bab iv hasil dan pembahasan23 mei 2018 180 motor conveyor c04a abnormal dan panas motor 28. 02 juli...

58

Universitas Muhammadiyah Riau

BAB IV

HASIL DAN PEMBAHASAN

4.1 Data Kerusakan Conveyor

Dalam penelitian ini data kerusakan conveyor system PLTU Tenayan

diambil selama periode 3 tahun yaitu dari bulan Januari 2017 sampai Desember

2019. Berikut adalah data kerusakan pada conveyor system PLTU Tenayan:

Tabel 4.1 Data kerusakan conveyor PLTU Tenayan No. Tanggal Downtime

(menit)

Deskripsi Kerusakan Komponen

1. 06 Januari 2017 180 Hidrolik Motor V-Plough Conveyor

C04a 1 D Tidak Bisa Naik Turun

V-Plough

2. 23 Januari 2017 1440 Support Take Up Pully Belt conveyor

C02B Rusak

Pulley

3. 02 Februari 2017 180 Roller Sterring Iddler Belt conveyor

C01A Tidak Berputar

Idler

4. 22 April 2017 180 Belt conveyor C03B Sobek Belt

5. 28 Agustus 2017 180 Brake Motor Conveyor C04 Abnormal Motor

6. 29 September 2017 360 Conveyor C03B Trip Motor

7. 08 Oktober 2017 240 Conveyor C05 Alarm Heavy

Deviation

Belt

8. 11 Oktober 2017 360 Coupling Motor Conveyor SR

Abnormal

Motor

9. 25 Oktober 2017 240 Belt conveyor C04A Tidak Bisa

Dimatikan Dari Lokal

Belt

10. 25 November 2017 240 Rubber Coupling Motor Conveyor

Boom SR Rusak

Motor

11. 24 Desember 2017 180 Rubber Skirt Belt conveyor C03 B

Lepas

Cleaner

12. 10 Januari 2018 180 Alarm Belt conveyor C03A Belt

13. 11 Januari 2018 120 Inverter Feeder No 1 Belt conveyor

C06B Mati

Inverter

14. 14 Januari 2018 180 Return Idller Belt conveyor 03B

Rusak

Idler

59


15. 23 Januari 2018 1440 Support Take Up Pully Belt conveyor

02 B Patah

Pulley

16. 24 Januari 2018 180 Brake Motor Belt conveyor C04B

Lengket

Motor

17. 01 Februari 2018 180 Return Idller Belt conveyor C01A

Tidak Bisa Beputar

Idler

18. 06 Februari 2018 180 Suara Abnormal Coupling Motor

Conveyor SR

Motor

19. 07 Februari 2018 180 Chute By Pass Belt conveyor C03B

Rusak

Chute

20. 07 Februari 2018 180 Rubber Skirt Belt conveyor C01 A

Lepas

Cleaner

21. 19 Februari 2018 240 Gate Belt conveyor C06 A Tidak

Terbaca Di DCS

Belt

22. 20 Februari 2018 120 V-Plough Bungker 1 D Jalur Belt

conveyor C04 B Tidak Bisa Di Start

Cleaner

23. 14 Maret 2018 420 Belt conveyor 04 Lubang Belt

24. 22 Maret 2018 120 Conveyor C02B Tidak Bisa Di Stop

Dari DCS

Motor

25. 23 Maret 2018 360 Iron Skirt Belt conveyor C03B Rusak Cleaner

26. 25 Maret 2018 120 Conveyor C05 Alarm Head Belt

conveyor Heavy Deviation

Belt

27. 23 Mei 2018 180 Motor Conveyor C04A Abnormal Dan

Panas

Motor

28. 02 Juli 2018 480 Belt conveyor C01A Sobek Belt

29. 06 Juli 2018 360 Sambungan Belt conveyor C01A

Terkelupas

Belt

30. 24 Juli 2018 60 Belt conveyor C05 Rusak Belt

31. 09 Agustus 2018 360 Belt conveyor C05 Lepas Belt

32. 31 Agustus 2018 60 Perbaikan Roller Return Idler

Conveyor Belt Start Up SU#1 Broken.

