ROI predictive maintenance: cara menghitungnya dari data pabrik sendiri

Apa yang dimaksud ROI predictive maintenance

ROI predictive maintenance (return on investment) adalah perbandingan antara manfaat bersih sebuah program predictive maintenance dan biaya untuk menjalankannya dalam periode yang sama. Pertanyaan yang dijawabnya sederhana: untuk setiap rupiah yang dibelanjakan pada sensor, perangkat lunak, dan waktu tim, berapa kerugian yang tidak jadi terjadi? Jawabannya tidak sesederhana itu, karena sebagian besar manfaatnya berupa kejadian yang tidak pernah terjadi, sehingga harus diperkirakan dengan cermat.

Jika konsep dasarnya belum akrab, artikel tentang predictive maintenance dan condition monitoring membahas cara kerjanya. Di sini fokusnya adalah ekonominya: bagaimana menyusun angka yang dapat dipertahankan di depan manajemen dan bagian keuangan.

Satu prinsip perlu disepakati sejak awal: ROI dihitung per kelompok aset, bukan untuk seluruh pabrik sekaligus. Alasannya ada pada cara predictive maintenance bekerja. Pemantauan kondisi hanya bermanfaat bagi mode kegagalan yang memberi tanda sebelum terjadi, dan hanya bernilai ekonomis jika konsekuensi kegagalan itu cukup mahal. Moubray merumuskan syarat ini dalam kerangka Reliability-Centred Maintenance: tugas berbasis kondisi layak dilakukan jika, dalam jangka waktu tertentu, biayanya lebih kecil daripada konsekuensi operasional ditambah biaya perbaikan kegagalan yang menjadi sasarannya^[1]. Angka rata-rata untuk satu pabrik akan mencampur aset yang sangat layak dipantau dengan aset yang sebenarnya lebih murah dibiarkan sampai rusak, dan hasilnya tidak menjelaskan apa pun.

Memilih aset yang masuk perhitungan

Karena ROI melekat pada kelompok aset, langkah pertama adalah memilih kelompok itu dengan alasan yang dapat ditelusuri. ISO 17359 menempatkan penilaian kekritisan dan analisis mode kegagalan di awal program pemantauan kondisi, sebelum teknik dan titik ukur dipilih^[2]. Dalam praktik, tiga pertanyaan membantu menyaring kandidat.

• Konsekuensi kegagalan. Apa yang terjadi jika aset ini berhenti mendadak? Pompa transfer yang menghentikan seluruh lini pengisian berbeda kelasnya dengan kipas ventilasi yang memiliki cadangan. Konsekuensi mencakup produksi yang hilang, keselamatan, mutu, dan biaya perbaikan.
• Frekuensi kegagalan. Seberapa sering aset ini rusak dalam satu atau dua tahun terakhir? Datanya tersedia di riwayat work order, dan cara membacanya sebagai MTBF dibahas dalam artikel cara menghitung MTBF dan MTTR. Aset yang belum pernah rusak selama lima tahun memberi sedikit ruang manfaat, sekalipun kritikal.
• Keterdeteksian. Apakah mode kegagalannya menimbulkan gejala yang dapat diukur, seperti perubahan vibrasi, temperatur, atau arus motor? Kerusakan bearing dan misalignment umumnya dapat dideteksi; patahnya komponen akibat benturan dari luar umumnya tidak.

Pertanyaan ketiga punya syarat tambahan yang sering terlewat, yaitu interval P-F. Rentang antara saat gejala pertama terdeteksi dan saat aset kehilangan fungsinya harus cukup panjang dan cukup konsisten untuk teknik yang dipilih, sehingga masih ada waktu untuk merencanakan perbaikan^[1]. Pemeriksaan vibrasi manual sebulan sekali tidak berguna bagi mode kegagalan yang berkembang dalam dua minggu. Untuk mode kegagalan seperti itu, perhitungan ROI harus memakai pemantauan yang lebih rapat atau tidak memasukkannya sama sekali.

