studi pe erapa ko sep ma ajeme pemeliharaa …personal.its.ac.id/files/pub/518-ketutbuda-yanif...
TRANSCRIPT
1
STUDI PEERAPA KOSEP MAAJEME
PEMELIHARAA BERBASIS KEADALA (RELIABILITY-
CE�TERED MAI�TE�A�CE) PADA ARMADA
PERKAPALA TI AL
(STUDI KASUS KELAS KORVET/PARCHIM)
Yanif D.K 1)
, Iman T.D. 2)
1) Mahasiswa S3 Program Pasca Sarjana Teknologi Kelautan ITS 2)
Mahasiswa S1 Jurusan Teknik Sistem Perkapalan FTK ITS
email : [email protected]
ABSTRAK : Sebagian besar kapal-kapal perang TNI AL khususnya jenis corvette/parchim telah
memiliki usia pakai lebih daripada dua puluh tahun. Secara intuitif dapat disimpulkan bahwa laju
kerusakan dari sistem penggerak motor diesel yang telah terpasang berada di dalam periode
wear-out dari kurva bathtub. Paper ini dimaksudkan untuk memperoleh dan membuktikan pola
laju kerusakan dan tingkat resiko dari sistem penggerak motor diesel yang terpasang pada kapal-
kapal KRI jenis parchim. Fungsi laju kerusakan dari masing-masing sistem penggerak motor
diesel yang terpasang diperoleh berdasarkan distribusi yang paling sesuai untuk mewakili failure
mode yang ada. Sedangkan tingkat resiko ditentukan dengan risk matrix. Weibull 4, sebuah
perangkat lunak keandalan yang umum dipakai, digunakan untuk memperoleh parameter-
parameter yang sesuai untuk masing-masing distribusi.
Kata kunci : kurva bathtub, laju kerusakan, tingkat resiko, failure mode, sistem penggerak
motor diesel
1. PEDAHULUA
Sebagai sebuah negara kepulauan yang
memiliki luas laut lebih dari duapertiga dari
luas daratan, Indonesia memerlukan kekuatan
armada laut khususnya kapal-kapal perang
untuk menjaga kedaulatan wilayahnya dari
ancaman dan gangguan pihak-pihak tertentu
maupun untuk menjaga kelancaran transportasi
laut yang menggunakan jalur-jalur pelayaran
yang ada. Kekuatan kapal-kapal perang
tersebut harus didukung dengan kemampuan
operasi yang tinggi dan handal disetiap kondisi
operasinya. Namun, kebanyakan kapal-kapal
perang tersebut merupakan kapal-kapal bekas
yang diimpor dari negara-negara lain seperti :
Jerman, Belanda, Rusia, Jepang, dan Korea.
Sekalipun pemerintah dalam hal ini TNI AL
telah banyak membangun kapal-kapal baru
untuk jenis kapal patroli (FPB) namun
kemampuan kapal-kapal patroli tersebut
terbatas hanya pada daerah-daerah pantai dan
dengan kecepatan operasi yang terbatas pula
waktunya untuk digunakan. Disamping itu,
keterbatasan dana yang dimiliki oleh TNI AL
memaksa pembelian kapal-kapal bekas
merupakan suatu keharusan. Kebanyakan dari
kapal-kapal tersebut dibangun sekitar tahun
70-an sehingga akibatnya kebanyakan dari
sistem penggerak motor diesel yang terpasang
telah sangat tua dan diperlukan repowering.
Dengan kondisi yang demikian maka
diperlukan suatu organisasi dan aktivitas
pemeliharaan yang efektif terhadap kapal-
kapal yang dimiliki oleh TNI AL.
Paper ini mendiskusikan hasil-hasil dari
analisis pola kerusakan berdasarkan failure
modenya terhadap sistem penggerak motor
diesel yang terpasang di keenam belas kapal
perang KRI jenis parchim. Informasi-informasi
umum dari setiap kapal yang dipilih
ditunjukkan didalam Tabel 1. Agar supaya
data-data kerusakan dapat dikategorikan
kedalam salah satu diantara ketiga region dari
kurva bathtub maka data-data yang
dikumpulkan adalah data-data yang paling
2
tidak berada pada interval satu siklus operasi
lengkap yakni setidaknya berada pada interval
dua overhaul.
Analisis dilakukan dengan
membandingkan beberapa karakteristik antara
sistem penggerak motor diesel. Karakteristik-
karakteristik yang dibandingkan adalah jumlah
kegiatan perawatan yang dilakukan dan
frekuensi perawatan dari masing-masing
sistem penggerak motor diesel.
Pemodelan masing-masing failure mode
dari setiap kerusakan fungsional untuk masing-
masing sistem penggerak motor diesel juga
dilakukan. Variabel acak merupakan variabel
penting didalam analisis kerusakan. Time to
failure ditentukan sebagai variabel acak dan
disimbolkan dengan TTF.
2. MODEL KERUSAKA
Sebuah failure mode (state of
component) atau sistem secara umum, secara
matematis dapat diekspresikan di dalam
persamaan (1). Gambar 1 menunjukkan
hubungan antara state variable X (t) dengan
waktu kerusakan TTF.
{ tipadawaktuenberfungsjikakompon
awaktutengagalpadjikakompontX 1
0)( =
dimana :
X (t) = state variable yang mewakili kondisi
failure mode pada waktu t
Gambar 1. Hubungan antara state variable X
(t) dengan waktu kerusakan TTF
Waktu kerusakan, TTF, dari sebuah failure
mode dapat mengikuti salah satu dari
distribusi-distribusi seperti : normal,
eksponensial, Weibull, ataupun distribusi-
distribusi lainnya.
Model kerusakan dapat ditentukan
dengan mengumpulkan data-data kerusakan
dari failure mode yang dianalisis. Ilustrasi dari
data-data kerusakan sebuah failure mode dapat
juga dilihat pada Gambar 1.
