Perpustakaan Digital ITB

PT Angsana Coal (PT AC), sebuah perusahaan pertambangan batu bara terkemuka di Indonesia, menghadapi kesulitan berkelanjutan dalam mempertahankan sistem konveyor Bunati-nya karena ketergantungan yang signifikan pada pendekatan pemeliharaan reaktif dan terencana. Penelitian ini bertujuan untuk mendeteksi kemungkinan kegagalan, mengurangi tingkat kerusakan, dan meningkatkan jadwal pemeliharaan dengan menggabungkan instrumen pemantauan kondisi dengan Sistem Manajemen Pemeliharaan Terkomputerisasi. (CMMS). Data kinerja historis mengungkapkan penurunan dalam Ketersediaan Pemeliharaan (MA) dari 90,0% pada tahun 2017 menjadi 79,6% pada tahun 2022, dan penurunan dalam Ketersediaan Kinerja (PA) dari 95,8% menjadi 90,7% selama periode yang sama, menekankan perlunya langkah-langkah proaktif. Penelitian ini menggunakan paradigma DMAIC dan menggabungkan metode kualitatif dan kuantitatif. Catatan pemeliharaan historis dari tahun 2017 hingga 2022, bersama dengan data kualitatif dari wawancara dengan pemangku kepentingan, diperiksa untuk menentukan ukuran kinerja dasar. Analisis getaran menentukan alasan fundamental dari ketidakefisienan, menunjukkan bahwa 62% kegagalan disebabkan oleh keausan, ketidakselarasan, atau ketidakseimbangan pada motor dan gearbox. Integrasi dengan CMMS mengotomatiskan penjadwalan pemeliharaan, manajemen inventaris, dan pembuatan pesanan kerja, yang menghasilkan peningkatan 12% dalam Ketersediaan Pemeliharaan (MA) dan pengurangan 15% dalam tingkat kerusakan. Arsitektur pemeliharaan prediktif menunjukkan janji besar untuk meningkatkan keandalan operasional. Hasilnya menyoroti pentingnya menggunakan pemeliharaan prediktif untuk mengatasi kesulitan operasional PT Angsana Coal. Kerangka yang disarankan secara signifikan mengurangi waktu henti, mengoptimalkan pengeluaran pemeliharaan, dan meningkatkan keandalan peralatan, memberikan solusi proaktif untuk pemeliharaan reaktif. Namun demikian, pelaksanaannya memerlukan pengeluaran untuk instrumen pemantauan yang canggih, inisiatif pelatihan untuk staf pemeliharaan, dan kerangka manajemen data yang komprehensif. Hasilnya menggambarkan keuntungan konkret dari teknik prediktif, yang dibuktikan dengan peningkatan lebih dari 10% dalam Ketersediaan Pemeliharaan dan penurunan 15% dalam tingkat kerusakan selama periode penelitian.