Hasil penyaringan ini biasanya berupa satu kelompok kecil aset berputar yang kritikal pada satu lini, misalnya motor penggerak, pompa, blower, dan gearbox. Kelompok kecil seperti ini lebih mudah dihitung, lebih mudah dipantau, dan hasilnya lebih mudah diperiksa ulang.

Sisi manfaat dan cara mengukurnya dari catatan sendiri

Semua manfaat predictive maintenance berangkat dari satu mekanisme: kegagalan yang terdeteksi lebih awal dapat diperbaiki secara terencana, bukan darurat. Selisih antara kedua cara itulah yang dihitung. Karena kegagalan yang tertangkap tidak pernah terjadi, setiap angka "yang dihindari" adalah perkiraan. Perkiraan itu hanya dapat dipertanggungjawabkan jika ada baseline, yaitu catatan kejadian dan biaya pada periode sebelum program berjalan, idealnya dua belas bulan atau lebih agar musim produksi dan jadwal overhaul ikut terwakili.

Downtime tak terencana yang dihindari

Ini biasanya pos terbesar. Dari catatan downtime, ambil kejadian berhenti tak terencana pada kelompok aset terpilih, lalu pisahkan yang disebabkan oleh mode kegagalan yang dapat dideteksi dengan teknik yang direncanakan. Untuk setiap kejadian, catat lamanya lini berhenti, dari mesin berhenti sampai produksi kembali normal. Jika kode alasan downtime belum rapi, artikel tentang downtime mesin membahas cara menyusunnya. Manfaatnya adalah jam berhenti yang dihindari dikalikan biaya downtime per jam. Perbaikan terencana pun sering memakan waktu produksi, sehingga yang dihitung adalah selisih jamnya, bukan seluruh jam kejadian darurat.

Premi perbaikan darurat

Perbaikan darurat hampir selalu lebih mahal daripada pekerjaan yang sama ketika direncanakan. Selisihnya datang dari lembur teknisi pada shift malam, suku cadang yang dikirim kilat, panggilan kontraktor di luar jam kerja, dan sewa alat angkat mendadak. Bandingkan keduanya dari riwayat work order dan faktur: biaya rata-rata perbaikan darurat untuk mode kegagalan tertentu dan biaya pekerjaan setara yang dilakukan terjadwal. Selisih itulah premi perbaikan darurat. Dalam perhitungan, pilih satu cara dan konsisten. Hitung biaya darurat penuh sebagai manfaat dan masukkan biaya perbaikan terencana ke sisi biaya, atau hitung preminya saja tanpa memasukkan biaya perbaikan terencana. Mencampur keduanya membuat biaya perbaikan terencana terhitung dua kali atau tidak terhitung sama sekali.

Kerusakan sekunder yang dihindari

Kegagalan yang dibiarkan berkembang sampai akhir sering merusak komponen di sekitarnya. Bearing yang macet dapat menggores poros dan merusak rumah bearing, sedangkan kopling yang lepas dapat merusak dudukan motor. Tindakan pada tahap awal umumnya cukup mengganti komponen yang aus, sehingga kerusakan lanjutan itu dapat dihindari^[1]. Ukurlah dari laporan perbaikan masa lalu: berapa kali kegagalan pada kelompok aset ini menimbulkan kerusakan sekunder dan berapa biaya tambahannya. Biaya total itu kemudian dibagi jumlah kegagalan yang dapat dideteksi untuk mendapatkan rata-rata per kejadian.

Suku cadang, persediaan, dan energi

Dua pos lain sering disebut, tetapi sebaiknya dihitung dengan hati-hati. Jika kondisi aset terpantau, sebagian suku cadang dapat dipesan ketika gejala muncul, sehingga stok pengaman tertentu dapat ditinjau ulang. Namun pengurangan stok baru terjadi setelah keputusan pengadaan berubah, dan untuk suku cadang dengan waktu tunggu panjang hal itu mungkin tidak pernah aman dilakukan. Energi relevan pada sebagian mode kegagalan, misalnya misalignment atau pelumasan buruk yang dapat menambah beban motor, atau kebocoran udara tekan yang ditemukan lewat pemeriksaan ultrasonik. Jika selisih pemakaian energi tidak diukur langsung sebelum dan sesudah perbaikan, pos ini lebih jujur dibiarkan nol dalam pengajuan pertama.

