Ada apa dengan Manual OEE ( Overall Equipment Effectiveness)


Manual skor OEE atau  kalkulasi manual OEE (overall equipment effectiveness), tidak banyak membantu perusahaan manufacturing untuk bisa berkembang. Manual kalkulasi OEE berguna hanya  sebagai pembelajaran bagi karyawan khususnya operator dan tingkat supervisor. Pembelajaran ini meliputi : Penjelasan OEE keterkaitannya dengan TPM (Total Productive Maintenance) , Rumus dan  perhitungannya OEE, serta teoritikal dari Availibility, Performance dan Quality Rate.

Kenapa dikatakan  manual OEE hanya cocok sebagai materi pembelajaran?,  dan tidak cocok untuk dijadikan report produksi sehari-hari pada pabrik anda?. Berikut beberapa alasannya :
  1. 1. Report dalam bentuk informasi mempunyai dua efek atau impact yang didapatkan. Jika informasinya benar maka akan sangat membantu, namun jika informasinya salah atau menyesatkan, maka arah fokus improvement bisa salah. 
  2. Probabilitas kesalahan dari manual OEE sangat besar. Kenapa? Manual entry, manual kalkulasi, dilakukan oleh orang bisa terjadi kesalahan paralaks dan kelelahan fisik.
  3. Kejadian minor stop, cokote, dibawah cycle time dalam interval 1 detik, 2 detik, 3 detik, bahkan 1 menit tidak bisa tertangkap oleh orang. Jika hal ini diulang-ulang setiap shift, setiap hari dan setiap bulan nya, maka losses yang banyak terjadi tidak bisa terlihat.
  4. Kalkulasi OEE bukan pekerjaan mudah.  Tidak pernah bisa dilakukan dengan cepat, apalagi real time. Butuh 1 hari, 2 hari , bahkan terkadang satu minggu operator baru bisa memunculkan nilai OEE mesin di lantai produksi. Padahal kejadian sudah selesai.
  5. Notifikasi masalah tidak pernah realtime, mengandalkan daya  ingatan orang. Tidak sedikit pabrik  menggunakan interface untuk memasukkan data produksi  melalui  PC desktop. Namun ketika PC desktop tidak terhubung langsung dengan trigger mesin atau sensor, maka informasi dan report produksi tidak bisa real time.
  6. Perlu diingat bahwa operator mempunyai pekerjaan utama  untuk mengoperasikan mesin dan mendapatkan output produksi. Terkadang administrasi seperti reporting tidak menjadi prioritas bagi operator. Sehingga sering mengabaikan report manual.
  7. 7. Manual entry atau manual kalkulasi OEE, tidak pernah  bisa sesuai antara waktu kerja yang tersedia atau Operation Time dengan output yang dihasilkan oleh mesin atau line produksi. Manual tidak akan pernah bisa cocok secara perhitungan . Artinya pasti ada usaha untuk mencocokkan secara manual. Mengakali agar supaya hasilnya bisa sesuai.
  8. Data manual skor OEE punya kredibilitas rendah dimata semua orang. Di  mata tim  maintenance. Di mata tim  Engineering, dan  di mata top management. Sehingga terkesan sebagai formalitas saja. Tidak  digunakan sebagai satu tools yang pada tempatnya.
  9. Sebagaian besar pabrik yang melakukan manual OEE tidak bisa menjadikannya sebagai bahan untuk improvement. Lagi-lagi hanya menjadi formalitas belaka.
  10. Manual skor OEE tidak bisa diteruskan untuk analisa lebih lanjut terkait dengan Seven Tools dan Machine Learning Algoritma. Report akan berhenti begitu saja.
  11. Aktivitas manual skor OEE jika tidak mempunyai dampak positif buat perusahaan, bahkan cenderung mengurangi waktu pekerjaan efektif akan menjadi losses yang besar buat perusahaan jika diulang dari hari ke hari, ke bulan dan tahun ke tahun. Sangat berlawanan dengan konsep lean manufacturing.


Nah, sekarang sudah jelas kalau manual skor OEE  itu terkadang bukan membantu operator , bahkan dianggap menyusahkan. Ini kami temui di beberapa pabrik. Menurut kami, Manual OEE tidak sepenuhnya punya konotasi negatif. Tahap manual skor OEE lebih baik,  dari pada tidak sama sekali.

Pabrik yang sudah  melakukan manual skor OEE dan reportingnya,  jauh lebih baik kondisinya ketika  mengadopsi automatis skor  OEE.

Sedikit tentang AUTO OEE SCORING

Automatis skor  OEE  adalah  kombinasi software dan hardware,  dalam satu sistem  monitoring reporting OEE. Untuk menghitung  skor OEE (Overall equipment effectiveness), sumber data  didapatkan langsung dari mesin, kemudian diolah secara Real Time oleh Edge Computing.  Sumber data yang terdiri atas trigger mesin seperti starting, running mesin,  stop mesin,  Down time mesin,  serta problem mesin di ambil secara automatik dalam platform Auto Data Collecting System.   Skoring OEE yang didapat dengan system ini adalah automatis dan real time,  seiring dengan jumlah output yang keluar dari mesin atau  lini produksi.

Tidak hanya itu,  sistem automatik skor OEE mengakomodasi  variabel-variabel yang terlibat dalam proses produksi  seperti variasi produk,  variasi cycle time,  variasi packanging,  pergantian lot produksi atau batch, sesuai dengan aturan ISO pabrik .  Semua berjalan secara otomatis, membantu pabrik mencapai predikat sebagai worl class company.

The Basic difference between PLC and Microcontroller



The basic difference between PLC and Microcontroller is as below.

1. The IO capacity of PLC is more than Microcontroller, Microcontroller does not have IO capacity in thousands.    example :    Temperature value 56 celcius,  you need I/O for Upper limit, lower limit, standart limit, alarm etc. each value needs I/O.

2. PLC having more than one CPU or Processor inbuilt where Microcontroller  does not have.

3. Watchdog for the PLC is faster than Microcontroller , means scan cycle time of PLC is more than Microcontroller.

4. PLC has a redundancy in failure condition, Microcontroller does not have.

5. PLC (Remote IO) can be placed and operated in hazardous area, Microcontroller can not work in that type of area.

6. PLC can communicate on different protocols , Microcontroller can not support all protocols.

7. PLC is more reliable and robust to use for industrial application so controller failure possibility is very less in case of PLC, where Microcontroller can fail any time.

8. Microcontrollers are not designed with the ruggedness and ability to withstand extreme conditions like PLCs. This makes them not ready for industrial applications.

9. Industrial sensors and actuators are usually designed according to the IEC standard which is usually at a range of current/voltage (24V DC) and interfaces which may not be directly compatible with microcontrollers and will require some sort of supporting hardware which increases cost.

WHICH ONE THE BEST FOR DATA AQUISITION?

It really depends on realtime and functional safety requirements. If you need hard realtime response, MCU based PLC is still the right choice.  If  realtime is no needed, simple remote actuators and sensors where the logic and algorithm are centered at industrial datacenter much better in low price.

Digitalisasi BUMN khusus pengolahan atau manufacturing



Pada Manufacturing atau proses pengolahan fisik barang,  Sepatutnya  disadari bahwa uang anda dominan berputar di lantai produksi atau di shopfloor. Ada pembelian mesin, ongkos tenaga kerja, biaya listrik, overhead, kerugian akibat rejection, kerugian akibat waktu mesin nganggur, pergantian sparepart, electricity Down dll.

Karena uang pada manufacturing proses dominan beredar di lantai produksi, maka sudah sepantasnya lantai produksi dimonitor dan dikontrol sebaik dan seketat mungkin. Ada transparansi, ada visualisasi,  ada integrasi  dan interkoneksi, ada smart devise ditempatkan di lantai produksi.