2.1. Fungsi Distribusi Kumulatif
(CDF) Dan Fungsi Kepadatan (PDF) Dengan mengasumsikan bahwa TTF
terdistribusi secara kontinu dengan fungsi
kepadatan f(t), maka probabilitas kegagalan
failure mode dalam interval waktu (0,t] dapat
dinyatakan dengan persamaan berikut : (1)
F (t) = P (T≤t) = ( ) ζξ df
t
∫0
dimana :
F (t) = fungsi distribusi kumulatif (CDF) dari
variabel acak TTF
Fungsi pdf dari variabel acak T dapat
ditentukan dari persamaan (2) dengan
mengambil turunan dari F (t) terhadap t
seperti ditunjukkan pada persamaan (3).
f(t) = )(tFdt
d=
t
tFttF
t ∆−∆+
→∆
)9)(lim
0
=
t
ttTtP
t ∆∆+≤<
→∆
)(lim
0
2.2. Fungsi Keandalan Fungsi keandalan merupakan fungsi
yang mewakili probabilitas bahwa failure
mode tidak menyebabkan kegagalan dalam
interval waktu (0,t] dan dinyatakan dengan
persamaan berikut :
R (t) = 1-F (t) = P (t > t) = ( )∫∞
t
df ζζ
Persamaan (2) dapat juga disebut sebagai
fungsi ketidakandalan dan dinyatakan dengan
Q (t).
2.3. Laju Kerusakan Laju kerusakan (conditional probability
failure rate) adalah probabilitas bahwa sebuah
kerusakan terjadi selama waktu tertentu namun
kerusakan belum terjadi sebelum waktu
tersebut. Oleh karena itu laju kerusakan
memberikan informasi tambahan tentang usia
pakai (survival life) dan digunakan untuk
mengilustrasikan pola kerusakan.
Probabilitas sebuah failure mode akan
menyebabkan kegagalan dalam interval waktu
(t + ∆t), telah diketahui bahwa failure mode
beroperasi pada waktu t, dapat ditentukan
dengan persamaan berikut :
P(t < T ≤ t + ∆t) = ( )
( )tTP
ttTtP
>∆+≤<
3
= ( )
)(
)(
tR
tFttF −∆+ (5)
Laju kerusakan, z (t), dari sebuah failure mode
dapat diperoleh dengan membagi persamaan
(5) dengan panjang interval waktu ∆t dan
∆t→0. ( )
t
tTttTtPtz
t ∆>∆+≤<
=→∆
|)( lim
0
( ))(
1)(lim
0 tRx
t
tFttF
t ∆−∆+
=→∆
)(
)(
tR
tf= (6)
2.4. Pola Kerusakan (Failure Pattern) Pemahaman bahwa failure mode
peralatan dapat menunjukkan pola kerusakan
berbeda memiliki implikasi penting dalam
menentukan karakteristik suatu kerusakan.
Gambar 2 menunjukkan karakteristik-
karakteristik kerusakan tersebut.
Gambar 2. Karakteristik-karakteristik
kerusakan
Karakteristik-karakteristik tersebut adalah :
- Wear-in Failure, yakni didominasi
oleh perangkat-perangkat ”lemah”
(weak members) misalnya kesalahan
proses manufaktur (manufacturing
defect) dan salah
pemasangan/perawatan (installation
error). Karakteristik ini dikenal juga
sebagai kerusakan burn in atau infant
mortality.
- Random Failure, yakni didominasi
oleh kerusakan yang tidak dapat
diprediksi atau karena adanya suatu
kesempatan/keadaan (chance failures).
Karakteristik ini ditandai dengan laju
kerusakan konstan dan distribusi
kerusakan menunjukkan distribusi
eksponensial.
- Wear-out Failure, yakni didominasi
oleh masa akhir pakai peralatan.
Karakteristik ini ditandai dengan
meningkatnya laju kerusakan dan
distribusi kerusakan menunjukkan
distribusi Weibull.
Untuk menentukan jenis-jenis distribusi dari
karakteristik kerusakan tersebut digunakan
perangkat lunak Weibull++ 4.
3. DISTRIBUSI PROBABILITAS
Distribusi-distribusi probabilitas dapat
bervariasi untuk menyatakan distribusi yang
paling sesuai terhadap data-data kerusakan.
Distribusi-distribusi probabilitas yang
digunakan untuk memodelkan failure mode
dari setiap kerusakan fungsional sistem
penggerak motor diesel adalah distribusi
normal, eksponensial, dan weibull.
Distribusi normal dipilih berdasarkan
asumsi teorema central limit. Distribusi
eksponensial dipilih berdasarkan karakteristik-
karakteristiknya yang mewakili periode useful
life. Sedangkan distribusi Weibull dipilih
berdasarkan fleksibelitas dari parameter-
parameternya dalam menentukan pola
kerusakan dari data-data yang ada yang
mungkin terletak pada periode useful life
ataupun periode wear out.
3.1. Distribusi Eksponensial Jika waktu kerusakan T dari sebuah
failure mode terdistribusi secara eksponensial
dengan parameter adalah λ dan γ maka fungsi
pdf dari T tersebut ditentukan dengan :
f (t) = λe-λ (t-γ)
dimana :
λ = laju kerusakan
γ = parameter bentuk
Fungsi keandalan dari distribusi eksponensial
menjadi :
R (t) = e-λ (t-γ)
Sedangkan fungsi laju kerusakan distribusi
eksponensial adalah :
z (t) = λ (9)
Persamaan (8) dikenal sebagai distribusi
eksponensial dengan dua parameter. Distribusi
eksponensial dengan satu parameter diperoleh
jika γ samadengan nol.
