Jurnal Teknik Industri-Perhitungan Overall Equipment Effectivenes Pada Mesin Menuju Total Productive Maintenance

Program Studi Teknik Industri Universitas Mercubuana, Jakarta Jurnal Skripsi – September 2013

PERHITUNGAN OEE (OVERALL EQUIPMENT EFFECTIVENES) PADA MESIN TRUPUNCH V 5000 I MENUJU TOTAL PRODUCTIVE MAINTENANCE (TPM) Study Kasus Pada PT XYZ Muhammad Kholil (1), Rudini Mulya (2) Program Studi Teknik Industri Universitas Mercubuana – Jakarta Email: 1)[email protected], 2)[email protected]

Abstrak Penelitian ini dilakukan bertujuan untuk merumuskan efektivitas dan efisiensi kinerja dari mesin Trupunch V 5000 I di PT. XYZ berdasarkan nilai Overall Equipment Effectiveness (OEE). Faktor yang mempengaruhi penurunan efektivitas peralatan disebut Six Big Losses, yaitu Breakdown Loss, Set Up/Adjustment Loss, Idling and Minor Stoppages, Reduce speed losses, Yield/Scrap Losses, Rework.Pada laporan skripsi ini Penulis menerapkan metode Overall Equipment Effectiveness (OEE) untuk mengetahui efektivitas dan efisiensi kinerja dari mesin Trupunch V 5000 I. Dalam penelitian ini dilakukan pengumpulan data dengan mengambil data kerusakan mesin Trupunch V 5000 I dan mengolah data seperti mencari nilai OEE, korelasi dan regresi serta menggunakan diagram fishbone.Berdasarkan dari hasil peritungan OEE faktor Six Big Losses yang memberikan kontribusi terbesar pada mesin Trupunch V 5000 I adalah Reduce Speed Losses dengan rata-rata nilai sebesar 28,97%, diikuti dengan Yield/Scrap Losses sebesar 16,39%, diikuti dengan Idling and Minor Stoppages sebesar 7,67%, diikuti dengan Set Up/Adjustment Loss sebesar 2,93 %, dikiuti dengan breakdown losses sebesar 2,53 % dan rework losses sebesar 0,69 %. Kata Kunci: Mesin Trupunch V 5000 I, Overall Equipment Effectiveness (OEE), Six Big Losses, Regresi dan Korelasi. Abstrac This study was aimed to formulate the effectiveness and efficiency of the performance of the engine V 5000 I Trupunch in PT. XYZ based on the value of Overall Equipment Effectiveness (OEE). Factors affecting the decline in effectiveness of equipment called the Six Big Losses, namely Breakdown Loss, Set Up / Loss Adjustment, Idling and Minor Stoppages, Reduce speed losses, Yield / Losses Scrap, Rework.This paper reports on the authors apply the method of Overall Equipment Effectiveness (OEE) to examine the effectiveness and efficiency of the performance of the engine V 5000 Trupunch I. In this research, data collection by retrieving data Trupunch V 5000 engine failure and process the data as I find the value of OEE, correlation and regression, and using fishbone diagrams.Based on the results peritungan Six Big Losses OEE factors that contribute most to the machine I was Trupunch V 5000 Speed Reduce Losses with an average value of 28.97%, followed by Yield / Scrap Losses amounted to 16.39%, followed by idling and Minor Stoppages by 7.67%, followed by Set Up / Loss Adjustment for 2.93%, breakdown dikiuti with losses of 2.53% and rework losses of 0.69%.

Keywords: Mechanical Trupunch V 5000 I, Overall Equipment Effectiveness (OEE), Six Big Losses, Regression and Correlation.

1

Program Studi Teknik Industri Universitas Mercubuana, Jakarta Jurnal Skripsi – September 2013 2. Untuk merumuskan faktor-faktor yang memberikan kontribusi terbesar terhadap nilai OEE dari six big losses pada mesin Trupunch V 5000 I. 3. Untuk mengetahui solusi perbaikan yang dapat dilakukan PT. XYZ dengan menggunakan diagram sebab akibat?

1 PENDAHULUAN 1.1 LATAR BELAKANG Usaha perbaikan pada industri manufaktur, dilihat dari segi peralatan adalah dengan meningkatkan efektivitas mesin/peralatan yang ada seoptimal mungkin. Pada prakteknya, seringkali usaha perbaikan yang dilakukan tersebut hanya pemborosan, karena tidak menyentuh akar permasalahan yang sesungguhnya. Hal ini disebabkan karena tim perbaikan tidak mendapatkan dengan jelas permasalahan yang terjadi dan faktor-faktor yang menyebabkannya. Untuk itu diperlukan suatu metode yang mampu mengungkapkan permasalahan dengan jelas agar dapat melakukan peningkatan kinerja peralatan dengan optimal. 1.2 Perumusan Masalah Berdasarkan uraian latar belakang masalah di atas, perumusan masalah yang menjadi objek kajian dalan penelitian ini adalah sebagai berikut : 1. Bagaimanakah efektivitas dan efisiensi kinerja dari mesin Trupunch V 5000 I di PT. XYZ berdasarkan nilai Overall Equipment Effectiveness (OEE) ? 2. Faktor apa yang memberikan kontribusi terbesar terhadap nilai OEE dari six big losses pada mesin Trupunch V 5000 I? 3. Bagaimana solusi perbaikan yang dapat dilakukan PT. XYZ dengan menggunakan diagram sebab akibat? 1.3 Batasan Masalah Pembahasan terhadap suatu masalah yang dikemukakan harus ada suatu pembatasan agar ruang lingkupnya tidak menyimpang, terarah dan mudah dipahami sehingga tujuan dari kerja praktek dapat tercapai dengan optimal. Adapun batasan – batasan masalah dalam penelitian ini adalah sebagai berikut : 1. Penelitian yang dilakukan tidak sampai pada perhitungan biaya. 2. Penelitian yang dilakukan hanya sampai pada pemberian usulan perbaikan. 3. Pendefinisian permasalahan utama dilakukan dengan menggunakan diagram sebab akibat. 1.4 Tujuan Penelitian Tujuan dari penelitian ini adalah sebagai berikut : 1. Merumuskan efektivitas dan efisiensi kinerja dari mesin Trupunch V 5000 I di PT. XYZ berdasarkan nilai Overall Equipment Effectiveness (OEE).

