BAB I PENDAHULUAN 1.1. Latar Belakang

Transkripsi

1 BAB I PENDAHULUAN 1.1. Latar Belakang Tuntutan akan pemenuhan kebutuhan manusia pada masa sekarang semakin meningkat dan hal ini merupakan peluang industri. Perusahaan dituntut untuk memberikan pelayanan terbaik di samping persaingan ketat dan usaha untuk tetap mendapatkan profit. Seiring dengan perkembangan zaman, profit bukan lagi ditentukan di awal untuk menentukan harga, karena harga sudah ditentukan oleh persaingan pasar. Oleh karena itu, untuk tetap mendapatkan profit, perusahaan harus mengurangi biaya (cost) produksi. Salah satu yang dapat dilakukan adalah menekan biaya perawatan dari mesin produksi yang digunakan. Perusahaan yang menggunakan mesin produksi harus memperhatikan masalah perawatan mesin. Hal ini terjadi karena mesin mempunyai tingkat keandalan (reliability) tertentu terhadap fungsi waktu (Ebeling, 1997). Artinya, semakin lama digunakan, sebuah mesin memiliki probabilitas kerusakan semakin besar. Penjadwalan perawatan yang optimal perlu dilakukan agar komponen tidak mengalami breakdown atau perawatan yang dilakukan sebelum waktunya. Oleh karena itu, perawatan perlu dijadwalkan dengan tepat jika perusahaan tidak menginginkan kerugian yang lebih besar (Lee dan Chen, 1998). Perawatan mesin ditujukan untuk menjaga dan atau mengembalikan kondisi mesin agar seperti yang diharapkan (European Standard, 2001). Dengan dilakukan perawatan, diharapkan mesin minimal berfungsi sesuai spesifikasi atau bahkan dapat mengoptimalkan lifetime mesin tersebut. Beberapa hal perlu diperhatikan dalam melakukannya antara lain kondisi mesin (reliability), biaya, target produksi, ketersediaan komponen dan lain-lain (Herjanto dan Eddy, 1999). Beberapa metode dikembangkan untuk mengatasi masalah penjadwalan perawatan di antaranya algoritma FIFO (Dewi dan Endah, 2011), RCM II (Putra, 2008), failure based maintenance (FBM) (Al-Najjar dan Alsyouf, 2003), preventive dan predictive maintenance (Munthe dkk, 2009), analisis downtime dan 1

2 2 availability (Wijaya, 2012), fuzzy logic approach (Sudiarso, 2002). Namun, semua mengasumsikan perawatan yang dilakukan adalah perfect repair, padahal sebagian besar perbaikan yang dilakukan dan bukan replacement jarang menghasilkan kondisi mesin yang kembali seperti baru (Murthy, 1991). Perbaikan yang dihasilkan akan sangat tergantung dari tingkat perbaikan yang dilakukan (Finkelstein, 2008). Dalam kondisi di lapangan, jarang dijumpai perbaikan yang sempurna. Hal yang paling banyak dilakukan adalah imperfect repair, salah satunya dengan minimal repair (Barlow dan Hunter, 1960). Pada aplikasinya, konsep minimal repair menggunakan beberapa metode seperti semi markov chain, petri net, dan lain-lain. Tingkat perbaikan yang dilakukan pada saat perawatan mesin produksi akan mempengaruhi periode perawatan selanjutnya. Kebiasaan seseorang dalam mengklasifikasikan tingkat perbaikan yang telah dilakukan dengan ungkapan bahasa akan mempermudah menentukan periode perawatan daripada langsung menentukan suatu angka karena terdapat batas kabur atau ketidakpastian di dalamnya. Misalnya sebuah mesin dilakukan perbaikan dengan melakukan pengelasan, maka seseorang akan sulit mengatakan seberapa baik pengelasan yang dilakukan dengan angka pasti. Hal yang mungkin dapat dilakukan adalah mengungkapkannya dengan kata seperti baik, sedang, atau buruk. Beberapa metode yang sudah dikembangkan untuk mengatasi ketidakpastian tersebut, antara lain bayesian model (Moura dan Droguett, 2008), MOEA (Multi objective using Evolutionary Algorithm) (Kleeman dan Lamont, 2007), FLASH (Fuzzy logic Application to Scheduling) (Hamzah dkk, 2006). Metode fuzzy logic dapat mengakomodasi ketidakpastian dengan konsep crisp set dalam tahapannya (Maozami dkk, 2011). Metode ini sudah banyak diaplikasikan baik dalam bidang optimasi ataupun di luar itu. Keunggulan dari metode ini adalah mudah dimengerti karena merupakan peniruan dari logika berpikir manusia, flexible, memiliki toleransi terhadap data yang kurang tepat, dan dapat mengaplikasikan pengalaman-pengalaman para pakar (expert judgement) secara langsung pada model yang dibuat.

