Optimasi Preventive Maintenance pada Mesin Tuber dan Bottomer dengan Metode Analisis Reliabilitas di PT Industri Kemasan Semen Gresik Oleh : Dosen Pembimbing : Drs. Haryono, MSIE Satria Hikmawan M.H (1309100070) Co. Dosen Pembimbing : M. Sjahid Akbar, S.Si, M.Si
agenda
Pendahuluan PENDAHULUAN
Latar Belakang Mesin Rusak Mesin Baru Latar Belakang Mesin Diperbaiki Pada saat kerusakan Meningkatkan produktifitas PT IKSG Perawatan Berkala PT Industri Kemasan Semen Gresik Analisis Reliabilitas Biaya Preventive Maintenance
Permasalahan Permasalahan 1 Bagaimana kriteria data kerusakan mesin Tuber dan Bottomer? 2 Apa distribusi dari kerusakan mesin Tuber dan Bottomer? 3 Bagaimana fungsi reliabilitas untuk masingmasing mesin? 4 Bagaimana model optimasi untuk menentukan waktu pemeliharaan yang meminimumkan biaya?
Tujuan dan manfaat Mendiskripsikan data kerusakan mesin Tuber dan Bottomer Tujuan dan Manfaat 1 Mengetahui distribusi data kerusakan mesin Tuber dan Bottomer Mendapatkan fungsi reliabilitas untuk masingmasing mesin 2 3 Memberikan Saran Kepada PT IKSG untuk meningkatkan produktifitas perusahaan Mendapatkan model optimasi untuk menentukan waktu pemeliharaan yang meminimumkan biaya 4
Tinjauan Pustaka TINJAUAN PUSTAKA
Maintenance Terencana Maintenance Preventive Maintenance Corrective Maintenance Tidak Terencana
stades Statistika Deskriptif Mean Ukuran Pemusatan dan Penyebaran Data Varians
Uji Kruskal Uji Kruskal-Wallis Hipotesis H 0 : K sampel populasi memiliki median yang sama H 1 : Minimal ada dua sampel populasi memiliki median berbeda Statistik Uji H 12 N( N 1) 1 ( N K i Ri i1 n 2 n 1) 2 Keputusan tolak H 0 jika nilai H lebih besar dari tabel Chi-Square dengan derajat bebas k-1
Uji distribusi Pengujian Distribusi Hipotesis H 0 : Distribusi data sesuai dengan distribusi dugaan H 1 : Distribusi data tidak sesuai dengan distribusi dugaan Statistik Uji D = sup F n (x) F(x) Keputusan H 0 ditolak apabila nilai D hitung > D tabel atau apabila nilai p-value < alpha
reliabilitas f(t) dt t f(t) R(t) 0 R(t) dt
ringkasan Ringkasan Generalized Gamma Weibull 3P Eksponensial PDF k1 ( t) k ( k) t Exp λe λt Laju Kerusakan f(t) R(t) k1 ( t) k ( k) t Exp λ (konstan) MTTF θγ k + 1 β Γ(k) γ + θγ 1 + 1 β 1 λ Fungsi Reliabilitas m t m1 e λt
MLE Maksimum Likelihood * Membuat fungsi Likelihood * Mengalikan kedua sisi dengan fungsi ln * Diturunkan terhadap alpha i * Diturunkan kedua terhadap alpha i 2 ln L t 1, t 2, t 3,, t k ; α 1, α 2, α 3,, α n α i 2 < 0
Optimasi Optimasi Waktu preventive maintenance C t p = C p R t p + C f 1 R(t p ) t p R t p + M(t p ) 1 R(t p ) dengan M t p = t t f(t)dt 1 R(t p )
Gambaran Perusahaan PT Industri Kemasan Semen Gresik Gambaran Perusahaan Berdiri sejak 1992 di Tuban Tuber Menghasilkan Produk Setengah Jadi Bottomer Menjadikan Produk Siap Dipasarkan Anak perusahaan PT Semen Gresik Mesin Tuber dan Bottomer Memproduksi Kemasan untuk PT Semen Gresik Sewn Kraft Sewn Woven Pasted Kraft 2006 Siti Hidayatul Badi
Metodologi METODOLOGI
Sumber data variabel Sumber Data dan Variabel Penelitian Sumber Data Variabel Penelitian Data Lifetime dan Waktu Perbaikan Mesin Tuber dan Bottomer (04/03-09 sampai 03/05-13) Lama Lifetime dan Waktu Perbaikan dalam satuan waktu tertentu
