Pendahuluan: Saat Maintenance Tak Lagi Sekadar Perawatan
Maintenance atau pemeliharaan tak lagi hanya berarti “memperbaiki yang rusak”. Dalam lanskap industri modern yang dibentuk oleh transformasi digital dan tuntutan keberlanjutan, konsep Risk-Based Maintenance (RBM) mengalami revolusi signifikan. Paper karya Idriss El-Thalji ini memetakan bagaimana praktik RBM berubah drastis karena dorongan dari teknologi Industri 4.0 dan transisi hijau, melalui studi tujuh kasus industri nyata yang berlangsung di Norwegia antara 2017 hingga 2024.
RBM dan Tantangan Modernisasi
Apa Itu Risk-Based Maintenance?
RBM adalah pendekatan manajemen perawatan yang mengutamakan aset berdasarkan risiko kegagalan dan dampaknya terhadap keselamatan, produktivitas, dan biaya operasional. Sejak 2011, standar NORSOK Z-008 di Norwegia menjadi acuan RBM yang melingkupi seluruh siklus hidup aset—mulai dari desain, operasional, hingga optimalisasi pemeliharaan.
Namun, dengan munculnya teknologi baru seperti IoT, machine learning, dan digital twin, model RBM konvensional menjadi tidak cukup adaptif. El-Thalji mengajukan bahwa kita perlu RBM versi baru yang dinamis, prediktif, dan dapat disesuaikan secara real-time.
Kerangka Analisis: Studi Kasus dan Cynefin Framework
Penelitian ini memanfaatkan pendekatan multi-case study untuk mencakup berbagai jenis instalasi dan aset, dari pabrik midstream gas, kilang lepas pantai, hingga ladang angin laut. Setiap studi dianalisis melalui tujuh aspek, mulai dari perencanaan hingga eksekusi dan analisis data, kemudian dikategorikan menggunakan Cynefin Framework yang membedakan antara praktik best, good, emerging, dan innovative.
Studi Kasus Unggulan: Praktik Terobosan di Lapangan
1. Sistem Ekspor Gas
- Teknologi: IoT + Cloud + Monitoring Prediktif
- Praktik Baru:
- Penggunaan model simulasi untuk mengukur dampak prediksi terhadap ketersediaan sistem.
- Worksheet baru untuk menganalisis cakupan diagnostik.
- Panduan integrasi data dari notifikasi berbagai sumber ke dalam perencanaan RBM.
2. Sistem Pompa Redundan
- Inovasi: Perubahan kebijakan standby menjadi planned reallocation.
- Dampak:
- Integrasi Prescriptive Maintenance (PsM).
- Model estimasi umur pakai berdasarkan tindakan preskriptif.
- Alur data baru untuk mendukung kebijakan reallocation.
3. Separator FPSO
- Masalah: Batasan kampanye pemeliharaan tahunan.
- Solusi:
- Evaluasi modularisasi sistem (plug & play).
- Visualisasi data master untuk prioritisasi.
- Worksheet untuk menilai cakupan sensor CUI.
4. Sistem Katup Keamanan
- Tantangan: Uji stroke tahunan memberatkan sistem.
- Inovasi:
- Penerapan monitoring untuk menggantikan pengujian manual.
- Pengembangan visualisasi performa 24/7.
- Konversi dokumen uji menjadi model parametrik.
5. Subsea Christmas Tree (XT)
- Langkah Strategis:
- Worksheet untuk menentukan teknologi terbaik.
- Prediksi keberhasilan pengujian berdasarkan kondisi valve.
6. Peralatan Pengeboran
- Teknologi: Predictive model untuk pelapukan komponen seperti sheaves.
- Inovasi:
- Visualisasi data untuk memisahkan failure minor dan mayor.
- Revisi program RCM untuk integrasi dengan CBM.
7. Ladang Angin Lepas Pantai
- Aset: Turbin, blade, substation.
- Emerging Tech:
- Drone, robot inspeksi, AR-assisted maintenance.
- Worksheet untuk manajemen data visual dari inspeksi otomatis.
Dampak Nyata: Transformasi Menyeluruh Manajemen Pemeliharaan
Perubahan Fungsi RBM
Paper ini mencatat bahwa hampir seluruh aspek RBM—dari planning, execution, hingga reporting—telah mengalami pergeseran karena teknologi baru.
Contoh Dampak:
- Execution: Robot & drone menggantikan tenaga manusia untuk inspeksi awal.
- Reporting & Analysis: Berubah menjadi predictive analytics dengan alur data dinamis dan berbasis pembelajaran mesin.
- Improvement: Kini lebih adaptif berkat visualisasi dinamis dan simulasi skenario.
Dampak Terhadap Risk Matrix
Salah satu kontribusi terpenting dari paper ini adalah analisis mendalam mengenai bagaimana praktik baru mengubah perhitungan risiko:
- Failure Likelihood:
- Meningkatnya data kegagalan potensial (bukan hanya fungsional).
- Penurunan MTTR dan MTBF yang lebih presisi karena integrasi data multi-sumber.
- Consequence of Failure:
- Penurunan risiko produksi akibat deteksi dini.
- Lebih sedikit black swan events berkat prediksi lebih akurat.
- Tambahan Risiko Baru:
- Risiko siber meningkat karena konektivitas yang lebih tinggi.
- Kompleksitas sistem meningkat dengan lebih banyak sensor dan sistem AI.
Insight Tambahan & Opini
Kelebihan Studi Ini
- Komprehensif & Aktual: Menggunakan data terbaru dari proyek nyata.
- Pendekatan Sistematis: Menyertakan alat bantu analisis (worksheet, model simulasi).
- Relevansi Industri: Cocok untuk sektor energi, manufaktur, hingga smart cities.
Catatan Kritis
- Implementasi teknis mungkin menghadapi hambatan regulasi (misal: sertifikasi spare part aditif).
- Pengumpulan data real-time belum seluruhnya matang; risiko data incompleteness masih nyata.
Perbandingan dengan Literatur Terkait
Sementara banyak studi membahas CBM dan PdM secara terpisah, El-Thalji menggabungkannya dalam kerangka RBM dengan pendekatan praktik nyata. Pendekatan ini lebih aplikatif dibanding pendekatan simulasi semata seperti pada penelitian oleh Liao (2016) atau Esa dan Muhammad (2021).
Kesimpulan: RBM Masa Depan Bersifat Proaktif dan Cerdas
Paper ini menekankan bahwa RBM modern tak bisa lagi bersifat statis. Transformasi digital dan dorongan menuju keberlanjutan menuntut RBM yang:
- Berbasis data real-time
- Dapat dipersonalisasi untuk setiap aset
- Berorientasi prediksi dan preskripsi
- Didukung oleh integrasi sensorik dan digital twin
Penutup: Masa depan pemeliharaan bukan hanya tentang “memperbaiki yang rusak”, melainkan “memprediksi sebelum rusak dan merancang agar tidak mudah rusak.” RBM versi baru bukan sekadar metodologi, tetapi strategi bisnis jangka panjang.
Sumber Referensi
El-Thalji, I. (2025). Emerging Practices in Risk-Based Maintenance Management Driven by Industrial Transitions Multi-Case Studies and Reflections. Applied Sciences, 15(3), 1159. https://doi.org/10.3390/app15031159