Upload
rudini-mulya
View
922
Download
3
Tags:
Embed Size (px)
Citation preview
Program Studi Teknik Industri Universitas Mercubuana, Jakarta
Jurnal Skripsi – September 2013
1
PERHITUNGAN OEE (OVERALL EQUIPMENT EFFECTIVENES)
PADA MESIN TRUPUNCH V 5000 I
MENUJU TOTAL PRODUCTIVE MAINTENANCE (TPM)
Study Kasus Pada PT XYZ
Muhammad Kholil
(1), Rudini Mulya
(2)
Program Studi Teknik Industri
Universitas Mercubuana – Jakarta
Email: 1)
Abstrak Penelitian ini dilakukan bertujuan untuk merumuskan efektivitas dan efisiensi kinerja dari
mesin Trupunch V 5000 I di PT. XYZ berdasarkan nilai Overall Equipment Effectiveness (OEE). Faktor yang
mempengaruhi penurunan efektivitas peralatan disebut Six Big Losses, yaitu Breakdown Loss, Set
Up/Adjustment Loss, Idling and Minor Stoppages, Reduce speed losses, Yield/Scrap Losses, Rework.Pada
laporan skripsi ini Penulis menerapkan metode Overall Equipment Effectiveness (OEE) untuk mengetahui
efektivitas dan efisiensi kinerja dari mesin Trupunch V 5000 I. Dalam penelitian ini dilakukan pengumpulan data
dengan mengambil data kerusakan mesin Trupunch V 5000 I dan mengolah data seperti mencari nilai OEE,
korelasi dan regresi serta menggunakan diagram fishbone.Berdasarkan dari hasil peritungan OEE faktor Six Big
Losses yang memberikan kontribusi terbesar pada mesin Trupunch V 5000 I adalah Reduce Speed Losses
dengan rata-rata nilai sebesar 28,97%, diikuti dengan Yield/Scrap Losses sebesar 16,39%, diikuti dengan Idling
and Minor Stoppages sebesar 7,67%, diikuti dengan Set Up/Adjustment Loss sebesar 2,93 %, dikiuti dengan
breakdown losses sebesar 2,53 % dan rework losses sebesar 0,69 %.
Kata Kunci: Mesin Trupunch V 5000 I, Overall Equipment Effectiveness (OEE), Six Big Losses, Regresi dan
Korelasi.
Abstrac This study was aimed to formulate the effectiveness and efficiency of the performance of the
engine V 5000 I Trupunch in PT. XYZ based on the value of Overall Equipment Effectiveness (OEE). Factors
affecting the decline in effectiveness of equipment called the Six Big Losses, namely Breakdown Loss, Set Up /
Loss Adjustment, Idling and Minor Stoppages, Reduce speed losses, Yield / Losses Scrap, Rework.This paper
reports on the authors apply the method of Overall Equipment Effectiveness (OEE) to examine the effectiveness
and efficiency of the performance of the engine V 5000 Trupunch I. In this research, data collection by retrieving
data Trupunch V 5000 engine failure and process the data as I find the value of OEE, correlation and
regression, and using fishbone diagrams.Based on the results peritungan Six Big Losses OEE factors that
contribute most to the machine I was Trupunch V 5000 Speed Reduce Losses with an average value of 28.97%,
followed by Yield / Scrap Losses amounted to 16.39%, followed by idling and Minor Stoppages by 7.67%,
followed by Set Up / Loss Adjustment for 2.93%, breakdown dikiuti with losses of 2.53% and rework losses of
0.69%.
Keywords: Mechanical Trupunch V 5000 I, Overall Equipment Effectiveness (OEE), Six Big Losses, Regression
and Correlation.
Program Studi Teknik Industri Universitas Mercubuana, Jakarta
Jurnal Skripsi – September 2013
2
1 PENDAHULUAN
1.1 LATAR BELAKANG
Usaha perbaikan pada industri manufaktur, dilihat dari segi peralatan adalah dengan meningkatkan efektivitas mesin/peralatan yang ada seoptimal mungkin. Pada prakteknya, seringkali usaha perbaikan yang dilakukan tersebut hanya pemborosan, karena tidak menyentuh akar permasalahan yang sesungguhnya. Hal ini disebabkan karena tim perbaikan tidak mendapatkan dengan jelas permasalahan yang terjadi dan faktor-faktor yang menyebabkannya. Untuk itu diperlukan suatu metode yang mampu mengungkapkan permasalahan dengan jelas agar dapat melakukan peningkatan kinerja peralatan dengan optimal. 1.2 Perumusan Masalah
Berdasarkan uraian latar belakang masalah di atas, perumusan masalah yang menjadi objek kajian dalan penelitian ini adalah sebagai berikut : 1. Bagaimanakah efektivitas dan efisiensi
kinerja dari mesin Trupunch V 5000 I di PT. XYZ berdasarkan nilai Overall Equipment Effectiveness (OEE) ?
2. Faktor apa yang memberikan kontribusi terbesar terhadap nilai OEE dari six big losses pada mesin Trupunch V 5000 I?
3. Bagaimana solusi perbaikan yang dapat dilakukan PT. XYZ dengan menggunakan diagram sebab akibat?
1.3 Batasan Masalah
Pembahasan terhadap suatu masalah yang dikemukakan harus ada suatu pembatasan agar ruang lingkupnya tidak menyimpang, terarah dan mudah dipahami sehingga tujuan dari kerja praktek dapat tercapai dengan optimal. Adapun batasan – batasan masalah dalam penelitian ini adalah sebagai berikut :
1. Penelitian yang dilakukan tidak sampai pada perhitungan biaya.
2. Penelitian yang dilakukan hanya sampai pada pemberian usulan perbaikan.
3. Pendefinisian permasalahan utama dilakukan dengan menggunakan diagram sebab akibat.
1.4 Tujuan Penelitian
Tujuan dari penelitian ini adalah sebagai berikut :
1. Merumuskan efektivitas dan efisiensi kinerja dari mesin Trupunch V 5000 I di PT. XYZ berdasarkan nilai Overall Equipment Effectiveness (OEE).
2. Untuk merumuskan faktor-faktor yang memberikan kontribusi terbesar terhadap nilai OEE dari six big losses pada mesin Trupunch V 5000 I.