3 3 Masalah perawatan mesin produksi adalah masalah yang kompleks baik batasan maupun asumsi yang digunakan khususnya terkait untuk mengoptimalkan lifetime, oleh karena itu, dalam penelitian ini akan digunakan metode fuzzy logic yang digabungkan dengan metode minimal repair untuk menjadwalkan perawatan mesin produksi. Hal ini dilakukan agar output yang dihasilkan dapat mengakomodasi ketidakpastian (uncertain condition) dan dapat merepresentasikan tingkat perbaikan nyata yang ada di lapangan Rumusan Masalah Permasalahan yang dikaji dalam penelitian ini antara lain. a. Bagaimana membangun model yang dapat mengakomodasi ketidakpastian (uncertain condition) pada penentuan kondisi mesin dan kondisi perbaikan yang dilakukan untuk menjadwalkan perawatan mesin sehingga dapat mengoptimalkan lifetime mesin produksi? b. Bagaimana model tersebut dapat merepresentasikan sistem nyata yang mengakomodasi ketidakpastian dan tingkat perbaikan as bad as old serta dapat diaplikasikan pada mesin produksi pada perusahaan studi kasus? 1.3. Asumsi dan Batasan Masalah Dalam melakukan penelitian ini, terdapat asumsi dan batasan masalah agar penelitian dapat fokus ke satu topik yang mendalam. Asumsi dan batasan yang digunakan dalam penelitian ini antara lain. a. Penelitian hanya dilakukan pada penjadwalan perawatan mesin di suatu perusahaan yang ditunjuk sebagai studi kasus, namun itu hanya sebagai studi kasus, metode ini diharapkan dapat digunakan dalam bidang penjadwalan perawatan secara menyeluruh. b. Penjadwalan hanya dikhususkan pada penjadwalan perawatan satu mesin kritis yang melibatkan berbagai faktor dalam proses analisisnya dan mengabaikan faktor manusia. c. Data yang diambil dalam kurun waktu yang terbatas dapat merepresentasikan kondisi mesin yang sesungguhnya.

4 Tujuan Penelitian Tujuan dari penelitian ini adalah sebagai berikut. a. Mendapatkan model penjadwalan perawatan mesin dengan metode fuzzy logic untuk mengakomodasi ketidakpastian yang terjadi dan minimal repair untuk merepresentasikan proses perbaikan yang sebenarnya yaitu as bad as old. b. Mendapatkan periode perawatan mesin yang dapat mengoptimalkan lifetime mesin produksi dengan meminimasi breakdown mesin yang akan terjadi agar perusahaan tidak mengalami kerugian akibat hal tersebut Manfaat Penelitian Manfaat yang diharapkan dari penelitian ini adalah dapat mengaplikasikan metode fuzzy logic dan minimal repair secara terintegrasi dengan mengambil keuntungan dari masing-masing metode. Dari metode fuzzy logic dapat diambil keuntungan yaitu dapat mengakomodasi ketidakpastian yang terjadi. Sedangkan dari metode minimal repair dapat diambil keuntungan bahwa metode tersebut dapat memodelkan tingkat perbaikan yang tidak as good as new. Melihat bahwa apabila sebuah mesin sedang dalam top performance dan terjadi kerusakan lalu dilakukan perbaikan, maka butuh waktu untuk mesin kembali ke performa semula. Selain itu, apabila tindakan yang dilakukan adalah perbaikan bukan penggantian komponen, maka jarang sekali perbaikan yang dapat menghasilkan kondisi komponen seperti baru lagi. Penelitian ini juga diharapkan dapat berpengaruh terhadap pengambilan keputusan dalam melakukan perawatan secara berkala atau sesuai dengan jadwal yang menjadi output dari penelitian ini. Perusahaan akan mendapatkan keuntungan karena kerusakan mesin pada saat produksi dapat diminimalisasi. Serta perusahaan dapat melakukan penjadwalan dengan data kerusakan yang baru dengan model yang telah dibuat untuk melakukan penjadwalan perawatan ke depannya.