2. Landasan Teori 2.1 Pemeliharaan Menurut Patrick (2001, p407), maintenance adalah suatu kegiatan untuk memelihara dan menjaga fasilitas yang ada serta memperbaiki, melakukan penyesuaian atau penggantian yang diperlukan untuk mendapatkan suatu kondisi operasi produksi agar sesuai dengan perencanaan yang ada. 2.2 Total Productive Maintenance (TPM) Total Productive Maintenance mula mula berasal dari pemikiran PM ( Preventive Maintenance dan Production Maintenance), dari Amerika masuk ke Jepang dan berkembang menjadi suatu sistem baru khas Jepang yang kemudian dikenal sebagai TPM (Total Productive Maintenance). Total Productive Maintenance adalah konsep pemeliharaan yang melibatkan seluruh pekerja yang bertujuan mencapai efektifitas pada seluruh sistem produksi melalui partisipasi dan kegiatan pemeliharaan yang produktif, proaktif, dan terencana. [Suzaki Kyoshi, 1999] 2.3 Overall Equipment Effectiveness Overall Equipment Effectiveness (OEE) merupakan metode yang digunakan sebagai alat ukur dalam penerapan program TPM guna menjaga peralatan pada kondisi ideal dengan menghapuskan six big losses peralatan. Pengukuran OEE ini didasarkan pada pengukuran tiga rasio utama, yaitu: 1. Availability Ratio Availability ratio merupakan suatu rasio yang menggambarkan pemanfaatan waktu yang tersedia untuk kegiatan operasi mesin atau peralatan. Dengan demikian formula yang digunakan untuk mengukur availability ratio adalah: Availability = x 100 % Availability =

x 100 %

Loading time adalah waktu yang tersedia (available time) perhari atau perbulan dikurangi dengan waktu downtime mesin yang direncanakan (planned downtime). Loading Time = Total Available Time – Planned Downtime

2

Program Studi Teknik Industri Universitas Mercubuana, Jakarta Jurnal Skripsi – September 2013 Operation time merupakan hasil pengurangan loading time dengan waktu downtime mesin (non-operation time). Dengan kata lain, operation time adalah waktu operasi yang tersedia setelah waktu-waktu downtime mesin dikeluarkan dari total available time yang direncanakan. 2. Performance Ratio Performance ratio merupakan suatu ratio yang menggambarkan kemampuan dari peralatan dalam menghasilkan barang. Tiga faktor penting yang dibutuhkan untuk menghitun performance efficiency adalah: a. Ideal cycle time (waktu siklus ideal) b. Processed amount (jumlah produk yang diproses) c. Operation time (waktu operasi mesin) Formula pengukuran rasio ini adalah: Performance Rate (P) = x

penyesuaian (adjustment) dan juga waktu yang dibutuhkan untuk kegiatan-kegiatan pengganti satu jenis produk ke jenis produk berikutnya untuk proses produksi selanjutnya. Set up/Adjusment Losses = x 100% 2. Speed Loss, terdiri dari : a. Idling and Minor Stoppage Losses disebabkan oleh kejadian-kejadian seperti pemberhentian mesin sejenak, kemacetan mesin, dan idle time dari mesin. Kenyataannya, kerugian ini tidak dapat dideteksi secara langsung tanpa adanya alat pelacak. Idling and minor stoppages losses = x 100%

100 %

3. Quality Ratio atau Rate of Quality Product. Quality ratio atau rate of quality product merupakan suatu rasio yang menggambarkan kemampuan peralatan dalam menghasilkan produk yang sesuai dengan standar. Formula yang digunakan untuk pengukuran rasio ini adalah: Rate of quality = x 100 % 2.4 Enam Kerugian Utama(Six Big Losses ). Tujuan dari perhitungan six big losses ini adalah untuk mengetahui nilai efektivitas keseluruhan (Overall Equipment Effectiveness / OEE). Dari nilai OEE ini dapat diambil langkah-langkah untuk memperbaiki atau mempertahankan nilai tersebut. Keenam kerugian tersebut dapat digolongkan menjadi tiga macam, yaitu: 1. Downtime Losses, terdiri dari : a. Breakdown Losses/Equipment Failures adalah kerusakan mesin/peralatan yang tiba-tiba atau kerusakan yang tidak diinginkan tentu saja akan menyebabkan kerugian, karena kerusakan mesin akan menyebabkan mesin tidak beroperasi menghasilkan output. Hal ini akan mengakibatkan waktu yang terbuang siasia dan kerugian material serta produk cacat yang dihasilkan semakin banyak. Breakdown Losses = x

b. Reduced Speed Losses adalah kerugian karena mesin tidak bekerja optimal (penurunan kecepatan operasi) terjadi jika kecepatan aktual operasi mesin/peralatan lebih kecil dari kecepatan optimal atau kecepatan mesin yang dirancang. Reduce speed losses = x 100%

3. Defect Loss, terdiri dari : a. Rework Losses adalah kerugian yang disebabkan karena adanya produk cacat maupun karena kerja produk diproses ulang. Produk cacat yang dihasilkan akan mengakibatkan kerugian material, mengurangi jumlah produksi, biaya tambahan untuk pengerjaan ulang dan limbah produksi meningkat. Rework Losses = x 100% b. Reduced Yield Losses adalah kerugian waktu dan material yang timbul selama waktu yang dibutuhkan oleh mesin/peralatan untuk menghasilkan produk baru dengan kualitas produk yang telah diharapkan. Kerugian yang timbul tergantung pada faktor-faktor seperti keadaan operasi yang tidak stabil, tidak tepatnya penanganan dan pemasangan mesin/peralatan ataupun operator tidak mengerti dengan kegiatan proses produksi yang dilakukan.

100% b. Setup and Adjusment Losses/kerugian karena pemasangan dan penyetelan, semua waktu set up termasuk waktu

Reduced Yield Losses = 100%

3

x

Program Studi Teknik Industri Universitas Mercubuana, Jakarta Jurnal Skripsi – September 2013 5. Identifikasi penyebab-penyebeb sekunder yang mempengaruhi penyebab utama dan tuliskan pada tulang ikan yang lebih kecil. 6. Analisis sebab-sebab timbulnya permasalahan dan kemudian diambil tindakan korektifnya untuk perbaikan.