Idler

33. 03 Oktober 2018 360 Sambungan Belt conveyor C01A

Lepas

Belt

34. 29 Oktober 2018 180 Brake Motor Conveyor Abnormal Motor

35. 31 Oktober 2018 720 Conveyor C03B Trip Motor

60


36. 09 November 2018 300 Conveyor C05 Alarm Heavy

Deviation

Motor

37. 12 November 2018 360 Coupling Motor Conveyor SR Rusak Motor

38. 26 November 2018 120 Belt conveyor C04A Rusak Belt

39. 24 Desember 2018 180 Iron Skirt Belt conveyor C03A

Berlubang

Cleaner

40. 26 Desember 2018 240 Rubber Coupling Motor Conveyor

Boom SR Rusak

Motor

41. 24 Januari 2019 180 Iron Skirt Belt conveyor C03A Rusak Cleaner

42. 25 Januari 2019 180 Rubber Skirt Belt conveyor C03B

Sudah Menipis Dan Berlubang

Cleaner

43. 11 Februari 2019 180 Alarm Belt conveyor C03 A Tidak

Terbunyi

Belt

44. 12 Februari 2019 120 Inverter Feeder No 2 Belt conveyor

C06B Mati

Inverter

45. 15 Februari 2019 180 Return Idller Belt conveyor C03B

Bearing Pecah

Idler

46. 24 Februari 2019 1440 Take Up Pully Belt conveyor C02B

Patah

Pulley

47. 24 Februari 2019 1440 Support Take Up Pully Belt conveyor

C02B Patah

Pulley

48. 26 Februari 2019 180 Brake Motor Belt conveyor C04B

Lengket

Motor

49. 01 Maret 2019 180 Return Idller Belt conveyor 01 A

Tidak Beputar

Idler

50. 02 Maret 2019 180 Steering Iddler Belt conveyor 01A

Tidak Berputar

Idler

51. 07 Maret 2019 180 Suara Abnormal Coupling Motor

Conveyor SR

Motor

52. 08 Maret 2019 180 Rubber Skirt Belt conveyor C01A

Lepas

Cleaner

53. 08 Maret 2019 180 Hidrolik Motor V-Plough Conveyor

C04A Tidak Bisa Naik Turun

V-Plough

54. 08 Maret 2019 180 Chute By Pass Conveyor C03B

Rusak

Chute

61


55. 20 Maret 2019 240 Gate Belt conveyor C06 A Tidak

Terbaca Di DCS

Belt

56. 21 Maret 2019 120 V-Plough Conveyor 04 B Tidak Bisa

Running

Cleaner

57. 15 April 2019 420 Conveyor 04 Rusak Belt

58. 23 April 2019 120 Motor Conveyor C02B Abnormal Motor

59. 24 April 2019 240 Iron Skirt Belt conveyor C03B Rusak Cleaner

60. 24 April 2019 180 Belt conveyor C03B Sobek Belt

61. 26 April 2019 120 Conveyor C05 Alarm Head Belt

conveyor Heavy Deviation

Belt

62. 24 Juni 2019 240 Suara Motor Conveyor C04A

Abnormal Dan Ampere Motor Tinggi

Motor

63. 23 Juli 2019 240 Conveyor C01A Sobek Belt

64. 03 Agustus 2019 480 Belt conveyor C01A Sobek Belt

65. 07 Agustus 2019 300 Sambungan Belt conveyor 1A

Terkelupas

Belt

66. 25 Agustus 2019 60 Belt conveyor C05 Sobek Belt

67. 10 September 2019 360 Belt conveyor C05 Terkelupas Belt

68. 01 Oktober 2019 60 Return Idler Conveyor Belt Start Up

SU#1 Rusak

Idler

69. 10 Oktober 2019 120 Conveyor C01B Hampir Putus Belt

70. 11 Oktober 2019 120 Conveyor C01A Putus Belt

71. 04 November 2019 300 Sambungan Belt conveyor 1A

Terkelupas

Belt

Sumber : Data kerusakan komponen conveyor system

4.2 Penentuan Komponen Kritis Conveyor

Penentuan komponen kritis pada conveyor system berdasarkan jumlah

frekuensi kerusakan komponen tertinggi. Berikut data rekapitulasi jumlah frekuensi

kerusakan pada conveyor system:

Tabel 4.2 Nilai downtime komponen conveyor Komponen Frekuensi Downtime (menit) Downtime (%) Kumulatif Downtime (%)

Belt 26 6480 31,40 31,40

Motor 17 4320 20,93 52,33

62


Cleaner 10 1920 9,30 61,63

Idler 8 1200 5,81 67,44

Pulley 4 5760 27,91 95,35

Chute 2 360 1,74 97,09

V-Plough 2 360 1,74 98,84

Inverter 2 240 1,16 100

TOTAL 71 20640 100


Gambar 4.1 Grafik nilai komponen kritis conveyor


Dari data di atas, maka didapatkan komponen dengan frekuensi kerusakan

tertinggi yaitu komponen belt conveyor sebanyak 26 kali dengan total waktu

downtime 6480 menit.

4.3 Waktu Kerusakan (TTF) dan Perbaikan (TTR)

Data waktu kerusakan diambil dari waktu time to repair (TTR) dan time to

failure (TTF), dimana data time to repair (TTR) diambil dari waktu lamanya

perbaikan hingga selesai perbaikan dan peralatan dapat berfungsi kembali.

63


Tabel 4.3 Data time to repair (TTR) belt conveyor No. Tanggal Downtime (menit) TTR (jam)

1. 22 April 2017 180 3

2. 08 Oktober 2017 240 4

3. 25 Oktober 2017 240 4

4. 10 Januari 2018 180 3

5. 19 Februari 2018 240 4

6. 14 Maret 2018 420 6

7. 25 Maret 2018 120 2

8. 02 Juli 2018 480 8

9. 06 Juli 2018 360 6

10. 24 Juli 2018 60 1

11. 09 Agustus 2018 360 6

12. 03 Oktober 2018 360 6

13. 26 November 2018 120 2

14. 11 Februari 2019 180 3

15. 20 Maret 2019 240 4

16. 15 April 2019 420 7

17. 24 April 2019 180 3

18. 26 April 2019 120 2

19. 23 Juli 2019 240 4

20. 03 Agustus 2019 480 8

21. 07 Agustus 2019 300 5

22. 25 Agustus 2019 60 1

23. 10 September 2019 360 6

24. 10 Oktober 2019 120 2

25. 11 Oktober 2019 120 2

26. 04 November 2019 300 5

Sumber : Hasil analisa metode RCM

Sedangkan data time to failure (TTF) diambil dari waktu kerusakan awal

yang telah diperbaiki hingga terjadi kerusakan berikutnya. Data diambil dari selisih

waktu kerusakan dikurangi dengan waktu perbaikan, maka didapatkan hasil sebagai

berikut:

64


Tabel 4.4 Data time to failure (TTF) belt conveyor No. Tanggal Downtime (menit) TTR (jam) TTF (jam)

1. 22 April 2017 180 3 0

2. 08 Oktober 2017 240 4 4053

3. 25 Oktober 2017 240 4 404

4. 10 Januari 2018 180 3 1844

5. 19 Februari 2018 240 4 957

6. 14 Maret 2018 420 6 548

7. 25 Maret 2018 120 2 257

8. 02 Juli 2018 480 8 2374

9. 06 Juli 2018 360 6 88

10. 24 Juli 2018 60 1 426

11. 09 Agustus 2018 360 6 383

12. 03 Oktober 2018 360 6 1314

13. 26 November 2018 120 2 1290

14. 11 Februari 2019 180 3 1846

15. 20 Maret 2019 240 4 885

16. 15 April 2019 420 7 620

17. 24 April 2019 180 3 209

18. 26 April 2019 120 2 45

19. 23 Juli 2019 240 4 2110

20. 03 Agustus 2019 480 8 260

21. 07 Agustus 2019 300 5 88

22. 25 Agustus 2019 60 1 427

23. 10 September 2019 360 6 383

24. 10 Oktober 2019 120 2 714

25. 11 Oktober 2019 120 2 22

26. 04 November 2019 300 5 574


4.4 Perhitungan Mean Time to Repair (MTTR)

Untuk menghitung nilai Mean Time To Repair (MTTR) terlebih dahulu

menghitung nilai index of fit (𝑟). Terdapat 4 distribusi yang dipakai dalam

menentukan index of fit (𝑟), yaitu distribusi normal, lognormal, eksponensial, dan

weibull. Berikut adalah perhitungan index of fit (𝑟) dari beberapa distribusi:

65


4.4.1 Distribusi Normal

Berikut merupakan perhitungan 𝑖 = 1 dari distribusi normal:

𝑥𝑖 = 𝑡𝑖 = 1

𝐹(𝑡𝑖) =𝑖 − 0,3

𝑛 + 0,4=

1 − 0,3

26 + 0,4= 0,02652

𝑧𝑖 = Φ−1[𝐹(𝑡𝑖)] = Φ−1(0,02652) = −1,93467

𝑟 =𝑛 ∑ 𝑥𝑖 . 𝑧𝑖 − (∑ 𝑥𝑖

𝑛𝑖=1 )(∑ 𝑧𝑖

𝑛𝑖=1 )𝑛

𝑖=1

√[𝑛(∑ 𝑥𝑖2𝑛

𝑖=1 ) − (∑ 𝑥𝑖𝑛𝑖=1 )2][𝑛(∑ 𝑧𝑖

2𝑛𝑖=1 ) − (∑ 𝑧𝑖

𝑛𝑖=1 )2]

=26(48,84805) − (108)(0)

√[26(558) − (1082)][26(22,84861) − (02)]= 0,97710

Tabel 4.5 Perhitungan index of fit TTR berdasarkan distribusi normal 𝒊 𝒕𝒊 𝑭(𝒕𝒊) 𝒙𝒊 𝒛𝒊 𝒙𝒊. 𝒛𝒊 𝒙𝒊

