Syntax Literate: Jurnal Ilmiah Indonesia p�ISSN: 2541-0849
e-ISSN:
2548-1398
Vol.
7, No. 4, April 2022
Aji Wahyuning Prastya, Rendiyatna Ferdian
Fakultas Teknik, Universitas Widyatama
Bandung, Jawa Barat, Indonesia
Email: [email protected], [email protected]
Abstrak
PT Dirgantara Indonesia adalah
satu-satunya satu - satunya perusahaan manufaktur yang memproduksi pesawat di kawasan Asia Tenggara.
Dalam proses manufaktur pembuatan pesawat dan komponen pesawat untuk memenuhi permintaan customer
di PT Dirgantara Indonesia ditunjang
dengan berbagai mesin yang memiliki fungsi dan tingkat ketelitian masing-masing. �Salah satu mesin tersebut ialah mesin Oerlicon yang sering
mengalami kerusakan sehingga dibutuhkan waktu untuk perawatan
yang menyebabkan terjadinya
downtime mesin
atau mesin tidak dapat dipakai
dalam waktu yang cukup lama. Penelitian ini bertujuan memberikan
usulan penjadwalan perawatan mesin Oerlicon dengan waktu dan biaya yang lebih optimal dengan perhitungan menggunakan metode Markov Chain. Hasil perhitungan
yang diperoleh yaitu nilai penghematan untuk kondisi kerusakan
ringan nilai penghematan adalah sebesar Rp. 37.629.535 atau
65% dengan penghematan waktu sebesar 56,25 jam. Untuk kondisi kerusakan
sedang nilai penghematan adalah sebesar Rp. 21.680.785 atau 37,6% dengan penghematan
waktu sebesar 32,25 jam. Untuk kondisi kerusakan
berat nilai penghematan adalah sebesar Rp. 7.725.628 atau
13,4% dengan penghematan waktu sebesar 11,25 jam. Jadwal perawatan PM usulan yang optimal yang diajukan
yaitu setiap 1 bulan sekali per tahun.
Kata Kunci: markov chain,
preventive maintenance; penjadwalan; penghematan
Abstract
PT Dirgantara Indonesia is the only manufacturing
company that produces aircraft in southeast Asia. In the manufacturing process
of making aircraft and aircraft components to meet customer demand at PT Dirgantara Indonesia supported by various engines that have
their respective functions and levels of accuracy.� One such machine is the Oerlicon
machine that often suffers damage so that it takes time for maintenance that causes
engine downtime or the machine cannot be used for a long time. This research aims
to provide a proposal for scheduling Oerlicon machine
maintenance with more optimal time and cost with calculations using the Markov
Chain method. �The result of the calculation
obtained is the saving value for mild damage conditions, the saving value is Rp. 37,629,535 or 65% with a time saving of 56.25 hours. �For moderate damage conditions, the saving
value is Rp. 21,680,785 or 37.6% with a time saving
of 32.25 hours. �For severe damage
conditions, the saving value is Rp. 7,725,628 or
13.4% with a time saving of 11.25 hours. The optimal proposed PM treatment
schedule is once every 1 month per year.
Keywords: markov chain; preventive maintenance; scheduling;
savings
Pendahuluan
PT Dirgantara Indonesia adalah satu -satunya perusahaan
manufaktur yang memproduksi
pesawat di kawasan Asia
Tenggara. Pesawat yang diproduksi
terdiri dari berbagai macam tipe pesawat militer
hingga kini menuju produksi pesawat sipil. Selain memproduksi pesawat, PT Dirgantara Indonesia
juga memproduksi komponen-komponen
pesawat yang bekerja sama dengan berbagai
perusahaan pembuat pesawat seperti Boeing, Airbus hingga
BELL.
Proses manufaktur pembuatan pesawat dan komponen pesawat untuk memenuhi
permintaan customer
di PT Dirgantara Indonesia ditunjang
dengan berbagai mesin yang memiliki fungsi dan tingkat ketelitian masing-masing. Kehandalan
mesin-mesin tersebut menjadi salah satu faktor utama berjalannya
produksi. Kehadiran mesin-mesin tersebut dapat meningkatkan tingkat produksi yang mana akan mengurangi timgkat keterlambatan pengiriman kepada customer. Oleh karena
itu kondisi mesin-mesin tersebut harus terawat dengan
baik agar proses produksi tidak terganggu dengan cara melakukan
perawatan dengan jangka waktu yang optimal.
