• Tidak ada hasil yang ditemukan

RANCANG BANGUN PERANGKAT LUNAK RELIABILITY-CENTERED MAINTENANCE

N/A
N/A
Protected

Academic year: 2021

Membagikan "RANCANG BANGUN PERANGKAT LUNAK RELIABILITY-CENTERED MAINTENANCE"

Copied!
6
0
0

Teks penuh

(1)

Abstrak— Gardu Induk (substation) memiliki peranan penting dalam proses penyaluran listrik dan proteksi sistem kelistrikan terhadap gangguan penghantar. Kinerja gardu induk akan mengalami penurunan kondisi setelah beroperasi dalam jangka waktu tertentu sehingga berdampak pada kerugian operasional maupun non-operasional. Untuk mengatasi hal ini, dibutuhkan kegiatan perawatan yang menjamin sub-sistem pada gardu induk dapat memenuhi fungsinya. Reliability-Centered Maintenance (RCM) merupakan metode yang akhir-akhir ini digunakan untuk menentukan strategi perawatan aset yang baik guna mengurangi frekuensi kegagalan fungsi di dunia industri.

Analisa RCM dan RPN mampu menyelesaikan permasalahan perawatan pada gardu induk. Analisa RCM dan RPN diimplementasikan pada sebuah software yang mempunyai keluaran berupa jadwal dan prioritas perawatan untuk menjaga nilai keandalan sesuai yang diinginkan.

Kata Kunci— Perawatan Aset, Reliability-Centered Maintenance, Pemrograman PHP dan MySQL, Sistem Gardu Induk, Maintenance Task, RPN

I. PENDAHULUAN

erawatan aset merupakan aspek yang sangat penting guna menjaga kualitas dan kuantitas produksi. Proses produksi yang terhenti akibat kerusakan asset secara mendadak dapat menyebabkan banyak kerugian dan mengurangi kepercayaan pasar [1],[2]. Salah satu aset yang memiliki peranan penting dalam industri listrik adalah gardu induk. Kegagalan fungsi tiap peralatan dan komponen dapat mempengaruhi kinerja gardu induk. Untuk mengatasi hal ini, dibutuhkan strategi perawatan yang baik dengan metode RCM untuk menjamin gardu induk dapat memenuhi fungsi sesuai konteks operasinya.

Penelitian ini difokuskan untuk analisis secara kualitatif dan kuantitatif pada peralatan serta komponen gardu induk dengan menggunakan metode RCM. Analisis kualitatif meliputi penentuan kegagalan fungsi, bentuk kegagalan, efek kegagalan, konsekuensi kegagalan dan kegiatan perawatan.

Sedangkan analisis kuantitatif meliputi model keandalan, laju kerusakan, dan interval perawatan berdasarkan data time-to failure. Selain itu dibuat perangkat lunak RCM yang dapat diakses pada cakupan area tertentu.

Bagian berikutnya pada makalah ini menjelaskan tentang konsep RCM dan dilanjutkan dengan penjelasan tentang perancangan sistem meliputi deskripsi gardu induk, fault tree analysis, information dan decision worksheet RCM, penentuan model distribusi, serta rancangan perangkat lunak itu sendiri

pada bagian berikutnya. Kemudian pada bagian selanjutnya menjelaskan tentang pengujian sistem perangkat lunak RCM untuk Gardu Induk Sukolilo Surabaya. Bagian akhir dari makalah ini berisi kesimpulan dan saran untuk pengembangan penelitian selanjutnya.

II. RELIABILITY-CENTERED MAINTENANCE Reliability-centered maintenance pertama kali digunakan pada tahun 1975 untuk industri pesawat militer di USA.

Seiring dengan dampak-dampak yang ditimbulkan maka pada tahun 1990 mulai diluncurkan RCM II yang merupakan hasil proses pengembangan RCM sebelumnya yakni dengan menambahkan safety dan environtment consequence pada decision diagram-nya [1]. RCM telah banyak digunakan pada berbagai sektor industri, mulai dari nuklir hingga listrik [3].

