i

TESIS – PM 147501

PENENTUAN INTERVAL WAKTU PERAWATAN

PENCEGAHAN PADA PERALATAN GAS

COMPRESSION SYSTEM DI PT PERTAMINA HULU

ENERGI

EKWAN HARDIYANTO

NRP. 9115201703

DOSEN PEMBIMBING

Ir. Bobby Oedy P. Soepangkat, M.Sc., Ph.D.

DEPARTEMEN MANAJEMEN TEKNOLOGI

BIDANG KEAHLIAN MANAJEMEN INDUSTRI

FAKULTAS BISNIS DAN MANAJEMEN TEKNOLOGI

INSTITUT TEKNOLOGI SEPULUH NOPEMBER

SURABAYA

2017

iii

PENENTUAN INTERVAL WAKTU PERAWATAN

PENCEGAHAN PADA PERALATAN GAS COMPRESSION

SYSTEM DI PT PERTAMINA HULU ENERGI

Nama : Ekwan Hardiyanto

NRP : 9115201703

Pembimbing : Ir. Bobby Oedy P. Soepangkat, M.Sc., Ph.D.

ABSTRAK

PT Pertamina Hulu Energi (PHE) saat ini mengelola lapangan Offshore

North West Java (ONWJ). Lapangan tersebut telah beroperasi sejak tahun 1971

sampai sekarang, sehingga peralatan yang digunakan sudah relatif tua. Salah satu

metode pengangkatan minyak di lapangan tersebut adalah dengan menggunakan

metode gas lift. Metode ini memanfaatkan tekanan gas yang dihasilkan oleh Gas

Compression System (GCS). Gas bertekanan tersebut diinjeksikan ke dalam annulus

(ruang antara tubing dan casing) dan kemudian ke dalam tubing produksi. Unit GCS

memiliki 5 sistem utama, yaitu suction and discharge scrubber, turbin gas,

kompresor, interstage cooler dan support and others. Data kegagalan yang diperoleh

menunjukkan bahwa kelima bagian tersebut memiliki komponen-komponen dengan

tingkat kegagalan yang tinggi. Oleh karena itu, sebagai langkah awal akan ditentukan

interval waktu perawatan pencegahan (Tp) dari kelima bagian unit GCS dengan laju

biaya perawatan pencegahan yang minimum, dan juga mampu menghasilkan

keandalan (R) dan ketersediaan (A) yang memenuhi persyaratan perusahaan.

Ada tiga langkah yang ditempuh untuk menentukan Tp yang optimum.

Langkah pertama adalah melakukan pengumpulan, pengolahan, penentuan distribusi

dan parameter dari data waktu antar kegagalan (TBF) dan waktu perbaikan (TTR).

Langkah berikutnya adalah melakukan iterasi waktu operasi (Ti) dan Tp untuk

menentukan laju biaya perawatan minimum, keandalan dan ketersediaan. Iterasi ini

diterapkan untuk setiap bagian utama dari GCS yang tersusun secara seri. Tp dengan

laju biaya pemeliharaan terendah ditetapkan Tp optimum.

Dari penelitian ini diperoleh nilai Tp, R dan A yang bervariasi pada masing-

masing sistem dengan laju biaya sebesar USD 612.339/day. Nilai optimum Tp pada

sistem suction & discharge scrubber adalah 400 jam, dengan R dan A sebesar 0.972

dan 0.99. Nilai optmum Tp pada sistem kompresor sebesar 1200 jam, dengan R dan A

sebesar 0.974 dan 0.994. Nilai optimum Tp untuk sistem turbin gas (engine) sebesar

1600 jam, dan nilai R dan A sebesar 0.975 dan 0.987. Nilai optimum Tp pada sistem

fin fan cooler sebesar 220 jam dengan nilai R dan A sebesar 0.997 dan 0.97, dan pada

sistem support and others diperoleh nilai Tp sebesar 2000 jam dengan nilai R dan A

sebesar 0.994 dan 0.96.

Kata kunci: interval waktu perawatan pencegahan, keandalan, ketersediaan, laju

biaya perawatan pencegahan.

iv

Halaman ini sengaja dikosongkan

v

DETERMINATION OF PREVENTIVE MAINTENANCE TIME

INTERVAL OF GAS COMPRESSION SYSTEM EQUIPMENT AT

PERTAMINA HULU ENERGI

By : Ekwan Hardiyanto

Student Identity Number : 9115201703

Supervisor : Ir. Bobby Oedy P. Soepangkat, M.Sc., Ph.D.

ABSTRACT

PT. Pertamina Hulu Energi (PHE) is working on Offshore North West Java

(ONWJ) block. It has been operating since 1971 until now, so it can be said that the

equipments are relatively old. One of the methods to lift the crude oil from this field

is by using gas lift. This method exploits the gas pressure which produced by Gas

Compression System (GCS). This compressed gas is injected into annulus (space

between tubing and casing) then inserted to tubing production. This high compressed

gas causing the aeration process which impacted to the decreasing of fluid weight in

tubing column production. This process causing pressure at reservoir that can push

the fluid from well to production facility on the surface. GCS has 5 main parts, they

are suction & discharge scrubber, gas turbine, compressor, interstage cooler and

support & others. From the downtime data taken, those five parts have components

with high failing rate. By those explained reason, this research is aimed to determine

the time interval for preventive maintenance (Tp) for those five parts with minimum

maintenance cost, reliability and availability value set by the company.

There were three steps to determine the optimum Tp. The first step was

collected data and obtain the best distributuion of time between failures (TBF) and

time to repair (TTR). The second step was to iterate the operating time (Ti) and Tp to

determine the minimum preventive maintenance cost rate, reliability and availability.

This iteration was applied to parts of GCS that prosseses a series system. Tp at the

lowest rate of preventive maintenance costs was an optimum Tp.

The optimum Tp for suction & discharge scrubber is 400 hours with

reliability and availability is 0.972 and 0.99. The optimum Tp for compressor is 1200

hours with reliability and availability is 0.974 and 0.994. The optimum Tp for gas

turbine is 1600 hours with reliability and availability is 0.975 and 0.987. The optimum

Tp for fin fan cooler is 220 hours with reliability and availability is 0.997 and 0.97.

The optimum Tp for support and others is 2000 hours with reliability and availability

is 0.994 and 0.96.

Keywords: reliability, avaibility, preventive maintainance cost rate, and preventive

maintenance time interval.

vi

Halaman ini sengaja dikosongkan

vii

KATA PENGANTAR

Penulis mengucapkan syukur kepada Allah SWT, atas segala limpahan

rahmat dan hidayahnya, penulis dapat menyelesaikan tesis ini sesuai dengan harapan.

Tesis ini disusun guna memenuhi persyaratan kelulusan akademis bagi Mahasiswa

Strata-2 (S2) pada Program Studi Magister Manajemen Teknologi bidang keahlian

Manajemen Industri, Institut Teknologi Sepuluh Nopember, Surabaya.

Tentunya juga tesis ini tidak akan pernah terwujud tanpa adanya bantuan

dari berbagai pihak yang meluangkan waktu, tenaga dan pikirannya untuk

terselesaikannya proses penyelesaian tesis ini. Saya ucapkan terima kasih yang

sebesar-besarnya kepada:

1. Ir. Bobby Oedy P. Soepangkat, M.Sc., Ph.D, selaku dosen pembimbing atas

waktu, ide, pengarahan, kesabaran, serta bimbingan selama pengerjaan tesis.

2. Dr. Ir. Mokh. Suef, MSc(Eng), selaku ketua program studi MMT-ITS.

3. PT. Pertamina Hulu Energi yang telah membantu dalam pengumpulan data

kerusakan komponen pada Gas Compression System.

4. Bapak, ibu dan istri atas doa, perhatian, nasehat, dorongan yang selalu diberikan

selama ini, serta pengertiannya dalam memberikan dukungan moril tak terhingga,

terutama di masa-masa sulit.

5. Terima kasih secara khusus kepada teman-teman seperjuangan di Program Studi

MMT-ITS kelas kerja sama Pertamina Hulu Energi angkatan 2015.

Penulis menyadari bahwa tesis ini masih jauh dari kata sempurna. Penulis

berharap bahwa penelitian ini dapat menjadi acuan untuk melakukan penelitian lebih

lanjut. Segala kritik dan saran sangat diharapkan oleh penulis demi kesempurnaan

tesis ini dikemudian hari.

Surabaya, Juli 2017

Penulis

viii

Halaman ini sengaja dikosongkan

ix

DAFTAR ISI

LEMBAR PENGESAHAN ............................................................................... i

ABSTRAK ....................................................................................................... iii

ABSTRACT ...................................................................................................... v

KATA PENGANTAR .................................................................................... vii

DAFTAR ISI .................................................................................................... ix

DAFTAR GAMBAR ..................................................................................... xiii

DAFTAR TABEL ........................................................................................... xv

BAB 1 PENDAHULUAN ................................................................................ 1

1.1 Latar Belakang ........................................................................................ 1

1.2 Perumusan Masalah ................................................................................ 8

1.2.1 Batasan Penelitian ....................................................................... 8

1.2.2 Asumsi-asumsi ............................................................................ 9

1.3 Tujuan Penelitian .................................................................................... 9

1.4 Manfaat Penelitian .................................................................................. 9

1.5 Sistematika Penulisan Laporan ............................................................. 10

BAB 2 TINJAUAN PUSTAKA .................................................................... 11

2.1 Konsep Dasar Perawatan ...................................................................... 11

2.2 Jenis Perawatan..................................................................................... 11

2.2.1 Perawatan Pencegahan (Preventive Maintenance) ............................... 12

2.2.2 Perawatan Perbaikan (Corrective Maintenance) .................................. 13

2.3 Konsep-Konsep Perawatan ................................................................... 13

2.3.1 Konsep Breakdown dan Downtime ........................................... 13

2.3.2 Konsep Keandalan (Reliabliity) ................................................ 15

2.3.3 Konsep Keterawatan (Maintainability) ........................................ 17

2.4 Pemodelan Keandalan Sistem .............................................................. 17

2.4.1 Sistem Seri ................................................................................ 17

2.4.2 Sistem Paralel ........................................................................... 18

2.4.3 Sistem Paralel dengan m Sukses dari n Unit ............................ 19

x

2.4.4 Kombinasi Seri dan Paralel ....................................................... 19

2.5 Laju Kegagalan ..................................................................................... 19

2.6 Mean Time Between Failure (MTBF) .................................................. 20

2.7 Mean Time to Failure (MTTF) ............................................................. 20

2.8 Mean Time to Repair (MTTR) .............................................................. 20

2.9 Konsep Kesiapan (Availability) ............................................................ 20

2.10 Analisis Variansi ................................................................................... 20

2.11 Uji F ...................................................................................................... 22

2.12 Uji Asumsi Residual ............................................................................. 23

2.13 Distribusi Data Kegagalan dan Maintainability .................................... 23

2.13.1Distribusi Data Kegagalan .......................................................... 24

2.13.2Distribusi Data Maintainability .................................................. 26

2.14 Pengujian Distribusi .............................................................................. 28

2.15 Laju Biaya Perawatan Pencegahan ....................................................... 30

2.16 Optimasi Interval Waktu Perawatan Pencegahan ................................. 31

2.17 Posisi Penelitian .................................................................................... 34

BAB 3 METODE PENELITIAN ................................................................... 37

3.1 Studi Lapangan dan Identifikasi Masalah ............................................. 37

3.2 Studi Pustaka ......................................................................................... 37

3.3 Perumusan Masalah dan Tujuan Penelitian .......................................... 39

3.4 Pengumpulan Data ................................................................................ 39

3.5 Pengolahan Data ................................................................................... 39

3.6 Penarikan Kesimpulan dan Saran ......................................................... 40

BAB 4 PENGOLAHAN DATA .................................................................... 43

4.1 Pengolahan Data Antar Waktu Kegagalan dan Waktu Perbaikan ........ 43

4.2 Pengolahan Data Antar Waktu Kegagalan dan Waktu Perbaikan ........ 47

4.3 Penentuan Parameter Keandalan Setiap Sistem .................................... 48

4.4 Penentuan Parameter Maintainability Setiap Sistem ............................ 50

BAB 5 PENENTUAN INTERVAL WAKTU PERAWATAN

PENCEGAHAN YANG OPTIMUM............................................................. 53

5.1 Penentuan Interval Waktu Perawatan Pencegahan yang Optimum,

Keandalan dan Ketersedian pada Setiap Sistem Unit GCS ............................ 53

xi

BAB 6 ANALISIS KERUSAKAN PERALATAN ....................................... 67

6.1 Analisis Kerusakan Komponen ............................................................ 67

6.1.1 Level Transmitter ...................................................................... 67

6.1.2 Bearing...................................................................................... 68

6.1.3 Back Up Seal Oil....................................................................... 69

6.1.4 Back Up Over Speed ................................................................. 70

6.1.5 Modul Analog ........................................................................... 71

6.1.6 Tubing ....................................................................................... 72

6.1.7 Shell & Tube ............................................................................. 73

6.1.8 Valve ......................................................................................... 73

6.1.9 Pipe ................................................................................................... 74

BAB 7 KESIMPULAN DAN SARAN ......................................................... 77

6.1 Kesimpulan ........................................................................................... 77

6.2 Saran ..................................................................................................... 78

DAFTAR PUSTAKA ..................................................................................... 79

xii

Halaman ini sengaja dikosongkan

xiii

DAFTAR GAMBAR

Gambar 1.1 Diagram alir Gas Compression System ............................................ 2

Gambar 1.2 Diagram Alir Stage GCS ................................................................. 2

Gambar 1.3 Diagram Alir Proses Kerja Turbin Gas ............................................ 3

Gambar 1.4 Blok Diagram Kegagalan Komponen dengan Frekuensi Tinggi ....... 7

Gambar 2.1 Laju kerusakan mesin/bathtub curve. ............................................. 14

Gambar 2.2. Tipikal Fungsi Densitas Kegagalan ................................................ 17

Gambar 2.3. Blok Diagram Sistem Seri ............................................................. 18

Gambar 2.4 Blok Diagram Sistem Paralel. ........................................................ 18

Gambar 2.5. Blok Diagram Kombinasi Sistem dan Paralel ................................ 19

Gambar 2.6 Alur Iterasi Ti dan Tp Secara Berurutan Sesuai dengan Pola

Perawatan Pencegahan Multi Komponen ....................................... 32

Gambar 2.7 Pengaruh Tp Terhadap Laju Biaya Perawatan Pencegahan ............. 33

Gambar 3.1 Diagram Alir Penelitian ................................................................. 38

Gambar 3.2 Diagram Alir Pengolahan Data dengan Perangkat Lunak

Weibul++6 .................................................................................... 41

Gambar 3.3 Diagram Alir Iterasi Ti dan Tp untuk komponen ............................. 42

Gambar 4.1 Plot ACF untuk Data Back Up Seal Oil. ............................................. 44

Gambar 4.2 Plot Residual Versus Observation Order. .......................................... 45

Gambar 4.3 Plot Uji Distribusi Normal. .................................................................. 45

Gambar 5.1 Pengaruh Tp terhadap Laju Biaya Perawatan pada Sistem Suction &

Discharge Scrubber ....................................................................... 58

Gambar 5.2 Pengaruh Tp terhadap Keandalan pada Sistem Suction & Discharge

Scrubber ........................................................................................ 58

Gambar 5.3 Pengaruh Tp terhadap Ketersediaan pada Sistem Suction &

Discharge Scrubber ....................................................................... 59

Gambar 5.4 Pengaruh Tp terhadap Laju Biaya Perawatan pada Sistem

Kompresor .................................................................................... 60

Gambar 5.5 Pengaruh Tp terhadap Keandalan pada Sistem Kompresor ............. 60

Gambar 5.6 Pengaruh Tp terhadap Ketersediaan pada Sistem Kompresor .......... 60

xiv

Gambar 5.7 Pengaruh Tp terhadap Laju Biaya Perawatan pada Sistem Turbin Gas

(Engine) ........................................................................................ 61

Gambar 5.8 Pengaruh Tp terhadap Keandalan pada Sistem Turbin Gas

(Engine) ........................................................................................ 61

Gambar 5.9 Pengaruh Tp terhadap Ketersediaan pada Sistem Turbin Gas

(Engine) ........................................................................................ 62

Gambar 5.10 Pengaruh Tp terhadap Laju Biaya Perawatan pada Sistem Fin Fan

Cooler ........................................................................................... 63

Gambar 5.11 Pengaruh Tp terhadap Keandalan pada Sistem Fin Fan Cooler ...... 63

Gambar 5.12 Pengaruh Tp terhadap Ketersediaan pada Sistem Fin Fan Cooler .. 63

Gambar 5.13 Pengaruh Tp terhadap Laju Biaya Perawatan pada Sistem Support

and Others ..................................................................................... 64

Gambar 5.14 Pengaruh Tp terhadap Keandalan pada Sistem Support and

Others ........................................................................................... 64

Gambar 5.15 Pengaruh Tp terhadap Ketersediaan pada Sistem Support and

Others ........................................................................................... 65

Gambar 6.1 Level Transmitter. ......................................................................... 67

Gambar 6.2 Bearing. ........................................................................................ 68

Gambar 6.3 Back Up Seal Oil. .......................................................................... 69

Gambar 6.4 Back Up Over Speed. ..................................................................... 70

Gambar 6.5 Module Analog. ............................................................................. 71

Gambar 6.6 Tubing. .......................................................................................... 72

Gambar 6.7 Shell & Tube. ................................................................................. 73

Gambar 6.8 Valve. ............................................................................................ 74

Gambar 6.9 Pipe. .............................................................................................. 75

xv

DAFTAR TABEL

Tabel 1.1 Frekuensi Kegagalan, Jumlah Downtime dan Biaya Perawatan GCS

dari tahun 2012-2016 ........................................................................... 4

Tabel 1.2 Kegagalan Komponen Unit GCS ......................................................... 5

Tabel 2.1 Tabel Analisis Variansi ...................................................................... 21

Tabel 4.1 TBF dan TTR Komponen Back Up Seal Oil ..................................... 43

Tabel 4.2 Hasil ANAVA Unit GCS dari Data Waktu antar Kegagalan dan

Waktu Perbaikan Komponen di Setiap Sistem dengan Tingkat

Signifikansi 5% .................................................................................. 46

Tabel 4.3 Pemilihan Distribusi Data Antar Waktu Kegagalan pada Sistem

Suction and Discharge Scrubber. ....................................................... 48

Tabel 4.4 Parameter Keandalan Waktu antar Kegagalan. .................................. 48

Tabel 4.5 Fungsi Padat Peluang Waktu antar Kegagalan. ................................. 49

Tabel 4.6 Fungsi Keandalan Waktu antar Kegagalan Sub-Sub Unit. ................ 50

Tabel 4.7 Parameter Maintainability Setiap Sistem. .......................................... 50

Tabel 4.8 Fungsi Padat Peluang Waktu Perbaikan Setiap Sistem. ..................... 51

Tabel 4.9 Fungsi Maintainability Waktu Perbaikan Setiap Sistem. ................... 52

Tabel 5.1 Komponen Biaya Perbaikan dan Perawatan Pencegahan

(dalam USD) ...................................................................................... 55

Tabel 5.2 Perhitungan Ti untuk Setiap Sistem unit GCS. .................................. 55

Tabel 5.3 Perhitungan Ti untuk setiap sistem unit GCS. .................................... 56

Tabel 5.4 Waktu gagal (Tf ) untuk setiap sistem unit GCS pada N = 2 dengan

bilangan acak 0.002. ........................................................................... 57

Tabel 5.5 Hasil Penentuan Tp Optimum pada Sistem Suction & Discharge

Scrubber ............................................................................................. 58

Tabel 5.6 Hasil Penentuan Tp Optimum pada Sistem Kompresor ..................... 59

Tabel 5.7 Hasil Penentuan Tp Optimum pada Sistem Turbin Gas (Engine) ...... 61

Tabel 5.8 Hasil Penentuan Tp Optimum pada Sistem Fin Fan Cooler .............. 62

Tabel 5.9 Hasil Penentuan Tp Optimum pada Sistem Support and Others ........ 64

xvi

Tabel 5.10 Interval waktu perawatan pencegahan (Tp) optimum dan laju biaya

perawatan pada setiap sistem unit GCS. ............................................. 66

Tabel 5.11 Keandalan dan Ketersediaan pada Setiap Sistem saat Tp Optimum. .. 66

1

BAB 1

PENDAHULUAN

1.1 Latar Belakang

Kebutuhan minyak di Indonesia mencapai 1.6 juta barel oil/hari,

sedangkan produksi nasional saat ini hanya 830 ribu barel oil/hari (BP, 2016). Hal

tersebut menuntut semua perusahaan yang bergerak di hulu migas untuk bekerja

lebih efektif dan efisien. Keandalan peralatan merupakan salah satu kunci dalam

mencapai target tersebut. PT Pertamina Hulu Energi (PHE) saat ini mengelola

lapangan Offshore North West Java (ONWJ) yang terbentang dari Kepulauan

Seribu sampai dengan pantai utara Cirebon. Target produksi lapangan tersebut

pada tahun 2015 sebesar 40 ribu BOPD. Lapangan ONWJ telah beroperasi sejak

tahun 1971 sampai sekarang, sehingga peralatan yang digunakan sudah relatif tua.