3. Untuk mengetahui solusi perbaikan yang dapat dilakukan PT. XYZ dengan menggunakan diagram sebab akibat?
2. Landasan Teori 2.1 Pemeliharaan
Menurut Patrick (2001, p407), maintenance adalah suatu kegiatan untuk memelihara dan menjaga fasilitas yang ada serta memperbaiki, melakukan penyesuaian atau penggantian yang diperlukan untuk mendapatkan suatu kondisi operasi produksi agar sesuai dengan perencanaan yang ada. 2.2 Total Productive Maintenance (TPM)
Total Productive Maintenance mula mula berasal dari pemikiran PM ( Preventive Maintenance dan Production Maintenance), dari Amerika masuk ke Jepang dan berkembang menjadi suatu sistem baru khas Jepang yang kemudian dikenal sebagai TPM (Total Productive Maintenance). Total Productive Maintenance adalah konsep pemeliharaan yang melibatkan seluruh pekerja yang bertujuan mencapai efektifitas pada seluruh sistem produksi melalui partisipasi dan kegiatan pemeliharaan yang produktif, proaktif, dan terencana. [Suzaki Kyoshi, 1999]
2.3 Overall Equipment Effectiveness
Overall Equipment Effectiveness (OEE) merupakan metode yang digunakan sebagai alat ukur dalam penerapan program TPM guna menjaga peralatan pada kondisi ideal dengan menghapuskan six big losses peralatan. Pengukuran OEE ini didasarkan pada pengukuran tiga rasio utama, yaitu: 1. Availability Ratio
Availability ratio merupakan suatu rasio yang menggambarkan pemanfaatan waktu yang tersedia untuk kegiatan operasi mesin atau peralatan. Dengan demikian formula yang digunakan untuk mengukur availability ratio adalah:
Availability =
x 100 %
Availability =
x 100 %
Loading time adalah waktu yang tersedia (available time) perhari atau perbulan dikurangi dengan waktu downtime mesin yang direncanakan (planned downtime).
Loading Time = Total Available Time – Planned Downtime
Program Studi Teknik Industri Universitas Mercubuana, Jakarta
Jurnal Skripsi – September 2013
3
Operation time merupakan hasil pengurangan loading time dengan waktu downtime mesin (non-operation time). Dengan kata lain, operation time adalah waktu operasi yang tersedia setelah waktu-waktu downtime mesin dikeluarkan dari total available time yang direncanakan. 2. Performance Ratio
Performance ratio merupakan suatu ratio yang menggambarkan kemampuan dari peralatan dalam menghasilkan barang. Tiga faktor penting yang dibutuhkan untuk menghitun performance efficiency adalah:
a. Ideal cycle time (waktu siklus ideal) b. Processed amount (jumlah produk
yang diproses) c. Operation time (waktu operasi mesin)
Formula pengukuran rasio ini adalah: Performance Rate (P) =
x
100 %
3. Quality Ratio atau Rate of Quality Product. Quality ratio atau rate of quality product
merupakan suatu rasio yang menggambarkan kemampuan peralatan dalam menghasilkan produk yang sesuai dengan standar. Formula yang digunakan untuk pengukuran rasio ini adalah:
Rate of quality =
x 100
% 2.4 Enam Kerugian Utama(Six Big Losses ).
Tujuan dari perhitungan six big losses ini adalah untuk mengetahui nilai efektivitas keseluruhan (Overall Equipment Effectiveness / OEE). Dari nilai OEE ini dapat diambil langkah-langkah untuk memperbaiki atau mempertahankan nilai tersebut. Keenam kerugian tersebut dapat digolongkan menjadi tiga macam, yaitu: 1. Downtime Losses, terdiri dari : a. Breakdown Losses/Equipment Failures
adalah kerusakan mesin/peralatan yang tiba-tiba atau kerusakan yang tidak diinginkan tentu saja akan menyebabkan kerugian, karena kerusakan mesin akan menyebabkan mesin tidak beroperasi menghasilkan output. Hal ini akan mengakibatkan waktu yang terbuang sia-sia dan kerugian material serta produk cacat yang dihasilkan semakin banyak.
Breakdown Losses =
x
100% b. Setup and Adjusment Losses/kerugian
karena pemasangan dan penyetelan, semua waktu set up termasuk waktu
penyesuaian (adjustment) dan juga waktu yang dibutuhkan untuk kegiatan-kegiatan pengganti satu jenis produk ke jenis produk berikutnya untuk proses produksi selanjutnya.
Set up/Adjusment Losses =
x 100%
2. Speed Loss, terdiri dari : a. Idling and Minor Stoppage Losses
disebabkan oleh kejadian-kejadian seperti pemberhentian mesin sejenak, kemacetan mesin, dan idle time dari mesin. Kenyataannya, kerugian ini tidak dapat dideteksi secara langsung tanpa adanya alat pelacak. Idling and minor stoppages losses =
x 100%
b. Reduced Speed Losses adalah kerugian karena mesin tidak bekerja optimal (penurunan kecepatan operasi) terjadi jika kecepatan aktual operasi mesin/peralatan lebih kecil dari kecepatan optimal atau kecepatan mesin yang dirancang.
Reduce speed losses =
x 100%
3. Defect Loss, terdiri dari : a. Rework Losses adalah kerugian yang
disebabkan karena adanya produk cacat maupun karena kerja produk diproses ulang. Produk cacat yang dihasilkan akan mengakibatkan kerugian material, mengurangi jumlah produksi, biaya tambahan untuk pengerjaan ulang dan limbah produksi meningkat.
Rework Losses =
x 100%
b. Reduced Yield Losses adalah kerugian waktu dan material yang timbul selama waktu yang dibutuhkan oleh mesin/peralatan untuk menghasilkan produk baru dengan kualitas produk yang telah diharapkan. Kerugian yang timbul tergantung pada faktor-faktor seperti keadaan operasi yang tidak stabil, tidak tepatnya penanganan dan pemasangan mesin/peralatan ataupun operator tidak mengerti dengan kegiatan proses produksi yang dilakukan.
Reduced Yield Losses =
x
100%
Program Studi Teknik Industri Universitas Mercubuana, Jakarta
Jurnal Skripsi – September 2013
4
Diagram 2.1 Hubungan Antara Enam Kerugian Besar
Dalam Peralatan & Keefektifan Seluruh Peralatan
2.5 Fishbone Diagram / Diagram Sebab Akibat
Instrumen dasar dalam peningkatan kualitas yang lain adalah diagram Ishikawa. Dinamakan Ishikawa sesuai dengan nama penemunya yang berasal dari negara jepang yang bernama “Kaaru Ishikawa” pada tahun 1943. Diagram Ishikawa juga dikenal sebagai diagram sebab akibat atau Fishbone. Fungsi dasarnya adalah untuk mengidentifikasi dan mengorganisasi penyebab-penyebab yang mungkin timbul dari suatu efek spesifik dan kemudian memisahkan akar penyebabnya.
