| dc.identifier.citation | Anindita, R. W., dkk, 2013, Identifikasi Pola Kerusakan Komponen Kritis Pada Mesin EAF Dengan Simulasi Monte Carlo, Jurnal Teknik Industri, Vol. 1, No. 4, Universitas Sultan Ageng Tirtayasa. Arifin, M., 2009, Simulasi Sistem Industri Edisi Pertama, Graha Ilmu, Yogyakarta. Jardine, A. K. S. & Tsang, A. H. C., 1973, Maintenance, Replacement And Reliability, Pitman Publishing Corporation, Canada. Sefurrokhim, D, 2013, Penjadwalan Perawatan Prevemtive Komponen Kritis Pada Mesin Excavator, Skripsi, UIN Sunan Kalijaga, Yogyakarta. Silalahi, H., 2009, Pengendalian Persediaan Suku Cadang Mesin-Mesin Pabrik Di PT Perkebunan Nusantara III PKS Rambutan Tebing Tinggi, Universitas Sumatera Utara, Medan. Sodikin, I., Pawesti, G. H., 2013, Penentuan Jadwal Perawatan Komponen Kritis Melalui Analisis Kerusakan Mesin dengan Pendekatan Mean Time To Failure, Prosiding Industrial EngIneering National Conference (IENACO 2013), Universitas Muhammadiyah Surakarta, 28 Maret 2013, ISSN: 2337-4349, halaman 170 -177 Taufik dan Septiani, S., 2015, Penentuan Interval Waktu Perawatan Komponen Kritis Pada Mesin Turbin Di PT PLN (PERSERO) Sektor Pembangkit Ombilin, Jurnal Optimasi Sistem Insustri, Unuversitas Andalas. Padang. | id_ID |
| dc.description.abstract | Perawatan terjadwal merupakan aktivitas perawatan yang terencana dan bertujuan agar mesin mampu menjalankan fungsinya dengan baik. Mesin filling adalah mesin utama dalam proses packing di CV Cita Nasional, sehingga perlu dilakukan perawatan yang terencana untuk menjaga mesin tetap beroperasi. Kebijakan perusahaan yang masih menerapkan sistem perawatan korektif berpotensi terhadap terjadinya kerusakan pada saat proses produksi berjalan. Kajian ini dilakukan dalam upaya menentukan interval waktu perawatan mesin yang optimal dan tingkat ketersediaan komponen yang memadai. Berdasarkan pendekatan metode ABC dan pareto diagram, terdapat empat komponen kritis pada mesin filling yaitu komponen elemen pemanas, cutting, thermocouple dan termo kontrol. Nilai MTTF data historis untuk masing-masing komponen adalah 13, 13, 36 dan 36 (hari). Simulasi data perawatan dengan metode Monte Carlo digunakan untuk memperkirakan distribusi kerusakan yang akan terjadi. Nilai MTTF hasil simulasi dijadikan pembanding kesesuaian pola distribusi data perawatan dengan sistem nyatanya. Nilai MTTF hasil simulasi adalah 14, 14, 26 dan 29 (hari). Hasil keputusan dan pembanding lanjutan dilakukan melalui pendekatan preventive Age Replacement agar diperoleh tingkat ketersediaan komponen. Diperoleh hasil interval penggantian optimal keempat komponen adalah 10, 13, 28 dan 27 (hari) dengan nilai availabilty yaitu 99,29%, 99,45%, 99,50% dan 99,58%. | id_ID |