Sistem perawatan yang lebih baik sangat diperlukan untuk mengantisipasi

terjadinya kehilangan volume minyak yang diangkat akibat kegagalan fungsi

peralatan. Proses pengangkatan minyak dari perut bumi dilakukan oleh PT PHE

ONWJ melalui dua metode, yaitu:

1. Electrical Submersible Pump (ESP)

ESP adalah pompa sentrifugal yang daya angkatnya (lifting head) dapat

diatur melalui variable speed drive (VSD). Pompa ESP dirancang untuk

tenggelam dalam fluida di dalam lubang sumur dan berpenggerak motor

induksi listrik.

2. Gas Compression System (GCS)

Sistem GCS bekerja dengan menginjeksikan gas bertekanan tinggi ke dalam

annulus (ruang antara tubing dan casing) dan kemudian ke dalam tubing

produksi. Gas bertekanan tinggi tersebut menyebabkan terjadinya proses

aerasi (aeration) yang mengakibatkan berkurangnya berat jenis fluida dalam

kolom tubing produksi. Proses tersebut menyebabkan tekanan reservoir

mampu mengalirkan fluida dari lubang sumur menuju fasilitas produksi di

permukaan.

2

Gambar 1.1 menunjukkan unit GCS yang berfungsi merubah gas

bertekanan rendah (±40 psi) menjadi gas bertekanan tinggi (±600 psi). Unit GCS

terdiri dari 2 tahapan utama, yaitu 1st

stage dan 2nd

stage yang bekerja secara seri.

Gambar 1.1 Diagram alir Gas Compression System (Data Internal Perusahaan,

2016)

Pada masing-masing stage, unit GCS dapat dibagi menjadi 5 bagian

utama seperti ditunjukkan pada Gambar 1.2, yaitu:

Gambar 1.2 Diagram Alir Stage unit GCS (Data Internal Perusahaan, 2016)

Fungsi dari setiap bagian utama adalah sebagai berikut:

1. Suction and Discharge Scrubber

Bagian ini berfungsi sebagai pemisah antara gas dan fluida berdasarkan

prinsip gravitasi. Pada suction scrubber gas hasil pemisahan akan dikompresi oleh

kompresor hingga mencapai tekanan yang diinginkan, sedangkan pada discharge

scrubber gas hasil pemisahan akan disalurkan ke sumur minyak.

2. Turbin Gas (Engine)

Bagian ini berfungsi sebagai penggerak utama kompresor. Turbin gas

mengubah energi kimia hidrokarbon dalam bahan bakar gas (methana CH4, ethana

C2H8, prophana C3H8, dan seterusnya) yang direaksikan dengan oksigen bebas.

Gas Compression System

1st Stage

Gas Compression System

2nd Stage

Low Pressure

Gas

High Pressure

Gas

Suction &

Discharge

Scrubber

Interstage Cooler

Kompresor

Support and

Others

Turbin Gas

(Engine)

3

Gas hasil reaksi ini sangat potensial untuk diubah menjadi energi mekanik. Turbin

gas bekerja berdasarkan siklus Brayton yang terdiri dari:

a. Proses kompresi

b. Proses pembakaran

c. Proses ekspansi

d. Exhaust

Gambar 1.3 Diagram Alir Proses Kerja Turbin Gas (Solar, 1970)

Pada Gambar 1.3 disajikan diagram alir proses turbin gas dan perubahan

nilai tekanan, temperatur, dan kecepatan udara. Udara bebas masuk melalui

bagian air intake, menuju bagian kompresor untuk dilakukan pemampatan udara.

Bagian kompresor ini memliki 11 tingkat dengan kemampuan kompresi mencapai

140.000 lbs/hr atau 70 ton/hr. Udara yang keluar dari kompresor memiliki tekanan

80-120 psi. Besarnya nilai tekanan tersebut tergantung pada beban yang

ditanggung turbin gas. Selanjutnya, 70-80% udara bertekanan tersebut akan

digunakan sebagai media pendingin ruang bakar dan sisanya akan dicambur

4

dengan bahan bakar gas pada ruang bakar. Perpaduan udara dan bahan bakar

tersebut akan bertemu dengan nyala api dari pemantik. Temperatur gas yang

keluar dari ruang bakar tersebut dikendalikan dengan suhu maksimal sebesar

1190˚F. Energi panas inilah yang ditransformasikan ke dalam bentuk energi

kinetik, dimana gas akan mengalir dengan kecepatan yang lebih tinggi, sedangkan

tekanan secara transient akan cenderung menurun.

3. Kompresor

Bagian ini berfungsi untuk meningkatkan tekanan gas dari sumur gas

berdasarkan prinsip kecepatan.

4. Interstage Cooler (Pendingin)

Bagian ini berfungsi menurunkan temperatur gas akibat kenaikan tekanan

pada kompresor.

5. Support and Others

Bagian ini berupa peralatan pendukung seperti jaringan pipa, valve, filter,

dan peralatan lainnya.

Berdasarkan data internal perusahaan nilai kegagalan dari unit GCS

masih sangat tinggi. Hal tersebut mengakibatkan downtime yang menyebabkan

menurunya volume minyak yang diangkat. Tabel 1.1 menunjukkan frekuensi

kegagalan, jumlah downtime, dan biaya perawatan dari tahun 2012-2016.

Tabel 1.1 Frekuensi Kegagalan, Jumlah Downtime dan Biaya Perawatan GCS dari

tahun 2012-2016.

No Tahun Frekuensi

Kegagagalan

Downtime

(Jam)

Biaya Perawatan Kerugian akibat penurunan

volume minyak

1 2012 230 3312 Rp38.998.543.247 Rp12.886.475.160

2 2013 76 14565 Rp12.886.475.160 Rp56.670.142.121

3 2014 213 8159 Rp36.116.042.225 Rp31.745.395.782

4 2015 204 12513 Rp34.590.012.272 Rp48.686.130.337

5 2016 193 9542 Rp32.724.864.551 Rp37.126.432.964

Sumber: PHE ONWJ (2016)

Perusahaan menganggarkan biaya perawatan pencegahan tahunan

sebesar lebih kurang Rp. 11.500.000.000. Biaya perawatan yang ditunjukkan pada

5

Tabel 1.1 berfluktuasi dan jauh lebih besar dari pada anggaran biaya perawatan

pencegahan yang telah ditetapkan.

Unit GCS merupakan peralatan pengangkatan minyak yang digunakan

secara terus menerus, sehingga keandalan peralatan tersebut semakin menurun.

Menurunnya keandalan dari unit GCS tersebut ditandai dengan banyaknya

komponen-komponen gagal pada setiap bagian dari unit GCS. Tabel 1.2

menunjukkan data kegagalan komponen-komponen dari unit GCS. Data tersebut

disajikan berdasarkan urutan bagian, sistem dan komponen yang gagal.

Tabel 1.2 Kegagalan Komponen unit GCS

Bagian Frekuensi Kegagalan Komponen

2016 2015 2014 2013 2012 TOTAL

A SUCTION AND DISCHARGE SCRUBBER

A.1 SEPARATION

A.1.1 Level Transmitter 27 14 9 0 10 60

A.1.2 Pressure Transmitter 0 2 0 0 4 6

B TURBIN GAS (ENGINE)

B.1 START SYSTEMS

B.1.1 Pressure Transmitter 1 1 0 0 0 2

B.2 FUEL SYSTEMS

B.2.1 FGCV 3 2 4 0 4 13

B.3 LUBRICATIONS

B.3.1 Main Seal Oil Pump 1 4 1 0 1 7

B.3.2 Back Up Seal Oil 9 8 4 1 22

B.3.3 Demister 0 3 0 0 1 4

B.3.4 Pressure Transmitter 0 1 0 1 0 2

B.3.5 Level Transmitter 0 0 2 0 0 2

B.4 ELECTRICALS

B.4.1 Battery 0 4 6 0 2 12

B.4.2 Back Up Over Speed 0 3 23 0 26

B.4.3 Fuse 2 0 0 0 2 4

B.4.4 Magnetic Pick Up 2 2 5 0 2 11

B.4.5 Module Analog 7 7 6 0 5 25

B.4.6 Motor Enclosure 4 1 0 1 2 8

B.4.7 PLC 4 1 0 0 0 5

B.4.8 Relay 2 2 1 0 0 5

B.4.9 RTD 4 4 2 0 1 11

6

Tabel 1.2 Kegagalan Komponen unit GCS (lanjutan)

B.5 ACCESSORIES

B.5.1 Tubing 3 17 5 1 1 27

B.5.2 Gasket 2 2 0 0 0 4

B.5.3 Coupling 1 2 0 0 0 3

B.5.4 Accessories Drive 3 3 0 0 0 6

B.5.5 PT Hub 1 0 0 0 0 1

B.5.6 Exhaust Bellows 0 0 0 0 5 5

B.5.7 Flexible Hose 2 0 0 0 1 3

B.6 VIBRATION MONITORING

B.6.1 Transducer 0 0 1 2 2 5

C KOMPRESOR

C.1 VIBRATION MONITORING

C.1.1 Bearing 17 11 9 7 18 62

C.1.2 Transducer 0 0 0 1 7 8

C.2 SURGE

C.2.1 Position Transmitter 3 12 4 0 7 26

C.2.2 Pressure Transmitter 1 2 0 0 4 7

C.2.3 Flow Transmitter 0 0 0 0 2 2

C.3 LUBRICATIONS

C.3.1 Pressure Regulator 3 1 1 0 1 6

C.4 DIRT CONTROL

C.4.1 Strainer 0 3 0 0 5 8

D FIN FAN COOLER

D.1 ELECTRICALS

D.1.1 Breaker 2 2 2 0 0 6

D.1.2 Motor 3 1 5 0 1 10

D.2 MECHANICALS

D.2.1 Bearing 1 0 1 0 1 3

D.2.2 V Belt 0 3 1 0 2 6

D.3 INTEGRITY

D.3.1 Shell and Tube 4 2 2 0 24 32

E SUPPORT/OTHERS

E.1 INTEGRITY

B.1.1 Valve 17 9 12 4 13 55

B.1.2 Piping 7 15 6 1 6 35

Sumber: PHE ONWJ (2016)

Data kegagalan komponen tersebut menunjukkan bahwa frekuensi

kegagalan pada unit GCS masih sangat tinggi, sehingga volume minyak yang

tidak terangkat juga besar. Berdasarkan data kegagalan komponen pada yang

7

ditunjukkan pada Tabel 1.2 dapat diketahui komponen-komponen kritis dari unit

GCS, yakni komponen dengan frekuensi kegagalan tinggi (>20). Gambar 1.4

menunjukkan blok diagram dari komponen-komponen dengan frekuensi

kegagalan yang tinggi pada setiap bagian unit GCS.

Keterangan :

= Bagian utama GCS

= Komponen gagal

Gambar 1.4 Blok Diagram Kegagalan Komponen Komponen dengan Frekuensi

Tinggi (PHE ONWJ, 2016)

Selama ini penentuan interval waktu kegiatan perawatan pencegahan

dilakukan berdasarkan rekomendasi yang dibuat oleh manufaktur dari unit GCS.

Kondisi peralatan yang sudah tua memerlukan penjadwalan perawatan

pencegahan yang lebih efektif untuk mencegah kegagalan komponen tersebut.

1. Level Transmitter

7. Shell & Tube

Suction & Discharge Scrubber

2. Back Up Seal Oil

3. Back Up Over Speed

4. Module Analog

5. Tubing

Turbin Gas (Engine)

Interstage Cooler

Kompresor

6. Bearing

Support and Others

8. Valve

9. Pipe

7. Shell & Tube

Suction & Discharge Scrubber

2. Back Up Seal Oil

3. Back Up Over Speed

4. Module Analog

5. Tubing

Turbin Gas (Engine)

Interstage Cooler

Kompresor

6. Bearing

Support and Others

8. Valve

9. Pipe

8

Keuntungan dari perawatan pencegahan adalah dapat meminimalkan downtime

dan menurunkan tingkat kegiatan pekerjaan yang bersifat darurat (Campbell dan

Jardine, 1973).

Sejauh ini, ada beberapa metode penentuan interval waktu perawatan

pencegahan yang sudah diketahui dan diimplementasikan. Salah satunya adalah

dengan melakukan optimasi interval waktu pemeliharaan pencegahan (Jardine,

1970). Rakhmad (2011) melakukan iterasi Ti dan Tp untuk meningkatkan

keandalan sistem minimum hingga 74%, dan penghematan biaya pemeliharaan

juga dapat ditingkatkan menjadi 139,9 USD/hari dari 145,7 USD/hari. Sutanto

(2011) melakukan optimasi laju biaya pemeliharaan pencegahan sehingga

didapatkan penghematan laju biaya pemeliharaan pencegahan pada packer PT

ISM Bogasari sebesar 14,6%. Dengan mengacu pada penelitian sebelumnya

penelitian mengenai penentuan interval waktu perawatan pencegahan pada unit

Gas Compression System berdasarkan pada komponen-komponen yang gagal

belum pernah dilakukan.

Berdasarkan latar belakang yang telah dijelaskan, maka akan dilakukan

penentuan interval waktu perawatan pencegahan dari unit GCS dengan laju biaya

perawatan pencegahan yang minimum, serta keandalan dan ketersediaan yang

memenuhi persyaratan perusahaan.

1.2 Perumusan Masalah

Berdasarkan latar belakang masalah yang telah dijelaskan, maka

rumusan masalah pada tesis ini adalah bagaimana menentukan interval waktu

perawatan pecegahan dari unit GCS pada anjungan lepas pantai Mike-Mike, yang

dapat meminimalkan laju biaya perawatan pencegahan, serta memenuhi keandalan

dan ketersediaan yang dipersyaratkan oleh perusahaan.

1.2.1 Batasan Penelitian

Agar penelitian ini terarah dan fokus, maka diberlakukan batasan-batasan

masalah sebagai berikut:

1. Tidak membahas kerusakan peralatan secara rinci.

9

2. Data kegagalan komponen yang digunakan hanya data dari unit GCS

dalam kurun waktu 1 Januari 2012-31 Desember 2016.

3. Biaya yang digunakan untuk perhitungan hanya biaya perawatan dan

penggantian suku cadang.

4. Tidak membahas kegagalan akibat proses di luar sistem.

1.2.2 Asumsi-asumsi

Adapun asumsi-asumsi yang diberlakukan pada tesis ini adalah sebagai

berikut:

1. Suku cadang yang diganti memiliki spesifikasi sama.

2. Kegagalan akibat kesalahan desain awal diabaikan.

3. Kemampuan teknisi dianggap sama dan sesuai dengan standar yang

ditetapkan.

4. Kesalahan pengoperasian oleh operator diabaikan.

5. Usaha perbaikan dianggap mampu mengembalikan kondisi peralatan

sama seperti kondisi sebelumnya.

6. Peralatan tanpa catatan kerusakan dianggap memiliki keandalan

sebesar satu.

1.3 Tujuan Penelitian

Berdasarkan permasalahan yang telah disebutkan, maka tujuan dari tesis

ini adalah menentukan interval waktu perawatan pencegahan dari unit GCS

anjungan lepas pantai Mike-Mike, yang dapat meminimalkan laju biaya

perawatan pencegahan, serta memenuhi keandalan dan ketersediaan yang

dipersyaratkan oleh perusahaan.

1.4 Manfaat Penelitian

Adapun hasil dalam penelitian tesis ini diharapkan dapat berguna dan

menjadi:

1. Dasar kebijakan Departemen Perawatan PT PHE ONWJ dalam

menentukan pola perawatan dari unit GCS.

2. Dasar untuk menentukan kebijakan dalam perencanaaan penyediaan

komponen, suku cadang, critical equipment, dan biaya perawatan.

10

3. Dasar pengembangan metode penentuan inteval waktu perawatan

pencegahan pada penelitian mendatang.

1.5 Sistematika Penulisan Laporan

BAB 1 PENDAHULUAN

Berisi latar belakang penelitian, perumusan masalah,

tujuan penelitian, manfaat penelitian serta batasan masalah

dan asumsi-asumsi yang diguanakan dalam penelitian.

BAB 2 TINJAUAN PUSTAKA

Berisi referensi pustaka dan teori dasar yang digunakan

untuk penelitian yang akan dilakukan.

BAB 3 METODE PENELITIAN

Berisi metode penelitian atau langkah-langkah dalam

memecahkan masalah.

BAB 4 PENGOLAHAN DATA DAN PENILAIAN

KEANDALAN

Berisi pemodelan sistem, analisis variansi untuk data

waktu antar kegagalan dan waktu perbaikan dan

penentuan distribusi waktu antar kegagalan dan

maintanability serta penentuan parameter keandalan.

BAB 5 PENENTUAN INTERVAL WAKTU PERAWATAN

PENCEGAHAN

Berisi hasil optimasi interval waktu perawatan

pencegahan dan jumlah tenaga kerja yang dapat

meminimalkan laju biaya pemeliharaan pencegahan, serta

keandalan dan ketersediaan pada interval waktu

pemeliharaan pencegahan yang optimum.

BAB 5 KESIMPULAN DAN SARAN

Berisi tentang kesimpulan akhir dari penelitian ini, serta

saran-saran untuk perusahaan dan penelitian mendatang.

11

BAB 2

TINJAUAN PUSTAKA

Perawatan pencegahan merupakan hal yang sangat penting dalam

manajemen perawatan. Tepatnya pelaksanaan perawatan pencegahan dapat

mengurangi angka kerusakan dan downtime peralatan. Berkurangnya angka

tersebut dapat meningkatkan keandalan (reliability) dan tingkat kesiapan peralatan

(availability).

