AUTONOMOUS MAINTENANCE UNTUK MENINGKATKAN PRODUKTIVITAS PRODUKSI DI PILOT LINE FACTORY 4

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 14350 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

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 ' = 140.2554 = 141 data. Jadi, data yang dibutuhkan adalah minimal sebanyak 141 data. 20 INASEA, Vol. 10 No.1, April 2009: 19-33

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 10 25 50 75 90 1177 0 12.0629 15.0000 15.00 3.57302 12.766 11.00 4.00 15.00 14198.00 6.0000 10.0000 15.0000 15.0000 15.0000 Tabel 2 SPSS Frekuensi Data Waktu downtime Valid 4.00 5.00 6.00 7.00 8.00 9.00 10.00 11.00 12.00 13.00 14.00 15.00 Total Cumulative Frequency Percent Valid Percent Percent 11.9.9.9 99 8.4 8.4 9.3 31 2.6 2.6 12.0 34 2.9 2.9 14.9 34 2.9 2.9 17.8 33 2.8 2.8 20.6 229 19.5 19.5 40.0 22 1.9 1.9 41.9 27 2.3 2.3 44.2 15 1.3 1.3 45.5 15 1.3 1.3 46.7 627 53.3 53.3 100.0 1177 100.0 100.0 Autonomous Maintenance untuk (Iwan Budihardjo; Dian Marisa) 21

Histogram 700 600 500 Frequency 400 300 200 100 0 2.00 4.00 6.00 8.00 10.00 12.00 14.00 16.00 downtime Gambar 1 Histogram Data Waktu Mean = 12.0629 Std. Dev. = 3.57302 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 2006 2007 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

Tabel 4 Data Jumlah Downtime Bulan September 2006 Tanggal Down Time (menit) 1 80 4 120 5 124 6 70 7 125 8 121 11 110 12 102 13 45 14 84 15 82 18 52 19 56 20 91 21 112 22 65 25 60 26 122 27 85 28 96 29 142 Tabel 5 Data Jumlah Downtime Bulan Maret 2007 Tanggal Down Time (menit) 1 55 2 67 5 46 6 74 7 66 8 90 9 56 12 99 13 110 14 185 15 78 16 98 20 86 21 60 22 87 23 75 26 65 27 76 28 75 29 82 30 38 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

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

Tabel 7 Tabel Jumlah Cacat dan Downtime Jumlah Cacat Down Time (Xi) (Yi) XiYi Xi² Yi² 50 82 4100 2500 6724 53 73 3869 2809 5329 72 85 6120 5184 7225 72 113 8136 5184 12769 49 101 4949 2401 10201 59 42 2478 3481 1764 50 77 3850 2500 5929 52 81 4212 2704 6561 84 75 6300 7056 5625 88 98 8624 7744 9604 77 153 11781 5929 23409 58 145 8410 3364 21025 51 124 6324 2601 15376 54 128 6912 2916 16384 63 116 7308 3969 13456 127 96 12192 16129 9216 151 104 15704 22801 10816 143 80 11440 20449 6400 66 72 4752 4356 5184 43 95 4085 1849 9025 65 33 2145 4225 1089 56 162 9072 3136 26244 38 127 4826 1444 16129 57 145 8265 3249 21025 41 105 4305 1681 11025 65 80 5200 4225 6400 63 152 9576 3969 23104 140 120 16800 19600 14400 42 118 4956 1764 13924 45 105 4725 2025 11025 50 106 5300 2500 11236 49 105 5145 2401 11025 43 45 1935 1849 2025 39 30 1170 1521 900 32 105 3360 1024 11025 37 80 2960 1369 6400 28 117 3276 784 13689 28 70 1960 784 4900 30 15 450 900 225 Autonomous Maintenance untuk (Iwan Budihardjo; Dian Marisa) 25

Tabel 8 Tabel Jumlah Cacat dan Downtime Jumlah Cacat Down Time (Xi) (Yi) XiYi Xi² Yi² 34 69 2346 1156 4761 33 60 1980 1089 3600 47 40 1880 2209 1600 34 40 1360 1156 1600 41 40 1640 1681 1600 38 145 5510 1444 21025 46 147 6762 2116 21609 46 118 5428 2116 13924 35 130 4550 1225 16900 42 108 4536 1764 11664 46 127 5842 2116 16129 47 105 4935 2209 11025 58 90 5220 3364 8100 39 138 5382 1521 19044 45 140 6300 2025 19600 44 130 5720 1936 16900 50 115 5750 2500 13225 50 98 4900 2500 9604 57 105 5985 3249 11025 84 120 10080 7056 14400 64 107 6848 4096 11449 62 103 6386 3844 10609 79 112 8848 6241 12544 69 115 7935 4761 13225 80 89 7120 6400 7921 72 112 8064 5184 12544 71 125 8875 5041 15625 71 125 8875 5041 15625 84 105 8820 7056 11025 85 70 5950 7225 4900 102 114 11628 10404 12996 86 120 10320 7396 14400 90 118 10620 8100 13924 117 105 12285 13689 11025 103 97 9991 10609 9409 100 88 8800 10000 7744 86 125 10750 7396 15625 95 116 11020 9025 13456 90 152 13680 8100 23104 26 INASEA, Vol. 10 No.1, April 2009: 19-33