Hari ini, ada 31 perusahaan BUMN bergerak dalam bidang pengolahan atau manufacturing proses. 50% diantaranya sudah menggunakan SCADA. SCADA bukanlah segala-galanya.

SCADA adalah supervisi control aquisition  data. Adalah salah satu teknology kontrol yang hanya berkutat pada Parameter mesin. Seseorang yang menggunakan SCADA berada didepan sebuah monitor atau room control, dapat memperlambat Speed, tekanan, menutup valve atau membuka valve tanpa harus ke lapangan.

Beberapa BUMN sudah menggunakan sistem ini untuk memudahkan jalannya produksi sekaligus mengontrolnya. Namun lagi-lagi, SCADA hanya  berkutat pada parameter mesin bukan parameter manajemen. SCADA adalah bagian dari otomatisasi, sebagai ciri khas dari industrial 3.0, menggantikan orang untuk mengontrol parameter mesin. Sekaligus menghasilkan data.


Hari ini, ini BUMN pada industri pengolahan,  seharusnya sudah bergerak menuju implementasi industrial 4.0 yang sesungguhnya, dimana parameter mesin bergerak menuju parameter manajemen. Hasil dari automation dalam bentuk data-data, diolah untuk menghasilkan informasi yang berguna untuk manajemen BUMN. Hal ini dilakukan secara auto data collection langsung dari mesin dan fasilitas produksi, bukan manual input, manual entry dan manual kalkulasi. Terjadi pergeseran dari parameter mesin menuju parameter manajemen.



Parameter management atau Key performance indikator diwujudkan dalam suatu konsep MES (Manufacturing Executin System) software & hardware. MES berisikan variable-variable di lantai produksi untuk menghasilkan informasi. Ada 21 KPI pada lantai produksi, yang relevan dengan teknologi saat ini, antaralain :
1 Capacity Utilization
2 On Standard Operating Efficiency
3 Overall Operating Efficiency
4 Overall Equipment Effectiveness OEE
5 Machine Downtime
6 Unscheduled Down Time
7 Machine Set Up Time
8 Inventory Turns
9 Inventory Accuracy
10 Quality
11 First Pass Yield
12 Rework
13 Scrap
14 Failed Audits
15 On-Time Delivery
16 Customer Returns
17 Training Hours
18 Employee Turnover
19 Reportable Health & Safety Incidents
20 Revenue per Employee
21 Profit per Employee

Ditambah dengan algoritma machine learning dan Big Data. Manajemen bisa memperoleh data yang akurat dan presisi untuk memprediksi serta mengoptimasi seluruh parameter yang terlibat dalam proses produksi. Upaya peningkatan produktivitas akan optimal dan cepat untuk digapai.

Bagaimana mewujudkan itu?, secara garis besar ada tiga hal yang harus disiapkan :
1. People dan organisasi,
2. Teknologi serta
3. Business transformasi. Kami bisa bantu set up itu semuanya dengan pengalaman yang kami dapatkan dalam mengimplementasi digitalisasi terhadapa multi nasional company di indonesia.
Cari kami di Inovator4id.

21 Production KPI Examples Updated for 2020 to Improve Manufacturing Performance

Ini Ada Artikel Bagus  dan kekinian
dari : https://www.rhythmsystems.com/blog/21-production-kpi-examples-to-improve-manufacturing-performance

21 Production KPI Examples for the Manufacturing Industry

  1. Capacity Utilization – This measures how much of your available capacity you are actually using on your production line. The higher the better. Buildings and equipment are expensive assets and you want to maximize their use. It also helps to manage what you sell by production center so you do not over or undersell a particular manufacturing line, thereby balancing the workload.
  2. On Standard Operating Efficiency – If you have a piece rate or incentive system in place, you want to measure how employees are performing against the labor standards you used to cost the product. If these numbers are low, it is beneficial to examine methods and do post-production analysis. It is very common for companies to underestimate labor costs, and this KPI can help you identify this.
  3. Overall Operating Efficiency (OOE)– This is one of my favorites because it includes on standard time as well as off standard time. You are trying to maximize this percentage so that employees are adding value the majority of the time they are clocked in and present. 
  4. Overall Equipment Effectiveness OEE– This metric measures the overall effectiveness of a piece of production equipment or the entire line. Availability x Performance x Quality. This is a great KPI to maximize to ensure you are running the plant effectively.
  5. Machine Downtime – This KPI and the two below are components of OEE above, but worth measuring on their own. This includes scheduled downtime for maintenance, setups and unscheduled downtime and can include machine changeover.
  6. Unscheduled Down Time – This one can be a killer and one to minimize because it affects other processes in the production chain. Scheduled and predictive maintenance can help minimize unscheduled downtime. There are wireless sensors you can use which can help support predictive maintenance to reduce unscheduled downtime.
  7. Machine Set Up Time - A lot of production time can be lost to set up and changeovers. Implementing SMED (single minute exchange of dies or similar techniques) can really help keep this lost time to a minimum. Look for ways to incorporate parts of the set up so that they are internal to the process to avoid taking machines offline for any longer than you need to. Quick changeover setups also reduce this time.
  8. Inventory Turns – In today’s Lean environment and pull approach, keeping inventories to a minimum can really help free up cash and give you the ability to respond to changing customer needs much more efficiently and with better delivery times. It also keeps your on-hand inventory fresh and relevant to avoid obsolescence and mask quality problems. 
  9. Inventory Accuracy – There is nothing worse than putting a work order into production only to find your raw goods inventory was inaccurate. This either delays the start of production or causes delays in the line if the order happened to make it into process. I had a rule to never let an order begin production unless everything was available in-house for the order. This helps you manage and maintain your supply chain to keep the right amount of inventory on hand to keep things running.
  10. Quality – This is a no-brainer and table stakes today, but still necessary to measure. There are many ways to measure quality, and I am listing a few below for consideration. Percent defective is one of many ways you can measure quality. Establishing clear and consistent standards goes a long way to reaching your quality goals.  The only way to continuously improve is to learn from your mistakes, so don't just measure the quality - determine the root cause and fix it.
  11. First Pass Yield – The percentage of products manufactured correctly and to spec the first time through the process. Getting this number up reduces the next two listed.
  12. Rework – There is no bigger waste of time and raw materials than rework. Implementing quality at the source and effectively training people can go a long way to minimizing this waste.
  13. Scrap – Raw material costs are expensive so minimizing scrap is important. The more robust your processes and training programs are, the less scrap you are likely to produce. When you do produce scrap, do your best to recycle it if possible.
  14. Failed Audits – There is nothing worse than having a shipment ready to go out the door that fails a final quality control audit. Better here than on the customer's doorstep, but this still leads to rework, scrap and delays. The goal for this KPI should be 0 failed audits, and if it’s not, a root cause analysis is in order.
  15. On-Time Delivery – This is a KPI that really keeps customers happy but is also motivating to your production employees. Set the goal for 100% on-time weekly and consider rewarding your employees if they achieve it. Many of the other leading indicators mentioned help drive this one.  What percentage of total products are delivered on time?  Read this blog article to learn about KPIs, Culture, and Habits to Improve On-Time Delivery.
  16. Customer Returns – There is nothing worse than getting a defective product back from customers. Not only is it embarrassing, it ruins customer confidence. Even though this is a result indicator, it can help you determine problems in the production chain when you evaluate returned products. A good goal is to strive for zero returns.
  17. Training Hours – This is a great leading indicator that can drive a lot of the other KPIs on this list. Training doesn’t solve every problem, but there is no substitute for a good training and onboarding program. Too many companies still use the sink or swim method which creates a lot of problems. Tweet: Training doesn’t solve every problem, but there is no substitute for a good training and onboarding program. Too many companies still use the sink or swim method which creates a lot of problems. @RhythmSystems http://bit.ly/2INL73j
  18. Employee Turnover – Happy employees make happy customers. If your turnover is high, it is time to do some root cause analysis to determine why. Quality and efficiency problems often stem from high turnover due to training new inexperienced employees. 
  19. Reportable Health & Safety Incidents – Here's another KPI to strive for zero on. Many companies have embedded this in their culture. I grew up in a big railroad town, and I remember driving past the billboard of a locomotive where they would list how many days achieved with zero accidents. Very motivating for employees and something they were proud of. Accidents drive up workers' compensation rates and are hard on employee morale.
  20. Revenue per Employee – This is a basic indicator but can be a quick helpful way to see how the operation is doing overall; improving, standing still or becoming less efficient. It is also a good metric to use to compare your company against others in a similar industry.  
  21. Profit per Employee – I like this KPI even more than the one above. Even though it’s lagging, it takes into consideration how well you are doing on many of the leading indicators above. Revenue per employee may look good, but you may see you have opportunities to improve profitability.

    oee calculation tpm adalah analysis software hardware plc application availability performance quality analytics free download open source comparison price applicatin wonderware rockwell www vmtech indonesia making indonesia 4.0 pabrik oee filling oee packing jakarta surabaya medan

Seandainya saya Bos BUMN

Bukan siapa-siapa, hanya punya imajinasi besar untuk negeri ini.

