Proses maintenance mesin di shop floor kini bergeser ke arah proactive maintenance. Proactive maintenance adalah sebuah proses dimana proses maintenance dilakukan sebelum terjadi kerusakan pada mesin. Proactive maintenance sendiri terbagi menjadi preventive maintenance, condition-based maintenance dan predictive maintenance.
Pernah terbayang berapa kerugian yang bisa ditekan dan seberapa praktisnya jika sebuah mesin hanya perlu maintenance di waktu tertentu yang dianggap paling optimal? Konsep inilah yang disebut dengan predictive maintenance. Berbeda dengan preventive dan condition-based maintenance yang mana kegiatan pemeliharaan dilakukan secara rutin dalam jangka waktu tertentu atau saat mesin sudah berada dalam kondisi tertentu. Gambar 1 menunjukkan perbedaan antara preventive maintenance, condition-based maintenance dan predictive maintenance.
Gambar 1
“Tren di masa depan, kita tidak lagi terus menerus menyelesaikan masalah, tapi bagaimana kita bisa menghindari masalah muncul.”
Predictive maintenance (PdM) memberikan kesempatan bagi perusahaan untuk melacak kondisi mesin dan memberikan peringatan sebelum kerusakan terjadi. Hal ini memberi dampak positif dari sisi mesin maupun perusahaan. PdM mampu menekan biaya maintenance, mengurangi downtime, menjaga keselamatan operator, hingga meningkatkan nilai OEE dan produktivitas mesin.
Elemen-elemen industri 4.0 seperti big data, IoT, cloud dan artificial intelligence (AI) berperan penting dalam membantu implementasi PdM tingkat lanjut. Data-data terkait kondisi mesin yang direkam oleh sensor kemudian dikumpulkan dan disimpan di computerized maintenance management system (CMMS) atau sistem manajemen pemeliharaan terkomputerisasi. Dari data-data yang terkumpul di CMMS kemudian dianalisis dengan bantuan AI dan IIoT hingga menghasilkan data berupa informasi prediktif.
Namun implementasi PdM 4.0 masih terbilang belum universal. Belum banyak perusahaan yang mengimplementasikan cara ini. Kebanyakan masih berada pada industri 3.0, di tingkat maturity yang masih awal yaitu di tahap visual inspection atau instrument inspection (lihat gambar 2)
Gambar 2
Untuk memulai implementasi PdM, ada beberapa hal yang perlu diperhatikan agar predictive maintenance bisa diimplementasikan secara efektif dan menguntungkan bagi perusahaan. Berikut 6 langkah implementasi predictive maintenance yang bisa dilakukan:
1. Identifikasi aset untuk PdM
Pertama, Anda perlu menentukan aset mana yang ingin Anda sertakan dalam program pemeliharaan prediktif Anda
2. Pengumpulan data
Catatan tentang mesin merupakan sumber data yang dapat ditindaklanjuti yang berharga dan bisa menghemat waktu untuk membantu menjalankan PdM. Data tersebut menyajikan informasi tentang mesin untuk menentukan bagaimana model PdM seharusnya dirancang.
3. Analisis kegagalan mesin
Pada titik ini, Anda harus melakukan analisis aset yang Anda putuskan untuk ditempatkan pada program PdM. Tujuan dari analisis ini adalah untuk mengidentifikasi mode kegagalan.
4. Pilih dan terapkan teknik condition monitoring
Program predictive maintenance mengintegrasikan berbagai jenis informasi mesin seperti data kinerja untuk membuat keputusan yang tepat tentang intervensi perawatan.
5. Kembangkan algoritma untuk membuat prediksi kegagalan
Selanjutnya adalah mengembangkan algoritma yang akan menjadi dasar untuk memprediksi setiap mode kegagalan yang diidentifikasi dengan FMEA
6. Mulai dengan pilot project
Langkah terakhir dari implementasi adalah mulai dengan pilot project. Mulai dengan beberapa aset untuk dijadikan contoh.
Kemajuan teknologi, seperti adanya computerized maintenance management system dan Internet of Things (IoT) dalam PdM memang bisa membantu perusahaan asset-intensive menerapkan strategi proactive maintenance untuk memastikan peningkatan keandalan dan ketersediaan mesin. Namun yang terpenting adalah bagaimana sistem yang telah dibangun ini bisa berjalan dan dilakukan dengan benar.
Simak bagaimana para praktisi PdM menyampaikan best practice implementasi PdM di industri manufaktur dalam siaran ulang webinar “How To Deploy Effective PdM in Digitalization Era” di channel YouTube Machine Vision Indonesia.
