PEMILIHAN KEBIJAKAN SISTEM PENGGANTIAN SPARE PART PADA PERUSAHAAN CONSUMER GOOD DENGAN MENGGUNAKAN METODE SIMULASI Asep dan Abdulah Shahab Program Studi Magister Manajemen Teknologi Institut Teknologi Sepuluh Nopember Email : Aseps47@gmail.com ABSTRAK Sistem penggantian spare part pada perusahaan consumer good merupakan salah satu hal penentu dalam penggunaan biaya perawatan mesin. Kegagalan pada suatu mesin akan menyebabkan terjadinya kerugian-kerugian yaitu tidak tercapainya rencana produksi, waste yang tinggi, persediaan bahan baku menjadi tinggi dan meningkatnya biaya kerusakan. Hal ini sering terjadi pada PT UPA sehingga variable cost meningkat dan mengurangi tingkat persaingan usaha dengan perusahaan-perusahaan consumer good sejenis. Kendala yang ada pada PT UPA adalah sistem penggantian spare part masih mengikuti umur rata-rata masing-masing part sehingga pada saat melakukan penggantian part akan dilakukan pembongkaran pada bagian part yang sama berkali-kali dan ini akan menambah waktu dan biaya juga. Untuk mengatasi kendala tersebut maka digunakan metode simulasi yang akan menganalisa kebijakan penggantian spare part yang ada serta membuat beberapa skenario kebijakan penggantian spare part baru dengan biaya dan waktu yang optimal tanpa mengabaikan waktu penggantian antar part (Mean Time Between Failure) berdasarkan distribusi yang terjadi. Dan metode simulasi yang digunakan adalah metode simulasi Monte Carlo (Monte Carlo Simulation Method). Dari hasil simulasi beberapa skenario kebijakan penggantian spare part maka didapatkan biaya yang lebih optimal sehingga dapat diterapkan pada kondisi nyata. Kata kunci : Kebijakan penggantian spare part, simulasi Monte Carlo (Monte Carlo Simulation Method), Mean time between failure PENDAHULUAN Perkembangan industri consumer good belakang ini dihadapkan dengan tinggi nya biaya operasional yang jika dicermati lebih lanjut salah satunya berkaitan dengan biaya variabel seperti biaya perawatan mesin produksi. Biaya perawatan mesin produksi sangat dipengaruhi oleh pemilihan kebijakan sistem penggantian spare part. Pemilihan kebijakan sistem penggantian spare part juga sangat mempengaruhi kemampuan bersaing dengan perusahaan consumer good yang lainnya. Sebuah kebijakan sistem penggatian spare part yang sedang diterapkan sebuah perusahaan akan membutuhkan waktu untuk membuktikan kebijakan tersebut sudah optimal atau belum optimal, tentu saja hal ini juga merupakan sebuah biaya tersendiri, baik itu biaya yang mesti dibayar jika kebijakan tersebut tidak optimal juga biaya kehilangan kesempatan untuk memproduksi barang (lost opportunity) Simulasi sistem sudah dikenal sejak lama, dan simulasi sistem ini dapat menjawab permasalahan diatas. Dengan menggunakan sistem simulasi paling tidak
perusahaan tidak melakukan sebuah trial and error dengan berbagai macam skenario kebijakan penggantian spare part yang berakibat pada biaya. Tujuan yang ingin dicapai adalah membuat model simulasi kebijakan penggantian spare part yang saat ini berjalan serta mengetahui jumlah biaya yang terjadi, dapat merumuskan model simulasi kebijakan penggantian spare part yang baru dengan biaya perawatan yang paling optimal, mengetahui distribusi pakai masing-masing spare part di mesin produksi dan dapat membandingkan antara kebijakan yang saat ini dipergunakan dengan kebijakan baru (studi perbandingan). Meskipun definisi simulasi dapat mempunyai bermacam arti tergantung pada pamakaiannya. Pada umumnya simulasi dapat didefinisikan sebagai menggunakan komputer untuk melakukan percobaan sebuah model terhadap sistem sebenarnya. (Chase, 2004). Sedangkan tujuan menggunakan simulasi antara lain adalah: dapat memahami perilaku sistem, dapat membuat teori-teori dan hipotesis tentang sistem yang diamati, dan dapat menggunakan teori-teori atau hipotesis tersebut untuk memperkirakan perilaku sistem yang akan datang yaitu hasil atau efek yang dihasilkan apabila terjadi perubahan-perubahan dalam sistem atau dalam teknik operasi sistem. Untuk kelebihan dari simulasi ini menurut Arman Hakim Nasution dan Imam Baihaqi (2007) adalah: Konsep random, model simulasi Komputer dapat dengan mudah memodelkan peristiwa random (acak) sehingga dapat memberikan gambaran kemungkinankemungkinan apa yang akan terjadi. Return on investment, dengan