4
3.2. Distribusi Weibull Distribusi Weibull merupakan salah satu
dari distribusi yang paling banyak digunakan
dibidang rekayasa keandalan. Hal ini
dikarenakan distribusi tersebut memiliki
kemampuan untuk memodelkan data-data yang
berbeda dan banyak dengan pengaturan nilai
parameter bentuk β. Fungsi pdf dari ketiga
parameter distribusi Weibull dinyatakan
dengan : β
ηγβ
ηγ
ηβ
−−
−
−=
t
et
tf
1
)( (10)
dimana :
β = parameter bentuk, β > 0
η = parameter skala, η > 0
γ = parameter lokasi, γ < waktu kerusakan
pertama kali
Fungsi keandalan distribusi Weibull dapat
dinyatakan dengan : β
ηγ
−−
=t
etR )( (11)
Dan laju kerusakan dapat dinyatakan dengan : 1
)(
−
−=
β
ηγ
ηβ t
tz (12)
Jika γ = 0 maka diperoleh distribusi Weibull
dengan dua parameter.
3.3. Distribusi ormal Distribusi normal (Gaussian) merupakan
distribusi yang paling sering digunakan
didalam ilmu statistik. Variabel acak T
dinyatakan terdistribusi normal dengan rata-
rata µ dan varian σ2, T~N(µ, σ
2) jika fungsi pdf
dari T adalah
−−
= σµ
πσ
t
etf 2
1
2
1)( (13)
dimana :
Σ = deviasi standar dari variabel acak T
µ = rata-rata dari variabel acak T
Fungsi keandalan dari distribusi normal
adalah :
∫∞
−−
=t
t
dtetR σµ
πσ2
1
2
1)(
−Φ−=
σµt
1 (14)
dimana :
Φ = fungsi CDF dari distribusi normal
Laju kerusakan dari distribusi normal dapat
diperoleh dengan menggunakan persamaan (6).
4. AALISIS DATA
Kapal-kapal yang dipilih adalah kapal-
kapal perang jenis parchim, yang digunakan
oleh TNI AL sebagai alat pertahanan di
perairan Indonesia. Informasi-informasi umum
dari setiap kapal yang dipilih ditunjukkan
didalam Tabel 1. Seperti yang terlihat didalam
Tabel 1, kapal-kapal tersebut dibangun pada
tahun yang berbeda, yakni antara tahun 1981
hingga 1985.
Model kerusakan untuk masing-masing
sistem penggerak motor diesel dinyatakan
kedalam salah satu dari distribusi probabilitas
yakni distribusi normal, distribusi eksponensial
dengan satu atau dua parameter, atau distribusi
weibull dengan dua atau tiga parameter.
Variabel masukan dari model kerusakan
tersebut adalah variabel acak T yang mewakili
waktu kerusakan dari mesin-mesin diesel
tersebut. Kapal-kapal tersebut memiliki
panjang 69 m, lebar 8,95 m, dan sarat 4,44 m.
Setiap kapal memiliki tiga unit mesin
diesel sebagai pendorong utama. Masing-
masing unit mesin diesel tersebut memiliki
daya antara 2000 hp hingga 4000 hp. Mesin-
mesin diesel tersebut merupakan mesin diesel
empat langkah dengan putaran mesin berkisar
antara 1000 rpm hingga 2000 rpm dan jumlah
silinder sama-sama 16 buah.
Data-data kerusakan yang digunakan adalah
data-data terbaru yang paling tidak berada
pada interval dua buah overhaul. Tabel 2
menunjukkan periode pengumpulan data,
jumlah kerusakan yang terjadi selama interval
dua buah overhaul, dan laju kerusakan yang
dihitung dengan rumus empiris yakni dengan
membagi waktu operasi sistem penggerak
motor diesel dengan jumlah kerusakan yang
terjadi selama waktu operasi tersebut.
Data-data kerusakan yang digunakan
adalah data-data terbaru yang paling tidak
berada pada interval dua buah overhaul.
Tabel 2 menunjukkan periode
pengumpulan data, jumlah kerusakan yang
terjadi selama interval dua buah overhaul, dan
laju kerusakan yang dihitung dengan rumus
empiris yakni dengan membagi waktu operasi
sistem penggerak motor diesel dengan jumlah
5
Tabel 2 . Periode pengumpulan data
Gambar 3. Perbandingan jumlah kerusakan per hari
Fa i l u r e r a t e Co m p a r a t i o n ( Em p i r i c a l c a l c u l a t i o n )
0
0.0 5
0. 1
0.1 5
0. 2
0.2 5
a m a k a p a l
kerusakan yang terjadi selama waktu operasi
tersebut.
Gambar 3 menunjukkan perbandingan
laju kerusakan mesin-mesin diesel yang
dihitung dengan cara empiris. Besarnya jumlah
kerusakan per hari berkisar antara 0.1008-
0.2102.
Untuk sistem penggerak motor diesel pada
kapal Lambung Mangkurat memiliki jumlah
kerusakan per hari paling tinggi. Hal ini
disebabkan sistem penggerak motor diesel
tersebut telah terpasang sejak tahun 1982.
Tabel 3 menunjukkan RCM Information
Worksheet dari sistem penggerak motor diesel
untuk semua kapal perang jenis parchim.
Failure mode dari setiap sistem penggerak
motor diesel tersebut dikelompokkan menjadi
beberapa kategori berdasarkan tingkat
pengaruhnya terhadap sistem ataupun personil.
Tabel 4 menunjukkan kategori-kategori
kerusakan berdasarkan tingkat pengaruhnya
terhadap sistem ataupun personil. Kerusakan-
kerusakan yang dianalisa mengacu kepada
Tabel 4 dan kerusakan-kerusakan yang dipilih
adalah kerusakan-kerusakan dimana failure
mode-failuremodenya mempengaruhi
kegagalan operasi sistem. Pada Tabel 5
ditunjukkan pengelompokkan failure mode
berdasarkan frekuensi terjadinya. Keputusan
yang akan diambil terhadap suatu failure mode
ditentukan terlebih dahulu dengan membuat
suatu risk matrix seperti yang ditunjukkan
pada Tabel 6. Kategori-kategori keputusan
yang diambil terhadap suatu failure mode
dapat dikelompokkan seperti pada Tabel 7.
