Search
  • Machine Vision Indonesia

Predictive Maintenance: Penyempurna Strategi Maintenance


Sebelum majunya teknologi seperti sekarang, banyak profesional telah menggabungkan berbagai teknik, baik secara kuantitatif maupun kualitatif, untuk mengidentifikasi kegagalan dan mengurangi downtime pada mesin dan fasilitas lain di pabrik manufaktur. Namun dengan kemajuan teknologi saat ini, mereka dapat dengan mudah memaksimalkan umur mesin sambil tetap menghindari kegagalan mesin.


Tiap aset dan mesin yang digunakan sebagai infrastruktur pabrik pasti mempunyai masa manfaat tersendiri dan mengalami penuaan. Dalam masa manfaat tersebut jika tidak dirawat dengan baik akan memunculkan masalah seperti downtime dan kegagalan produksi Selain mengganggu proses produksi, hal ini juga semakin memperpendek umur aset. Jika kerusakan aset sudah semakin parah, jalan satu-satunya harus investasi ke aset baru yang mana memakan biaya cukup besar.


Dilansir PTC, maintenance yang buruk dapat mengurangi volume produksi pabrik antara 5 dan 20 persen secara keseluruhan. Studi terbaru oleh The Wall Street Journal mengungkapkan bahwa adanya unplanned downtime mengakibatkan kerugian sekitar $50 miliar setiap tahun. Secara tradisional, produsen sulit untuk menentukan seberapa sering mesin harus dimatikan untuk diservis sambil mempertimbangkan risiko kehilangan waktu produksi. Secara umum saat ini ada 3 opsi strategi maintenance infrastruktur, yaitu:

  1. Reactive maintenance Strategi ini adalah maintenance tahap pertama, paling umum dan tidak berteknologi maju. Reactive maintenance terkesan membiarkan aset mengalami kerusakan terlebih dahulu dan memanfaatkan mesin hingga kemampuan batasnya. Namun, hal ini dapat menyebabkan kerusakan mesin yang fatal dan berpotensi mengakibatkan kerusakan lebih lanjut. Keuntungan: Pemanfaatan aset secara maksimal Kekurangan: Potensi kerusakan meluas ke area lain, unplanned downtime dan menimbulkan biaya maintenance lebih tinggi

  2. Planned maintenance Dengan mengganti suku cadang aset sebelum rusak, maintenance berbasis waktu yang direncanakan dapat membantu menghindari kerusakan mesin dan mengurangi unplanned downtime. Namun, planned maintenance seringkali memerlukan downtime terencana yang lebih besar, yang mungkin sulit dibenarkan. Sebagai contoh, alat berat yang tampak baik-baik saja tidak di maintenance menunggu downtime lebih besar dan tiba tiba offline dan mengganggu operasional produksi. Keuntungan: Meminimalisir kemungkinan mesin rusak dan downtime yang tidak direncanakan, lebih hemat biaya dibandingkan reactive maintenance Kekurangan: Peningkatan downtime yang direncanakan dan biaya penggantian dari waktu ke waktu

  3. Proactive maintenance Strategi maintenance ini mewakili pendekatan analitik yang memanfaatkan data. Proactive maintenance mengidentifikasi dan mengatasi sumber masalah menyebabkan kerusakan tersebut sejak awal, seperti pelumasan mesin yang tidak tepat, kontaminasi, ketidaksejajaran, atau kondisi kelembaban dan suhu yang tidak optimal. Keuntungan: Umur aset lebih lama, penurunan downtime baik terencana maupun tidak terencana, persediaan suku cadang lebih rendah Kekurangan: pemeliharaan dan pemantauan berkelanjutan, membutuhkan perubahan organisasi dan karyawan harus dilatih.

Di antara ketiga strategi maintenance di atas, dengan kemajuan teknologi saat ini memunculkan strategi predictive maintenance yang dapat mengambil alih keseluruhan manfaat strategi maintenance sebelumnya dan menyempurnakan keseluruhan kekurangannya.


