PERHITUNGAN OEE (OVERALL EQUIPMENT EFFECTIVENES) PADA MESIN TRUPUNCH V 5000 I MENUJU TOTAL PRODUCTIVE MAINTENANCE (TPM) Study Kasus Pada PT XYZ

Transkripsi

1 PERHITUNGAN OEE (OVERALL EQUIPMENT EFFECTIVENES) PADA MESIN TRUPUNCH V 5000 I MENUJU TOTAL PRODUCTIVE MAINTENANCE (TPM) Study Kasus Pada PT XYZ Muhammad Kholil (1), Rudini Mulya (2) Program Studi Teknik Industri Universitas Mercubuana Jakarta 1) m.kholil@mercubuana.ac.id, 2) rudinimenteri@gmail.com Abstrak Penelitian ini dilakukan bertujuan untuk merumuskan efektivitas dan efisiensi kinerja dari mesin Trupunch V 5000 I di PT. XYZ berdasarkan nilai Overall Equipment Effectiveness (OEE). Faktor yang mempengaruhi penurunan efektivitas peralatan disebut Six Big, yaitu Breakdown Loss, Set Up/Adjustment Loss, Idling and Minor Stoppages, Reduce speed losses, Yield/Scrap, Rework.Pada laporan skripsi ini Penulis menerapkan metode Overall Equipment Effectiveness (OEE) untuk mengetahui efektivitas dan efisiensi kinerja dari mesin Trupunch V 5000 I. Dalam penelitian ini dilakukan pengumpulan data dengan mengambil data kerusakan mesin Trupunch V 5000 I dan mengolah data seperti mencari nilai OEE, korelasi dan regresi serta menggunakan diagram fishbone.berdasarkan dari hasil peritungan OEE faktor Six Big yang memberikan kontribusi terbesar pada mesin Trupunch V 5000 I adalah Reduce Speed dengan rata-rata nilai sebesar 28,97%, diikuti dengan Yield/Scrap sebesar 16,39%, diikuti dengan Idling and Minor Stoppages sebesar 7,67%, diikuti dengan Set Up/Adjustment Loss sebesar 2,93 %, dikiuti dengan breakdown losses sebesar 2,53 % dan rework losses sebesar 0,69 %. Kata Kunci: Mesin Trupunch V 5000 I, Overall Equipment Effectiveness (OEE), Six Big, Regresi dan Korelasi. Abstrac This study was aimed to formulate the effectiveness and efficiency of the performance of the engine V 5000 I Trupunch in PT. XYZ based on the value of Overall Equipment Effectiveness (OEE). Factors affecting the decline in effectiveness of equipment called the Six Big, namely Breakdown Loss, Set Up / Loss Adjustment, Idling and Minor Stoppages, Reduce speed losses, Yield / Scrap, Rework.This paper reports on the authors apply the method of Overall Equipment Effectiveness (OEE) to examine the effectiveness and efficiency of the performance of the engine V 5000 Trupunch I. In this research, data collection by retrieving data Trupunch V 5000 engine failure and process the data as I find the value of OEE, correlation and regression, and using fishbone diagrams.based on the results peritungan Six Big OEE factors that contribute most to the machine I was Trupunch V 5000 Speed Reduce with an average value of 28.97%, followed by Yield / Scrap amounted to 16.39%, followed by idling and Minor Stoppages by 7.67%, followed by Set Up / Loss Adjustment for 2.93%, breakdown dikiuti with losses of 2.53% and rework losses of 0.69%. Keywords: Mechanical Trupunch V 5000 I, Overall Equipment Effectiveness (OEE), Six Big, Regression and Correlation. 1

2 1 PENDAHULUAN 1.1 LATAR BELAKANG Usaha perbaikan pada industri manufaktur, dilihat dari segi peralatan adalah dengan meningkatkan efektivitas mesin/peralatan yang ada seoptimal mungkin. Pada prakteknya, seringkali usaha perbaikan yang dilakukan tersebut hanya pemborosan, karena tidak menyentuh akar permasalahan yang sesungguhnya. Hal ini disebabkan karena tim perbaikan tidak mendapatkan dengan jelas permasalahan yang terjadi dan faktor-faktor yang menyebabkannya. Untuk itu diperlukan suatu metode yang mampu mengungkapkan permasalahan dengan jelas agar dapat melakukan peningkatan kinerja peralatan dengan optimal. 1.2 Perumusan Masalah Berdasarkan uraian latar belakang masalah di atas, perumusan masalah yang menjadi objek kajian dalan penelitian ini adalah sebagai 1. Bagaimanakah efektivitas dan efisiensi kinerja dari mesin Trupunch V 5000 I di PT. XYZ berdasarkan nilai Overall Equipment Effectiveness (OEE)? 2. Faktor apa yang memberikan kontribusi terbesar terhadap nilai OEE dari six big losses pada mesin Trupunch V 5000 I? 3. Bagaimana solusi perbaikan yang dapat dilakukan PT. XYZ dengan menggunakan diagram sebab akibat? 1.3 Batasan Masalah Pembahasan terhadap suatu masalah yang dikemukakan harus ada suatu pembatasan agar ruang lingkupnya tidak menyimpang, terarah dan mudah dipahami sehingga tujuan dari kerja praktek dapat tercapai dengan optimal. Adapun batasan batasan masalah dalam penelitian ini adalah sebagai 1. Penelitian yang dilakukan tidak sampai pada perhitungan biaya. 