Salah satu proses produksi di PT Dirgantara Indonesia yaitu Detail Part Manufacture yang mana melakukan pembuatan komponen pesawat dengan ketelitian tinggi. Dalam proses pembuatannya, Detail
Part Manufacture menggunakan alat
dan mesin, salah satunya mesin Oerlicon. Mesin Oerlicon merupakan mesin yang sering mengalami kerusakan sehingga dibutuhkan waktu untuk perawatan yang menyebabkan terjadinya downtime mesin
atau mesin tidak dapat dipakai
dalam waktu yang cukup lama. Dengan jadwal perawatan Preventive Maintenance yang dimiliki oleh PT Dirgantara
Indonesia yaitu setiap 6 bulan sekali, mesin
Oerlicon masih sering mengalami
kerusakan. Oleh karena itu penulis bermaksud
melakukan penelitian yang bertujuan memberikan usulan penjadwalan perawatan mesin Oerlicon dengan waktu dan biaya yang lebih optimal dengan perhitungan menggunakan metode Markov Chain.
Metode Penelitian
Metode penelitian yang digunakan oleh penulis adalah: 1). Melakukan pengambilan data di bagian Planning
Maintenance untuk mendapatkan
data awal kerusakan mesin Oerlicon selama periode tahun 2019 � 2021. 2). Memberikan klasifikasi usulan status kerusakan mesin dengan pertimbangan
data. 3). Melakukan perhitungan
dengan metode Markov Chain untuk
mendapat usulan penjadwalan perawatan mesin Oerlicon tahun 2022, 2023, 2024 dengan waktu dan biaya yang lebih optimal.
Hasil dan Pembahasan
1.
Data
Awal Kerusakan Mesin Oerlicon Dalam Periode Tahun
2019 � 2021.
Tabel 1
Data Downtime Mesin Oerlicon Tahun 2019 - 2021
|
No. |
Jenis Perawatan |
Total Downtime (Jam) |
Cost |
|
1. |
PM (Preventive Maintenance) |
87,25 Jam |
Rp. 57.565.473 |
|
2. |
CM (Corrective Maintenance) |
�95,25 Jam |
Rp. 117.745.516 |
|
|
Jumlah |
�182,5 Jam |
Rp. 175.310.989 |
Tabel 2
Klasifikasi Status Kerusakan
|
Status |
Kelas |
Downtime |
Cost |
|
1 |
Baik |
Sesuai
Jadwal PM |
|
|
2 |
Ringan |
< 2 Jam |
< Rp 50 juta |
|
3 |
Sedang |
< 15 Jam |
< Rp 300 juta |
|
4 |
Berat |
> 15 Jam |
> Rp 300 juta |
Tabel 3
Data Kerusakan Mesin
Oerlicon Tahun 2019 - 2021
|
Jenis
Kerusakan |
Total Downtime (jam) |
Biaya
Maintenance |
Status |
||||
|
Preventive Maintenance Level-2000 Hours |
7,0 |
�Rp����������
4.851.499 |
Baik |
|
|
|
|
|
Hydraulic:
Bocor. |
8,0 |
�Rp����������
4.864.571 |
|
|
Sedang |
|
|
|
Servo Z Alarm |
8,0 |
�Rp����������
5.209.571 |
|
|
Sedang |
|
|
|
Emergency: Off |
3,3 |
�Rp����������
1.992.482 |
|
|
Sedang |
|
|
|
Mesin
Tidak Center |
5,8 |
�Rp����������
3.735.160 |
|
|
Sedang |
|
|
|
Preventive Maintenance Level-4000 Hours |
21,0 |
�Rp��������
14.299.498 |
Baik |
|
|
|
|
|
Servo Axid X Alarm |
8,0 |
�Rp����������
4.904.571 |
|
|
Sedang |
|
|
|
Z Servo Alarm |
21,0 |
�Rp��������
13.714.498 |
|
|
|
Berat |
|
|
Saluran
Coolant: Macet |
1,5 |
�Rp������������� 979.607 |
|
Ringan |
|
|
|
|
Preventive Maintenance Level-2000 Hours |
7,0 |
�Rp����������
4.571.499 |
Baik |
|
|
|
|
|
Preventive Maintenance Level-4000 Hours |
32,3 |
�Rp��������
21.061.550 |
Baik |
|
|
|
|
|
Preventive Maintenance Level-2000 Hours |
6,0 |
�Rp����������
3.918.428 |
Baik |
|
|
|
|
|
Jarak Dimensi
Pada Display Dan Aktual Berbeda |
8,0 |
�Rp����������
5.064.571 |
|
|
Sedang |
|
|
|
Alarm Y Servo,
Isi Oli Spindle |