𝟐 𝒛𝒊𝟐

1. 1 0,02652 1 -1,93467 -1,93467 1 3,74296

2. 1 0,06439 1 -1,51890 -1,51890 1 2,30705

3. 2 0,10227 2 -1,26871 -2,53741 4 1,60962

4. 2 0,14015 2 -1,07964 -2,15928 4 1,16562

5. 2 0,17803 2 -0,92290 -1,84580 4 0,85174

6. 2 0,21591 2 -0,78608 -1,57217 4 0,61793

7. 2 0,25379 2 -0,66262 -1,32523 4 0,43906

8. 3 0,29167 3 -0,54852 -1,64557 9 0,30088

9. 3 0,32955 3 -0,44117 -1,32351 9 0,19463

10. 3 0,36742 3 -0,33868 -1,01605 9 0,11471

11. 3 0,40530 3 -0,23964 -0,71893 9 0,05743

12. 4 0,44318 4 -0,14291 -0,57163 16 0,02042

13. 4 0,48106 4 -0,04749 -0,18997 16 0,00226

14. 4 0,51894 4 0,04749 0,18997 16 0,00226

15. 4 0,55682 4 0,14291 0,57163 16 0,02042

16. 4 0,59470 4 0,23964 0,95858 16 0,05743

17. 5 0,63258 5 0,33868 1,69342 25 0,11471

66


18. 5 0,67045 5 0,44117 2,20584 25 0,19463

19. 6 0,70833 6 0,54852 3,29113 36 0,30088

20. 6 0,74621 6 0,66262 3,97570 36 0,43906

21. 6 0,78409 6 0,78608 4,71650 36 0,61793

22. 6 0,82197 6 0,92290 5,53739 36 0,85174

23. 7 0,85985 7 1,07964 7,55747 49 1,16562

24. 7 0,89773 7 1,26871 8,88095 49 1,60962

25. 8 0,93561 8 1,51890 12,15119 64 2,30705

26. 8 0,97348 8 1,93467 15,47739 64 3,74296

Total 108 13 108 0 48,84805 558 22,84861


4.4.2 Distribusi Lognormal

Berikut merupakan perhitungan 𝑖 = 1 dari distribusi lognormal:

𝑥𝑖 = ln(𝑡𝑖) = ln(1) = 0

𝐹(𝑡𝑖) =𝑖 − 0,3

𝑛 + 0,4=

1 − 0,3

26 + 0,4= 0,02652

𝑧𝑖 = Φ−1[𝐹(𝑡𝑖)] = Φ−1(0,02652) = −1,93467

𝑟 =𝑛 ∑ 𝑥𝑖 . 𝑧𝑖 − (∑ 𝑥𝑖

𝑛𝑖=1 )(∑ 𝑧𝑖

𝑛𝑖=1 )𝑛

𝑖=1


𝑖=1 ) − (∑ 𝑥𝑖𝑛𝑖=1 )2][𝑛(∑ 𝑧𝑖

2𝑛𝑖=1 ) − (∑ 𝑧𝑖

𝑛𝑖=1 )2]

=26(13,57641) − (33,22827)(0)

√[26(51,08260) − (33,228272)][26(22,84861) − (02)]

= 0,96759

Tabel 4.6 Perhitungan index of fit TTR berdasarkan distribusi lognormal 𝒊 𝒕𝒊 𝑭(𝒕𝒊) 𝒙𝒊 𝒛𝒊 𝒙𝒊. 𝒛𝒊 𝒙𝒊

𝟐 𝒛𝒊𝟐

1. 1 0,02652 0,00000 -1,93467 0,00000 0,00000 3,74296

2. 1 0,06439 0,00000 -1,51890 0,00000 0,00000 2,30705

3. 2 0,10227 0,69315 -1,26871 -0,87940 0,48045 1,60962

4. 2 0,14015 0,69315 -1,07964 -0,74835 0,48045 1,16562

5. 2 0,17803 0,69315 -0,92290 -0,63970 0,48045 0,85174

67


6. 2 0,21591 0,69315 -0,78608 -0,54487 0,48045 0,61793

7. 2 0,25379 0,69315 -0,66262 -0,45929 0,48045 0,43906

8. 3 0,29167 1,09861 -0,54852 -0,60261 1,20695 0,30088

9. 3 0,32955 1,09861 -0,44117 -0,48467 1,20695 0,19463

10. 3 0,36742 1,09861 -0,33868 -0,37208 1,20695 0,11471

11. 3 0,40530 1,09861 -0,23964 -0,26328 1,20695 0,05743

12. 4 0,44318 1,38629 -0,14291 -0,19811 1,92181 0,02042

13. 4 0,48106 1,38629 -0,04749 -0,06584 1,92181 0,00226

14. 4 0,51894 1,38629 0,04749 0,06584 1,92181 0,00226

15. 4 0,55682 1,38629 0,14291 0,19811 1,92181 0,02042

16. 4 0,59470 1,38629 0,23964 0,33222 1,92181 0,05743

17. 5 0,63258 1,60944 0,33868 0,54509 2,59029 0,11471

18. 5 0,67045 1,60944 0,44117 0,71003 2,59029 0,19463

19. 6 0,70833 1,79176 0,54852 0,98282 3,21040 0,30088

20. 6 0,74621 1,79176 0,66262 1,18725 3,21040 0,43906

21. 6 0,78409 1,79176 0,78608 1,40847 3,21040 0,61793

22. 6 0,82197 1,79176 0,92290 1,65361 3,21040 0,85174

23. 7 0,85985 1,94591 1,07964 2,10088 3,78657 1,16562

24. 7 0,89773 1,94591 1,26871 2,46879 3,78657 1,60962

25. 8 0,93561 2,07944 1,51890 3,15846 4,32408 2,30705

26. 8 0,97348 2,07944 1,93467 4,02304 4,32408 3,74296

Total 108 13 33,22827 0 13,57641 51,08260 22,84861


4.4.3 Distribusi Eksponensial

Berikut merupakan perhitungan 𝑖 = 1 dari distribusi eksponensial:

𝑥𝑖 = 𝑡𝑖 = 1

𝐹(𝑡𝑖) =𝑖 − 0,3

𝑛 + 0,4=

1 − 0,3

26 + 0,4= 0,02652

𝑦𝑖 = ln (1

1 − 𝐹(𝑡𝑖)) = ln (

1

1 − 0,02652) = 0,02687

68


𝑟 =𝑛 ∑ 𝑥𝑖 . 𝑦𝑖 − (∑ 𝑥𝑖

𝑛𝑖=1 )(∑ 𝑦𝑖

𝑛𝑖=1 )𝑛

𝑖=1


𝑖=1 ) − (∑ 𝑥𝑖𝑛𝑖=1 )2][𝑛(∑ 𝑦𝑖

2𝑛𝑖=1 ) − (∑ 𝑦𝑖

𝑛𝑖=1 )2]

=26(148,42992) − (108)(25,08809)

√[26(558) − (1082)][26(44,48931) − (25,088092)]