Langkah analisis Langkah Analisis Melakukan deskripsi sebagai gambaran awal untuk mendiskripsikan kriteria data yang diperoleh Melakukan pengujian distribusi dari data kerusakan mesin untuk masing-masing mesin Melakukan etimasi parameter untuk masing-masing mesin dan mendapatkan fungsi reliabilitas untuk masing-masing mesin. Melakukan optimasi dari beberapa model reliabilitas dengan software matlab, weibull ++7, atau excel
Pembahasan PEMBAHASAN
Stades Statistika Desk. Jenis Mesin N Mean Variance Min Max 1 17 52.9 1312.9 8 143 Lifetime 2 12 75.3 2166.9 12 185 3 10 96.1 5306.1 8 210 Waktu Perbaikan 1 17 4.2 8.5 0.3 10.2 2 12 2.5 4.8 0.3 7.2 3 10 1.9 2.5 0.3 4.8 T U B E R B O T T O M E R Jenis Mesin N Mean Variance Min Max 1 13 73.3 7086.7 5 258 Lifetime 2 16 67.9 3299.8 6 180 3 12 76.8 3465.2 10 220 Waktu Perbaikan 1 13 1.93 2.99 0.21 5.9 2 16 4.39 7.12 0.92 10 3 12 2.96 3.72 0.71 7.5
Kuskal Uji Kruskal-Wallis TUBER Statistik Nilai Chi-Square 3,068 df 2,000 P-value 0,216 Gagal Tolak H 0 artinya tidak ada perbeda median dari ketiga sampel Sehingga data lifetime ketiga mesin tuber digabung menjadi satu Statistik Nilai Chi-Square 1,111 df 2 P-value 0,574 Gagal Tolak H 0 artinya tidak ada perbeda median dari ketiga sampel Sehingga data lifetime ketiga mesin bottomer digabung menjadi satu BOTTOMER
Penentuan distribusi tube Tuber Penentuan Dist. Distribusi Rangking Generalized Gamma 1 Weibull (2P) 2 Weibull (3P) 3 Statistik Nilai P(D_Critical<D) 0.41% P(D_Critical>D) 99.59%
Penentuan distribusi bott Bottomer Penentuan Dist. Distribusi Rangking Weibull (3P) 1 Generalized Gamma 2 Weibull (2P) 3 Statistik Nilai P(D_Critical<D) 9.76% P(D_Critical>D) 90.24%
Parameter TUBER Parameter Dist. Parameter G-Gamma Nilai θ 45,604 β 1,061 k 1,623 Shape Scale Parameter Weibull (3P) Nilai m 0,865 θ 63,191 γ 4,71 BOTTOMER Shape Scale Threshold
Elemen reli tube TUBER Elemen Reliabilitas Fungsi Padat Peluang 0.722 1.061( t) t Exp 1.722 (45.604) (1.623) 45.604 1.061 G E N MTTF 45,604Γ 1,623 + 1 1,061 Γ(1,623) = 70,951 hari E R A L I G A M M A Z Reliabilitas E D
Elemen reli bott BOTTOMER Elemen Reliabilitas Fungsi Padat Peluang MTTF Reliabilitas 0,865 1 0,865 t 4,71 t 4,71 Exp 63,191 63,191 63,191 MTTF = 4,71 + 63,191Γ 1 + 1 0,865 t 4,71 Exp 63,191 0, 865 = 72,704 hari 0,865 W E I B U L L Laju Kerusakan t 4,71 0,014 63,191 0,135 3 P
Grafik laju reli tube Elemen Reliabilitas TUBER MAINTENANCE
Grafik laju reli bott Elemen Reliabilitas BOTTOMER MAINTENANCE
Cf, Cp dan Model tube Cf, Cp dan Model TUBER rata-rata downtime (hari) 3.105 lost production 5691739 sak harga per sak Rp 2,000 Cost of Failure Rp 3,666,668,528 Persentase 10% Cost of Preventive Rp 366,666,853 C(t p ) = 366.667(juta) R(t p) + 3666.669(juta) 1 R(t p ) t β(t) t p R(t p ) + t βk 1 θ βk Γ(k) exp t β p θ dt 0
Optimasi tube Optimasi Prevent. TUBER Ctp 41.5 41.4 41.3 41.2 41.1 41 40.9 40.8 40.7 40.6 23 23.6 24.2 24.8 25.4 26 26.6 27.2 27.8 28.4 29 29.6 30.2 30.8 31.4 32 32.6 33.2 33.8 34.4 35 tp (27 ; 40,92)
Cf, Cp dan Model bott Cf, Cp dan Model BOTTOMER Persentase 10% Cost of Preventive Rp 366,666,855 rata-rata downtime (hari) 3.191 lost production 5850628 sak harga per sak Rp 2,000 Cost Failure Rp 3,666,668,547 C(t p ) = 366.667(juta) R(t p) + 3666.669(juta) 1 R(t p ) t m t γ m 1 t γ m t p R(t p ) + p t θ θ exp θ dt 0
Optimasi bott Optimasi Prevent. BOTTOMER Ctp 90 80 70 60 50 40 30 20 10 (72 ; 55,61) 0 4.8 7.4 10 12.6 15.2 17.8 20.4 23 25.6 28.2 30.8 33.4 36 38.6 41.2 43.8 46.4 49 51.6 54.2 56.8 59.4 62 64.6 67.2 69.8 tp