1,5 |
�Rp������������� 919.607 |
|
|
Sedang |
|
|
|
Alarm Servo Z Dan
Overtravel |
16,1 |
�Rp����������
9.987.346 |
|
|
|
Berat |
|
|
Axis Y Erorr |
2,0 |
�Rp����������
1.306.143 |
|
Ringan |
|
|
|
|
Axis Y Erorr
Naik Sendiri |
2,7 |
�Rp����������
1.737.741 |
|
|
Sedang |
|
|
Tabel 4
Data Kerusakan Mesin
Oerlicon Tahun 2019 - 2021
|
Jenis Kerusakan |
Total Downtime
(jam) |
Biaya Maintenance |
Status |
|
|
|
|
Preventive Maintenance Level-4000 Hours |
14,0 |
�Rp���������� 8.862.998 |
Baik |
|
|
|
|
Hydraulic Dinyalakan
Axis Y Bergerak Ke Arah X |
5,0 |
�Rp���������� 3.005.357 |
|
|
Sedang |
|
|
Axis Y Maju Sendiri |
3,0 |
�Rp���������� 1.839.214 |
|
|
Sedang |
|
|
Spindle Y Bergerak Sendiri |
1,5 |
�Rp������������� 919.607 |
|
Ringan |
|
|
2.
Memberikan Data Klasifikasi Usulan
Pemberian klasifikasi usulan status kerusakan mesin dengan mempertimbangkan
permasalahan yang sama berulang dapat dikerjakan lebih cepat atau dicegah
dengan meningkatkan kemampuan operator
maintenance, ketersediaan operator maintenance dan komponen part mesin. Data
usulan klasifikasi kerusakan mesin ditandai dengan tabel warna kuning
sebagai berikut:
Tabel 5
Data Usulan Klasifikasi Kerusakan Mesin Oerlicon Tahun 2019 - 2021
|
Jenis
Kerusakan |
Total Downtime
(jam) |
Biaya
Maintenance |
Status |
|||
|
Preventive
Maintenance Level-2000 Hours |
7,0 |
�Rp����������
4.851.499 |
Baik |
|
|
|
|
Hydraulic� : Bocor. |
8,0 |
�Rp����������
4.864.571 |
|
|
Sedang |
|
|
Servo
Z Alarm |
8,0 |
�Rp����������
5.209.571 |
|
|
Sedang |
|
|
Emergency
: Off |
3,3 |
�Rp����������
1.992.482 |
|
|
Sedang |
|
|
Mesin
Tidak Center |
5,8 |
�Rp����������
3.735.160 |
|
|
Sedang |
|
|
Preventive
Maintenance Level-4000 Hours |
21,0 |
�Rp��������
14.299.498 |
Baik |
|
|
|
|
Servo
Axid X Alarm |
8,0 |
�Rp����
������4.904.571 |
|
Ringan |
Sedang |
|
|
Z
Servo Alarm |
21,0 |
�Rp��������
13.714.498 |
|
|
Sedang |
Berat |
|
Saluran
Coolant : Macet |
1,5 |
�Rp������������� 979.607 |
|
Ringan |
|
|
|
Preventive
Maintenance Level-2000 Hours |
7,0 |
�Rp����������
4.571.499 |
Baik |
|
|
|
|
Preventive
Maintenance Level-4000 Hours |
32,3 |
�Rp��������
21.061.550 |
Baik |
|
|
|
|
Preventive
Maintenance Level-2000 Hours |
6,0 |
�Rp����������
3.918.428 |
Baik |
|
|
|
|
Jarak
Dimensi Pada Display Dan Aktual
Berbeda |
8,0 |
�Rp����������
5.064.571 |
|
|
Sedang |
|
|
Alarm
Y Servo,
Isi Oli Spindle |
1,5 |
�Rp������������� 919.607 |
|
Ringan |
Sedang |
|
|
Alarm
Servo Z Dan
Overtravel |
16,1 |
�Rp����������
9.987.346 |
|
|
Sedang |
Berat |
|
Axis
Y Erorr |
2,0 |
�Rp����������
1.306.143 |
Baik |
Ringan |
|
|
|
Axis
Y Erorr Naik Sendiri |
2,7 |
�Rp����������
1.737.741 |
|
Ringan |
Sedang |
|
Tabel 6
Data Usulan Klasifikasi
Kerusakan Mesin Oerlicon Tahun 2019 - 2021
|
Jenis Kerusakan |
Total
Downtime (jam) |
Biaya
Maintenance |
Status |
|
|
|
|
Preventive Maintenance Level-4000 Hours |
14,0 |
�Rp����������
8.862.998 |
Baik |
|
|
|
|
Hydraulic Dinyalakan
Axis Y Bergerak Ke Arah X |
5,0 |
�Rp����������
3.005.357 |
|
|
Sedang |
|
|
Axis Y Maju Sendiri |
3,0 |
�Rp����������
1.839.214 |
|
Ringan |
Sedang |
|
|
Spindle Y Bergerak Sendiri |
1,5 |
�Rp������������� 919.607 |
|
Ringan |
|
|
3.
