktu pergantian spare part yang rusak Lokasi penyimpanan spare part jauh dari lokasi kerusakan
Banyak debu dan kotoran kecil
Belum diterapkan sistem pembersihan mandiri
Iklim pada daerah pendirian pabrik
manajemen perlu mendukung penuh dalam tim tersebut sehingga penyelesaian dalam permasalahan dapat lebih baik dan seluruh pihak terlibat.
Usulan perbaikan tidak akan bertahan lama ketika dalam pelaksanaannya tidak konsisten dan tidak semua elemen berkontribusi melaksanakannya. Selain itu pengawasan dari pemangku kebijakan juga menjadi faktor penting usulan ini dapat bertahan lebih lama. Dari hal tersebut maka sangat perlu dilakukan pengawasan dan pengembangan secara terus-menerus. Hal ini untuk menjaga stabilitas operasi mesin agar dapat mencapai efisiensi yang diharapkan. Melakukan pengukuran OEE dan 6 kerugian secara kontinu menjadi salah satu cara yang dapat dilakukan sebagai salah satu bentuk pengawasan.. Dari hasil perhitungan tersebut pihak perusahaan mampu menilai seberapa besar perubahan yang terjadi serta dapat mengontrol efektivitas mesin sehingga dapat menjadi acuan dalam melakukan perbaikan kembali. Sehingga perusahaan dapat perlahan mengembangkan proses produksi ke arah yang lebih baik.
4. Kesimpulan
Usulan penerapan metode OEE pada pengendalian perawatan mesin di PT Pupuk Kujang Cikampek didapatkan rata-rata persentase nilai OEE sudah memenuhi standar internasional, namun pada persentase per bulan masih terdapat nilai yang belum memenuhi standar. Faktor penyebab terjadinya breakdown mesin pada pabrik plant 1B terdiri dari berbagai sumber. Berdasarkan hasil yang didapatkan faktor-faktor tersebut terdiri dari aspek manusia, mesin, material, metode, dan lingkungan. Pada aspek manusia operator memiliki peran dominan dimana operator tidak memiliki kemampuan dalam perbaikan mesin Pada faktor material disebabkan karena kekosongan stok spare part.
Sementara pada faktor metode berkaitan dengan penerapan preventive maintenance mesin yang belum menyeluruh sehingga kerusakan pada beberapa mesin tidak dapat dicegah. Usulan yang diberikan dalam upaya mengurangi intensitas waktu breakdown mesin pada pabrik plant 1B yaitu dengan menumbuhkan dan meningkatkan kesadaran pada para karyawan mengenai pentingnya melakukan perawatan mesin. Kesadaran tersebut ditunjang dengan pemberian pelatihan dan pengetahuan mengenai perawatan mesin yang baik dan sesuai standar yang telah ditetapkan.. Melakukan pengecekan stok komponen secara berkala agar tidak terjadi kekosongan stok. Terakhir melakukan evaluasi secara berkala mengenai kualitas kemampuan mesin dengan verifikasi efektivitas terhadap kepatuhan penerapan standar.
5. Referensi
[1] D. F. Rahmadhani, H. Taroepratjeka, And L. Fitria, “Usulan Peningkatan Efektivitas Mesin Cetak Manual Menggunakan Metode Overall Equipment Effectiveness ( Oee ) ( Studi Kasus Di Perusahaan Kerupuk Ttn ),” J. Reka Integr., Vol. 02, No. 04, Pp. 156–165, 2014.
[2] Amrussalam, P. B. Santoso, And I. P. Tama, “Pengukuran Dan Perbaikantotal Productive Maintenance (Tpm) Menggunakan Overall Equipment Effectiveness (Oee) Dan Root Cause Failure Analysis (Rcfa),” J. Jemis, Vol. 4, No. 2, Pp. 102–108, 2016.
[3] T Budi Agung, Miftahul Imtihan, And Suwaryo Nugroho, “Usulan Perbaikan Melalui Penerapan Total Productive Maintenance Dengan Metode Oee Pada Mesin Twin Screw Extruder Pvc Di Pt.
Xyz,” Teknosains J. Sains, Teknol. Dan Inform., Vol. 8, No. 1, Pp. 10–22, 2021, Doi:
10.37373/Tekno.V8i1.78.
[4] N. Hairiyah, R. Rizki, And R. A. Wijaya, “Analisis Total Productive Maintenance (Tpm) Pada Stasiun Kernel Crushing Plant (Kcp) Di Pt. X,” J. Teknol. Pertan. Andalas, Vol. 23, No. 1, P. 103, 2019, Doi: 10.25077/Jtpa.23.1.103-110.2019.
