Predictive Maintenance (PdM)
Predictive Maintenance (PdM) adalah sistem pemeliharaan mesin dengan tujuan mengantisipasi kegagalan sebelum kerusakan total terjadi. Dalam kata lain, predictive maintenance memprediksi kondisi mesin berdasarkan penganalisaan kondisi mesin dari pemonitoran parameter.
Pola/trending parameter tersebut dapat digunakan untuk memprediksi sampai kapan suatu mesin atau peralatan mampu beroperasi secara optimal. Sehingga, berbagai masalah yang bisa mengakibatkan kerusakan pada komponen dapat diantisipasi sebelum terjadi kegagalan (failure).
Condition Monitoring dan Predictive Maintenance adalah hal yang saling berkaitan. Condition monitoring adalah proses pemantauan kondisi tertentu dalam mesin (seperti getaran, suhu, dll) untuk mengidentifikasi perubahan yang dapat menunjukkan kondisi mesin. Predictive maintenance adalah salah satu bagian dari Condition monitoring. Karena penerapan predictive maintenance mendeteksi secara dini failure symptom yang dapat mengubah kondisi mesin. Mengkombinasikan prediction maintenance dan condition monitoring dapat merencanakan pemeliharaan terjadwal lebih presisi dan tindakan pencegahan kegagalan berkembang dan kemungkinan adanya downtime yang tidak direncanakan.
Predictive Maintenance Framework
Predictive maintenance adalah cara terbaik perawatan mesin yang dilakukan dengan tujuan memprediksi dan mengeliminasi gangguan pada mesin melalui penerapan teknologi yang sesuai. Implementasi Predictive Maintenance membutuhkan pendekatan teknis dan acuan (framework) variasi plant dan site berbeda.
PT Tiara Vibrasindo Pratama, berkomitmen untuk menyediakan inovasi untuk mengembangkan keandalan asset dengan Penerapan PdM Framework. Framework ini dapat dijadikan acuan untuk menjalankan program Predictive Maintenance yang efektif dari segi biaya dan waktu.
Berikut merupakan PdM Maturity Framework
- Merancang Database Predictive Maintenance (PdM)
Data merupakan komponen penting untuk kegiatan Predictive Maintenance. Kegiatan dimulai dengan menyusun suatu database yang lengkap dan jelas, mencakup informasi seluruh plant. Informasi sederhana dapat berupa daftar mesin yang akan diimplementasikan.
2. Melakukan Penjadwalan untuk Monitoring
Dalam plant atau site susunan equipment / mesin kompleks. Agar program Predictive Maintenance dapat berjalan dengan lancar dan konsisten, penjadwalan memperhatikan data tingkat kritikalitas mesin, failure mode yang mau diidentifikasi, jumlah tenaga kerja, dan berbagai tools yang digunakan.
3. Persiapan Teknis Lapangan
Untuk membangun komunikasi dan transaksi data antar departemen, diperlukan panduan dan prosedur yang dibuat secara spesifik, dengan aspek-aspek di lapangan yang sesuai di tiap perusahaan. Koordinasi antar departemen operasi (untuk mengetahui kondisi mesin, running atau stand by), pemeliharaan dan kehandalan.
4. Poin Pengukuran
Dalam mendapatkan data yang representatif dan akurat sebagai bahan analisis untuk Predictive Maintenance (PdM), perlu dilakukan observasi, identifikasi metode/cara, dan best practice dalam pengambilan data. Poin pengukuran harus diperhatikan pada lokasi yang aman. Jika tidak aman, penggunaan sensor dengan teknologi terkini disarankan untuk digunakan. Implementasi peralatan multi-teknologi seperti : Vibration Analyzer, Oil Analyzer, Wireless Vibration, Infrared Thermography, Motor Assessment pun dapat dilakukan secara terintegrasi.
5. Manajemen Data
Manajemen data dalam Predictive Maintenance merupakan komponen yang penting, semua data dimasukkan dalam sebuah database yang terintegrasi dan terkoordinasi dengan baik, serta dapat dimonitor dengan mudah sesuai dengan kebutuhan analisis dan rekomendasi.
6. Analisis dan Rekomendasi
Hasil yang diharapkan dari program Predictive Maintenance adalah hasil analisis dan rekomendasi yang akurat. Parameter data dan analisis di Predictive Maintenance meliputi parameter trending, detailed analysis, melakukan integrasi multi-teknologi PdM, Diagram, Technical Drawing.
7. Predictive Maintenance Analysis dan Follow Up
Rekomendasi yang didapatkan dari proses analisis dapat dilaksanakan secara konsisten dan memberikan kontribusi positif bagi performa keandalan asset (availability) dan feedback untuk analisis yang dilakukan engineer.
8. Cost Benefit Analysis
Cost Benefit Analysis dapat memberikan gambaran output dari program Predictive Maintenance dalam laporan finansial. Cost Benefit Analysis dilakukan secara periode dan dilakukan dalam setiap case yang muncul secara baik dan menyeluruh untuk menghasilkan nilai positif dalam optimasi pemeliharaan.
Predictive Maintenance Framework Dapat Membantu Anda Menjalankan Program Predictive Maintenance yang Efektif dari segi biaya dan waktu.