AUTONOMOUS MAINTENANCE UNTUK MENINGKATKAN PRODUKTIVITAS PRODUKSI DI PILOT LINE FACTORY 4

Transkripsi

1 AUTONOMOUS MAINTENANCE UNTUK MENINGKATKAN PRODUKTIVITAS PRODUKSI DI PILOT LINE FACTORY 4 Iwan Budihardjo 1 ; Dian Marisa 2 1 Praktisi Industri, ibudihar@yahoo.com 2 Staf Produksi Industri Manufaktur, PT ASTRA DAIHATSU MOTOR HEAD OFFICE Jln. Gaya Motor III No. 5, Sunter II, Jakarta ABSTRACT Sophisticated machinery can only demonstrate its superiority during the production process, while its operation and maintenance still depend on human skills and a good maintenance system. Total Productive Maintenance (TPM) can be applied to raise company productivity without abandoning scheduled machine maintenance. The purpose of this research is to improve the productivity of production on line stitching. The method used to increase the productivity of production is to calculate Overall Equipment Effectiveness (OEE), using the histogram of downtime, regression equations and correlation, the calculation of the cost of downtime, and analysis of the causes using a Plan, Do, Check, Action (PDCA). The survey results revealed the low productivity of the OEE calculation of 68.12%, due to the often damaged machine and duration of repairs. These in turn is caused by the lack of machinery maintenance, and unavailability of spare-part. To increase the percentage of OEE it is recommended to apply Autonomous Maintenance, building a spare-parts warehouse in every factory, increasing the number of stand-by engines, and provide training on procedures for the use of machinery in accordance with the appropriate Standard Operation Procedures (SOPs). Keywords: productivity, OEE, machine breakdown, TPM, autonomous maintenance ABSTRAK Mesin yang canggih hanya dapat memperlihatkan keunggulannya sebatas dalam proses produksi, sedangkan dalam hal pengoperasian dan pemeliharaannya tetap bergantung pada keahlian dari manusia dan sistem pemeliharaan (maintenance) yang baik. Total Productive Maintenance (TPM) dapat diterapkan untuk meningkatkan produktivitas perusahaan dengan tanpa mengabaikan perawatan mesin yang terencana. Tujuan dari penelitian ini adalah untuk meningkatkan produktivitas produksi pada line stitching. Metode yang digunakan dalam meningkatkan produktivitas produksi adalah dengan menghitung Overall Equipment Effectiveness (OEE), menggunakan histogram terjadinya downtime, persamaan regresi dan korelasi, perhitungan cost downtime, dan analisis penyebab menggunakan Plan, Do, Check, Action (PDCA). Dari hasil penelitian, diketahui bahwa rendahnya produktivitas dari perhitungan OEE, yaitu 68.12%, disebabkan karena mesin sering mengalami kerusakan dan lamanya perbaikan, yang disebabkan penggunaan mesin salah dan kurangnya perawatan terhadap mesin serta tidak tersedianya spare-part. Untuk meningkatkan persentase OEE, disarankan untuk menerapkan Autonomous Maintenance, diadakannya gudang spare-part di setiap factory, menambah jumlah mesin stand-by, dan memberikan pelatihan tentang prosedur penggunaan mesin sesuai dengan Standar Operation Procedures (SOP) yang benar. Kata kunci: produktivitas, OEE, machine breakdown, TPM, autonomous maintenance Autonomous Maintenance untuk (Iwan Budihardjo; Dian Marisa) 19

