USULAN OPTIMASI JADWAL INSPEKSI, REMAINING LIFE, DAN MULTI VALUE ATTRIBUTE ANALYSIS PADA STORAGE TANK DI PT. XYZ MENGGUNAKAN METODE RISK BASED INSPECTION (RBI)

IDA BAGUS WASUDEWA

Informasi Umum

Kode

19.04.2211

Klasifikasi

C -

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Maintenance

Dilihat

527 kali

Informasi Lainnya

Abstraksi

PT. XYZ merupakan perusahaan yang bergerak dibidang energi meliputi energi dan petrokimia baik di dalam maupun di luar negeri. Vertical Storage Tank adalah tempat untuk menyimpan produk minyak sebelum produk tersebut didistribusikan kepada konsumen. Vertical Storage Tank untuk Bahan Bakar Minyak Penerbangan (BBMP) berbeda dengan Storage Tank untuk BBM pada umumnya. Perbedaannya terletak pada fasilitas dan peralatan khusus yang digunakan untuk menjamin mutu serta pengendalian mutunya. Pada Storage Tank Avtur dan Avgas harus dilengkapi dengan Floating Suction, lapisan Epicot, dan jalur Draining. Pada sistem tangki timbun, terdapat 12 subsistem yaitu : Vent (Free Vent & Pressure Vacum Valve), Manhole, Gauge Hatch, Floating Suction, Grounding Cable, Water Spray Piping, Dip Plate, Inlate & Outlet Pipe, Low Point Sum, Splash Plate, Level Indicator, dan Foam Piping. Risk Based Inspection (RBI) merupakan sebuah metode yang menggunakan risiko yang dapat ditimbulkan sebagai dasar untuk melakukan inspeksi. Metode RBI yang digunakan adalah RBI Semi Kuantitatif yaitu metode RBI yang menggabungkan antara RBI kuantitatif dan RBI Kualitatif dengan menggunakan standar API 581. Dalam pendekatan estimasi biaya dapat menggunakan analisis Multi Attribute Value. Tujuan dari penelitian ini adalah untuk mengetahui estimasi umur sisa, usulan interval inspeksi, estimasi biaya inpeksi usulan, dan pemodelan decision tree pada sistem tangki timbun. Dari hasil penelitian ini, dapat diketahui estimasi umur sisa pada tangki adalah 46 tahun. Usulan jadwal interval inspeksi adalah 4 tahun. Biaya usulan jadwal interval inspeksi adalah Rp 491.686.272. Berdasarkan perhitungan decision tree analysis dengan menggunakan pemodelan Naïve Bayes, didapatkan hasil kemungkinan kegagalan/kerusakan terjadi pada kode kerusakan KK05 dengan jumlah 57,69 %.