2. Penelitian yang dilakukan hanya sampai pada pemberian usulan perbaikan. 3. Pendefinisian permasalahan utama dilakukan dengan menggunakan diagram sebab akibat. 1.4 Tujuan Penelitian Tujuan dari penelitian ini adalah sebagai 1. Merumuskan efektivitas dan efisiensi kinerja dari mesin Trupunch V 5000 I di PT. XYZ berdasarkan nilai Overall Equipment Effectiveness (OEE). 2. Untuk merumuskan faktor-faktor yang memberikan kontribusi terbesar terhadap nilai OEE dari six big losses pada mesin Trupunch V 5000 I. 3. Untuk mengetahui solusi perbaikan yang dapat dilakukan PT. XYZ dengan menggunakan diagram sebab akibat? 2. Landasan Teori 2.1 Pemeliharaan Menurut Patrick (2001, p407), maintenance adalah suatu kegiatan untuk memelihara dan menjaga fasilitas yang ada serta memperbaiki, melakukan penyesuaian atau penggantian yang diperlukan untuk mendapatkan suatu kondisi operasi produksi agar sesuai dengan perencanaan yang ada. 2.2 Productive Maintenance (TPM) Productive Maintenance mula mula berasal dari pemikiran PM ( Preventive Maintenance dan Production Maintenance), dari Amerika masuk ke Jepang dan berkembang menjadi suatu sistem baru khas Jepang yang kemudian dikenal sebagai TPM ( Productive Maintenance). Productive Maintenance adalah konsep pemeliharaan yang melibatkan seluruh pekerja yang bertujuan mencapai efektifitas pada seluruh sistem produksi melalui partisipasi dan kegiatan pemeliharaan yang produktif, proaktif, dan terencana. [Suzaki Kyoshi, 1999] 2.3 Overall Equipment Effectiveness Overall Equipment Effectiveness (OEE) merupakan metode yang digunakan sebagai alat ukur dalam penerapan program TPM guna menjaga peralatan pada kondisi ideal dengan menghapuskan six big losses peralatan. Pengukuran OEE ini didasarkan pada pengukuran tiga rasio utama, yaitu: 1. Availability Ratio Availability ratio merupakan suatu rasio yang menggambarkan pemanfaatan waktu yang tersedia untuk kegiatan operasi mesin atau peralatan. Dengan demikian formula yang digunakan untuk mengukur availability ratio adalah: Availability = x 100 % Availability = x 100 % time adalah waktu yang tersedia (available time) perhari atau perbulan dikurangi dengan waktu downtime mesin yang direncanakan (planned downtime). = Available Planned Downtime 2

3 Operation time merupakan hasil pengurangan loading time dengan waktu downtime mesin (non-operation time). Dengan kata lain, operation time adalah waktu operasi yang tersedia setelah waktu-waktu downtime mesin dikeluarkan dari total available time yang direncanakan. 2. Performance Ratio Performance ratio merupakan suatu ratio yang menggambarkan kemampuan dari peralatan dalam menghasilkan barang. Tiga faktor penting yang dibutuhkan untuk menghitun performance efficiency adalah: a. Ideal cycle time (waktu siklus ideal) b. Processed amount (jumlah produk yang diproses) c. Operation time (waktu operasi mesin) Formula pengukuran rasio ini adalah: Performance Rate (P) = x 100 % 3. Quality Ratio atau Rate of Quality Product. Quality ratio atau rate of quality product merupakan suatu rasio yang menggambarkan kemampuan peralatan dalam menghasilkan produk yang sesuai dengan standar. Formula yang digunakan untuk pengukuran rasio ini adalah: Rate of quality = x 100 % 2.4 Enam Kerugian Utama(Six Big ). Tujuan dari perhitungan six big losses ini adalah untuk mengetahui nilai efektivitas keseluruhan (Overall Equipment Effectiveness / OEE). Dari nilai OEE ini dapat diambil langkah-langkah untuk memperbaiki atau mempertahankan nilai tersebut. Keenam kerugian tersebut dapat digolongkan menjadi tiga macam, yaitu: 1. Downtime, terdiri dari : a. Breakdown /Equipment Failures adalah kerusakan mesin/peralatan yang tiba-tiba atau kerusakan yang tidak diinginkan tentu saja akan menyebabkan kerugian, karena kerusakan mesin akan menyebabkan mesin tidak beroperasi menghasilkan output. Hal ini akan mengakibatkan waktu yang terbuang siasia dan kerugian material serta produk cacat yang dihasilkan semakin banyak. Breakdown = x 100% b. Setup and Adjusment /kerugian karena pemasangan dan penyetelan, semua waktu set up termasuk waktu penyesuaian (adjustment) dan juga waktu yang dibutuhkan untuk kegiatan-kegiatan pengganti satu jenis produk ke jenis produk berikutnya untuk proses produksi selanjutnya. Set up/adjusment = 2. Speed Loss, terdiri dari : a. Idling and Minor Stoppage disebabkan oleh kejadian-kejadian seperti pemberhentian mesin sejenak, kemacetan mesin, dan