= 0,93880

Tabel 4.7 Perhitungan index of fit TTR berdasarkan distribusi eksponensial 𝒊 𝒕𝒊 𝑭(𝒕𝒊) 𝒙𝒊 𝒚𝒊 𝒙𝒊. 𝒚𝒊 𝒙𝒊

𝟐 𝒚𝒊𝟐

1. 1 0,02652 1 0,02687 0,02687 1 0,00072

2. 1 0,06439 1 0,06656 0,06656 1 0,00443

3. 2 0,10227 2 0,10789 0,21578 4 0,01164

4. 2 0,14015 2 0,15100 0,30200 4 0,02280

5. 2 0,17803 2 0,19605 0,39210 4 0,03844

6. 2 0,21591 2 0,24323 0,48646 4 0,05916

7. 2 0,25379 2 0,29275 0,58549 4 0,08570

8. 3 0,29167 3 0,34484 1,03452 9 0,11891

9. 3 0,32955 3 0,39980 1,19940 9 0,15984

10. 3 0,36742 3 0,45796 1,37387 9 0,20972

11. 3 0,40530 3 0,51970 1,55911 9 0,27009

12. 4 0,44318 4 0,58552 2,34207 16 0,34283

13. 4 0,48106 4 0,65597 2,62387 16 0,43029

14. 4 0,51894 4 0,73176 2,92705 16 0,53548

15. 4 0,55682 4 0,81378 3,25510 16 0,66223

16. 4 0,59470 4 0,90312 3,61248 16 0,81563

17. 5 0,63258 5 1,00124 5,00619 25 1,00248

18. 5 0,67045 5 1,11004 5,55020 25 1,23219

19. 6 0,70833 6 1,23214 7,39286 36 1,51818

20. 6 0,74621 6 1,37126 8,22754 36 1,88034

21. 6 0,78409 6 1,53290 9,19739 36 2,34978

22. 6 0,82197 6 1,72580 10,35481 36 2,97839

23. 7 0,85985 7 1,96503 13,75522 49 3,86135

24. 7 0,89773 7 2,28011 15,96079 49 5,19891

25. 8 0,93561 8 2,74274 21,94189 64 7,52260

26. 8 0,97348 8 3,63004 29,04031 64 13,17718

Total 108 13 108 25,08809 148,42992 558 44,48931

69



4.4.4 Distribusi Weibull

Berikut merupakan perhitungan 𝑖 = 1 dari distribusi weibull:

𝑥𝑖 = ln(𝑡𝑖) = ln(1) = 0

𝐹(𝑡𝑖) =𝑖 − 0,3

𝑛 + 0,4=

1 − 0,3

26 + 0,4= 0,02652

𝑦𝑖 = ln (ln (1

1 − 𝐹(𝑡𝑖))) = ln (ln (

1

1 − 0,02652)) = − 3,61663

𝑟 =𝑛 ∑ 𝑥𝑖 . 𝑦𝑖 − (∑ 𝑥𝑖

𝑛𝑖=1 )(∑ 𝑦𝑖

𝑛𝑖=1 )𝑛

𝑖=1


𝑖=1 ) − (∑ 𝑥𝑖𝑛𝑖=1 )2][𝑛(∑ 𝑦𝑖

2𝑛𝑖=1 ) − (∑ 𝑦𝑖

𝑛𝑖=1 )2]

=26(−1,20475) − (33,22827)(−14,30820)

√[26(51,08260) − (33,228272)][26(43,19394) − (−14,308202)]

= 0,97914

Tabel 4.8 Perhitungan index of fit TTR berdasarkan distribusi weibull 𝒊 𝒕𝒊 𝑭(𝒕𝒊) 𝒙𝒊 𝒚𝒊 𝒙𝒊. 𝒚𝒊 𝒙𝒊

𝟐 𝒚𝒊𝟐

1. 1 0,02652 0,00000 -3,61663 0,00000 0,00000 13,08003

2. 1 0,06439 0,00000 -2,70964 0,00000 0,00000 7,34215

3. 2 0,10227 0,69315 -2,22665 -1,54340 0,48045 4,95798

4. 2 0,14015 0,69315 -1,89048 -1,31038 0,48045 3,57392

5. 2 0,17803 0,69315 -1,62938 -1,12940 0,48045 2,65487

6. 2 0,21591 0,69315 -1,41375 -0,97993 0,48045 1,99868

7. 2 0,25379 0,69315 -1,22845 -0,85150 0,48045 1,50909

8. 3 0,29167 1,09861 -1,06467 -1,16966 1,20695 1,13353

9. 3 0,32955 1,09861 -0,91679 -1,00720 1,20695 0,84051

10. 3 0,36742 1,09861 -0,78098 -0,85800 1,20695 0,60994

11. 3 0,40530 1,09861 -0,65450 -0,71904 1,20695 0,42837

12. 4 0,44318 1,38629 -0,53526 -0,74203 1,92181 0,28650

13. 4 0,48106 1,38629 -0,42164 -0,58452 1,92181 0,17778

14. 4 0,51894 1,38629 -0,31230 -0,43294 1,92181 0,09753

70


15. 4 0,55682 1,38629 -0,20607 -0,28568 1,92181 0,04247

16. 4 0,59470 1,38629 -0,10190 -0,14126 1,92181 0,01038

17. 5 0,63258 1,60944 0,00124 0,00199 2,59029 0,00000

18. 5 0,67045 1,60944 0,10440 0,16802 2,59029 0,01090

19. 6 0,70833 1,79176 0,20876 0,37404 3,21040 0,04358

20. 6 0,74621 1,79176 0,31573 0,56571 3,21040 0,09968

21. 6 0,78409 1,79176 0,42716 0,76537 3,21040 0,18247

22. 6 0,82197 1,79176 0,54569 0,97775 3,21040 0,29778

23. 7 0,85985 1,94591 0,67551 1,31448 3,78657 0,45631

24. 7 0,89773 1,94591 0,82422 1,60387 3,78657 0,67935

25. 8 0,93561 2,07944 1,00896 2,09806 4,32408 1,01799

26. 8 0,97348 2,07944 1,28924 2,68091 4,32408 1,66215

Total 108 13 33,22827 -14,30820 -1,20475 51,08260 43,19394


Sehingga perhitungan index of fit (𝒓) yang didapat dari beberapa

perhitungan distribusi adalah sebagai berikut:

Tabel 4.9 Data nilai index of fit TTR Distribusi Index of Fit (𝒓)

Normal 0,97710

Lognormal 0,96758

Eksponensial 0,93880

Weibull 0,97914


Setelah dilakukan perhitungan terhadap nilai index of fit (𝑟) keempat

distribusi tersebut maka dipilihlah distribusi weibull karena memiliki nilai terbesar

yaitu 0,97914. Sehingga rumus parameter yang digunakan untuk melakukan

perhitungan MTTR dari distribusi eksponensial adalah:

𝑀𝑇𝑇𝑅 = 𝛼Γ (1 +1

𝛽)

71


4.4.5 Perhitungan Parameter Distribusi Terpilih

Setelah distribusi perbaikan belt conveyor diketahui, maka langkah

selanjutnya adalah menghitung parameter distribusi weibull yaitu 𝑎 dan 𝑏.