Hari ini, ini siapa yang punya duit banyak? Selain konglomerasi swasta?, siapa yang mendominasi dan menggerakkan ekonomi maju atau mundurnya di negara ini?,

BUMN

Semua proyek dan mega proyek di negara kita ini dikelola dan dilaksanakan serta dipertanggungjawabkan  oleh BUMN dan BUMN. Kenapa BUMN dan BUMN?, ya karena anak-anaknya BUMN juga, bahkan koperasi dan pensiunan BUMN ikut dilibatkan, di bawah perlindungan dan bendera BUMN.

Apakah ini sehat?, pemerintah BUMN regulator, operator serta eksekutif?,
Biarkan hasil yang bisa menjawab.

Hari ini saja BUMN sering katakan "merugi, berhutang",  bahkan ada yang dibekukan karena sudah tidak efisien. Bagaimana di saat bangsa ini sedang membangun, Krakatau Steel memecat dan merumahkan banyak sekali karyawannya. Kan aneh?

Kenapa?, apa salah satu dari banyak alasan adalah karena tidak efisien lagi. Lebih banyak losses, kerugian lebih banyak, utang dimana mana, gilaknya menjadi Hutang Negara. Kenapa banyak hutang? Ya karena sudah tidak efisien dan dari tahun ke tahun di pertahankan terus. Mau minjem istilah bung Rocky #memeliharadungu.

Pokoknya ribet, tidak transparan, tidak ter visualisasi, tidak kekinian, tidak smart, tidak terintegrasi, tidak Real Time, tidak modular, menganut paham kuno Sentralisasi. 

Bagaimana solusinya? 

Bentar dulu Bro, kenal kan dulu agan..
Seorang teknokrat, kerjaan saya kira-kira :
  1. Melakukan digitalisasi terhadap pabrik dan Manufacturing di Indonesia. Klien saya,  ya biasanya multinasional company dan Swasta perusahaan Manufacturing Tbk. 
  2. Saya sering melakukan transformasi Digital dari manual menjadi otomatis. 
  3. Saya membangun pondasi dari implementasi industrial 4.0 khusus untuk Manufacturing Processing 
  4. Saya punya pasukan avengers yang tergabung dalam komunitas inovator 4.0 level internasional yang bisa mewujudkan industrial 4.0, bahkan sampai supremasi kuantum. 

Jadi bagaimana solusinya ? 

Sekali lagi, saya hanya tertarik untuk menyoroti BUMN yang lini bisnisnya adalah Manufacturing.
Ada tiga hal yang mesti dilakukan :

1. Transformasi People dan organisasi. 

Nomor satu yang harus dilakukan, setuju sekali dengan gaya ya bang Erick Thohir, gebrakan pertama adalah BUMN butuh LEADERSHIP. Kita butuh satu tokoh leader yang bisa memimpin kita mengarungi era evolusi supply chain 4.0.

Dan Pak Ahok cocok untuk itu. Setuju sekali.
Selanjutnya adalah organisasi. Entah mengapa pikiran saya dan pikiran bank Erick Thohir sama. Kita butuh BUMN yang Lean,   yang Agile , serta lebih Produktif.
Semua sama-sama tau BUMN itu sudah terlalu gemuk, banyak pejabat  di dalam sana hanya titipan partai, tidak ada kerjaan signifikan dengan gaji selangit. Semua orang berlomba-lomba pejabat di BUMN dengan cara apapun.  Bang Erick Thohir sudah tahu itu, dan tepat sekali. Memangkas jebatan-jabatan yang tidak efektif dan efisien.

Selanjutnya yang mesti dilakukan oleh bang Erick Thohir adalah bagaimana Capacity Utility, serta data-data matriks dari lantai produksi bisa tercapture secara otomatis tanpa manual entry dan manual reporting.  Bang Eric Tahu persis pergerakan efektivitas manufacturing BUMN detik per detik. Semua KPI dievaluasi apakah relevan atau tidak, kalau belum ada KPI , maka segera di rumuskan KPI nya. Pada Manufacturing semua KPI dari berbagai lini sudah menjadi standar, tinggal sesuaikan dengan konsep Lean Manufacturing yang kekinian.

Nomor 2 yang harus dilakukan oleh bang Erick Thohir adalah collaboration, bagaimana sektor swasta diajak secara profesional. Saya garis bawahi secara profesional untuk bekerja dan menghasilkan profit sebesar besarnya untuk rakyat, sehingga tidak ada cerita BPJS bangkrut.

Nomor 3 BUMN harus menjadi sarana pengembangan education bagi seluruh karyawan untuk berkembang menjadi individu yang sesungguhnya adalah pelayan negara. Mengembalikan Hakiki BUMN sebagai sarana untuk kepentingan bangsa dan negara. Dan masih banyak lagi step2 berikutnya.

2. Transformasi Teknologi 

Transformasi teknologi adalah transformasi supply chain. Teknologi yang digunakan di hari ini adalah teknologi yang sejalan dengan industrial 4.0.

Banyak yang salah kaprah,  mohon maaf yang salah pengertian tentang industrial 4.0. Menyamakan konsep engineering atau topologi secara keseluruhan. Padahal pada prakteknya, manufacturing itu sangatlah kompleks, sangat dan jauh lebih kompleks dari pertanian, perkebunan, peternakan marketplace dan lain sebagainya.

Di manufacturing, ada ratusan bahkan ribuan sensor, ada ribuan selenoid, ada ratusan bahkan puluhan brand controller, ada macam-macam komunikasi. Ada berbagai macam mesin, yang ada data logger, PLC, bahkan manual pun masih ada, ada mesin yang di locked, pokoknya macam-macam tingkat kompleksitasnya.

Belum lagi variabel di shopfloor. Ada yang sifatnya multi SKU, multi batch, continuous Line atau individual mesin. Macam-macam. Oleh karena itu perlu sikap yang bijak dalam melakukan transformasi teknologi di Manufacturing.

Anda butuh berbagai macam disiplin ilmu dan keahlian, serta sistem integrator.
Yang lainnya, bisa saya sampaikan di lain kesempatan.

3. Transformasi Bisnis 

Ketika Manufacturing sudah berhadapan dengan data-data Real Time, visualisasi, transparansi, desentralisasi, integrated, serta modular. Selanjutnya business akan mengalami transformasi besar.

BUMN akan lebih lincah, agresif dan cenderung sangat fleksibel menjadi customer oriented, mampu bersaing, dan pada akhirnya akan lebih profit dari sebelumnya.

Keputusan-keputusan korporasi ditingkat shopfloot maupun top management didasarkan atas algoritma machine learning pada artifisial intelijen  memberikan akurasi lebih.

Dimensi-dimensi kualitas dari produk yang dihasilkan oleh Manufacturing BUMN akan mampu menjadi pemenang Dalam persaingan global.

