Article Per Year (5 Year)
p-Index From 2021 - 2026
0.61
P-Index
This Author published in this journals
All Journal Jurnal Teknologi dan Manajemen Industri Terapan
Mokh Suef
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Engineering Industrial & Manufacturing Engineering

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Peningkatan Produktivitas dengan Pendekatan Lean Six Sigma dan FMEA pada Industri Sabun Cair Muhammad Saladin; Mokh Suef
Jurnal Teknologi dan Manajemen Industri Terapan Vol. 4 No. 3 (2025): Jurnal Teknologi dan Manajemen Industri Terapan (in press)
Publisher : Yayasan Inovasi Kemajuan Intelektual

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55826/jtmit.v4i3.1043

Abstract

Dalam industri Fast Moving Consumer Goods, menuntut efisiensi dalam proses produksinya. Pada produk sabun cair, tingkat produktivitas masih cukup rendah karena banyaknya waste selama proses produksi. Penelitian ini bertujuan untuk meningkatkan produktivitas dengan meminimalkan waste dengan menggabungkan metode Lean Six Sigma dengan Failure Mode and Effects Analysis (FMEA). Metode tersebut dilakukan untuk mengidentifikasi waste yang terjadi selama proses produksi dan membantu analisis potensi kegagalan untuk diprioritaskan pada perbaikan failure. Tahapan DMAIC (Define, Measure, Analyze, Improve, Control) digunakan sebagai pedoman pada pendekatan Lean Six Sigma. Hasil analisis menunjukkan bahwa waste disebabkan oleh beberapa faktor, seperti defect rate, downtime mesin yang tidak terkontrol, serta ketidakseimbangan dalam aliran produksi. Selain itu, hasil Failure Mode and Effects Analysis (FMEA) mengidentifikasi bahwa defect berupa kebocoran kemasan adalah waste paling berisiko dalam packaging. Mesin yang breakdown mengakibatkan waktu tunggu yang lama. Hasil rekomendasi perbaikan mampu meningkatkan level sigma dari 3.2 menjadi 4.5, persentase OEE menjadi 85%, dan mengurangi lead time produksi sebanyak 1.74 jam. Penelitian ini membuktikan bahwa gabungan pendekatan Lean Six Sigma dan FMEA mampu secara efektif dalam meningkatkan produktivitas dan mengendalikan risiko kegagalan pada permasalahan industri sabun cair.
Pengembangan Model Predictive Maintenance Pada Main Motor Mesin Raw Mill Fauziyyah Firdausi Zakiyyah; Mokh Suef
Jurnal Teknologi dan Manajemen Industri Terapan Vol. 5 No. 1 (2026): Jurnal Teknologi dan Manajemen Industri Terapan
Publisher : Yayasan Inovasi Kemajuan Intelektual

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55826/jtmit.v5i1.1482

Abstract

Downtime akibat kegagalan mesin yang terjadi secara tiba-tiba dapat menyebabkan kerugian yang signifikan bagi perusahaan. Oleh karena itu, diperlukan strategi perawatan yang tepat untuk meminimalkan risiko kegagalan tersebut. Seiring dengan perkembangan smart manufacturing, mesin-mesin industry menghasilkan data sensor yang digunakan untuk memantau kondisi kesehatan mesin. Pengelolaan data berskala besar ini menuntut penerapan Teknik analitik yang andal, khususnya dalam konteks predictive maintenance di Industri 4.0. Predictive maintenance dinilai lebih efektif dibandingkan dengan preventive dan corrective maintenance karena mampu memantau kondisi mesin secara real-time dan memprediksi kegagalan dan Remaining Useful Life (RUL) peralatan. Penelitian ini bertujuan untuk membangun model prognosis berbasis klasifikasi RUL pada komponen main motor raw mill menggunakan algoritma Long Short-Term untuk membentuk representasi deret waktu, kemudian dilakukan pelabelan RUL berdasarkan interval waktu terhadap kejadian kegagalan untuk mengidentifikasi kondisi early fault. Pemisahan data dilakukan secara time-based untuk menghindari data leakage. Selain itu, dilakukan hyperparameter tuning untuk memperoleh konfigurasi model yang optimal. Hasil pengujian menunjukkan bahwa pada model diagnosis akurasi terbaik didapatkan sebesar 97,4% dengan parameter optimal. Sedagkan pada model prognosis menggunakan LSTM mampu memberikan kinerja klasifikasi RUL yang baik dengan nilai ROC AUC sebesar 0,806 yang menunjukkan kemampuan model dalam membedakan kondisi normal dan early fault. Dengan demikian, model yang diusulkan dapat digunakan sebagai sistem pendukung pengambilan Keputusan dalam implementasi predictive maintenance pada mesin industri.
Co-Authors Fauziyyah Firdausi Zakiyyah Muhammad Saladin