Kesimpulan saran KESIMPULAN dan SARAN
Kesimpulan Kesimpulan Stat Desk. Elemen Reliabilitas Waktu dan Biaya Preventive Mesin bottomer menunjukkan bahwa untuk ketiga mesin bottomer yang ada, mesin kedua merupakan mesin yang harus diberikan perhatian lebih. untuk mesin tuber, mesin yang perlu mendapatkan perhatian lebih adalah mesin pertama Distribusi yang cocok untuk mesin tuber adalah distribusi Generalized Gamma dengan parameter θ sebesar 45,604, β sebesar 1,061 dan k sebesar 1,623 Data lifetime dari mesin bottomer berdistribusi Weibull 3P dengan parameter m sebesar 0,865, θ sebesar 63,191 dan nilai parameter γ sebesar 4,71 Waktu preventive yang meminimumkan biaya untuk mesin tuber yang memiliki distribusi Generalized Gamma adalah jika preventive dilakukan setiap 27 hari dengan estimasi biaya minimum sebesar 40,92 juta rupiah mesin bottomer yang memiliki distribusi Weibull 3P biaya akan menjadi minimum jika preventive dilakukan setiap 72 hari dengan estimasi biaya 55,61 juta rupiah
Saran Saran Penelitian selanjutnya diharapkan peneliti dapat menggali lebih dalam untuk informasi bagaimana mesin bekerja, spesifikasi mesin dan melihat faktor operator yang menjalankan mesin tersebut. Pada dasarnya penelitian ini mengasumsikan bahwa perlakuan dan kinerja operator pada setiap mesin dianggap sama. Perhitungan dengan menggunakan metode yang berbeda tidak menutup kemungkinan akan menghasilkan perhitungan yang berbeda pula. Penelitian selanjutnya dapat meneliti lebih lanjut apabila mesin dianggap satu buah rangkain produksi
Daftar pustaka Daftar Pustaka Assauri, S. (1993). Manajemen Produksi dan Operasi. Jakarta: Fakultas Ekonomi Universitas Indonesia. Badi', S. H. (2006). Analisis Proses Kerusakan dan Perbaikan Mesin Tuber dan Bottomer dengan metode Reliabilitas. Surabaya: Institut Tekhnologi Sepuluh Nopember. Bhattacharyya, G. K. (1977). Statistical Consepts and Method. New York: Wiley. Daniel, W. W. (1989). Statistik Nonparametrik Terapan. Jakarta: Gramedia. Dhillon, B. S. (1985). Quality Control, Reliability, and Engineering Design. New York: MARCEL DEKKER, INC. Dhillon, B. S. (2007). Applied Reliability and Quality. London: Springer. Ebeling, C. E. (1997). An Introduction to Reliability and Maintainability Engineering. Singapore: McGraw-Hill. Govindarajulu, Z. (2007). Nonparametrik Inference. World Scientific Publishing Company Incorporated. Industri Kemasan Semen Gresik. (2006). catalog. Retrieved December 1, 2012, from iksg: http://www.iksg.co.id Mobley, K., Higgins, L., & Wikoff, D. (2008). Maintenance Enggineering Handbook (Vol. 7). New York: McGraw- Hill Companies. Myung, I. J. (2003). Tutorial on maximum likelihood estimation. Journal of Mathematical Psychology 47, 90-100. O'Connor, A. N. (2011). Probability Distributions Used in Reliability Engineering. Maryland, USA: Reliability Information Analysis Center (RIAC). ReliaSoft Corporation. (2012, Maret 29). Retrieved Mei 14, 2013, from http://www.reliawiki.com Semen Gresik. (2012, December 6). ina/web/post/pt-iksg.aspx. Retrieved December 6, 2012, from Semen Gresik: http://www.semengresik.com
Akhir Optimasi Preventive Maintenance pada Mesin Tuber dan Bottomer dengan Metode Analisis Reliabilitas di PT Industri Kemasan Semen Gresik Oleh : Dosen Pembimbing : Drs. Haryono, MSIE Satria Hikmawan M.H (1309100070) Co. Pembimbing : M. Syahid Akbar, S.Si, M.Si