idle time dari mesin. Kenyataannya, kerugian ini tidak dapat dideteksi secara langsung tanpa adanya alat pelacak. Idling and minor stoppages losses = b. Reduced Speed adalah kerugian karena mesin tidak bekerja optimal (penurunan kecepatan operasi) terjadi jika kecepatan aktual operasi mesin/peralatan lebih kecil dari kecepatan optimal atau kecepatan mesin yang dirancang. Reduce speed losses = 3. Defect Loss, terdiri dari : a. Rework adalah kerugian yang disebabkan karena adanya produk cacat maupun karena kerja produk diproses ulang. Produk cacat yang dihasilkan akan mengakibatkan kerugian material, mengurangi jumlah produksi, biaya tambahan untuk pengerjaan ulang dan limbah produksi meningkat. Rework = b. Reduced Yield adalah kerugian waktu dan material yang timbul selama waktu yang dibutuhkan oleh mesin/peralatan untuk menghasilkan produk baru dengan kualitas produk yang telah diharapkan. Kerugian yang timbul tergantung pada faktor-faktor seperti keadaan operasi yang tidak stabil, tidak tepatnya penanganan dan pemasangan mesin/peralatan ataupun operator tidak mengerti dengan kegiatan proses produksi yang dilakukan. Reduced Yield = x 100% 3

4 5. Identifikasi penyebab-penyebeb sekunder yang mempengaruhi penyebab utama dan tuliskan pada tulang ikan yang lebih kecil. 6. Analisis sebab-sebab timbulnya permasalahan dan kemudian diambil tindakan korektifnya untuk perbaikan. Diagram 2.1 Hubungan Antara Enam Kerugian Besar Dalam Peralatan & Keefektifan Seluruh Peralatan 2.5 Fishbone Diagram / Diagram Sebab Akibat Instrumen dasar dalam peningkatan kualitas yang lain adalah diagram Ishikawa. Dinamakan Ishikawa sesuai dengan nama penemunya yang berasal dari negara jepang yang bernama Kaaru Ishikawa pada tahun Diagram Ishikawa juga dikenal sebagai diagram sebab akibat atau Fishbone. Fungsi dasarnya adalah untuk mengidentifikasi dan mengorganisasi penyebab-penyebab yang mungkin timbul dari suatu efek spesifik dan kemudian memisahkan akar penyebabnya. Diagram Fishbone terdiri dari 2 macam yaitu: 1. Standar Fishbone: mengidentifikasi penyebab-penyebab yang mungkin dari suatu masalah yang tidak diinginkan dan bersifat spesifik. 2. Diagram fishbone terbalik: mengidentifikasi tindakan yang harus dilakukan untuk menghasilkan efek atau hasil yang diinginkan. Langkah-langkah dalam pembuatan diagram sebab akibat atau fishbone adalah sebagai berikut: 1. Definisikan masalah yang ada, langkah ini dapat menggunakan dari hasil diagram pareto. 2. Gambarkan kotak masalah (kepala ikan) dan panah utama serta garis-garis samping (tulang ikan) 3. Tuliskan pernyataan masalah tersebut pada kepala ikan yang merupakan akibat. 4. Spesifikasi kategori utama yang merupakan sumber-sumber penyebab timbulnya masalah dan tuliskan pada tulang ikan. Diagram 2.2 Contoh Fishbone Berikut ini manfaat fishbone diagram: 1. Merupakan alat yang luar biasa untuk mengumpulkan ide dan input-input kelompok, merupakan metode dasar dari brainstorming terstruktur. 2. Dengan mengelompokan penyebabpenyebab yang mungkin, maka kelompok dapat memikirkan banyak kemungkinan ketimbang hanya memfokuskan pada beberapa area tipikal. 3. Membantu dimulainya fase analyze. Dengan menggunakan fishbone diagram, maka dapat digunakan untuk mengidentifikasi beberapa penyebab dengan lebih fokus untuk memulai analisis proses dan data. Fishbone diagram juga membawa kita kembali ke isu variasi. Kita perhatikan bahwa sebuah proses memiliki dua tipe variasi. Selanjutnya akar-akar penyebab masalah yang ditemukan dimasukan ke dalam fishbone diagram yang telah mengkategorikan sumbersumber penyebab berdasarkan prinsip 7M, yaitu: 1. Manpower (tenaga kerja), yaitu berkaitan dengan kekurangan dalam pengetahuan, kekurangan dalam keterampilan dasar yang berkaitan dengan mental dan fisik, kelelahan, stress, ketidakpedulian dan lainlain. 2. Machines (mesin-mesin) dan peralatan, yaitu berkaitan dengan tidak ada sistem perawatan preventif terhadap mesin-mesin produksi, termasuk fasilitas dan peralatan lain, tidak sesuai dengan spesifikasi tugas, tidak dikalibrasi dan lain-lain. 4