Diagram 2.1 Hubungan Antara Enam Kerugian Besar Dalam Peralatan & Keefektifan Seluruh Peralatan

2.5 Fishbone Diagram / Diagram Sebab Akibat Instrumen dasar dalam peningkatan kualitas yang lain adalah diagram Ishikawa. Dinamakan Ishikawa sesuai dengan nama penemunya yang berasal dari negara jepang yang bernama “Kaaru Ishikawa” pada tahun 1943. Diagram Ishikawa juga dikenal sebagai diagram sebab akibat atau Fishbone. Fungsi dasarnya adalah untuk mengidentifikasi dan mengorganisasi penyebab-penyebab yang mungkin timbul dari suatu efek spesifik dan kemudian memisahkan akar penyebabnya. Diagram Fishbone terdiri dari 2 macam yaitu: 1. Standar Fishbone: mengidentifikasi penyebab-penyebab yang mungkin dari suatu masalah yang tidak diinginkan dan bersifat spesifik. 2. Diagram fishbone terbalik: mengidentifikasi tindakan yang harus dilakukan untuk menghasilkan efek atau hasil yang diinginkan. Langkah-langkah dalam pembuatan diagram sebab akibat atau fishbone adalah sebagai berikut: 1. Definisikan masalah yang ada, langkah ini dapat menggunakan dari hasil diagram pareto. 2. Gambarkan kotak masalah (kepala ikan) dan panah utama serta garis-garis samping (tulang ikan) 3. Tuliskan pernyataan masalah tersebut pada kepala ikan yang merupakan akibat. 4. Spesifikasi kategori utama yang merupakan sumber-sumber penyebab timbulnya masalah dan tuliskan pada tulang ikan.

Diagram 2.2 Contoh Fishbone Berikut ini manfaat fishbone diagram: 1. Merupakan alat yang luar biasa untuk mengumpulkan ide dan input-input kelompok, merupakan metode dasar dari brainstorming terstruktur. 2. Dengan mengelompokan penyebabpenyebab yang mungkin, maka kelompok dapat memikirkan banyak kemungkinan ketimbang hanya memfokuskan pada beberapa area tipikal. 3. Membantu dimulainya fase analyze. Dengan menggunakan fishbone diagram, maka dapat digunakan untuk mengidentifikasi beberapa penyebab dengan lebih fokus untuk memulai analisis proses dan data. Fishbone diagram juga membawa kita kembali ke isu variasi. Kita perhatikan bahwa sebuah proses memiliki dua tipe variasi. Selanjutnya akar-akar penyebab masalah yang ditemukan dimasukan ke dalam fishbone diagram yang telah mengkategorikan sumbersumber penyebab berdasarkan prinsip 7M, yaitu: 1. Manpower (tenaga kerja), yaitu berkaitan dengan kekurangan dalam pengetahuan, kekurangan dalam keterampilan dasar yang berkaitan dengan mental dan fisik, kelelahan, stress, ketidakpedulian dan lainlain. 2. Machines (mesin-mesin) dan peralatan, yaitu berkaitan dengan tidak ada sistem perawatan preventif terhadap mesin-mesin produksi, termasuk fasilitas dan peralatan lain, tidak sesuai dengan spesifikasi tugas, tidak dikalibrasi dan lain-lain.

4

Program Studi Teknik Industri Universitas Mercubuana, Jakarta Jurnal Skripsi – September 2013 3. Methods (Metode kerja), yaitu berkaitan dengan tidak ada prosedur dan metode kerja yang benar, tidak jelas, tidak diketahui, tidak terstandarisasi, tidak cocok dan lain-lain. 4. Materials (bahan baku dan bahan pendukung), yaitu berkaitan dengan ketiadaan spesifikasi kualitas dari bahan baku dan bahan pendukung yang digunakan, ketiadaan penanganan yang efektif terhadap bahan baku dan bahan pendukung tersebut dan lain-lain. 5. Media, yaitu berkaitan dengan tempat dan waktu kerja yang tidak memperhatikan aspek-aspek kebersihan, kesehatan, keselamatan kerja, kekurangan lampu penerangan, ventilasi yang buruk dan lainlain. 6. Motivation (motivasi), yaitu berkaitan dengan ketiadaan sikap kerja yang benar dan professional, yang dalam hal ini disebabkan sistem balas jasa dan penghargaan yang tidak adil kepada tenaga kerja. 7. Money (keuangan), yaitu berkaitan dengan ketiadaan dukungan financial (keuangan) yang cukup guna memperlancar proses pembuatan produk yang berkualitas (Gaspersz, 2002:241). 2.6 Regresi Analisa Regresi digunakan untuk mempelajari dan mengukur hubungan statistik yang terjadi antara dua atau lebih variabel. Dalam analisa regresi, suatu persamaan regresi hendak ditentukan dan digunakan untuk menggambarkan pola atau fungsi hubungan yang terdapat antar variabel. Sumbu Y : variabel terikat (variabel yang akan diestimasi nilainya) Sumbu X : variabel bebas (variabel yang diasumsikan member pengaruh terhadap variasi variabel terikat) Untuk mempelajari hubungan – hubungan antara variabel bebas maka regresi linier terdiri dari dua bentuk, yaitu: 1. Analisis regresi sederhana (Simple analysis regresi) 2. Analisis regresi berganda (Multiple analysis regresi). 2.7 Korelasi Korelasi adalah derajat hubungan linier antara dua variabel atau lebih dari data hasil pengamatan. Dua variabel dikatakan berkorelasi apabila perubahan dalam satu variabel diikuti oleh perubahan variabel lain, baik yang searah maupun tidak. Hubungan antara variabel dapat dikelompokkan menjadi tiga jenis :