2.1 Konsep Dasar Perawatan

Ada beberapa pengertian perawatan yang diungkapkan oleh para ahli,

diantaranya:

a. Perawatan berarti suatu kombinasi dari setiap tindakan yang dilakukan

untuk menjaga atau mempertahankan kualitas peralatan agar tetap dapat

berfungsi dengan baik seperti dalam kondisi sebelumnya (Stephens,

2004).

b. Perawatan merupakan suatu kegiatan yang diarahkan pada tujuan untuk

menjamin kelangsungan fungsional suatu sistem produksi sehingga dari

sistem itu diharapkan menghasilkan output sesuai yang dikehendaki

(Gasperz, 1992).

c. Peralatan merupakan suatu konsepsi dari semua aktivitas yang

diperlukan untuk menjaga atau mempertahankan kualitas peralatan agar

tetap berfungsi dengan baik seperti dalam kondisi sebelumnya (Supandi,

1990).

2.2 Jenis Perawatan

Kegiatan perawatan dapat dibagi menjadi dua macam, yaitu perawatan

pencegahan (preventive maintenance) dan perawatan perbaikan (corrective

maintenance).

12

2.2.1 Perawatan Pencegahan (Preventive Maintenance)

Perawatan pencegahan adalah perawatan yang dilakukan secara

terjadwal, umumnya secara periodik dimana sejumlah kegiatan seperti inspeksi,

perbaikan, penggantian, pembersihan, pelumasan, penyesuaian dan penyamaan

(Ebeling, 1997). Pengertian lain perawatan pencegahan adalah kegiatan perawatan

yang dilakukan untuk mencegah timbulmya kerusakan dan menemukan kondisi

yang menyebabkan fasilitas atau mesin produksi mengalami kerusakan pada

waktu melakukan produksi (Assauri, 1999).

Pelaksanaan perawatan pencegahan sangat penting terutama untuk

peralatan atau mesin yang dianggap sebagai unit yang kritikal. Terdapat beberapa

kategori unit yang kritikal (Tampubolon, 2004), diantaranya:

a. Fasilitas atau peralatan yang berhubungan dengan keselamatan dan

kesehatan kerja.

b. Fasilitas yang akan mempengaruhi kualitas produk yang dihasilkan.

c. Fasilitas yang akan menyebabkan terhentinya seluruh proses produksi.

d. Fasilitas dengan nilai investasi yang tinggi.

Dalam pelaksanaan perawatan pencegahan dapat dibedakan menjadi dua

macam (Assauri, 2008), yaitu:

a. Perawatan Rutin

Perawatan rutin adalah kegiatan perawatan dan perawatan yang

dilakukan secara rutin. Sebagai contoh kegiatan pengecekan visual, pembersihan,

pelumasan dan pengujian mesin.

b. Perawatan Periodik

Perawatan periodik adalah kegiatan perawatan yang dilakukan secara

periodik atau dalam jangka waktu tertentu, misalnya setiap satu bulan.

Pelaksanaan perawatan periodik juga dapat dilakukan berdasarkan jumlah jam

kerja mesin (running hours).

Beberapa manfaat dari perawatan pencegahan antara lain (Assauri,

2008):

a. Memperkecil overhaul (turun mesin).

b. Mengurangi kemungkinan reparasi berskala besar.

13

c. Mengurangi biaya kerusakan atau penggantian mesin.

d. Memperkecil kemungkinan terjadinya produk-produk yang rusak.

e. Meminimalkan persediaan suku cadang.

f. Memperkecil munculnya gaji tambahan yang diakibatkan adanya

kerusakan.

g. Menurunkan biaya satuan dari produk pabrik.

2.2.2 Perawatan Perbaikan (Corrective Maintenance)

Perawatan perbaikan adalah kegiatan perawatan yang dilakukan setelah

mesin atau fasilitas produksi mengalami kerusakan atau gangguan sehingga tidak

dapat berfungsi dengan baik (Patrick, 2001). Perawatan perbaikan dapat dihitung

dengan mean time to tepair (MTTR) dimana time to repair terdiri dari 3

kelompok (Patrick, 2001), yaitu:

a. Waktu persiapan

Merupakan waktu yang dibutuhkan untuk menemukan orang untuk

mengerjakan perbaikan, waktu tempuh menuju lokasi dan membawa

peralatan uji.

b. Waktu perawatan aktual

Merupakan waktu sebenarnya yang digunakan untuk melakukan

perbaikan meliputi waktu yang dibutuhkan untuk mempelajari dan

memetakan kerusakan, serta waktu yang dibutuhkan untuk melakukan

dokumentasi terhadap perbaikan yang telah dilakukan.

c. Waktu tunggu

Merupakan waktu yang dibutuhkan untuk menunggu datangnya

komponen dari mesin yang diperbaiki.

2.3 Konsep-Konsep Perawatan

2.3.1 Konsep Breakdown dan Downtime

Breakdown dapat diartikan sebagai kerusakan atau berhentinya mesin

sehingga tidak dapat melakukan fungsinya dengan baik. Downtime adalah lama

waktu dimana mesin tidak dapat lagi dijalankan untuk beroperasi sesuai dengan

yang diharapkan.

14

Karakteristik kegagalan atau kerusakan pada mesin sehubungan dengan

waktu dapat dilihat Gambar 2.1 sebagai berikut:

Gambar 2.1 Laju kerusakan mesin/bathtub curve (Wilkins, 2002)

Grafik tersebut sering disebut sebagai bathtub curve, terbagi menjadi

tiga daerah kerusakan, yaitu:

a. Burn in Zone (Early Life)

Daerah ini adalah periode permulaan beroperasinya suatu komponen

atau sistem yang masih baru (sehingga keandalanya masih 100%), dengan periode

waktu yang pendek. Pada kurva ditunjukkan bahwa laju kerusakan yang awalnya

tinggi kemudian menurun dengan bertambahnya waktu, atau diistilahkan

sebagai decreasing failure rate (DFR). Kerusakan yang terjadi umumnya

disebabkan karena proses manufacturing atau fabrikasi yang kurang sempurna.

b. Useful Life Time Zone

Periode ini mempunyai laju kerusakan yang paling rendah dan hampir

konstan yang disebut constant failure rate (CFR). Kerusakan yang terjadi bersifat

random dan dipengaruhi oleh kondisi lingkungan. Ini adalah periode dimana

sebagian besar umur pakai komponen atau sistem berada. Dalam analisis, tingkat

keandalan sistem diasumsikan berada pada periode useful life time, dimana failure

rate-nya konstan terhadap waktu. Asumsi ini digunakan karena pada periode early

life time tidak dapat ditentukan apakah sistem tersebut sudah bekerja sesuai

dengan standar yang ditentukan atau belum. Pada periode wear out time, tidak

dapat diprediksi kapan akan terjadi failure. Pada periode useful life time, dimana

15

failure rate-nya adalah konstan, persamaan keandalan yang digunakan adalah

sebagai berikut:

(2.1)

Jika persamaan tersebut diterapkan pada sistem atau komponen yang

masih baru, maka tingkat keandalannya diasumsikan pada pada keadaan 100%

atau R0 = 100%. Untuk komponen atau sistem yang sudah tidak baru lagi, atau

sudah pernah mengalami maintenance, persamaannya dapat ditulis sebagai

berikut:

(2.2)

Dengan:

R = nilai keandalan/reliability (%)

M = nilai keandalan setelah dilakukan perawatan/maintainability (%)

λ = laju kerusakan/failure rate

c. Wear Out Zone

Periode ini adalah periode akhir masa pakai komponen atau sistem. Pada

periode ini, laju kerusakan naik dengan cepat dengan bertambahnya waktu, yang

disebut dengan istilah increasing failure rate (IFR). Periode ini berakhir saat

keandalan komponen atau sistem ini mendekati nol, dimana kerusakan yang

terjadi sudah sangat parah dan tidak dapat diperbaiki kembali.

2.3.2 Konsep Keandalan (Reliabliity)

Keandalan adalah peluang dari sebuah unit yang dapat bekerja secara

normal ketika digunakan untuk kondisi tertentu dan setidaknya bekerja dalam

suatu kondisi yang telah ditetapkan (Dhillon dan Reiche, 1995). Dalam

mengevaluasi keandalan suatu sistem, variabel random yang dipakai umumnya

adalah waktu. Pada saat t = 0, komponen atau sistem berada dalam kondisi akan

beroperasi, sehingga probabilitas komponen atau sistem itu untuk mengalami

kegagalan pada saat t = 0 adalah 0. Pada saat probabilitas untuk mengalami

kegagalan dari suatu komponen atau sistem yang dioperasikan akan cenderung

mendekati 1. Karakteristik ini sama dengan fungsi distribusi kumulatif. Fungsi

distribusi kumulatif ini akan mengukur probabilitas kegagalan dari suatu sistem

atau komponen sebagai fungsi dari waktu. Dalam terminologi keandalan fungsi

16

distribusi kumulatif ini dikenal sebagai fungsi distribusi kegagalan kumulatif

(cumulative failure distribution function) atau disingkat distribusi kegagalan

kumulatif (cumulative failure distribution). Distribusi kegagalan kumulatif ini

biasanya dilambangkan dengan F(t).

Jika R(t) menyatakan fungsi keandalan dari suatu komponen atau suatu

sistem sebagai fungsi waktu maka hubungan antara fungsi keandalan R(t) dan

distribusi kegagalan kumulatif atau fungsi ketidakandalan F(t) dihubungkan oleh

sebuah formula di bawah ini (Ebeling, 1997).

R(t) = 1 - F(t) (2.3)

Fungsi distribusi probabilitas merupakan turunan dari distribusi

probabilitas kumulatif. Dalam terminologi keandalan fungsi distribusi probabilitas

ini disebut dengan fungsi densitas kegagalan (failure density function). Fungsi

densitas kegagalan ini, yang dinotasikan dengan f(t), dapat diturunkan baik dari

fungsi ketidakandalan maupun fungsi keandalan seperti pada formula di bawah ini

(Ebeling, 1997).

f(t) =

=

(2.4)

Sebaliknya fungsi ketidakandalan maupun fungsi keandalan dapat

diperoleh dari fungsi densitas kegagalan seperti yang dituliskan dalam

formulasi di bawah ini (Ebeling, 1997).

F(t) =

(2.5)

dan

R(t) = 1 - F(t)

= 1 -

=

(2.6)

Gambar 2.2 menunjukkan sebuah tipikal kurva fungsi densitas

kegagalan. Sesuai dengan persamaan (2.5) dan (2.6) maka luasan daearah di

bawah kurva untuk interval mulai dari 0 sampai t mewakili fungsi ketidakandalan

17

sedang keandalan diwakili daerah di bawah kurva dengan interval dari t sampai

tak hingga.

Gambar 2.2. Tipikal Fungsi Densitas Kegagalan (Shankar, 2013)

Penilaian terhadap keandalan suatu sistem dapat didekati dengan dua

metode, antara lain:

a. Analisis kuantitatif

Secara kuantitatif dapat dibedakan menjadi dua, yaitu:

1. Component level (physics of failure, statistics)

2. System level (fault tree analysis, markov analysis)

b. Analisis Kualitatif

Secara kulitatif dapat dibedakan menjadi tiga, yaitu:

1. Intangible decision matrix

2. Critical Analysis

3. failure mode effect analysis (FMEA)

2.3.3 Konsep Keterawatan (Maintainability)

Keterawatan adalah probabilitas suatu komponen atau sistem yang rusak

untuk dapat diperbaiki dan kembali beroperasi dalam jangka waktu tertentu yang

dalam pelaksanaannya sesuai dengan prosedur yang berlaku (Ebeling, 1997).

2.4 Pemodelan Keandalan Sistem

Terdapat beberapa pemodelan keandalan sistem, diantaranya:

2.4.1 Sistem Seri

Suatu sistem dikatakan memiliki pemodelan seri jika semua komponen

saling terikat untuk membuat sistem berhasil beroperasi dan hanya satu kegagalan

F(t) R(t)

18

komponen yang diperlukan untuk membuat sistem gagal. Blok diagram sistem

seri dapat ditunjukkan pada Gambar 2.3 berikut:

Gambar 2.3. Blok Diagram Sistem Seri (Ebeling, 1997)

Dengan menganggap bahwa semua komponen bersifat independent,

maka dapat diperoleh persamaan (Ebeling, 1997):

= Probabilitas semua sistem berfungsi

= R1 . R2….Rn

= (2.7)

2.4.2 Sistem Paralel

Dalam sistem paralel semua komponen membuat sistem sukses yang

berbeda, atau dengan kata lain diperlukan lebih dari komponen gagal untuk

membuat sistem gagal. Blok diagram seperti pada Gambar 2.3 berikut:

Gambar 2.4 Blok Diagram Sistem Paralel (Ebeling, 1997)

Dengan menganggap semua komponen bekerja independent, maka dapat

diperoleh persamaan (Ebeling, 1997):

= Probabilitas semua komponen gagal

= P(A1 gagal) P(A2 gagal)… P(An gagal)

= (1-R1) . (1-R2)….(1-Rn)

= 1- (2.8)

19

2.4.3 Sistem Paralel dengan m Sukses dari n Unit

Dalam sistem ini terdapat sejumlah n komponen yang akan sukses hanya

jika terdapat sejumlah m komponen suskses, persamaan untuk sistem ini sebagai

berikut:

Rm/n =

(2.9)

(2.10)

2.4.4 Kombinasi Seri dan Paralel

Salah satu contoh sistem kombinasi adalah sebagai berikut:

Gambar 2.5. Blok Diagram Kombinasi Sistem dan Paralel (Ebeling, 1997)

Nilai keandalan system yang tersusun seri dan paralel dapat dihitung

dengan menggunakan persamaan berikut (Ebeling, 1997):

Rx = [1-(1-R1)(1-R2)], Ry = Rx(R3), Rz = R4(R5)

Rs = [1-(1-Ry)(1-Rz)](R6) (2.11)

2.5 Laju Kegagalan

Adalah rasio jumlah kegagalan dalam selang watu tertentu dengan total

waktu operasi komponen atau sistem. Laju kegagalan dapat dirumuskan sebagai

berikut (Ebeling, 1997):

λ =

(2.12)

Keterangan:

f = Banyaknya kegagalan selama jangka waktu operasi

20

T = Total waktu kegagalan

2.6 Mean Time Between Failure (MTBF)

MTTBF adalah waktu rata-rata antar kegagalan berlaku untuk

komponen/sistem yang dapat diperbaiki (Ebeling, 1997).

MTBF =

, atau (2.13)

MTBF =

=

(2.14)

2.7 Mean Time to Failure (MTTF)

MTTF dalah rata-rata antar kegagalan yang berlaku untuk

komponen/sistem yang tidak dapat diperbaiki (Ebeling, 1997).

MTTF =

(2.15)

2.8 Mean Time to Repair (MTTR)

MTTR adalah waktu yang diperlukan untuk memulihkan suatu sistem

dari sebuah kegagalan (Ebeling, 1997).

MTTR =

,atau (2.16)

MTTR =

(2.17)

2.9 Konsep Kesiapan (Availability)

Kesiapan (availability) adalah keadaan siap suatu mesin/peralatan baik

dalam jumlah (kuantitas) maupun kualitas sesuai dengan kebutuhan yang

digunakan untuk melaksanakan proses operasi. Kesiapan (availability) tersebut

dapat digunakan untuk menilai keberhasilan atau efektifitas dari kegiatan

perawatan yang telah dilakukan (Ebeling, 1997).

(2.18)

=

(2.19)

2.10 Analisis Variansi

Analisis variansi (ANAVA) dipergunakan untuk menguji perbedaan rata-

rata hitung jika kelompok sampel yang diuji lebih dari dua buah yang berasal dari

populasi yang berbeda. ANAVA dapat juga dipergunakan walau kelompok itu

21

hanya dua buah. Dengan demikian, ANAVA dapat dipandang sebagai teknik t-tes

yang diperluas. Analisis ini dilakukan dengan menguraikan seluruh variansi atas

bagian-bagian yang diteliti. Pada tahap ini, akan dilakukan pengklasifikasian hasil

eksperimen secara statistik sesuai dengan sumber variasi sehingga dapat

mengidentifikasi kontribusi faktor. Dengan demikian akurasi perkiraan model

dapat ditentukan. Analisis variansi pada matriks ortogonal dilakukan berdasarkan

perhitungan jumlah kuadrat untuk masing-masing kolom. Analisis variansi

digunakan untuk menganalisis data percobaan yang terdiri dari satu faktor atau

lebih dengan satu level atau lebih (Montgomery, 2009). Perhitungan ANAVA

untuk satu faktor yang dipilih secara tetap (fixed) ditunjukkan pada Tabel 2.1 dan

meliputi derajat bebas (db), jumlah kuadrat (sum of square, SS), kuadrat tengah

(mean of square, MS) dan fhitung.

Tabel 2.1 Analisis Variansi

Sumber Variasi Db SS MS Fhitung

Faktor A νA SSA MSA FA

Error νerror SSerror MSerror

Total νT SST

Sumber: Barringer (1997)

Dengan,

νT = derajat bebas total.

= N – 1 (2.20)

νA = derajat bebas faktor A.

= kA – 1 (2.21)

νerror = derajat bebas error.

= T - A (2.22)

T = jumlah keseluruhan

= (2.23)

CF = Faktor koreksi

=

(2.24)

SST = Jumlah kuadrat total

=

= (2.25)

22

SSA = Jumlah kuadrat faktor A

= [

(2.26)

SSE = Jumlah kuadrat error

= SST - SSA (2.27)

MSA = Kuadrat tengah faktor A

=

(2.28)

MSE = Kuadrat error tengah faktor A

=

(2.29)

kA = Jumlah level faktor A

N = Jumlah total percobaan

nAi = Jumlah total pengamatan faktor A

2.11 Uji F

Uji F digunakan dengan tujuan untuk menunjukkan bukti adanya

perbedaan pengaruh masing-masing faktor dalam percobaan (Soejanto, 2009). Uji

F dilakukan dengan membandingkan variansi yang disebabkan oleh masing-

masing faktor dengan variansi error. Variansi error adalah variansi setiap

individu dalam pengamatannya timbul karena faktor-faktor yang tidak dapat

dikendalikan. Hipotesis yang digunakan dalam pengujian ini adalah :

H0 : μ1 = μ2 = μ3 = ..... = μk

H1 : Sedikitnya ada satu pasangan μ yang tidak sama

Kegagalan menolak H0 mengindikasikan tidak adanya pengaruh faktor A

terhadap respon, sedangkan penolakan H0 mengindikasikan adanya pengaruh

faktor A terhadap respon. Kegagalan menolak H0 didasarkan pada nilai Fhitung

yang dirumuskan (Soejanto, 2009):

faktor A → Fhitung =

(2.30)

Kegagalan menolak H0 pada masing-masing kasus dilakukan jika

mengalami kondisi sebagai berikut:

Untuk taraf faktor A→Fhitung < Fa, , (2.31)

23

Bila menggunakan perangkat komputasi statistik, kegagalan menolak H0

dilakukan jika P-value lebih besar daripada α (tingkat signifikansi). Kegagalan

menolak H0 juga dilakukan apabila nilai Fhitung lebih besar dari dua (Park, 1996).

2.12 Uji Asumsi Residual

Pada analisis variansi terdapat asumsi bahwa residual bersifat bebas satu

sama lain (independen), mempunyai mean nol dan variansi konstan (identik),

serta berdistribusi normal. Pemeriksaan asumsi IIDN~(0, ) digunakan untuk

mengetahui residual yang dihasilkan setelah melakukan percobaan sudah

memenuhi ketiga asumsi tersebut. Residual didefinisikan sebagai (Montgomery,

2009):

e i = Y i – Ŷ i (2.32)

dengan,

ei = residual

Yi = nilai pengamatan

Ŷ i = nilai dugaannya

A. Uji Asumsi Residual Independen

Uji independen digunakan untuk menjamin bahwa pengamatan telah

dilakukan secara acak, yang berarti antar pengamatan tidak ada korelasi

(independen). Pemeriksaan asumsi ini dilakukan dengan menggunakan plot auto

correlation function (ACF). Residual bersifat independen jika nilai korelasi

berada dalam interval ±

.