[5] J. Gianfranco, M. I. Taufik, F. Hariadi, And M. Fauzi, “Pengukuran Total Productive Maintenance (Tpm) Menggunakan Metode Overall Equipment Effectiveness (Oee) Pada Mesin Reaktor Produksi,” J. Ilm. Pendidik. Mat. Mat. Dan Stat., Vol. 3, No. 1, Pp. 160–172, 2022.
[6] E. Krisnaningsih, “Usulan Penerapan Tpm Dalam Rangka Peningkatan Efektifitas Mesin Dengan Oee Sebagai Alat Ukur Di Pt Xyz,” J. Prosisko, Vol. 2, No. 2, Pp. 13–26, 2015.
[7] S. Sahrupi And J. Juriantoro, “Usulan Penerapan Total Productive Maintenance Pada Transfer Conveyor 17a,” J. Sist. Dan Manaj. Ind., Vol. 2, No. 1, Pp. 51–57, 2018.
[8] Hidayat, Moh.Jufriyanto, And A. W. Rizqi, “Analisis Overall Equipment Effectiveness ( Oee ) Pada Mesin Cnc Cutting,” J. Rotor, Vol. 13, No. 2, Pp. 61–66, 2020.
[9] Rahmad, Pratikto, And S. Wahyudi, “Penerapan Overall Equipment Effectiveness (Oee) Dalam Implementasi Total Productive Maintenance ( Tpm ) (Studi Kasus Di Pabrik Gula Pt . ‘ Y ’ .),” J.
Rekayasa Mesin, Vol. 3, No. 3, Pp. 431–437, 2012.
[10] I. Pratiwi, “Jurnal Optimasi Sistem Industri Usulan Penerapan Total Productive Maintenance Pada Mesin Turbin Gas,” J. Optimasi Sist. Ind., Vol. 1, No. 1, Pp. 37–47, 2019, Doi:
10.25077/Josi.V18.N1.P37-47.2019.
[11] E. Nursubiyantoro, Puryani, And M. I. Rozaq, “Implementasi Total Productive Maintenance (Tpm) Dalam Penerapan Overall Equipment Effectiveness (Oee),” J. Optimasi Sist. Ind., Vol. 9, No. 1, Pp.
24–32, 2016.
[12] R. F. Prabowo, H. Hariyono, And E. Rimawan, “Total Productive Maintenance (Tpm) Pada Perawatan Mesin Grinding Menggunakan Metode Overall Equipment Effectiveness (Oee),” J. Ind.
Serv., Vol. 5, No. 2, Pp. 207–212, 2020, Doi: 10.36055/Jiss.V5i2.8001.
[13] F. S. Mulyati, M. T. Septiadi, And M. Fauzi, “Analisis Penerapan Total Productive Maintanance (Tpm) Dengan Menggunakan Metode Overall Equipment Effectiveness (Oee) Di Pt Xyz,” J.
Bayesian J. Ilm. Stat. Dan Ekon., Vol. 2, No. 1, Pp. 75–81, 2022, Doi: Doi.Org/10.46306/Bay.V2i1.
[14] A. Wahid And R. Agung, “Perhitungan Total Produktifitas Maintenance (Tpm) Pada Mesin Bobin Dengan Pendekatan Overall Equipment Effectiveness Di Pt. Xy,” J. Knowl. Ind. Eng., Vol. 3, No. 3, Pp. 40–49, 2016.
[15] D. Alvira, Y. Helianty, And H. Prassetiyo, “Usulan Peningkatan Overall Equipment Effectiveness ( Oee ) Pada Mesin Tapping Manual Dengan Meminimumkan Six Big Losses,” J. Itenas Bandung, Vol. 03, No. 03, Pp. 240–251, 2015.
[16] I. M. I. W.C.S, M. Darsin, And M. E. R, “Aplikasi Overall Equipment Effectiveness (Oee) Dalam Upaya Mengatasi Tingginya Downtime Pada Stasiun Ketel Di Pg X Jawa Timur,” Multitek Indones.
J. Ilm., Vol. 13, No. 2, Pp. 95–103, 2019.
[17] B. Y. Bilianto And Y. Ekawati, “Pengukuran Efektivitas Mesin Menggunakan Overall Equipment Effectiveness Untuk Dasar Usulan Perbaikan,” J. Ilm. Tek. Ind., Vol. 15, No. 2, P. 116, 2017, Doi:
10.23917/Jiti.V15i2.2141.
[18] H. Hamdani, W. Wahyudin, And C. G. G. Putra, “Analisis Pengendalian Kualitas Produk 4l45w 21 . 5 My Menggunakan Seven Tools Dan Kaizen,” Go-Integratif J. Tek. Sist. Dan Ind., Vol. 02, No.
02, Pp. 112–123, 2021.