Data-data kerusakan TTF dari masing-
masing failure mode untuk semua sistem
penggerak motor diesel pada setiap kapal
tersebut dimodelkan kedalam semua distribusi
yang telah disebutkan di atas. Parameter-
parameter untuk masing-masing distribusi
ditentukan dengan bantuan perangkat lunak
Weibull ++ 4 untuk mempercepat perhitungan
dari parameter-parameter tersebut. Distribusi-
distribusi yang diperoleh dari data-data
kerusakan tersebut kemudian dibandingkan
untuk memilih jenis distribusi yang paling
sesuai. Tabel 8 menunjukkan distribusi-
distribusi terbaik untuk masing-masing failure
mode yang terpilih dari semua sistem
penggerak motor diesel tersebut yang
diperoleh berdasarkan algoritma perhitungan
yang dimiliki oleh perangkat lunak Weibull ++
4.
Tabel 9 menunjukkan nilai dari parameter-
parameter distribusi yang mewakili masing-
masing data TTF sistem penggerak motor
diesel pada setiap kapal. Berdasarkan tabel
tersebut dapat terlihat bahwa terdapat sembilan
puluh sembilan model failure mode dari setiap
sistem penggerak motor diesel untuk masing-
masing kapal memiliki distribusi Weibull dua
atau tiga parameter, sebanyak delapan model
No Ship Initial Last Duration (days)
No.of failure
Failure/day
1 IMAM BONJOL 2Januari 2003
26 Desember 2004 724 73 0.100828729
2 CUT NYAK DHIEN
4 Januari 2004
29 Desember 2005 725 98 0.135172414
3 TEUKU UMAR
06 September 2003
27 Agustus 2004 720 130 0.180555556
4 SUTEDI SENA PUTRA
13 Maret 2003
25 Februari 2004 714 105 0.147058824
5 SUTANTO 25 Februari
2003
15 Februari 2004 718 90 0.125348189
6
SULTAN THAHA SYAIFUDDIN
19 Agustus 2004
1 Agustus 2005 712 123 0.172752809
7 SILAS PAPARE 21 Juli 2004 5 Juli 2005 719 143 0.198887344
8 MEMET SASTRAWIRIA
1 Maret 2004
21 Februari 2005 722 111 0.153739612
9 KAPITAN PATTIMURA
2 Februari 2004
29 Januari 2005 726 117 0.161157025
10 HASAN BASRI 27 Januari 2004
10 Januari 2005 713 136 0.190743338
11 PATI UNUS 19 Februari
2003 5 Februari 2004 716 131 0.182960894
12 UNTUNG SURAPATI
21 Januari2003
23 Januari 2004 732 114 0.155737705
13 LAMBUNG MANGKURAT
12 Maret 2003
5 Maret 2004 723 152 0.210235131
14 NUKU
15 September 2003
05 September 2004 720 146 0.202777778
15 TJIPTADI
05 September 2003
25 Agustus 2004 719 131 0.182197497
16 WIRATNO
10 September 2004
25 Agustus 2005 714 102 0.142857143
6
berdistribusi normal dan sebanyak lima model
lainnya memiliki distribusi eksponensial.
Pada dasarnya, pengeplotan kurva laju
kerusakan berdasarkan persamaan (6). Untuk
sejumlah data yang memiliki distribusi
Weibull dua atau tiga parameter, persamaan
(12) dapat digunakan untuk mengeplot laju
kerusakan. Data-data yang memiliki distribusi
normal, persamaan (6) dapat digunakan
dengan menghitung terlebih dahulu nilai pdf
dan keandalan pada waktu tertentu. Sedangkan
data-data yang berdistribusi eksponensial satu
atau dua parameter, persamaan (9) dapat
digunakan untuk mengeplot laju kerusakan.
Gambar 4 menunjukkan perbandingan
laju kerusakan dari masing-masing sistem
penggerak motor diesel pada setiap kapal
untuk ketujuh failure mode yang diplotkan
kedalam satu bidang kurva. Berdasarkan kurva
tersebut dapat terlihat bahwa untuk jam operasi
yang diuji, failure mode-failure mode dari
masing-masing sistem penggerak motor diesel
untuk setiap kapal memiliki frekuensi kejadian
yang berbeda-beda.
Tabel 10 menunjukkan frekuensi
kejadian masing-masing failure mode untuk
setiap kapal. Berdasarkan Tabel 10, failure
mode yang sering terjadi (frequent) terdapat
sebanyak tiga kali, yakni failure mode pertama
pada kapal Tjiptadi dan failure mode ketujuh
pada kapal Imam Bonjol dan Sutanto.
Sedangkan failure mode yang umum terjadi
(occasional) terdapat sebanyak tiga belas kali,
yakni failure mode pertama pada kapal Cut
Nyak Dhien, Sutedi Sena Putra, Sutanto,
Kapitan Pattimura; failure mode kedua pada
kapal Silas Papare, Memet Sastrawiria,
Tjiptadi; failure mode ketiga pada kapal
Tjiptadi; failure mode keempat pada kapal
Sutedi Sena Putra dan Memet Sastrawiria;
failure mode kelima pada kapal Silas Papare
dan Memet Sastrawiria; dan failure mode
keenam pada kapal Silas Papare. Failure mode
yang sangat mungkin terjadi terdapat hampir
pada semua kapal kecuali yang telah
disebutkan diatas. Penentuan peringkat resiko
dari masing-masing failure mode pada setiap
kapal mengacu kepada Tabel 6. Hasil-hasil
dari risk matriks untuk masing-masing failure
mode pada setiap kapal ditunjukkan pada
Tabel 11. Berdasarkan Tabel 11 dapat
diketahui bahwa tingkat resiko dari
keseluruhan failure mode yang dianalisa
berada pada tingkat resiko yang tinggi. Hal ini
disebabkan oleh pemilihan failure mode yang
dianalisis berdasarkan kategori catastrophic
yakni menyebabkan kematian atau sistem
shutdown serta laju kerusakan yang sering,
sangat mungkin, dan umum terjadi pada kapal-
kapal tersebut. Faktor usia sistem penggerak
motor diesel baik dari sisi kapal maupun motor
diesel dan sistem pendukung motor diesel yang
digunakan sangat berpengaruh terhadap
tingginya tingkat resiko pada sistem penggerak
motor diesel pada kapal-kapal yang telah
dianalisa. Faktor-faktor tersebut menunjukkan
bahwa sistem penggerak motor diesel pada
setiap kapal perang jenis parchim yang telah
dianalisa memiliki karakteristik-karateristik
periode wear out baik itu baru mulai
memasuki periode wear out maupun telah
berada pada periode wear out. Faktor-faktor
tersebut juga dapat menunjukkan bahwa
sebagian komponen ataupun peralatan telah
memasuki masa akhir pemakaian sehingga
program perawatan yang dilakukan terhadap
sistem penggerak motor diesel tersebut harus
dievaluasi keefektifannya.