Saya menjadi merinding bagaimana ketika Capacity Utilization, OEE, Machine Downtime, Rework, Inventory turn, Ontime delivery, Tracebility, Failure cost, Employe Revenue, Sales and forecasting bahkan Aktuator dijalankan oleh mesin learning.

Sudah tidak ada lagi peluang untuk korupsi, kolusi dan nepotisme. Semua akan berlangsung dengan sangat efektif dan efisien.

Kan keren...

Sekian dulu kira-kira imajinasi serta konsep , bagaimana seandainya saya menjadi Bos BUMN dari sisi tekokrat. Kita lanjutkan di lain kesempatan.

oee calculation tpm adalah analysis software hardware plc application availability performance quality analytics free download open source comparison price applicatin wonderware rockwell www vmtech indonesia making indonesia 4.0 pabrik oee filling oee packing jakarta surabaya medan

Monitoring pabrik kok pakai Microcontroller Ard*** ?

Monitoring pabrik kok pakai Microcontroller Ard***  ?


Bagaimana mungkin  menggunakan mikrokontroler jenis ard***, salah satu  development board untuk mengontrol pabrik?,  
Menurut saya, keputusan yang kurang bijaksana. 


Tapi ini sungguh terjadi,  kami temui beberapa pabrik sudah menggunakan  development board,  atau devices  yang seharusnya digunakan sebagai prototipe,  atau hobi , nyatanya memang  digunakan untuk  melakukan akuisisi data langsung dari mesin  dan fasilitas produksi lainnya.


Pabrik bukanlah  laboratorium  percobaan. Salah-salah sedikit  maka akan melibatkan banyak kepentingan.  Termasuk data yang dikeluarkan oleh devices seperti ard***(Development board).   Menurut kami,  tindakan  seperti ini semacam ini hanya  menghabis habiskan waktu  dari teman-teman engineering yang mengembangkan  development board  untuk  mesin produksi.  Energi terbuang begitu saja.  tidak sebanding dengan hasil yang didapat. 

Justru akan menimbulkan problem baru,  ketika data tidak masuk sempurna,  data mengalami noise dalam perjalanan,  data  tidak akurat pembacaannya.  Ketika itu dikonsumsi oleh top management,  bayangkan bagaimana efeknya. Terutama untuk teman-teman di lantai produksi.
Belum lagi jika data  tidak masuk,  sementara  teman-teman produksi sangat bergantung dengan report dari devices ini.  

Justru akan menimbulkan problem baru,  ketika data tidak masuk sempurna,  data mengalami noise dalam perjalanan,  data  tidak akurat pembacaannya.  Ketika itu dikonsumsi oleh top management,  bayangkan bagaimana efeknya. Terutama untuk teman-teman di lantai produksi.
Belum lagi jika data  tidak masuk,  sementara  teman-teman produksi sangat bergantung dengan report dari devices ini.  

Betul, setahu saya  memang ada device ard ***  atau development board  yang heavy duty  dan kelas industri.  Namun setelah dicek,  harganya lumayan tinggi  dan hampir sama dengan devices  yang selama ini familiar untuk melakukan pengontrolan mesin  yakni PLC.  Harganya hampir sama,  hampir tidak ada bedanya,  malah beberapa lebih mahal.

Sementara protokol yang digunakan  development board ini  ini tidak sama, dan tidak nyambung dengan ladder PLC?,  artinya tidak bisa diadaptasi ke PLC.

Jika hanya ingin melakukan  percobaan,  trial  atau inovasi.  Beberapa brand PLC menyediakan mini PLC  yang harganya sekitar Rp4.000.000 sampai Rp5.000.000,  cukup murah bagi sebuah pabrik.  Mini PLC  punya protokol yang sama dengan tipe tinggi nya, programming/ladder yang dibuat di mini PLC masih bisa diteruskan ke tipe tinggi nya.

"Jadi kenapa harus mempertahankan ard ***  atau development board untuk dikembangkan?,  tidak ada faedahnya menurut saya, terkecuali kalau itu di implementasikan diluar Manufacturing".

PLC adalah bentuk giga dari mikrokontroler. Temukan perbedaanya.

OEE, oee, oee adalah, rumus oee, metode oee, oee mesin, oee solution, contoh menghitung oee, oee benchmark data, oee calculation, example, oee industry, vmtech, perusahaan vmtech, vmtech software, victor harefa, industry 4.0, rockwell automation, wonderware, efactory, IIOT, IOT, Edge computing, Edge cloud, mttr, mtbf, machine, mesin, suhu, akuisisi data mesin, packing, cokote, minor stop,scada system, apa itu mes, mes adalah

oee calculation tpm adalah analysis software hardware plc application availability performance quality analytics free download open source comparison price applicatin wonderware rockwell www vmtech indonesia making indonesia 4.0 pabrik oee filling oee packing jakarta surabaya medan

Topologi VMTECH - Stage 2, Stage 3 dan Stage 4


Stage 2 

Pada tahap ini data matriks dari shopfloor produksi dilakukan tahap engineering data oleh teman-teman Data Scientist, menuju tahap AI (aartificial intelligence) dengan metode machine learning dan deep learning. Algoritma data, korelasi data, deviasi data distribusi data dll adalah metode yang digunakan untuk mendapatkan Insight, atau value. 

Proses engineering data ini dapat dilakukan dengan online dalam hal ini dikenal dengan fasilitas cloud atau dapat dilakkan dengan  dengan offline dengan fasilitas GUI.

STAGE 3


Stage 3 menghasilkan insight dan value. Dengan mendapatkan Insight atau value, pengambilan keputusan jauh lebih akurat dan lebih presisi. Kita akan mendapatkan  parameter yang bisa mengoptimasi produktivitas sebuah pabrik. Sehingga perusahaan mendapatkan profit yang optimal dan dapat terus eksis dalam persaingan global. 


Selain digunakan sebagai metode pengambilan keputusan, signal keluaran dari metode machine learning dan deep learning dapat diteruskan kepada Edge computing untuk bisa dilakukan eksekusi dan aktuator aktuator yang akan dijelaskan pada stage ke-4.

STAGE 4


Pada stage 4 edge computing yang merangkap sebagai aktuator akan melakukan intervensi terhadap proses di Manufacturing sampai kepada siapa produksi. Prinsip "people only consump from machine" sudah dilakukan. Semua sistem berjalan dengan prinsip artifisial intelijen. Melibatkan AI robot, AGV, augmented Reality, virtual reality, human machine interface, UAV dll. 


oee calculation tpm adalah analysis software hardware plc application availability performance quality analytics free download open source comparison price applicatin wonderware rockwell www vmtech indonesia making indonesia 4.0 pabrik oee filling oee packing jakarta surabaya medan

Topologi VMTECH - Implementasi Industrial 4.0

Industrial 4.0 adalah evolusi besar dari peradaban dunia. Secara umum ada 3 hal yang harus dipersiapkan dan berjalan beriringan jika ingin menerapkan digitalisasi factory khususnya di manufacturing processing,  antara lain adalah :

1. People atau organization.


Pada tahap ini ini perusahaan harus memikirkan bagaimana seluruh aset people dan organization mempunyai pemahaman dan pengertian yang sama tentang langkah perusahaan yang menuju lean manufacturing, semakin efisien dan semakin efektif. People dan organization secara mindset sudah paham tentang lean manufacturing, evolusi supply chain, total productive maintenance, 5S, just in time,dll. Mempunyai struktur dan hierarki yang bisa menjadi Leading bagi transformasi digital.

2. Teknologi 

Perusahaan manufaktur yang harus mengerti teknologi yang tepat dan bijak digunakan untuk mendukung automatic data collection, horizontal integration ataupun vertical integration. Perusahaan harus mempunyai referensi yang cukup baik peserta literasi yang memungkinkan untuk memilih hardware dan software yang tepat. Prinsipnya adalah hardware dan software tersebut memiliki desain yang robust design serta seamless conectivity.

