Contoh Proposal Skripsi Teknik Industri-02: Pengembangan Sistem Predictive Maintenance Berbasis Machine Learning untuk Meningkatkan Overall Equipment Effectiveness (OEE) Mesin Produksi (Studi Kasus: Pabrik Manufaktur ABC)
Landasan Teori
Tantangan dalam Industri Manufaktur Modern
Industri manufaktur saat ini dihadapkan pada tekanan yang semakin besar untuk meningkatkan efisiensi, produktivitas, dan kualitas produk demi menghadapi persaingan global yang ketat dan memenuhi tuntutan pelanggan yang terus meningkat. Salah satu faktor krusial yang memengaruhi kinerja operasional pabrik adalah keandalan dan ketersediaan mesin produksi. Downtime mesin yang tidak terduga dapat menimbulkan kerugian signifikan, seperti hilangnya kapasitas produksi, biaya perbaikan yang tinggi, dan keterlambatan pengiriman produk.
Pendekatan Pemeliharaan Tradisional dan Keterbatasannya
Secara tradisional, industri manufaktur mengandalkan dua pendekatan utama dalam pemeliharaan mesin:
- Preventive Maintenance (PM): Pemeliharaan dilakukan berdasarkan jadwal yang telah ditetapkan, tanpa mempertimbangkan kondisi aktual mesin. Pendekatan ini dapat mencegah kerusakan, namun seringkali boros karena pemeliharaan dilakukan pada mesin yang masih dalam kondisi baik atau suku cadang diganti sebelum umur pakainya habis.
- Corrective Maintenance (CM): Pemeliharaan hanya dilakukan setelah terjadi kerusakan. Meskipun dapat menghemat biaya awal, pendekatan ini berisiko tinggi menyebabkan downtime yang lama, mengganggu jadwal produksi, dan bahkan memperparah kerusakan mesin.
Era Baru: Predictive Maintenance (PdM)
Sebagai respons terhadap keterbatasan pendekatan tradisional, Predictive Maintenance (PdM) telah muncul sebagai strategi yang lebih canggih dan efektif. PdM memanfaatkan teknologi terkini seperti Internet of Things (IoT), big data analytics, dan machine learning untuk memantau kondisi mesin secara real-time. Dengan menganalisis data dari berbagai sumber (sensor vibrasi, suhu, tekanan, arus listrik, dll.), PdM mampu mendeteksi anomali dan memprediksi potensi kegagalan atau penurunan performa mesin di masa mendatang. Hal ini memungkinkan penjadwalan tindakan perawatan secara proaktif, tepat waktu sebelum kerusakan serius terjadi.
Peran Machine Learning dan Peningkatan OEE
Penggunaan machine learning merupakan komponen kunci dalam PdM, memungkinkan analisis pola kompleks dalam data mesin untuk membuat prediksi yang akurat mengenai kesehatan mesin. Model machine learning dapat dilatih untuk mengidentifikasi tanda-tanda awal kegagalan yang mungkin tidak terdeteksi oleh metode konvensional.
Salah satu manfaat utama implementasi PdM adalah peningkatan Overall Equipment Effectiveness (OEE). OEE adalah metrik standar yang mengukur efektivitas penggunaan mesin dengan mempertimbangkan tiga faktor utama: availability (ketersediaan mesin untuk beroperasi), performance (kecepatan dan efisiensi operasi mesin), dan quality (tingkat produk cacat). Dengan mengurangi downtime tidak terencana (meningkatkan availability), mengoptimalkan parameter operasi (meningkatkan performance), dan mendeteksi masalah penyebab cacat produk (meningkatkan quality), PdM berkontribusi langsung pada peningkatan OEE.
Selain peningkatan OEE, PdM juga memberikan manfaat lain seperti memperpanjang umur mesin, meningkatkan keselamatan kerja, meningkatkan efisiensi energi, dan mendukung pengambilan keputusan berbasis data yang lebih baik dalam pengelolaan operasional pabrik.
Bab 1 Proposal Skripsi Teknik Industri:
- Latar Belakang Masalah
- Rumusan Masalah
- Tujuan Penelitian
- Manfaat Penelitian
- Batasan Penelitian
- Metodologi Penelitian
- Sistematika Penulisan
Bab 2 Proposal Skripsi Teknik Industri:
- Pengertian dan Definisi
- Teori yang Relevan
- Penelitian Terdahulu
- Kerangka Pemikiran
- Hipotesis
- Model Penelitian
Judul Proposal Skripsi Teknik Industri lainnya:
Catatan:
Susunan dan Point tiap bab, mungkin berbeda tergantung kebijakan kampus masing-masing