Tabel 4. Severity of Consequences
Tabel 5. Severity of frequency
Severity of Consequence
Kategori Definisi
Catastrophic (I) Menyebabkan kematian personel atau sistem shutdown
Critical (II) Cedera parah/cacat atau sistem tidak dapat berfungsi sesuai dengan yang ditentukan
Marginal (III) Cedera ringan atau sistem mengalami penurunan fungsi kinerja
Negligible (IV) Cedera sangat ringan atau sistem dapat berfungsi dengan resiko kecil
Severity of Frequency
Frekuensi kejadian Definisi
Kualitatif Kuantitatif
Frequent Sering terjadi ≥ 1 x 10-3
Probable Sangat mungkin terjadi ≥ 1 x 10-4
Occasional Umum terjadi ≥ 1 x 10-5
Remote Jarang terjadi ≥ 1 x 10-6
Improbable Tidak mungkin terjadi < 1 x 10-6
7
Tabel 6. Risk Matrix Tabel 7. Rating of Risk
Tabel 9. Nilai dari parameter-parameter distribusi
IMAM BOJOL
Failure Mode Failure Mode 1 Failure Mode 2 Failure Mode 3 Failure Mode 4 Failure Mode 5 Failure Mode 6 Failure Mode 7
Jenis Distribusi Weibull (3 parameter) Weibull (3 parameter) Weibull (3 parameter) Weibull (3 parameter) Eksponensial (2 parameter) Weibull (3 parameter) Weibull (3 parameter)
Parameter
β 0.4598 β 1.4487 β 0.8747 β 1.0937 λ 0.0002 β 0.3212 β 0.8021
η 3368.2316 η 5277.9993 η 4324.6651 η 4409.3624 γ 1516.2761 η 1976.6093 η 4781.6094
γ 13.87 γ -1111.7899 γ 82.4075 γ 677.7 γ 902.3325 γ 193.9225
CUT YAK DHIE
Failure Mode Failure Mode 1 Failure Mode 2 Failure Mode 3 Failure Mode 4 Failure Mode 5 Failure Mode 6 Failure Mode 7
Jenis Distribusi Weibull (3 parameter) Weibull (3 parameter) Weibull (3 parameter) Weibull (3 parameter) Weibull (3 parameter) Weibull (3 parameter) Weibull (3 parameter)
Parameter
β 0.4598 β 0.5436 β 0.4668 β 0.7101 β 1.7656 β 0.8805 β 12.5368
η 3368.2316 η 2425.2537 η 3136.24 η 4452.0339 η 6120.1559 η 5297.3527 η 6170.9061
γ 13.87 γ 28.0125 γ 55.87 γ 1256.34 γ -362.8999 γ 180.5 γ -3833.7299
TEUKU UMAR
Failure Mode Failure Mode 1 Failure Mode 2 Failure Mode 3 Failure Mode 4 Failure Mode 5 Failure Mode 6 Failure Mode 7
Jenis Distribusi Weibull (2 parameter) Eksponensial (2 parameter) Weibull (3 parameter) Weibull (3 parameter) Weibull (3 parameter) Weibull (2 parameter) Weibull (3 parameter)
Parameter
β 0.7176 λ 0.0003 β 0.6919 β 1.016 β 3.9406 β 0.6678 β 1.3196
η 8756.8468 γ -30.2273 η 3521.8663 η 7152.5209 η 14670.2012 η 5841.4286 η 9645.4004
γ -24.6649 γ 452.37 γ -7041.4074 γ γ -352.9474
SUTEDI SEA PUTRA
Failure Mode Failure Mode 1 Failure Mode 2 Failure Mode 3 Failure Mode 4 Failure Mode 5 Failure Mode 6 Failure Mode 7
Jenis Distribusi Weibull (3 parameter) Weibull (3 parameter) Weibull (3 parameter) Normal Weibull (3 parameter) Weibull (3 parameter) Weibull (3 parameter)
Parameter
β 0.5478 β 0.8507 β 4.2763 σ 3278.3217 β 1.4116 β 0.7214 β 1.2786
η 6495.4505 η 5134.3289 η 23981.6692 µ 6269.6667 η 5128.624 η 2736.8759 η 6449.9551
γ 105.17 γ -212.0599 γ -15024.8999 γ 1384.725 γ 1290.81 γ -399.4424
SUTATO
Failure Mode Failure Mode 1 Failure Mode 2 Failure Mode 3 Failure Mode 4 Failure Mode 5 Failure Mode 6 Failure Mode 7
Jenis Distribusi Weibull (3 parameter) Weibull (3 parameter) Weibull (3 parameter) Weibull (3 parameter) Weibull (3 parameter) Weibull (2 parameter) Weibull (3 parameter)
Parameter
β 0.4807 β 0.7412 β 1.9801 β 0.8921 β 1.4899 β 0.9044 β 1.5343
η 4416.4708 η 4006.8626 η 9179.0658 η 4447.3893 η 4055.8563 η 2369.2118 η 2277.9629
γ 241.385 γ 137.925 γ 3525.1875 γ 133.2 1290.81 γ 6918.825
SULTA THAHA SYAIFUDDI
Failure Mode Failure Mode 1 Failure Mode 2 Failure Mode 3 Failure Mode 4 Failure Mode 5 Failure Mode 6 Failure Mode 7
Jenis Distribusi Weibull (3 parameter) Weibull (3 parameter) Weibull (3 parameter) Weibull (3 parameter) Weibull (3 parameter) Weibull (2 parameter) Weibull (2 parameter)
Parameter
β 5.0432 β 0.7336 β 0.582 β 1.5543 β 0.9646 β 1.0229 β 1.1243
η 11061.6758 η 4780.373 η 1781.535 η 7938.0185 η 5136.2382 η 7140.7277 η 5235.3229