2 PENDAHULUAN Perkembangan teknologi telah membawa perubahan hampir semua bidang. Salah satunya adalah dunia industri, yang secara langsung melibatkan perkembangan teknologi dalam kegiatan produksinya. Agar mampu berperan dalam persaingan global, maka suatu industri perlu terus mengembangkan dan meningkatkan kualitas dari perusahaan, baik dari segi kualitas sumber daya manusia, kualitas produk, kemampuan produksi, maupun segala sesuatu yang berhubungan dengan kegiatan produksi suatu industri. Sebuah produk yang berkualitas ditentukan dengan bahan yang berkualitas, mesin canggih, dan sumber daya manusia yang berkualitas. Namun, mesin yang sangat canggih sekalipun hanya dapat memperlihatkan keunggulannya sebatas dalam proses produksi, sedangkan dalam hal pengoperasian dan pemeliharaannya tetap bergantung pada keahlian dari manusia dan sistem pemeliharaan (maintenance) yang baik. Total Productive Maintenance (TPM) adalah salah satu maintenance yang mengutamakan peran aktif dari seluruh karyawan dan memberdayakan keahlian dari seluruh karyawan secara efektif, dari level top management sampai ke tingkat operator. Dengan penerapan TPM, akan meningkatkan produktivitas perusahaan dan juga tidak akan mengabaikan perawatan mesin secara baik dan benar (mengawasi dan merawat semua mesin secara terencana). Berdasarkan hasil pengamatan yang dilakukan di perusahaan, diketahui seringnya mesin mengalami kerusakan atau breakdown sehingga mengganggu kelancaran proses produksi dan perusahaan tidak dapat memperoleh target produksi seperti yang telah direncanakan. Lalu, lamanya proses perbaikan mesin sehingga waktu produksi jauh di bawah target kemampuan sebenarnya mesin dapat memproduksi. Hal ini menyebabkan menurunnya tingkat produktivitas. Oleh karena itu, diusulkan langkah-langkah perbaikan yang perlu dilakukan agar dapat meningkatkan produktivitas produksi pada line stitching. HASIL DAN PEMBAHASAN Pengumpulan data merupakan hasil pengamatan selama penelitian yang dilakukan di perusahaan pada Stitching Department, khususnya Direct Line 9. Data yang digunakan dalam penelitian tugas akhir terdiri dari laporan kegiatan dan laporan harian data cacat pada Stitching Department. Data-data yang dibutuhkan di antaranya adalah laporan kegiatan di Stitching Department dan laporan harian data cacat pada line stitching. Data yang diperoleh dari perusahaan adalah data sekunder, yaitu data arsip dan data primer, yaitu data pengamatan langsung, wawancara, dan diskusi dengan pihak bersangkutan dan memiliki pengalaman pada kegiatan proses produksi di Stitching Department, khususnya pada Direct Line 9 yang merupakan Pilot Line. Uji kecukupan data dimaksudkan untuk mengetahui apakah data hasil pengamatan telah memenuhi syarat kecukupan data sehingga sebelum data dianalisis, diperlukan suatu uji kecukupan data. Jumlah pengamatan yang diperlukan untuk tingkat ketelitian 5% dan tingkat keyakinan 95%. Setelah dilakukan perhitungan, maka didapatkan hasil, yaitu N ' = = 141 data. Jadi, data yang dibutuhkan adalah minimal sebanyak 141 data. 20 INASEA, Vol. 10 No.1, April 2009: 19-33

3 Statistika Deskriptif Perhitungan statistika secara deskriptif dengan menggunakan SPSS, dapat dilihat pada Tabel 1 (perhitungan data waktu), Tabel 2 (frekuensi data waktu), dan Gambar 1 (histogram data waktu). Tabel 1 SPSS Perhitungan Data Waktu Statistics downtime N Mean Median Mode Std. Deviation Variance Range Minimum Maximum Sum Percentiles Valid Missing Tabel 2 SPSS Frekuensi Data Waktu downtime Valid Total Cumulative Frequency Percent Valid Percent Percent Autonomous Maintenance untuk (Iwan Budihardjo; Dian Marisa) 21