5 BAB II TINJAUAN PUSTAKA Seiring perkembangan zaman, perusahaan dituntut untuk memenuhi kebutuhan manusia yang semakin meningkat dan beragam dalam waktu yang tepat. Selain itu, banyak perusahaan baru yang bermunculan untuk memanfaatkan peluang itu. Sehingga, perusahaan berusaha memenangkan persaingan dengan berbagai cara antara lain menurunkan biaya produksi, salah satunya biaya maintenance. Keuntungan perusahaan akan maksimal apabila cost untuk perawatan mesin produksi dapat diminimalisir (Yuhua dan Datao, 2005). Perawatan mesin adalah kegiatan untuk menjaga mesin dalam keadaan tertentu atau mengembalikan kondisi mesin agar dapat berfungsi seperti yang diharapkan (European Standard, 2001). Hal ini terjadi karena mesin mempunyai tingkat keandalan (reliability) tertentu terhadap fungsi waktu (Ebeling, 1997). Semakin lama mesin digunakan, maka kemungkinan rusak semakin besar. Oleh karena itu, perawatan merupakan suatu hal wajib bagi perusahaan yang tidak ingin mengalami kerusakan mesin yang tidak direncanakan (Lee dan Chen, 1998). Perawatan mesin harus dilakukan pada waktu yang tepat, agar dapat menghindari breakdown dan perawatan yang tidak diperlukan. Perawatan mesin ini dapat berupa perbaikan atau penggantian komponen (Khatab dkk, 2011). Banyak peneliti yang mengkaji hal tersebut antara lain algoritma FIFO (Dewi dan Endah, 2011), RCM II (Putra, 2008), failure based maintenance (FBM) (Al- Najjar dan Alsyouf, 2003), preventive dan predictive maintenance (Munthe dkk, 2009), analisis downtime dan availability (Wijaya, 2012), fuzzy logic approach (Sudiarso, 2002). Penjadwalan sering menjadi sumber permasalahan bagi sebuah sistem. Hal ini dapat terjadi karena penjadwalan harus mempertimbangkan batasan yang ada (Herjanto dan Eddy, 1999). Dalam perawatan mesin beberapa batasan yang perlu diperhatikan antara lain kondisi mesin (reliability), biaya, target produksi, 5

6 6 ketersediaan komponen dan lain-lain. Seluruh komponen tersebut harus saling mendukung agar tidak menimbulkan kerugian di suatu bagian. Keseluruhan metode yang digunakan dalam penjadwalan perawatan tersebut rata-rata mengasumsikan perawatan yang dilakukan adalah perfect repair. Namun dalam kenyataan hal tersebut jarang dijumpai (Finkelstein, 2008). Dalam bukunya, dijelaskan bahwa perbaikan yang dihasilkan akan sangat tergantung dari kualitas perbaikan (quality of maintenance) yang dilakukan. Akan jarang dijumpai perbaikan yang sempurna. Hal yang paling banyak dilakukan adalah imperfect repair, salah satunya dengan minimal repair (Barlow dan Hunter, 1960). Metode minimal repair adalah sebuah konsep yang dikembangkan untuk memodelkan tingkat perbaikan mesin. Dalam aplikasinya, konsep ini menggunakan beberapa metode seperti semi markov chain, petri net dan lain-lain. Metode ini sudah dilakukan untuk menjadwalkan perawatan mesin berdasarkan optimal age replacement dengan mempertimbangkan berbagai batasan di antaranya cost limit dan random lead time (Chien dan Chen, 2007, Cui dkk, 2004, Khatab dkk, 2011). Model minimal repair ini dibangun dengan menurunkan cumulative density function (CDF) dari time between failure untuk komponen sebuah mesin (Murthy, 1991). Selain masalah tingkat perbaikan yang dihasilkan, permasalahan lain yang muncul dalam penjadwalan perawatan mesin adalah faktor ketidakpastian (uncertainty problem) dari kerusakan mesin itu sendiri. Suatu mesin belum tentu tidak mengalami kerusakan setelah dilakukan perbaikan ataupun pergantian sekalipun (Yuhua dan Datao, 2005). Dalam data kerusakannya, didapatkan interval antara 1 hingga 1600 jam (Widodo, 2013). Hal ini berarti ada kemungkinan 1 jam setelah dilakukan perawatan, mesin akan mengalami kerusakan kembali. Ketidakpastian terletak pada batas yang kabur antara kondisi mesin pada saat mengalami kerusakan dan tingkat perbaikan yang dilakukan pada saat perbaikan mesin. Misalnya nilai keandalan mesin, biaya perawatan, maupun tingkat perbaikan yang dilakukan, seseorang biasanya akan lebih mudah mengklasifikasikan hal tersebut dalam ungkapan bahasa daripada angka pasti.