Kemunculan Strategi Predictive Maintenance

Predictive maintenance hadir mengungguli ketiga strategi maintenance lama. Proses kerja PdM dimulai dari menganalisis data yang dikumpulkan dari platform IoT yang akan memprediksi kapan suatu bagian mesin akan gagal dan memberitahukan kapan maintenance harus dilakukan. Dibandingkan menggunakan suku cadang hingga rusak atau mengganti suku cadang yang sangat bagus yang mungkin memiliki banyak siklus yang tersisa, predictive maintenance membantu perusahaan melakukan maintenance hanya ketika atau, lebih tepatnya, sebelum dibutuhkan.


Berikut beberapa langkah untuk menerapkan maintenance infrastruktur yang efektif:

  1. Integrasi dan pembersihan data maintenance Identifikasi, kompilasi dan integrasikan data dari berbagai sumber dan lakukan pembersihan data atau informasi yang terduplikat atau tidak valid

  2. Analisis data Manfaatkan kumpulan data analitik yang pernah dilakukan sebelumnya untuk mengidentifikasi korelasi yang signifikan secara statistik antara faktor risiko potensial dan terjadinya kebutuhan perbaikan dan/atau kegagalan dalam infrastruktur aset.

  3. Manfaatkan lokasi sistem informasi geografis dari faktor risiko. Masukkan faktor risiko utama dan skor risiko ke dalam representasi geospasial infrastruktur.

  4. Analisis prediktif Analisis ini dapat digunakan untuk memprediksi masalah "kemungkinan besar membutuhkan perbaikan atau berisiko gagal”. Termasuk memberikan solusi identifikasi pemicu risiko, skenario konsekuensi tinggi, perhitungan dampak risiko, dan penentuan probabilitas kejadian dan konsekuensi.

Menurut Deloitte, predictive maintenance dapat mengurangi waktu yang diperlukan untuk perencanaan maintenance sebesar 20–50 persen, dan mengurangi biaya pemeliharaan keseluruhan sebesar 5–10 persen. Dalam strategi reactive, planned atau proactive maintenance, biasanya berbagai macam suku cadang disebar untuk mengatasi kegagalan suku cadang yang tiba-tiba. Hal inilah yang menyebabkan penumpukan inventori suku cadang. Sehingga munculnya predictive maintenance memungkinkan perusahaan mengelola proses maintenance dengan lebih efisien.


Baca juga: 6 Langkah Implementasi Predictive Maintenance yang Efektif


Sebagai ilustrasi, Trenitalia, perusahaan operator kereta di Italia yang harus memberhentikan sekitar 1.600 keretanya, tidak hanya untuk maintenance yang terjadwal secara teratur namun juga ketika kereta gagal beroperasi secara tak terduga. Hal ini tentunya mengganggu penumpang karena banyaknya penundaan.


Untuk mengatasi masalah tersebut, Trenitalia memasang ratusan sensor onboard pada 1.500 lokomotif sebagai inisiatif peningkatan maintenance selama tiga tahun. Sensor ini akan memunculkan data secara real-time yang nantinya memberikan peringatan dini tentang kegagalan suku cadang seperti bantalan rem. Secara keseluruhan, Trenitalia mampu mengurangi waktu henti sebesar 5–8 persen dan mengurangi pengeluaran pemeliharaan tahunan sebesar $1,3 miliar sekitar 8–10 persen, menghemat sekitar $100 juta per tahun.


Predictive maintenance hadir sebagai penyempurna beberapa strategi maintenance yang lama. Berdasar pembahasan di atas, predictive maintenance memungkinkan perusahaan untuk memaksimalkan masa manfaat suku cadang mereka sambil menghindari unplanned downtime, meminimalkan planned downtime, dan menghemat biaya.


Recent Posts

See All

Ready to digitally transform your company? 

Discuss with us how our solution enables future digital growth in your company 

Screenshot_2022-11-14_at_11.54.24_AM-removebg-preview.png