4 Histogram Frequency downtime Gambar 1 Histogram Data Waktu Mean = Std. Dev. = N = 1,177 Perhitungan Overall Equipment Effectiveness (OEE) Perhitungan OEE dilakukan pada Stitching Department pada Direct Line 9. Perhitungan tersebut dilakukan per bulan berdasarkan laporan kegiatan produksi yang dibuat oleh operator. Setelah dilakukannya perhitungan OEE, didapatkan hasil OEE sebesar 54.53%. Angka tersebut didapat dari perhitungan rumus sebagai berikut. OEE = Availability x Performance Rate x Quality Rate = 85.19% x 65.74% x 97.38% = 54.53%. Sedangkan hasil dari perhitungan availability, performance rate, quality rate, dan OEE dapat dilihat pada Tabel 3. Tabel 3 Summary Hasil Perhitungan Availability Performance Rate Quality Rate OEE September 82.86% 80.56% 96.55% 64.31% Oktober 79.64% 87.57% 95.87% 67.03% November 81.04% 92.11% 95.81% 71.34% Desember 85.17% 83.19% 97.12% 68.52% Januari 78.29% 86.85% 96.50% 65.68% Februari 78.85% 91.03% 94.70% 68.15% Maret 85.29% 87.86% 95.94% 71.82% Pembuatan Histogram Contoh data downtime bulan September 2006 sampai Maret 2007 adalah sebagai berikut (Tabel 4 dan 5). 22 INASEA, Vol. 10 No.1, April 2009: 19-33

5 Tabel 4 Data Jumlah Downtime Bulan September 2006 Tanggal Down Time (menit) Tabel 5 Data Jumlah Downtime Bulan Maret 2007 Tanggal Down Time (menit) Dari data downtime dari bulan September 2006 sampai Maret 2007, diketahui sebanyak 86 data dari 143 data berada di atas standar yang ditetapkan perusahaan. Hal ini menunjukkan lebih dari 50% atau sebesar 60.14% dari downtime yang terjadi menyebabkan rendahnya tingkat ketersediaan mesin sehingga nilai OEE yang dihasilkan masih rendah. Dengan demikian, perlu diketahui hal-hal apa saja yang menyebabkan seringnya terjadi downtime dan perbaikan apa yang Autonomous Maintenance untuk (Iwan Budihardjo; Dian Marisa) 23

6 harus dilakukan. Untuk itu, digunakan diagram PDCA yang akan dijabarkan pada sub-sub bab berikutnya. Regresi Linear dan Korelasi Tujuan dari dilakukannya pengolahan data dengan regresi linear dan korelasi adalah untuk mengetahui apakah terjadinya jumlah downtime yang besar disebabkan oleh banyaknya jumlah cacat yang terjadi selama proses produksi. Berikut adalah perhitungan untuk mencari persamaan regresi linear dan korelasi antara jumlah cacat dengan besarnya jumlah downtime (Tabel 6-9). Tabel 6 Tabel Jumlah Cacat dan Downtime 24 INASEA, Vol. 10 No.1, April 2009: 19-33

7 Tabel 7 Tabel Jumlah Cacat dan Downtime Jumlah Cacat Down Time (Xi) (Yi) XiYi Xi² Yi² Autonomous Maintenance untuk (Iwan Budihardjo; Dian Marisa) 25

8 Tabel 8 Tabel Jumlah Cacat dan Downtime Jumlah Cacat Down Time (Xi) (Yi) XiYi Xi² Yi² INASEA, Vol. 10 No.1, April 2009: 19-33

9 Tabel 9 Tabel Jumlah Cacat dan Downtime Jumlah Cacat Down Time (Xi) (Yi) XiYi Xi² Yi² Dengan demikian, hasil perhitungan regresi linear diperoleh nilai a = dan b = , maka persamaan regresinya adalah Ŷ = x. a menyatakan intersep atau perpotongan dengan sumbu tegak, dan b adalah kemiringan atau gradiennya. Untuk perhitungan korelasi, diperoleh nilai r = , maka r 2 = Koefisien korelasi determinasi r 2 = , yang artinya pengaruh variabel X terhadap naik turunnya Y adalah 0.87%, sedangkan 99.13% disebabkan faktor lainnya. Cost Downtime Untuk mengetahui jumlah kerugian biaya yang harus ditanggung oleh perusahaan karena terjadinya downtime, maka dilakukan perhitungan di bawah ini. Data yang digunakan untuk menghitung cost downtime adalah total downtime per menit, yang sebelumnya dikonversikan ke dalam satuan jam karena penentuan biaya kerugian yang ditetapkan oleh perusahaan dalam satuan jam. Berikut adalah contoh dari salah satu perhitungan (Tabel 10). Tabel 10 Cost Downtime September 2006 Autonomous Maintenance untuk (Iwan Budihardjo; Dian Marisa) 27