Perhitungan Dengan Metode
Markov Chain
A.
Penentuan Transisi Status Mesin Dan Probabilitas Status
Awal
Tabel 7
Transisi Status Mesin
|
Status akhir (j) Status awal (i) |
1 (j) |
2
(j) |
3 (j) |
4
(j) |
|
|
|
Baik |
Ringan |
Sedang |
Berat |
Jumlah |
||
|
1 (i) |
Baik |
6 |
0 |
0 |
0 |
6 |
|
2 (i) |
Ringan |
1 |
2 |
0 |
0 |
3 |
|
3 (i) |
Sedang |
0 |
4 |
6 |
0 |
10 |
|
4 (i) |
Berat |
0 |
0 |
2 |
0 |
2 |
|
|
Jumlah |
7 |
6 |
8 |
0 |
21 |
Data transisi status mesin digunakan untuk menghitung probabilitas status awal dengan rumus:
𝐏𝒂𝒘𝒂𝒍 =
Contoh Perhitungan:
P1 =
Sehingga didapat Tabel
8 Probabilitas Status Awal yaitu:
Tabel 8
Probabilitas Status Awal
|
Baik |
0,286 |
|
Ringan |
0,143 |
|
Sedang |
0,476 |
|
Berat |
0,095 |
B.
Penentuan Probabilitas Transisi n- Langkah
Probabilitas Transisi n � Langkah dihitung dengan data Tabel. 5 Transisi
Status Mesin dengan rumus:
Pn
� Langkah =
Contoh Perhitungan =
Pn Langkah 11 =
Sehingga didapat Tabel 9 Probabilitas Transisi n- Langkah sebagai berikut:
Tabel 9
Probabilitas Transisi n- Langkah
|
Status akhir (j) Status awal (i) |
1 (j) |
2
(j) |
3
(j) |
4
(j) |
|
|
Baik |
Ringan |
Sedang |
Berat |
||
|
1 (i) |
Baik |
1 |
0 |
0 |
0 |
|
2 (i) |
Ringan |
0,333 |
0,667 |
0 |
0 |
|
3 (i) |
Sedang |
0 |
0,4 |
0,6 |
0 |
|
4 (i) |
Berat |
0 |
0 |
1 |
0 |
C.
Penentuan Probabilitas Transisi Perawatan Usulan
Probabilitas transisi perawatan usulan Ptpu(j) dihitung dengan rumus:
Ptpu(j)
= P Status Awal x Pn � Langkah ������������..������..(1.3)
Contoh Perhitungan=
Ptpu(j) 11 = 0,286 x 1 = 0,286
Sehingga diperoleh Tabel 10 Hasil Probabilitas
Transisi Perawatan Usulan sebagai berikut:
Tabel 10
Hasil Probabilitas Transisi Perawatan Usulan
|
Status akhir (j) Status awal (i) |
1 (j) |
2
(j) |
3
(j) |
4
(j) |
|
|
Baik |
Ringan |
Sedang |
Berat |
||
|
1 (i) |
Baik |
0,286 |
0 |
0 |
0 |
|
2 (i) |
Ringan |
0,095 |
0,095 |
0 |
0 |
|
3 (i) |
Sedang |
0 |
0,057 |
0,286 |
0 |
|
4 (i) |
Berat |
0 |
0 |
0,476 |
0 |
D.
