PENENTUAN INTERVAL WAKTU PERAWATAN PENCEGAHAN PADA PERALATAN SUB UNIT SINTESA UNIT UREA DI PT X MENGGUNAKAN SIMULASI MONTE CARLO

Transkripsi

1 PENENTUAN INTERVAL WAKTU PERAWATAN PENCEGAHAN PADA PERALATAN SUB UNIT SINTESA UNIT UREA DI PT X MENGGUNAKAN SIMULASI MONTE CARLO Winy Febrianti 1) dan Bobby Oedy P. Soepangkat 2) Program Studi Magister Manajemen Teknologi, Institut Teknologi Sepuluh Nopember Jl. Cokroaminoto 12A, Surabaya, 60264, Jawa Timur, Indonesia winyfebrianti@gmail.com 1), bops_1994@me.its.ac.id 2) ABSTRAK PT X merupakan salah satu perusahaan pupuk terbesar di Indonesia dengan urea sebagai salah satu produknya. Untuk menghasilkan urea, sistem produksi yang digunakan adalah proses kontinyu. Sistem produksi dengan proses kontinyu memerlukan perawatan pencegahan yang efektif. Apabila perawatan yang dilakukan terhadap peralatan produksi kurang baik bisa mengakibatkan proses produksi berhenti, menimbulkan bertambahnya biaya perbaikan dan kerugian produksi. Pada PT X terdapat empat sub unit dalam proses pembuatan pupuk urea, yaitu: Sub Unit Sintesa, Sub Unit Purifikasi, Sub Unit Konsentrasi, dan Sub Unit Prilling. Jumlah frekuensi kegagalan dan downtime peralatan paling tinggi terdapat pada Sub Unit Sintesa. Dengan demikian, diperlukan untuk menentukan interval waktu perawatan pencegahan pada peralatan Sub Unit Sintesa Unit Urea di PT X dengan laju biaya perawatan yang minimum, serta mampu meningkatkan keandalan dan ketersediaan sistem sesuai dengan persyaratan perusahaan. T p optimum yang didapatkan untuk Sub Unit Sintesa adalah 3 hari dengan rentang fleksibilitas dari 1,55 sampai 4,45 hari. Laju biaya perawatan pencegahan pada T p optimum adalah sebesar Rp ,72/jam dengan keandalan sub unit sebesar 95,6%. Kata kunci: Keandalan, Interval Waktu Pemeliharaan Pencegahan, Monte Carlo, Laju Biaya Perawatan Pencegahan. PENDAHULUAN Perawatan/pemeliharaan adalah suatu kegiatan yang dilakukan secara berulang-ulang dengan tujuan agar peralatan selalu memiliki kondisi yang sama dengan keadaan awalnya. Kegiatan ini juga dilakukan untuk menjaga agar peralatan tetap berada dalam kondisi yang dapat diterima oleh penggunannya (Mobley dkk., 2008). PT. X adalah salah satu perusahaan yang bergerak dalam industri pupuk dengan proses yang kontinyu. Perusahaan ini memiliki tiga unit produksi, yaitu Unit Produksi A (unit pupuk urea), Unit Produksi B (un it pupuk phospat), dan Unit Produksi C (unit asam fosfat). Amoniak cair (NH3) dan gas CO 2 merupakan dua macam bahan baku yang dibutuhkan dalam pembuatan pupuk urea pada Unit Produksi A. Proses produksi di Unit Urea dapat dilihat pada diagram blok proses produksi yang ditunjukkan oleh Gambar 1 berikut ini: Gambar 1 Diagram Blok Proses Produksi di Unit Urea 1

