Predictive Maintenance: Cara Mengurangi Downtime Mesin

Mesin yang tiba-tiba berhenti hampir selalu datang di saat terburuk: pesanan sedang menumpuk, suku cadang tidak tersedia, dan teknisi harus bekerja lembur. Kerugiannya bukan hanya biaya perbaikan, tapi juga produksi yang hilang, pengiriman yang terlambat, dan tenaga yang terbuang menunggu mesin kembali berjalan.

Predictive maintenance (perawatan prediktif) berbasis IoT mengubah pola itu. Alih-alih menunggu rusak atau mengganti komponen berdasarkan kalender, perawatan dilakukan berdasarkan kondisi nyata mesin. Artikel ini membahas cara kerjanya, parameter yang dipantau, dan cara memulainya.

Tiga pendekatan perawatan

• Reaktif: perbaiki setelah rusak. Terlihat murah di awal, tapi mahal saat kerusakan datang tanpa rencana.
• Preventif: perawatan terjadwal berdasarkan waktu atau jam operasi. Lebih baik, tapi sering mengganti komponen yang sebenarnya masih sehat, dan tetap bisa kecolongan kerusakan di antara jadwal.
• Prediktif: perawatan dilakukan saat data menunjukkan tanda-tanda awal kerusakan, tepat sebelum komponen gagal.

Cara kerja predictive maintenance

Sensor memantau parameter mesin secara terus-menerus. Sistem mempelajari pola normal setiap mesin, lalu mendeteksi penyimpangan kecil yang sering tidak terlihat oleh manusia, misalnya getaran bearing yang naik perlahan selama beberapa minggu. Saat penyimpangan melewati batas tertentu, sistem mengirim peringatan sehingga tim bisa menjadwalkan pemeriksaan dan perbaikan di waktu yang paling sedikit mengganggu produksi.

Parameter yang umum dipantau

• Getaran, tanda awal masalah bearing, ketidakseimbangan, atau kelonggaran pada mesin berputar.
• Suhu motor, bearing, atau panel, yang naik saat gesekan bertambah atau pendinginan terganggu.
• Arus listrik, yang berubah saat beban mesin tidak normal.
• Jam operasi, sebagai dasar jadwal servis yang lebih tepat.

Untuk mesin berputar, standar seperti ISO 10816 sering dipakai sebagai acuan batas getaran berdasarkan kelas mesin.

Langkah memulai

1. Pilih mesin paling kritis: yang bila berhenti menghentikan seluruh lini, atau yang paling sering rusak.
2. Pasang sensor getaran dan suhu di titik yang tepat, misalnya di dekat bearing.
3. Kumpulkan data normal selama beberapa minggu sebagai acuan.
4. Atur batas peringatan dan siapa yang menerimanya.
5. Catat setiap temuan dan perbaikan, supaya model dan batasnya makin tepat dari waktu ke waktu.

Pengalaman INCLUDE di lapangan

Predictive maintenance bukan hal baru bagi INCLUDE. Pendahulu InAsset, yaitu InCrane, dikembangkan untuk memantau container crane pelabuhan dan meraih Juara 1 IdenTIK 2022 dari Kementerian Kominfo. Ceritanya bisa dibaca di rilis pers IdenTIK 2022.

Mengukur keberhasilan

Ukur beberapa hal sebelum dan sesudah penerapan: jumlah kerusakan mendadak per bulan, total waktu henti, dan biaya suku cadang darurat. Perbandingan ini menunjukkan apakah perawatan prediktif benar-benar mengurangi gangguan, dan membantu menentukan mesin mana yang layak dipantau berikutnya.

Kesalahan yang perlu dihindari

• Memasang sensor di semua mesin sekaligus sebelum tim terbiasa menanggapi peringatan.
• Batas yang terlalu sensitif, sehingga peringatan terlalu sering dan akhirnya diabaikan.
• Tidak menindaklanjuti peringatan dengan pemeriksaan fisik dan pencatatan hasilnya.

Membaca tren getaran

Satu pembacaan getaran yang tinggi belum tentu berarti masalah; bisa saja karena mesin baru start atau beban sedang berubah. Yang lebih penting adalah trennya. Getaran yang naik perlahan tapi konsisten selama beberapa minggu adalah tanda klasik komponen yang mulai aus. Sebaliknya, lonjakan mendadak yang bertahan bisa menandakan kerusakan yang sudah terjadi dan perlu diperiksa segera.

Membandingkan mesin sejenis juga membantu. Bila satu pompa bergetar jauh lebih tinggi dari pompa kembarannya yang bekerja di kondisi sama, pompa itu layak diperiksa lebih dulu.

Peran teknisi tetap penting

Data tidak menggantikan teknisi, tapi mengarahkan mereka ke tempat yang tepat. Peringatan dari sistem menunjukkan mesin mana yang perlu diperiksa; teknisi yang memastikan penyebabnya dan melakukan perbaikan. Catatan hasil pemeriksaan kemudian membuat sistem makin tepat, karena batas dan pola bisa disesuaikan dengan kondisi nyata di pabrik.

Menyusun jadwal perbaikan dari data

Saat peringatan muncul, tim perawatan tidak harus langsung menghentikan mesin. Tren data membantu memperkirakan berapa lama lagi mesin masih aman beroperasi, sehingga perbaikan bisa digabung dengan jadwal henti yang sudah direncanakan, misalnya pergantian produk atau akhir pekan. Suku cadang juga bisa dipesan lebih awal, tanpa harus disimpan dalam jumlah besar sepanjang tahun, dan teknisi bisa disiapkan sesuai keahlian yang dibutuhkan.

Pertanyaan yang sering diajukan

Berapa lama data dikumpulkan sebelum peringatan bisa diandalkan?

Umumnya beberapa minggu data normal sudah cukup untuk batas awal. Batas itu lalu disempurnakan seiring bertambahnya riwayat dan temuan teknisi.

Apa beda perawatan preventif dan prediktif?

Preventif mengikuti jadwal waktu atau jam operasi. Prediktif mengikuti kondisi nyata mesin berdasarkan data sensor.

Mesin apa yang paling cocok untuk mulai?

Mesin berputar yang kritis, seperti motor, pompa, kompresor, dan kipas, yang bila berhenti menghentikan produksi.

Apakah butuh AI?

Batas sederhana sudah memberi banyak manfaat. AI membantu menangkap pola yang lebih halus setelah data historis cukup.

Predictive maintenance dengan InAsset

InAsset di platform INCLUDE memantau getaran, suhu, dan jam operasi setiap mesin, memberi prediksi kebutuhan servis, dan memakai ambang getaran yang mengikuti ISO 10816. Pembahasan teknis lainnya ada di monitoring getaran dan suhu mesin rotasi dan deteksi anomali dengan machine learning.