Sisi biaya predictive maintenance: lebih dari harga sensor

Pengajuan yang hanya memuat harga sensor akan dipertanyakan bagian keuangan, dan memang seharusnya begitu. Jardine dan rekan menguraikan program condition-based maintenance sebagai tiga tahap yang saling bergantung: akuisisi data, pengolahan data, dan pengambilan keputusan pemeliharaan^[3]. Setiap tahap punya biaya, dan tahap ketiga yang paling sering dilupakan. Pos biaya yang perlu dimasukkan adalah sebagai berikut.

• Sensor dan gateway. Sensor vibrasi dan temperatur, gateway, catu daya, serta jaringan untuk mengirim data. Ini investasi awal yang dibayar sekali.
• Langganan perangkat lunak. Biaya platform pemantauan dan analitik per bulan atau per tahun, biasanya bergantung pada jumlah aset atau titik ukur. Komponen harga perangkat lunak pemeliharaan dibahas lebih rinci dalam artikel harga software CMMS.
• Pemasangan dan commissioning. Pemasangan dudukan sensor, penarikan kabel atau penyetelan jaringan nirkabel, serta waktu produksi yang mungkin terpakai selama pemasangan.
• Waktu analisis. Seseorang harus membaca tren, menilai alarm, dan memutuskan tindakan, baik engineer internal maupun analis dari pihak luar. Hitung jamnya per minggu, lalu kalikan dengan biaya per jam.
• Pelatihan. Teknisi dan engineer perlu memahami arti alarm dan cara menindaklanjutinya. Mobley menekankan bahwa program predictive maintenance bergantung pada personel yang terlatih, bukan hanya pada instrumennya^[4].
• Biaya menindaklanjuti temuan. Perbaikan terencana tetap membutuhkan suku cadang dan jam kerja, dan setiap alarm yang ternyata tidak memerlukan perbaikan tetap memakan waktu pemeriksaan. Pos ini sering hilang dari pengajuan, padahal tanpa tindakan tidak ada manfaat yang terwujud.

Investasi awal (sensor, gateway, pemasangan, dan pelatihan) sebaiknya dipisahkan dari biaya berulang (langganan, waktu analisis, dan tindak lanjut temuan). Pemisahan ini diperlukan karena kedua jenis biaya diperlakukan berbeda dalam rumus berikut.

Rumus ROI, payback period, dan biaya downtime per jam

Tiga rumus berikut cukup untuk sebagian besar pengajuan. Rumus pertama menentukan nilai pos manfaat terbesar, sehingga angkanya perlu disepakati dengan bagian keuangan sebelum angka lain disusun.

ROI menjawab apakah program menghasilkan lebih banyak daripada biayanya, sedangkan payback period menjawab berapa lama modal awal kembali. Manajemen biasanya menanyakan keduanya. Untuk indikator pendukung seperti biaya pemeliharaan atau ketersediaan, EN 15341 menyediakan definisi baku indikator kinerja pemeliharaan, sehingga angka sebelum dan sesudah program dapat diukur dengan cara yang sama^[5].

Contoh perhitungan untuk satu kelompok aset

Angka berikut adalah ilustrasi, bukan data dari pabrik tertentu dan bukan perkiraan hasil. Sebuah lini pengisian botol memiliki 10 motor dan pompa yang dinilai kritikal. Selama 12 bulan baseline, kelompok aset ini mengalami 8 kali berhenti tak terencana. Enam di antaranya disebabkan oleh mode kegagalan yang dapat dideteksi dengan pemantauan vibrasi dan temperatur, yaitu kerusakan bearing, misalignment, dan pelumasan buruk. Dua sisanya, gangguan kelistrikan mendadak, tidak dimasukkan ke perhitungan.