Penentuan strategi perawatan berbasis RCM melalui tujuh tahapan yang tercakup dalam information dan decision worksheet, mulai dari pemahaman terhadap fungsi sistem dan performansi standar yang diharapkan, hingga menentukan default action yang sesuai apabila alternatif proactive task yang tersedia tidak efisien dan efektif untuk diaplikasikan pada sistem [1]-[3]. Berikut tujuh pertanyaan dasar yang dijadikan tahapan untuk merancang strategi perawatan berbasis RCM,

1. Apakah fungsi serta standar performansi yang berkaitan dengan asset dalam konteks operasinya saat ini? (function)

2. Dalam kondisi seperti apakah asset gagal dalam memenuhi fungsinya? (functional failure)

3. Apa yang menyebabkan terjadinya kegagalan fungsi tersebut? (failure modes)

4. Apa yang terjadi pada saat kegagalan tersebut berlangsung? (failure effect)

5. Bagaimana masalah yang ditimbulkan akibat kegagalan yang terjadi? (failure consequences)

6. Apa yang dapat dilakukan untuk memprediksi atau mencegah terjadinya kegagalan fungsi? (proactive task) 7. Apa yang harus dilakukan jika proactive task yang

sesuai tidak dapat diberikan? (default action)

Penerapan RCM merupakan gabungan beberapa metode untuk menganalisa keandalan suatu sistem, diantaranya fault tree analysis (FTA), failure mode and effect analysis (FMEA), dan perhitungan secara kuantitatif menggunakan model distribusi peralatan atau komponen. Untuk menghitung

RANCANG BANGUN PERANGKAT LUNAK RELIABILITY-CENTERED MAINTENANCE (RCM) UNTUK MENENTUKAN MAINTENANCE TASK PADA GARDU INDUK MENGGUNAKAN METODE RISK PRIORITY NUMBER (RPN)

Deddy Ardiyasa, Nurlita Gamayanti, dan Abdullah Alkaff

Jurusan Teknik Elektro, Fakultas Teknologi Industri, Institut Teknologi Sepuluh Nopember (ITS) Jl. Arief Rahman Hakim, Surabaya 60111

E-mail: [email protected]

P

(2)

keandalan suatu sistem atau peralatan, langkah pertama adalah menentukan model probabilitas yang biasanya dinyatakan dengan distribusi statistik [4]. Dalam analisis keandalan, ada beberapa distribusi statistik, dan yang umum dipergunakan, antara lain distribusi eksponensial dan weibull.

a. Distribusi Eksponensial

Fungsi keandalan untuk distribusi eksponensial dinyatakan dengan persamaan:

e

t

t

R ( ) 

(1) Laju kerusakan (failure rate):

 ( t)  t h    

(II) Rata-rata waktu kerusakan (MTTF):

0

) 1 ( t dtR

MTTF

(3)

dengan λ menyatakan parameter yang menentukan karakteristik life time dan t menyatakan lama operasi.

b. Distribusi Weibull

Distribusi ini biasa digunakan untuk komponen atau peralatan elektromekanik dengan fungsi keandalan dinyatakan dengan persamaan [4]:

 )

( exp )

( t t

R   (4)

Laju kerusakan (failure rate) [4]:

     th t   (  t )

1

(5) Rata-rata waktu kerusakan (MTTF) [4]:

 

 

 

 1 1 1

MTTF  (6) dengan β adalah kemiringan (slope) dari fungsi weibull.

Untuk interval perawatan, secara matematis ditentukan dengan menggunakan fungsi keandalan dari sistem atau peralatan. Penentuan interval perawatan dengan nilai keandalan dan lama operasi yang diinginkan, dinyatakan dengan persamaan [4]:

( ) = ( ) ( − ) (7) dengan menyatakan nilai keandalan yang diinginkan, t lama waktu operasi yang dinginkan, n adalah intensitas banyaknya kegiatan perawatan yang dilakukan, dan s menyatakan interval waktu perawatan.

Keberhasilan implementasi RCM akan menyebabkan peningkatan integritas keselamatan dan lingkungan, efektivitas biaya, uptime mesin, database yang lengkap, serta pemahaman yang lebih baik tentang tingkat resiko yang mungkin muncul [1].