10 Contoh Perhitungan: (01/09/06) Cost Downtime = Total Worker * Time Stopped * Cost/Jam 80menit = 6 * * Rp5300 = Rp ,00 60menit Berikut adalah hasil perhitungan dari Tabel 10. Pertama, September 2006; Total kerusakan mesin adalah 169 mesin; Total cost downtime adalah Rp 1,505, Kedua, Oktober 2006; Total kerusakan mesin adalah 167 mesin; Total cost downtime adalah Rp 1,765, Ketiga, November 2006; Total kerusakan mesin adalah 192 mesin; Total cost downtime adalah Rp 1,719, Keempat, Desember 2006; Total kerusakan mesin adalah 125 mesin; Total cost downtime adalah Rp 1,078, Kelima, Januari 2007; Total kerusakan mesin adalah 202 mesin; Total cost downtime adalah Rp 2,018, Keenam, Februari 2007; Total kerusakan mesin adalah 184 mesin; Total cost downtime adalah Rp 1,914, Ketujuh, Maret 2007; Total kerusakan mesin adalah 139 mesin; Total cost downtime adalah Rp 1,078, Dari jumlah kerusakan mesin setiap bulannya, diketahui rata-rata kerusakan mesin dalam satu bulan, yaitu 168 mesin. Untuk rata-rata downtime adalah menit per hari. Hasil Pengolahan Data Keseluruhan Untuk mengidentifikasi penyebab rendahnya persentase OEE yang disebabkan faktor mesin pada bagian Stitching Department di perusahaan. Hal ini dapat dilihat pada diagram PDCA (Gambar 2) serta langkah penyelesaiannya secara singkat pada dapat dilihat pada Tabel 5W + 1H (Tabel 11). FORMAT LAPORAN PERMASALAHAN (PDCA) Nama : Direct Line 9 Tema : Mengurangi downtime mesin Supervior : Tanggal : 02 April 2007 Manager : PERMASALAHAN SOLUSI Standard Downtime 90 menit/hari Jangka pendek Setting gama sesuai standar Situasi saat ini Rata-rata downtime 99 menit/hari, dengan Jangka Panjang Autonomous Maintenance downtime terbesar 185 menit pada tanggal 14 Maret 2007 Perbedaan 9 menit/hari Sejak kapan terjadi 01 September 2006 Mengapa direkomendasikan Dampak Rendahnya produktivitas dan terjadi cost downtime Mengurangi downtime dan menjaga kebersihan mesin, sehingga diharapkan pula dapat mengurangi cost downtime yang ditimbulkan TUJUAN PENERAPAN APA SIAPA KAPAN DIMANA Status Apa Meminimasi downtime mesin 1. Setting gama Mekanik April Direct Line 9 ok Mengurangi cost downtime yang ditimbulkan 2. Asah gama Mekanik April Direct Line 9 ok Dimana Direct Line 9 3. Membersihkan gama Mekanik April Direct Line 9 ok Berapa 99 menit/hari menjadi 90 menit/hari untuk downtime mesin 4. Penerapan Autonomous TPM April Direct Line 9 75% Kapan 02 April 2007 Maintenance dan memantau AM ANALISIS PENYEBAB TINDAK LANJUT Metode Pemeriksaan : GEMBA Frekuensi Pemeriksaan : Sebulan sekali Siapa yang memeriksa : TPM Coordinator Waktu (menit) Grafik Pengamatan Sebelum AM April Mei Target Aktual Tindakan yang disarankan: Terus melakukan penerapan AM dan memantau AM Gambar 2 Diagram Plan, Do, Check, Action (PDCA) 28 INASEA, Vol. 10 No.1, April 2009: 19-33