7 7 Untuk menyelesaikan masalah ketidakpastian tersebut, terdapat beberapa metode yang dapat diaplikasikan. Metode bayesian model dengan semi markov chain dapat diaplikasikan untuk menganalisis availability dari sistem dimana terdapat faktor uncertain di dalamnya (Moura dan Droguett, 2008). Selain itu, metode MOEA (Multi-objective using Evolutionary Algorithm) juga digunakan untuk menjadwalkan flow shop dan job shop di pabrik (Kleeman dan Lamont, 2007). Hamzah dkk. (2006) menggunakan FLASH (Fuzzy logic Application to Scheduling) untuk proyek dengan mengakomodasi ketidakpastian dari setiap durasi proyek yang akan dilakukan. Pembuatan gantt chart penjadwalan juga sudah dilakukan Oke dan Obawa. (2006). Dalam penelitiannya, Oke dan Obawa (2006) menjadwalkan semua kegiatan dengan mempertimbangkan ketidakpastian dari setiap kegiatan yang akan dilakukan. Salah satu metode yang dapat mengakomodasi ketidakpastian adalah fuzzy logic. Metode ini dapat mengakomodasi ketidakpastian dengan konsep crisp set dalam tahapannya (Maozami dkk, 2011). Sejak pertama dipublikasikan pada tahun 1965 hingga saat ini, sudah banyak studi dan aplikasi yang dilakukan mengenai metode fuzzy logic. Seperti yang dilakukan oleh Hsu dkk. (2007) yang mengaplikasikan fuzzy logic yang digabungkan dengan PID (Proportional Integral Derivative) untuk optimasi pada chaotic dynamic system. Dalam penelitian tersebut dilakukan perbandingan antara Adaptive Fuzzy Control (AFC) dan AFC yang digabungkan dengan PID. Dan dari penelitian tersebut didapatkan hasil bahwa AFC yang digabungkan dengan PID memberikan hasil berupa pengurangan fenomena yang tidak menentu dalam proses controlling. Penelitian lain dalam bidang manufaktur juga dilakukan oleh Sudiarso dan Labib (2002) dengan mengaplikasikan metode fuzzy untuk menjadwalkan proses produksi dalam shop floor. Metode ini juga sudah digunakan dalam penelitian mengenai failure probability pada pipa oil and gas company (Yuhua dan Datao, 2005). Dalam penelitian tersebut failure atau kemungkinan kegagalan dianalisis dengan menggunakan failure tree analisis yang digabungkan dengan metode fuzzy. Metode ini digunakan dengan memanfaatkan expert elicitation dari perusahaan yang dijadikan studi kasus. Pengembangan sistem kontrol perawatan

8 8 secara real time juga dilakukan menggunakan konsep fuzzy karena metode konvensinal susah untuk mendapatkan optimal solution (Lu dan Sy, 2008). Dari penelitian terdahulu yang ditinjau pada penelitian ini, sudah banyak metode yang dikembangkan untuk menyelesaikan masalah penjadwalan maupun perawatan mesin dengan menghilangkan asumsi pada tingkat perbaikan sempurna (as good as new). Selain itu, dari tinjauan pustaka ditemukan juga belum terdapat aplikasi dari fuzzy logic untuk menjadwalkan perawatan dari mesin produksi dengan menggunakan pendekatan nyata yaitu tingkat perbaikan yang tidak sempurna (as good as old). Keuntungan menggunakan metode fuzzy logic ini antara lain mudah dimengerti karena merupakan peniruan dari logika berpikir manusia, flexible, memiliki toleransi terhadap data yang kurang tepat, dan dapat mengaplikasikan pengalaman-pengalaman para pakar (expert judgement) secara langsung pada model yang dibuat. Penelitian ini mencoba mengintegrasikan metode dengan pendekatan tersebut untuk penjadwalan perawatan mesin dengan studi kasus langsung pada mesin produksi.