γ 136.63 γ 569.8275 γ 578.5625 γ -1240.0024 γ 1815.35
SILAS PAPARE
Failure Mode Failure Mode 1 Failure Mode 2 Failure Mode 3 Failure Mode 4 Failure Mode 5 Failure Mode 6 Failure Mode 7
Jenis Distribusi Weibull (2 parameter) Weibull (2 parameter) Weibull (3 parameter) Weibull (3 parameter) Normal Normal Weibull (3 parameter)
Parameter β 0.48 β 0.5352 β 0.7214 β 1.0234 σ 5258.7333 σ 4827.596 β 0.6655
Risk Matrix
Frekuensi Frequent
≥ 1 x 10-3
≥ 1 per 1000 jam
Probable
≥ 1 x 10-4
≥ 1 per 10000 jam
Occasional
≥ 1 x 10-5
≥ 1 per 100000 jam
Remote
≥ 1 x 10-6
≥ 1 per 1000000 jam
Improbable
< 1 x 10-6
< 1 per 1000000 jam Konsekuensi
Catastrophic (I) 1 2 4 8 12
Tinggi Tinggi Tinggi Sedang Dapat diterima
Critical (II) 3 5 6 10 15
Tinggi Tinggi Sedang Dapat diterima Dapat diterima
Marginal (III) 7 9 11 14 17
Sedang Sedang Dapat diterima Dapat diterima Dapat diterima
egligible (IV) 13 16 18 19 20
Dapat diterima Dapat diterima Dapat diterima Dapat diterima Dapat diterima
Rating of Risk
Rating Definisi
Tinggi (high) Memerlukan perbaikan untuk mengeliminasi bahaya atau pemeriksaan
Sedang (medium) Memerlukan tinjauan ulang terhadap dapat diterimanya resiko
Dapat diterima (accept) Resiko yang dapat diterima ditinjau sebagai rancangan yang sudah matang
8
η 1735.0455 η 3762.077 η 4551.4328 η 5846.6633 µ 8014.2143 µ 7417.5556 η 3750.2062
γ -15.5749 γ -240.1399 γ 1920.1
MEMET SASTRAWIRIA
Failure Mode Failure Mode 1 Failure Mode 2 Failure Mode 3 Failure Mode 4 Failure Mode 5 Failure Mode 6 Failure Mode 7
Jenis Distribusi Weibull (3 parameter) Weibull (2 parameter) Weibull (3 parameter) Normal Normal Weibull (3 parameter) Weibull (3 parameter)
Parameter
β 1.6204 β 0.5554 β 1.6183 σ 4149.4883 σ 5784.7117 β 0.6333 β 0.8471
η 7318.9053 η 3893.4632 η 6817.4408 µ 7510.0001 µ 6388.8333 η 4370.2994 η 799.3514
γ 48.275 γ -1300.7824 γ 17.0125 γ 501.9475
KAPITA PATTIMURA
Failure Mode Failure Mode 1 Failure Mode 2 Failure Mode 3 Failure Mode 4 Failure Mode 5 Failure Mode 6 Failure Mode 7
Jenis Distribusi Weibull (3 parameter) Weibull (3 parameter) Weibull (3 parameter) Weibull (3 parameter) Weibull (3 parameter) Weibull (2 parameter) Weibull (3 parameter)
Parameter
β 0.4797 β 1.0193 β 0.6427 β 0.7095 β 2.1176 β 1.5509 β 0.8297
η 3343.0752 η 7419.4467 η 4258.7722 η 5825.9039 η 6867.8496 η 7286.8056 η 4732.7583
γ 443.3375 γ 26.6 γ 15.3625 γ -4.1624 γ 1124.08 γ 26.4925
HASA BASRI
Failure Mode Failure Mode 1 Failure Mode 2 Failure Mode 3 Failure Mode 4 Failure Mode 5 Failure Mode 6 Failure Mode 7
Jenis Distribusi Weibull (3 parameter) Weibull (3 parameter) Weibull (3 parameter) Weibull (2 parameter) Weibull (3 parameter) Eksponensial (1parameter) Weibull (3 parameter)
Parameter
β 5.0432 β 0.6263 β 0.5773 β 1.1635 β 1.2138 λ 0.0002 β 0.6469
η 11061.6758 η 2838.7934 η 4135.8119 η 7390.4529 η 5510.8811 η 4011.3176
γ 136.63 γ 482.5925 γ -9.6824 γ -133.6224 γ 762.44
PATI UUS
Failure Mode Failure Mode 1 Failure Mode 2 Failure Mode 3 Failure Mode 4 Failure Mode 5 Failure Mode 6 Failure Mode 7
Jenis Distribusi Weibull (3 parameter) Weibull (3 parameter) Eksponensial (1parameter) Weibull (3 parameter) Weibull (3 parameter) Weibull (3 parameter) Weibull (3 parameter)
Parameter
β 1.692 β 0.7054 λ 0.0003 β 0.6311 β 0.7131 β 1.1473 β 1.231
η 14678.7233 η 4936.5449 η 4396.6563 η 6762.1958 η 5091.6029 η 8097.275
γ -4174.8999 γ 22.6675 γ 17.425 γ -15.2999 γ 1524.5125 γ -351.7299
UTUG SURAPATI
Failure Mode Failure Mode 1 Failure Mode 2 Failure Mode 3 Failure Mode 4 Failure Mode 5 Failure Mode 6 Failure Mode 7
Jenis Distribusi Weibull (2 parameter) Weibull (3 parameter) Weibull (2 parameter) Weibull (2 parameter) Weibull (3 parameter) Weibull (2 parameter) Weibull (3 parameter)
Parameter
β 1.3457 β 1.0266 β 1.0796 β 0.7113 β 0.6463 β 0.9699 β 0.681