Perhitungannya menggunakan transportasi ganda pendekatan cara regresi. Berikut

perhitungan parameter distribusi untuk belt conveyor:

𝑏 =𝑛 ∑ 𝑥𝑖𝑦𝑖

𝑛𝑖=1 − ∑ 𝑥𝑖

𝑛𝑖=𝑖 ∑ 𝑦𝑖

𝑛𝑖=𝑖

𝑛 ∑ 𝑥𝑖2𝑛

𝑖=1 − (∑ 𝑥𝑖𝑛𝑖=1 )2

=[26 × (−1,20475)] − [33,22827 × (−14,30820)]

[(26 × 51,08260) − (33,22827)2]= 1,98239

𝑎 =∑ 𝑦𝑖

𝑛𝑖=1

𝑛−

𝑏 ∑ 𝑥𝑖𝑛𝑖=1

𝑛=

−14,30820

26−

1,98239 × 33,22827

26= −3,08383

Setelah nilai 𝛼 dan 𝑏 diketahui, dilakukan perhitungan untuk mendapatkan

nilai 𝛼 (parameter skala) dengan satuan jam dan 𝛽 (parameter bentuk).

Perhitungannya sebagai berikut:

𝛼 = 𝑒(−𝑎𝑏

) = 𝑒(−

−3,083831,98239

)= 4,73799 𝑗𝑎𝑚

𝛽 = 𝑏 = 1,98239

4.4.6 Nilai Mean Time to Repair (MTTR)

Perhitungan waktu rata-rata antar perbaikan dilakukan terhadap belt

conveyor menggunakan distribusi weibull. Berikut merupakan perhitungan nilai

Mean Time To Repair (MTTR) untuk belt conveyor:

𝑀𝑇𝑇𝑅 = 𝛼Γ (1 +1

𝛽) = 4,73799 × Γ (1 +

1

1,98239) = 4,73799 × Γ(1,50444)

= 4,73799 × 0,88638 = 4,20 𝑗𝑎𝑚

72


4.5 Perhitungan Mean Time to Failure (MTTF)

Untuk menghitung nilai Mean Time To Failure (MTTF) terlebih dahulu

menghitung nilai index of fit (𝑟). Terdapat 4 distribusi yang dipakai dalam

menentukan index of fit (𝑟), yaitu distribusi normal, lognormal, eksponensial, dan

weibull. Berikut adalah perhitungan index of fit (𝑟) dari beberapa distribusi:

4.5.1 Distribusi Normal

Berikut merupakan perhitungan 𝑖 = 1 dari distribusi normal:

𝑥𝑖 = 𝑡𝑖 = 22

𝐹(𝑡𝑖) =𝑖 − 0,3

𝑛 + 0,4=

1 − 0,3

25 + 0,4= 0,02756

𝑧𝑖 = Φ−1[𝐹(𝑡𝑖)] = Φ−1(0,0276) = −1,91794

𝑟 =𝑛 ∑ 𝑥𝑖 . 𝑧𝑖 − (∑ 𝑥𝑖

𝑛𝑖=1 )(∑ 𝑧𝑖

𝑛𝑖=1 )𝑛

𝑖=1


𝑖=1 ) − (∑ 𝑥𝑖𝑛𝑖=1 )2][𝑛(∑ 𝑧𝑖

2𝑛𝑖=1 ) − (∑ 𝑧𝑖

𝑛𝑖=1 )2]

=25(19160,29122) − (22121)(0)

√[25(40952309) − (221212)][25(21,87708) − (02)]

= 0,88596

Tabel 4.10 Perhitungan index of fit TTF berdasarkan distribusi normal

𝒊 𝒕𝒊 𝑭(𝒕𝒊) 𝒙𝒊 𝒛𝒊 𝒙𝒊. 𝒛𝒊 𝒙𝒊𝟐 𝒛𝒊

𝟐

1. 22 0,02756 22 -1,91794 -42,19477 484 3,67851

2. 45 0,06693 45 -1,49906 -67,45767 2025 2,24718

3. 88 0,10630 88 -1,24645 -109,68779 7744 1,55364

4. 88 0,14567 88 -1,05519 -92,85669 7744 1,11343

5. 209 0,18504 209 -0,89633 -187,33211 43681 0,80340

6. 257 0,22441 257 -0,75739 -194,64809 66049 0,57363

7. 260 0,26378 260 -0,63174 -164,25150 67600 0,39909

8. 383 0,30315 383 -0,51536 -197,38412 146689 0,26560

9. 383 0,34252 383 -0,40560 -155,34332 146689 0,16451

10. 404 0,38189 404 -0,30052 -121,41062 163216 0,09031

11. 426 0,42126 426 -0,19867 -84,63408 181476 0,03947

73


12. 427 0,46063 427 -0,09885 -42,20762 182329 0,00977

13. 548 0,50000 548 0,00000 0,00000 300304 0,00000

14. 574 0,53937 574 0,09885 56,73811 329476 0,00977

15. 620 0,57874 620 0,19867 123,17636 384400 0,03947

16. 714 0,61811 714 0,30052 214,57223 509796 0,09031

17. 885 0,65748 885 0,40560 358,95258 783225 0,16451

18. 957 0,69685 957 0,51536 493,20262 915849 0,26560

19. 1290 0,73622 1290 0,63174 814,94012 1664100 0,39909

20. 1314 0,77559 1314 0,75739 995,20464 1726596 0,57363

21. 1844 0,81496 1844 0,89633 1652,82493 3400336 0,80340

22. 1846 0,85433 1846 1,05519 1947,88015 3407716 1,11343

23. 2110 0,89370 2110 1,24645 2630,01415 4452100 1,55364

24. 2374 0,93307 2374 1,49906 3558,76661 5635876 2,24718

25. 4053 0,97244 4053 1,91794 7773,42710 16426809 3,67851

Total 22121 12,5 22121 0 19160,29122 40952309 21,87708


4.5.2 Distribusi Lognormal


𝑥𝑖 = ln(𝑡𝑖) = ln(22) = 3,0910

𝐹(𝑡𝑖) =𝑖 − 0,3

𝑛 + 0,4=

1 − 0,3

25 + 0,4= 0,02756

𝑧𝑖 = Φ−1[𝐹(𝑡𝑖)] = Φ−1(0,0276) = −1,91794

𝑟 =𝑛 ∑ 𝑥𝑖 . 𝑧𝑖 − (∑ 𝑥𝑖

𝑛𝑖=1 )(∑ 𝑧𝑖

𝑛𝑖=1 )𝑛

𝑖=1


𝑖=1 ) − (∑ 𝑥𝑖𝑛𝑖=1 )2][𝑛(∑ 𝑧𝑖

2𝑛𝑖=1 ) − (∑ 𝑧𝑖

𝑛𝑖=1 )2]

=25(28,4066) − (154,7398)(0)

√[25(996,2887) − (154,73982)][25(21,8771) − (02)]