11 Tabel 11 Rencana Perbaikan Masalah dengan 5W + 1H Why What Where When Who How Jenis Mengapa perlu Apa rencana Dimana lokasi diada- Kapan akan Siapa yang akan Bagaimana cara dilakukan perbaikan perbaikannya kannya perbaikan dilakukan perbaikan melakukan perbaikan memperbaiki Mesin * Setting mesin Untuk meminimasi Setting gama Pada Direct Line 9 02 April 2007 Mekanik, operator, * Mekanik, operator, salah downtime, sehingga Asah gama line stitching dan Maintenance dan Maintenance * Gama tumpul tingkat kesiapan mesin Membersihkan gama melakukan 7 Langkah * Gama kotor mesin dalam beroperasi Penerapan Autonomous Perawatan Mandiri (AM) * Tidak ada stock menjadi lebih baik dan Maintenance dan memantau * Maintenance menghitung spare-part dapat mengurangi pelaksanaan AM life time mesin, dengan kerugian biaya yang menghitung life time ditimbulkan mesin dapat diketahui kapan spare- part harus diganti, sehingga dapat diketahui berapa stock spare-part yang dibutuhkan Untuk melihat tingkat keefektifan dari Autonomous Maintenance yang dijalankan agar dapat meningkatkan persentase OEE pada perusahaan, maka dilakukan pengumpulan data untuk bulan April dan Mei Berdasarkan data yang diperoleh, dilakukan perhitungan OEE dengan hasil sebagai berikut (Tabel 12, Tabel 13, Gambar 3, dan, Gambar 4). Tabel 12 Perhitungan OEE Bulan April 2007 A B C D E F G H I J K OVERALL Waktu Stop Loading Down Time Actual Process Time Availability Total Total Ideal Cycle Performance Quality EQUIPMENT Tersedia Diijinkan Time (Stop Line) (Operating Time) Produksi No Good Time Rate Rate EFFECTIVENESS A - B C - D E / C (I x G) / E (G - H) / G F x J x K (menit) (menit) (menit) (menit) (menit) % (pieces) (pieces) (menit) % % % % % 96.69% 70.60% % % 96.58% 79.25% % % 95.81% 73.07% % % 96.30% 78.64% % % 96.29% 76.35% % % 97.00% 69.78% % % 95.19% 71.77% % % 95.68% 75.66% % % 95.87% 81.15% % % 97.27% 69.22% Gambar 3 Overall Equipment Effectiveness per hari pada Direct Line 9 Bulan April 2007 Tabel 13 Perhitungan OEE Bulan Mei 2007 Autonomous Maintenance untuk (Iwan Budihardjo; Dian Marisa) 29

12 Gambar 4 Overall Equipment Effectiveness per hari pada Direct Line 9 Bulan Mei 2007 Tabel 14 Cost Downtime April INASEA, Vol. 10 No.1, April 2009: 19-33

13 Tabel 15 Cost Downtime Mei 2007 Dari perhitungan pada Tabel 14 dan 15, dapat dilihat bahwa Autonomous Maintenance cukup efektif apabila dilakukan secara kontinu karena cost downtime yang ditimbulkan menurun. Begitu pula jumlah downtime yang mengalami penurunan dari bulan-bulan sebelumnya. Hasil keseluruhan dari Autonomous Maintenance dapat dilihat pada Tabel 16, Gambar 5, dan Gambar 6 di bawah ini. Tabel 16 Hasil Autonomous Maintenance pada Stitching Department Direct Line 9 Sebelum Setelah AM AM April Mei Availability 81.59% 85.44% 86.78% Performance Rate 87.02% 91.05% 90.10% Quality Rate 96.07% 96.85% 97.15% OEE 68.12% 75.32% 75.94% Autonomous Maintenance untuk (Iwan Budihardjo; Dian Marisa) 31