menggunakan simulasi komputer, faktor biaya akan dengan mudah ditutup karena simulasi kita dapat meningkatkan effisiensi, seperti penghematan operation cost, inventory, dan pengurangan jumlah orang. Antisipasi, dengan menggunakan simulasi maka resiko yang ada dapat dihindari. Meningkatkan komunikasi, simulasi juga dapat dilengkapi dengan animasi yang akan sangat membantu dalam mengkomunikasikan sistem. METODA Dalam melakukan pemilihan kebijakan sistem penggantian spare part ini menggunakan metode simulasi monte carlo. Metode simulasi monte carlo merupakan metode analisis numeric yang melibatkan pengambilan sample eksperimen bilangan acak atau bilangan acak (Djati, 2007). Sedangkan menurut Arman hakim nasution dan Imam Baihaqi (2007) simulasi monte carlo melibatkan keacakan (random) mulai dari input sampat outputnya. Secara manual metode simulasi monte carlo mempunyai langkah-langkah sebagai berikut (Nasution dan Baihaqi, 2007): Melakukan observasi terhadap parameter yang akan dimodelkan. Menghitung frekuensi dari tiap-tiap nilai parameter. Menghitung distribusi frekuensi kumulatif dan distribusi probabilitas kumulatif. Memasangkan nilai kelas dari tiap parameter dengan bilangan random yang mempunyai range antara 00 sampai dengan 99. Keluarkan suatu bilangan random (bilangan acak) dengan menggunakan table random. Dapatkan nilai parameter yang sesuai dengan memasangkan bilangan random (bilangan acak) yang dihasilkan. Untuk melakukan simulasi dengan metode monte carlo yang tidak terlalu besar dapat menggunakan software spreadsheet seperti Microsoft Excell (Alexander, 2003). A-35-2
Dengan mengkombinasikan individual system untuk membentuk sistem yang besar dapat mensimulasikan seluruh plant yang ada. Ketika pertimbangan-pertimbangan ekonomis seperti lost profit dan biaya perbaikan dimasukan kedalam simulasi, maka metode simulasi Monte Carlo dapat menjadi sebuah alat optimasi yang baik untuk mengoptimalkan kebijakan maintenance (Alexander, 2003) contoh: Sebuah mesin produksi mempunyai 4 spare part utama yaitu: Holder Shaft (pemegang poros). Eccentric Shaft. Bearing KR 40 (Cam Follower). Bearing GE 25 GS. Tabel 1. Biaya Tenaga Kerja No Nama Part Waktu Penggantian Biaya Tenaga Kerja 1 Bearing KR 40 2 Jam 11,560.69 2 Bearing GE 25 ES 4 Jam 23,121.39 3 Eccentric Shaft 4.5 Jam 26,011.56 4 Holder Shaft 5 Jam 28,901.73 Tabel 2. Biaya BS dan Biaya Part No Nama Part BS yang Terjadi Biaya BS Biaya Part 1 Bearing KR 40 250 Kg 2,500,000.00 120,000.00 2 Bearing GE 25 ES 150 Kg 1,500,000.00 235,000.00 3 Eccentric Shaft 340 Kg 3,400,000.00 450,000.00 4 Holder Shaft 300 Kg 3,000,000.00 500,000.00 Untuk kebijakan sistem penggantian spare part yang saat ini digunakan adalah Penggantian part mengikuti distribusi umur masing-masing part seperti terlihat pada gambar 1, pada gambar ini menjelaskan pada saat mesin forming running dan memasuki keadaan mesin forming rusak, dan bagian yang rusak adalah bagian wobling disk maka jika Holder Shaft rusak maka dilakukan penggantian jika tidak maka akan turun ke Eccentric Shaft, jika rusak maka akan dilakukan penggantian jika tidak akan turun ke Bearing KR 40, jika rusak maka akan dilakukan penggantian jika tidak akan turun ke Bearing GE 25 ES, jika rusak maka akan dilakukan penggantian, setelah dilakukan penggantian maka hasil nya OK, jika OK maka mesin akan kembali running, jika tidak akan masuk pada kondisi wobling rusak. Untuk membuat perbaikan dari kebijakan sistem penggantian yang ada maka dibuatkan skenario kebijakan penggantian yang baru. Adapun skenario-skenario perbaikan yang diusulkan adalah sebagai berikut: Skenario 2 : Bearing GE diganti setiap 3 kali penggantian bearing KR 40, part yang lain diganti berdasarkan distribusi umurnya. Skenario 3 : Eccentric Shaft diganti setiap 10 kali penggantian bearing KR 40, part yang lain diganti berdasarkan distribusi umurnya. Skenario 4 : Holder shaft diganti setiap 11 kali penggantian bearing KR 40, part yang lain diganti berdasarkan distribusi umurnya. A-35-3