1. Korelasi positif, terjadi apabila perubahan antara variabel yang satu diikuti oleh variabel lainnya dengan arah yang sama (berbanding lurus). Artinya apabila variabel yang satu meningkat, maka akan diikuti peningkatan variabel lainnya. 2. Korelasi negatif, terjadi korelasi negatif apabila perubahan antara variabel yang satu diikuti oleh variabel lainnya dengan arah yang berlawanan (berbanding terbalik). Artinya apabila variabel yang satu meningkat, maka akan diikuti penurunan variabel lainnya. 3. Korelasi nihil, terjadi korelasi nihil apabila perubahan antara variabel yang satu diikuti oleh variabel lainnya dengan arah yang tidak teratur (acak). Artinya apabila variabel yang satu meningkat, kadang diikuti dengan peningkatan pada variabel lain dan kadang diikuti dengan penurunan pada variabel lain. Analisa korelasi digunakan untuk mengukur seberapa kuat atau derajat kedekatan, suatu relasi yang terjadi antar variabel, dengan keterangan interval kekuatan hubungan sebagai berikut (Sugiyono) : Tabel 2.1 Interval Kekuatan Interval Keterangan Kekuatan 0 Tidak ada korelasi 0,00 - 0,25 Korelasi sangat lemat 0,25 - 0,50 Korelasi cukup 0,50 - 0,75 Korelasi kuat 0,75 - 0,99 Korelasi sangat kuat 1 Korelasi sempurna

Gambar 2.2 Beberapa Bentuk Diagram Pancar

5

Program Studi Teknik Industri Universitas Mercubuana, Jakarta Jurnal Skripsi – September 2013 3

Tabel 0.2 Data Waktu Kerusakan (Breakdown) Mesin Trupunch V 5000 I

Metodologi Penelitian Pada bagian ini akan dijelaskan langkahlangkah yang digunakan untuk memecahkan suatu masalah agar hasil penelitian sesuai dengan tujuan yang telah ditetapkan.

Bulan Nov-12 Des-12 Jan-13 Feb-13 Mar-13 Apr-13 Mei-13 Jun-13

Nov-12 Des-12 Jan-13 Feb-13 Mar-13 Apr-13 Mei-13 Jun-13

Produksi Panel Box (m²) 8.617 14.309 12.073 3.871 7.905 4.936 3.553 9.976

Actual Product (m²) 8.617 6.582 6.882 3.871 4.664 2.715 3.553 5.088

Total Rework (m²) 19 25 51 48 25 11 84 104

Breakdown (Jam) 12,20 11,48 4,00 16,00 18,00 10,33 8,00 12,00

Downtime (Jam) 26,20 26,15 23,17 27,50 30,43 26,53 18,50 19,52

Planned Downtime merupakan waktu yang sudah dijadwalkan dalam rencana produksi, termasuk pemeliharaan terjadwal dan kegiatan manajemen yang lain seperti pertemuan. Data waktu pemeliharaan dapat dilihat pada tabel 4.3. Tabel 0.3 Data Waktu Planned Downtime Bulan Planned Downtime (Jam) Nov-12 7,10 Des-12 11,49 Jan-13 6,75 Feb-13 11,56 Mar-13 8,42 Apr-13 14,17 Mei-13 6,33 Jun-13 11,52 Dari hasil pengamatan pada mesin Trupunch V 5000 I, faktor-faktor yang dapat menyebabkan mesin tidak produktif adalah sebagai berikut : 1. Penyetelan mesin (set up). 2. Planned downtime, waktu downtime yang telah direncanakan. 3. Machine break, gangguan yang terjadi pada mesin yang menyebabkan mesin berhenti beroperasi. 4. Power cut off, berhentinya operasi mesin dikarenakan gangguan listrik dari PLN. Tabel 0.4 Data Waktu Nonproduktif Mesin

Diagram 3.1 Alir Penelitian 4 Pengolahan dan Pengumpulan Data 4.1 Data Produksi Tabel 0.1 Data Produksi Box Panel Bulan November 2012 - Juni 2013 Bulan

Set up (Jam) 14,00 14,57 19,17 11,50 12,43 16,50 10,50 7,92

Total Scrap (m²) 2.154 1.646 1.721 968 1.166 679 888 1.272

Waktu downtime adalah waktu yang terbuang karena mesin tidak beroperasi seperti yang seharusnya sehingga menghentikan proses produksi yang telah direncanakan misalnya seperti terjadi kerusakan atau gangguan pada mesin sehingga mesin tidak dapat beroperasi. Data waktu downtime dapat dilihat pada tabel 4.2.

6

Bulan

Total Available Time (Jam)


588 462 483 399 594 462 378 399

Total Nonproduktif (Jam) 33,30 37,64 29,92 39,36 39,75 41,00 24,83 31,84


4.2

Pengolahan Data

Persentase Jam Kerja =1– x100%= 94,34% Dengan cara yang sama, maka perhitungan Persentase Jam Kerja untuk bulan November 2012 - Juni 2013 disajikan dalam Tabel 4.7. Tabel 0.7 Perhitungan Persentase Jam Kerja

4.2.1 Perhitungan Avaibility Untuk menghitung nilai Availability digunakan rumus sebagai berikut : Availability = x 100 % Availability =

x 100 %

Di mana : Loading Time = Total availability - Planned downtime Operation Time = Loading Time – Downtime Hasil perhitungan Loading Time dapat dilihat pada Tabel 4.5 Tabel 0.5 Perhitungan Loading Time Bulan Nov-12 Des-12 Jan-13 Feb-13 Mar-13 Apr-13 Mei-13 Jun-13

Total Available Time (Jam) 588 462 483 399 594 462 378 399

Planned Downtime (Jam)

Loading Time (Jam)

7,10 11,49 6,75 11,36 8,42 14,17 6,33 11,52

580,9 450,51 476,25 387,14 585,08 447,83 371,57 387,08



Dengan cara yang sama, maka perhitungan Availability untuk bulan November 2012 – Juni 2013 disajikan dalam Tabel 4.6 Tabel 0.6 Perhitungan Avaibility


Loadin g Time (Jam) 580,9 450,51 476,25 387,14 585,08 447,53 371,47 387,08

Total Downtim e (Jam) 26,20 26,15 23,17 27,50 30,83 26,53 18,50 19,92

Actual Operatio n (Jam) 554,70 424,36 453,08 359,54 554,25 421,00 353,17 367,16

Total Nonproduktif (Jam)

Jam Kerja (%)