5 3. Methods (Metode kerja), yaitu berkaitan dengan tidak ada prosedur dan metode kerja yang benar, tidak jelas, tidak diketahui, tidak terstandarisasi, tidak cocok dan lain-lain. 4. Materials (bahan baku dan bahan pendukung), yaitu berkaitan dengan ketiadaan spesifikasi kualitas dari bahan baku dan bahan pendukung yang digunakan, ketiadaan penanganan yang efektif terhadap bahan baku dan bahan pendukung tersebut dan lain-lain. 5. Media, yaitu berkaitan dengan tempat dan waktu kerja yang tidak memperhatikan aspek-aspek kebersihan, kesehatan, keselamatan kerja, kekurangan lampu penerangan, ventilasi yang buruk dan lainlain. 6. Motivation (motivasi), yaitu berkaitan dengan ketiadaan sikap kerja yang benar dan professional, yang dalam hal ini disebabkan sistem balas jasa dan penghargaan yang tidak adil kepada tenaga kerja. 7. Money (keuangan), yaitu berkaitan dengan ketiadaan dukungan financial (keuangan) yang cukup guna memperlancar proses pembuatan produk yang berkualitas (Gaspersz, 2002:241). 2.6 Regresi Analisa Regresi digunakan untuk mempelajari dan mengukur hubungan statistik yang terjadi antara dua atau lebih variabel. Dalam analisa regresi, suatu persamaan regresi hendak ditentukan dan digunakan untuk menggambarkan pola atau fungsi hubungan yang terdapat antar variabel. Sumbu Y : variabel terikat (variabel yang akan diestimasi nilainya) Sumbu X : variabel bebas (variabel yang diasumsikan member pengaruh terhadap variasi variabel terikat) Untuk mempelajari hubungan hubungan antara variabel bebas maka regresi linier terdiri dari dua bentuk, yaitu: 1. Analisis regresi sederhana (Simple analysis regresi) 2. Analisis regresi berganda (Multiple analysis regresi). 2.7 Korelasi Korelasi adalah derajat hubungan linier antara dua variabel atau lebih dari data hasil pengamatan. Dua variabel dikatakan berkorelasi apabila perubahan dalam satu variabel diikuti oleh perubahan variabel lain, baik yang searah maupun tidak. Hubungan antara variabel dapat dikelompokkan menjadi tiga jenis : 1. Korelasi positif, terjadi apabila perubahan antara variabel yang satu diikuti oleh variabel lainnya dengan arah yang sama (berbanding lurus). Artinya apabila variabel yang satu meningkat, maka akan diikuti peningkatan variabel lainnya. 2. Korelasi negatif, terjadi korelasi negatif apabila perubahan antara variabel yang satu diikuti oleh variabel lainnya dengan arah yang berlawanan (berbanding terbalik). Artinya apabila variabel yang satu meningkat, maka akan diikuti penurunan variabel lainnya. 3. Korelasi nihil, terjadi korelasi nihil apabila perubahan antara variabel yang satu diikuti oleh variabel lainnya dengan arah yang tidak teratur (acak). Artinya apabila variabel yang satu meningkat, kadang diikuti dengan peningkatan pada variabel lain dan kadang diikuti dengan penurunan pada variabel lain. Analisa korelasi digunakan untuk mengukur seberapa kuat atau derajat kedekatan, suatu relasi yang terjadi antar variabel, dengan keterangan interval kekuatan hubungan sebagai berikut (Sugiyono) : Tabel 2.1 Interval Kekuatan Interval Kekuatan Keterangan 0 Tidak ada korelasi 0,00-0,25 Korelasi sangat lemat 0,25-0,50 Korelasi cukup 0,50-0,75 Korelasi kuat 0,75-0,99 Korelasi sangat kuat 1 Korelasi sempurna Gambar 2.2 Beberapa Bentuk Diagram Pancar 5

6 3 Metodologi Penelitian Pada bagian ini akan dijelaskan langkahlangkah yang digunakan untuk memecahkan suatu masalah agar hasil penelitian sesuai dengan tujuan yang telah ditetapkan. Diagram 3.1 Alir Penelitian 4 Pengolahan dan Pengumpulan Data 4.1 Data Produksi Tabel 0.1 Data Produksi Box Panel November Juni 2013 Produksi Panel Box Product Rework Scrap Nov Des Jan Feb Mar Apr Mei Jun Waktu downtime adalah waktu yang terbuang karena mesin tidak beroperasi seperti yang seharusnya sehingga menghentikan proses produksi yang telah direncanakan misalnya seperti terjadi kerusakan atau gangguan pada mesin sehingga mesin tidak dapat beroperasi. Data waktu downtime dapat dilihat pada tabel 4.2. Tabel 0.2 Data Waktu Kerusakan (Breakdown) Mesin Trupunch V 5000 I Set up Breakdown Downtime Nov-12 14,00 12,20 26,20 Des-12 14,57 11,48 26,15 Jan-13 19,17 4,00 23,17 Feb-13 11,50 16,00 27,50 Mar-13 12,43 18,00 30,43 Apr-13 16,50 10,33 26,53 Mei-13 10,50 8,00 18,50 Jun-13 7,92 12,00 19,52 Planned Downtime merupakan waktu yang sudah dijadwalkan dalam rencana produksi, termasuk pemeliharaan terjadwal dan kegiatan manajemen yang lain seperti pertemuan. Data waktu pemeliharaan dapat dilihat pada tabel 4.3. Tabel 0.3 Data Waktu Planned Downtime Planned Downtime Nov-12 7,10 Des-12 11,49 Jan-13 6,75 Feb-13 11,56 Mar-13 8,42 Apr-13 14,17 Mei-13 6,33 Jun-13 11,52 Dari hasil pengamatan pada mesin Trupunch V 5000 I, faktor-faktor yang dapat menyebabkan mesin tidak produktif adalah sebagai 1. Penyetelan mesin (set up). 2. Planned downtime, waktu downtime yang telah direncanakan. 3. Machine break, gangguan yang terjadi pada mesin yang menyebabkan mesin berhenti beroperasi. 4. Power cut off, berhentinya operasi mesin dikarenakan gangguan listrik dari PLN. Tabel 0.4 Data Waktu Nonproduktif Mesin Available Nonproduktif Nov ,30 Des ,64 Jan ,92 Feb ,36 Mar ,75 Apr ,00 Mei ,83 Jun ,84 6