B. Uji Asumsi Residual Identik

Pemeriksaan residual identik dilakukan untuk melihat apakah residual

memenuhi asumsi identik. Suatu data dikatakan identik apabila plot residualnya

menyebar secara acak dan tidak membentuk suatu pola tertentu. Nilai variansnya

rata-rata sama antara varians satu dengan yang lainnya. Hal ini dilakukan dengan

memeriksa plot terhadap Ῡl(secara visual).

C. Uji Asumsi Distribusi normal

Pemeriksaan residual berdistribusi normal dilakukan untuk melihat

apakah residual memenuhi asumsi berdistribusi normal, apabila plot residualnya

2

2

24

cenderung mendekati garis lurus (linier). Kolmogorov-Smirnov normality test

digunakan pada pengujian kenormalan residual. Hipotesis yang digunakan adalah:

H0 : Residual berdistribusi normal.

H1 : Residual tidak berdistribusi normal.

Gagal menolak H0 apabila P-value > α.

2.13 Distribusi Data Kegagalan dan Maintainability

Pengolahan data keandalan dan maintainability dapat dilakukan dengan

beberapa jenis distribusi kontinyu, diantaranya adalah distribusi eksponensial,

Weibull, normal, dan lognormal. Parameter-parameter distribusi yang diperoleh

dapat digunakan untuk menentukan: fungsi padat peluang/probability density

function (pdf), keandalan R(t), laju kegagalan f(t), MTBF dan MTTR.

2.13.1 Distribusi Data Kegagalan

A. Distribusi Weibull 2 Parameter

Fungsi padat peluang (pdf) dari distribusi Weibull 2 parameter adalah

(Ebeling, 1997):

(2.33)

Dengan:

f(T) > 0, t > 0, > 0, β > 0

= parameter skala (scale parameter)

= parameter bentuk (shape parameter)

Jika distribusi kerusakan suatu komponen mengikuti distribusi Weibull 2

parameter, maka fungsi keandalannya adalah:

R(t) = 1 – F(t) = exp

(2.34)

Laju kegagalan pada distribusi Weibull 2 parameter dihitung dengan

persamaan:

(2.35)

Persamaan rata-rata waktu antar kegagalan pada distribusi Weibull 2

parameter adalah:

25

MTBF = Г ( (2.36)

Nilai Γ menunjukkan nilai fungsi gamma yang dapat diperoleh dari Tabel

fungsi gamma atau dihitung dengan bantuan perangkat lunak Microsoft Excel.

B. Distribusi Weibull 3 Parameter

Fungsi padat peluang (pdf) dari distribusi Weibull 3 parameter adalah

(Ebeling, 1997):

(2.37)

Dengan:

η = parameter skala (scale parameter), η > 0

β = parameter bentuk (shape parameter)

γ = parameter lokasi (location parameter)

Jika γ = 0 maka diperoleh distribusi Weibull dengan 2 parameter. Jika

distribusi kegagalan suatu komponen mengikuti distribusi Weibull 3 parameter,

maka fungsi keandalannya adalah:

R(t) = 1 – F(t) = exp –

(2.38)

Laju kegagalan pada distribusi Weibull 3 parameter dihitung dengan

persamaan:

(2.39)

Persamaan rata-rata waktu antar kegagalan pada distribusi Weibull 3

parameter adalah:

MTBF = Г ( (2.40)

Nilai Γ menunjukkan nilai fungsi gamma yang dapat diperoleh dari Tabel

fungsi gamma atau dihitung dengan bantuan perangkat lunak Microsoft Excel.

C. Distribusi Lognormal

Fungsi padat peluang (pdf) dari distribusi lognormal adalah (Ebeling,

1997):

(2.41)

26

Jika distribusi kegagalan suatu komponen mengikuti distribusi

lognormal, maka fungsi keandalannya adalah:

(2.42)

Laju kegagalan pada distribusi lognormal dihitung dengan persamaan:

(2.43)

Persamaan rata-rata waktu antar kegagalan pada distribusi lognormal

parameter adalah:

(2.44)

2.13.2 Distribusi Data Maintainability

A. Distribusi Weibull 2 Parameter

Fungsi padat peluang (pdf) dari distribusi Weibull 2 parameter adalah

(Ebeling, 1997):

(2.45)

dengan

f(T) ≥ 0, t ≥ 0, η > 0, β > 0,

η = parameter skala (scale parameter)

β = parameter bentuk (shape parameter)

Jika data waktu perbaikan berdistribusi Weibull 2 parameter, maka fungsi

maintainability dari data tersebut adalah:

M(t) = 1- exp

(2.46)

Persamaan rata-rata waktu perbaikan pada distribusi Weibull 2 parameter

adalah:

MTTR = Г ( (2.47)

Nilai Γ menunjukkan nilai fungsi gamma yang dapat diperoleh dari Tabel fungsi

gamma atau dihitung dengan bantuan perangkat lunak Microsoft Excel.

B. Distribusi Weibull 3 Parameter

Fungsi padat peluang (pdf) dari distribusi Weibull 3 parameter adalah

(Ebeling, 1997):

27

(2.48)

dengan

η = parameter skala (scale parameter), η > 0

β = Parameter bentuk (shape parameter)

γ = parameter lokasi (location parameter)

Jika data waktu perbaikan berdistribusi Weibull 3 parameter, maka fungsi

maintainability dari data tersebut adalah:

M(t) = 1 –exp –

(2.49)

Persamaan rata-rata waktu perbaikan pada distribusi Weibull 3 parameter

adalah:

MTTR = Г ( (2.50)

Nilai Γ menunjukkan nilai fungsi gamma yang dapat diperoleh dari Tabel

fungsi gamma atau dihitung dengan bantuan perangkat lunak Microsoft Excel.

C. Distribusi Lognormal

Waktu perbaikan dari suatu komponen (t) diasumsikan memiliki

distribusi lognormal, bila nilai ln(t) mengikuti distribusi normal dengan nilai rata-

rata μ dan variansinya adalah . Fungsi padat peluang (pdf) dari distribusi

lognormal adalah (Ebeling, 1997):

(2.51)

Jika data waktu perbaikan berdistribusi lognormal, maka fungsi

maintainability dari data tersebut adalah:

(2.52)

Rata-rata waktu perbaikan pada distribusi lognormal adalah:

(2.53)

2.14 Pengujian Distribusi

Dengan bantuan perangkat lunak Weibull++6 dilakukan penentuan

distribusi waktu antar kegagalan dan lama waktu perbaikan yang paling sesuai

dengan menggunakan tiga macam pengujian distribusi, yaitu:

28

1. Average Goodness of Fit (AvGOF)

Untuk menganalisis kesesuaian data dapat dimanfaatkan uji goodness of

fit (kesesuaian) antara distribusi frekuensi hasil pengamatan dengan distribusi

frekuensi yang diharapkan. Uji goodness of fit berdasarkan pada uji Kolmogorov–

Smirnov, yang beranggapan bahwa distribusi variabel yang sedang diuji bersifat

kontinu dan sampel diambil dari populasi sederhana.

Nilai AvGOF didapatkan dari uji Kolmogorov-Smirnov (KS) dengan

membandingkan distribusi empiris data dengan distribusi teoritis tertentu yang

dihipotesiskan. Pada prinsipnya jika nilai KS lebih kecil maka akan lebih baik.

Persamaan untuk menghitung parameter KS adalah (Reliasoft, 2005):

(2.54)

dengan

= fraksi kumulatif jumlah data kegagalan hasil observasi pada (t) terhadap

total (t) pengamatan.

= fraksi kumulatif jumlah kegagalan hasil dari perhitungan jenis distribusi

yang diharapkan pada (t) terhadap total (t) perhitungan.

Hipotesa yang digunakan adalah:

H0: data mengikuti suatu distribusi kontinu tertentu

H1: data mengikuti suatu distribusi kontinu yang lain

Jika Dn < Dkritis, maka H0 gagal ditolak, dengan Dkritis bisa didapatkan dari

Tabel uji KS yang tersedia di buku statistik. Pada perangkat lunak Weibull++6,

nilai AvGOF adalah selisih dari nilai data aktual dan data yang dihasilkan dari

referensi distribusi yang dimiliki perangkat lunak Weibull++6 (Reliasoft, 2005).

Sehingga semakin kecil AvGOF maka semakin baik distribusi yang diuji

dibandingkan dengan yang lain.

2. Average of Plot (AvPlot)

AvPlot didasarkan pada normalized index dari uji plot fit. Hasil uji

ditunjukkan dalam AvPlot index yang merupakan normalisasi dari koefisien

korelasi (ρ’). Persamaan koefisiensi korelasi adalah:

29

’

(2.55)

Dimana:

= time to faillure

= median rank

N = Jumlah data

Nilai koefisien korelasi adalah -1 ≤ ρ’ ≤ 1. Jika nilai mutlaknya

mendekati 1, maka akan semakin baik. Pada perangkat lunak Weibull++6, nilai

AvPlot index didapatkan dengan melakukan normalisasi dari koefisien korelasi di

atas. Ketentuan yang dipakai adalah jika semakin kecil nilai AvPlot, maka

distribusi yang diuji akan lebih baik daripada yang lain.

3. Nilai dari Likelihood Function Ratio (LKV)

LKV adalah suatu metode untuk menentukan jenis distribusi dari suatu

data dengan cara membandingkan kemiripan dari dua model. Uji ini berdasarkan

pada likelihood ratio, yang menggambarkan berapa kali terdapat kecocokan suatu

kelompok data terhadap karakteristik suatu model. Likelihood ratio diukur

berdasarkan nilai logaritmanya sehingga sering disebut log-likelihood ratio.

Persamaan log-likelihood adalah (Reliasoft, 2005):

(2.56)

Nilai maksimum dari persamaan 2.54 didapatkan dengan menurunkan

persamaan tersebut secara parsial dan kemudian disamakan dengan nol.

(2.57)

dengan:

n = jumlah data kegagalan L = likelihood

xi = waktu kegagalan = log-likelihood

= parameter yang diestimasi = parameter LKV

Ketentuan dari nilai LKV adalah bahwa semakin besar nilainya akan

semakin baik untuk distribusi yang diuji. Ketiga pengujian distribusi tersebut

menjadi pertimbangan pada pengambilan keputusan untuk menentukan distribusi

yang akan dipilih. Pada pengolahan data dengan menggunakan perangkat lunak

30

Weibull++6 dilakukan pemeringkatan yang didasari oleh pembobotan dari

masing-masing ketiga pengujian distribusi. Hasil pembobotan yang mempunyai

nilai terendah dari distribusi tersebut menunjukkan distribusi yang terbaik untuk

data waktu antar kegagalan dan lama waktu perbaikan yang dimaksud. Distribusi

terbaik inilah yang akan digunakan untuk menghitung nilai keandalan dan

maintainability secara kuantitatif.

2.15 Laju Biaya Perawatan Pencegahan

Biaya-biaya yang muncul untuk perawatan sangat berkaitan dengan

usaha optimasi interval waktu perawatan. David (2011) menyatakan bahwa ada

tiga kegiatan perawatan, yaitu:

1. Inspeksi

2. Perawatan pencegahan

3. Perawatan prediktif

Perawatan pencegahan dapat dilakukan jika laju kegagalan semakin

tinggi, dimana pada kurva bathtub ditunjukkan dengan distribusi Weibull yang

mempunyai nilai β > 1. Daerah ini juga disebut dengan nama wear out area

(daerah keusangan). Kegagalan peralatan atau sistem yang terjadi di daerah ini

dapat dicegah dengan perawatan pencegahan (Jardine, 1970). Persamaan untuk

laju biaya perawatan pencegahan adalah:

(2.58)

(2.59)

Dengan,

= total biaya per unit waktu

= biaya perawatan terencana/pencegahan

= biaya perbaikan kerusakan

= interval waktu antar perawatan pencegahan

= ekspektasi dari waktu gagal sebelum dilakukan

31

2.16 Optimasi Interval Waktu Perawatan Pencegahan

Keandalan dan maintainability alat atau sistem dapat diiterasi dengan

menggunakan random number yang dihasilkan dari fungsi RAND () di perangkat

lunak Microsoft Excel. Fitur ini dapat digunakan untuk menghasilkan bilangan

acak antara 0 dan 1. Sebagai contoh, suatu keandalan dari sub sub sistem (i) yang

data waktu antar kegagalannya (ti) mengikuti distribusi Weibull 3 parameter

(persamaan 2.32), dapat disusun ulang dengan membuat keandalan atau R(ti)

menjadi variabel bebas dan ti sebagai variabel tidak bebas:

R(t) = 1 – F(t) = exp –

(2.60)

(2.61)

Dalam hubungannya dengan waktu perawatan, maka selanjutnya notasi

diganti dengan notasi .Kriteria yang digunakan untuk menyatakan bahwa

sub-sub sistem akan sukses atau gagal adalah:

1. Sistem sukses bila > atau

2. Sistem gagal bila < .

Dengan menentukan interval waktu perawatan pencegahan ( ) dan

jumlah iterasi sebanyak n bilangan acak yang diinginkan, maka keandalan sub-sub

sistem dihitung dengan persamaan berikut (Barringer, 1997):

(2.62)

dengan

= 1, jika ti,r >

= 0, jika ti,r <

i = Subskrip (i) untuk simbol sub sub sistem.

r = Subskrip (r) untuk simbol run.

s = Superskrip (s) untuk simbol sukses

n = Jumlah percobaan keseluruhan

Iterasi untuk maintainability dilakukan dengan mensubsitusi variabel

maintainability dengan random number antara 0 dan 1. Contoh model

maintainability dengan distribusi eksponensial adalah (Giani, 2006):

32

(2.63)

adalah lama waktu perbaikan atau perawatan yang dianggap sudah

termasuk waktu-waktu untuk logistik, administrasi dan perbaikannya sendiri. Jika

kegiatan yang dilakukan adalah perbaikan dari kerusakan, maka waktu yang

digunakan adalah . Waktu yang digunakan untuk perawatan pencegahan

adalah . Iterasi dan dilakukan dengan cara berurutan seperti yang

diilustrasikan pada Gambar 2.6 dan dengan menggunakan langkah-langkah

sebagai berikut (Giani, 2006):

1. Penetapan parameter-parameter keandalan yang akan digunakan.

2. Penetapan nilai pertama dari .

3. Penentuan dua kelompok random number, Rand1() untuk iterasi dan

Rand2() untuk iterasi .

4. Jika > , maka sub sub sistem tidak mengalami kerusakan atau

= , namun tetap dilakukan perawatan pencegahan selama .

5. Jika < , maka sub sub sistem mengalami kerusakan atau = ,

sehingga harus dilakukan perbaikan selama .

6. Pengulangan langkah 3 sampai 5 sesuai dengan jumlah total run yang

digunakan.

7. Pengulangan langkah 2 sampai 6 dengan nilai yang berbeda-beda.

8. Pembuatan kurva laju biaya perawatan dan seperti yang diilustrasikan

pada Gambar 2.7.

Gambar 2.6 Alur Iterasi dan Secara Berurutan Sesuai dengan Pola Perawatan

Pencegahan Multi Komponen (Giani,2006)

33

Gambar 2.7 Pengaruh Terhadap Laju Biaya Perawatan Pencegahan (Jardine,

1970)

Dengan melakukan iterasi angka acak untuk mendapatkan

, maka diperoleh ketersediaan dari sub sub sistem tersebut dan

laju biaya perawatan pencegahan, sesuai dengan persamaan berikut (Laggoune,

2009):

(2.64)

(2.65)

(2.66)

(2.67)

dengan

i = Subskrip (i) untuk sub sub sistem

= Interval waktu perawatan pencegahan sub sistem

r = Subskrip (r) untuk run

= Lama perbaikan sub sub sistem (i) run (i)

N = Total percobaan

= Lama operasi sub sistem

= + +

g = Superskrip (g), indikator gagal

34

s = Superskrip (s), indikator sukses

= Keandalan sub sistem

= Biaya perawatan pencegahan sub sub sistem (i)

= Ketersediaan sub sistem

= Biaya perbaikan sub sub sistem (i)

= Laju biaya perawatan pencegahan sub sistem

= Waktu hidup sub sub sistem (i) pada run ke (r)

= Biaya loss opportunity

= Biaya tenaga kerja perjam

2.17 Posisi Penelitian

Rakhmad (2011) melakukan penelitian yang berjudul “Optimasi Interval

Waktu Perawatan Pencegahan pada Sistem Pemasok Bahan Bakar Turbin Gas.”

Tujuan dari penelitian ini adalah untuk meningkatkan keandalan sistem. Hasil dari

optimasi ini adalah keandalan sistem meningkat hingga 74% dan penghematan

biaya perawatan juga dapat ditingkatkan menjadi 139,9 USD/hari dari 145,7

USD/hari.

Sutanto (2011) melakukan penelitian yang berjudul “Optimalisasi

Interval Waktu Penggantian Komponen Mesin Packer Tepung Terigu Kemasan

25 kg di PT. X.” Penelitian ini bertujuan untuk menentukan interval waktu

optimal untuk preventive maintenance pada sub unit mesin packer. Hasil dari

penelitian ini adalah didapatkannya waktu optimal untuk melakukan preventive

maintenance dengan laju biaya terendah dan dapat menghemat biaya perawatan

hingga 14,6%.

Fesa (2017) melakukan penelitian yang berjudul “Penentuan Interval

Waktu Perawatan dan Jumlah Tenaga Kerja Pada Peralatan Sub Unit RKC 3 di

PT. X Pabrik Tuban. Hasil dari penelitian ini adalah interval waktu perawatan

adalah 155,97 hari dengan laju biaya perawatan sebesar Rp. 33.100/jam.

Penelitian ini menggunakan metode yang berbeda dengan penelitian

sebelumnya dimana perhitungan interval waktu perawatan pencegahan dan laju

biaya perawatan dilakukan pada setiap sistem. Penelitian sebelumya

menggabungkan data komponen pada setiap sistem untuk menghitung interval

35

waktu perawatan dan laju biaya perawatan pada unit yang menjadi obyek

penelitian.

Interval waktu perawatan dipilih sebagai obyek penelitian dengan

mempertimbangkan data yang dimiliki oleh perusahaan, yakni data antar waktu

kegagalan dan waktu perbaikan.

36

Halaman ini sengaja dikosongkan

37

BAB 3

METODE PENELITIAN

Metode penelitian mengandung suatu proses yang terstruktur dan

memerlukan aturan serta langkah-langkah tertentu dalam pelaksaannya. Langkah-

langkah dasar yang dilakukan untuk mencapai tujuan ini adalah sebagai berikut:

1. Studi lapangan dan identifikasi masalah

2. Studi pustaka

3. Perumusan masalah dan tujuan penelitian

4. Pengambilan data

5. Pengolahan data

6. Penarikan kesimpulan dan saran

Langkah-langkah tersebut dapat dilihat pada diagram alur penelitian yang

ditunjukkan pada Gambar 3.1.

3.1 Studi Lapangan dan Identifikasi Masalah

Sistem yang menjadi obyek penelitian adalah unit GCS. Data kegagalan

komponen diperoleh dari data failure and down time unit GCS. Selain itu, untuk

memperkaya data dilakukan pengambilan data work order (WO) atau list

pekerjaan yang dilakukan oleh pihak luar. Kedua data tersebut diperoleh dari

Departemen Perawatan.