Diagram Fishbone terdiri dari 2 macam yaitu: 1. Standar Fishbone: mengidentifikasi
penyebab-penyebab yang mungkin dari suatu masalah yang tidak diinginkan dan bersifat spesifik.
2. Diagram fishbone terbalik: mengidentifikasi tindakan yang harus dilakukan untuk menghasilkan efek atau hasil yang diinginkan. Langkah-langkah dalam pembuatan
diagram sebab akibat atau fishbone adalah sebagai berikut: 1. Definisikan masalah yang ada, langkah ini
dapat menggunakan dari hasil diagram pareto.
2. Gambarkan kotak masalah (kepala ikan) dan panah utama serta garis-garis samping (tulang ikan)
3. Tuliskan pernyataan masalah tersebut pada kepala ikan yang merupakan akibat.
4. Spesifikasi kategori utama yang merupakan sumber-sumber penyebab timbulnya masalah dan tuliskan pada tulang ikan.
5. Identifikasi penyebab-penyebeb sekunder yang mempengaruhi penyebab utama dan tuliskan pada tulang ikan yang lebih kecil.
6. Analisis sebab-sebab timbulnya permasalahan dan kemudian diambil tindakan korektifnya untuk perbaikan.
Diagram 2.2 Contoh Fishbone
Berikut ini manfaat fishbone diagram: 1. Merupakan alat yang luar biasa untuk
mengumpulkan ide dan input-input kelompok, merupakan metode dasar dari brainstorming terstruktur.
2. Dengan mengelompokan penyebab-penyebab yang mungkin, maka kelompok dapat memikirkan banyak kemungkinan ketimbang hanya memfokuskan pada beberapa area tipikal.
3. Membantu dimulainya fase analyze. Dengan menggunakan fishbone diagram, maka dapat digunakan untuk mengidentifikasi beberapa penyebab dengan lebih fokus untuk memulai analisis proses dan data. Fishbone diagram juga membawa kita kembali ke isu variasi. Kita perhatikan bahwa sebuah proses memiliki dua tipe variasi.
Selanjutnya akar-akar penyebab masalah yang ditemukan dimasukan ke dalam fishbone diagram yang telah mengkategorikan sumber-sumber penyebab berdasarkan prinsip 7M, yaitu: 1. Manpower (tenaga kerja), yaitu berkaitan
dengan kekurangan dalam pengetahuan, kekurangan dalam keterampilan dasar yang berkaitan dengan mental dan fisik, kelelahan, stress, ketidakpedulian dan lain-lain.
2. Machines (mesin-mesin) dan peralatan, yaitu berkaitan dengan tidak ada sistem perawatan preventif terhadap mesin-mesin produksi, termasuk fasilitas dan peralatan lain, tidak sesuai dengan spesifikasi tugas, tidak dikalibrasi dan lain-lain.
Program Studi Teknik Industri Universitas Mercubuana, Jakarta
Jurnal Skripsi – September 2013
5
3. Methods (Metode kerja), yaitu berkaitan dengan tidak ada prosedur dan metode kerja yang benar, tidak jelas, tidak diketahui, tidak terstandarisasi, tidak cocok dan lain-lain.
4. Materials (bahan baku dan bahan pendukung), yaitu berkaitan dengan ketiadaan spesifikasi kualitas dari bahan baku dan bahan pendukung yang digunakan, ketiadaan penanganan yang efektif terhadap bahan baku dan bahan pendukung tersebut dan lain-lain.
5. Media, yaitu berkaitan dengan tempat dan waktu kerja yang tidak memperhatikan aspek-aspek kebersihan, kesehatan, keselamatan kerja, kekurangan lampu penerangan, ventilasi yang buruk dan lain-lain.
6. Motivation (motivasi), yaitu berkaitan dengan ketiadaan sikap kerja yang benar dan professional, yang dalam hal ini disebabkan sistem balas jasa dan penghargaan yang tidak adil kepada tenaga kerja.
7. Money (keuangan), yaitu berkaitan dengan ketiadaan dukungan financial (keuangan) yang cukup guna memperlancar proses pembuatan produk yang berkualitas (Gaspersz, 2002:241).
2.6 Regresi Analisa Regresi digunakan untuk
mempelajari dan mengukur hubungan statistik yang terjadi antara dua atau lebih variabel. Dalam analisa regresi, suatu persamaan regresi hendak ditentukan dan digunakan untuk menggambarkan pola atau fungsi hubungan yang terdapat antar variabel. Sumbu Y : variabel terikat (variabel yang akan diestimasi nilainya) Sumbu X : variabel bebas (variabel yang diasumsikan member pengaruh terhadap variasi variabel terikat) Untuk mempelajari hubungan – hubungan antara variabel bebas maka regresi linier terdiri dari dua bentuk, yaitu: 1. Analisis regresi sederhana (Simple analysis
regresi) 2. Analisis regresi berganda (Multiple analysis
regresi). 2.7 Korelasi
Korelasi adalah derajat hubungan linier antara dua variabel atau lebih dari data hasil pengamatan. Dua variabel dikatakan berkorelasi apabila perubahan dalam satu variabel diikuti oleh perubahan variabel lain, baik yang searah maupun tidak. Hubungan antara variabel dapat dikelompokkan menjadi tiga jenis :
1. Korelasi positif, terjadi apabila perubahan antara variabel yang satu diikuti oleh variabel lainnya dengan arah yang sama (berbanding lurus). Artinya apabila variabel yang satu meningkat, maka akan diikuti peningkatan variabel lainnya.
2. Korelasi negatif, terjadi korelasi negatif apabila perubahan antara variabel yang satu diikuti oleh variabel lainnya dengan arah yang berlawanan (berbanding terbalik). Artinya apabila variabel yang satu meningkat, maka akan diikuti penurunan variabel lainnya.
3. Korelasi nihil, terjadi korelasi nihil apabila perubahan antara variabel yang satu diikuti oleh variabel lainnya dengan arah yang tidak teratur (acak). Artinya apabila variabel yang satu meningkat, kadang diikuti dengan peningkatan pada variabel lain dan kadang diikuti dengan penurunan pada variabel lain.
