Dalam industri manufaktur, waktu berhenti mesin merupakan salah satu faktor yang dapat langsung memengaruhi produktivitas. Mesin yang seharusnya beroperasi selama jam produksi tetapi mengalami breakdown, menunggu material, atau berhenti karena gangguan tertentu akan mengurangi waktu efektif produksi.
Kondisi tersebut berkaitan erat dengan availability loss, salah satu komponen penting dalam Overall Equipment Effectiveness (OEE). Availability pada dasarnya menunjukkan perbandingan antara waktu operasi mesin dengan planned production time. Semakin banyak waktu produksi yang hilang akibat mesin berhenti, semakin rendah nilai availability.
Salah satu pendekatan yang dapat digunakan untuk mengurangi kehilangan tersebut adalah memanfaatkan sensor IoT untuk melakukan pemantauan kondisi mesin secara lebih terukur dan real-time.
Memahami Availability Loss pada Mesin Produksi
Availability loss terjadi ketika waktu produksi yang sudah direncanakan tidak dapat dimanfaatkan karena mesin mengalami kondisi berhenti. Contohnya antara lain breakdown, gangguan komponen, kekurangan material, hingga waktu setup dan adjustment yang terlalu panjang. Dalam konsep OEE, availability merupakan salah satu dari tiga faktor utama bersama performance dan quality.
Secara sederhana, availability dapat dihitung menggunakan perbandingan:
Availability = Run Time / Planned Production Time
Artinya, apabila sebuah mesin memiliki planned production time 420 menit dan mengalami downtime selama 42 menit, maka waktu operasi efektifnya menjadi 378 menit. Nilai availability yang dihasilkan adalah 90%.
Persentase tersebut dapat menjadi indikator awal untuk melihat seberapa besar waktu produksi yang masih hilang.
Mengapa Sensor IoT Dibutuhkan?
Masalah utama dalam mengurangi availability loss bukan hanya mengetahui bahwa mesin berhenti, tetapi memahami kapan, berapa lama, dan mengapa mesin berhenti.
Sensor IoT dapat membantu mengumpulkan data kondisi mesin secara kontinu. Data dari sensor dapat diteruskan melalui PLC atau perangkat edge menuju sistem monitoring untuk dianalisis.
Dalam implementasi OEE berbasis IoT, data seperti machine state, run time, downtime, fault time, dan stop time dapat digunakan untuk membentuk perhitungan availability. AWS IoT SiteWise, misalnya, menggunakan data status mesin untuk menghitung run time dan downtime sebagai bagian dari perhitungan OEE.
Dengan pendekatan tersebut, perusahaan tidak hanya mendapatkan angka downtime, tetapi juga memiliki data historis untuk mencari pola gangguan.
1. Pasang Sensor pada Parameter Kritis
Langkah pertama adalah menentukan bagian mesin yang paling berpengaruh terhadap downtime.
Beberapa parameter yang dapat dipantau menggunakan sensor antara lain:
- Temperatur motor atau bearing.
- Getaran mesin.
- Arus dan tegangan motor.
- Tekanan udara atau fluida.
- Kecepatan putaran.
- Posisi mekanisme tertentu.
- Status ON/OFF mesin.
- Kondisi panel atau komponen kelistrikan.
Tidak semua mesin membutuhkan seluruh sensor tersebut. Pemilihannya perlu disesuaikan dengan jenis mesin dan failure mode yang paling sering terjadi.
2. Integrasikan Sensor dengan PLC
Sensor yang sudah terpasang kemudian dapat dihubungkan dengan PLC sebagai bagian dari sistem kontrol dan akuisisi data.
PLC dapat membaca sinyal dari sensor, memproses kondisi tertentu, kemudian meneruskan informasi tersebut ke sistem monitoring melalui protokol komunikasi yang sesuai.
Dalam sistem OEE berbasis IoT, data produksi seperti machine state dan downtime dapat bersumber dari PLC sebelum diteruskan ke sistem analitik atau dashboard.
Dengan demikian, PLC tidak hanya berfungsi sebagai pengendali mesin, tetapi juga menjadi salah satu sumber data operasional.
3. Buat Klasifikasi Penyebab Downtime
Data sensor akan lebih berguna jika setiap downtime dapat dikategorikan.
Misalnya, sistem dapat membedakan:
Electrical Fault → Mechanical Fault → Overtemperature → Material Waiting → Sensor Fault → Operator Stop
Klasifikasi tersebut membantu tim maintenance mengetahui sumber kehilangan waktu yang paling dominan.