3.2 Studi Pustaka

Landasan teori dalam penelitian ini didasarkan pada text book, jurnal-

jurnal dan penelitian-penelitan yang berhubungan dengan analisa keandalan dan

penentuan interval perawatan.

38

Gambar 3.1 Diagram Alir Penelitian

Selesai

Tahap 3: Pengolahan Data

Tahap 4: Penarikan

Kesimpulan

dan Saran

Pengolahan Data:

1. Penentuan komponen yang kritis

2. Penggabungan data waktu antar kegagalan dan data waktu perbaikan

dengan menggunakan ANAVA

3. Penilaian keandalan

Penentuan distribusi waktu antar kegagalan

Penentuan parameter distribusi waktu antar kegagalan

Penentuan distribusi waktu perbaikan

Penentuan parameter distribusi waktu perbaikan

4. Iterasi Ti dan Tp untuk menentukan:

Interval waktu pemeliharaan pencegahan pada setiap sistem (Tp)

Penarikan Kesimpulan dan

Pemberian Saran

Tahap 1: Identifikasi

Masalah

Tahap 2: Pengumpulan Data

Identifikasi Masalah

Pelaksanaan studi lapangan:

1. Pengamatan kondisi aktual di

lapangan

2. Wawancara dengan

departemen perawatan.

Pelaksanaan studi pustaka:

1. Konsep pengolahan data statistika.

2. Konsep distribusi waktu antar

kegagalan dan waktu perbaikan.

3. Konsep Keandalan.

Penetapan perumusan masalah dan tujuan penelitian

Pengumpulan data:

1. Diagram proses dari unit GCS

2. Data waktu antar kegagalan dan waktu perbaikan

3. Biaya perawatan dan potensi kerugian akibat penurunan dari volume minyak

yang diangkat.

Mulai

39

3.3 Perumusan Masalah dan Tujuan Penelitian

Setelah melakukan studi lapangan, identifikasi masalah dan studi

pustaka, maka tahap selanjutnya adalah merumuskan pokok permasalahan yang

dihadapi dan tujuan yang akan dicapai dalam penelitian ini.

3.4 Pengumpulan Data

Pengumpulan data dilakukan pada 6 anjungan minyak lepas pantai yang

memiliki GCS dengan karakteristik dan usia yang sama. Keenam anjungan

tersebut adalah Mike-Mike, Echo, Bravo, Lima, Foxtrot, dan KLA. Sumber data

yang digunakan adalah data failure and down time dari unit GCS dan work order

untuk periode 1 Januari 2012–31 Desember 2016. Data yang diperlukan pada

penentuan interval waktu perawatan pencegahan meliputi:

1. Data waktu antar kegagalan komponen, waktu perbaikan, dan potensi

kerugian perusahaan yang diperoleh dari Departemen Perawatan.

2. Biaya perawatan yang dibutuhkan.

3.5 Pengolahan Data

Pada tahap ini, dilakukan konversi data downtime dan work order dari

shutdown investigation report menjadi data watu antar kegagalan (TBF) dan

waktu perbaikan (TTR). Selanjutnya, dilakukan penggabungan data TBF dan TTR

pada 6 anjungan minyak lepas pantai dengan menggunakan ANAVA. Tujuan dari

dilakukannya ANAVA adalah untuk mendapatkan jumlah data kegagalan masing-

masing komponen sebanyak lebih atau sama dengan 20 data. Langkah berikutnya

adalah menentukan jenis distribusi data, fungsi padat peluang untuk kegagalan,

laju kegagalan, keandalan peralatan, dan fungsi padat peluang untuk pemeliharaan

dengan bantuan perangkat lunak Weibull++6. Alur pengolahan data dengan

perangkat lunak Weibull++6 ditunjukkan pada Gambar 3.2. Iterasi Ti dan Tp

digunakan untuk menentukan interval waktu pemeliharaan pencegahan dan

jumlah tenaga kerja yang mempunyai laju biaya minimum. Pada iterasi tersebut

digunakan random number generator yang terdapat pada perangkat lunak

Microsoft Excel sebagai input pada persamaan distribusi waktu antar kegagalan

dan waktu perbaikan yang telah dihasilkan oleh perangkat lunak Weibull++6.

Iterasi Ti dan Tp dilakukan untuk sub unit yang memiliki sistem seri. Keandalan

40

sub unit dihitung dari fungsi keandalan sub-sub unit yang memiliki mean time

between failure (MTBF) terendah.

3.6 Penarikan Kesimpulan dan Saran

Pada tahapan ini diberikan kesimpulan dari hasil penelitian yang telah

dicapai dan pemberian saran-saran terhadap perusahaan maupun penelitian yang

akan datang.

41

Gambar 3.2 Diagram Alir Pengolahan Data dengan Perangkat Lunak Weibul++6

Data:

1. Waktu kegagalan komponen sub-sub

unit (jam, tanggal, tahun)

2. Lama waktu perbaikan (jam)/TTR

(Time to Repair)

PERANGKAT LUNAK WEIBULL++6

A. Penentuan Distribusi dan Parameter untuk Data TBF dan

TTR

1. Pemasukan data: TTF

Pemasukan data: TTR

2. Lakukan pemilihan distribusi terbaik untuk data

3. Pemilihan distribusi terbaik dengan kriteria:

Average Goodness Fit (AVGOF), semakin kecil semakin

baik

Average of Plot (AFPLOT), semakin kecil semakin baik

Likelihood Function (LKV), semakin besar semakin baik

Pilih distribusi sesuai dengan yang dihasilkan oleh

perangkat lunak Weibull++6

4. Penetapan parameter dari distribusi yang terpilih

5. Penyimpanan parameter keandalan dan maintainability

Selesai

Mulai

A. Pengolahan Data TBF dan TTR

1. Penyusunan data kegagalan dan perbaikan

sesuai dengan tanggal kejadian

2. Penyusunan data kegagalan dan perbaikan: tipe

kegagalan, jam ke-berapa dari jam 00:00 tahun

pertama dan durasi perbaikan

3. Penghitungan data TBF dan TTR dari jam 00:00

tahun pertama

B. Pengujian ANAVA untuk data TBF dan TTF

C. Pemindahan data ke perangkat lunak

Weibull++6

42

Selesai

1) Plot C(Tp) dan Tp, Plot R dan Tp dan Plot A dan Tp

2) Tentukan Tp yang mendapatkan C(Tp) minimal

Tp lain

Generate bilangan acak (random number)

1) F(t) = Randi()

2) TBF(i) = fTBF(Randi())

3) Tops(F) = If (TBF < Tp, Tf, Tp); → gagal

4) Tops(S) = If (TBF > Tp, Ts, f(Randj()); → sukses

5) Tcm = fTTR(Randj())

6) Tpm = MTTR x 0,25

7) TS = If (TBF = Tops(S))

8) Tf = If (TBF = Tops(F))

9) TOpr = Tf+Ts

10) Tjam = Topr+Tpm+Tcm

11) R (Tp) = R(Ti min) MTBF terkecil dari sub-sub unit

12) Ketersediaan = TOpr/Tjam Kerjakan sebanyak N setiap siklus di atas

Catatan:

Tops = lama waktu beroperasi, F = gagal, S = sukses

Tcm = lama waktu pemeliharaan perbaikan

Tpm = lama waktu pemeliharaan pencegahan

Biaya pemeliharaan pada setiap Tp

C(Tpi) = (Ccm x jumlah gagal + Cpm x jumlah sukses + (Tpm + Tcm x biaya

tenaga kerja/jam) + (Tcm +Tpm x loss opportunity/jam)) Tjam

Pilih Min dari semua Tp yang dilakukan

Untuk Tpi

berikut

1) Jumlah N=1000

2) Tentukan interval pemeliharaan pencegahan (Tp)

3) Cpm dan Ccm (komponen)

Mulai

Parameter-parameter keandalan dan

maintainability komponen.

Didapat dari diagram alir

pada Gambar 3.2.

Y

N

Gambar 3.3 Diagram Alir Iterasi Ti dan Tp untuk komponen

43

BAB 4

PENGOLAHAN DATA

4.1 Pengolahan Data Antar Waktu Kegagalan dan Waktu Perbaikan

Komponen penyebab kegagalan pada masing-masing bagian telah

ditunjukkan pada Gambar 1.4, sehingga dapat dihitung waktu antar kegagalan

atau time between failure (TBF) dan waktu perbaikan atau time to repair (TTR)

dari masing-masing komponen. Dalam pengolahan data telah ditetapkan frekuensi

minimum kegagalan adalah 20 data kegagalan, akan tetapi data yang dimiliki

belum memenuhi kriteria tersebut. Oleh karena itu, dilakukan analisis variansi

(ANAVA) untuk menggabungkan data TBF dan TTR dari anjungan lain yakni

Mike-Mike, Echo, Bravo, Lima, Foxtrot, dan KLA. Asumsi-asumsi yang

digunakan untuk menggabungkan data tersebut adalah:

1. Memiliki konfigurasi rangkaian yang sama.

2. Memiliki tipe dan jenis komponen yang sama.

3. Memiliki parameter operasi dan waktu operasi yang sama.

4. Memiliki perlakuan pemeliharaan yang sama.

Penggabungan data TBF dan TTR dilakukan berdasarkan hasil ANAVA.

Apabila data TBF dan TTR dari keenam anjungan tersebut dapat dianggap berasal

dari populasi yang sama, maka dapat dilakukan penggabungan data. Tabel 4.1

menunjukkan data TBF dan TTR pada komponen back up seal oil pada anjungan

Mike-Mike, Echo, Bravo, Lima, Foxtrot, dan KLA.

Tabel 4.1 TBF dan TTR Komponen Back Up Seal Oil.

MIKE-MIKE (1) ECHO (2) BRAVO (3)

TBF TTR TBF TTR TBF TTR

14326 3.1 5232 3.2 13268 3.0

16202 3.2 192 3.4 17308 3.4

768 3.5 19704 3.3 7488 3.5

552 3.1 24 3.9

3048 2.5 6672 2.5

96 2.0

5784 2.6

44

Tabel 4.1 TBF dan TTR Komponen Back Up Seal Oil (lanjutan).

Sumber: PHE ONWJ (2016).

Setelah melakukan uji ANAVA, langkah selanjutnya adalah uji asumsi

residual. Berikut merupakan hasil pengujian terhadap residual dari data TBF dan

TTR dari komponen back up seal oil.

A. Uji Independen

Pengujian independen pada penelitian ini dilakukan dengan menggunakan

auto correlation function (ACF). Berdasarkan plot ACF yang ditunjukkan pada

Gambar 4.1 tidak ada nilai ACF pada setiap lag yang berada di luar dari batas

interval. Hal ini membuktikan bahwa tidak ada korelasi antar residual sehingga

residual bersifat independen.

(a) TBF (b) TTR

Gambar 4.1 Plot ACF untuk Data Back Up Seal Oil.

B. Uji Identik

Uji residual identik pada penelitian ini dilakukan secara visual, yaitu

dengan menggambarkan plot antara residual dan observation order seperti

ditunjukkan pada Gambar 4.2. Plot tersebut menunjukkan bahwa data tersebar

secara acak dan tidak membentuk pola tertentu. Hal ini menunjukkan bahwa

asumsi residual bersifat identik terpenuhi.

LIMA (4) FOXTROT (5) KLA (6)

TBF TTR TBF TTR TBF TTR

12397.0 3.8 9651.0 3.4 15617.0 3.2

13211.0 2.9 10487.0 3.0 12471.0 3.3

552.0 3.4 12142.0 3.4 14128.0 3.1

48.0 3.4

45

(a) TBF (b) TTR

Gambar 4.2 Plot Residual Versus Observation Order.

C. Uji Kenormalan

Pengujian asumsi residual normal (0, σ2) dilakukan melalui uji

Kolmogorov-Smirnov. Hipotesis yang digunakan adalah:

H0: Residual berdistribusi normal

H1: Residual tidak berdistribusi normal

H0 ditolak jika P-Value lebih kecil dari pada α = 0,05. Gambar 4.3 menunjukkan

pengujian pada komponen back up seal oil dengan uji Kolmogorov-Smirnov.

(a) TBF (b) TTR

Gambar 4.3 Plot Uji Distribusi Normal.

P-Value > 0,150 yang berarti lebih besar dari α= 0,05. Oleh karena itu

dapat disimpulkan bahwa H0 gagal ditolak atau residual berdistribusi

normal untuk TBF dan TTR.

Mean bernilai sebesar 7,27 x 10-14

untuk TBF dan 8,88 x 10-17

untuk TTR

yang berarti mendekati nol.

Variansi residual adalah sebesar 0,0133 untuk TBF dan 0,014 untuk TTR.

Dengan demikian asumsi residual berdistribusi normal dengan nilai mean

mendekati nol dan memiliki variasi tertentu telah terpenuhi.

46

Karena semua pengujian asumsi residual sudah terpenuhi maka hasilnya

sudah valid. Hasil pengujian asumsi residual dari data waktu antar kegagalan dan

waktu perbaikan komponen-komponen lainnya ditunjukkan pada Lampiran A.

D. Uji Kesamaan Variansi

Uji kesamaan variansi menggunakan uji levene untuk data TBF dan TTR.

Hipotesisnya adalah sebagai berikut:

H0: σ2

mike-mike = σ2

echo = σ2

bravo = σ2

lima = σ2

Foxtrot = σ2

kla

H1: Paling sedikit ada satu variansi yang berbeda.

P-Value dari uji Levene untuk komponen level transmitter pada sistem

suction & discharge scrubber data TBF dan TTR adalah 0,11 dan 0,568. Dengan

tingkat signifikansi (α) sebesar 5% maka H0 gagal ditolak, hal ini menyatakan

bahwa tidak ada perbedaan variansi dari 6 lokasi anjungan yang dijadikan sample.

Pada Tabel 4.2 ditampilkan hasil ANAVA unit GCS dari data waktu antar

kegagalan dan waktu perbaikan komponen setiap sistem dengan tingkat

signifikansi 5%.

Tabel 4.2 Hasil ANAVA Unit GCS dari Data Waktu antar Kegagalan dan Waktu

Perbaikan Komponen di Setiap Sistem dengan Tingkat Signifikansi 5%.

No Sistem Komponen P-Value

Kesimpulan TBF TTR

1

Suction &

Discharge

Scrubber

Level Transmitter 0.354 0.929 Gagal menolak Ho

2 Kompresor Bearing 0.948 0.167 Gagal menolak Ho

3 Turbin Gas

(Engine)

Back Up Seal Oil 0.859 0.587 Gagal menolak Ho

Back Up Over

Speed 0.860 0.227

Gagal menolak Ho

Module Analog 0.882 0.191 Gagal menolak Ho

Tubing 0.755 0.586 Gagal menolak Ho

4 Interstage Cooler Shell & Tube 0.147 0.533 Gagal menolak Ho

5 Support and

Others

Valve 0.544 0.119 Gagal menolak Ho

Pipe 0.928 0.661 Gagal menolak Ho

Sumber: Hasil pengolahan menggunakan perangkat lunak Minitab.

Berdasarkan hasil ANAVA yang ditunjukkan pada Tabel 4.2 dapat

disimpulkan bahwa dengan tingkat signifikansi 5% data TBF dan TTR yang

47

diperoleh dari 6 lokasi berasal dari populasi yang sama. Dari hasil ANAVA

tersebut didapatkan lebih 20 data pada masing-masing komponen gagal.

4.2 Pengolahan Data Antar Waktu Kegagalan dan Waktu Perbaikan

Penentuan parameter keandalan pada setiap sistem dari unit GCS

dilakukan dengan menggunakan perangkat lunak Weibull++6. Penilaian

keandalan pada sistem turbin gas (engine) didasarkan pada 4 komponen

penyusun, yakni back up seal oil, back up over speed, module analog, dan tubing.

Penilaian keandalan pada sistem support and others didasarkan pada 2 komponen

penyusun, yakni valve dan pipe. Sedangkan, penilaian keandalan pada sistem

suction & discharge scrubber, kompresor, interstage cooler didasarkan penilaian

keandalan dari komponen level transmitter, bearing, shell & tube. Penentuan

distribusi yang terbaik didasarkan atas ketiga parameter uji, yaitu average

goodness of fit (AvGOF), average of plot (AvPlot), dan likelihood function ratio

(LKV). Langkah-langkah dalam penentuan parameter keandalan dengan perangkat

lunak Weibull++6 adalah sebagai berikut:

1. Pengujian kecocokan data dengan jenis-jenis distribusi data kegagalan

berdasarkan perhitungan tiga parameter uji.

2. Pemeringkatan hasil perhitungan masing-masing parameter uji.

3. Pengalian hasil pemeringkatan dengan bobot yang telah ditentukan

besarannya dari perangkat lunak Weibull++6, sehingga dapat dipilih jenis

distribusi waktu antar kegagalan yang sesuai.

4.3 Penentuan Parameter Keandalan Setiap Sistem

Terdapat 5 sistem yang dilakukan penentuan parameter keandalan, yakni

suction and discharge Scrubber, turbin gas (engine), kompresor, interstage

cooler, dan support and others. Hasil penentuan distribusi pada sistem suction

and discharge scrubber dapat dilihat pada Tabel 4.3.

48

Tabel 4.3 Pemilihan Distribusi Data Antar Waktu Kegagalan pada Sistem Suction

and Discharge Scrubber.

Distribution AvGOF AvPlot LKV Ranking

Exponential 1 27.3304544 5.75135736 -242.70234 5

Exponential 2 3.03619611 4.21135151 -245.24101 4

Weibull 2 2.45734065 3.42663734 -242.47232 3

Weibull 3 0.018287 2.75817044 -241.94382 1

Normal 79.657982 9.84361678 -253.96763 6

Lognormal 0.001688 3.04687542 -243.12515 2

Sumber: Hasil Pengolahan data dengan perangkat lunak Weibull ++6.

Berdasarkan Tabel 4.3 maka distribusi antar waktu kegagalan pada sistem

suction and discharge scrubber adalah Weibull 3 parameter dengan parameter

keandalan sebagai berikut:

Parameter bentuk (β) : 0.7917

Parameter skala (η) : 5656.2475

Parameter lokasi (ϒ) : 104.2

Dengan langkah yang sama, diperoleh parameter keandalan pada setiap

sistem lainnya. Hasil pemilihan distribusi data antar waktu kegagalan terdapat

pada lampiran B.

Tabel 4.4 Parameter Keandalan Waktu antar Kegagalan.

Sistem Komponen MTBF Distribusi Beta (β) Eta (η) Gamma

(ϒ)

Suction &

Discharge

Scrubber

Level

Transmitter 5575.762 Weibull 3 1.0917 5656.248 104.200

Kompresor Bearing 5215.830 Weibull 3 1.329 4755.832 842.020

Turbin Gas

(Engine)

Back Up

Seal Oil 8812.464 Weibull 3 1.108 9138.098 15.82

Back Up

Over Speed 8049.031 Weibull 3 1.0851 8215.566 85.36

Module

Analog 9334.326 Weibull 3 1.0738 10259 646.28

Tubing 4095.674 Weibull 3 1.006 4102.765 3.195

Interstage

Cooler

Shell &

Tube 597.812 Weibull 3 1.099 409.075 202.960

Support

and Others

Valve 7685.991 Weibull 3 1.0008 6104.852 1583.2

Pipe 9295.96 Weibull 2 1.0386 9438.943 -

Sumber: Hasil pengolahan data dengan perangkat lunak Weibull++6.