Penentuan Probabilitas Transisi Kerusakan Mesin
Probabilitas Transisi Kerusakan Mesin Ptkm dihitung dengan �rumus
:
𝐏tkm =
Contoh Perhitungan =
Ptkm =
Sehingga diperoleh Tabel 11 Hasil Probabilitas
Transisi Kerusakan Mesin sebagai berikut:
Tabel 11
Hasil Probabilitas Transisi
Kerusakan Mesin
|
Status akhir (j) Status awal (i) |
1 (j) |
2
(j) |
3
(j) |
4
(j) |
|
|
Baik |
Ringan |
Sedang |
Berat |
||
|
1 (i) |
Baik |
1 |
0 |
0 |
0 |
|
2 (i) |
Ringan |
0,5 |
0,5 |
0 |
0 |
|
3 (i) |
Sedang |
0 |
0,167 |
0,833 |
0 |
|
4 (i) |
Berat |
0 |
0 |
1 |
0 |
E.
Penentuan Biaya Rata- Rata Perawatan Mesin
a.
Biaya Rata-Rata Preventive Maintenance (PM)
Biaya rata-rata PM = Rp. 57.565.473 / 6 = Rp. 9.549.245. Jumlah PM selama tahun 2019 - 2021 adalah 6 kali.
b.
Biaya Rata-Rata Corrective Maintenance
(CM)
Biaya rata-rata CM = Rp. 117.745.501 / 15 = Rp. Rp.
7.849.700. Jumlah CM selama
tahun 2019 - 2021 adalah 15
kali.
c.
Biaya Rata-Rata Perawatan = Rp. 9.549.245 + Rp.
7.849.700 = Rp. 17.443.946
F.
Biaya PM Dan CM Perusahaan
a.
Status
Kerusakan Ringan
= (0,5 x Rp. 17.443.946 ) + ( 0,5 x Rp. 17.443.946 )
= Rp. 17.443.946
b.
Status
Kerusakan Sedang
= (0,167 x Rp. 17.443.946 ) + ( 0,833 x Rp. 17.443.946 )
= Rp. 17.443.946
c.
Status
Kerusakan Berat
= (1 x Rp. 17.443.946 )= Rp. 17.443.946
G.
Biaya PM Dan CM Usulan
a.
Status
Kerusakan Ringan
= (0,095 x Rp. 17.443.946 ) + ( 0,095 x Rp. 17.443.946 )
= Rp. 3.322.656
b.
Status
Kerusakan Sedang
= (0,057 x Rp. 17.443.946 ) + ( 0,286 x Rp. 17.443.946 )
= Rp. 5.980.781
c.
Status
Kerusakan Berat
= (0,476 x Rp. 17.443.946 )= Rp. 8.306.641
H.
Perencanaan Usulan Penjadwalan
PM Untuk Tahun 2022, 2023,
2024 Berdasarkan Perhitungan
Metode Markov
Chain.
Perhitungan metode Markov Chain menggunakan data perawatan kerusakan mesin Oerlicon selama 3 tahun periode 2019, 2020, 2021 dengan waktu PM 87,25 jam dan biaya Rp. 57.565.473. Perawatan PM
mesin dilakukan selama 3 tahun sebanyak 6 kali dengan jangka waktu setiap
6 bulan. Maka diusulkan jadwal PM untuk tahun 2022, 2023, 2024 sebagai berikut:
Usulan
PM =
Contoh Perhitungan
=
Kondisi Kerusakan
Ringan = �
Sehingga diperoleh
Tabel 12 Total Biaya
Dan Waktu PM Tahun 2022, 2023, 2024 sebagai berikut:
Tabel 12
Total Biaya Dan Waktu PM Tahun 2022,
2023, 2024
|
Kondisi Kerusakan |
Biaya Perawatan (usulan) |
Biaya Perawatan (perusahaan) |
Waktu Perawatan Perusahaan |
Total Waktu PM |
|
Ringan |
Rp. 19.935.938 |
Rp. 57.565.473 |
87,25 |
31 |
|
Sedang |
Rp. 35.884.688 |
Rp. 57.565.473 |
87,25 |
55 |
|
Berat |
Rp. 49.839.844 |
Rp. 57.565.473 |
87,25 |
76 |
Setelah mendapat usulan PM selama 3 tahun ke depan.