3. Business transformation

Perusahaan manufaktur juga harus memikirkan dari awal tindak lanjut dari software produksi kan yang transparan tervisualisasi dengan baik serta data real Time, aktual dan paperless. Data atau value tersebut ditindaklanjuti oleh bagian sales and marketing, GA, procurement, warehouse dll. Jika data dari shopfloor produksi sudah paperless, seharusnya Memberikan manfaat yang signifikan terhadap departemen sales and marketing untuk semakin cepat menyesuaikan dengan kebutuhan serta added value pelanggan.

Ketiga hal tersebut adalah yang umum dilakukan ketika melakukan adaptasi terhadap industrial 4.0.

Bagaimana VMTECH mempunyai topologi terhadap industrial 4.0 adalah sebagai berikut :

TOPOLOGY VMTECH - Industry 4.0



Stage 1

Stage 1 diawali dengan "Connect Everything". Horizontal  integration dan vertikal integration dilakukan di shopfloor produksi. Equipment yang tidak punya konektifitas dilakukan pergantian dengan jenis yang punya konektifitas, minimal dengan komunikasi analog. Condition Base monitoring dilakukan. Akses jaringan komunikasi LAN dan WIFI di siapkan untuk di tempatkan di lantai produksi.

Setelah devise disiapkan dan  dilakukan integrasi horizontal dan integrasi vertikal terhadap mesin dan fasilitas produksi, tahap selanjutnya adalah auto data collection. Data-data yang diperlukan ditarik secara seemless menuju Pulling data. Manufacturing sangatlah kompleks, ada ratusan sensor,ada ribuan relay ada ratusan data logger, dan ada ribuan contact yang tersedia. Memerlukan perangkat Edge computing untuk processing data sebelum menuju Cloud. Beberapa perusahaan terutama perusahaan yang berasal dari Japan misalnya tidak terlalu suka menggunakan fasilitas Cloud.
Mereka lebih suka menggunakan offline edge computing.   

Melakukan setelah melakukan auto data collection,  maka tahap selanjutnya adalah melakukan prosesing data sesuai dengan goals yang akan dicapai. Tujuan pengolahan data untuk mendapatkan data matriks dari performance sebuah Manufacturing proses. Data matrik ini dapat berupa skoring dari efisiensi mesin dan proses, energy monitoring system, preventive maintenance system, tingkat utilitas sistem. yang sudah menjadi benchmark internasional. 

Setelah sistem mengeluarkan data matriks dari persamaan sebuah Manufacturing, maka langkah selanjutnya adalah melakukan visualisasi data serta analitikal data. Ada banyak tools yang dapat digunakan. Penggunaan Seven tools untuk menghasilkan gas pareto chart, pie chart, histogram skater dan lain-lain dirasa sangat membantu untuk bisa menganalisa dan mengambil kesimpulan dari data dan informasi yang didapat langsung dari mesin.


Stage 2, Stage 3 dan Stage 4  selanjutnya >>>

oee calculation tpm adalah analysis software hardware plc application availability performance quality analytics free download open source comparison price applicatin wonderware rockwell www vmtech indonesia making indonesia 4.0 pabrik oee filling oee packing jakarta surabaya medan

TIPS MEMILIH VENDOR MES/OEE AUTO SCORING





























hi excelllent people ...

Agak sulit untuk menentukan vendor penyedia sistem OEE Scoring yang auto (Software & hardware). Berikut beberapa tips yang seharusnya dapat diaplikasikan ketika memilih vendor MES system atau OEE Scoring.


  1. Pastikan menggunakan perangkat hardware yang industrial.
  2. Pastikan vendor tersebut dapat customizing, sesuai dengan kondisi dan ekspektasi top management.
  3. Semaksimal mungkin data atau Trigger diambil dari mesin langsung. Jika tidak bisa, minimal menghilangkan kertas dan ballpoint. 
  4. Hardware yang digunakan Robust Design dan Seamless Connectivity serta modular system. Sebab ada ratusan sensor, ratusan relay, ratusan selenoid di lantai produksi yg akan di ambil datanya untuk BIG DATA.
  5. Hardware sudah dipersiapkan untuk integrasi selanjutnya dengan produk dan mesin lain. 
  6. Lihat tingkat kedalaman data type downtime ataupun quality. Sebaiknya downtime diuraikan Lebih Detail, hingga ke root cause dan syntomp nya. Dengan demikian top management akan dihadapkan pada data yang aktual dan efektif sebagai bahan improvement. 
  7. Pastikan menggunakan dashboard yang Real Time, serta bermanfaat untuk operator lapangan. 
  8. Pastikan mendapatkan warranty selama mungkin, karena dalam prakteknya anda akan berhadapan dengan small modification terhadap tampilan, atau bahkan algoritma pemograman di masa mendatang
  9. Informasi jenis down Time, jenis rejection, rumus perhitungan OEE, template dashboard, template database dan reporting disepakati di awal. 
  10. Sebelum implementasi sebaiknya dilakukan simulation secara software, memastikan semuanya sesuai dengan konsep yang disepakati, sebelum benar-benar instalasi.
Pertimbangan harga adalah faktor yang juga sangat menentukan, karena customer dibebankan untuk menginvestasi beberapa licence dari software, termasuk operation system yang digunakan dalam server.





oee calculation tpm adalah analysis software hardware plc application availability performance quality analytics free download open source comparison price application
wonderware rockwell www vmtech indonesi

Manual OEE menjadi AUTO OEE Scoring (Hp. 081381250600)


Betul, Tidak gampang untuk mengubah manual OEE scoring menjadi auto OEE scoring. Namun Kesulitan itu tidak menjadikan kita patah semangat. Pasti ada jalan keluar. 
Kesulitan ini erat kaitannya dengan kompleksitas yang sering kita temukan dilantai produksi seperti :
  1. Perhitungan OEE secara line produksi (continous process) dan perhitungan OEE dengan independent mesin mempunyai konfigurasi yang berbeda. Terutama untuk klasifikasi nilai downtime dan nilai downtime. Karena untuk proses continous stop mesin bisa mempengaruhi yang lain.
  2. Terkadang setiap produk mempunyai flow proses dan hanya melalui beberapa mesin tertentu dari keseluruhan mesin atau proses yang ada. Sehingga punya karakteristik, cycle time, packing sendiri yang berbeda satu sama lain tapi masih dalam satu lini produksi.
  3. SKU atau varian yang begitu banyak dengan berbagai cycle time dan kondisi packing yang digunakan. Setiap SKU tidak mempunyai OEE yang sama karena cycletime dan proses flow yang berbeda.
  4. Pergantian Lot dan bacth dalam shift yang direncanakan atau yang tidak direncanakan dan sangat cepat. Dalam 1 shift dapat terjadi pergantian Job Instruksi hingga 10 batch. Berpengaruh kepada configurasi OEE, data base dll.
  5. Lot produksi yang belum selesai dan masih harus dilanjutkan ke lain hari, mempunyai kesinambungan data dan reporting.
  6. Quality yang masih manual dan tidak punya sensor, mesin yang masih jadul dan tidak punya ethernet, mesin di-locked, mesin sudah canggih dll.
  7. Ingin di akses dengan Mobile access, android atau cloud , ingin hanya internal wireless saja dll.
Kami bersedia untuk menjadi partner anda untuk mengembangkan 4.0 dan dimulai dari Auto OEE Scoring (overall equipment effectiveness).

No alt text provided for this image


Industrial 4.0 adalah CUSTOMIZING

Industrial 4.0 adalah CUSTOMIZING


Industrial 4.0 hari ini bukanlah sekedar slogan ataupun trend. Tapi sudah menjadi satu kebutuhan yang mau tidak mau, suka tidak suka,  akan dan mesti ter implementasikan pada proses Manufacturing. 

