Penjadwalan Maintenance Pada Unit Kiln Dengan Simulasi Kejadian Diskrit : Studi Kasus Di PT.X Pabrik Tuban

Persaingan industri persemenan yang semakin ketat, menuntut perusahaan untuk melakukan upaya efisiensi. Efisiensi dapat dilakukan dengan menekan opportunity cost yang mungkin muncul didalam pengoperasian pabrik. Opportunity cost terjadi yang disebabkan antara lain pada penentuan jadwal pemeliharaan yang kurang tepat. Avaibility peralatan rendah dan shortage atau surplus inventory akan memunculkan biaya karena adanya keputusan penentuan jadwal yang kurang tepat. Kehandalan alat sering menjadi parameter dalam penentuan jadwal preventive maintenance (PM). Namun pada sistem manufaktur yang komplek, sulit untuk menerapkan pengukuran kehandalan ini. Sehingga selama ini penentuan jadwal pemeliharaan di PT.X dilakukan atas dasar perkiraan permintaan saja. Pada penelitian ini akan dibangun model untuk membantu dalam menentukan penjadwalan dengan tidak hanya berdasarkan permintaan, namun juga kondisi peralatan dimana kondisi peralatan terukur dari reliabilitas peralatan produksi. Sistem industri semakin maju dan semakin komplek, penerapan analisis matematis keandalan kurang praktis untuk menyelesaikan problem ini. Peneliti menggunakan simulasi sistem diskrit untuk menyelesaikan adanya interdepedensi dan variabilitas yang ada di lapangan. Model kehandalan dibangun berdasarkan distribusi probabilitas waktu untuk perbaikan (TTR/Time To Repair) dan waktu antar kegagalan (TTF/Time To Failure) dari data kejadian masa lalu. Selanjutnya kesempatan waktu pemeliharaan (Maintenance Opportunistic Time) didefinisikan dari adanya kejadian kekurangan bahan baku, persedian produk yang penuh atau jadwal pemeliharaan terencana. Semakin banyak waktu perbaikan yang beririsan dengan kesempatan waktu pemeliharaan maka semakin sering opportunistic maintenance (OM) terjadi. Semakin besar OM, semakin besar availability dan MTBF peralatan. Penelitian ini menyajikan tiga skenario jadwal pemeliharaan untuk rencana tahun 2020. Skenario pertama dan kedua memiliki durasi yang sama, namun waktu mulai yang berbeda. Skenario ketiga memiliki durasi yang berbeda dengan skenario- skenario sebelumnya, namun waktu mulai yang sama dengan skenario dua. Dari ketiga skenario ini dapat dilihat perubahan variable- variable respon yang menjadi perhatian manajemen. Variabel respon yang menjadi perhatian antara lain MTBF peralatan, availability peralatan, level persediaan dan opportunity cost yang muncul. Karena variabel respon ini merupakan parameter- parameter KPI (Key Performance Indicator), maka harapannya dengan model ini, manajemen dapat menentukan keputusan penjadwalan pemeliharaan lebih tepat dan mudah. ========================================================= Competition in the cement industry is increasing now, push companies to make efficiency efforts. Efficiency can be carried out by reducing the opportunity costs in plant operations. Opportunity costs occur because of the determination of an incorrect maintenance schedule. Low equipment availability and shortage or surplus inventory will induce costs because of the wrong decision for determining maintenance schedule. The reliability is often being a parameter in determining the preventive maintenance (PM) schedule. But in a complex manufacturing system, it is difficult to apply this reliability analysis. Until now, determination of maintenance schedule at PT.X is based on estimated demand only. In this research, a model will be built to determine the schedule maintenance, not only based on demand, but also the condition of the equipment that is measured from the equipment reliability. Industrial systems are more advanced and complex now. The application of mathematical analysis of reliability is less practical to solve this problem. The researcher uses a discrete system simulation to solve inter dependencies and variability in the field. The reliability model is built based on the distribution of the probability of time to repair (TTR / Time To Repair) and the time between failures (TTF / Time To Failure) from past event data. Furthermore, the opportunity for maintenance time (Maintenance Opportunistic Time) is defined from the occurrence of a shortage of raw materials, a high level of products inventory or a planned maintenance schedule. Two events, the arrival of repair and the arrival of opportunistic time, are intersect more frequently make OM (Opportunistic Maintenance) event occurs more frequently too. The greater OM event, make availability and MTBF of the equipment increase. This study presents three maintenance schedule scenarios for forecasting 2020. The first and second scenarios have the same duration, but different starting times. The third scenario has a different duration from the previous scenarios, but the starting time is the same as the second scenario. From these three scenarios, it can be seen changes of response variables. Response variables include MTBF, availability, inventory levels and opportunity costs. Because this response variable is the KPI (Key Performance Indicator) parameters, it is hoped that with this model, management can make maintenance scheduling decisions more precisely and easily