= 0,97863

74


Tabel 4.11 Perhitungan index of fit TTF berdasarkan distribusi lognormal 𝒊 𝒕𝒊 𝑭(𝒕𝒊) 𝒙𝒊 𝒛𝒊 𝒙𝒊. 𝒛𝒊 𝒙𝒊

𝟐 𝒛𝒊𝟐

1. 22 0,02756 3,09104 -1,91794 -5,92845 9,55454 3,67851

2. 45 0,06693 3,80666 -1,49906 -5,70641 14,49068 2,24718

3. 88 0,10630 4,47734 -1,24645 -5,58079 20,04654 1,55364

4. 88 0,14567 4,47734 -1,05519 -4,72444 20,04654 1,11343

5. 209 0,18504 5,34233 -0,89633 -4,78847 28,54054 0,80340

6. 257 0,22441 5,54908 -0,75739 -4,20279 30,79225 0,57363

7. 260 0,26378 5,56068 -0,63174 -3,51289 30,92118 0,39909

8. 383 0,30315 5,94803 -0,51536 -3,06540 35,37912 0,26560

9. 383 0,34252 5,94803 -0,40560 -2,41250 35,37912 0,16451

10. 404 0,38189 6,00141 -0,30052 -1,80355 36,01698 0,09031

11. 426 0,42126 6,05444 -0,19867 -1,20284 36,65624 0,03947

12. 427 0,46063 6,05678 -0,09885 -0,59869 36,68463 0,00977

13. 548 0,50000 6,30628 0,00000 0,00000 39,76911 0,00000

14. 574 0,53937 6,35263 0,09885 0,62794 40,35590 0,00977

15. 620 0,57874 6,42972 0,19867 1,27740 41,34129 0,03947

16. 714 0,61811 6,57088 0,30052 1,97469 43,17650 0,09031

17. 885 0,65748 6,78559 0,40560 2,75221 46,04420 0,16451

18. 957 0,69685 6,86380 0,51536 3,53735 47,11180 0,26560

19. 1290 0,73622 7,16240 0,63174 4,52475 51,29994 0,39909

20. 1314 0,77559 7,18083 0,75739 5,43866 51,56434 0,57363

21. 1844 0,81496 7,51969 0,89633 6,74009 56,54577 0,80340

22. 1846 0,85433 7,52078 1,05519 7,93585 56,56208 1,11343

23. 2110 0,89370 7,65444 1,24645 9,54090 58,59050 1,55364

24. 2374 0,93307 7,77233 1,49906 11,65119 60,40914 2,24718

25. 4053 0,97244 8,30721 1,91794 15,93277 69,00978 3,67851

Total 22121 12,5 154,73976 0 28,40656 996,28871 21,87708


4.5.3 Distribusi Eksponensial


𝑥𝑖 = 𝑡𝑖 = 22

𝐹(𝑡𝑖) =𝑖 − 0,3

𝑛 + 0,4=

1 − 0,3

25 + 0,4= 0,02756

75


𝑦𝑖 = ln (1

1 − 𝐹(𝑡𝑖)) = ln (

1

1 − 0,0276) = 0,02795

𝑟 =𝑛 ∑ 𝑥𝑖 . 𝑦𝑖 − (∑ 𝑥𝑖

𝑛𝑖=1 )(∑ 𝑦𝑖

𝑛𝑖=1 )𝑛

𝑖=1


𝑖=1 ) − (∑ 𝑥𝑖𝑛𝑖=1 )2][𝑛(∑ 𝑦𝑖

2𝑛𝑖=1 ) − (∑ 𝑦𝑖

𝑛𝑖=1 )2]

=25(41398,69131) − (22121)(24,09584)

√[25(40952309) − (221212)][25(42,59040) − (24,095842)]= 0,98674

Tabel 4.12 Perhitungan index of fit TTF berdasarkan distribusi eksponensial

𝒊 𝒕𝒊 𝑭(𝒕𝒊) 𝒙𝒊 𝒚𝒊 𝒙𝒊. 𝒚𝒊 𝒙𝒊𝟐 𝒚𝒊

𝟐

1. 22 0,02756 22 0,02795 0,61481 484 0,00078

2. 45 0,06693 45 0,06927 3,11734 2025 0,00480

3. 88 0,10630 88 0,11238 9,88981 7744 0,01263

4. 88 0,14567 88 0,15744 13,85445 7744 0,02479

5. 209 0,18504 209 0,20462 42,76463 43681 0,04187

6. 257 0,22441 257 0,25413 65,31155 66049 0,06458

7. 260 0,26378 260 0,30623 79,61867 67600 0,09377

8. 383 0,30315 383 0,36118 138,33368 146689 0,13045

9. 383 0,34252 383 0,41934 160,60739 146689 0,17585

10. 404 0,38189 404 0,48109 194,35974 163216 0,23145

11. 426 0,42126 426 0,54690 232,98012 181476 0,29910

12. 427 0,46063 427 0,61735 263,60988 182329 0,38113

13. 548 0,50000 548 0,69315 379,84465 300304 0,48045

14. 574 0,53937 574 0,77516 444,94203 329476 0,60087

15. 620 0,57874 620 0,86451 535,99337 384400 0,74737

16. 714 0,61811 714 0,96262 687,31303 509796 0,92664

17. 885 0,65748 885 1,07143 948,21214 783225 1,14795

18. 957 0,69685 957 1,19353 1142,20710 915849 1,42451

19. 1290 0,73622 1290 1,33264 1719,10773 1664100 1,77593

20. 1314 0,77559 1314 1,49428 1963,48786 1726596 2,23288

21. 1844 0,81496 1844 1,68719 3111,17221 3400336 2,84660

22. 1846 0,85433 1846 1,92642 3556,16459 3407716 3,71108

23. 2110 0,89370 2110 2,24150 4729,55952 4452100 5,02431

24. 2374 0,93307 2374 2,70412 6419,58307 5635876 7,31227

76


25. 4053 0,97244 4053 3,59142 14556,04195 16426809 12,89833

Total 22121 12,5 22121 24,09584 41398,69131 40952309 42,59040


4.5.4 Distribusi Weibull

Berikut merupakan perhitungan 𝑖 = 1 dari distribusi weibull:

𝑥𝑖 = ln(𝑡𝑖) = ln(22) = 3,09104

𝐹(𝑡𝑖) =𝑖 − 0,3

𝑛 + 0,4=

1 − 0,3

25 + 0,4= 0,02756

𝑦𝑖 = ln (ln (1

1 − 𝐹(𝑡𝑖))) = ln (ln (

1

1 − 0,0276)) = − 3,57748

𝑟 =𝑛 ∑ 𝑥𝑖 . 𝑦𝑖 − (∑ 𝑥𝑖

𝑛𝑖=1 )(∑ 𝑦𝑖

𝑛𝑖=1 )𝑛

𝑖=1


𝑖=1 ) − (∑ 𝑥𝑖𝑛𝑖=1 )2][𝑛(∑ 𝑦𝑖

2𝑛𝑖=1 ) − (∑ 𝑦𝑖

𝑛𝑖=1 )2]