Beberapa konsep Manufacturing yang kita kenal sebagai wujud dari industrial 4.0 : Smart Manufacturing, making indonesia 4.0, e-factory, digitalization, dll. 

Industrial 4.0 sangatlah luas, disini kita  hanya membahas  terhadap Manufacturing processes atau proses industri pengolahan. Prinsipnya adalah tidak ada satu konsep standar tentang industrial 4.0.  

Secara tidak sadar kita,  kita sudah di dalamnya.  Dari cara kita berpandangan,  cara kita bertindak,  serta cara kita berfikir terhadap lingkungan dan pekerjaan kita.Ditambah dunia dalam bahasa pandemics Corona  coffid- 19. 

Tidak terkecuali dunia Manufacturing.  tidak ada pilihan lain harus Bangkit dari keterpurukan  dengan teknologi yang tepat.  menghilangkan semua  losses dengan teknologi.

Teknologi tidaklah cukup untuk bisa bangkit


 Teknologi akan merugikan,  jika berada di tangan yang salah,  atau jika dilakukan dengan cara yang salah.  Teknologi hanya bisa menguntungkan  jika dilakukan dengan benar dan tepat.  Anda butuh satu konsep berpikir dan paradigma yang benar terhadap teknologi yang ada di tangan anda. Itulah tentang industrial 4.0.

Industrial 4.0 adalah konsep dan berparadigma.  Sampai hari ini tidak ada 1 konsep standar atau konsep baku yang digunakan untuk pasti industrial 4.0 terutama di Manufacturing.  Karena setiap Manufacturing mempunyai keunikan masing-masing.  Faktor variabel dan koefisien yang dipunyai oleh pabrik, dan tidak bisa mewakili pabrik lain.  Hanya konsep berfikir lah dan paradigma yang bisa disamakan.
Hanya konsep berfikir lah dan paradigma yang bisa disamakan. 

Pertanyaannya, mana konsep industrial 4.0 yang paling ideal? 



Konsep yang paling ideal adalah konsep 4.0 yang langsung bisa membantu bapak/ibu bekerja sehari-hari. Memudahkan pekerjaan bapak-ibu sehari-hari, untuk mengetahui akar permasalahan dengan cepat dan mengatasi masalah  dengan cepat dan tepat.

Bukan konsep yang rumit, bahkan cenderung menambah pekerjaan yang tidak perlu, hanya karena ingin mengikuti trend dan kelihatan mewah, dengan segala fitur internet of Things. Tanpa memikirkan sisi keuntungan serta rencana pengembangan selanjutnya ke depan. Kami sering menemukan beberapa sistem yang sudah berlangsung di lantai produksi justru menyusahkan teman-teman operator supervisor dan manager produksinya.
"Tidak ada satu konsep 4.0 yang standar dan sama persis dianut oleh perusahaan pada Manufacturing". 

Pada awal presentasi hal yang pertama saya tanyakan terhadap customer adalah perusahaan anda open Manufacturing atau close Manufacturing.
  1. Perusahaan dengan prinsip Close Manufacturing, tidak ingin berurusan dengan cloud atau virtual server demi alasan keamanan data, sekuritas aplikasi, kebocoran data dll. 
  2. Dengan prinsip Open Manufacturing, tidak berkeberatan dengan cloud atau virtual server. Top management bisa mengakses dan monitoring pabriknya di mana dan kapan saja. 

Dengan kita tahu kondisi dari kedua ciri tersebut, kita akan dapat menempatkan sudut pandang kita dengan benar, sesuai dengan kebutuhan customer.

Bagi kami VMTECH, AUTO OEE Scoring sebagai bagian dari MES (manufacturing Execution System)  adalah titik awal dari Factory  Digital. Mengapa demikian?

1. MES terkait dengan aktifitas di lantai di lantai produksi langsung. Man material method machine money measurement, mother Nature dikontrol oleh MES manufacturing execution system.

2. Anda bekerja di Manufacturing proses, bukan di hospitality, ataupun market place atau e-commerce. Di manufacturing, duit anda, investasi anda sebagian besar diputar di lantai produksi, Dominan di lantai produksi. Sangat wajar kita simpulkan bahwa bisnis anda berjalan di dapur atau lantai produksi. Bukan di warehouse, bukan di Finance dan  bukan di General affair.

3. OEE cara merunut masalah dari ujungnya, lebih memudahkan. Bisa jadi temperature sensor anda menjadi biar Downtime, tapi apakah itu dominan?, atau ada yg lebih dominan dari sekedar temperature?. OEE bisa mengungka itu semua.

OEE mengungkap semua permasalahan yang terjadi secara matrik dan menguraikan masalah dengan sangat baik. Mengungkap daerah abu-abu, alias tidak termonitoring. OEE adalah KPI dari sebuah organisasi.
Dari titik ini, kita bisa mengetahui daerah kritikal dan masalah dominan yang terjadi pada shopfloor. Availibility, Performance, Quality serta detail downtime memberikan anda material yang bagus untuk improvement.

Bagaimana dengan anda? apakah OEE scoring masih dilakukan dengan manual?, silahkan menghubungi kami jika ingin menjadikannya Auto OEE scoring. 

Artikel Terkait :
OEE, oee, oee adalah, rumus oee, metode oee, oee mesin, oee solution, contoh menghitung oee, oee benchmark data, oee calculation, example, oee industry, vmtech, perusahaan vmtech, vmtech software, victor harefa, industry 4.0, rockwell automation, wonderware, efactory, IIOT, IOT, Edge computing, Edge cloud, mttr, mtbf, machine, mesin, suhu, akuisisi data mesin, packing, cokote, minor stop,scada system, apa itu mes, mes adalah

Predictive dan Preventive Motor dan Generators dengan SMART SENSOR

Predictive dan Preventive Motor dan Generators dengan SMART SENSOR (CBM -  condition Based monitoring system)


Kinerja dari motor sangat penting untuk operational sebuah pabrik. Failure dari critical motor dapat menyebabkan kehilangan kapasitas produksi dan biaya repair serta maintenance cost yang meningkat significant. Sudah tidak bisa ditawar lagi.

Oleh karena itu kita harus melakukan pemeliharaan atau maintenance. Baik itu preventive maintenance maupun predictive maintenance.


Rekomendasi perawatan yang ada dan diusulkan oleh vendor untuk motor listrik terkadang mendorong banyak praktik pemeliharaan yang terlalu konservatif dan cenderung dengan biaya yang berlebihan sehingga tidak memberikan margin operasional tambahan. Beberapa aktivitas atau tindakan preventive seharusnya tidak semestinya ada.

Dari semua methode, yang paling efektif untuk tindakan preventif maupun predictive maintenance adalah data yang diambil langsung diambil dari unit motor dengan metode akuisi data menggunakan SMART SENSOR. Data yang langsung dari mesin sangat aktual dan jauh dari human error ataupun manipulasi. 1 unit Smart sensor yang terhubung langsung dengan unit motor dapat menyajikan data vibrasi, temperatur motor, serta elektrikal motor sekaligus  dan terhubung dalam satu PLC polling.

Data-data yang di collecting dari mesin, kemudian disajikan dalam database untuk dibuat platform dashboard nya. Data-data juga mengkonfigurasi beberapa alarm sebagai bentuk ketidak normalan yang terjadi dalam mesin (Out of range). Trigger inilah yang digunakan sebagai upaya predictive maintenance dengan memberikan sinyal kepada maintenance agar segera mengambil action atau work order untuk perbaikan, sebelum menuju total stop line.

Historical perawatan mesin akan tersusun dengan rapi dalam data digital. Memudahkan dalam dokumentasi, pelatihan, penanganan masalah, penelusuran parts, stok sparepart, vendor performa analysis dll.

Apanila dikorelasikan dengan Operation Time, serta aktivitas yang dilakukan, dan continuous monitoring terhadap setiap failure yang terjadi pada motor, akan menghasilkan kalkulasi formula dari  MTTR dan MTBF (mean time to repair/mean time between failure) secara auto.

