Tugas Analisis Risiko dan Perhitungan

Artikel ini merupakan tugas mata kuliah Analisis Risiko Industri dan perhitungannya.

a. Failure probability function (P(t))

Asumsi yang digunakan:

1. Failure rate 𝜇(𝑡) dianggap konstan
2. Jumlah alat yang beropeasi dengan baik (N0)

Failure rate konstan maka digunakan persamaan reliability sebagai berikut:

Regresi linear data dengan persamaan reliability:

Asumsi N0 = 1000 dan n = 60

Menggunakan perhitungan di excel

Berdasarkan grafik diatas diperoleh

Maka persamaan R(t) dapat diperoleh :

Dan persamaan failure probability :

b. MTBF pompa

Failure rate masing — masing komponen :

Analisis P(t) dan R(t)

Tinjau sistem untuk sumur dalam dengan komponen listrik PLN dan Genset yang tersusun parallel.

Paralel P(t) = P(t),pln x P(t),genset

Tinjau sistem untuk keseluruhan supply air dengan komponen sumur dalam dan PDAM yang tersusun parallel

Parallel, P(t) = P(t), PDAM x P(t), a

a) Perkiraan probabilitas kegagalan supply air ke hotel

P(t) = 0,011215311

R(t) = 0,988784689

b) MTBF sistem supply air ke hotel

MTBF = 88,8667653

c) Jika diinginkan 1 kali 10 tahun dalam sistem penuh maka,

d) 𝜇 genset= 1/120 = 0,0083/bulan karena dalam sistem tersebut listrik PLN dan PDAM sifatnya sulit dikontrol sehingga perlu menjaga komunikasi agar tidak ada terjadi kesalahan teknis. Untuk mencapai nilai 𝜇 tersebut maka perlu dilakukan dengan peningkatan kinerja genset, pemeliharaan genset, ataupun menambah jumlah genset yang diperlukan. Dalam hal ini minimal kegagalan operasi dalam genset dihitung dengan bantuan goal and seek dengan 𝜇 genset sebagai varibel berubah dan 𝜇 sistem supply air:

sehingga Kegagalan operasi genset adalah: n bulan x 𝜇 genset= 120 x 0,05= 6 kali kegagalan operasi dalam 10 tahun. Selain itu , juga dapat dilakukan dengan alternatif untuk menambah cadanagn listrik dengan energi terbarukan dan juga menambah sumber supply air selain PDAM dan sumur dalam, serta dapat juga menambah jumlah genset yang diperlukan.

a) Kelebihan Weibull distribution

• Fleksibel dapat menganalisis data dengan tingkat kegagalan yang tidak konstan
• Model Weibull dapat diturunkan secara teoritis sebagai bentuk Nilai Ekstrim Distribusi, yang mengatur waktu untuk terjadinya “hubungan terlemah” dari banyak proses kegagalan berlawanan
• Distribusi Weibull dapat digunakan untuk memodelkan distribusi kecepatan angin di tempat kejadian tertentu

Kekurangan Weibull distribution

• Sulit menjelaskan failure rate yang konstan
• Membutuhkan sampel dalam pembandingnya
• Asal waktu harus didefinisikan dengan jelas.

b) Reliability Weibull distribution

c) Reliability exponential distribution

d) Reliability for t = 6000 hours

e) Hubungan dari kedua distribusi

Pada 𝛼 > 1 dan v dengan nilai sama, maka failure rate meningkat. Failure rate yang meningkat menunjukkan bahwa reliability menurun dan kemungkinan sistem aman/safe semakin kecil.