η 11588.8102 η 4132.8502 η 5987.9974 η 3120.3772 η 7411.0133 η 7922.1922 η 3993.0998
γ 540.13 γ -25.8349 γ 172.52
LAMBUG MAGKURAT
Failure Mode Failure Mode 1 Failure Mode 2 Failure Mode 3 Failure Mode 4 Failure Mode 5 Failure Mode 6 Failure Mode 7
Jenis Distribusi Eksponensial (2parameter) Weibull (2 parameter) Weibull (3 parameter) Weibull (3 parameter) Weibull (3 parameter) Weibull (3 parameter) Weibull (3 parameter)
Parameter
λ 9.92873E-05 β 0.952 β 0.6521 β 0.8267 β 0.6227 β 0.8105 β 1.2066
γ 644.3874 η 5645.7471 η 4147.2751 η 3350.459 η 5905.3555 η 4771.8998 η 2761.65
γ 13.7125 γ 100.29 γ -19.3024 γ -62.2024 γ 907.6
UKU
Failure Mode Failure Mode 1 Failure Mode 2 Failure Mode 3 Failure Mode 4 Failure Mode 5 Failure Mode 6 Failure Mode 7
Jenis Distribusi Weibull (3 parameter) Normal Weibull (3 parameter) Weibull (3 parameter) Weibull (3 parameter) Weibull (3 parameter) Weibull (3 parameter)
Parameter
β 1.466 σ 4278.0714 β 1.6885 β 1.2695 β 0.5728 β 0.7189 β 1.5358
η 10477.6071 µ 4096.4926 η 9038.7 η 5440.484 η 3748.3986 η 4257.6839 η 7004.87
γ -2646.7749 γ -1700.7999 γ -16.1199 γ 408.255 γ 0.925 γ 1417.85
TJIPTADI
Failure Mode Failure Mode 1 Failure Mode 2 Failure Mode 3 Failure Mode 4 Failure Mode 5 Failure Mode 6 Failure Mode 7
Jenis Distribusi Weibull (3 parameter) Normal Normal Weibull (3 parameter) Weibull (3 parameter) Weibull (3 parameter) Weibull (3 parameter)
Parameter
β 3.0044 σ 5579.4286 σ 6174.4 β 1.0508 β 0.9773 β 0.7614 β 0.5623
η 7726.6481 µ 3763.5082 µ 4891.4814 η 4259.6012 η 7442.0321 η 5674.2808 η 3001.7692
γ 82.795 γ 641.4 γ 726.1 γ 418.9975 γ -1.3299
WIRATO
Failure Mode Failure Mode 1 Failure Mode 2 Failure Mode 3 Failure Mode 4 Failure Mode 5 Failure Mode 6 Failure Mode 7
Jenis Distribusi Weibull (2 parameter) Weibull (3 parameter) Weibull (2 parameter) Weibull (3 parameter) Weibull (3 parameter) Weibull (3 parameter) Weibull (3 parameter)
Parameter
β 1.5295 β 1.0008 β 0.9745 β 0.9574 β 0.761 β 0.6692 β 0.9187
η 6200.0028 η 4703.8364 η 6390.2658 η 5640.8201 η 5296.9266 η 3076.8879 η 4813.6868
γ 593 γ 535.44 γ 50.9725 γ 2076.7525 γ 2036.485
9
Gambar 4. Perbandingan masing-masing failure mode pada semua kapal
OH-FR (FM 1)
0
0.0001
0.0002
0.0003
0.0004
0.0005
0.0006
0.0007
0.0008
0.0009
0.001
0.0011
3000 4000 5000 6000 7000 8000 9000 10000 11000 12000 13000 14000
OH (jam)
FR
FM 1 IMBON FM 1 CND FM 1 TeU FM 1 SSP
FM 1 Sut FM 1 STS FM 1 SP FM 1 MS
FM 1 KP FM 1 HB FM 1 PU FM 1 US
FM 1 LM FM 1 NUKU FM 1 Tjip FM 1 Wir
OH - FR (FM 2)
0
0.000075
0.00015
0.000225
0.0003
0.000375
0.00045
3000 4000 5000 6000 7000 8000 9000 10000 11000 12000 13000 14000
OH (jam)
FR
FM 2 IMBON FM 2 CND FM 2 TUFM 2 SSP FM 2 Sut FM 2 STSFM 2 SP FM 2 MS FM 2 KPFM 2 HB FM 2 PU FM 2 USFM 2 LM FM 2 NUKU FM 2 TjipFM 2 Wir
OH - FR (FM 4)
0
0.00005
0.0001
0.00015
0.0002
0.00025
0.0003
0.00035
3000 4000 5000 6000 7000 8000 9000 10000 11000 12000 13000 14000
OH (jam)FR
FM 4 IMBON FM 4 CND FM 4 TU FM 4 SSP
FM 4 Sut FM 4 STS FM 4 SP FM 4 MS
FM 4 KP FM 4 HB FM 4 PU FM 4 US
FM 4 LM FM 4 NUKU FM 4 Tjip FM 4 Wir
OH - FR (FM 3)
0
0.000075
0.00015
0.000225
0.0003
0.000375
0.00045
3000 4000 5000 6000 7000 8000 9000 10000 11000 12000 13000 14000
OH (jam)
FR
FM 3 IMBON FM 3 CND FM 3 TUFM 3 SSP FM 3 Sut FM 3 STS FM 3 SP FM 3 MS FM 3 KPFM 3 HB FM 3 PU FM 3 USFM 3 LM FM 3 NUKU FM 3 TjipFM 3 Wir
10
OH - FR (FM 5)
0
0.00015
0.0003
0.00045
0.0006
0.00075
3000 4000 5000 6000 7000 8000 9000 10000 11000 12000 13000 14000
OH (jam)
FR
FM 5 IMBON FM 5 CND FM 5 TUFM 5 SSP FM 5 Sut FM 5 STSFM 5 SP FM 5 MS FM 5 KPFM 5 HB FM 5 PU FM 5 USFM 5 LM FM 5 NUKU FM 5 TjipFM 5 Wir
OH - FR (FM 6)
0
0.0001
0.0002
0.0003
0.0004
0.0005
3000 4000 5000 6000 7000 8000 9000 10000 11000 12000 13000 14000
OH (jam)
FR
FM 6 IMBON FM 6 CND FM 6 TUFM 6 SSP FM 6 Sut FM 6 STSFM 6 SP FM 6 MS FM 6 KPFM 6 HB FM 6 PU FM 6 USFM 6 LM FM 6 NUKU FM 6 TjipFM 6 Wir