Asumsi lainnya diambil dari catatan yang sama. Setiap kejadian darurat menghentikan lini rata-rata 6 jam, sedangkan perbaikan terencana atas temuan yang sama diperkirakan masih memakan 1 jam waktu produksi, sehingga jam yang dihindari per kejadian adalah 5 jam. Lini menghasilkan 3.000 botol per jam dengan margin kontribusi Rp2.500 per botol, atau Rp7.500.000 per jam. Dua belas operator menganggur dengan biaya Rp50.000 per orang per jam, atau Rp600.000 per jam. Biaya pemulihan selama baseline Rp32.400.000 untuk 36 jam berhenti, atau Rp900.000 per jam. Biaya downtime per jamnya adalah Rp7.500.000 + Rp600.000 + Rp900.000 = Rp9.000.000.

Perbaikan darurat rata-rata menghabiskan Rp14.000.000 per kejadian, termasuk lembur, suku cadang kirim kilat, dan panggilan kontraktor, sedangkan pekerjaan setara yang terjadwal menghabiskan Rp6.000.000. Dua dari enam kegagalan juga merusak poros dan rumah bearing dengan biaya tambahan total Rp42.000.000, atau rata-rata Rp7.000.000 per kegagalan yang dapat dideteksi. Tim memperkirakan program dapat menangkap 4 dari 6 kegagalan itu cukup awal. Investasi awalnya Rp84.000.000 (sensor dan gateway Rp60.000.000, pemasangan Rp16.000.000, dan pelatihan Rp8.000.000), dibagi rata selama tiga tahun.

Dua hal terlihat dari tabel ini. Pertama, pos downtime menyumbang Rp180 juta dari Rp264 juta manfaat, sehingga angka biaya downtime per jam paling menentukan hasil akhir dan paling layak diperiksa bersama bagian keuangan. Kedua, biaya menindaklanjuti temuan (perbaikan terencana dan pemeriksaan alarm) berjumlah Rp32 juta, lebih dari seperempat biaya tahunan. Menghilangkan pos itu akan menaikkan ROI di atas kertas tanpa mengubah apa pun di lantai produksi.

Analisis sensitivitas: jika hanya separuh yang tertangkap

Angka "4 dari 6 tertangkap" adalah asumsi terlemah dalam perhitungan di atas. Ketepatan deteksi bergantung pada pemasangan sensor, frekuensi pengukuran, batas alarm, dan kecepatan tim merespons. Prognosis tentang sisa umur komponen selalu membawa ketidakpastian, dan ISO 13381-1 meminta agar tingkat keyakinan sebuah prognosis dinyatakan bersama hasilnya^[6]. Sikap yang sama layak diterapkan pada perhitungan ROI: tunjukkan bagaimana hasilnya berubah jika asumsi itu meleset.

Dengan separuh tangkapan, program ini masih menghasilkan manfaat bersih, tetapi ROI turun dari 120,0% menjadi 22,2% dan payback memanjang dari sekitar 5,9 bulan menjadi sekitar 19,4 bulan. Jika hanya satu kegagalan yang tertangkap, program merugi. Titik impasnya dapat dihitung langsung: biaya tetap Rp96 juta dibagi manfaat bersih per tangkapan, yaitu Rp66 juta dikurangi Rp6 juta biaya perbaikan terencana. Hasilnya 96 ÷ 60 = 1,6 kegagalan per tahun.

Langkah menjalankan pilot yang menghasilkan bukti ROI sendiri

Bagi banyak pabrik, implementasi predictive maintenance paling mudah dimulai dari pilot yang sejak awal dirancang untuk menghasilkan bukti. Mobley menyarankan agar program predictive maintenance memiliki tujuan yang terukur sejak awal, sehingga manfaatnya dapat dibandingkan dengan kondisi sebelum program^[4]. Urutan berikut dapat dipakai.