33,30 37,44 29,52 39,36 39,75 41,00 24,43 31,54

94,34% 91,83% 93,81% 90,14% 93,31% 91,13% 93,43% 92,02%

Perhitungan Cycle Time untuk bulan November 2012 sebagai berikut: Cycle Time = = 0,067 Dengan cara yang sama, maka perhitungan Cycle Time untuk bulan November 2012 – Juni 2013 disajikan dalam Tabel 4.8. Tabel 0.8 Perhitungan Cycle Time

Perhitungan Availability untuk bulan November 2012 sebagai berikut: Availability = x 100 %= 95,49%

Bulan

Total Available Time (Jam) 588 462 483 399 594 462 378 399

Availabilit y (%) 95,49% 94,20% 95,14% 92,90% 94,73% 94,01% 95,02% 94,85%

Produksi Box Panel (m²) 8.617 14.309 12.073 3.871 7.905 4.936 3.553 9.976

Loading Time (Jam)

Cycle Time (Jam/m²)

580,9 450,51 476,25 387,14 585,08 447,83 371,67 387,08

0,067 0,031 0,039 0,100 0,074 0,090 0,104 0,038

Perhitungan Ideal Cycle Time untuk bulan November 2012 sebagai berikut: Ideal Cycle Time = 0,067 x 94,34 = 0,064 Dengan cara yang sama, maka perhitungan Ideal Cycle Time untuk bulan November 2012 – Juni 2013 disajikan dalam Tabel 4.9. Tabel 0.9 Perhitungan Ideal Cycle Time Ideal Cycle Jam Cycle Bulan Time Kerja Time (Jam/m²) (%) (Jam/m²) Nov-12 0,067 94,34% 0,064 Des-12 0,031 91,85% 0,029 Jan-13 0,039 93,83% 0,037 Feb-13 0,100 90,14% 0,090 Mar-13 0,074 93,31% 0,069 Apr-13 0,090 91,13% 0,082 Mei-13 0,104 93,43% 0,097 Jun-13 0,038 92,02% 0,035

4.2.2 Perhitungan Performance Efficiency Untuk menghitung nilai Performance Efficiency digunakan rumus sebagai berikut : Performance Rate (P) = x 100 % Di mana : Ideal Cycle Time = Cycle Time x Persentase Jam Kerja Efektif Cycle Time = Persentase Jam Kerja = 1 – x 100% Perhitungan Persentase Jam Kerja untuk bulan November 2012 sebagai berikut:

7

Program Studi Teknik Industri Universitas Mercubuana, Jakarta Jurnal Skripsi – September 2013 Setelah Persentase Jam Kerja, Cycle Time dan Ideal Cycle Time diketahui maka Perhitungan Performance Efficiency untuk bulan November 2012 sebagai berikut: Performance Rate (P) =

OEE = 95,49% x 98,79% x 74,78% x 100% = 70,54% Dengan cara yang sama, maka perhitungan Overall Equipment Effectiveness (OEE) untuk bulan November 2012 – Juni 2013 disajikan dalam Tabel 4.12.

x 100 %

= 98,79% Dengan cara yang sama, maka perhitungan Performance Efficiency untuk bulan November 2012 – Juni 2013 disajikan dalam Tabel 4.10 Tabel 0.10 Perhitungan Performance Efficiency Bulan

Actual Operatio n (Jam)


554,70 424,36 453,08 359,64 554,24 421,00 353,17 367,16

Ideal Cycle Time (Jam/m²) 0,064 0,029 0,037 0,090 0,069 0,082 0,097 0,035

Actual Produ ct (m²) 8.617 6.582 6.882 3.871 4.664 2.715 3.553 5.088

Tabel 0.12 Perhitungan Overall Equipment Effectiveness (OEE)

Perform ance Efficienc y 98.79% 44.86% 56.21% 97.03% 58.11% 53.32% 98.33% 49.48%

–

x 100 % Perhitungan Rate of Quality Product untuk bulan November 2012 sebagai berikut: Rate of Quality Product = x100 % = 74,78% Dengan cara yang sama, maka perhitungan Rate of Quality Product untuk bulan November 2012 – Juni 2013 disajikan dalam Tabel 4.11. Tabel 0.11 Perhitungan Rate of Quality Product


Actual Product (m²)

Total Rework (m²)

Total Scrap (m²)

8.617 6.582 6.882 3.871 4.664 2.715 3.553 5.088

19 25 51 48 25 11 84 104

2.154 1.646 1.721 968 1.166 679 888 1.272

Availability (%)

Performance Efficiency (%)


95,49% 94,20% 95,14% 92,90% 94,73% 94,01% 95,02% 94,85%

98,79% 44,86% 56,21% 97,03% 58,11% 53,32% 98,33% 49,48%

Rate of Quality Product (%) 74,78% 74,62% 74,26% 73,76% 74,46% 74,59% 72,64% 72,96%

OEE (%) 70,54% 31,53% 39,71% 66,48% 40,99% 37,39% 67,86% 34,24%

4.2.5 Perhitungan OEE Six Big Losses 4.2.5.1 Perhitungan Downtime Losses Downtime Losses terdiri dari Breakdown Losses/Equipment Failures dan Setup and Adjusment Losses.Untuk menghitung nilai Breakdown Losses/Equipment Failures digunakan rumus sebagai berikut : Breakdown Losses = x 100 %

4.2.3 Perhitungan Rate of Quality Product Untuk menghitung nilai Rate of Quality Product digunakan rumus sebagai berikut : Rate of quality =

Bulan

Bulan

Perhitungan Breakdown Losses/Equipment Failures untuk bulan November 2012 sebagai berikut: Breakdown Losses = x 100 % = 2,10 % Dengan cara yang sama, maka perhitungan Breakdown Losses/Equipment Failures untuk bulan November 2012 – Juni 2013 disajikan dalam Tabel 4.13. Tabel 0.13 Perhitungan Breakdown Losses

Rate of Quality Product (%) 74,78% 74,62% 74,26% 73,76% 74,46% 74,59% 72,64% 72,96%