2 Pada proses pembuatan pupuk urea, proses yang terjadi pada Sub Unit Sintesa adalah proses terpenting karena merupakan awal proses dalam pembuatan pupuk urea. Selain itu Sub Unit Sintesa adalah sub unit yang kritikal dimana proses reaksi antara bahan baku terjadi pada sub unit ini. Kegagalan yang sering terjadi pada peralatan di Unit Urea akan menyebabkan tingginya downtime. Tabel 1 menunjukkan frekuensi kegagalan, downtime, dan persentase downtime dari bulan Januari 2007 sampai dengan bulan Agustus Tabel 1 Frekuensi Kegagalan, Jumlah Downtime, dan Persentase Downtime dari Bulan Januari 2007 sampai dengan Bulan Agustus 2014 di Unit Urea No Sub Unit Frekuensi Downtime Persentase Kegagalan (Jam) Downtime (%) 1 SINTESA ,88 4,29 2 PURIFIKASI ,32 1,56 3 KONSENTRASI ,56 0,48 4 PRILLING ,75 Sumber: Data breakdown Unit Urea dari bulan Januari 2007 sampai dengan bulan Agustus 2014 Berdasarkan Tabel 1 diatas, untuk menekan potensi peningkatan kerugian produksi terbesar pada Unit Urea, maka fokus dari penelitian ini adalah pada Sub Unit Sintesa. Pada proses yang kontinyu peralatan produksi digunakan secara terus menerus, sehingga menyebabkan keandalan peralatan tersebut menurun. Menurunnya keandalan peralatan produksi dapat menyebabkan proses produksi terganggu atau tidak dapat beroperasi. Oleh karena itu, tujuan dari penelitian ini adalah menentukan interval waktu perawatan pencegahan pada peralatan Sub Unit Sintesa Unit Urea PT. X dengan laju biaya perawatan yang minimum, serta mampu meningkatkan keandalan dan ketersediaan sistem sesuai dengan persyaratan perusahaan. Prakoso (2012) menerapkan simulasi Monte Carlo untuk memperbaiki kebijakan perawatan pencegahan pada proses continuous soap making. Hasil dari simulasi yang dilakukan mampu meningkatkan ketersediaan sistem minimum hingga 95%, dan juga mampu menghasilkan penghematan biaya perawatan pencegahan hingga 19,9%. Nguyen dkk. (2008) menggunakan simulasi Monte Carlo untuk melakukan evaluasi terhadap penjadwalan dari perawatan pencegahan pada sistem produksi yang kontinyu seperti pabrik penyulingan minyak ( oil refinery). Sub Unit Sintesa disusun oleh Sub-Sub Unit Sintesa 1, Sub-Sub Unit Sintesa 2 dan Sub-Sub Unit Sintesa 3 yang tersusun secara seri seperti ditunjukkan pada Gambar 2 berikut: Gambar 2 Sub-Sub Unit Peralatan Penyusun Sub Unit Sintesa Sub-Sub Unit Sintesa 1, Sub-Sub Unit Sintesa 2, dan Sub-Sub Unit Sintesa 3 adalah sub-sub unit penyusun Sub Unit Sintesa yang tersusun secara seri. Setiap sub-sub unit disusun oleh sub-sub-sub unit seperti ditunjukkan pada Gambar 3 berikut: 2

3 Gambar 3 Sub-Sub-Sub Unit Peralatan Penyusun Sub-Sub Unit Fungsi Keandalan Keandalan didefinisikan sebagai probabilitas dari suatu komponen atau sistem untuk dapat melakukan fungsi yang telah ditetapkan menurut konteks pengoperasian, lingkungan dan periode waktu yang telah ditentukan pula (Ebeling, 1997). Fungsi padat peluang, keandalan, MTBF, dan MTTR terhadap waktu (Ebeling, 1997) ditunjukkan pada Tabel 2. Tabel 2 Fungsi Padat Peluang, Keandalan, MTBF, dan MTTR Macam Distribusi Weibull 2 Weibull 3 Fungsi Padat Peluang Keandalan MTBF dengan: η = parameter skala ( scale parameter), η > 0 β = parameter bentuk ( shape parameter), β > 0 1 MTBF = ( 1) Γ = fungsi gamma dengan: η = parameter skala ( scale parameter), η > 0 β = parameter bentuk ( shape parameter) γ = parameter lokasi ( location parameter) Γ = fungsi gamma MTTR Γ = fungsi gamma Γ = fungsi gamma Simulasi Monte Carlo Simulasi Monte Carlo adalah suatu perangkat untuk mengevaluasi model deterministik dengan menggunakan sekumpulan bilangan acak ( random number) sebagai masukan. Simulasi Monte Carlo hanyalah salah satu simulasi yang dapat digunakan untuk melakukan analisa propagasi ketidakpastian. Tujuannya adalah untuk menentukan bagaimana variasi acak dari parameter masukan peluang kegagalan atau F(t) dari unit atau sistem mempengaruhi keandalan dari sistem yang sedang dimodelkan. Keandalan dan maintainability alat atau sistem dapat disimulasikan dengan menggunakan random number yang dihasilkan dari fungsi RAND () di perangkat lunak Microsoft Excel. Fitur ini dapat digunakan untuk menghasilkan bilangan acak antara 0 dan 1. 3