7 4.2 Pengolahan Data Perhitungan Avaibility Untuk menghitung nilai Availability digunakan rumus sebagai Availability = x 100 % Availability = x 100 % Di mana : = availability - Planned downtime Operation = Downtime Hasil perhitungan dapat dilihat pada Tabel 4.5 Tabel 0.5 Perhitungan Nov ,10 580,9 Des ,49 450,51 Jan ,75 476,25 Feb ,36 387,14 Mar ,42 585,08 Apr ,17 447,83 Mei ,33 371,57 Jun ,52 387,08 Perhitungan Availability untuk bulan November 2012 sebagai berikut: Availability = x 100 %= 95,49% Availability untuk bulan November 2012 Juni 2013 disajikan dalam Tabel 4.6 Tabel 0.6 Perhitungan Avaibility Available Loadin g Planned Downtime Downtim e Operatio n Perhitungan Performance Efficiency Untuk menghitung nilai Performance Efficiency digunakan rumus sebagai Performance Rate (P) = x 100 % Availabilit y Nov ,9 26,20 554,70 95,49% Des ,51 26,15 424,36 94,20% Jan ,25 23,17 453,08 95,14% Feb ,14 27,50 359,54 92,90% Mar ,08 30,83 554,25 94,73% Apr ,53 26,53 421,00 94,01% Mei ,47 18,50 353,17 95,02% Jun ,08 19,92 367,16 94,85% Di mana : Ideal = x Persentase Jam Kerja Efektif = Persentase Jam Kerja = 1 Perhitungan Persentase Jam Kerja untuk bulan November 2012 sebagai berikut: Persentase Jam Kerja =1 x100%= 94,34% Persentase Jam Kerja untuk bulan November Juni 2013 disajikan dalam Tabel 4.7. Tabel 0.7 Perhitungan Persentase Jam Kerja Nov ,30 94,34% Des ,44 91,83% Jan ,52 93,81% Feb ,36 90,14% Mar ,75 93,31% Apr ,00 91,13% Mei ,43 93,43% Jun ,54 92,02% Perhitungan untuk bulan November 2012 sebagai berikut: = = 0,067 untuk bulan November 2012 Juni 2013 disajikan dalam Tabel 4.8. Tabel 0.8 Perhitungan Produksi Box Panel (Jam/m²) Nov ,9 0,067 Des ,51 0,031 Jan ,25 0,039 Feb ,14 0,100 Mar ,08 0,074 Apr ,83 0,090 Mei ,67 0,104 Jun ,08 0,038 Perhitungan Ideal untuk bulan November 2012 sebagai berikut: Ideal = 0,067 x 94,34 = 0,064 Ideal untuk bulan November 2012 Juni 2013 disajikan dalam Tabel 4.9. Tabel 0.9 Perhitungan Ideal Available (Jam/m²) Nonproduktif Jam Kerja Ideal (Jam/m²) Nov-12 0,067 94,34% 0,064 Des-12 0,031 91,85% 0,029 Jan-13 0,039 93,83% 0,037 Feb-13 0,100 90,14% 0,090 Mar-13 0,074 93,31% 0,069 Apr-13 0,090 91,13% 0,082 Mei-13 0,104 93,43% 0,097 Jun-13 0,038 92,02% 0,035 Jam Kerja 7

8 Setelah Persentase Jam Kerja, dan Ideal diketahui maka Perhitungan Performance Efficiency untuk bulan November 2012 sebagai berikut: Performance Rate (P) = x 100 % = 98,79% Performance Efficiency untuk bulan November 2012 Juni 2013 disajikan dalam Tabel 4.10 Tabel 0.10 Perhitungan Performance Efficiency Perhitungan Rate of Quality Product Untuk menghitung nilai Rate of Quality Product digunakan rumus sebagai Rate of quality = x 100 % Perhitungan Rate of Quality Product untuk bulan November 2012 sebagai berikut: Rate of Quality Product = x100 % = 74,78% Rate of Quality Product untuk bulan November 2012 Juni 2013 disajikan dalam Tabel Tabel 0.11 Perhitungan Rate of Quality Product Operatio n Product Ideal (Jam/m²) Rework Produ ct Scrap Perform ance Efficienc y Nov ,70 0, % Des ,36 0, % Jan ,08 0, % Feb ,64 0, % Mar ,24 0, % Apr ,00 0, % Mei ,17 0, % Jun ,16 0, % Rate of Quality Product Nov ,78% Des ,62% Jan ,26% Feb ,76% Mar ,46% Apr ,59% Mei ,64% Jun ,96% Perhitungan Overall Equipment Effectiveness (OEE) Untuk menghitung nilai Overall Equipment Effectiveness (OEE) digunakan rumus sebagai OEE = Availability x Performance efficiency x Rate of quality product Perhitungan Overall Equipment Effectiveness (OEE) untuk bulan November 2012 sebagai berikut: OEE = 95,49% x 98,79% x 74,78% = 70,54% Overall Equipment Effectiveness (OEE) untuk bulan November 2012 Juni 2013 disajikan dalam Tabel Tabel 0.12 Perhitungan Overall Equipment Effectiveness (OEE) Availability Performance Efficiency Rate of Quality Product Perhitungan OEE Six Big Perhitungan Downtime Downtime terdiri dari Breakdown /Equipment Failures dan Setup and Adjusment.Untuk menghitung nilai Breakdown /Equipment Failures digunakan rumus sebagai Breakdown = x 100 % Perhitungan Breakdown /Equipment Failures untuk bulan November 2012 sebagai berikut: Breakdown = x 100 % = 2,10 % Breakdown /Equipment Failures untuk bulan November 2012 Juni 2013 disajikan