III. PERANCANGAN SISTEM

Bagian ini menjelaskan tentang beberapa tahapan dalam merancang sistem perangkat lunak sebagai pendukung penerapan RCM di gardu induk. Tahap pertama adalah

mengetahui deskripsi dari gardu induk meliputi fungsi yang ada didalamnya untuk memahami konteks operasinya.

Kemudian dilakukam identifikasi penyebab tiap kegagalan fungsi yang ada dengan fault tree analysis. Model fault tree digunakan untuk analisis RCM dan menentukan kegiatan perawatan dari tiap bentuk kegagalan. Setelah didapatkan model keandalan dari data kerusakan, information, dan decision worksheet RCM, dibuatlah suatu sistem pendukung penerapan RCM untuk gardu induk berupa perangkat lunak dengan menggunakan bahasa pemrograman PHP dan MySQL.

A. Gardu Induk

Pada penelitian ini, data yang digunakan didapat dari Gardu Induk Sukolilo Surabaya. Selain untuk menurunkan daya listrik dan mendistribusikan daya ke beban, gardu induk juga memiliki fungsi lain yaitu proteksi sistem tenaga listrik dari gangguan arus dan tegangan berlebih, komunikasi dengan SCADATEL untuk pemantauan proses dari pusat, serta fungsi yang berkaitan dengan keselamatan agar sesuai dengan standar kerja yang telah ditentukan.

Guna menunjang peran gardu induk pada sistem kelistrikan Surabaya, terdapat beberapa peralatan pendukung yang memiliki fungsi masing-masing. Pada Gambar 1 merupakan functional block diagram (FBD) yang merepresentasikan keterkaitan tiap fungsi yang ada serta peralatan-peralatan yang mempengaruhi kinerja dari masing-masing fungsi.

Gambar 1. Functional block diagram GI Sukolilo

B. Pemodelan Fault Tree

Terdapat lima fungsi yang dijadikan top event, untuk kemudian dianalisis dan didapatkan model fault tree-nya.

Pemodelan fault tree ini dilakukan dengan menganalisa elemen-elemen kritis yang dapat menyebabkan terganggunya kinerja sistem atau peralatan sehingga tidak terpenuhinya fungsi dari gardu induk.

Gambar 2 menunjukkan fault tree dari fungsi utama Gardu

Induk Sukolilo, yaitu mentransmisikan tenaga listrik sebesar

20 kV. Didapatkan bahwa terdapat lima fungsi pendukung,

yaitu menurunkan tegangan 150 kV menjadi 20 kV, membagi

beban, proteksi dari gangguan, komunikasi operasi

SCADATEL, dan fungsi untuk keselamatan tentang

kesesuaian standar kerja yang berlaku. Simbol segitiga yang

berisikan angka menunjukkan bahwa penyebab kegagalan tiap

fungsi dianalisis lebih lanjut hingga didapatkan bentuk

kegagalannya. Analisis fault tree dilakukan berdasarkan pada

(3)

konteks operasi dan catatan kerusakan sebelumnya serta observasi secara langsung.

Gambar 2. Model fault tree Gardu Induk Sukolilo

C. Information Worksheet RCM

Worksheet ini digunakan untuk mengidentifikasi bentuk dan efek kegagalan fungsi Gardu Induk Sukolilo yang terjadi akibat kerusakan peralatan dan komponen. Biasanya proses ini disebut juga dengan failure mode and effect analysis (FMEA).

Berdasarkan model fault tree analysis dari lima fungsi yang dianalisis bentuk dan efek kegagalannya, terdapat 75 bentuk kegagalan yang memiliki efek masing-masing. Tiap fungsi dimungkinkan memiliki bentuk kegagalan yang sama, seperti bentuk kegagalan yang disebabkan oleh circuit breaker.

Gambar 3. Contoh information worksheet RCM GI Sukolilo

Pada worksheet ini, efek kegagalan yang ditimbulkan tidak hanya berpengaruh pada operasional dan kerusakan peralatan lainnya. Terdapat efek non-operasional, keselamatan, dan lingkungan yang juga diperhatikan. Hasil information worksheet ini diteruskan untuk dianalisis lebih lanjut guna mendapatkan strategi perawatan yang baik berdasarkan RCM decision diagram yang direkam dalam decision worksheet.