4.2.4

Perhitungan Overall Equipment Effectiveness (OEE) Untuk menghitung nilai Overall Equipment Effectiveness (OEE) digunakan rumus sebagai berikut : OEE = Availability x Performance efficiency x Rate of quality product x 100% Perhitungan Overall Equipment Effectiveness (OEE) untuk bulan November 2012 sebagai berikut:

Breakdown (Jam) 12,20 11,48 4,00 16,00 18,00 10,33 8,00 12,00

Loading Time (Jam) 580,9 450,51 476,25 387,14 585,08 447,53 371,67 387,08

Breakdown Loss (%) 2,10% 2,55% 0,84% 4,13% 3,08% 2,31% 2,15% 3,10%

Untuk menghitung nilai Setup and Adjusment Losses digunakan rumus sebagai berikut : Setup/Adjusment Losses = x 100 % Perhitungan Setup and Adjusment Losses untuk bulan November 2012 sebagai berikut: Setup/Adjusment Losses = x 100 = 2,41%

8

Program Studi Teknik Industri Universitas Mercubuana, Jakarta Jurnal Skripsi – September 2013 Dengan cara yang sama, maka perhitungan Setup and Adjusment Losses untuk bulan November 2012 – Juni 2013 disajikan dalam Tabel 4.14. Tabel 0.14 Perhitungan Setup/Adjusment Losses Bulan

Set up (Jam)


14,00 14,57 19,17 11,50 12,53 16,50 10,50 7,92

Loading Time (Jam) 580,9 450,51 476,25 387,14 585,08 447,43 371,57 387,08

=

= 1,15% Dengan cara yang sama, maka perhitungan Reduce Speed Losses untuk bulan November 2012 – Juni 2013 disajikan dalam Tabel 4.16. Tabel 0.16 Perhitungan Reduce Speed Losses

Set Up/Adjustment Loss (%) 2,41% 3,26% 4,02% 2,97% 2,19% 3,68% 2,83% 2,05%

4.2.5.2 Perhitungan Speed Losses Speed Losses terdiri dari Idling and Minor Stoppage Losses dan Reduced Speed Losses. Untuk menghitung nilai Idling and Minor Stoppage Losses digunakan rumus sebagai berikut : Idling and minor stoppages losses = x 100%

Loading Time (Jam)


580,9 450,51 476,25 387,14 585,08 447,53 371,47 387,08

33,30 37,44 29,52 39,36 39,75 41,00 24,53 31,54

Actual Operation (Jam)


554,7 424,36 453,00 359,59 554,24 421,00 353,17 367,16

Ideal Cycle Time (Jam/M²) 0,064 0,029 0,037 0,090 0,069 0,082 0,097 0,035

Actual Product (M²)

Loading Time (Jam)

8.617 6.582 6.882 3.871 4.664 2.715 3.553 5.088

580,9 450,51 476,25 387,14 585,08 447,53 371,47 387,08

x 100% Perhitungan Rework Losses untuk bulan November 2012 sebagai berikut: Rework Losses = x 100% = 0,21 % Dengan cara yang sama, maka perhitungan Rework Losses untuk bulan November 2012 – Juni 2013 disajikan dalam Tabel 4.17. Tabel 0.17 Perhitungan Rework Losses

= 5,73 % Dengan cara yang sama, maka perhitungan Idling and Minor Stoppage Losses untuk bulan November 2012 – Juni 2013 disajikan dalam Tabel 4.15. Tabel 0.15 Perhitungan Idling and Minor Stoppages Losses Bulan

Bulan

4.2.5.3 Perhitungan Defect Losses Defect Losses terdiri dari Rework Losses dan Reduced Yield/Scrap Losses. Untuk menghitung nilai Rework Losses digunakan rumus sebagai berikut : Rework Losses =

Perhitungan Idling and Minor Stoppage Losses untuk bulan November 2012 sebagai berikut: Idling and minor stoppages losses = x 100%

Total Nonproduktif (Jam)

x 100%

Idling and Minor Stoppages (%) 5,73% 8,35% 6,28% 10,17% 6,59% 9,16% 6,58% 8,22%

Bulan

Loading Time (Jam)


580,9 450,5 476,2 387,1 585,0 447,8 371,6 387,0


Total Rework (m²) 19 25 51 48 25 11 84 104

Rework Loss (%) 0,21% 0,16% 0,40% 1,12% 0,30% 0,20% 2,21% 0,96%

Untuk menghitung nilai Reduced Yield/Scrap Losses digunakan rumus sebagai berikut : Reduced Yield Losses = x 100%

Untuk menghitung nilai Reduced Speed Losses digunakan rumus sebagai berikut :Reduce Speed Losses =

Perhitungan Reduced Yield Losses untuk bulan November 2012 sebagai berikut:

x 100% Perhitungan Reduced Speed Losses untuk bulan November 2012 sebagai berikut: Reduce Speed Losses

Reduced Yield Losses =

9

x 100%= 23,58 %

Reduce Speed Losses (%) 1,15% 51,94% 41,66% 2,76% 39,68% 43,89% 1,59% 47,92%

Program Studi Teknik Industri Universitas Mercubuana, Jakarta Jurnal Skripsi – September 2013 Dengan cara yang sama, maka perhitungan Reduced Yield Losses untuk bulan November 2012 - Juni 2013 disajikan dalam Tabel 4.18. Tabel 0.18 Perhitungan Reduced Yield/Scrap Losses Bulan

Loading Time (Jam)


580,9 450,5 476,2 387,1 585,0 447,8 371,6 387,0


Total Scrap (m²)

Scrap Loss (%)