4 Langkah simulasi Monte Carlo pada sistem seri dengan opportunistic multi-grouping policy adalah sebagai berikut (Laggoune dkk., 2009): 1. Mencari interval perawatan pencegahan optimum untuk masing-masing sub sub sistem. 2. Melakukan simulasi sistem dengan membuat kelompok, disesuaikan dengan kedekatan T pi /T pi(min), dengan T pi minimum adalah T pi yang dimiliki oleh sub sub sistem dengan nilai paling rendah. 3. Mencari, T p dan k i yang optimal dengan metode search, dengan ki adalah bilangan bulat terdekat dari Nilai T pi /T pi(min). Biaya perawatan didapatkan dengan persamaan berikut: dengan i = Subskrip (i) untuk sub sub sistem = Interval waktu perawatan pencegahan sub sub sistem (i) r = Subskrip (r) untuk run = Lama perbaikan sub sub sistem (i) run (i) n = Total percobaan = Lama operasi sub sub sistem (i) g = Superskrip (g), indikator gagal = s = Superskrip (s). indikator sukses = Keandalan sub sub sistem i = Biaya perawatan pencegahan subsub-sub = Ketersediaan sub sub system unit (i) = Biaya perbaikan sub-sub-sub unit (i) = Laju biaya perawatan sub sub sistem (i) = Waktu hidup sub sub sistem (i) pada run ke (r) METODE Pada penelitian ini, berikut adalah tahap yang dilakukan untuk mendapatkan interval waktu perawatan pencegahan dengan laju biaya perawatan yang minimum: 1. Tahap yang pertama adalah penentuan sub unit yang kritikal yaitu pada Sub Unit Sintesa. Sub Unit Sintesa merupakan sub unit yang kritikal dikarenakan pada sub unit ini proses reaksi antara bahan baku terjadi. Selian itu, frekuensi kegagalan tertinggi dari keempat sub unit yang ada terdapat pada Sub Unit Sintesa. 2. Tahap kedua adalah tahap penilaian keandalan. Pada tahap ini dilakukan penentuan distribusi dan parameter dari data kegagalan dan data perbaikan yang telah didapatkan. Selanjutnya dapat ditentukan fungsi padat peluang waktu antar kegagalan, fungsi keandalan, fungsi padat peluang waktu perbaikan, dan fungsi maintanability. 3. Tahap ketiga adalah tahap penentuan interval waktu perawatan pencegahan dengan menggunakan simulasi Monte Carlo yang meliputi: 4

5 a. Interval waktu perawatan pencegahan pada sub-sub-sub unit b. Interval waktu perawatan pencegahan pada sub-sub unit c. Iinterval waktu perawatan pencegahan pada sub unit d. Rentang waktu perawatan pencegahan optimum dan laju biaya minimum. Gambar 4 menunjukkan diagram alir yang menunjukkan bagaimana simulasi Monte Carlo dilakukan. Gambar 4 Diagram Alir Simulasi Monte Carlo untuk Multi Sub-Sub-Sub Unit 5

6 HASIL DAN PEMBAHASAN Penentuan Parameter Keandalan Dari data kegagalan yang telah dikumpulkan, dapat dihitung waktu perbaikan dan waktu antar kegagalan dari masing-masing sub-sub-sub unit menggunakan perangkat lunak Weibull++6. Pada Tabel 3 ditunjukkan parameter keandalan dari sub-sub-sub unit pada Sub-Sub Unit Sintesa 1. Sedangkan untuk Sub-Sub Unit Sintesa 2 dan Sub-Sub Unit Sintesa 3 masingmasing ditunjukkan pada Tabel 4 dan Tabel 5. Tabel 3 Parameter Keandalan Sub-Sub-Sub Unit pada Sub-Sub Unit Sintesa 1 Sub-Sub-Sub Unit MTBF Distribusi Beta (β) Eta (η) Gamma (ϒ) Pompa ,273 Weibull 2 1, ,316 - Pompa ,810 Weibull 3 1, , ,840 Pemanas Amoniak 4918,717 Weibull 2 1, ,261 - Tabel 4 Parameter Keandalan Sub-Sub-Sub Unit pada Sub-Sub Unit Sintesa 2 Sub-Sub-Sub Unit MTBF Distribusi Beta (β) Eta (η) Gamma (ϒ) Turbin 10579,380 Weibull 2 1, ,000 - Kompresor CO ,047 Weibull 3 1, , ,826 Stripper 2119,013 Weibull 3 1, , ,473 Karbamat Kondensat ,221 Weibull 3 1, , ,148 Karbamat Kondensat ,943 Weibull 3 1, , ,625 Tabel 5 Parameter Keandalan Sub-Sub-Sub Unit pada Sub-Sub Unit Sintesa 3 Sub-Sub-Sub Unit MTBF Distribusi Beta (β) Eta (η) Gamma (ϒ) Reaktor 3804,982 Weibull 3 1, , ,185 Scrubber 3642,380 Weibull 3 1, , ,490 High Pressure Dekomposer 4101,209 Weibull 2 1, ,939 - Dengan menggunakan simulasi Monte Carlo, hasil optimasi T p pada masing-masing sub-subsub unit ditunjukkan pada Tabel 6 dimana T p optimum adalah 5 hari. 6