49

Berdasarkan nilai-nilai parameter keandalan pada Tabel 4.4, maka dapat

diperoleh fungsi padat peluang dan fungsi keandalan untuk setiap sistem. Fungsi

padat peluang dan fungsi keandalan waktu antar kegagalan untuk setiap sistem

ditunjukkan pada Tabel 4.5 dan Tabel 4.6.

Tabel 4.5 Fungsi Padat Peluang Waktu antar Kegagalan.

Sistem Komponen Fungsi Padat Peluang

Suction &

Discharge

Scrubber

Level Transmitter

Kompresor Bearing

Turbin Gas

(Engine)

Back Up

Seal Oil

Back Up

Over Speed

Module

Analog

Tubing

Interstage

Cooler

Shell &

Tube

Support

and Others

Valve

Pipe

Sumber: Hasil pengolahan data dengan perangkat lunak Weibull++6.

50

Tabel 4.6 Fungsi Keandalan Waktu antar Kegagalan Sub-Sub Unit.

Sistem Komponen Fungsi Keandalan

Suction & Discharge Scrubber

Level Transmitter

Kompresor Bearing

Turbin Gas (Engine)

Back Up Seal Oil

Back Up Over

Speed

Module Analog

Tubing

Interstage Cooler Shell & Tube

Support and Others

Valve

Pipe

Sumber: Hasil pengolahan data dengan perangkat lunak Weibull++6.

4.4 Penentuan Parameter Maintainability Setiap Sistem

Hasil penentuan parameter Maintainability untuk setiap sistem disajikan

pada Tabel 4.7 sebagai berikut:

Tabel 4.7 Parameter Maintainability Setiap Sistem.

Sistem Komponen MTTR Distribusi Beta (β) Eta (η) Gamma

(ϒ)

Suction &

Discharge

Scrubber

Level

Transmitter 2.594 Weibull 3 1.566 2.413 0.426

Kompresor Bearing 28.714 Weibull 2 1.371 31.396 -

51

Tabel 4.7 Parameter Maintainability Setiap Sistem (lanjutan).

Turbin Gas

(Engine)

Back Up

Seal Oil 3.158492 Weibull 2 8.4454 3.3452 -

Back Up

Over Speed 2.621741 Weibull 3 1.114 0.6574 1.99

Module

Analog 3.207918 Weibull 3 1.1496 2.9186 0.43

Tubing 39.80024 Weibull 2 19.9662 40.8852 -

Interstage

Cooler

Shell &

Tube 24.215 Weibull 3 5.974 15.908 9.460

Support

and Others

Valve 3.158492 Weibull 2 8.4454 3.3452 -

Pipe 53.12617 Weibull 3 1.0003 49.1624 3.97

Sumber: Hasil pengolahan data dengan perangkat lunak Weibull++6.

Berdasarkan parameter-parameter maintainability dari Tabel 4.7, maka

dapat diperoleh fungsi padat peluang dan fungsi maintainability lama waktu

perbaikan untuk setiap sistem yang ditunjukkan pada Tabel 4.8 dan Tabel 4.9.

Tabel 4.8 Fungsi Padat Peluang Waktu Perbaikan Setiap Sistem.

Sistem Komponen Fungsi Padat Peluang

Suction & Discharge

Scrubber

Level

Transmitter

Kompresor Bearing

Turbin

Gas (Engine)

Back Up

Seal Oil

Back Up

Over Speed

Module

Analog

Tubing

Interstage Cooler

Shell & Tube

52

Tabel 4.8 Fungsi Padat Peluang Waktu Perbaikan Setiap Sistem (lanjutan).

Support

and Others

Valve

Pipe

Sumber: Hasil pengolahan data dengan perangkat lunak Weibull++6.

Tabel 4.9 Fungsi Maintainability Waktu Perbaikan Setiap Sistem.

Sistem Komponen Fungsi Keandalan

Suction & Discharge

Scrubber Level Transmitter

Kompresor Bearing

Turbin Gas (Engine)

Back Up Seal Oil

Back Up Over Speed

Module Analog

Tubing

Interstage Cooler Shell & Tube

Support and Others

Valve

Pipe

Sumber: Hasil pengolahan data dengan perangkat lunak Weibull++6.

53

BAB 5

PENENTUAN INTERVAL WAKTU PERAWATAN

PENCEGAHAN YANG OPTIMUM

5.1 Penentuan Interval Waktu Perawatan Pencegahan yang Optimum,

Keandalan dan Ketersedian pada Setiap Sistem Unit GCS

Perangkat lunak Microsoft Excel digunakan untuk melakukan penentuan interval

waktu perawatan pencegahan yang optimum. Iterasi dilakukan terhadap Ti dan Tp.

Besaran biaya yang digunakan adalah biaya perawatan pencegahan dan perawatan

perbaikan, dimana didalamnya mencakup biaya penggantian spare part dan tenaga

kerja yang disajikan pada tabel 5.1.

Nilai keandalan yang telah ditetapkan oleh perusahaan adalah sebesar 0.97. Nilai

tersebut dapat dicapai dengan melakukan iterasi Ti dan Tp. Langkah penentuan

interval waktu perawatan pencegahan yang optimum (Tp) untuk setiap sistem unit

GCS adalah sebagai berikut (Laggoune, 2009):

1. Tentukan nilai dan N (banyaknya pengulangan simulasi)

Contoh: = 50 hari dan N = 1000 kali

2. Pada N = 1, dengan menggunakan persamaan 2.61 hitung waktu kegagalan

( ), dan nilai di dalam F( ) diganti dengan bilangan acak tertentu antara

0-1. Perhitungan ini dilakukan untuk semua sistem pada unit GCS yang

disajikan pada tabel 5.2. Sebagai contoh perhitungan pada sistem kompresor

dengan satu komponen dengan tingkat kegagalan yang tinggi, yakni bearing.

Bilangan acak yang digunakan adalah 0,519, sehingga diperoleh perhitungan:

Pada sistem Turbin Gas (Engine) tersusun atas 4 komponen dengan tingkat

kegagalan yang tinggi, yakni back up seal oil, back up over speed, module

54

analog, dan tubing. Perhitungan waktu kegagalan ( ) pada sistem Turbin Gas

(Engine) dengan bilangan acak yang sama dilakukan sebagai berikut:

a. Perhitungan waktu operasi sampai terjadi kegagalan ( ) pada komponen

back up seal oil.

jam.

b. Perhitungan waktu operasi sampai terjadi kegagalan ( ) pada komponen

back up over speed.

jam.

c. Perhitungan waktu operasi sampai terjadi kegagalan ( ) pada komponen

module analog.

jam.

d. Perhitungan waktu operasi sampai terjadi kegagalan ( ) pada komponen

tubing.

jam.

Dari perhitungan tersebut dipilih nilai waktu kegagalan ( ) terendah, yakni

. Perhitungan untuk 3 sistem lain ditunjukkan pada tabel 5.2.

55

Tabel 5.1 Komponen Biaya Perbaikan dan Perawatan Pencegahan (dalam USD)

No Sistem

Biaya

Perbaikan

(Spare part &

tenaga kerja)

Biaya Perawatan

Pencegahan

(Spare part &

tenaga kerja)

1 Suction & Discharge Scrubber 8074 3252

2 Kompresor 50847 8074

3 Turbin Gas (Engine) 859.868 8074

4 Fin Fan Cooler 38500 3252

5 Support and Others 8074 3252

Sumber: PHE ONWJ (2016).

Tabel 5.2 Perhitungan Ti untuk Setiap Sistem unit GCS.

No Sistem Ti (jam)

1 Suction & Discharge Scrubber 8315.374

2 Kompresor

3 Turbin Gas (Engine)

4 Fin Fan Cooler 633.83

5 Support and Others 1868.06

Sumber: Perhitungan dengan perangkat lunak Microsoft Excel

3. Penentuan nilai waktu interval perawatan pencegahan pada sistem Turbin Gas

(Engine) diperoleh nilai Tp = 1600 jam dengan nilai keandalan (Rt) = 0.97.

Sistem Turbin Gas (Engine) berhasil menyelesaikan misi karena Ti > Tp.

Setelah diperoleh nilai Tp, maka langkah berikutnya adalah menentukan

waktu perawatan pencegahan Tpm. Nilai Tpm diperoleh dari persamaan 2.50

sebagai berikut:

a. Perhitungan waktu perawatan pencegahan ( ) pada komponen back up

seal oil.

MTTR = Г (

= 3.158492 jam.

b. Perhitungan waktu perawatan pencegahan ( ) pada komponen back up

over speed.

MTTR = Г (

= 2.621741 jam.

56

c. Perhitungan waktu perawatan pencegahan ( ) pada komponen module

analog.

MTTR = Г (

= 3.207918 jam.

d. Perhitungan waktu perawatan pencegahan ( ) pada komponen tubing.

MTTR = Г (

= 39.8 jam.

Nilai Tpm diperoleh dari nilai MTTR terbesar dikalikan dengan 0.25,

sehingga untuk sistem Turbin Gas nilai waktu perawatan sebagai berikut:

Tpm = 0.25 x 39.8 = 9.95

Dengan cara yang sama dilakukan perhitungan untuk 4 sistem yang lain.

Hasil perhitungan pada iterasi N = 1 ditunjukkan pada tabel 5.3.

Tabel 5.3 Perhitungan Ti untuk setiap sistem unit GCS.

No Sistem Ti (jam) Tp (jam) Tpm (jam)

1 Suction & Discharge Scrubber 8315.37 400 0.648

2 Kompresor 1200 7.179

3 Turbin Gas (Engine) 1600 9.95

4 Fin Fan Cooler 633.83 220 6.054

5 Support and Others 1868.06 2000 13.2815

Sumber: Perhitungan dengan perangkat lunak Microsoft Excel.

4. Pada iterasi N = 2 dilakukan dengan bilangan acak yang berbeda, sebagai

contoh yaitu 0,002. Semua sistem unit GCS gagal menjalankan misi. Sebagai

contoh sistem Turbin Gas (Engine) gagal menyelesaikan misi selama Tp dan

hanya mampu beroperasi selama karena < . Hasil perhitungan

tersebut disajikan pada Tabel 5.4.

57

Tabel 5.4 Waktu gagal (Tf ) untuk setiap sistem unit GCS pada N = 2 dengan

bilangan acak 0.002.

No Sistem Tf (jam) Tp (jam)

1 Suction & Discharge Scrubber 123.284 400

2 Kompresor 886.291 1200

3 Turbin Gas (Engine) 1124.23 1600

4 Fin Fan Cooler 204.393 220

5 Support and Others 23.80566 2000

Sumber: Perhitungan dengan perangkat lunak Microsoft Excel.

Sistem Turbin Gas (Engine) gagal menjalankan misi dan mengalami

kerusakan sebelum dilakukan kegiatan perawatan pencegahan. Hal tersebut

mengakibatka perlu dilakukan perawatan perbaikan selama Lama waktu

didapatkan dari fungsi maintainability, dimana digantikan dengan

bilangan acak. Model maintainability untuk sistem Turbin Gas (Engine)

sebagai berikut:

a. Perhitungan waktu perbaikan ( ) pada komponen back up seal oil.

jam.

b. Perhitungan waktu perbaikan ( ) pada komponen back up over speed.

jam.

c. Perhitungan waktu perbaikan ( ) pada komponen module analog.

jam.

58

d. Perhitungan waktu perbaikan ( ) pada komponen tubing.

jam.

Maka waktu perbaikan dengan menggunakan bilangan acak senilai 0,59

adalah 2.75 jam. Tf (waktu gagal) adalah sebesar 1124.23 jam.

5. Pada iterasi N = 2, dapat dihitung:

5.1 Dengan menggunakan persamaan 2.64, dapat dihitung lama waktu sistem

turbin gas beroperasi ( ).

5.2 dihitung dengan menggunakan persamaan 2.65.

= Total waktu bergerak (Tclock) adalah:

6. Dengan persamaan 2.38 diperoleh nilai keandalan setiap sistem dari unit

GCS. Kemudian untuk mendapatkan nilai ketersediaan digunakan persamaan

2.18. Sebagai contoh untuk sistem Turbin Gas (Engine) dilakukan

perhitungan sebagai berikut:

6.1 Keandalan (R) sistem Turbin Gas (Engine)

RBack Up Seal Oil . RBack Up Over Speed . RModule Analog . RTubing

59

6.2 Ketersediaan (A) sistem Turbin Gas (Engine)

= 0.99

7. Komponen-komponen biaya yang digunakan untuk menghitung total biaya

perawatan pada sistem Turbin Gas (Engine) adalah sebagai berikut:

Biaya perbaikan kerusakan (Cf) = USD 859868.32

Biaya perawatan pencegahan (Cp) = USD 8074

Total biaya tersebut terdiri dari biaya penggantian spare part dan biaya

tenaga kerja. Dengan menggunakan persamaan 2.67, dapat dihitung total

biaya perawatan sebagai berikut:

8. Prosedur nomor 2 sampai dengan nomor 8 diulang hingga sebanyak 1000

kali.

9. Dengan lama Tp yag berbeda, maka prosedur pengulangan dilakukan lagi

mulai nomor 2 sampai nomor 9, hingga mendapatkan hasil Tp optimum dari

setiap sistem.

10. Tp yang menghasilkan laju biaya terendah menjadi Tp optimum.

11. Langkah yang sama dilakukan pada sistem lain, yakni suction & discharge

scrubber, kompresor, fin fan cooler dan support and others.

Tabel 5.5 sampai 5.9 menunjukkan hasil penentuan Tp optimum. Total laju biaya

perawatan pencegahan terkecil dan memenuhi nilai keandalan yang dipersyaratkan

perusahaan yakni 0.97 ditetapkan sebagai waktu perawatan pencegahan yang

optimum. Gambar 5.1 sampai dengan 5.15 menunjukkan pengaruh Tp terhadap laju

biaya perawatan, keandalan, dan ketersediaan.

58

Tabel 5.5 Hasil Penentuan Tp Optimum pada Sistem Suction & Discharge Scrubber

Tp (hr) 200 400 600 800 1000 1500

R(Tp) 0.986 0.972 0.940 0.894 0.878 0.806

Tops (day) 199,375.814 396,294.116 584,833.092 763,651.199 946,153.723 1,368,314.229

Tday (day) 200,044.617 396,994.863 585,600.169 764,504.453 947,061.152 1,369,359.420

A(t) 0.996657 0.998235 0.998690 0.998884 0.999042 0.999237

Cpm (US$/day) 16.029 7.962 5.220 3.803 3.015 1.914

Ccm (US$/day) 0.565 0.569 0.827 1.119 1.040 1.144

Total Cost (US$/day) 16.594 8.532 6.047 4.922 4.055 3.058

Sumber: Perhitungan dengan perangkat lunak Microsoft Excel.

Gambar 5.1 Pengaruh Tp terhadap Laju Biaya

Perawatan pada Sistem Suction & Discharge

Scrubber

Gambar 5.2 Pengaruh Tp terhadap Keandalan

pada Sistem Suction & Discharge Scrubber

59

Tabel 5.6 Hasil Penentuan Tp Optimum pada Sistem Kompresor

Tp (hr) 800 1000 1,200 1400 1600 1800

R(Tp) 1.000 0.988 0.974 0.949 0.911 0.860

Tops (day) 800,000.00 998,937.067 1,194,347.274 1,387,504.546 1,568,179.127 1,740,504.950

Tday (day) 807,178.558 1,006,483.864 1,202,101.746 1,395,573.783 1,577,091.428 1,750,981.329

A(t) 0.991107 0.992502 0.994 0.994218 0.994349 0.994017

Cpm (US$/day) 10.003 7.926 6.475 5.490 4.664 3.966

Ccm (US$/day) 0.000 0.606 1.523 1.858 2.869 4.065

Total Cost (US$/day) 10.003 8.532 7.998 7.349 7.533 8.031

Sumber: Perhitungan dengan perangkat lunak Microsoft Excel.

Gambar 5.3 Pengaruh Tp terhadap Ketersediaan

pada Sistem Suction & Discharge Scrubber

60

Gambar 5.4 Pengaruh Tp terhadap Laju Biaya

Perawatan pada Sistem Kompresor

Gambar 5.5 Pengaruh Tp terhadap Keandalan

pada Sistem Kompresor

Gambar 5.6 Pengaruh Tp terhadap Ketersediaan

pada Sistem Kompresor

61

Tabel 5.7 Hasil Penentuan Tp Optimum pada Sistem Turbin Gas (Engine)

Tp (hr) 1000 1,200 1400 1600 1800 2000

R(Tp) 0.985 0.977 0.975 0.975 0.970 0.959

Tops (day) 41,365.745 49,474.278 57,715.756 65,921.888 73,919.591 73,747.137

Tday (day) 42,181.338 50,322.114 58,549.481 66,763.778 74,735.400 74,620.048

A(t) 0.980665 0.983152 0.985760 0.987390 0.989084 0.988302

Cpm (US$/day) 188.540 156.756 134.453 117.910 104.793 103.765

Ccm (US$/day) 305.776 393.008 367.155 321.982 345.165 472.455

Total Cost (US$/day) 494.316 549.764 501.607 439.892 449.959 576.220

Sumber: Perhitungan dengan perangkat lunak Microsoft Excel.

Gambar 5.7 Pengaruh Tp terhadap Laju Biaya

Perawatan pada Sistem Turbin Gas (Engine)

Gambar 5.8 Pengaruh Tp terhadap Keandalan

pada Sistem Turbin Gas (Engine)

62

Tabel 5.8 Hasil Penentuan Tp Optimum pada Sistem Fin Fan Cooler

Tp (hr) 100 150 200 220 250 300

R(Tp) 1.000 1.000 1.000 0.977 0.908 0.819

Tops (day) 100,000.000 150,000.000 200,000.000 219,765.620 247,949.366 291,194.976

Tday (day) 106,053.732 156,053.732 206,053.732 226,452.641 255,671.100 300,510.280

A(t) 0.942918 0.961207 0.970621 0.970471 0.969798 0.969002

Cpm (US$/day) 30.664 20.839 15.782 13.887 11.549 8.863

Ccm (US$/day) 0.000 0.000 0.000 5.610 13.854 23.189

Total Cost (US$/day) 30.664 20.839 15.782 19.497 25.403 32.052

Sumber: Perhitungan dengan perangkat lunak Microsoft Excel.

Gambar 5.9 Pengaruh Tp terhadap Ketersediaan

pada Sistem Turbin Gas (Engine)

63

Gambar 5.10 Pengaruh Tp terhadap Laju Biaya

Perawatan pada Sistem Fin Fan Cooler

Gambar 5.11 Pengaruh Tp terhadap Keandalan

pada Sistem Fin Fan Cooler

Gambar 5.12 Pengaruh Tp terhadap Ketersediaan

pada Sistem Fin Fan Cooler

64

Tabel 5.9 Hasil Penentuan Tp Optimum pada Sistem Support and Others

Tp (hr) 1,400 1600 1800 2000 2200 2400

R(Tp) 0.994 0.993 0.994 0.994 0.991 0.987

Tops (day) 58,157.621 66,407.229 74,834.967 83,119.767 91,313.385 99,449.043

Tday (day) 71,807.215 80,381.544 88,394.885 96,648.185 104,811.256 113,360.384

A(t) 0.909913 0.926150 0.946598 0.960024 0.971217 0.977282

Cpm (US$/day) 111.765 99.743 90.792 83.039 76.340 70.298

Ccm (US$/day) 71.848 74.881 58.365 53.381 73.836 98.608

Total Cost (US$/day) 183.613 174.624 149.158 136.420 150.176 168.907

Sumber: Perhitungan dengan perangkat lunak Microsoft Excel.