2.154 1.646 1.721 968 1.166 679 888 1.272

23,58% 10,56% 13,37% 22,53% 13,76% 12,53% 23,36% 11,73%

disesuaikan dengan banyaknya variabel (derajat bebas) dalam model. Seringkali juga disarankan, jika variabel bebas lebih dari dua, sebaiknya menggunakan adjusted R square. Dengan melihat nilai Adjusted R Square 0,999 itu berati nilai 2 persamaan nilai R yang telah disesuaikan dengan derajat bebas dan nilai variabel terikat masih diterangkan sebesar 99,9% oleh variabel bebas.  Standard Error. Merupakan standar error dari estimasi variabel terikat (dalam kasus kita adalah permintaan). Jika dibandingkan nilai standar error (SE) 0.0001 dengan standar deviasi (SD) 0,164 maka dapat dilihat nilai SE
Sebelum digunakan untuk menjawab permasalahan dan mencapai tujuan penelitian, hasil regresi yang disajikan pada model regresi perlu dilakukan validasi atau dikaji lebih lanjut dengan indikator statistik seperti: 2 t-test, F-Test, dan ukuran goodness of fit (R ). Hasil regresi berganda (Uji t) dari persamaan model awal yang dihasilkan dalam penelitian ini disajikan pada Tabel 4.20 Tabel 0.19 SUMMARY OUTPUT

d f Regre ssion Residu al Total

Regression Statistics Multiple R

0.9999

R Square Adjusted R Square

0.9999

Standard Error

0.0001

Observations

6 1 7

SS

MS

F

Significa nce F

0,19011 6863 1,2098 E-08 0,19011 6875

0,03168 6144 1,2098 E-08

261911 7,592

0,00047

Dengan membandingkan nilai Fhitung dengan Ftabel yaitu 2619117,592 > 233,98 dengan tingkat signifikansi 0,000 (lebih kecil dari α = 0,05 ) artinya model persamaan regresi tersebut signifikan. 5. Analisa dan Pemecahan Masalah 5.1 Analisa Perhitungan Overall Equipment Effectiveness (OEE) Analisa perhitungan overall equipment effectiveness di PT. Laser Metal Mandiri (LMM) dilakukan untuk melihat tingkat efektivitas penggunaan mesin Trupunch V 5000 I selama bulan November 2012 - Juni 2013. Pengukuran Overall Equipment Effectiveness (OEE) ini merupakan perkalian antara Availability, Performance Efficiency dan Rate of Quality Products. Hasil pengolahan data yang dilakukan pada periode November 2012 - Juni 2013 di PT. Laser Metal Mandiri (LMM) adalah sebagai berikut : 1. Selama periode November 2012 – Juni 2013 diperoleh nilai Availability dari mesin Trupunch V 5000 I sekitar 92,90% 95,49%. Nilai dari Performance Efficiency dari mesin Trupunch V 5000 I sekitar 44,86% - 98,79%. Nilai dari Rate of Quality Products dari mesin Trupunch V 5000 I sekitar 72,64% - 74,78%. Dan hasil dari Overall Equipment Effectiveness (OEE) yang berkisar antara 31,53% - 70,54%.

0.9999 8

 Multiple R (R majemuk) adalah suatu ukuran untuk mengukur tingkat (keeratan) hubungan linear antara variabel terikat dengan seluruh variabel bebas secara bersama-sama. dengan melihat nilai Multiple R sebesar 0,999 maka dapat dikatan bahwa Six Big Losses (x1, x2, x3, x4, x5 dan x6) sangat mempengaruhi Nilai OEE (Y) 2  R Square (R ) sering disebut dengan koefisien determinasi, adalah mengukur kebaikan sesuai (goodness of fit) dari persamaan regresi; hal ini berarti 99.9% nilai OEE diterangkan oleh Six Big Losses dan sisanya (100% - 99,99% = 0,01%) diterangkan oleh faktor-faktor lain  Adjusted R Square. Suatu sifat 2 penting R adalah square”. Istilah penyesuaian berarti nilai R2 sudah

10

Program Studi Teknik Industri Universitas Mercubuana, Jakarta Jurnal Skripsi – September 2013 2. Nilai OEE tertinggi terdapat pada bulan November 2012 sebesar 70,54%. Nilai OEE ini didapat dari nilai Availability sebesar 95,49% nilai Performance Efficiency sebesar 98,79% dan nilai Rate of Quality Products sebesar 74,78%. Sedangkan nilai OEE terendah terdapat pada bulan Desember 2012 sebesar 31,53%. Hal ini disebabkan karena nilai Availability sebesar 94,20%, Nilai Performance Efficiency sebesar 44,86% dan nilai Rate of Quality Products sebesar 74,62%. 5.1 Analisa Perhitungan OEE six big losses Setelah nilai OEE didapat maka selanjutnya melakukan perhitungan OEE six big losses. Semua data yang bersangkutan dengan OEE six big losses diolah dan menghasilkan nilai OEE six big losses sebagai berikut : 1. Nilai Breakdown Losses pada bulan November 2012 – Juni 2013 sekitar 0,84% - 4,13%. 2. Nilai Set up/Adjustment Losses pada bulan November 2012 – Juni 2013 sekitar 2,05% - 4,02%. 3. Nilai Idling and Minor Stoppage Losses pada bulan November 2012 – Juni 2013 sekitar 5,73% - 10,17%. 4. Nilai Reduce Speed Losses pada bulan November 2012 – Juni 2013 sekitar 1,15% - 51,94%. 5. Nilai Rework Losses pada bulan November 2012 – Juni 2013 sebesar 0,16 – 2,21 %. 6. Nilai Reduced Yield Losses/scrap pada bulan November 2012 – Juni 2013 sekitar 10,56% - 23,58%. Dari hasil analisa di atas dapat diketahui bahwa faktor Reduce Speed Losses dalam OEE six big losses merupakan faktor yang memberikan kontribusi terbesar dalam OEE dengan persentase rata-rata sebesar 28,97%. 5.3 Analisa Perhitungan Regresi dan Korelasi Dari hasil perhitungan OEE six big losses dari data yang didapat selanjutnya dilakukan analisa regresi dan korelasi dari variabel yang terdapat pada OEE six big losses. Hal ini bertujuan untuk mengukur seberapa kuat, suatu relasi yang terjadi antar variabel dan membuat perkiraan nilai suatu variabel (variabel dependen) jika nilai variabel yang lain yang berhubungan dengannya (variabel lainnya) sudah ditentukan. Selama periode November 2012 – Juni 2013 pengolahan data hasil analisa regresi dan korelasi di PT. Laser Metal Mandiri (LMM),

bedasarkan hasil perhitungan dengan Microsoft Excel adalah sebagai berikut : Tabel 0.21 Tabel Kolerasi Antara Six Big Losses dengan OEE Kolerasi Antara Six Big Losses dengan OEE Breakdown Losses Set Up/Adjustment Losses Idling and Minor Stoppages Losses Reduce Speed Losses Yield/Scrap Losses Rework