dalam Tabel Tabel 0.13 Perhitungan Breakdown Breakdown Breakdown Loss Nov-12 12,20 580,9 2,10% Des-12 11,48 450,51 2,55% Jan-13 4,00 476,25 0,84% Feb-13 16,00 387,14 4,13% Mar-13 18,00 585,08 3,08% Apr-13 10,33 447,53 2,31% Mei-13 8,00 371,67 2,15% Jun-13 12,00 387,08 3,10% Untuk menghitung nilai Setup and Adjusment digunakan rumus sebagai Setup/Adjusment = x 100 % Perhitungan Setup and Adjusment untuk bulan November 2012 sebagai berikut: Setup/Adjusment = x 100 = 2,41% OEE Nov-12 95,49% 98,79% 74,78% 70,54% Des-12 94,20% 44,86% 74,62% 31,53% Jan-13 95,14% 56,21% 74,26% 39,71% Feb-13 92,90% 97,03% 73,76% 66,48% Mar-13 94,73% 58,11% 74,46% 40,99% Apr-13 94,01% 53,32% 74,59% 37,39% Mei-13 95,02% 98,33% 72,64% 67,86% Jun-13 94,85% 49,48% 72,96% 34,24% 8

9 Setup and Adjusment untuk bulan November 2012 Juni 2013 disajikan dalam Tabel Tabel 0.14 Perhitungan Setup/Adjusment Perhitungan Speed Speed terdiri dari Idling and Minor Stoppage dan Reduced Speed. Untuk menghitung nilai Idling and Minor Stoppage digunakan rumus sebagai Idling and minor stoppages losses = Perhitungan Idling and Minor Stoppage untuk bulan November 2012 sebagai berikut: Idling and minor stoppages losses = = 5,73 % Idling and Minor Stoppage untuk bulan November 2012 Juni 2013 disajikan dalam Tabel Tabel 0.15 Perhitungan Idling and Minor Stoppages Set up Nonproduktif Set Up/Adjustment Loss Nov-12 14,00 580,9 2,41% Des-12 14,57 450,51 3,26% Jan-13 19,17 476,25 4,02% Feb-13 11,50 387,14 2,97% Mar-13 12,53 585,08 2,19% Apr-13 16,50 447,43 3,68% Mei-13 10,50 371,57 2,83% Jun-13 7,92 387,08 2,05% Idling and Minor Stoppages Nov ,9 33,30 5,73% Des ,51 37,44 8,35% Jan ,25 29,52 6,28% Feb ,14 39,36 10,17% Mar ,08 39,75 6,59% Apr ,53 41,00 9,16% Mei ,47 24,53 6,58% Jun ,08 31,54 8,22% Untuk menghitung nilai Reduced Speed digunakan rumus sebagai berikut :Reduce Speed = Perhitungan Reduced Speed untuk bulan November 2012 sebagai berikut: Reduce Speed = = 1,15% Reduce Speed untuk bulan November 2012 Juni 2013 disajikan dalam Tabel Tabel 0.16 Perhitungan Reduce Speed Operation Ideal (Jam/M²) Product (M²) Reduce Speed Nov ,7 0, ,9 1,15% Des ,36 0, ,51 51,94% Jan ,00 0, ,25 41,66% Feb ,59 0, ,14 2,76% Mar ,24 0, ,08 39,68% Apr ,00 0, ,53 43,89% Mei ,17 0, ,47 1,59% Jun ,16 0, ,08 47,92% Perhitungan Defect Defect terdiri dari Rework dan Reduced Yield/Scrap. Untuk menghitung nilai Rework digunakan rumus sebagai Rework = Perhitungan Rework untuk bulan November 2012 sebagai berikut: Rework = = 0,21 % Rework untuk bulan November 2012 Juni 2013 disajikan dalam Tabel Tabel 0.17 Perhitungan Rework Ideal (Jam/m²) Rework Rework Loss Nov ,9 0, ,21% Des ,5 0, ,16% Jan ,2 0, ,40% Feb ,1 0, ,12% Mar ,0 0, ,30% Apr ,8 0, ,20% Mei ,6 0, ,21% Jun ,0 0, ,96% Untuk menghitung nilai Reduced Yield/Scrap digunakan rumus sebagai Reduced Yield = Perhitungan Reduced Yield untuk bulan November 2012 sebagai berikut: Reduced Yield = = 23,58 % 9

10 Reduced Yield untuk bulan November Juni 2013 disajikan dalam Tabel Tabel 0.18 Perhitungan Reduced Yield/Scrap Ideal (Jam/m²) Scrap Scrap Loss Nov ,9 0, ,58% Des ,5 0, ,56% Jan ,2 0, ,37% Feb ,1 0, ,53% Mar ,0 0, ,76% Apr ,8 0, ,53% Mei ,6 0, ,36% Jun ,0 0, ,73% Sebelum digunakan untuk menjawab permasalahan dan mencapai tujuan penelitian, hasil regresi yang disajikan pada model regresi perlu dilakukan validasi atau dikaji lebih lanjut dengan indikator statistik seperti: t-test, F-Test, dan ukuran goodness of fit (R 2 ). Hasil regresi berganda (Uji t) dari persamaan model awal yang dihasilkan dalam penelitian ini disajikan pada Tabel 4.20 Tabel 0.19 SUMMARY OUTPUT Regression Statistics Multiple R R Square Adjusted R Square Standard Error Observations 8 Multiple R (R majemuk) adalah suatu ukuran untuk mengukur tingkat (keeratan) hubungan linear antara variabel terikat dengan seluruh variabel bebas secara bersama-sama. dengan melihat nilai Multiple R sebesar 0,999 maka dapat dikatan bahwa Six Big (x 1, x 2, x 3, x 4, x 5 dan x 6 ) sangat mempengaruhi Nilai OEE (Y) R Square (R 2 ) sering disebut dengan koefisien determinasi, adalah mengukur kebaikan sesuai (goodness of fit) dari persamaan regresi; hal ini berarti 99.9% nilai OEE diterangkan oleh Six Big dan sisanya (100% - 99,99% = 0,01%) diterangkan oleh faktor-faktor lain Adjusted R Square. Suatu sifat penting R 2 adalah square. Istilah penyesuaian berarti nilai R 2 sudah disesuaikan dengan banyaknya variabel (derajat bebas) dalam model. Seringkali juga disarankan, jika