D. Decision Worksheet RCM

Worksheet ini digunakan untuk menganalisa konsekuensi dari masing-masing penyebab kegagalan (failure modes), untuk mencari jenis kegiatan perawatan (proposed task) yang layak dan juga keterangan siapa yang bertanggung jawab dalam melaksanakannya pada kolom can be done by. Pada tahap ini peneliti akan menentukan konsekuensi meliputi keselamatan (S), lingkungan (E), operasional (O), dan non- operasional (N). Dalam menentukan konsekuensi dan kegiatan perawatan yang sesuai, digunakan RCM decision diagram.

Gambar 4. Contoh decision worksheet RCM GI Sukolilo

Hasil dari analisis ini didapatkan 75 proposed task untuk lima fungsi Gardu Induk Sukolilo. Rinciannya adalah 5.33%

(4 task) predictive maintenance, 26.67% (20 task) preventive maintenance, dan 68% (51 task) default action. Pihak-pihak yang bertanggung jawab dalam proses perawatan hasil analisis ini adalah electrician, mechanic, instrumentation, operator, dan supervisor.

E. Penentuan Model Distribusi

Data kerusakan tiap bentuk kegagalan yang didapat, diolah dengan weibull++7 software versi trial untuk mendapatkan model distribusinya. Data kerusakan dari suatu komponen dimasukkan, kemudian keluaran yang dihasilkan adalah alternatif distribusi berdasarkan urutan ranking, dimana distribusi dengan urutan ranking terbaiklah yang dipilih.

Selain itu, software ini juga akan memberikan parameter distribusi yang nantinya dapat digunakan untuk mencari nilai MTTF dan diolah kembali untuk mendapatkan model keandalan, laju kerusakannya, dan interval perawatan.

F. Risk Priority Number

Risk Priority Number (RPN) merupakan salah satu metode terkenal yang digunakan untuk urutan atau peringkat dari prioritas alternatif. Parameter dari RPN adalah [6]:

1. Severity (S)

Parameter yang menunjukkan bobot dari efek kegagalan yang mempengaruhi sistem atau konsumen yang menggunakan komponen.

2. Occurrence (O)

Parameter yang menunjukkan probabilitas kegagaln yang terjadi.

3. Detection (D)

Parameter yang menunjukkan nilai visibilitas kegagalan yang menunjukan perilaku model kegagalan yang di identifikasi dengan kontrol atau inspeksi.

Nilai dari RPN diperoleh dari ketiga parameter tersebut:

=

Jika nilai RPN semakin besar,maka resiko untuk mengakibatkan kegagalan akan semakin besar pula.

G. Perangkat Lunak RCM Gardu Induk

Sistem perawatan gardu induk dengan menggunakan

metode RCM ini teraplikasikan dalam bentuk perangkat lunak

dan terdiri dari bagian RCM, gardu induk, analisis RCM,

laporan, administrator dan pelengkap. Masing-masing bagian

tentunya memiliki peran dan fungsi serta keterkaitan satu

dengan yang lainnya. Khusus untuk bagian analisis RCM

(4)

hanya bisa diakses oleh admin dan pengguna yang telah terdaftar.

Gambar 5. Proses kerja perangkat lunak RCM secara umum

Perangkat lunak ini bekerja dengan menggunakan database yang terdapat pada bagian administrator. Bagian ini merupakan perwujudan dari database MySQL yang ada sehingga lebih mudah dalam memodifikasinya

Inti dari perangkat lunak ini terletak pada bagian analisis RCM. Pada bagian ini terdapat analisis kualitatif dan kuantitatif terhadap suatu kegagalan. Analisis kualitatif, seperti yang terlihat pada Gambar 6, meliputi hasil dari information dan decision worksheet RCM yang ada pada database ketika di-input-kan kegagalan fungsi yang terjadi.

Gambar 6. Proses analisis kualitatif

Analisis kuantitatif meliputi nilai keandalan, laju kerusakan, MTTF, dan interval perawatan sesuai dengan model distribusinya. Gambar 7 menunjukkan flow chart analisis kuantitatif yang ada pada perangkat lunak.