Sebagai contoh, apabila data selama satu bulan menunjukkan sebagian besar downtime berasal dari temperatur bearing yang meningkat, maintenance dapat memprioritaskan pemeriksaan bearing sebelum terjadi kerusakan lebih besar.
4. Gunakan Data untuk Predictive Maintenance
Salah satu manfaat penting sensor IoT adalah kemampuannya menyediakan data kondisi mesin secara berkelanjutan.
Perubahan temperatur, getaran, atau arus yang tidak normal dapat dijadikan indikator untuk melakukan pemeriksaan lebih awal. Pendekatan ini membantu menggeser aktivitas maintenance dari sekadar memperbaiki mesin setelah rusak menjadi tindakan yang lebih berbasis kondisi aktual.
Studi mengenai pengurangan unexpected equipment faults juga menunjukkan hubungan langsung antara downtime tidak terencana dengan availability. Semakin besar downtime tidak terencana, semakin rendah availability peralatan.
Namun, sensor IoT tetap harus ditempatkan pada parameter yang relevan. Data yang terlalu banyak tetapi tidak dianalisis justru dapat menyulitkan tim dalam menentukan prioritas.
5. Bangun Dashboard Monitoring
Setelah data dikumpulkan, langkah berikutnya adalah membuat dashboard yang dapat digunakan oleh operator, maintenance, dan manajemen.
Dashboard dapat menampilkan beberapa informasi seperti:
| Parameter | Fungsi |
| Machine Status | Mengetahui kondisi mesin secara real-time |
| Downtime | Mengukur total waktu berhenti |
| Availability | Melihat tingkat kesiapan mesin |
| Fault History | Mengetahui histori gangguan |
| Temperature | Memantau kondisi termal |
| Vibration | Mendeteksi perubahan kondisi mekanis |
| MTBF | Melihat rata-rata waktu antar kerusakan |
| MTTR | Mengukur rata-rata waktu perbaikan |
Dengan visualisasi tersebut, tim dapat melihat mesin mana yang paling banyak kehilangan waktu produksi dan menentukan tindakan berdasarkan data.
6. Evaluasi Availability Secara Berkala
Implementasi sensor IoT sebaiknya tidak berhenti setelah dashboard selesai dibuat. Data harus digunakan untuk menjalankan siklus perbaikan berkelanjutan.
Misalnya, perusahaan menemukan downtime sebesar 60 menit per shift. Setelah dilakukan analisis, 30 menit berasal dari overheating motor, 20 menit dari gangguan material, dan 10 menit dari masalah sensor.
Prioritas perbaikan kemudian dapat diarahkan pada penyebab dengan kontribusi downtime terbesar.
Setelah tindakan dilakukan, data periode berikutnya dibandingkan dengan baseline. Jika downtime turun, dampaknya terhadap availability dapat diukur secara objektif.
Peran Integrator dalam Implementasi IoT Industri
Penerapan sensor IoT pada mesin produksi membutuhkan lebih dari sekadar pemasangan sensor. Pemilihan sensor, integrasi dengan PLC, komunikasi data, sistem monitoring, hingga pengolahan informasi perlu dirancang sebagai satu kesatuan.
PT. Sahabat Surya Electrindo dapat membantu kebutuhan komponen listrik dan otomasi industri, termasuk solusi yang berkaitan dengan PLC, sensor, sistem kontrol, dan kebutuhan integrasi di lapangan.
Dengan perencanaan yang tepat, data dari mesin dapat diubah menjadi informasi yang membantu tim produksi dan maintenance mengidentifikasi sumber downtime serta mengambil tindakan yang lebih terukur.
Menurunkan availability loss membutuhkan pemahaman yang jelas mengenai penyebab mesin berhenti dan berapa besar waktu yang hilang. Sensor IoT dapat menjadi salah satu teknologi pendukung untuk mengumpulkan data kondisi mesin secara real-time.
Ketika sensor, PLC, sistem komunikasi, dan dashboard terintegrasi dengan baik, perusahaan dapat memperoleh gambaran yang lebih jelas mengenai pola downtime. Data tersebut kemudian dapat digunakan untuk menentukan prioritas maintenance, mempercepat respons gangguan, dan mengevaluasi peningkatan availability secara berkelanjutan.
Untuk berdiskusi mengenai kebutuhan sensor IoT, PLC, dan komponen otomasi industri untuk membantu meningkatkan availability mesin produksi, silakan hubungi Whatsapp PT. Sahabat Surya Electrindo.