Gambar 5.13 Pengaruh Tp terhadap Laju Biaya

Perawatan pada Sistem Support and Others

Gambar 5.14 Pengaruh Tp terhadap Keandalan

pada Sistem Support and Others

65

Gambar 5.15 Pengaruh Tp terhadap Ketersediaan

pada Sistem Support and Others

66

Dari gambar pengaruh Tp terhadap keandalan pada setiap sistem pada unit

GCS menunjukkan bahwa semakin lama interval waktu perawatan pencegahan maka

semakin menurun keandalanya. Hasil penentuan interval waktu perawatan

pencegahan pada unit GCS adalah sebagai berikut:

1. Interval waktu perawatan pencegahan (Tp) optimum dan laju biaya perawatan

pada setiap sistem unit GCS ditunjukkan pada tabel 5.10.

Tabel 5.10 Interval waktu perawatan pencegahan (Tp) optimum dan laju biaya

perawatan pada setiap sistem unit GCS.

No Sistem Tp (jam) Laju Biaya

Perawatan )/Day

1 Suction & Discharge Scrubber 400 8.532

2 Kompresor 1200 7.998

3 Turbin Gas (Engine) 1600 439.892

4 Fin Fan Cooler 220 19.497

5 Support and Others 2000 136.42

Total laju biaya perawatan/day 612.339

Sumber: Perhitungan dengan perangkat lunak Microsoft Excel.

2. Laju biaya perawatan pencegahan pada Tp optimum adalah sebesar USD

612.339/day. Nilai ini lebih rendah 2.8% dari rata rata biaya perawatan

sebelumnya yakni USD 629.484/day.

3. Nilai keandalan dan ketersediaan pada Tp optimum di setiap sistem

ditunjukkan pada Tabel 5.11.

Tabel 5.11 Keandalan dan Ketersediaan pada Setiap Sistem saat Tp Optimum.

No Sistem Tp

(jam)

Keandalan

(R)

Ketersediaan

(A)

1 Suction & Discharge Scrubber 400 0.972 0.9982

2 Kompresor 1200 0.974 0.994

3 Turbin Gas (Engine) 1600 0.975 0.987

4 Fin Fan Cooler 220 0.977 0.970

5 Support and Others 2000 0.994 0.960

Sumber: Perhitungan dengan perangkat lunak Microsoft Excel.

Nilai keandalan yang dipersyaratkan perusahaan adalah 0.97 dan ketersediaan

adalah 0.95. Dari Tabel 5.10 persyaratan tersebut dapat dipenuhi.

67

BAB VI

ANALISIS KERUSAKAN PERALATAN

6.1 Analsis Kerusakan Komponen

Hal lain yang perlu diperhatikan pada penentuan interval waktu perawatan

pencegahan yaitu analisis mengenai kerusakan yang terjadi pada tiap-tiap

komponen penyusun sistem. Analisis tersebut meliputi mode kerusakan peralatan

(failure modes), penyebab kerusakan peralatan (failure causes), efek kegagalan

dan tindakan perawatan. Data hasil analisis kerusakan ini dapat digunakan sebagai

data pendukung untuk melengkapi penentuan interval waktu perawatan

pencegahan pada unit GCS.

6.1.1 Level Transmitter

Level transmitter adalah suatu alat ukur elektronik yang berfungsi untuk

mengukur ketinggian suatu media baik itu liquid, gas ataupun solid dimana alat

ini terdiri atas dua bagian yaitu blok sensor dan transmitter. Gambar 6.1

menunjukkan level transmitter yang digunakan pada unit GCS.

Gambar 6.1 Level Transmitter

1. Mode Kegagalan

Kegagalan yang dapat terjadi pada komponen level transmitter adalah

kesalahan pembacaan kondisi aktual dengan pembacaan pada level transmitter.

68

2. Penyebab Kegagalan

Penyebab kegagalan adalah internal fatigue component dan kotoran yang

dapat mengganggu pembacaan sensor.

3. Efek Kegagalan

Kesalahan pembacaan oleh level transmitter dapat mengakibatkan sebuah

proses tidak dapat bekerja secara sempurna. Efek kegagalan adalah proses

shutdown dan unit shutdown.

4. Tindakan Perawatan

Tindakan perawatan yang paling tepat adalah pembersihan dan kalibrasi

ulang untuk memastikan pembacaan pada sensor sama dengan kondisi aktual.

6.1.2 Bearing

Bearing sebuah elemen mesin yang berfungsi untuk membatasi gerak

relatif antara dua atau lebih komponen mesin agar selalu bergerak pada arah yang

diinginkan. Bearing menjaga poros (shaft) agar selalu berputar terhadap sumbu

porosnya, atau juga menjaga suatu komponen yang bergerak linier agar selalu

berada pada jalurnya. Gambar 6.2 menunjukkan bearing yang digunakan pada

unit GCS.

Gambar 6.2 Bold Bearing dan komponennya.

1. Mode Kegagalan

Kegagalan yang dapat terjadi pada komponen bearing menyebabkan

terjadinya getaran pada unit GCS. Jika nilai vibrasi telah melebihi ambang batas

yang diijinkan maka akan terjadi unit shutdown.

69

2. Penyebab Kegagalan

Penyebab kegagalan dapat diakibatkan antara lain:

a. Kualitas pemasangan bearing.

b. Pembebanan yang berlebihan.

c. Temperatur kerja yang melebihi spesifikasi.

3. Efek Kegagalan

Efek kegagalan adalah total unit shutdown pada unit GCS. Hal tersebut

diakibatkan kenaikan nilai vibrasi akibat kerusakan bearing.

4. Tindakan Perawatan

Tindakan perawatan yang paling tepat adalah pemeriksaan dan analisis

secara berkala tingkat vibras pada masing-masing bearing pada unit GCS.

6.1.3 Back Up Seal Oil

Back up seal oil komponen berbentuk cincin yang sangat lunak yang

terbuat dari bahan alami atau karet synthetic atau plastik. Gambar 6.3

menunjukkan back up seal oil yang digunakan pada unit GCS.

Gambar 6.3 Back Up Seal Oil

1. Mode Kegagalan

Kegagalan yang dapat terjadi pada komponen back up seal oil adalah

adanya rembesan lube oil.

2. Penyebab Kegagalan

Penyebab-penyebab kegagalan adalah antara lain:

a. Kualitas pemasangan bearing.

b. Pembebanan yang berlebihan.

70

c. Temperatur kerja yang melebihi spesifikasi.

d. Kualitas bahan bahan back up seal oil

3. Efek Kegagalan

Efek kegagalan adalah total unit shutdown pada unit GCS. Hal tersebut

diakibatkan oleh penurunan volume lube oil pada tangki penampung.

4. Tindakan Perawatan

Tindakan perawatan yang paling tepat adalah visual inspection secara rutin

pada titik-titik dimana potensi terjadinya kebocoran besar. Penggantian komponen

dilakukan secara berkala.

6.1.4 Back Up Over Speed

Kecepatan putar kompresor dari unit GCS dibatasi tidak melebihi 106%

agar kemampuan dari komponen-komponen di dalamnya tetap terjaga. Back up

over speed adalah komponen yang berfungsi sebagai pembatas kecepatan.

Gambar 6.4 menunjukkan back up over speed yang digunakan pada unit GCS.

Gambar 6.4 Back up over speed

1. Mode Kegagalan

Kegagalan yang dapat terjadi pada komponen Back up over speed adalah

total unit shutdown karena unit bekerja diluar batasan kecepatan kerja.

2. Penyebab Kegagalan

Penyebab kegagalan pada komponen ini adalah kerusakan pada internal

part dan adanya gangguan koneksi.

71

3. Efek Kegagalan

Efek kegagalan adalah total unit shutdown pada unit GCS. Hal tersebut

diakibatkan oleh sistem proteksi yang bekerja karena adanya kesalahan

pembacaan nilai kecepatan unit GCS.

4. Tindakan Perawatan

Tindakan perawatan yang paling tepat adalah visual inspection pada

koneksi back up over speed dengan sensor yang terpasang di unit GCS. Hal lain

yang perlu diperhatikan adalah kalibrasi sensor kecepatan untuk memastikan nilai

kecepaan yang diterima back up over speed merupakan nilai yang benar.

6.1.5 Module Analog

Module Analog adalah bagian dari kontrol Programable Logic Control

(PLC) sebagai pengendali utama kerja unit GCS. Module Analog berfungsi

sebagai penerima input/output yang berupa sinyal analog. Gambar 6.5

menunjukkan module analog yang digunakan pada unit GCS.

Gambar 6.5 Module Analog

1. Mode Kegagalan

Kegagalan yang dapat terjadi pada komponen Module Analog adalah

kesalahan pembacaan sinyal analog dari sensor yang terpasang pada unit GCS.

Mode kegagalan lain adalah kesalahan sinyal output yang dapat menyebabkan

kesalahan proses kerja unit GCS.

2. Penyebab Kegagalan

Penyebab kegagalan pada komponen ini adalah terjadinya kerusakan pada

internal part, gangguan koneksi dan sambungan kabel yang kurang baik.

72

3. Efek Kegagalan

Efek kegagalan adalah terjadinya kesalahan dalam pengendalian operasi

unit GCS. Efek terbesar yang mungkin terjadi adalah total unit shutdown pada

unit GCS.

4. Tindakan Perawatan

Tindakan perawatan yang paling tepat adalah visual inspection pada

koneksi module analog dengan sensor yang terpasang di unit GCS. Kegiatan

pembersihan pada setiap koneksi perlu dilakukan secara rutin.

6.1.6 Tubing

Tubing adalah silinder berongga panjang yang digunakan sebagai saluran

pengalir cairan, udara, gas serta sebagai pelindung kabel listrik maupun optik.

Gambar 6.6 menunjukkan tubing yang digunakan pada unit GCS.

.

Gambar 6.6 Tubing

1. Mode Kegagalan

Kebocoran biasanya terjadi pada sambungan antara 2 tubing. Kebocoran

tersebut mengakibatkan gas pneumatik dan oli keluar dari tubing.

2. Penyebab Kegagalan

Penyebab kebocoran pada komponen ini adalah kerusakan pada

sambungan akibat proses mekanik seperti benturan, getaran dan kesalahan akibat

pemasangan.

3. Efek Kegagalan

Efek kegagalan adalah terjadi kesalahan dalam pengendalian operasi unit

GCS, dan efek terbesar yang mungkin terjadi adalah total unit shutdown pada unit

GCS.

73

4. Tindakan Perawatan

Tindakan perawatan yang paling tepat adalah visual inspection secara rutin

pada titik-titik dimana potensi terjadinya kebocoran besar. Pengencangan secara

rutin pada setiap koneksi.

6.1.7 Shell & Tube

Shell & Tube adalah bagian dari heat exchanger yang berfugsi

mengalirkan gas dengan temperatur tinggi untuk didinginkan.

Gambar 6.7 Shell & Tube pada Heat Exchanger

1. Mode Kegagalan

Kegagalan yang dapat terjadi pada komponen Shell & Tube adalah

kebocoran gas hidrokarbon .

2. Penyebab Kegagalan

Penyebab kegagalan pada komponen ini adalah adanya korosi dan kualitas

bahan yang kurang baik.

3. Efek Kegagalan

Efek kegagalan adalah aktifnya sistem proteksi yang menyebabkan total

unit shutdown.

4. Tindakan Perawatan

Tindakan perawatan yang paling tepat adalah visual inspection secara rutin

pada titik-titik dimana potensi terjadinya kebocoran besar. Laju korosi dapat

dikurangi dengan melakukan pengecatan secara berkala.

74

6.1.8 Valve

Valve adalah sebuah komponen yang berfungsi sebagai pembatas laju

aliran gas. Gambar 6.8 menunjukkan valve yang digunakan pada unit GCS.

6.8 Valve

1. Mode Kegagalan

Kegagalan yang dapat terjadi pada komponen valve adalah gas tidak

mengalir sesuai dengan debit yang diinginkan.

2. Penyebab Kegagalan

Penyebab kegagalan pada komponen ini adalah membran yang sudah

fatigue dan kerusakan pada internal part.

3. Efek Kegagalan

Efek kegagalan adalah adalah proses yang berjalan dengan tidak normal

dan efek terbesar adalah total unit shutdown.

4. Tindakan Perawatan

Tindakan perawatan yang paling tepat adalah visual inspection pada valve

dengan mempertimbangkan parameter kerja unit GCS.

6.1.9 Pipe

Pipe merupakan komponen pendukung yang berfungsi menyalurkan gas,

lube oil dan udara. Gambar 6.9 menunjukkan pipe yang digunakan pada unit

GCS.

75

Gambar 6.9 Pipe unit GCS

1. Mode Kegagalan

Kegagalan yang dapat terjadi pada komponen pipe adalah timbunya

lubang-lubang kecil yang mengakibatkan kebocoran gas hidrokarbon, gas

pneumatik yang berfungsi sebagai pengendali kerja unit GCS, oli yang memiliki

fungsi sebagai pengendali mekanik.

2. Penyebab Kegagalan

Penyebab kegagalan pada komponen ini adalah penipisan pada dinding

pipa karena usia dari pipa tersebut.

3. Efek Kegagalan

Efek kegagalan adalah terjadinya kesalahan pada pengendalian operasi

unit GCS, dan efek terbesar yang mungkin terjadi adalah total unit shutdown pada

unit GCS.

76

Halaman ini sengaja dikosongkan

77

BAB 7

KESIMPULAN DAN SARAN

6.1 Kesimpulan

Kesimpulan dari penentuan interval waktu perawatan pencegahan dengan laju biaya

perawatan yang minimum berdasarkan simulasi dan pembahasan yang telah dilakukan

pada bab-bab sebelumnya adalah sebagai berikut:

1. Interval waktu perawatan pencegahan ( ) optimum pada setiap sistem unit GCS

adalah sebagai berikut:

a. Pada sistem suction & discharge scrubber interval waktu perawatan

pencegahan ( ) optimum adalah 400 jam.

b. Pada sistem kompresor interval waktu perawatan pencegahan ( ) optimum

adalah 1200 jam.

c. Pada sistem turbin gas (engine) interval waktu perawatan pencegahan ( )

optimum adalah 1600 jam.

d. Pada sistem fin fan cooler interval waktu perawatan pencegahan ( )

optimum adalah 220 jam.

e. Pada sistem support and others interval waktu perawatan pencegahan ( )

optimum adalah 2000 jam.

2. Total laju biaya perawatan unit GCS pada optimum ( ) adalah sebesar

612.339/day. Nilai ini lebih rendah 2.8% dari rata rata biaya perawatan

sebelumnya yakni USD 629.484/day.

3. Nilai keandalan (R) setiap sistem unit GCS pada saat optimum adalah

sebesar:

- 0.972 untuk sistem suction & discharge scrubbe.

- 0.974 untuk sistem kompresor.

- 0.975 untuk sistem turbin gas (engine).

- 0.977 untuk sistem fin fan cooler.

- 0.994 untuk sistem support and others.

78

Nilai tersebut telah lebih besar dari yang dipersyaratkan perusahaan yakni

0.97.

4. Nilai ketersediaan (A) setiap sistem unit GCS pada saat optimum adalah

sebesar:

- 0.999 pada sistem suction & discharge scrubbe

- 0.994 pada sistem kompresor

- 0.987 pada sistem turbin gas (engine)

- 0.97 pada sistem fin fan cooler

- 0.96 pada sistem support and others.

Nilai tersebut telah lebih besar dari yang dipersyaratkan perusahaan yakni

0.95.

6.2 Saran

Saran yang dapat diberikan untuk pengembangan penelitian penentuan interval

waktu perawatan pencegahan berikutnya adalah sebagai berikut:

1. Untuk mengetahui penyebab pendeknya umur GCS terutama pada sistem fin

fan cooler, perlu digunakan FMECA (Failure Mode Evaluation and Critical

Analysis) agar dapat diketahui penyebabnya dan dilakukan perbaikan,

sehingga Tp pada komponen tersebut dapat ditingkatkan.

2. Pencatatan dan evaluasi harus dilakukan secara kontinyu terhadap setiap

kerusakan yang terjadi pada masing-masing komponen, sehingga analisis

keandalan untuk penentuan interval waktu perawatan pencegahan lebih

lengkap dan akurat.

79

DAFTAR PUSTAKA

Assauri, S., (1999), Manajemen Produksi dan Operasi, Edisi Revisi, LPFEUI,,

Jakarta.

Barringer, P., (1997), Monte Carlo Reliability Model of A Pressure Vessel,

http://www.barringer1.com/MC.htm, diunduh 1 Oktober 2016.

BP, (2016), BP Statistical Review of World Energy, BP plc, London.

Campbell, J. D., dan Jardine, A. K., (1973), Maintenance Excellence, Marcel

Dekker, Inc., New York.

David, J. S., (2011), Reliability, Maintainability, and Risk : Practical Methods for

Engineers, Butterworth-Heinemann, Boston.

Dhillon, B. S., (2006), Maintainability, Maintenance, and Reliability for

Engineers, CRC, Ottawa, Ontario.

Down time report PT. Pertamina Hulu Energi, Tahun 2016.

Ebeling, C. E., (1997), Reliability and Maintainability Engineering, International

Edition, McGraw-Hill, New York.

Gasperz, V., (1992), Analisis Sistem Terapan Berdasarkan Pendekatan Teknik

Industri, edisi pertama, Tarsito, Bandung.

Giani, M., (2006), A Cost-based Optimization of Fiberboard Pressing Plant Using

Monte Carlo Simulation (A reliability program), Queensland University of

Technology, Australia, diunduh 1 Oktober 2010.

Jardine, A. K. S., (1970), Operational Research in Maintenance, Manchester

University Press ND.

Kristianto, F. P., (2017), Penentuan Interval Waktu Pemeliharan Pencegahan dan

Jumlah Tenaga Kerja Pada Peralatan Sub Unit RKC 3 di PT. X Pabrik

Tuban, Tesis yang tidak dipublikasikan, Program Studi Magister

Manajemen Teknologi ITS, Surabaya.

Laggoune, R., Chateauneuf, A., and Aissani, D., (2009), “Opportunistic Policy for

Optimal Preventive Maintenance of Multi-Component System in Continues

Operating Units,” Computer and Chemical Engineering, Vol. 33, hal. 1499-

1510.

Montgomery, D. C., (2009), Design and Analysis of Experiment, John Wiley &

Sons, Inc., New York.

O’Connor, Patrick D.T., (2001), Practical Reliability Engineering Fourth Edition,

Jonh Wiley & Sons Ltd, England.

80

Park, S. H., (1996). Robust Design And Analysis for Quality Engineering, New

Delhi : PT. Palatino Thomson Press.

Rakhmad, M. B., (2011), Optimasi Interval Waktu Perawatan Pencegahan Pada

Sistem Pemasok Bahan Bakar Turbin Gas dengan Menggunakan Simulasi

Monte Carlo, Tesis yang tidak dipublikasikan, Program Studi Magister

Manajemen Teknologi ITS, Surabaya.

Reliasoft Corporation, (2005), How are the values in the AVGOF and AVPLOT

columns calculated in Weibull++'s Distribution Wizard?,

http://www.weibull.com/hotwire/issue51/tooltips51.htm, diunduh 30

Oktober 2016.

Shankar, M. P., (2013), “A statistical model for the ultrasonic backscattered echo

from tissue containing microcalcifications,” IEEE transactions on

ultrasonics, ferroelectrics, and frequency control, Vol 60, hal 932-942.