variabel bebas lebih dari dua, sebaiknya menggunakan adjusted R square. Dengan melihat nilai Adjusted R Square 0,999 itu berati nilai persamaan nilai R 2 yang telah disesuaikan dengan derajat bebas dan nilai variabel terikat masih diterangkan sebesar 99,9% oleh variabel bebas. Standard Error. Merupakan standar error dari estimasi variabel terikat (dalam kasus kita adalah permintaan). Jika dibandingkan nilai standar error (SE) dengan standar deviasi (SD) 0,164 maka dapat dilihat nilai SE<SD maka model regresi semakin tepat dalam memprediksi nilai OEE Tabel 0.20 ANOVA Regre ssion Residu al d f SS MS F Significa nce F 6 0, , ,592 0, ,2098 1,2098 E-08 E-08 0, Dengan membandingkan nilai Fhitung 7 dengan Ftabel yaitu ,592 > 233,98 dengan tingkat signifikansi 0,000 (lebih kecil dari α = 0,05 ) artinya model persamaan regresi tersebut signifikan. 5. Analisa dan Pemecahan Masalah 5.1 Analisa Perhitungan Overall Equipment Effectiveness (OEE) Analisa perhitungan overall equipment effectiveness di PT. Laser Metal Mandiri (LMM) dilakukan untuk melihat tingkat efektivitas penggunaan mesin Trupunch V 5000 I selama bulan November Juni Pengukuran Overall Equipment Effectiveness (OEE) ini merupakan perkalian antara Availability, Performance Efficiency dan Rate of Quality Products. Hasil pengolahan data yang dilakukan pada periode November Juni 2013 di PT. Laser Metal Mandiri (LMM) adalah sebagai 1. Selama periode November 2012 Juni 2013 diperoleh nilai Availability dari mesin Trupunch V 5000 I sekitar 92,90% - 95,49%. Nilai dari Performance Efficiency dari mesin Trupunch V 5000 I sekitar 44,86% - 98,79%. Nilai dari Rate of Quality Products dari mesin Trupunch V 5000 I sekitar 72,64% - 74,78%. Dan hasil dari Overall Equipment Effectiveness (OEE) yang berkisar antara 31,53% - 70,54%. 10

11 2. Nilai OEE tertinggi terdapat pada bulan November 2012 sebesar 70,54%. Nilai OEE ini didapat dari nilai Availability sebesar 95,49% nilai Performance Efficiency sebesar 98,79% dan nilai Rate of Quality Products sebesar 74,78%. Sedangkan nilai OEE terendah terdapat pada bulan Desember 2012 sebesar 31,53%. Hal ini disebabkan karena nilai Availability sebesar 94,20%, Nilai Performance Efficiency sebesar 44,86% dan nilai Rate of Quality Products sebesar 74,62%. 5.1 Analisa Perhitungan OEE six big losses Setelah nilai OEE didapat maka selanjutnya melakukan perhitungan OEE six big losses. Semua data yang bersangkutan dengan OEE six big losses diolah dan menghasilkan nilai OEE six big losses sebagai 1. Nilai Breakdown pada bulan November 2012 Juni 2013 sekitar 0,84% - 4,13%. 2. Nilai Set up/adjustment pada bulan November 2012 Juni 2013 sekitar 2,05% - 4,02%. 3. Nilai Idling and Minor Stoppage pada bulan November 2012 Juni 2013 sekitar 5,73% - 10,17%. 4. Nilai Reduce Speed pada bulan November 2012 Juni 2013 sekitar 1,15% - 51,94%. 5. Nilai Rework pada bulan November 2012 Juni 2013 sebesar 0,16 2,21 %. 6. Nilai Reduced Yield /scrap pada bulan November 2012 Juni 2013 sekitar 10,56% - 23,58%. Dari hasil analisa di atas dapat diketahui bahwa faktor Reduce Speed dalam OEE six big losses merupakan faktor yang memberikan kontribusi terbesar dalam OEE dengan persentase rata-rata sebesar 28,97%. 5.3 Analisa Perhitungan Regresi dan Korelasi Dari hasil perhitungan OEE six big losses dari data yang didapat selanjutnya dilakukan analisa regresi dan korelasi dari variabel yang terdapat pada OEE six big losses. Hal ini bertujuan untuk mengukur seberapa kuat, suatu relasi yang terjadi antar variabel dan membuat perkiraan nilai suatu variabel (variabel dependen) jika nilai variabel yang lain yang berhubungan dengannya (variabel lainnya) sudah ditentukan. Selama periode November 2012 Juni 2013 pengolahan data hasil analisa regresi dan korelasi di PT. Laser Metal Mandiri (LMM), bedasarkan hasil perhitungan dengan Microsoft Excel adalah sebagai Tabel 0.21 Tabel Kolerasi Antara Six Big dengan OEE Kolerasi Antara Six Big dengan OEE Hubungan Antar Variable Kaku atan Koler asi Interval Kekuatan Kolerasi Breakdown Sangat Positif 0,161 Lemah Set Sangat Up/Adjustment Negatif 0,213 Lemah Idling and Minor Sangat Stoppages Negatif 0,19 Lemah Reduce Speed Negatif 0,999 Sangat Kuat Yield/Scrap Positif 0,999 Sangat Kuat Rework Positif 0,505 Kuat Korelasi yang dihasilkan dari faktor six big losses adalah korelasi negatif (Set Up/Adjustment, and Minor Stoppages, Reduce Speed ) yang berarti jika ada salah satu faktor dari six big losses yang