Maka penjadwalan perawatan untuk setiap 1 kali perawatan adalah sebagai berikut:
Jadwal
PM =
Contoh Perhitungan
=
Kondisi Kerusakan
Ringan = �
Sehingga diperoleh
Tabel 13 Total Biaya
Dan Waktu PM Setiap 1 Kali Perawatan
sebagai berikut:
Tabel 13
Total Biaya Dan Waktu PM Setiap 1 Kali Perawatan
|
Kondisi Kerusakan |
Biaya Perawatan (usulan) |
Biaya Perawatan (perusahaan) |
Waktu Perawatan Perusahaan |
Total Waktu PM |
|
Ringan |
�Rp. 3.322.656 |
�Rp. 17.443.946 |
31,0 |
6 |
|
Sedang |
�Rp. 5.980.781 |
�Rp. 17.443.946 |
55,0 |
19 |
|
Berat |
�Rp. 8.306.641 |
�Rp. 17.443.946 |
76,0 |
37 |
Setelah didapat
total biaya dan waktu PM setiap 1 kali perawatan maka jadwal periode
PM usulan per 1 tahun adalah sebagai berikut:
Periode
PM =
Contoh Perhitungan
=
Kondisi Kerusakan
Ringan = �
Sehingga diperoleh
Tabel 14 Total Biaya
Dan Waktu PM Setiap 1 Kali Perawatan
sebagai berikut:
Tabel 14
Total Biaya Dan Waktu PM Setiap 1 Kali Perawatan
|
Kondisi Kerusakan |
Waktu
Perawatan (usulan) |
Waktu
Perawatan
(perusahaan) |
Bulan
Dalam Setahun |
Total Waktu PM |
|
Ringan |
6 |
87,25 |
12,0 |
1 |
|
Sedang |
19 |
87,25 |
12,0 |
3 |
|
Berat |
37 |
87,25 |
12,0 |
5 |
Dari Tabel 14 Total Biaya
Dan Waktu PM Setiap 1 Kali Perawatan� dengan metode Markov Chain
maka dapat diusulkan periode penjadwalan perawatan Preventive Maintenance (PM) mesin Oerlicon yaitu setiap
1 bulan dalam 1 tahun, diambil dari frekuensi paling kecil yaitu kondisi
kerusakan ringan selama 1 bulan.
Berdasarkan hasil perhitungan pada Tabel. 10 Total Biaya Dan Waktu PM Tahun 2022,
2023, 2024 di atas maka diperoleh nilai optimal penghematan biaya dan waktu dari usulan
perawatan mesin Oerlicon untuk periode tahun
2022, 2023, 2024 yaitu:
a.
Untuk
kondisi kerusakan ringan nilai penghematan
adalah sebesar Rp.
37.629.535 atau 65% dengan penghematan waktu sebesar 56,25 jam.
b.
Untuk
kondisi kerusakan sedang nilai penghematan
adalah sebesar Rp.
21.680.785 atau 37,6% dengan penghematan
waktu sebesar 32,25 jam
c.
Untuk
kondisi kerusakan berat nilai penghematan
adalah sebesar Rp.
7.725.628 atau 13,4% dengan
penghematan waktu sebesar 11,25 jam
Kesimpulan
Berdasarkan hasil dan pembahasan yang telah dilakukan dapat ditarik kesimpulan
sebagai berikut: 1). Nilai penghematan optimal biaya perawatan PM mesin Oerlicon yang diusulkan untuk tahun 2022, 2023, 2024 untuk kondisi kerusakan ringan nilai
penghematan adalah sebesar Rp. 37.629.535 atau 65%. Untuk
kondisi kerusakan sedang nilai penghematan
adalah sebesar Rp.
21.680.785 atau 37,6%. Untuk
kondisi kerusakan berat nilai penghematan
adalah sebesar Rp.
7.725.628 atau 13,4% dari biaya rata-rata perawatan pada tahun 2019, 2020,2021 sebesar Rp.