Nilai keandalan Rm(x) berdasarkan nilai keandalan tiap subsistem yang diinginkan user Rs Ekspektasi waktu operasi yang diinginkan

START

Pemanggilan data waktu operasi subsistem (t) Nilai keandalan tiap subsistem yang diinginkan user Rs

Mencari nilai keandalan tiap subsistem berdasarkan waktu operasi Rx(t)

Pemanggilan data waktu operasi komponen Nilai MTTF komponen

Mencari nilai keandalan komponen berdasarkan waktu operasi R(t) Mencari laju kerusakan h(t)

Mencari interval perawatan (u) dan banyaknya perawatan (n)

Mendapatkan nilai Rx(t),R(t),h(t),Rm(x),interval perawatan dan banyaknya perawatan dari suatu bentuk kegagalan

STOP

Gambar 7. Flow chart analisis kuantitatif

Hasil analisis kualitatif dan kuantitatif pada bagian analisis RCM kemudian disimpan pada laporan sebagai history kerusakan dan perawatan Gardu Induk Sukolilo. Dalam bagian ini, pengguna dapat mengetahui kerusakan yang sebelumnya

terjadi dan jadwal perawatannya.

IV. PENGUJIAN SISTEM

Pengujian dilakukan dengan memberikan masukan tertentu pada perangkat lunak, sehingga akan dihasilkan suatu keluaran tertentu. Keluaran yang dihasilkan dari perangkat lunak akan dibandingkan dengan RCM worksheet dan dianalisis secara matematis sehingga dapat diketahui kesesuaiannya.

Pelaksanaan pengujian dilaksanakan dalam kondisi sistem telah terintegrasi secara keseluruhan.

Contoh kasus ketika terjadi kegagalan pada fungsi menurunkan tegangan 150 kV menjadi 20 kV dan bentuk kegagalannya adalah high pressure tank CB yang rusak. Maka pada perangkat lunak akan muncul tampilan seperti pada Gambar 8 berikut.

Gambar 8. Hasil analisis kualitatif untuk kegagalan high pressure tank CB

Setelah memilih kegagalan fungsi yang terjadi, langkah selanjutnya adalah memasukkan nilai keandalan subsistem yang diinginkan (Rs) dan program memunculkan nilai keandalan subsistem Rx(t) dalam rentang waktu operasi (t) Gambar 9.

Gambar 9. Penentuan nilai Rs dan perhitungan nilai Rx(t)

Penyebab gagalnya penurunan tegangan 150kV menjadi 20kV dipengaruhi beberapa faktor. Untuk penentuan penyebab gagalnya penurunan tegangan 150kV menjadi 20kV dapat dilihat pada Gambar 10.

Gambar 10 Penentuan Bentuk Kegagalan

Setelah memasukkan kegagalan fungsi, peralatan yang

mengalami kegagalan, penyebab kegagalan peralatan, dan

bentuk kegagalan yang terjadi, maka perangkat lunak dengan

sendirinya akan memunculkan efek kegagalan, wewenang,

waktu operasi, nilai MTTF, dan tindakan yang harus

dilakukan untuk menangani kegagalan tersebut. Tampilan

(5)

perangkat lunak untuk tahap ini dapat dilihat pada Gambar 11.

Gambar 10 Hasil Analisis Kualitatif Perangkat Lunak RCM

Keluaran analisis kualitatif perangkat lunak RCM berupa efek kegagalan dan kegiatan maintenance yang dilakukan untuk kegagalan menurunkan tegangan listrik 150 kV menjadi 20 kV dan bentuk kegagalan trafo daya yang gagal bekerja akan dibandingkan dengan RCM worksheet yang ada.