Analisa korelasi digunakan untuk mengukur seberapa kuat atau derajat kedekatan, suatu relasi yang terjadi antar variabel, dengan keterangan interval kekuatan hubungan sebagai berikut (Sugiyono) :
Tabel 2.1 Interval Kekuatan
Interval Kekuatan
Keterangan
0 Tidak ada korelasi
0,00 - 0,25 Korelasi sangat lemat
0,25 - 0,50 Korelasi cukup
0,50 - 0,75 Korelasi kuat
0,75 - 0,99 Korelasi sangat kuat
1 Korelasi sempurna
Gambar 2.2 Beberapa Bentuk Diagram
Pancar
Program Studi Teknik Industri Universitas Mercubuana, Jakarta
Jurnal Skripsi – September 2013
6
3 Metodologi Penelitian Pada bagian ini akan dijelaskan langkah-
langkah yang digunakan untuk memecahkan suatu masalah agar hasil penelitian sesuai dengan tujuan yang telah ditetapkan.
Diagram 3.1 Alir Penelitian
4 Pengolahan dan Pengumpulan Data 4.1 Data Produksi
Tabel 0.1 Data Produksi Box Panel Bulan November 2012 - Juni 2013
Bulan Produksi
Panel Box (m²)
Actual Product
(m²)
Total Rework
(m²)
Total Scrap (m²)
Nov-12 8.617 8.617 19 2.154
Des-12 14.309 6.582 25 1.646
Jan-13 12.073 6.882 51 1.721
Feb-13 3.871 3.871 48 968
Mar-13 7.905 4.664 25 1.166
Apr-13 4.936 2.715 11 679
Mei-13 3.553 3.553 84 888
Jun-13 9.976 5.088 104 1.272
Waktu downtime adalah waktu yang terbuang karena mesin tidak beroperasi seperti yang seharusnya sehingga menghentikan proses produksi yang telah direncanakan misalnya seperti terjadi kerusakan atau gangguan pada mesin sehingga mesin tidak dapat beroperasi. Data waktu downtime dapat dilihat pada tabel 4.2.
Tabel 0.2 Data Waktu Kerusakan (Breakdown) Mesin Trupunch V 5000 I
Bulan Set up (Jam)
Breakdown (Jam)
Downtime (Jam)
Nov-12 14,00 12,20 26,20
Des-12 14,57 11,48 26,15
Jan-13 19,17 4,00 23,17
Feb-13 11,50 16,00 27,50
Mar-13 12,43 18,00 30,43
Apr-13 16,50 10,33 26,53
Mei-13 10,50 8,00 18,50
Jun-13 7,92 12,00 19,52
Planned Downtime merupakan waktu yang sudah dijadwalkan dalam rencana produksi, termasuk pemeliharaan terjadwal dan kegiatan manajemen yang lain seperti pertemuan. Data waktu pemeliharaan dapat dilihat pada tabel 4.3.
Tabel 0.3 Data Waktu Planned Downtime
Bulan Planned Downtime (Jam)
Nov-12 7,10
Des-12 11,49
Jan-13 6,75
Feb-13 11,56
Mar-13 8,42
Apr-13 14,17
Mei-13 6,33
Jun-13 11,52
Dari hasil pengamatan pada mesin Trupunch V 5000 I, faktor-faktor yang dapat menyebabkan mesin tidak produktif adalah sebagai berikut :
1. Penyetelan mesin (set up). 2. Planned downtime, waktu downtime
yang telah direncanakan. 3. Machine break, gangguan yang terjadi
pada mesin yang menyebabkan mesin berhenti beroperasi.
4. Power cut off, berhentinya operasi mesin dikarenakan gangguan listrik dari PLN.
Tabel 0.4 Data Waktu Nonproduktif Mesin
Bulan Total Available
Time (Jam)
Total Nonproduktif
(Jam)
Nov-12 588 33,30
Des-12 462 37,64
Jan-13 483 29,92
Feb-13 399 39,36
Mar-13 594 39,75
Apr-13 462 41,00
Mei-13 378 24,83
Jun-13 399 31,84
Program Studi Teknik Industri Universitas Mercubuana, Jakarta
Jurnal Skripsi – September 2013
7
4.2 Pengolahan Data
4.2.1 Perhitungan Avaibility Untuk menghitung nilai Availability
digunakan rumus sebagai berikut :
Availability =
x 100 %
Availability =
x 100 %
Di mana : Loading Time = Total availability - Planned downtime Operation Time = Loading Time – Downtime
Hasil perhitungan Loading Time dapat dilihat pada Tabel 4.5
Tabel 0.5 Perhitungan Loading Time
Perhitungan Availability untuk bulan November 2012 sebagai berikut:
Availability =
x 100 %= 95,49%
Dengan cara yang sama, maka perhitungan Availability untuk bulan November 2012 – Juni 2013 disajikan dalam Tabel 4.6
Tabel 0.6 Perhitungan Avaibility
4.2.2 Perhitungan Performance Efficiency
Untuk menghitung nilai Performance Efficiency digunakan rumus sebagai berikut :
Performance Rate (P) =
x 100 %
Di mana : Ideal Cycle Time = Cycle Time x Persentase Jam Kerja Efektif
Cycle Time =
Persentase Jam Kerja = 1 –
x 100%
Perhitungan Persentase Jam Kerja untuk bulan November 2012 sebagai berikut:
Persentase Jam Kerja =1–
x100%=
94,34% Dengan cara yang sama, maka perhitungan
Persentase Jam Kerja untuk bulan November 2012 - Juni 2013 disajikan dalam Tabel 4.7.
Tabel 0.7 Perhitungan Persentase Jam Kerja
Perhitungan Cycle Time untuk bulan November 2012 sebagai berikut:
Cycle Time =
= 0,067
Dengan cara yang sama, maka perhitungan Cycle Time untuk bulan November 2012 – Juni 2013 disajikan dalam Tabel 4.8.
Tabel 0.8 Perhitungan Cycle Time
Bulan
Produksi Box
Panel (m²)
Loading Time (Jam)
Cycle Time
(Jam/m²)
Nov-12 8.617 580,9 0,067
Des-12 14.309 450,51 0,031
Jan-13 12.073 476,25 0,039
Feb-13 3.871 387,14 0,100
Mar-13 7.905 585,08 0,074
Apr-13 4.936 447,83 0,090
Mei-13 3.553 371,67 0,104
Jun-13 9.976 387,08 0,038
Perhitungan Ideal Cycle Time untuk bulan November 2012 sebagai berikut:
Ideal Cycle Time = 0,067 x 94,34 = 0,064
Dengan cara yang sama, maka perhitungan Ideal Cycle Time untuk bulan November 2012 – Juni 2013 disajikan dalam Tabel 4.9.