OEE, oee, oee adalah, rumus oee, metode oee, oee mesin, oee solution, contoh menghitung oee, oee benchmark data, oee calculation, example, oee industry, vmtech, perusahaan vmtech, vmtech software, victor harefa, industry 4.0, rockwell automation, wonderware, efactory, IIOT, IOT, Edge computing, Edge cloud, mttr, mtbf, machine, mesin, suhu, akuisisi data mesin, packing, cokote, minor stop,scada system, apa itu mes, mes adalah

Pengembangan Lanjut Unit Temperature Recorder

Pada proses heat treatment, parameter temperatur adalah poin yang harus diperhatikan dan dimonitoring. Umumnya setiap furnace memiliki unit recorder temperature, yang selalu melekat pendekatan dengan mesin. Melalui ini, user bisa melakukan kontrol dan monitoring terhadap temperatur yang sedang berjalan di mesin. Aktivitas ini biasanya hanya berlangsung di tingkat mesin. 


Parameter temperatur yang selama ini hanya ada di unit recorder, VMTECH  SYSTEM memindahkan datanya secara Real Time ke ruang  office, atau ke ruang maintenance, kemudian dibuatkan tampilan dashboard yang Real Time terhadap semua mesin heat Treatment,  akan sangat membantu memonitor seluruh line produksi, tanpa harus melihat ke Lapangan.

Data yang tersebutkan di Unit Recorder sama dengan Data yang muncul di office atau di ruang maintenance.

System monitoring ini, memungkinkan ditingkatkan platform nya ke Internet of Things karena di bangun dengan common database Microsoft SQL. Artinya seorang manager dapat memonitoring parameter mesin dimana saja dan kapan saja.

Silakan menghubungi kami pada kontak yang tersedia.


oee calculation tpm adalah analysis software hardware plc application availability performance quality analytics free download open source comparison price applicatin wonderware rockwell www vmtech indonesia making indonesia 4.0 pabrik oee filling oee packing jakarta surabaya medan

Flyer Customized 1

oee calculation tpm adalah analysis software hardware plc application availability performance quality analytics free download open source comparison price applicatin wonderware rockwell www vmtech indonesia making indonesia 4.0 pabrik oee filling oee packing jakarta surabaya medan


AUTO SCORING OEE berikan Detail Downtime dan Detail Rejection

Salah satu poin yang sangat penting dalam implementasi OEE AUTO SCORING  adalah sistem harus bisa memberikan detail downtime dan detail rejection dari mesin atau line produksi. Detail downtime dan detail rejection akan sangat berguna sebagai materi untuk improvement.

Tak dipungkiri, trigger downtime dan rejection tidak semuanya tersedia di mesin. Mau tidak mau kita memerlukan interface yang memudahkan kita me- notifikasi  setiap kejadian downtime ataupun rejection.

Tidak ada yang salah dengan aktivitas penambahan interface dalam pengembangan sistem auto OEE scoring.


oee calculation tpm adalah analysis software hardware plc application availability performance quality analytics free download open source comparison price applicatin wonderware rockwell www vmtech indonesia making indonesia 4.0 pabrik oee filling oee packing jakarta surabaya medan

PERBEDAAN RECORDER dan PLC

thermocouple rtd pt100 thermistor difference thermocouple rtd thermistor pdf  comparisonthermocouple rtd pt100 thermistor difference thermocouple rtd thermistor pdf  comparison
Image result for recorder temperature ohkura jakarta
Suhu adalah perubahan panas dingin yang diukur dengan satuan suhu celcius Kelvin Fahrenheit dan lain-lain suhu tepatnya diukur dengan alat pengukur suhu dalam hal ini thermocouple & RTD. Pada saat suhu diukur terkadang kita tidak dapat mencatat atau menyimpan hasil pengukuran Oleh karena itu kita butuh satu device yang dapat mencatat dan merekam hasil pengukuran suhu alat tersebut kemudian dinamakan Data Logger temperature atau sering disebut juga recorder temperature.
Tanpa alat ini, ini kalau pencatatan dan pengukuran dilakukan dengan manual bisa menimbulkan human error.

Recorder temperature terdiri atas dua jenis. Ada yang masih menggunakan paper (Chart paper) ada juga yang sudah menggunakan Paperless System. Perbedaannya terletak pada media pencatatan hasil recorder temperature. Pada jenis temperatur yang paper chart, hasil pengukuran di print out dengan ribbon dan kertas sesuai dengan interval waktu yang di setting pada unit chat recorder.

Pada Paperless Recorder temperatur hasil pencatatan tidak menggunakan kertas atau paper, melainkan menggunakan media sD card memori, yang dapat menampung kapasitas hasil recorder. Jenis SD card yang digunakan juga sangat umum dan mudah ditemui di pasaran.

Apa sesungguhnya fungsi utama sebagai recorder temperature?, perbedaan dengan PLC atau dengan data Logger lainnya? 

Recorder temperature sesungguhnya membantu perusahaan untuk visualisasi hasil pengukuran di lantai produksi yang dekat dengan mesin. Hal ini dilakukan untuk memonitoring setiap suhu yang didapat agar selalu terkontrol dan berada dalam range temperatur yang diizinkan. Beberapa hari kode temperatur dilengkapi dengan output alarm dan relay, sehingga ketika terjadi deviasi, maka alarm akan berfungsi. Umumnya hanya dilengkapi dengan satu output alarm.

Recorder Temperature juga dimanfaatkan untuk berikut beberapa jenis sensor lainnya dengan persyaratan output 4 - 20Ma, bisa berasal dari sensor pressure, getaran, bahkan bisa juga berasal dari pH sensor.

Umumnya recorder temperature digunakan di daerah  yang letak mesinnya agak berjauhan dengan office, memudahkan untuk mengontrol fasilitas produksi. Power supply yang digunakan juga sangat umum yakni 220volt.

Recorder temperature sangat jauh berbeda dengan PLC :
1. Recorder temperatur mempunyai standar aplikasi yang tidak bisa dimodifikasi alias sudah pakem.
2. Tersedia dalam channel yang terbatas dan tidak modular.
3. Output yang diperoleh juga sangat terbatas yakni csv ataupun Excel untuk Real Time monitoring nya. Artinya : Output dari recorder temperatur sudah final, dan sangat terbatas.
4. Recorder hanya sebagai kacamata mesin, tidak lebih dari itu. Recorder bukanlah controller, recorder tidak bisa menaikkan atau menurunkan suhu. Memerlukan devise tambahan seperti controller temperature atau PLC.

Apakah Unit Recorder bisa dihubungkan dengan PLC? 

Ya tentu saja bisa digabungkan dengan PLC. Sepanjang recorder mempunyai port komunikasi lanjutan seperti analog rs485 ataupun rs232. Sinyal dari Recorder ini diteruskan oleh PLC atau controller.

Jika ingin dilanjutkan ke platform berikutnya, dilakukan secara manual memindahkan data csv dan Excel ke program selanjutnya.


oee calculation tpm adalah analysis software hardware plc application availability performance quality analytics free download open source comparison price application
wonderware rockwell www vmtech indonesi

MEMILIH THERMOCOUPLE YANG AWET

thermocouple rtd pt100 thermistor difference thermocouple rtd thermistor pdf  comparison

Sebagai seorang purchasing/Bagian pembelian, selain Quality, Cost, dan  Delivery , ada baiknya  juga mengetahui detail pemakaian thermocouple dan aplikasinya sebagai berikut :

1. Tentukan suhu aplikasi
2. Tentukan aplikasi digunakan dimana?
3. Ketahanan abrasi / getaran/Panas
4. Ketahanan kimia, kalibrasi
5. Instalasi dan kompatibilitas.