Skenario 5 : Bearing GE diganti setiap 3 kali penggantian bearing KR 40 dan Eccentric Shaft diganti setiap 10 kali penggantian bearing KR 40, part yang lain diganti berdasarkan distribusi umurnya. Skenario 6 : Bearing GE diganti setiap 3 kali penggantian bearing KR 40, Eccentric Shaft diganti setiap 10 kali penggantian bearing KR 40 dan Holder shaft diganti setiap 11 kali penggantian bearing KR 40. HASIL DAN DISKUSI Gambar 1. Model Simulasi Skenario 1 Simulasi monte carlo ini dilanjutkan dengan menggenerate bilangan random dengan distribusi uniform dengan nilai min 0 dan max 9999, menjalankan simulasi ini dengan menggunakan software Microsoft Excell 2003. Dan setiap angka random yang keluar akan dipasangkan dengan range bilangan random masing-masing part, juga tergantung pada kebijakan penggantian yang diterapkan dan dengan dilakukan iterasi sebanyak 500 kali. Maka hasil dari simulasi kebijakan sistem penggantian part didapatkan dan dapat dilihat pada Tabel 3 dibawah ini. Tabel 3. Hasil Simulasi Kebijakan Sistem Penggantian Spare Part A-35-4
Comparison of Histogram Frequency 250 200 150 100 50 Variable Policy1 Policy2 Policy3 Policy4 Policy5 Policy6 Mean StDev N 347389320 4952060 500 312642097 4968305 500 305229506 5114645 500 329842026 4603163 500 270482282 5132137 500 252934988 4813914 500 0 240000000 260000000 280000000 300000000 320000000 340000000 360000000 Biaya Gambar 2. Histogram Hasil Simulasi Monte Carlo Dari Gambar 2. diatas juga dapat dilihat bahwa skenario 1 (kebijakan awal) mempunyai rata-rata biaya sebesar Rp. 347,389,320.00, rata-rata biaya skenario 2 adalah sebesar Rp. 312,642,097.00, rata-rata biaya skenario 3 adalah sebesar Rp. 305,229,506.00, rata-rata biaya skenario 4 adalah sebesar Rp. 329,842,026.00, rata-rata biaya skenario 5 adalah sebesar Rp. 270,842,282.00, sedangkan skenario 6 yang mempunyai biaya terkecil yaitu sebesar Rp. 252,934,988.00 dibandingkan dengan skenario yang lainnya. Jika dilihat pada gambar 2 maka dapat dilihat ada perubahan rata-rata biaya antara setiap skenario (Policy), dan tidak semua kebijakan menghasilkan biaya sangat murah seperti terlihat pada skenario 4 yang biaya nya lebih besar yaitu sebesar Rp. 329,842,026.00 dibandingkan skenario-skenario perbaikan lainnya. Dapat dilihat pada gambar 2 pula bahwa semua skenario berdistribusi normal dengan standar deviasi (sebaran data) terkecil pada skenario 4 sebesar Rp. 4,603,163.00 dan standar deviasi terbesar adalah skenario 5 yaitu sebesar Rp. 5,132,137.00. Jika kita membandingkan skenario 2, 3, 4, 5, dan 6 dengan skenario 1 yang merupakan kebijakan awal maka didapatkan effisiensi biaya perawatan seperti terlihat pada Tabel 4 Tabel 4. Perbandingan Effisiensi Biaya Kebijakan Perbaikan Vs Kebijakan Awal Pada Tabel 4 dapat dilihat effisiensi biaya skenario 2 jika dibandingkan skenario 1 (kebijakan awal) maka didapatkan effisiensi biaya sebesar 10.00 %, untuk skenario 3 effisiensi biaya yang didapat adalah sebesar 12.14%, untuk skenario 4 effisiensi biaya yang didapat adalah sebesar 5.05%, untuk skenario 5 effisiensi biaya yang didapat A-35-5
adalah sebesar 22.14%, dan untuk skenario 6 effisiensi biaya yang didapat adalah sebesar 27.19%. Dan dari perbandingan effisiensi terlihat bahwa skenario 6 merupakan kebijakan penggantian spare part yang paling optimum dibandingkan dengan kebijakan penggantian yang lainnya, hal ini juga dapat dilihat pada Gambar 3 dibawah ini 27,50% 25,00% 22,50% 20,00% 17,50% 15,00% 12,50% 10,00% 7,50% 5,00% 2,50% 0,00% Effisiensi Biaya Skenario2 Skenario3 Skenario4 Skenario5 Kebijakan Skenario6 Gambar 3. Histogram Perbandingan Effisiensi Biaya KESIMPULAN Setelah dilakukan perbandingan dari hasil simulasi yang dapat didapatkan, maka dapat ditarik kesimpulan bahwa skenario 6 paling optimal dalam biaya dibanding dengan kebijakan atau skenario awal yang diterapkan saat ini maupun kebijakan perbaikan lainnya dengan effisiensi biaya rata-rata sebesar 27.19% untuk periode 20,000 jam. Dan Masih terbuka skenario-skenario perbaikan lain yang mungkin lebih optimal lagi yang dapat dikembangkan dengan menggunakan metoda simulasi Monte Carlo ini. DAFTAR PUSTAKA Alexander, Dennis. (2003), Application of Monte Carlo Simulations to System Reliability Analysis, Proceeding of 20 th International Pump Users Symposium, Exxon Mobil Chemical, Louisiana, USA page 91-94 Chase, Richard B. Jacobs, F. Robert. and Aquilano, Nicholas J. (2004), Operation Management for Competitive Advantage, 8 th Edition, Mc Graw-Hill Book Company, Inc., USA Nasution, Arman Hakim dan Baihaqi, Imam (2007), Simulasi Bisnis, Andi Offset, Yogyakarta A-35-6