Tabel 0.9 Perhitungan Ideal Cycle Time
Bulan
Cycle
Time
(Jam/m²)
Jam
Kerja
(%)
Ideal
Cycle
Time
(Jam/m²)
Nov-12 0,067 94,34% 0,064
Des-12 0,031 91,85% 0,029
Jan-13 0,039 93,83% 0,037
Feb-13 0,100 90,14% 0,090
Mar-13 0,074 93,31% 0,069
Apr-13 0,090 91,13% 0,082
Mei-13 0,104 93,43% 0,097
Jun-13 0,038 92,02% 0,035
Bulan
Total Available
Time (Jam)
Total Nonproduktif
(Jam)
Jam Kerja (%)
Nov-12 588 33,30 94,34%
Des-12 462 37,44 91,83%
Jan-13 483 29,52 93,81%
Feb-13 399 39,36 90,14%
Mar-13 594 39,75 93,31%
Apr-13 462 41,00 91,13%
Mei-13 378 24,43 93,43%
Jun-13 399 31,54 92,02% Bulan
Total
Available
Time
(Jam)
Planned
Downtime
(Jam)
Loading
Time (Jam)
Nov-12 588 7,10 580,9
Des-12 462 11,49 450,51
Jan-13 483 6,75 476,25
Feb-13 399 11,36 387,14
Mar-13 594 8,42 585,08
Apr-13 462 14,17 447,83
Mei-13 378 6,33 371,57
Jun-13 399 11,52 387,08
Bulan Loading Time (Jam)
Total Downtime (Jam)
Actual Operation (Jam)
Availability (%)
Nov-12 580,9 26,20 554,70 95,49%
Des-12 450,51 26,15 424,36 94,20%
Jan-13 476,25 23,17 453,08 95,14%
Feb-13 387,14 27,50 359,54 92,90%
Mar-13 585,08 30,83 554,25 94,73%
Apr-13 447,53 26,53 421,00 94,01%
Mei-13 371,47 18,50 353,17 95,02%
Jun-13 387,08 19,92 367,16 94,85%
Program Studi Teknik Industri Universitas Mercubuana, Jakarta
Jurnal Skripsi – September 2013
8
Setelah Persentase Jam Kerja, Cycle Time dan Ideal Cycle Time diketahui maka Perhitungan Performance Efficiency untuk bulan November 2012 sebagai berikut:
Performance Rate (P) =
x 100 %
= 98,79% Dengan cara yang sama, maka perhitungan
Performance Efficiency untuk bulan November 2012 – Juni 2013 disajikan dalam Tabel 4.10
Tabel 0.10 Perhitungan Performance Efficiency
4.2.3 Perhitungan Rate of Quality Product Untuk menghitung nilai Rate of Quality
Product digunakan rumus sebagai berikut : Rate of quality = –
x 100 %
Perhitungan Rate of Quality Product untuk bulan November 2012 sebagai berikut:
Rate of Quality Product =
x100 %
= 74,78% Dengan cara yang sama, maka perhitungan
Rate of Quality Product untuk bulan November 2012 – Juni 2013 disajikan dalam Tabel 4.11.
Tabel 0.11 Perhitungan Rate of Quality Product
Bulan Actual
Product (m²)
Total Rework
(m²)
Total Scrap (m²)
Rate of Quality Product
(%)
Nov-12 8.617 19 2.154 74,78%
Des-12 6.582 25 1.646 74,62%
Jan-13 6.882 51 1.721 74,26%
Feb-13 3.871 48 968 73,76%
Mar-13 4.664 25 1.166 74,46%
Apr-13 2.715 11 679 74,59%
Mei-13 3.553 84 888 72,64%
Jun-13 5.088 104 1.272 72,96%
4.2.4 Perhitungan Overall Equipment Effectiveness (OEE)
Untuk menghitung nilai Overall Equipment Effectiveness (OEE) digunakan rumus sebagai berikut : OEE = Availability x Performance efficiency x Rate of quality product x 100%
Perhitungan Overall Equipment Effectiveness (OEE) untuk bulan November 2012 sebagai berikut:
OEE = 95,49% x 98,79% x 74,78% x 100% = 70,54%
Dengan cara yang sama, maka perhitungan Overall Equipment Effectiveness (OEE) untuk bulan November 2012 – Juni 2013 disajikan dalam Tabel 4.12.
Tabel 0.12 Perhitungan Overall Equipment Effectiveness (OEE)
4.2.5 Perhitungan OEE Six Big Losses 4.2.5.1 Perhitungan Downtime Losses
Downtime Losses terdiri dari Breakdown Losses/Equipment Failures dan Setup and Adjusment Losses.Untuk menghitung nilai Breakdown Losses/Equipment Failures digunakan rumus sebagai berikut : Breakdown Losses =
x 100 %
Perhitungan Breakdown Losses/Equipment Failures untuk bulan November 2012 sebagai berikut:
Breakdown Losses =
x 100 %
= 2,10 % Dengan cara yang sama, maka perhitungan
Breakdown Losses/Equipment Failures untuk bulan November 2012 – Juni 2013 disajikan dalam Tabel 4.13.
Tabel 0.13 Perhitungan Breakdown Losses
Untuk menghitung nilai Setup and Adjusment Losses digunakan rumus sebagai berikut : Setup/Adjusment Losses =
x 100 %
Perhitungan Setup and Adjusment Losses untuk bulan November 2012 sebagai berikut:
Setup/Adjusment Losses =
x 100 = 2,41%
Bulan
Actual
Operatio
n (Jam)
Ideal
Cycle
Time
(Jam/m²)
Actual
Produ
ct (m²)
Perform
ance
Efficienc
y
Nov-12 554,70 0,064 8.617 98.79%
Des-12 424,36 0,029 6.582 44.86%
Jan-13 453,08 0,037 6.882 56.21%
Feb-13 359,64 0,090 3.871 97.03%
Mar-13 554,24 0,069 4.664 58.11%
Apr-13 421,00 0,082 2.715 53.32%
Mei-13 353,17 0,097 3.553 98.33%
Jun-13 367,16 0,035 5.088 49.48%
Bulan Availability
(%)
Performance Efficiency
(%)
Rate of Quality Product
(%)
OEE (%)
Nov-12 95,49% 98,79% 74,78% 70,54%
Des-12 94,20% 44,86% 74,62% 31,53%
Jan-13 95,14% 56,21% 74,26% 39,71%
Feb-13 92,90% 97,03% 73,76% 66,48%
Mar-13 94,73% 58,11% 74,46% 40,99%
Apr-13 94,01% 53,32% 74,59% 37,39%
Mei-13 95,02% 98,33% 72,64% 67,86%
Jun-13 94,85% 49,48% 72,96% 34,24%
Bulan Breakdown
(Jam) Loading
Time (Jam) Breakdown
Loss (%)
Nov-12 12,20 580,9 2,10%
Des-12 11,48 450,51 2,55%
Jan-13 4,00 476,25 0,84%
Feb-13 16,00 387,14 4,13%
Mar-13 18,00 585,08 3,08%
Apr-13 10,33 447,53 2,31%
Mei-13 8,00 371,67 2,15%
Jun-13 12,00 387,08 3,10%
Program Studi Teknik Industri Universitas Mercubuana, Jakarta
Jurnal Skripsi – September 2013
9
Dengan cara yang sama, maka perhitungan Setup and Adjusment Losses untuk bulan November 2012 – Juni 2013 disajikan dalam Tabel 4.14.