Tentukan suhu aplikasi

Ada banyak jenis termokopel tersedia dalam beberapa kalibrasi yang berbeda. Termokopel yang paling umum digunakan saat ini adalah K, T, J, E, tetapi juga tersedia dalam kalibrasi lainnya. Setiap kalibrasi menawarkan berbagai suhu tertentu dan hati-hati dipilih untuk lingkungan di mana ia akan digunakan.


Memilih berdasarkan Jenis Material
Compacted MgO Thermocouples

MgO adalah bahan yang selalu digunakan dalam pebuatan thermocouple unutk mencapai ketahanan suhu hingga 2300°F (1260°C). Pastikan bahwa bubuk MgO yang terbaik yang digunakan untuk thermocouple jenis MI (mineral insulated).Jika tidak , Thermocouple anda umurnya akan seumur jagung, dan akurasinya dipertanyakan.

Thermocouples Sheath (pipa pelindung)

Semua Element yang terlibat di dalamnya diatur oleh ANSI. Termasuk sheath material (pelindung element) yang digunakan oleh thermocouple. Beberapa jenis Sheath (Pipa pelindung thermcouple yang umum digunakan antara lain :

  • 304 SS Maximum temperature of 1650°F (900°C) and is the most widely used low temperature sheath material. It offers good corrosion resistance but is subject to carbide precipitation in the 900°F to 1600°F (480 to 870°C) range.
  • 310 SS Maximum temperature of 2100°F (1150°C) and offers good mechanical and corrosion resistance similar to 304 SS. Very good heat resistance. Not as ductile as 304 SS.
  • 316 SS Maximum temperature of 1650°F (900°C) and has the best corrosion resistance of the austenitic stainless steels. Subject to carbide precipitation in the 900°F to 1600°F (480 to 870°C)
  • Inconel® Maximum temperature 2150°F (1175°C) and is the most widely used thermocouple sheath material. Good high temperature strength, corrosion resistance and is resistant to chloride-ion stress corrosion, cracking and oxidation. Do not use in sulfur bearing environments.
  • Hastelloy X Maximum temperature 2200°F (1205°C) widely used in aerospace applications. Resistant to oxidizing, reducing and neutral atmospheric conditions. Excellent high temperature strength.


Tentukan Diameter Thermocouple

Standard Sheath Diameter berdasarkan atas suhu aplikasi :
020 "+.001 -.0005" 1290 ° F (700 ° C)
0,032 "+.001 -.0005" 1290 ° F (700 ° C)
0,040 "+.001 -.0005" 1290 ° F (700 ° C)
0,063 "± 0,001" 1690 ° F (920 ° C)
0,090 "± 0,001" 1830 ° F (1000 ° C)
0,125 "+.002 -.001" 1960 ° F (1070 ° C)
0,188 "+.002 -.001" 2100 ° F (1150 ° C)
0,250 "+.003 -.001" 2100 ° F (1150 ° C)

Seleksi Thermocouple berdasarkan Measuring Junction

Sheathed thermocouples are available in 3 junction types: grounded, ungrounded, and exposed. Each design offers specific advantages as well as disadvantages and must considered carefully when placing an order.

Grounded
The thermo-elements are welded into the end cap using the same weld rod as the sheath material. Fast time response. Recommended for high-pressure applications, liquids, moisture, contaminating atmospheres, and most general uses. -Least expensive.

Ungrounded
The thermo-elements are welded together and are electrically isolated from the sheath. Recommended for applications where stray EMF’s from electrical apparatus would affect the reading. -More expensive.

Exposed
The thermo-elements are welded together outside of the sheath. This provides the fastest time response, but exposes the elements to contamination. Electrically isolated from the sheath.
Inconel® is the registered trademark of INCO Alloys International.
Hastelloy X is the registered trademark of Haynes International.

Setelah semua spesifikasi terpenuhi dan Permintaan Pembelian dari Engineering sudah dibuat, maka step selanjutnya adalah menyampaikan PP tersebut kepada pihak purchasing.


oee calculation tpm adalah analysis software hardware plc application availability performance quality analytics free download open source comparison price application
wonderware rockwell www vmtech indonesi

THERMOCOUPLE NITRIDE ALUMINIUM CASTING

theTHERMOCOUPLE  NITRIDE ALUMINIUM CASTINGrmocouple rtd pt100 thermistor difference thermocouple rtd thermistor pdf  comparison

Perbedaan umur Thermocouple Nitride akan sangat terlihat berbeda dengan Thermocouple  yang posisinya fixed. Jarang dilakukan handling, pemindahan, pembersihan atau moltennya yang naik turun. Pada situasi ini Thermocouple Nitride punya umur
yang lebih panjang. Bisa mencapai lebih dari 1 tahun life cycle, bahkan 1.5 tahun.

Artinya semakin sering thermocouple di handling, dibersihkan, mengalami naik turun level molten umur thermocouple akan semakin pendek.

Ada baiknya anda memilihThermocouple yang benar-benar berkualitas dan tidak sering di handling Nitridnya, tidak sering dibersihkan dan posisinya pas sesuai dengan ketinggian aluminium.

Thermocouple Nitride yang berkualitas mempunyai karakter sebagai berikut :
  • High strength over a large temperature range
  • High fracture toughness
  • Good flexural strength
  • Mechanical fatigue & creep resistant
  • Lightweight – Low density
  • High hardness and wear resistance, both impingement and frictional modes
  • Superior thermal shock resistance
  • Low thermal expansion
  • Electrical insulator
  • Good oxidation resistance
  • Good chemical corrosion resistance
  • Wear resistant
  • High stiffness

CARA MEMPERPANJANG UMUR THERMOCOUPLE NITRIDE

Solusinya : perbaiki penempatan thermocouple jauh dari impact saat bekerja, perhitungkan dengan cermat panjang pegangan thermocouple, pertimbangkan penggunaan Thermocouple L shape atau tipe lurus.

Dalam kondisi Normal pemakaian, (dengan mengabaikan kerusakan akibat impact) Thermocouple Nitride bisa mencapai umur 2 tahun dan minimal 1.5 tahun.
OEE, oee, oee adalah, rumus oee, metode oee, oee mesin, oee solution, contoh menghitung oee, oee benchmark data, oee calculation, example, oee industry, vmtech, perusahaan vmtech, vmtech software, victor harefa, industry 4.0, rockwell automation, wonderware, efactory, IIOT, IOT, Edge computing, Edge cloud, mttr, mtbf, machine, mesin, suhu, akuisisi data mesin, packing, cokote, minor stop,scada system, apa itu mes, mes adalah

SALAH PEMAHAMAN TENTANG INDUSTRIAL 4.0

Kesalahpahaman 1: “Saya harus menunggu untuk mulai berinvestasi di Industry 4.0.”

 Mungkin kesalahpahaman paling umum yang dimiliki Prusahaan  tentang Industri 4.0. Ketika ada teknologi inovatif dalam tahap awal, hanya sedikit yang berinvestasi dalam teknologi sebelum menjadi populer. Ini dikenal sebagai early adopter.


Seperti halnya prinsip investasi, hanya bernilai  jika ROI tertinggi adalah signifikan. Industri 4.0 tidak berbeda. Apa yang membuat Industry 4.0 sangat menarik bagi pabrikan adalah nilai yang diakumulasikan oleh data ke pabrik dalam jangka panjang.

Data adalah satu-satunya aset yang dijamin dana akan terbayar seiring waktu. Karena big data dan analitik data adalah tulang punggung teknologi Industry 4.0, sangat menguntungkan bagi produsen untuk mulai berinvestasi hari ini.


oee calculation tpm adalah analysis software hardware plc application availability performance quality analytics free download open source comparison price application
wonderware rockwell www vmtech indonesi

Advance OEE (Overall equipment effectiveness) part #1

Apa itu Advance OEE ? Advance OEE adalah bukan OEE biasa, melainkan adalah bentuk OEE yang sudah diadaptasi dengan perkembangan teknologi d...