57.565.473. 2). Nilai penghematan optimal waktu perawatan PM mesin Oerlicon yang diusulkan untuk tahun 2022, 2023, 2024 untuk kondisi kerusakan
ringan sebesar 56,25 jam. Untuk kondisi kerusakan
sedang sebesar 32,25 jam. Untuk kondisi kerusakan
berat sebesar 11,25 jam dari total waktu PM pada tahun 2019, 2020, 2021 sebesar
87,25 jam. 3). Berdasarkan perhitungan
metode Markov
Chain diusulkan jadwal perawatan PM adalah setiap 1 bulan sekali per tahun menggantikan jadwal lama yaitu setiap 6 bulan sekali per tahun. Jadwal usulan
diasumsikan dengan kondisi tersedianya operator maintenance, kemampuan/skill
operator maintenance dan part mesin.
BIBLIOGRAFI
Allo, D. G., Hatidja, D., &
Paendong, M. (2013). Analisis Rantai Markov untuk Mengetahui Peluang
Perpindahan Merek Kartu Seluler Pra Bayar GSM (Studi Kasus Mahasiswa Fakultas
Pertanian Unsrat Manado). JURNAL MIPA UNSRAT ONLINE 2 (1) 17-22.
Angkat, S. J. (2017). Menentukan
Kebijakan Pemeliharaan Mesin Screw Press Menggunakan Metode Overall Equipment
Effectiveness (OEE), Markovian Decision Process Dan Reliability Engineering
Pada PT. PP. London Sumatra Indonesia, Tbk. Begerpang (Pom). Medan:
Universitas Sumatera Utara.
Candra, A. (2020). Perencanaan
Analisa Pemeliharaan Mesin Menggunakan Pendekatan Markov Chain di PT. Cardsindo
Tiga Perkasa. JITMI Vol.3 No.1, Maret 2020.
Eliyus, A. R., Alhilman, J., &
Sutrisno, S. (2014). Estimasi Biaya Maintenance Dengan Metode Markov Chain Dan
Penentuan Umur Mesin Serta Jumlah Maintenance Crew Yang Optimal Dengan Metode
Life Cycle Cost (Studi Kasus: Pt Toa Galva). Vol 1 No 02 (2014): Jurnal
Rekayasa Sistem & Industri - Oktober 2014 .
Irdianto, I., & Suhartini.
(2019). Penggunaan Metode Markov Chain Dalam Penjadwalan Perawatanmesin Untuk
Meminimalkan Biaya Kerusakan Mesin Dan Perawatan Mesin Mill 303 Di Pt. Steel
Pipe Industry Of Indonesia Unit 3. Journal Of Industrial And Systems
Optimization Volume 2, Nomor 1, Bulan 2019, 11-17.
Maulana, D. S., Handoko, F., &
Adriantantri, E. (2019). Perencanaan Perawatan Mesin Dengan Menggunakan Metode
Markov Chain Di Pt. Karyamitra Budisentosa Pandaan.
Sanusi, Saputra, T., & Hidayat,
H. (2020). Perencanaan Perawatan Mesin Menggunakan Metode Markov Chain untuk
Meminimumkan Biaya Perawatan di PT Mencast Offshore and Marine Batam . Vol.
5 No. 02 (2020): Jurnal Teknik Ibnu Sina (JT-IBSI).
Shella, T. (2018). Perencanaan
Pemeliharaan Mesin Burner Pada Tungku Peleburan Alumunium Dengan Menggunakan
Metode Markov Chain Untuk Meminimalkan Biaya Pemeliharaan (Studi Kasus Di Umkm
Tajusa Drumband Yogyakarta). Yogyakarta: Universitas Islam Negeri Sunan
Kalijaga Yogyakarta.
Sholeh, A. S., Anna, I. D., Novianti,
T., & Findiastuti, W. (2018). Penjadwalan Maintenance Mesin Dd10 Dengan
Menggunakan Metode Markov Chain. Tekmapro Vol.13, No.2,.
W., E. P., & Ilma, F. (2012). Perencanaan
Pemeliharaan Mesin Dengan Menggunakan Metode Markov Chain Untuk Mengurangi
Biaya Pemeliharaan Di Pt. Philips Indonesia. Prosiding Seminar Nasional
Aplikasi Sains & Teknologi (SNAST) Periode III.
|
Copyright
holder: Aji Wahyuning Prastya; Rendiyatna Ferdian (2022) |
|
First
publication right: Syntax Literate: Jurnal Ilmiah
Indonesia |
|
This article is
licensed under: |