=25(−49,23319) − (154,73976)(−13,73762)

√[25(996,28871) − (154,739762)][25(41,32129) − (−13,737622)]

= 0,99257

Tabel 4.13 Perhitungan index of fit TTF berdasarkan distribusi weibull 𝒊 𝒕𝒊 𝑭(𝒕𝒊) 𝒙𝒊 𝒚𝒊 𝒙𝒊. 𝒚𝒊 𝒙𝒊

𝟐 𝒚𝒊𝟐

1. 22 0,02756 3,09104 -3,57748 -11,05815 9,55454 12,79839

2. 45 0,06693 3,80666 -2,66968 -10,16259 14,49068 7,12721

3. 88 0,10630 4,47734 -2,18583 -9,78670 20,04654 4,77786

4. 88 0,14567 4,47734 -1,84873 -8,27739 20,04654 3,41780

5. 209 0,18504 5,34233 -1,58662 -8,47627 28,54054 2,51737

6. 257 0,22441 5,54908 -1,36991 -7,60172 30,79225 1,87665

7. 260 0,26378 5,56068 -1,18343 -6,58069 30,92118 1,40051

8. 383 0,30315 5,94803 -1,01837 -6,05728 35,37912 1,03707

9. 383 0,34252 5,94803 -0,86907 -5,16927 35,37912 0,75529

10. 404 0,38189 6,00141 -0,73170 -4,39126 36,01698 0,53539

11. 426 0,42126 6,05444 -0,60349 -3,65377 36,65624 0,36420

12. 427 0,46063 6,05678 -0,48231 -2,92127 36,68463 0,23263

77


13. 548 0,50000 6,30628 -0,36651 -2,31133 39,76911 0,13433

14. 574 0,53937 6,35263 -0,25469 -1,61792 40,35590 0,06486

15. 620 0,57874 6,42972 -0,14560 -0,93615 41,34129 0,02120

16. 714 0,61811 6,57088 -0,03809 -0,25031 43,17650 0,00145

17. 885 0,65748 6,78559 0,06899 0,46814 46,04420 0,00476

18. 957 0,69685 6,86380 0,17691 1,21431 47,11180 0,03130

19. 1290 0,73622 7,16240 0,28716 2,05678 51,29994 0,08246

20. 1314 0,77559 7,18083 0,40165 2,88416 51,56434 0,16132

21. 1844 0,81496 7,51969 0,52306 3,93327 56,54577 0,27359

22. 1846 0,85433 7,52078 0,65566 4,93108 56,56208 0,42989

23. 2110 0,89370 7,65444 0,80714 6,17824 58,59050 0,65148

24. 2374 0,93307 7,77233 0,99478 7,73174 60,40914 0,98958

25. 4053 0,97244 8,30721 1,27855 10,62118 69,00978 1,63469

Total 22121 12,5 154,73976 -13,73762 -49,23319 996,28871 41,32129


Sehingga perhitungan index of fit (𝑟) yang didapat dari beberapa

perhitungan distribusi adalah sebagai berikut:

Tabel 4.14 Data nilai index of fit TTF Distribusi Index of Fit (𝒓)

Normal 0,88596

Lognormal 0,97863

Eksponensial 0,98674

Weibull 0,99257


Setelah dilakukan perhitungan terhadap nilai index of fit (𝑟) keempat

distribusi tersebut maka dipilihlah distribusi weibull karena memiliki nilai terbesar

yaitu 0,99257. Sehingga rumus parameter yang digunakan untuk melakukan

perhitungan MTTF dari distribusi weibull adalah adalah:

𝑀𝑇𝑇𝐹 = 𝛼Γ (1 +1

𝛽)

78


4.5.5 Perhitungan Parameter Distribusi Terpilih

Setelah distribusi kerusakan belt conveyor diketahui, maka langkah

selanjutnya adalah menghitung parameter distribusi weibull yaitu 𝑎 dan 𝑏.

Perhitungannya menggunakan transportasi ganda pendekatan cara regresi. Berikut

perhitungan parameter distribusi untuk belt conveyor:

𝑏 =𝑛 ∑ 𝑥𝑖𝑦𝑖

𝑛𝑖=1 − ∑ 𝑥𝑖

𝑛𝑖=𝑖 ∑ 𝑦𝑖

𝑛𝑖=𝑖

𝑛 ∑ 𝑥𝑖2𝑛

𝑖=1 − (∑ 𝑥𝑖𝑛𝑖=1 )2

=[25 × (−49,23319)] − [154,73976 × (−13,73762)]

[(25 × 996,28871) − (154,73976)2]

= 0,92948

𝑎 =∑ 𝑦𝑖

𝑛𝑖=1

𝑛−

𝑏 ∑ 𝑥𝑖𝑛𝑖=1

𝑛=

−13,73976

25−

0,92948 × 154,73976

25= −6,30261

Setelah nilai 𝑎 dan 𝑏 diketahui, dilakukan perhitungan untuk mendapatkan

nilai 𝛼 (alpha/parameter skala) dengan satuan jam dan 𝛽 (beta/parameter bentuk).

Perhitungannya sebagai berikut:

𝛼 = 𝑒(−𝑎𝑏

) = 𝑒(−

−6,302610,92948

)= 880,76092 𝑗𝑎𝑚

𝛽 = 𝑏 = 0,92948

4.5.6 Nilai Mean Time to Failure (MTTF)

Perhitungan waktu rata-rata antar kerusakan dilakukan terhadap belt

conveyor menggunakan distribusi weibull. Berikut merupakan perhitungan nilai

Mean Time To Failure (MTTF) untuk belt conveyor:

79


𝑀𝑇𝑇𝐹 = 𝛼Γ (1 +1

𝛽) = 880,76092 × Γ (1 +

1

0,92948)

= 880,76092 × Γ(2,07587) = 880,76092 × 1,03449

= 911,13 𝑗𝑎𝑚

4.6 Perhitungan Laju Kerusakan (Failure Rate)

Untuk menghitung laju kerusakan/failure rate terlebih dahulu menghitung

nilai probability density function, cummulative distribution function, dan reliability

function menggunakan Microsoft Excel. Rumus yang digunakan adalah sebagai

berikut:

1. Fungsi Kepadatan Probabilitas/ Probability Density Function [𝑓(𝑡)]

=WEIBULL.DIST(x,alpha,beta,cummulative)

keterangan:

x : merupakan nilai untuk mengevaluasi fungsi, diisi dengan

nomor urutan kerusakan

alpha : merupakan nilai parameter skala, nilai 𝛼 = 880,76092

beta : merupakan nilai parameter bentuk, nilai 𝛽 = 0,92948

cummulative : merupakan format evaluasi, pilih FALSE

2. Fungsi Distribusi Kumulatif/ Cummulative Distribution Function [𝐹(𝑡)]

=WEIBULL.DIST(x,alpha,beta,cummulative)

keterangan:

x : merupakan nilai untuk mengevaluasi fungsi, diisi dengan

nomor urutan kerusakan

alpha : merupakan nilai parameter skala, nilai 𝛼 = 880,76092

beta : merupakan nilai parameter bentuk, nilai 𝛽 = 0,92948

cummulative : merupakan format evaluasi, pilih TRUE

3. Fungsi Keandalan/ Reliability Function [𝑅(𝑡)]

80


𝑅(𝑡) = 1 − 𝐹(𝑡)

keterangan:

𝐹(𝑡) : merupakan nilai cummulative distribution function

4. Laju Kerusakan/ Failure Rate (𝜆)

𝜆 = 𝑓(𝑡) − 𝑅(𝑡)

Dengan menggunakan persamaan diatas pada Microsoft Excel, maka didapatkan

hasil seperti tabel di bawah ini.

