PERANCANGAN STRATEGI MAINTENANCE PADA KILN EQUIPMENT MENGGUNAKAN METODE CONDITION BASED MAINTENANCE BERBASIS DATA ANALYTICS (STUDI KASUS: PT XYZ)

Prasanto, Abiyyu Dimas (2020) PERANCANGAN STRATEGI MAINTENANCE PADA KILN EQUIPMENT MENGGUNAKAN METODE CONDITION BASED MAINTENANCE BERBASIS DATA ANALYTICS (STUDI KASUS: PT XYZ). Other thesis, Institut Teknologi Sepuluh Nopember.

Text 02411640000141-Undergraduate_Thesis.pdf Restricted to Repository staff only Download (3MB) | Request a copy

Abstract

PT XYZ merupakan salah satu produsen semen yang terdapat di Kawasan Indonesia Timur. Unit V sebagai pabrik baru memiliki desain kapasitas produksi terbesar sering mengalami breakdown dalam operasinya. Sebesar 33% kasus breakdown disebabkan oleh kiln equipment. Tercatat bahwa kiln mengalami breakdown sebanyak 198 kali dengan total downtime sebesar 5042 jam pada periode 2015 hingga 2018. Downtime tersebut menyebabkan availability rata-rata sebesar 83,6% masih berada dibawah target perusahan yaitu 90% World Class OEE. Terjadinya breakdown terpantau menggunakan peralatan sensor yang menghasilkan data sensor. Namun data sensor tersebut belum digunakan secara optimal oleh perusahaan. Penelitian ini bertujuan untuk meminimalkan downtime dengan menggunakan framework condition-based maintenance yang berbasis data analytics. Teknik k-means clustering mendapatkan lima jenis klaster berdasarkan karakteristik data sensor. Selanjutnya dilakukan prediksi menggunakan nonlinear regression pada kelima klaster. Didapatkan bahwa tingkat kerusakan berat terjadi pada klaster 3, kerusakan ringan pada klaster 4, sedangkan kerusakan sedang pada klaster 1, klaster 2, dan klaster 5. Kemudian hasil prediksi tersebut digunakan untuk merancang maintenance strategy menggunakan model downtime minimization. Constant interval replacement policy (CIRP) pada model tersebut digunakan untuk menentukan penjadwalan maintnenance yang optimal. Didapatkan bahwa jadwal maintenance pada klaster 3 dilakukan pada interval 800 jam. Dan jadwal maintenance klaster 4 dilakukan pada interval 400 jam. Sedangkan jadwal maintenance klaster 1, klaser 2, dan klaster 5 secara berturut-turut pada interval 800 jam, 2100 jam, dan 400 jam. Namun pada klaster 2 dengan interval 2100 kurang sesuai dengan kondisi downtime sebenarnya. Hal ini diakibatkan oleh data sensor yang kurang sesuai sehingga menyebabkan hasil prediksi yang kurang akurat.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Condition-Based Maintenance, Data Mining, K-Means Clustering, Nonlinear Regression, Preventive Maintenance and Replacement Models
Subjects:	H Social Sciences > HA Statistics > HA31.3 Regression. Correlation. Logistic regression analysis. Q Science > QA Mathematics > QA76.9.D343 Data mining. Querying (Computer science) Q Science > QA Mathematics > QA278 Cluster Analysis. Multivariate analysis. Correspondence analysis (Statistics) T Technology > TJ Mechanical engineering and machinery
Divisions:	Faculty of Industrial Technology and Systems Engineering (INDSYS) > Industrial Engineering > 26201-(S1) Undergraduate Thesis
Depositing User:	ABIYYU DIMAS PRASANTO
Date Deposited:	25 Aug 2020 03:30
Last Modified:	20 Jun 2025 08:27
URI:	http://repository.its.ac.id/id/eprint/80159

Actions (login required)

View Item