Gambar 11 Hasil Analisis Kuantitatif Perangkat Lunak RCM Tabel 1

Hasil perhitungan kegagalan power transformer untuk fungsi kegagalan gagal menurunkan tegangan 150kV menjadi 20kV

Model Hasil perhitungan

Rx(t) = e^(-(0,0023t)^2,4 - (0,0037t)^2,7 -(0,0026t)^2,2 - (0,0015t)^3,05 -(0,0013t)^3,8 -

(0,0013t)^3,1 -(0,0018t)^2,9 - (0,00068t)^2,21 -(0,00077t)^2,23 )x

R

1

(t)

0,874053625

( ) = −(0.00068 )^2.21 0.997136706

ℎ( ) = 0.0015(0.00068 )^1.21 (6.081873517x10)^-5/hari ( ) = ^(1200/ ) ( )( (1200

− (1200/ ) ))

≥ 0.9854

u=54 hari dan n=22 kali

Data kerusakan terbaru, yaitu 104 hari pada contoh kasus kegagalan power transformer untuk fungsi kegagalan gagal menurunkan tegangan 150kV menjadi 20kV.

Secara kuantitatif proritas perawatan pada fungsi kegagalan menurunkan tegangan 150kV menjadi 20kV dapat dilihat pada tabel diatas. Secara berurutan Terminal Plate PMS line menjadi prioritas utama dikarenakan memiliki waktu interval perawatan yang pendek. Sedangkan secara kuantitatif bentuk kegagalan yang mempunyai nilai RPN tertinggi adalah Terminal Plate PMS Line dan Low Pressure Tank CB. Pada tabel yang diberi warna kuning dan biru adalah komponen yang hubungannya adalah OR. Sedangkan yang tidak deibri warna hubungannya AND.

Tabel 2

Tabel Perbandingan Hasil Program RCM dengan RPN Basic Event Interval

Perawatan (hari)

Jumlah Perawatan

RPN

Terminal plate PMS

4 275 240

Lengan kontak PMS

9 127 144

Rotary bearing 10 115 210

Moving contact 13 91 196

Fixed contact 32 37 196

Current transformer

38 31 72

Isolator LA 40 29 180

Power transformer

53 22 96

Isolator PMS 64 18 180

Tripping valve 2.4 (jam) 11603 192

Closing valve 70 17 120

Isolator CB 75 15 144

Ground connector LA

85 14 150

Gas filter CB 26 46 224

High pressure tank

27 44 210

Kompresor 42 28 144

Low pressure tank

43 27 240

Rekomisioning SF6

94 12 120

Line connector LA

144 8 150

Tabel 3

Tabel Perbandingan Hasil Program RCM dengan RPN tanpa pembulatan Basic Event Interval

Perawatan (jam)

Jumlah Perawatan

RPN Terminal plate

PMS

104,727272 275 240

Lengan kontak PMS

226,771165 127 144 Rotary bearing 250,434782 115 210 Moving

contact

316,483517 91 196 Fixed contact 778,378378 37 196 Current

transformer

929,032258 31 72 Isolator LA 993,103448 29 180 Power

transformer

1309,09091 22 96

Isolator PMS 1600 18 180 Tripping valve 2.48211694 11603 192 Closing valve 1694,11765 17 120

Isolator CB 1920 15 144

Ground connector LA

2057,14286 14 150 Gas filter CB 626,086957 46 224 High pressure

tank

654,545455 44 210 Kompresor 1028,57142 28 144 Low pressure

tank

1066,66667 27 240 Rekomisioning

SF6

2400 12 120

Line connector LA

3600 8 150

(6)

V. KESIMPULAN/RINGKASAN

Dari hasil pengujian sistem perangkat lunak RCM disertai analisa kualitatif RPN untuk Gardu Induk Sukolilo Surabaya, dapat diambil kesimpulan bahwa sistem ini dapat mempermudah pengguna dalam menentukan jadwal interval peralatan optimal dengan memperhitungkan keandalan sistem secara keseluruhan. Selain itu, prioritas perawatan dapat dilihat dari nilai RPN tiap komponen. Semakin tinggi nilai RPN,maka semakin tinggi prioritas perawatannya. Sistem ini dapat membantu karyawan atau operator baru dalam memahami dan menjalankan kegiatan perawatan dengan adanya catatan tentang tindakan yang dilakukan dan data history-nya. Dengan penerapan metode RCM, penyebab dan waktu kerusakan aset dapat diprediksi dan keandalan dapat dipertahankan.