OH - FR (FM 7)
0
0.0015
0.003
0.0045
0.006
0.0075
0.009
2000 3000 4000 5000 6000 7000 8000 9000 10000 11000 12000 13000 14000
OH (jam)
FR
FM 7 IMBON FM 7 CNDFM 7 TU FM 7 SSPFM 7 Sut FM 7 STSFM 7 SP FM 7 MSFM 7 KP FM 7 HBFM 7 PU FM 7 USFM 7 LM FM 7 NUKUFM 7 Tjip FM 7 Wir
11
Tabel 10. Frekuensi kejadian masing-masing failure mode untuk setiap kapal
NO Nama Kapal Failure Mode 1 Failure Mode 2 Failure Mode 3 Failure Mode 4 Failure Mode 5 Failure Mode 6 Failure Mode 7
1 IMAM BONJOL Probable Probable Probable Probable Probable Probable Frequent
2 CUT NYAK DHIEN Occasional Probable Probable Probable Probable Probable Probable
3 TEUKU UMAR Probable Probable Probable Probable Probable Probable Probable
4 SUTEDI SENA PUTRA Occasional Probable Probable Occasional Probable Probable Probable
5 SUTANTO Occasional Probable Probable Probable Probable Probable Frequent
6 SULTAN THAHA SYAIFUDDIN Probable Probable Probable Probable Probable Probable Probable
7 SILAS PAPARE Probable Occasional Probable Probable Occasional Occasional Probable
8 MEMET SASTRAWIRIA Probable Occasional Probable Occasional Occasional Probable Probable
9 KAPITAN PATTIMURA Occasional Probable Probable Probable Probable Probable Probable
10 HASAN BASRI Probable Probable Probable Probable Probable Probable Probable
11 PATI UNUS Probable Probable Probable Probable Probable Probable Probable
12 UNTUNG SURAPATI Probable Probable Probable Probable Probable Probable Probable
13 LAMBUNG MANGKURAT Probable Probable Probable Probable Probable Probable Probable
14 NUKU Probable Probable Probable Probable Probable Probable Probable
15 TJIPTADI Frequent Occasional Occasional Probable Probable Probable Probable
16 WIRATNO Probable Probable Probable Probable Probable Probable Probable
12
5. KESIMPULA
Paper ini telah membahas analisis
laju kerusakan berdasarkan failure
mode dari enam belas unit sistem
penggerak motor diesel yang terpisah
untuk menggerakkan kapal perang
jenis parchim.
Berdasarkan analisis yang telah
dilakukan terhadap failure mode paling
kritis dari masing-masing kapal perang
jenis parchim tersebut, dapat diketahui
bahwa sistem penggerak motor diesel
pada kapal-kapal tersebut memiliki
karakteristik-karakteristik wear-out
dengan tingkat resiko yang tinggi.
Sebelum dilakukan pengambilan
keputusan untuk mengganti
komponen-komponen ataupun
peralatan-peralatan dari sistem
penggerak motor diesel tersebut,
analisis lebih lanjut terhadap sistem
penggerak motor diesel tersebut
berkaitan dengan metode perawatan
yang digunakan, interval perawatan,
jumlah perawatan yang dilakukan, dsb.
sangat disarankan untuk menghasilkan
analisis RCM yang acceptable dan
sustainable.
DAFTAR PUSTAKA
Conachey, Robert M., Montgomery,
Randal L. (2003), “Application
of Reliability-centered
Maintenace Tecniques to The
Marine Industry”, SNAME,
Texas.
NAVAIR 00-25-403 (2001),
“Guidelines for the Naval
Aviation Reliability-Centered
Maintenance Process”, Direction
of Commander, Naval Air
Systems Command.
Masroeri, A.A., Priyanta, D. and Artana,
K.B. (2000), “Failure Rate
Analysis of 1000 hp Main
Engines Installed on Small
General Cargo Ships : a Proof of
Wear-Out Period of Installed
Main Engines”, Proceedings of
Sixth International Syposium on
Marine Engineering (ISME),
Vol.2.
Moubray, John (1997), “Reliability-
centered Maintenance”,
Industrial Press Inc. New York.
Walpole, R.E. (1993), “Pengantar
Statistika” PT. Gramedia
Pustaka Utama, Jakarta.
Mabes TNI AL., “Blue Print TNI AL
2013”, 2004.
Dismatal, Satharmatim., ” Sistim
Pemeliharaan Terencana ( Planned
Maintenance System)”.
Mabesal., “Rancangan Postur TNI
AL tahun 2005-2024”. Agustus 2005. Artana, Ketut Budha (2003),
“ Penjadwalan dan Penentuan Lokasi
Perawatan Optimum Sistem
Permesinan di Kapal “, Jornal
Teknologi Kelautan, Vol. 7
Mabes TNI AL., “Data Teknis Kelas
Parchim “, 2004.