Tabel 0.14 Perhitungan Setup/Adjusment Losses
4.2.5.2 Perhitungan Speed Losses Speed Losses terdiri dari Idling and Minor
Stoppage Losses dan Reduced Speed Losses. Untuk menghitung nilai Idling and Minor Stoppage Losses digunakan rumus sebagai berikut : Idling and minor stoppages losses =
x 100%
Perhitungan Idling and Minor Stoppage Losses untuk bulan November 2012 sebagai berikut: Idling and minor stoppages losses
=
x 100%
= 5,73 % Dengan cara yang sama, maka perhitungan
Idling and Minor Stoppage Losses untuk bulan November 2012 – Juni 2013 disajikan dalam Tabel 4.15.
Tabel 0.15 Perhitungan Idling and Minor Stoppages Losses
Bulan Loading
Time (Jam)
Total Nonproduktif
(Jam)
Idling and Minor
Stoppages (%)
Nov-12 580,9 33,30 5,73%
Des-12 450,51 37,44 8,35%
Jan-13 476,25 29,52 6,28%
Feb-13 387,14 39,36 10,17%
Mar-13 585,08 39,75 6,59%
Apr-13 447,53 41,00 9,16%
Mei-13 371,47 24,53 6,58%
Jun-13 387,08 31,54 8,22%
Untuk menghitung nilai Reduced Speed Losses digunakan rumus sebagai berikut :Reduce Speed Losses =
x 100% Perhitungan Reduced Speed Losses untuk
bulan November 2012 sebagai berikut: Reduce Speed Losses
=
x 100%
= 1,15% Dengan cara yang sama, maka perhitungan
Reduce Speed Losses untuk bulan November 2012 – Juni 2013 disajikan dalam Tabel 4.16.
Tabel 0.16 Perhitungan Reduce Speed Losses
Bulan Actual
Operation (Jam)
Ideal Cycle Time
(Jam/M²)
Actual Product
(M²)
Loading Time (Jam)
Reduce Speed Losses
(%)
Nov-12 554,7 0,064 8.617 580,9 1,15%
Des-12 424,36 0,029 6.582 450,51 51,94%
Jan-13 453,00 0,037 6.882 476,25 41,66%
Feb-13 359,59 0,090 3.871 387,14 2,76%
Mar-13 554,24 0,069 4.664 585,08 39,68%
Apr-13 421,00 0,082 2.715 447,53 43,89%
Mei-13 353,17 0,097 3.553 371,47 1,59%
Jun-13 367,16 0,035 5.088 387,08 47,92%
4.2.5.3 Perhitungan Defect Losses Defect Losses terdiri dari Rework Losses
dan Reduced Yield/Scrap Losses. Untuk menghitung nilai Rework Losses digunakan rumus sebagai berikut :
Rework Losses =
x 100%
Perhitungan Rework Losses untuk bulan November 2012 sebagai berikut:
Rework Losses =
x 100%
= 0,21 % Dengan cara yang sama, maka perhitungan
Rework Losses untuk bulan November 2012 – Juni 2013 disajikan dalam Tabel 4.17.
Tabel 0.17 Perhitungan Rework Losses
Bulan Loading
Time (Jam)
Ideal Cycle Time
(Jam/m²)
Total Rework
(m²)
Rework Loss (%)
Nov-12 580,9 0,064 19 0,21%
Des-12 450,5 0,029 25 0,16%
Jan-13 476,2 0,037 51 0,40%
Feb-13 387,1 0,090 48 1,12%
Mar-13 585,0 0,069 25 0,30%
Apr-13 447,8 0,082 11 0,20%
Mei-13 371,6 0,097 84 2,21%
Jun-13 387,0 0,035 104 0,96%
Untuk menghitung nilai Reduced Yield/Scrap Losses digunakan rumus sebagai berikut :
Reduced Yield Losses =
x 100%
Perhitungan Reduced Yield Losses untuk bulan November 2012 sebagai berikut:
Reduced Yield Losses
=
x 100%= 23,58 %
Bulan Set up (Jam)
Loading Time (Jam)
Set Up/Adjustment
Loss (%)
Nov-12 14,00 580,9 2,41%
Des-12 14,57 450,51 3,26%
Jan-13 19,17 476,25 4,02%
Feb-13 11,50 387,14 2,97%
Mar-13 12,53 585,08 2,19%
Apr-13 16,50 447,43 3,68%
Mei-13 10,50 371,57 2,83%
Jun-13 7,92 387,08 2,05%
Program Studi Teknik Industri Universitas Mercubuana, Jakarta
Jurnal Skripsi – September 2013
10
Dengan cara yang sama, maka perhitungan Reduced Yield Losses untuk bulan November 2012 - Juni 2013 disajikan dalam Tabel 4.18.
Tabel 0.18 Perhitungan Reduced Yield/Scrap Losses
Bulan Loading
Time (Jam)
Ideal Cycle Time
(Jam/m²)
Total Scrap (m²)
Scrap Loss (%)
Nov-12 580,9 0,064 2.154 23,58%
Des-12 450,5 0,029 1.646 10,56%
Jan-13 476,2 0,037 1.721 13,37%
Feb-13 387,1 0,090 968 22,53%
Mar-13 585,0 0,069 1.166 13,76%
Apr-13 447,8 0,082 679 12,53%
Mei-13 371,6 0,097 888 23,36%
Jun-13 387,0 0,035 1.272 11,73%
Sebelum digunakan untuk menjawab permasalahan dan mencapai tujuan penelitian, hasil regresi yang disajikan pada model regresi perlu dilakukan validasi atau dikaji lebih lanjut dengan indikator statistik seperti:
t-test, F-Test, dan ukuran goodness of fit (R2).