1. 1Kunci baseline. Kumpulkan data 12 bulan terakhir untuk kelompok aset pilot: jumlah dan lama berhenti tak terencana, penyebabnya, biaya perbaikan, dan kerusakan sekunder. Sepakati angka biaya downtime per jam bersama bagian keuangan sebelum pilot dimulai.
2. 2Pilih aset pilot. Gunakan kriteria konsekuensi, frekuensi, dan keterdeteksian. Satu kelompok kecil pada satu lini lebih mudah diamati daripada aset yang tersebar di seluruh pabrik.
3. 3Hitung perkiraan awal. Masukkan baseline ke rumus di atas, atau gunakan simulator ROI untuk mencoba beberapa skenario, lalu siapkan kasus dasar, kasus konservatif, dan titik impasnya.
4. 4Sepakati kriteria keberhasilan sebelum mulai. Tuliskan apa yang dihitung sebagai temuan valid, misalnya alarm yang diikuti pemeriksaan dan terbukti menunjukkan kerusakan nyata yang terdokumentasi dengan foto atau komponen yang dilepas. Tuliskan juga angka yang harus dicapai agar program diperluas.
5. 5Catat setiap alarm dan tindakannya. Untuk setiap alarm, catat work order, temuan, biaya perbaikan terencana, dan perkiraan konsekuensinya jika dibiarkan. Alarm yang tidak menghasilkan temuan tetap dicatat bersama waktu pemeriksaannya.
6. 6Tinjau setelah 3 sampai 6 bulan. Bandingkan temuan valid dengan laju kegagalan baseline untuk periode yang sama panjangnya, hitung ulang ROI dengan angka nyata, lalu putuskan apakah pilot diperluas, disesuaikan, atau dihentikan.

Kesalahan umum dan batasan perhitungan

• Menghitung setiap alarm sebagai kegagalan yang dihindari. Alarm baru menjadi manfaat jika pemeriksaan menemukan kerusakan nyata yang akan berkembang menjadi kegagalan. Alarm akibat perubahan beban, sensor yang longgar, atau batas yang terlalu ketat adalah biaya, bukan manfaat.
• Mengabaikan biaya menindaklanjuti temuan. Perbaikan terencana tetap membutuhkan suku cadang, jam kerja, dan kadang waktu produksi. Menghitung biaya darurat penuh sebagai manfaat tanpa memasukkan biaya perbaikan terencana membuat ROI tampak lebih besar daripada kenyataannya.
• Memilih aset yang tidak kritikal. Aset yang murah, memiliki cadangan, atau jarang rusak tidak menghasilkan manfaat yang terukur, secanggih apa pun pemantauannya. Pilot pada aset seperti itu dapat berakhir dengan kesimpulan keliru bahwa predictive maintenance tidak bermanfaat.
• Pilot yang terlalu singkat. Jika baseline mencatat enam kegagalan setahun, pilot satu bulan mungkin tidak menyaksikan satu pun. Lamanya pilot harus disesuaikan dengan frekuensi kegagalan yang diharapkan, bukan dengan siklus anggaran.
• Memakai angka dari luar pabrik. Persentase penghematan dari brosur atau publikasi industri tidak berlaku begitu saja untuk lini dan aset tertentu. Manfaat yang dapat dipertahankan hanyalah manfaat yang dapat ditelusuri ke catatan pabrik sendiri.
• Menganggap ROI sebagai janji. Perhitungan yang rapi tetap perkiraan. Kegagalan yang berkembang terlalu cepat atau tidak terukur oleh sensor terpasang tetap dapat terjadi, dan angka manfaat perlu diperbarui ketika data pilot tersedia.

Kesimpulan

ROI predictive maintenance yang dapat dipercaya tidak dimulai dari angka penghematan, tetapi dari catatan pabrik sendiri: berapa kali kelompok aset tertentu berhenti, berapa lama, dan berapa biayanya. Dari baseline itu, manfaat diperkirakan per kelompok aset dan per mode kegagalan yang dapat dideteksi, sementara biaya dihitung lengkap, termasuk waktu analisis dan biaya menindaklanjuti temuan.

Pengajuan yang kuat menyajikan kasus dasar, kasus konservatif, dan titik impasnya secara terbuka, lalu mengusulkan pilot dengan kriteria keberhasilan yang disepakati sebelum dimulai. Setelah tiga sampai enam bulan, angka perkiraan itu dapat diganti dengan angka nyata, dan keputusan untuk memperluas program diambil dari bukti, bukan dari janji.