meningkat maka faktor-faktor lain dari six big losses akan mengalami penurunan, dan korelasi Positif (Breakdown, Yield/Scrap, Rework) yang berarti jika ada salah satu faktor dari six big losses yang meningkat maka faktor-faktor lain dari six big losses akan ikut mengalami peningkatan. Dari hasil pengolahan data yang telah dilakukan maka faktor-faktor yang mempunyai pengaruh yang besar terhadap OEE adalah Reduce Speed dengan interval kekuatan hubungan dengan OEE di atas 90% yang berarti memiliki korelasi yang sangat kuat. 5.4 Analisa Diagram Sebab Akibat Agar perbaikan dapat segera dilakukan, maka analisa terhadap penyebab faktor-faktor six big losses yang mengakibatkan rendahnya efektivitas mesin dalam perhitungan OEE dilakukan dengan menggunakan diagram sebab akibat. Analisa dilakukan dengan melihat faktor dari six big losses yang memberikan kontribusi yang besar dan memiliki korelasi yang kuat terhadap OEE yaitu Idling and Minor Stoppage. Maka analisa diagram sebab akibat dari faktor ini adalah sebagai a. Mesin/peralatan Sering terjadi gangguan tiba-tiba karena preventive maintenance yang belum optimal. Kecepatan mesin yang mulai berkurang karena kurang terawat. Banyak komponen yang aus pada mesin yang belum diganti dan dipaksakan 11

12 bekerja sehingga peluang mesin tersebut rusak menjadi lebih tinggi. b. Manusia/operator Kurangnya konsentrasi operator dalam bekerja sehingga mengakibatkan produktifitas yang menurun. c. Lingkungan Tingkat kebisingan sangat tinggi mengakibatkan pekerja kurang berkonsentrasi. Kurangnya pencahayaan di dalam pabrik sehingga mengganggu penglihatan. d. Metode Proses set up mesin tidak sesuai dengan standar, set up hanya seadanya yang penting mesin masih tetap berjalan. Pemakaian mesin secara terus menerus sehingga hanya sedikit waktu untuk mesin tersebut beristirahat. e. Material Kurangnya ketersediaan material di line produksi dikarenakan crane yang diperlukan tidak sesuai dengan kebutuhan. Kurang Konsentrasi Kurang Teliti Manusia Kurang Pencahayaan Sering Gangguan Lingkungan Mesin/peralatan Banyak Part Aus Lingkungan Kotor Set Up Tidak Sesuai Standar Kecepatan Mesin berkurang Metode Material Kurangnya crane Pemakaian Mesin Secara Terus Menerus Idling and Minor Stoppage 6. Kesimpulan dan Saran 6.1 Kesimpulan Berdasarkan hasil pengolahan dan analisa data sebelumnya pada mesin Trupunch V 5000 I di PT. Laser Metal Mandiri (LMM), maka diperoleh beberapa kesimpulan sebagai 1. Dengan melihat nilai rata-rata hasil perhitungan OEE pada mesin Trupunch V 5000 I yaitu sebesar 48,59 %, dapat disimpulkan bahwa efektifitas mesin Trupunch V 5000 I jauh dari standar worldclass (85 %). 2. Faktor six big losses yang memberikan kontribusi terbesar terhadap nilai OEE pada mesin Trupunch V 5000 I adalah Reduce Speed dengan rata-rata nilai sebesar 28,97%. 3. Usulan pebaikan yang dihasilkan dari analisa diagram sebab akibat terhadap faktor yang menjadi prioritas utama adalah : a. Langkah perbaikan terhadap faktor mesin/peralatan Mengoptimalkan preventive maintenance. b. Langkah perbaikan terhadap faktor tenaga kerja Memberikan pelatihan kepada para operator. Memberikan reward dan punishment untuk pekerja. Perusahaan perlu mengadakan gathering karyawan. c. Langkah perbaikan terhadap faktor lingkungan Membersihkan area kerja sebelum dan sesudah proses produksi. d. Langkah perbaikan terhadap faktor metode Pelaksanaan set up mesin harus sesuai dengan aturan yang telah dibuat. Fokus pemeliharaan pada mesin yang digunakan secara kontinu. e. Langkah perbaikan terhadap faktor material Meningkatkan inspeksi produk pada setiap stasiun kerja agar tidak menjadi masalah dalam stasiun kerja yang lain. 6.2 Saran Adapun saran yang dapat diberikan berdasarkan penelitian ini yang mungkin akan berguna sebagai masukan yang bermanfaat bagi perusahaan adalah sebagai 1. Melakukan perhitungan OEE pada setiap mesin secara rutin, agar diperoleh informasi yang akurat untuk melakukan pemeliharaan dan perawatan secara terus menerus dalam upaya peningkatan efektifitas penggunaan mesin/peralatan. 2. Melakukan pelatihan kepada seluruh operator untuk meningkatkan kemampuan dan keterampilan mereka dalam menanggulangi permasalahan yang terjadi pada mesin produksi sehingga perusahaan dapat menerapkan autonomous maintenance untuk meningkatkan produktivitas mesin. 3. Menanamkan kesadaran kepada seluruh karyawan untuk berperan aktif dalam peningkatan produktivitas dari tingkat operator hingga top management. 12