Tabel 9 Tabel Jumlah Cacat dan Downtime Jumlah Cacat Down Time (Xi) (Yi) XiYi Xi² Yi² 49 86 4214 2401 7396 51 60 3060 2601 3600 54 87 4698 2916 7569 52 75 3900 2704 5625 71 65 4615 5041 4225 77 76 5852 5929 5776 79 75 5925 6241 5625 83 82 6806 6889 6724 105 38 3990 11025 1444 9143 14198 917401 654953 1560204 Dengan demikian, hasil perhitungan regresi linear diperoleh nilai a = 90.5465 dan b = 0.1367, maka persamaan regresinya adalah Ŷ = 90.5465 + 0.1367x. a menyatakan intersep atau perpotongan dengan sumbu tegak, dan b adalah kemiringan atau gradiennya. Untuk perhitungan korelasi, diperoleh nilai r = 0.0935, maka r 2 = 0. 0087. Koefisien korelasi determinasi r 2 = 0.0087, 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

Contoh Perhitungan: (01/09/06) Cost Downtime = Total Worker * Time Stopped * Cost/Jam 80menit = 6 * * Rp5300 = Rp 42.400,00 60menit Berikut adalah hasil perhitungan dari Tabel 10. Pertama, September 2006; Total kerusakan mesin adalah 169 mesin; Total cost downtime adalah Rp 1,505,200.00. Kedua, Oktober 2006; Total kerusakan mesin adalah 167 mesin; Total cost downtime adalah Rp 1,765,518.33. Ketiga, November 2006; Total kerusakan mesin adalah 192 mesin; Total cost downtime adalah Rp 1,719,320.00. Keempat, Desember 2006; Total kerusakan mesin adalah 125 mesin; Total cost downtime adalah Rp 1,078,285.00. Kelima, Januari 2007; Total kerusakan mesin adalah 202 mesin; Total cost downtime adalah Rp 2,018,416.67. Keenam, Februari 2007; Total kerusakan mesin adalah 184 mesin; Total cost downtime adalah Rp 1,914,801.67. Ketujuh, Maret 2007; Total kerusakan mesin adalah 139 mesin; Total cost downtime adalah Rp 1,078,903.3. Dari jumlah kerusakan mesin setiap bulannya, diketahui rata-rata kerusakan mesin dalam satu bulan, yaitu 168 mesin. Untuk rata-rata downtime adalah 99.28 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) 120.00 100.00 80.00 60.00 40.00 20.00 0.00 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

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 2007. 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) % % % 1 2 540 0 540 100 440 81.48% 1690 56 0.23 89.62% 96.69% 70.60% 2 3 540 0 540 45 495 91.67% 1899 65 0.23 89.52% 96.58% 79.25% 3 4 540 0 540 111 429 79.44% 1765 74 0.23 96.00% 95.81% 73.07% 4 5 540 0 540 62 478 88.52% 1890 70 0.23 92.26% 96.30% 78.64% 5 9 540 0 540 90 450 83.33% 1835 68 0.23 95.15% 96.29% 76.35% 6 10 540 0 540 140 400 74.07% 1665 50 0.23 97.13% 97.00% 69.78% 7 11 540 0 540 99 441 81.67% 1745 84 0.23 92.33% 95.19% 71.77% 8 12 540 0 540 85 455 84.26% 1830 79 0.23 93.85% 95.68% 75.66% 9 13 540 0 540 39 501 92.78% 1959 81 0.23 91.24% 95.87% 81.15% 10 16 540 0 540 77 463 85.74% 1647 45 0.23 83.00% 97.27% 69.22% 11 17 540 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

Gambar 4 Overall Equipment Effectiveness per hari pada Direct Line 9 Bulan Mei 2007 Tabel 14 Cost Downtime April 2007 30 INASEA, Vol. 10 No.1, April 2009: 19-33

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

Grafik Hasil Penelitian 100.00% 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 Rp2,500,000.00 Rp2,000,000.00 Cost Downtime Rp1,500,000.00 Rp1,000,000.00 Rp500,000.00 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

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 2007. 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 1,066,183.33 pada bulan April 2007 dan Rp 849,766.67 pada bulan Mei 2007. 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