Tabel 4.15 Nilai Laju Kerusakan (Failure Rate)

𝒊 𝒇(𝒕) 𝑭(𝒕) 𝑹(𝒕) Failure Rate

1. 0,00170 0,00183 0,99817 0,00170

2. 0,00162 0,00348 0,99652 0,00162

3. 0,00157 0,00507 0,99493 0,00158

4. 0,00153 0,00662 0,99338 0,00154

5. 0,00151 0,00814 0,99186 0,00152

6. 0,00149 0,00964 0,99036 0,00150

7. 0,00147 0,01111 0,98889 0,00148

8. 0,00145 0,01257 0,98743 0,00147

9. 0,00144 0,01402 0,98598 0,00146

10. 0,00142 0,01545 0,98455 0,00145

11. 0,00141 0,01687 0,98313 0,00144

12. 0,00140 0,01828 0,98172 0,00143

13. 0,00139 0,01967 0,98033 0,00142

14. 0,00138 0,02106 0,97894 0,00141

15. 0,00137 0,02244 0,97756 0,00141

16. 0,00137 0,02381 0,97619 0,00140

17. 0,00136 0,02517 0,97483 0,00139

18. 0,00135 0,02653 0,97347 0,00139

19. 0,00134 0,02788 0,97212 0,00138

20. 0,00134 0,02922 0,97078 0,00138

21. 0,00133 0,03055 0,96945 0,00137

81


22. 0,00133 0,03188 0,96812 0,00137

23. 0,00132 0,03320 0,96680 0,00136

24. 0,00131 0,03452 0,96548 0,00136

25. 0,00131 0,03583 0,96417 0,00136


Gambar 4.2 Grafik Laju Kerusakan Belt Conveyor


4.7 Penentuan Jenis Pemeliharaan Belt Conveyor

Dalam menentukan jenis pemeliharaan belt conveyor sangat dipengaruhi

oleh nilai 𝛽 (parameter bentuk) pada distribusi kerusakan yang terjadi. Dari

perhitungan di atas didapatkan nilai 𝛽 = 0,92948. Berdasarkan Tabel 2.6 bahwa

𝛽 < 1, maka jenis pemeliharaan yang sesuai adalah Reactive, Inspection dan

Preventive Maintenance.

4.8 Penentuan Interval Waktu Pemeliharaan Belt Conveyor

Berikut ini adalah perhitungan interval waktu yang optimal untuk

pemeliharaan belt conveyor:

1. Jumlah waktu pemeriksaan (𝑘)

1 bulan = 30 hari, 1 hari = 24 jam

𝑡 = 30 hari/bulan × 24 jam/hari = 720 jam/bulan

0,00000

0,00020

0,00040

0,00060

0,00080

0,00100

0,00120

0,00140

0,00160

0,00180

1 3 5 7 9 11 13 15 17 19 21 23 25

Failure Rate

82


Jumlah kerusakan belt conveyor selama 3 tahun = 26 kali

𝑘 =𝑗𝑢𝑚𝑙𝑎ℎ 𝑘𝑒𝑟𝑢𝑠𝑎𝑘𝑎𝑛 𝑠𝑒𝑙𝑎𝑚𝑎 3 𝑡𝑎ℎ𝑢𝑛

36 𝑏𝑢𝑙𝑎𝑛=

26

36= 0,72

2. Waktu rata-rata yang dibutuhkan untuk perbaikan (𝜇)

𝑀𝑇𝑇𝑅 = 4,20 𝑗𝑎𝑚

𝑡 = 720𝑗𝑎𝑚

𝑏𝑢𝑙𝑎𝑛

𝜇 =𝑡

𝑀𝑇𝑇𝑅=

720

4,15= 171,44

3. Waktu rata-rata untuk melakukan pemeriksaan (𝑖)

Waktu untuk melakukan pemeriksaan (𝑡𝑖) = 40 menit = 0,67 jam

𝑡 = 720 jam/bulan

𝑖 =𝑡

𝑡𝑖=

720

0,67= 1080 𝑗𝑎𝑚

4. Perhitungan frekuensi dan interval pemeriksaan (𝑛)

𝑛 = √𝑘.𝑖

𝜇= √

0,72×1080

171,44= 2,13298 pemeriksaan/bulan

Interval waktu pemeriksaan =𝑡

𝑛=

720

2,13298= 337,5552 𝑗𝑎𝑚 ≈ 14 ℎ𝑎𝑟𝑖

4.9 Hasil Reliability Centered Maintenance pada Belt Conveyor

Berdasarkan hasil analisa kerusakan conveyor system PLTU Tenayan

menggunakan metode Reliability Centered Maintenance (RCM) maka didapatkan

hasil sebagai berikut:

83


Tabel 4.16 Hasil RCM pada Belt Conveyor Deskripsi Nilai

Komponen kritis Belt Conveyor

MTTF 911,13 jam

MTTR 4,20 jam

𝛽 0,92948

Jenis pemeliharaan Reactive, Inspection, dan Preventive Maintenance

Interval waktu pemeliharaan 14 hari


Tabel 4.17 FMEA setelah dilakukan RCM No. Equipment Failure

Mode

Failure

Effect

Penyebab

Kerusakan

Usulan

Pemeliharaan

1. Belt

Conveyor

Sobek atau

putus

Unloading

batubara

terganggu

Belt conveyor

terkena benda

tajam, roller

terlepas

Pemeriksaan belt

secara visual,

pembersihan

tumpahan batubara

pada roller

Jogging Unloading

batubara

terganggu

Belt conveyor

kendor atau

steering idler

macet

Pengaturan

kekencangan belt,

pelumasan pada

bearing steering idler

Belt aus Ketebalan

belt

berkurang/

tidak merata

Debu batubara

menempel pada

pulley menggerus

belt saat

beroperasi

Pembersihan

tumpahan batubara

pada pulley

Belt

cupping

Terjadi initial

crack pada

tepi belt

Pengaturan

kekencangan belt

kurang optimal

Pemeriksaan dan

pengencangan belt

secara periodik

Belt

mistracking

Banyak

batubara

tumpah

Pulley tidak

presisi karena

tumpukan debu

batubara yang

menempel

Pemeriksaan belt

secara visual,

pembersihan

tumpahan batubara

pada pulley


bab iv hasil dan pembahasan23 mei 2018 180 motor conveyor c04a abnormal dan panas motor 28. 02 juli...

Documents