Soejanto, I., (2009), Desain Eksperimen dengan Metode Taguchi, Graha Ilmu,

Yogyakarta.

Solar, (1970), Operational and Maintenance Gas Turbine, Houston, USA.

Stephens, M. P. (2004). Productivity and reliability based maintenance

management, Pearson Education Inc, New Jersey.

Supandi. (1990). Manajemen Perawatan Industri.Ganeca Exact, Bandung.

Sutanto. E., (2011), Optimalisasi Interval Waktu Penggantian Komponen mesin

Packer Tepung Terigu Kemasan 25 kg di PT. X, Tesis tidak dipublikasikan,

Program Studi Magister Manajemen Teknologi ITS, Surabaya.

Tampubolon, M., (2004), Manajemen Operasional. Ghalia Indonesia, Jakarta.

Wilkins, L. W., (2002), Assement Made Incredible Easy, Wolters Kluwer

Business, Philadelphia.

LAMPIRAN

Tabel A.1 TBF dan TTR Komponen Level Transmitter.

MIKE-MIKE (1) ECHO (2) BRAVO (3)

TBF TTR TBF TTR TBF TTR

7347.9 1.8 200.0 2.0 23352.0 3.5

815.0 3.0 14800.0 3.1 6768.0 5.8

16272.0 3.0 15000.0 2.5

7248.0 6.7 11232.0 7.5

2160.0 0.5

3408.0 0.9

1680.0 1.0

2520.0 4.0

192.0 1.5

888.0 1.8

LIMA (4) FOXTROT (5)

TBF TTR TBF TTR

3216.8 1.0 4776.0 1.0

15839.3 1.5 816.0 1.0

3216.0 7.3 2088.0 1.0

4440.0 0.5 792.0 2.0

1704.0 4.0

Tabel A.2 TBF dan TTR Komponen Back Up Seal Oil.

MIKE-MIKE (1) ECHO (2) BRAVO (3)

TBF TTR TBF TTR TBF TTR

14326 3.1 5232 3.2 13268 3.0

16202 3.2 192 3.4 17308 3.4

768 3.5 19704 3.3 7488 3.5

552 3.1 24 3.9

3048 2.5 6672 2.5

96 2.0

5784 2.6

LIMA (4) FOXTROT (5) KLA (6)

TBF TTR TBF TTR TBF TTR

12397.0 3.8 9651.0 12397.0 3.8 9651.0

13211.0 2.9 10487.0 13211.0 2.9 10487.0

552.0 3.4 12142.0 552.0 3.4 12142.0

48.0 48.0

Tabel A.3 TBF dan TTR Komponen Back Up Over Speed.

MIKE-MIKE (1) ECHO (2) BRAVO (3)

TBF TTR TBF TTR TBF TTR

1920.0 4.10 9566.0 2.10 16236.0 2.10

16920.0 4.20 9298.0 2.05 2076.0 2.00

2064.0 2.50 456.0 2.20 9045.0 3.85

1200.0 2.00 12864.0 2.05 9125.0 3.80

9048.0 2.75 5321.0 2.10 1918.0 2.00

9576.0 2.70

LIMA (4)

TBF TTR

9065.0 3.32

2165.0 3.40

14378.0 3.20

5362.0 2.40

Tabel A.4 TBF dan TTR Komponen Back Up Over Speed.

MIKE-MIKE (1) ECHO (2) BRAVO (3)

TBF TTR TBF TTR TBF TTR

3840.0 7 14256.0 3 21288.0 1

23976.0 3 20256.0 2 432.0 2

2424.0 1 6096.0 7 4872.0 1

3840.0 6 11256.0 1

5160.0 4 24.0 2

48.0 1

5832.0 1

LIMA (4) FOXTROT (5)

TBF TTR TBF TTR

7608.0 3 31344.0 5

360.0 5 2064.0 3

20328.0 5 9240.0 1

Tabel A.5 TBF dan TTR Komponen Tubing.

MIKE-MIKE (1) BRAVO (3) LIMA (4)

TBF TTR TBF TTR TBF TTR

4680.0 39.5 16488.0 37.5 22759.0 43.0

16272.0 37.5 25478.0 41.5 2345.0 41.7

6336.0 42.0 658.0 37.5 120.0 36.9

216.0 33.7 216.0 40.7

168.0 42.1 8184.0 41.0

384.0 38.9 168.0 42.0

5688.0 41.5 2016.0 39.5

FOXTROT (5)

TBF TTR

25738.0 40.3

526.0 41.2

256.0 39.0

Tabel A.6 TBF dan TTR Komponen Bearing.

MIKE-MIKE (1) ECHO (2) BRAVO (3)

TBF TTR TBF TTR TBF TTR

5000.0 3 3360.0 24 5904.0 24

8331.0 10 3096.0 26 2496.0 12

2736.0 28 4392.0 4 8664.0 48

2376.0 27 9216.0 8 9528.0 5

9408.0 48 3000.0 23

5136.0 6 3024.0 24

3888.0 68 3744.0 5

5400.0 29

LIMA (4) FOXTROT (5)

TBF TTR TBF TTR

3185.0 12 1176.0 24

9192.0 68 4872.0 48

2088.0 48 9744.0 48

6240.0 10 5296.0 63

9696.0 56 8001.0 36

1896.0 24

1272.0 48

1440.0 12

Tabel A.7 TBF dan TTR Komponen Shell & Tube.

MIKE-MIKE (1) ECHO (2) BRAVO (3)

TBF TTR TBF TTR TBF TTR

1592.0 24 392.0 18 1416.0 23

322.0 22 1295.0 28 321.0 24

320.0 24 324.0 23

216.0 24

705.0 28

744.0 22

720.0 24

744.0 24

456.0 28

288.0 24

384.0 22

336.0 29

264.0 24

480.0 24

720.0 25

Tabel A.8 TBF dan TTR Komponen Valve.

MIKE-MIKE (1) ECHO (2) BRAVO (3)

TBF TTR TBF TTR TBF TTR

4883.2 1.1 10002.0 1.2 6936.0 1.5

22668.8 1.1 2880.0 1.2 15696.0 1.6

13008.0 1.1 3040.5 0.5 6216.0 1.0

2256.0 0.8 2904.0 1.0 9720.0 0.5

15216.0 1.2 1656.0 2.4

1896.0 1.0

LIMA (4) FOXTROT (5)

TBF TTR TBF TTR

2328.0 3.1 5040.0 2.5

20079.5 2.5 17424.0 1.0

1992.0 1.1 5448.0 2.5

12216.0 4.1 3432.0 3.5

3744.0 1.0

Tabel A.9 TBF dan TTR Komponen Piping.

MIKE-MIKE (1) ECHO (2) BRAVO (3)

TBF TTR TBF TTR TBF TTR

3312.0 7 27240.0 496 7680.0 4

4920.0 57 504.0 345 9672.0 4

14016.0 90 504.0 148 19176.0 344

10872.0 15 1392.0 11

6624.0 7 4368.0 74

1032.0 5

LIMA (4) FOXTROT (5)

TBF TTR TBF TTR

12528.0 4 20000.0 5

24720.0 7 2120.0 15

264.0 378 20000.0 334

Tabel A.10 Hasil Uji Independen dan Uji Identik dari Masing-Masing Komponen.

No Sistem Komponen

Residual Data

Uji Independen Uji Identik

TBF TBF TTR TTR

1

Suction &

Discharge

Scrubber

Level

Transmitter

Tidak

ada

korelasi

Tidak

ada

korelasi

Tersebar

Secara

Acak

Tersebar

Secara

Acak

2 Kompresor Bearing

Tidak

ada

korelasi

Tidak

ada

korelasi

Tersebar

Secara

Acak

Tersebar

Secara

Acak

3 Turbin Gas

(Engine)

Back Up Seal

Oil

Tidak

ada

korelasi

Tidak

ada

korelasi

Tersebar

Secara

Acak

Tersebar

Secara

Acak

Back Up Over

Speed

Tidak

ada

korelasi

Tidak

ada

korelasi

Tersebar

Secara

Acak

Tersebar

Secara

Acak

Module Analog

Tidak

ada

korelasi

Tidak

ada

korelasi

Tersebar

Secara

Acak

Tersebar

Secara

Acak

Tubing

Tidak

ada

korelasi

Tidak

ada

korelasi

Tersebar

Secara

Acak

Tersebar

Secara

Acak

4 Interstage

Cooler Shell & Tube

Tidak

ada

korelasi

Tidak

ada

korelasi

Tersebar

Secara

Acak

Tersebar

Secara

Acak

5 Support and

Others

Valve

Tidak

ada

korelasi

Tidak

ada

korelasi

Tersebar

Secara

Acak

Tersebar

Secara

Acak

Pipe

Tidak

ada

korelasi

Tidak

ada

korelasi

Tersebar

Secara

Acak

Tersebar

Secara

Acak

Tabel A.11 Hasil Uji Kenormalan dan Uji Kesamaan Variansi Komponen

No Sistem Komponen

Uji Kenormalan Uji Kesamaan

Variasi

P-Value P-Value

TBF TTR TBF TTR

1

Suction &

Discharge

Scrubber

Level

Transmitter > 150 > 150 0.354 0.929

2 Kompresor Bearing 0.091 > 150 0.948 0.167

3 Turbin Gas

(Engine)

Back Up Seal

Oil > 150 > 150 0.859 0.587

Back Up Over

Speed 0.134 > 150 0.86 0.227

Module Analog 0.056 > 150 0.882 0.191

Tubing 0.092 > 150 0.755 0.586

4 Interstage

Cooler Shell & Tube > 150 0.062 0.147 0.533

5 Support and

Others

Valve 0.112 0.099 0.544 0.119

Pipe > 150 0.051 0.928 0.661

Tabel B.1 Pemilihan Distribusi Data Antar Waktu Kegagalan pada Sistem Level

Transmitter.

Distribution AvGOF AvPlot LKV Ranking

Exponential 1 27.3304544 5.75135736 -242.70234 5

Exponential 2 3.03619611 4.21135151 -245.24101 4

Weibull 2 2.45734065 3.42663734 -242.47232 3

Weibull 3 0.018287 2.75817044 -241.94382 1

Normal 79.657982 9.84361678 -253.96763 6

Lognormal 0.001688 3.04687542 -243.12515 2

Tabel B.2 Pemilihan Distribusi Data Waktu Perbaikan pada Sistem Level

Transmitter.

Distribution AvGOF AvPlot LKV Ranking

Exponential 1 69.9694739 6.21332537 -50.013794 5

Exponential 2 7.72546056 3.2391409 -44.907985 2

Weibull 2 24.2646699 4.83505599 -48.41454 4

Weibull 3 0.84523085 2.96103037 -45.907066 1

Normal 61.8629674 8.35495476 -53.659184 5

Lognormal 11.0016547 3.0926221 -46.89804 3

Tabel B.3 Pemilihan Distribusi Data Antar Waktu Kegagalan pada Sistem Back

Up Oil Seal.

Distribution AvGOF AvPlot LKV Ranking

Exponential 1 82.6885077 11.051905 -251.17908 5

Exponential 2 82.637167 11.1122601 -251.10533 4

Weibull 2 70.292518 9.11110291 -251.52021 3

Weibull 3 76.0619003 8.86009674 -252.57127 1

Normal 37.1165491 5.5259552 -254.22353 2

Lognormal 92.9021016 11.2497765 -255.759 6

Tabel B.4 Pemilihan Distribusi Data Waktu Perbaikan pada Sistem Back Up Oil

Seal.

Distribution AvGOF AvPlot LKV Ranking

Exponential 1 99.9999999 31.8190461 -57.194524 5

Exponential 2 99.9988345 23.4418192 -30.399116 4

Weibull 2 26.4230127 5.27711401 -12.203015 1

Weibull 3 DISCARD DISCARD DISCARD 6

Normal 29.2640739 6.46902804 -13.294832 2

Lognormal 54.1781775 7.79763592 -15.255169 3

Tabel B.5 Pemilihan Distribusi Data Antar Waktu Kegagalan pada Sistem Back

Up Over Speed.

Distribution AvGOF AvPlot LKV Ranking

Exponential 1 90.0905756 8.4686994 -198.22844 5

Exponential 2 89.1296428 7.7627403 -196.9105 4

Weibull 2 67.9527355 5.94466711 -197.12487 2

Weibull 3 58.334313 6.01599691 -197.50252 1

Normal 41.5718544 6.16375179 -198.9643 3

Lognormal 82.6627611 7.52164837 -198.91029 4

Tabel B.6 Pemilihan Distribusi Data Waktu Perbaikan pada Sistem Back Up Over

Speed.

Distribution AvGOF AvPlot LKV Ranking

Exponential 1 99.9999687 24.9430199 -41.446272 6

Exponential 2 62.0386663 6.73571189 -15.765598 3

Weibull 2 73.3775222 10.9303512 -25.325015 5

Weibull 3 0.80929779 4.57550673 -12.931418 1

Normal 55.2246392 8.63149181 -22.941038 4

Lognormal 51.5557504 7.90381257 -21.243968 2

Tabel B.7 Pemilihan Distribusi Data Antar Waktu Kegagalan pada Sistem Modul

Analog.

Distribution AvGOF AvPlot LKV Ranking

Exponential 1 14.9870954 4.44945939 -212.84972 3

Exponential 2 0.77951552 3.14943366 -213.75238 2

Weibull 2 18.3810278 4.57195419 -212.87624 4

Weibull 3 0.23319584 2.73406922 -214.30474 1

Normal 57.052635 7.92912067 -220.78754 5

Lognormal 63.6498425 7.93168116 -215.97855 6

Tabel B.8 Pemilihan Distribusi Data Waktu Perbaikan pada Sistem Modul

Analog.

Distribution AvGOF AvPlot LKV Ranking

Exponential 1 92.7964719 9.35813679 -44.519534 6

Exponential 2 93.0775006 7.58779411 -36.937507 5

Weibull 2 64.7723652 7.27249241 -41.869593 4

Weibull 3 46.7337031 5.21280078 -40.526048 1

Normal 34.5595423 7.00329145 -44.475378 2

Lognormal 65.7714864 6.24520713 -41.069635 3

Tabel B.9 Pemilihan Distribusi Data Antar Waktu Kegagalan pada Sistem Tubing.

Distribution AvGOF AvPlot LKV Ranking

Exponential 1 98.9511618 15.2650154 -197.23313 6

Exponential 2 63.6501088 8.09624427 -203.06135 4

Weibull 2 39.7974895 7.51601339 -191.8738 3

Weibull 3 0.12526825 4.23845589 -186.50276 1

Normal 80.1227434 12.283982 -210.27519 5

Lognormal 9.16660038 6.68077484 -191.32547 2

Tabel B.10 Pemilihan Distribusi Data Waktu Perbaikan pada Sistem Tubing.

Distribution AvGOF AvPlot LKV Ranking

Exponential 1 99.9999999 33.6813602 -96.840374 5

Exponential 2 99.9487579 22.8485137 -57.449792 4

Weibull 2 0.16879761 3.88134172 -43.164086 1

Weibull 3 DISCARD DISCARD DISCARD 6

Normal 7.1390545 5.52232539 -44.701731 2

Lognormal 10.1896362 5.92297945 -45.276462 3

Tabel B.11 Pemilihan Distribusi Data Antar Waktu Kegagalan pada Sistem

Tubing.

Distribution AvGOF AvPlot LKV Ranking

Exponential 1 97.9235738 14.9604788 -305.81963 6

Exponential 2 45.8747909 7.99226636 -296.90115 5

Weibull 2 33.5419931 4.04442145 -297.09183 3

Weibull 3 4.86946449 2.73062408 -296.45458 1

Normal 27.955817 6.16175381 -299.60591 4

Lognormal 14.6652969 3.15107078 -297.73481 2

Tabel B.12 Pemilihan Distribusi Data Waktu Perbaikan pada Sistem Tubing.

Distribution AvGOF AvPlot LKV Ranking

Exponential 1 95.0379323 8.84196572 -139.69001 5

Exponential 2 89.1404989 5.97773279 -136.01431 4

Weibull 2 39.7646262 4.21145892 -136.71497 1

Weibull 3 54.4939039 3.94493107 -136.7522 2

Normal 41.282151 5.83909182 -140.6723 3

Lognormal 77.7959419 5.35435727 -138.74003 4

Tabel B.13 Pemilihan Distribusi Data Antar Waktu Kegagalan pada Sistem Shell

& Tube

Distribution AvGOF AvPlot LKV Ranking

Exponential 1 95.8599252 11.1981914 -148.10684 5

Exponential 2 1.27127521 5.63597294 -141.00413 1

Weibull 2 59.5322666 8.43773555 -146.7601 3

Weibull 3 2.74330416 5.34707357 -139.78636 1

Normal 63.9487929 9.92653009 -147.84032 4

Lognormal 20.5627726 6.45451586 -141.67771 2

Tabel B.14 Pemilihan Distribusi Data Waktu Perbaikan pada Sistem Shell &

Tube.

Distribution AvGOF AvPlot LKV Ranking

Exponential 1 99.9999995 31.7648611 -86.377306 6

Exponential 2 99.9928988 20.5073215 -57.329438 5

Weibull 2 94.7988541 9.5302168 -48.063436 1

Weibull 3 92.7019325 9.27031904 -47.214937 3

Normal 87.0013366 8.64973373 -46.559715 2

Lognormal 80.0358548 8.4800749 -46.79464 4

Tabel B.15 Pemilihan Distribusi Data Antar Waktu Kegagalan pada Sistem Valve.

Distribution AvGOF AvPlot LKV Ranking

Exponential 1 51.4091677 4.87908965 -239.5436 4

Exponential 2 2.27875429 4.33639478 -235.49914 2

Weibull 2 27.7255579 7.36456498 -238.68278 3

Weibull 3 0.061987 2.56797556 -234.10329 1

Normal 59.3341044 8.11358014 -243.78802 5

Lognormal 1.58597308 4.44853028 -237.01292 2

Tabel B.16 Pemilihan Distribusi Data Waktu Perbaikan pada SistemValve.

Distribution AvGOF AvPlot LKV Ranking

Exponential 1 99.7547989 13.0162853 -35.612561 6

Exponential 2 80.3729731 6.91108811 -26.3782 3

Weibull 2 93.0190242 9.72502653 -31.292993 4

Weibull 3 65.6089147 6.6383257 -27.142473 1

Normal 95.3467258 9.8953714 -32.767499 5

Lognormal 72.3134824 6.87372534 -27.30914 2

Tabel B.17 Pemilihan Distribusi Data Antar Waktu Kegagalan pada Sistem

Piping.

Distribution AvGOF AvPlot LKV Ranking

Exponential 1 1.1492327 4.38113703 -203.28467 3

Exponential 2 7.58512322 5.1802677 -202.73059 4

Weibull 2 0.0015863 3.57971766 -203.48743 1

Weibull 3 0.38393568 3.63989618 -203.27588 2

Normal 12.827966 6.55479719 -209.23543 6

Lognormal 2.99740686 5.82912938 -205.00456 5

Tabel B.18 Pemilihan Distribusi Data Waktu Perbaikan pada Sistem Piping.

Distribution AvGOF AvPlot LKV Ranking

Exponential 1 99.9146814 17.7008334 -115.75587 6

Exponential 2 78.6762353 9.86264514 -122.32592 3

Weibull 2 79.9600694 10.104969 -110.97209 4

Weibull 3 0.3325037 4.32070615 -97.250524 1

Normal 93.4794149 13.8262346 -129.81023 5

Lognormal 49.5073582 8.03002875 -108.50918 2