Hasil regresi berganda (Uji t) dari persamaan model awal yang dihasilkan dalam penelitian ini disajikan pada Tabel 4.20
Tabel 0.19 SUMMARY OUTPUT
Regression Statistics
Multiple R 0.9999
R Square 0.9999 Adjusted R Square 0.9999
Standard Error 0.0001
Observations 8
Multiple R (R majemuk) adalah suatu ukuran untuk mengukur tingkat (keeratan) hubungan linear antara variabel terikat dengan seluruh variabel bebas secara bersama-sama. dengan melihat nilai Multiple R sebesar 0,999 maka dapat dikatan bahwa Six Big Losses (x1, x2, x3, x4, x5 dan x6) sangat mempengaruhi Nilai OEE (Y)
R Square (R2) sering disebut dengan
koefisien determinasi, adalah mengukur kebaikan sesuai (goodness of fit) dari persamaan regresi; hal ini berarti 99.9% nilai OEE diterangkan oleh Six Big Losses dan sisanya (100% - 99,99% = 0,01%) diterangkan oleh faktor-faktor lain
Adjusted R Square. Suatu sifat
penting R2
adalah square”. Istilah
penyesuaian berarti nilai R2 sudah
disesuaikan dengan banyaknya variabel (derajat bebas) dalam model. Seringkali juga disarankan, jika variabel bebas lebih dari dua, sebaiknya menggunakan adjusted R square. Dengan melihat nilai Adjusted R Square 0,999 itu berati nilai
persamaan nilai R2
yang telah disesuaikan dengan derajat bebas dan nilai variabel terikat masih diterangkan sebesar 99,9% oleh variabel bebas.
Standard Error. Merupakan standar error dari estimasi variabel terikat (dalam kasus kita adalah permintaan). Jika dibandingkan nilai standar error (SE) 0.0001 dengan standar deviasi (SD) 0,164 maka dapat dilihat nilai SE<SD maka model regresi semakin tepat dalam memprediksi nilai OEE
Tabel 0.20 ANOVA
df
SS MS F Significa
nce F
Regression
6 0,19011
6863 0,03168
6144 2619117,592
0,00047
Residual
1 1,2098E-08
1,2098E-08
Total 7 0,19011
6875
Dengan membandingkan nilai Fhitung dengan Ftabel yaitu 2619117,592 > 233,98
dengan tingkat signifikansi 0,000 (lebih kecil dari α = 0,05 ) artinya model persamaan regresi tersebut signifikan. 5. Analisa dan Pemecahan Masalah 5.1 Analisa Perhitungan Overall Equipment
Effectiveness (OEE) Analisa perhitungan overall equipment
effectiveness di PT. Laser Metal Mandiri (LMM) dilakukan untuk melihat tingkat efektivitas penggunaan mesin Trupunch V 5000 I selama bulan November 2012 - Juni 2013. Pengukuran Overall Equipment Effectiveness (OEE) ini merupakan perkalian antara Availability, Performance Efficiency dan Rate of Quality Products. Hasil pengolahan data yang dilakukan pada periode November 2012 - Juni 2013 di PT. Laser Metal Mandiri (LMM) adalah sebagai berikut : 1. Selama periode November 2012 – Juni
2013 diperoleh nilai Availability dari mesin Trupunch V 5000 I sekitar 92,90% - 95,49%. Nilai dari Performance Efficiency dari mesin Trupunch V 5000 I sekitar 44,86% - 98,79%. Nilai dari Rate of Quality Products dari mesin Trupunch V 5000 I sekitar 72,64% - 74,78%. Dan hasil dari Overall Equipment Effectiveness (OEE) yang berkisar antara 31,53% - 70,54%.
Program Studi Teknik Industri Universitas Mercubuana, Jakarta
Jurnal Skripsi – September 2013
11
2. Nilai OEE tertinggi terdapat pada bulan November 2012 sebesar 70,54%. Nilai OEE ini didapat dari nilai Availability sebesar 95,49% nilai Performance Efficiency sebesar 98,79% dan nilai Rate of Quality Products sebesar 74,78%. Sedangkan nilai OEE terendah terdapat pada bulan Desember 2012 sebesar 31,53%. Hal ini disebabkan karena nilai Availability sebesar 94,20%, Nilai Performance Efficiency sebesar 44,86% dan nilai Rate of Quality Products sebesar 74,62%.
5.1 Analisa Perhitungan OEE six big losses
Setelah nilai OEE didapat maka selanjutnya melakukan perhitungan OEE six big losses. Semua data yang bersangkutan dengan OEE six big losses diolah dan menghasilkan nilai OEE six big losses sebagai berikut :
1. Nilai Breakdown Losses pada bulan November 2012 – Juni 2013 sekitar 0,84% - 4,13%.
2. Nilai Set up/Adjustment Losses pada bulan November 2012 – Juni 2013 sekitar 2,05% - 4,02%.
3. Nilai Idling and Minor Stoppage Losses pada bulan November 2012 – Juni 2013 sekitar 5,73% - 10,17%.
4. Nilai Reduce Speed Losses pada bulan November 2012 – Juni 2013 sekitar 1,15% - 51,94%.
5. Nilai Rework Losses pada bulan November 2012 – Juni 2013 sebesar 0,16 – 2,21 %.
6. Nilai Reduced Yield Losses/scrap pada bulan November 2012 – Juni 2013 sekitar 10,56% - 23,58%.
Dari hasil analisa di atas dapat diketahui bahwa faktor Reduce Speed Losses dalam OEE six big losses merupakan faktor yang memberikan kontribusi terbesar dalam OEE dengan persentase rata-rata sebesar 28,97%. 5.3 Analisa Perhitungan Regresi dan
Korelasi
Dari hasil perhitungan OEE six big losses dari data yang didapat selanjutnya dilakukan analisa regresi dan korelasi dari variabel yang terdapat pada OEE six big losses. Hal ini bertujuan untuk mengukur seberapa kuat, suatu relasi yang terjadi antar variabel dan membuat perkiraan nilai suatu variabel (variabel dependen) jika nilai variabel yang lain yang berhubungan dengannya (variabel lainnya) sudah ditentukan.