14 Grafik Hasil Penelitian % 80.00% Persentase 60.00% 40.00% 20.00% 0.00% Availability Performance Rate Quality Rate OEE Sebelum AM (Sept'06-Mar'07) Setelah AM (April'07) Setelah AM (Mei'07) Gambar 5 Grafik Hasil Autonomous Maintenance pada Stitching Department Direct Line 9 Total Cost Downtime Rp2,500, Rp2,000, Cost Downtime Rp1,500, Rp1,000, Rp500, Rp0.00 September Oktober November Desember Januari Februari Maret April Mei Bulan Grafik 4.19 Total Cost Downtime Stitching Department Direct Line 9 Gambar 6 Grafik Total Cost Downtime Stitching Department Direct Line 9 Dari tabel dan grafik tersebut (Tabel 16, Gambar 5, dan Gambar 6), dapat dilihat jika Autonomous Maintenance terus dijalankan dengan baik, maka tidak mustahil standar yang ditetapkan JIPM dapat dicapai oleh perusahaan. SIMPULAN Pengukuran keefektifan penggunaan peralatan/mesin dengan menggunakan Overall Equipment Effectiveness (OEE), secara aktual selain dapat memberikan informasi bulanan mengenai seberapa besar keefektifan penggunaan peralatan/mesin yang sedang berjalan, juga memberikan suatu dasar dalam memperbaiki penggunaan peralatan/mesin. Berdasarkan pengumpulan dan pengolahan data selama periode September sampai Desember 2006 dan Januari sampai Maret 2007, didapat persentase nilai Availability, Performance Rate, Quality Rate, dan Overall Equipment Effectiveness (OEE) untuk Direct Line 9, yaitu Availability sebesar 90%, Performance Rate sebesar 95%, Quality Rate sebesar 99%, dan OEE sebesar 85%. Setelah dilakukannya analisis dengan menggunakan diagram PDCA, untuk 32 INASEA, Vol. 10 No.1, April 2009: 19-33

15 mengetahui penyebab-penyebab dari rendahnya produktivitas sehingga terjadi cost downtime, yang disebabkan dari faktor mesin adalah seringnya mesin mengalami kerusakan karena setting mesin salah, gama tumpul, gama kotor, dan gama bergeser; sedangkan lamanya waktu perbaikan disebabkan tidak adanya stock spare-part. Untuk memperbaiki tingkat produktivitas dilakukan perbaikan jangka pendek, yaitu melakukan setting gama sesuai standar, mengasah gama, membersihkan gama, dan untuk jangka panjang dengan Autonomous Maintenance. Persentase nilai OEE setelah dilakukannya Autonomous Maintenance adalah 75.32% untuk bulan April 2007 dan 75.94% untuk bulan Mei Dengan Availability 85.44%, Performance Rate 91.05%, dan Quality Rate 96.85% pada bulan April 2007; sedangkan pada bulan Mei 2007 memiliki Availability sebesar 86.78%, Performance Rate 90.10%, dan Quality Rate 97.15% sehingga didapatkan Cost Downtime setelah dilakukan Autonomous Maintenance, yaitu sebesar Rp 1,066, pada bulan April 2007 dan Rp 849, pada bulan Mei DAFTAR PUSTAKA Gaspersz, V. (2007). Lean six sigma for manufacturing and service industries, Jakarta: PT Gramedia Pustaka Utama. Nakajima, S. (1989). TPM development program, implementing total productive maintenance, Japan: Japan Institute of Plant Maintenance. PT Pratama Abadi Industri. (2007). Improving equipment maintenance, (untuk kalangan sendiri), NOS Training. Robinson, J.C. (1995). Implementing TPM the north american experience, Oregon: Productivity Press Portland. Autonomous Maintenance untuk (Iwan Budihardjo; Dian Marisa) 33