Perpustakaan Digital ITB

PT XYZ, sebuah perusahaan agribisnis kelapa sawit terintegrasi, menghadapi kendala operasional berupa tingginya tingkat akumulasi small stops yang mencapai 21% pada lini produksi margarin. Gangguan operasional ini didominasi oleh machinery loss yang dipicu oleh ketergantungan ekstrem pada strategi Corrective Maintenance (CM) sebesar 95%. Tingginya frekuensi kerusakan mendadak ini menggerus waktu operasi efektif mesin dan menghambat pencapaian target efisiensi World Class Manufacturing (WCM). Oleh karena itu, penelitian ini bertujuan untuk merancang kebijakan Preventive Maintenance (PM) yang optimal guna meminimalkan insiden small stops dan memaksimalkan availability sistem produksi. Penelitian ini menggunakan pendekatan kuantitatif yang mengintegrasikan pemodelan keandalan matematis dengan Discrete Event Simulation (DES). Langkah pertama dilakukan dengan mengevaluasi karakteristik kegagalan mesin menggunakan model analitik Crow-AMSAA untuk menentukan interval PM yang meminimalkan kerugian downtime rate. Selanjutnya, model DES dibangun menggunakan bahasa pemrograman Python untuk merepresentasikan dinamika stokastik aliran produksi bersistem seri. Setelah model divalidasi presisinya menggunakan uji statistik Mann-Whitney dan Mean Absolute Percentage Error (MAPE), tahapan Design of Experiments (DOE) dilakukan untuk mengevaluasi dampak interval PM optimal berdasarkan 13 kombinasi antara interval penjadwalan PM dan tingkat Age Reduction Factor. Hasil uji Crow-AMSAA membuktikan bahwa lini produksi margarin sedang mengalami deteriorasi (berada pada fase wear-out) dengan nilai shape parameter (????) sebesar 1,243. Analisis sensitivitas dari hasil simulasi menemukan bahwa availability sistem produksi jauh lebih responsif terhadap peningkatan kualitas eksekusi PM dibandingkan dengan sekadar mengubah jeda interval waktu perawatannya. Berdasarkan komparasi seluruh skenario, kebijakan pemeliharaan yang paling optimal untuk diterapkan pada lini produksi margarin PT XYZ adalah kombinasi interval PM terjadwal setiap 55 hari dengan target efektivitas pemeliharaan sebesar 30%. Implementasi kebijakan ini terbukti secara statistik mampu meningkatkan System Availability dari 95,64% menjadi 96,84%, serta menekan frekuensi CM secara drastis dari rata-rata 407 kejadian menjadi 287 kejadian per 1000 hari operasional.