7 Tabel 6 Hasil Penentuan T p Optimum pada Sub-Sub-Sub Unit C Sub-Sub-Sub Unit i T p T (Rp/jam) (hari) p /T p min X i Sintesa 1 Pompa , Pompa , Pemanas Amoniak 19394, Sintesa 2 Turbin 8142, Kompresor CO2 4795, Stripper 5792, Karbamat Kondensat , Karbamat Kondensat 1 995, Sintesa 3 Reaktor 6035, Scrubber 6521, High Pressure Dekomposer 8579, Sehingga, hasil optimasi T p pada masing-masing sub-sub unit ditunjukkan pada Tabel 7 dibawah. Tabel 7 Hasil Penentuan T p Optimum pada Sub-Sub Unit Sub-Sub Unit C i (Rp/jam) T p (hari) T p /T p min X in Sintesa , Sintesa ,88 6 1,5 2 Sintesa , Tabel 8 Hasil Penentuan T p Optimum pada Unit Sintesa N 500 T p 0, R(t) 0,996 0,990 0,974 0,956 0,930 0,890 0,828 T op (hr) 29909, , , , , , ,98 T jam (hr) 67258, , , , , , ,53 A(t) 0,445 0,615 0,761 0,827 0,863 0,888 0,904 Cost (Rp/hr) , , , , , , ,21 Dengan menggunakan simulasi Monte Carlo, didapatkan T p optimum sebesar 3 hari pada Sub Unit Sintesa yang ditunjukkan pada Tabel 8. Laju biaya perawatan terkecil dicapai pada nilai interval waktu perawatan pencegahan sebesar 3 hari atau 72 jam dengan rentang fleksibilitas sebesar 1,55 sampai 4,45 hari sesuai dengan Gambar 5. 7

8 Rentang Fleksibilitas T p Gambar 5 Pengaruh T p terhadap Laju Biaya Perawatan Unit Sintesa Hasil dari penentuan interval perawatan pencegahan dari Sub Unit Sintesa adalah: 1. Interval waktu perawatan pencegahan (T p ) optimum adalah 3 hari dengan rentang 1,55 sampai 4,45 hari. 2. Laju biaya perawatan pada T p optimum (Cmin) adalah Rp ,72/jam. Nilai ini mampu menghemat 95% dari rata-rata laju biaya perawatan sebelum perawatan pencegahan sebesar Rp ,82/jam. 3. Keandalan sub unit pada T p optimum adalah sebesar 95,6% dan nilai tersebut lebih besar daripada nilai keandalan yang dipersyaratkan, yaitu sebesar 70%. Keandalan sub unit meningkat sebesar 25,6% dari keandalan sub unit yang dipersyaratkan. KESIMPULAN DAN SARAN Kesimpulan Dari hasil simulasi Monte Carlo, didapatkan T p optimum pada Sub Unit Sintesa Unit Urea di PT. X adalah 3 hari, dengan laju biaya perawatan Rp ,72/jam serta keandalan sub unit adalah 95,6% meningkat sebesar 25,6% dari keandalan sub unit yang dipersyaratkan. Saran Berikut ini adalah beberapa saran yang dapat dijadikan pertimbangan bagi pihak perusahaan dan penelitian lebih lanjut. 1. Pelaksanaan pemeliharaan pencegahan pada Sub Unit Sintesa Unit Urea dilakukan tidak melebihi interval waktu yang telah ditetapkan, sehingga efek dari kerusakan yang timbul dapat dikurangi atau bahkan diminimalkan. 2. Untuk penyusunan program pemeliharaan pencegahan di masa yang akan datang, perusahaan dapat mempertimbangkan cara pencatatan kegagalan sampai pada komponen setiap peralatan. 3. Perlu dilakukan penelitian lebih lanjut untuk menentukan interval waktu pemeliharaan pencegahan sub unit lainnya. 8

9 DAFTAR PUSTAKA Ebeling, C. E., (1997), Reliability and Maintainability Engineering, International Laggoune, R., Chateauneuf, A., and Aissani, D., (2009), Opportunistic Policy for Optimal Preventive Maintenance of Multi-Component System in Continues Operating Units, Computer and Chemical Engineering, Vol. 33, hal Mobley, K., Higgins, L., and Wikoff, D., (2008), Maintenance Engineering Handbook, McGraw Hill Professional. Nguyen, D. Q., Brammer, C., and Bagajewicz, M., (2008), New Tool for the Evaluation of the Scheduling of Preventive Maintenance for Chemical Process Plants, Ind. Eng. Chem. Res., Vol. 49, hal Prakoso, Y. S., (2012), Penentuan Interval Waktu Perawatan Pencegahan pada Proses Continuous Soap Making (CSM) Pembuatan Sabun Mandi Batang dengan Menggunakan Simulasi Monte Carlo, Tesis yang tidak dipublikasikan, Program Studi Magister Manajemen Teknologi ITS, Surabaya. 9