Selama periode November 2012 – Juni 2013 pengolahan data hasil analisa regresi dan korelasi di PT. Laser Metal Mandiri (LMM),
bedasarkan hasil perhitungan dengan Microsoft Excel adalah sebagai berikut :
Tabel 0.21 Tabel Kolerasi Antara Six Big Losses dengan OEE
Kolerasi Antara Six Big Losses
dengan OEE
Hubungan Antar
Variable
Kakuatan Koler
asi
Interval Kekuatan Kolerasi
Breakdown Losses
Positif 0,161 Sangat Lemah
Set Up/Adjustment
Losses Negatif 0,213
Sangat Lemah
Idling and Minor Stoppages
Losses Negatif 0,19
Sangat Lemah
Reduce Speed Losses
Negatif 0,999 Sangat Kuat
Yield/Scrap Losses
Positif 0,999 Sangat Kuat
Rework Positif 0,505 Kuat
Korelasi yang dihasilkan dari faktor six big losses adalah korelasi negatif (Set Up/Adjustment Losses, and Minor Stoppages Losses , Reduce Speed Losses ) yang berarti jika ada salah satu faktor dari six big losses yang meningkat maka faktor-faktor lain dari six big losses akan mengalami penurunan, dan korelasi Positif (Breakdown Losses, Yield/Scrap Losses, Rework) yang berarti jika ada salah satu faktor dari six big losses yang meningkat maka faktor-faktor lain dari six big losses akan ikut mengalami peningkatan.
Dari hasil pengolahan data yang telah dilakukan maka faktor-faktor yang mempunyai pengaruh yang besar terhadap OEE adalah Reduce Speed Losses dengan interval kekuatan hubungan dengan OEE di atas 90% yang berarti memiliki korelasi yang sangat kuat. 5.4 Analisa Diagram Sebab Akibat
Agar perbaikan dapat segera dilakukan, maka analisa terhadap penyebab faktor-faktor six big losses yang mengakibatkan rendahnya efektivitas mesin dalam perhitungan OEE dilakukan dengan menggunakan diagram sebab akibat. Analisa dilakukan dengan melihat faktor dari six big losses yang memberikan kontribusi yang besar dan memiliki korelasi yang kuat terhadap OEE yaitu Idling and Minor Stoppage Losses. Maka analisa diagram sebab akibat dari faktor ini adalah sebagai berikut : a. Mesin/peralatan
Sering terjadi gangguan tiba-tiba karena preventive maintenance yang belum optimal.
Kecepatan mesin yang mulai berkurang karena kurang terawat.
Banyak komponen yang aus pada mesin yang belum diganti dan dipaksakan
Program Studi Teknik Industri Universitas Mercubuana, Jakarta
Jurnal Skripsi – September 2013
12
bekerja sehingga peluang mesin tersebut rusak menjadi lebih tinggi.
b. Manusia/operator
Kurangnya konsentrasi operator dalam bekerja sehingga mengakibatkan produktifitas yang menurun.
c. Lingkungan
Tingkat kebisingan sangat tinggi mengakibatkan pekerja kurang berkonsentrasi.
Kurangnya pencahayaan di dalam pabrik sehingga mengganggu penglihatan.
d. Metode
Proses set up mesin tidak sesuai dengan standar, set up hanya seadanya yang penting mesin masih tetap berjalan.
Pemakaian mesin secara terus menerus sehingga hanya sedikit waktu untuk mesin tersebut beristirahat.
e. Material
Kurangnya ketersediaan material di line produksi dikarenakan crane yang diperlukan tidak sesuai dengan kebutuhan.
Idling and Minor Stoppage Losses
Manusia
Lingkungan
Mesin/peralatan
Metode
Material
Kurang Konsentrasi
Kurang Teliti
Sering Gangguan
Kecepatan Mesin
berkurang
Banyak Part Aus
Kurangnya crane
Kurang Pencahayaan
Lingkungan Kotor
Set Up Tidak
Sesuai Standar
Pemakaian Mesin
Secara Terus Menerus
6. Kesimpulan dan Saran 6.1 Kesimpulan
Berdasarkan hasil pengolahan dan analisa data sebelumnya pada mesin Trupunch V 5000 I di PT. Laser Metal Mandiri (LMM), maka diperoleh beberapa kesimpulan sebagai berikut : 1. Dengan melihat nilai rata-rata hasil
perhitungan OEE pada mesin Trupunch V 5000 I yaitu sebesar 48,59 %, dapat disimpulkan bahwa efektifitas mesin Trupunch V 5000 I jauh dari standar worldclass (85 %).
2. Faktor six big losses yang memberikan kontribusi terbesar terhadap nilai OEE pada mesin Trupunch V 5000 I adalah Reduce
Speed Losses dengan rata-rata nilai sebesar 28,97%.
3. Usulan pebaikan yang dihasilkan dari analisa diagram sebab akibat terhadap faktor yang menjadi prioritas utama adalah : a. Langkah perbaikan terhadap faktor
mesin/peralatan
Mengoptimalkan preventive maintenance.
b. Langkah perbaikan terhadap faktor tenaga kerja
Memberikan pelatihan kepada para operator.
Memberikan reward dan punishment untuk pekerja.
Perusahaan perlu mengadakan gathering karyawan.
c. Langkah perbaikan terhadap faktor lingkungan
Membersihkan area kerja sebelum dan sesudah proses produksi.
d. Langkah perbaikan terhadap faktor metode
Pelaksanaan set up mesin harus sesuai dengan aturan yang telah dibuat.
Fokus pemeliharaan pada mesin yang digunakan secara kontinu.
e. Langkah perbaikan terhadap faktor material
Meningkatkan inspeksi produk pada setiap stasiun kerja agar tidak menjadi masalah dalam stasiun kerja yang lain.
6.2 Saran Adapun saran yang dapat diberikan
berdasarkan penelitian ini yang mungkin akan berguna sebagai masukan yang bermanfaat bagi perusahaan adalah sebagai berikut : 1. Melakukan perhitungan OEE pada setiap
mesin secara rutin, agar diperoleh informasi yang akurat untuk melakukan pemeliharaan dan perawatan secara terus menerus dalam upaya peningkatan efektifitas penggunaan mesin/peralatan.
2. Melakukan pelatihan kepada seluruh operator untuk meningkatkan kemampuan dan keterampilan mereka dalam menanggulangi permasalahan yang terjadi pada mesin produksi sehingga perusahaan dapat menerapkan autonomous maintenance untuk meningkatkan produktivitas mesin.
3. Menanamkan kesadaran kepada seluruh karyawan untuk berperan aktif dalam peningkatan produktivitas dari tingkat operator hingga top management.