Hubungan Antar Variable

Kaku atan Koler asi

Interval Kekuatan Kolerasi

Positif

0,161

Sangat Lemah

Negatif

0,213

Sangat Lemah

Negatif

0,19

Sangat Lemah

Negatif

0,999

Sangat Kuat

Positif

0,999

Sangat Kuat

Positif

0,505

Kuat

Korelasi yang dihasilkan dari faktor six big losses adalah korelasi negatif (Set Up/Adjustment Losses, and Minor Stoppages Losses , Reduce Speed Losses ) yang berarti jika ada salah satu faktor dari six big losses yang meningkat maka faktor-faktor lain dari six big losses akan mengalami penurunan, dan korelasi Positif (Breakdown Losses, Yield/Scrap Losses, Rework) yang berarti jika ada salah satu faktor dari six big losses yang meningkat maka faktor-faktor lain dari six big losses akan ikut mengalami peningkatan. Dari hasil pengolahan data yang telah dilakukan maka faktor-faktor yang mempunyai pengaruh yang besar terhadap OEE adalah Reduce Speed Losses dengan interval kekuatan hubungan dengan OEE di atas 90% yang berarti memiliki korelasi yang sangat kuat. 5.4 Analisa Diagram Sebab Akibat Agar perbaikan dapat segera dilakukan, maka analisa terhadap penyebab faktor-faktor six big losses yang mengakibatkan rendahnya efektivitas mesin dalam perhitungan OEE dilakukan dengan menggunakan diagram sebab akibat. Analisa dilakukan dengan melihat faktor dari six big losses yang memberikan kontribusi yang besar dan memiliki korelasi yang kuat terhadap OEE yaitu Idling and Minor Stoppage Losses. Maka analisa diagram sebab akibat dari faktor ini adalah sebagai berikut : a. Mesin/peralatan  Sering terjadi gangguan tiba-tiba karena preventive maintenance yang belum optimal.  Kecepatan mesin yang mulai berkurang karena kurang terawat.  Banyak komponen yang aus pada mesin yang belum diganti dan dipaksakan

11


b.

c.

d.

e.

Speed Losses dengan rata-rata nilai sebesar 28,97%. 3. Usulan pebaikan yang dihasilkan dari analisa diagram sebab akibat terhadap faktor yang menjadi prioritas utama adalah : a. Langkah perbaikan terhadap faktor mesin/peralatan  Mengoptimalkan preventive maintenance. b. Langkah perbaikan terhadap faktor tenaga kerja  Memberikan pelatihan kepada para operator.  Memberikan reward dan punishment untuk pekerja.  Perusahaan perlu mengadakan gathering karyawan. c. Langkah perbaikan terhadap faktor lingkungan  Membersihkan area kerja sebelum dan sesudah proses produksi. d. Langkah perbaikan terhadap faktor metode  Pelaksanaan set up mesin harus sesuai dengan aturan yang telah dibuat.  Fokus pemeliharaan pada mesin yang digunakan secara kontinu. e. Langkah perbaikan terhadap faktor material  Meningkatkan inspeksi produk pada setiap stasiun kerja agar tidak menjadi masalah dalam stasiun kerja yang lain. 6.2 Saran Adapun saran yang dapat diberikan berdasarkan penelitian ini yang mungkin akan berguna sebagai masukan yang bermanfaat bagi perusahaan adalah sebagai berikut : 1. Melakukan perhitungan OEE pada setiap mesin secara rutin, agar diperoleh informasi yang akurat untuk melakukan pemeliharaan dan perawatan secara terus menerus dalam upaya peningkatan efektifitas penggunaan mesin/peralatan. 2. Melakukan pelatihan kepada seluruh operator untuk meningkatkan kemampuan dan keterampilan mereka dalam menanggulangi permasalahan yang terjadi pada mesin produksi sehingga perusahaan dapat menerapkan autonomous maintenance untuk meningkatkan produktivitas mesin. 3. Menanamkan kesadaran kepada seluruh karyawan untuk berperan aktif dalam peningkatan produktivitas dari tingkat operator hingga top management.

bekerja sehingga peluang mesin tersebut rusak menjadi lebih tinggi. Manusia/operator  Kurangnya konsentrasi operator dalam bekerja sehingga mengakibatkan produktifitas yang menurun. Lingkungan  Tingkat kebisingan sangat tinggi mengakibatkan pekerja kurang berkonsentrasi.  Kurangnya pencahayaan di dalam pabrik sehingga mengganggu penglihatan. Metode  Proses set up mesin tidak sesuai dengan standar, set up hanya seadanya yang penting mesin masih tetap berjalan.  Pemakaian mesin secara terus menerus sehingga hanya sedikit waktu untuk mesin tersebut beristirahat. Material  Kurangnya ketersediaan material di line produksi dikarenakan crane yang diperlukan tidak sesuai dengan kebutuhan.

Manusia

Mesin/peralatan

Material

Sering Gangguan

Kurang Konsentrasi

Kecepatan Mesin berkurang

Kurangnya crane

Banyak Part Aus

Kurang Teliti

Idling and Minor Stoppage Losses Lingkungan Kotor

Kurang Pencahayaan

Lingkungan

Pemakaian Mesin Secara Terus Menerus

Set Up Tidak Sesuai Standar

Metode

6. Kesimpulan dan Saran 6.1 Kesimpulan Berdasarkan hasil pengolahan dan analisa data sebelumnya pada mesin Trupunch V 5000 I di PT. Laser Metal Mandiri (LMM), maka diperoleh beberapa kesimpulan sebagai berikut : 1. Dengan melihat nilai rata-rata hasil perhitungan OEE pada mesin Trupunch V 5000 I yaitu sebesar 48,59 %, dapat disimpulkan bahwa efektifitas mesin Trupunch V 5000 I jauh dari standar worldclass (85 %). 2. Faktor six big losses yang memberikan kontribusi terbesar terhadap nilai OEE pada mesin Trupunch V 5000 I adalah Reduce

12

Jurnal Teknik Industri-Perhitungan Overall Equipment Effectivenes Pada Mesin Menuju Total Productive Maintenance

Recommend Documents