Saran untuk penelitian selanjutnya adalah mengembangkan perangkat lunak untuk menghitung rataan sisa umur pakai komponen, biaya apabila terjadi kerusakan, dan memperlengkap data teknis tiap komponen. Selain itu, juga dapat dikembangkan untuk menentukan biaya perawatan yang optimal. Pengembangan juga dapat dilakukan dengan menerapkan program RCM yang mampu digunakan pada sistem dengan konfigurasi dan model distribusi yang berbeda tanpa merubah script program.

UCAPAN TERIMA KASIH

Penulis mengucapkan terima kasih kepada orang tua penulis yang selalu memberikan doa serta dukungan tulus tiada henti, Bapak Prof. Ir. Abdullah Alkaff, M. Sc., Ph.D., dan Ibu Nurlita Gamayanti, S.T., M.T., atas segala bimbingan ilmu, moral, dan spiritual dari awal hingga terselesaikannya penelitian ini. Penulis juga mengucapkan banyak terima kasih kepada angkatan e-48, Himatektro ITS, pegawai Gardu Induk Sukolilo dan semua pihak yang telah membantu baik secara langsung maupun tidak langsung.

DAFTAR PUSTAKA

[1] Moubray, John, “Reliability-Centered Maintenance II”, Industrial Press Inc., New York, 1997.

[2] Siqueira, Iony P., “Software Requirements for Reliability-Centered Maintenance Application”, Proceeding of International Conference on Probabilistic Methods Applied to Power Systems, KTH, Stockholm, Sweden, June, 2006.

[3] Carretero, J., “Study of Existing Reliability-Centered Maintenance

Approaches Used in Different Industries”, Universidad Politecnica de

Madrid, Madrid, 2000.

[4] Alkaff, Abdullah, “Teknik Keandalan dan Keselamatan Sistem”, Jurusan Teknik Elektro FTI-ITS, Surabaya, 1992.

[5] PLN, “Konsep Dasar Gardu Induk”, PLN Press, Jakarta, 2000.

[6] J.M. Cai, X.M, Li, G.H. Yang, “The Risk Priority Number Methodology

for Distribution Priority of Emergency Logistic after Earthquake Disasters”, International Conference on Management Science and

Industrial Engineering,China,2011.

Gambar

Gambar 1. Functional block diagram GI Sukolilo
Gambar 2. Model fault tree Gardu Induk Sukolilo
Gambar 5. Proses kerja perangkat lunak RCM secara umum
Gambar 10 Hasil Analisis Kualitatif Perangkat Lunak RCM

Referensi

Dokumen terkait

Data historis peralatan yang diperoleh dalam penelitian ini adalah berasal dari laporan kegagalan fungsi mesin pada sistem produksi PT Tjipta Rimba Djaja.. Laporan

Penentuan komponen kritis dilakukan untuk memetakan komponen yang dianggap mempunya frekuensi downtime terbesar yang timbul akibat adanya kerusakan pada fungsi dan sistem

Hasil pengolahan data menunjukkan bahwa komponen kritis pada mesin curing berdasarkan frekuensi kerusakan mesin dan total downtime adalah penyebab kegagalan dari

Hasil pengolahan data menunjukkan berdasarkan frekuensi kerusakan mesin dan total downtime tertinggi adalah penyebab kegagalan dari komponen hose dikarenakan

Dengan menerapkan RCM pada sistem penukar panas sekunder dapat: menjaga fungsi peralatan, mengidentifikasi mode kerusakan spesifik dalam bagian-bagian peralatan yang

Analisa keandalan setiap komponen pada sistem bahan bakar merupakan hal yang perlu dilakukan guna mengidentifikasi bgaimana sistem tersebut mengalami kegagalan dengan

Kegagalan dari tiap komponen kritis mesin Press 500 Ton cukup bervariasi, dimana tiap kegagalan dilakukan aktivitas perawatan yang berbeda penanganannya, pada komponen hiraulic

Maka dilakukan penelitian menggunakan metode Reliability Centered Maintenance untuk mengidentifikasi data kerusakan dan perbaikan, penyebab serta pola kegagalan mesin screw press