Mesinnya tidak rusak. Itulah bagian yang tidak nyaman.
Selama dua minggu, reject rate mesin molding M-14 di sebuah pabrik kemasan plastik merayap dari 0,8% ke 4,6% — sebagian besar short shot dan dimensi di luar spesifikasi, terburuk saat puncak permintaan siang menjelang sore. Maintenance merespons seperti tim maintenance yang baik: tiga intervensi dalam dua belas hari. Seal kit pada unit injeksi. Rekalkibrasi tekanan injeksi dan profil holding. Penyetelan clamp force.
Setiap perbaikan berhasil. Selama beberapa hari. Lalu reject kembali merayap.
Semua orang punya teori — aus-nya mold, batch resin, kelembapan ambient. Sang supervisor akhirnya mengetik pertanyaannya ke OpexMX persis seperti yang diucapkan operator di lantai pabrik sepanjang minggu: "mesin ini reject lagi, kenapa ya?" Yang keluar bukan hasil pencarian. Yang keluar adalah investigasi terstruktur yang berakhir di satu kompresor screw yang tak seorang pun keluhkan — dua aset jauhnya, di sisi udara pabrik.
Mengapa Tiga Perbaikan yang Baik Tidak Melihat Penyebabnya
Troubleshooting satu aset punya titik buta, dan M-14 menemukannya. Signature reject bersifat intermittent dan berkorelasi beban — memuncak persis saat pabrik berjalan penuh. Setiap intervensi menyasar mesin itu sendiri, karena di mesin itulah gejalanya berada.
Pola sebenarnya butuh tiga silo data yang digabungkan: timestamp reject dari log kualitas, trace tekanan header udara pabrik, dan spektrum vibrasi kompresor. Tidak ada manusia yang punya alasan menggabungkan ketiganya jam dua siang, apalagi jam dua malam. Kompresor adalah "aset orang lain" sampai menjadi masalah semua orang. Kausalitas lintas-aset adalah titik di mana pengetahuan tribal gagal — dan di mana sistem yang dapat melihat ketiga aliran data sekaligus berhenti menebak.
Mulai dari Keluhan, Bukan dari Formulir
Kualitas RCA dibatasi kualitas problem statement, dan operator berbicara dalam gejala, bukan failure mode. Memaksa "kenapa ya?" ke dalam dropdown kehilangan sinyalnya sebelum analisis dimulai.
Karena itu pekerjaan pertama copilot adalah terjemahan, bukan interogasi. Dari keluhan dan konteks yang sudah bisa dilihatnya — aset tempat keluhan diketik, work order terbaru, tren kualitas — ia menyusun problem statement terstruktur: aset M-14, gejala reject rate meningkat (short shot plus drift dimensi), timeframe dua minggu dan memburuk, kondisi berkorelasi puncak permintaan siang. Supervisor mengoreksi satu detail dan mengonfirmasi sisanya. Lalu funnel mulai bekerja.
Funnel Bukti: Empat Tahap, Satu Benang Merah
RCA ini bukan mesin jawab ajaib. Ia funnel, dan setiap tahap dapat diaudit — masing-masing mempersempit daftar kandidat memakai bukti yang sudah ada di arsip pabrik.
Tahap 1 — Fishbone (6M). Kandidat dibangkitkan melintasi Man, Machine, Method, Material, Measurement, Milieu: total 23, ditarik dari riwayat aset, dokumentasi OEM, dan parameter proses saat ini. Belum ada yang dibuang; inti fishbone adalah keluasan sebelum penilaian.
Tahap 2 — Peringkat FMEA. Setiap kandidat dinilai dengan RPN — severity × occurrence × detection — memakai pustaka failure mode pabrik sendiri ditambah data kejadian aktual dari riwayat work order. Dua puluh tiga kandidat menyusut menjadi tujuh di atas ambang tindakan. Kelembapan resin berada di papan tengah. Aus mold dan pasokan udara menduduki puncak.
Tahap 3 — Fault tree, dikonfirmasi atau dibantah bukti. Untuk setiap kandidat yang selamat, dibangun fault tree kecil dan setiap cabang diperiksa terhadap data, bukan opini. Cabang aus mold: kurva cavity pressure normal, inspeksi mold enam minggu lalu bersih — dibantah sebagai penyebab utama. Cabang tekanan injeksi: setpoint tak berubah berbulan-bulan, log controller stabil — dibantah. Cabang pasokan udara: trace tekanan header menunjukkan sag 0,4 bar tepat pada jendela sore ketika reject melonjak — dikonfirmasi. (Cross-encoder reranker yang mencari kegagalan serupa di knowledge base sudah lebih dulu menemukan dua kasus mirip dari lini lain — pola keluhan yang sama, resolusi sisi udara yang sama — dan itulah yang mengarahkan perhatian ke trace header sedini ini.)
Tahap 4 — 5-Whys. Reject → short shot dan drift dimensi → pneumatik ejection dan clamp tidak stabil → tekanan header sag saat beban puncak → unloader kompresor C-02 bersiklus abnormal pendek → bearing drive-end aus mengubah dinamika rotor. Setiap "mengapa" mengutip buktinya, dan seluruh rantai dapat ditinjau manusia sebelum siapa pun menyentuh kunci pas.
Setiap tahap dipertanahkan dengan retrieval dari manual OEM — spesifikasi unloader kompresor, requirement kualitas udara mesin molding — yang direrank berdasarkan relevansi, sehingga kesimpulan mengutip bagian dokumen, bukan prosa yang terdengar masuk akal.
Akar Masalahnya Dua Aset Jauhnya
C-02 adalah kompresor screw yang melayani bay molding, dan tiga minggu data vibrasinya menceritakan seluruh kisah. Puncak envelope BPFO di bearing drive-end telah menjadi tiga kali lipat. Overall velocity berada di 7,8 mm/s RMS — melewati garis 7,1 mm/s ke zona D ISO 10816 untuk kelas mesin ini, dengan penanda BPFI, BSF, dan FTF yang mengonfirmasi mode outer race. (Mekanik membaca puncak-puncak ini dibahas di panduan vibration monitoring kami.)
Regime detection sudah menandai minggu yang sama bahkan sebelum ada yang menghubungkannya: model PCA atas data multivariat kompresor menandai discharge temperature naik 6°C dan siklus unloader 40% lebih pendek dari baseline — mesin bekerja lebih keras untuk menahan tekanan header yang sama. Bearing yang terdegradasi mengubah dinamika rotor; efisiensi volumetrik turun; tekanan header sag di bawah beban puncak; dan pneumatik mesin molding kekurangan udara tepat saat pabrik berjalan paling keras.
Fit Weibull pada tren degradasi mengubah diagnosis menjadi tenggat: 11 hari remaining useful life, interval kepercayaan 95% sepanjang 6 sampai 23 hari. Bukan "ada bearing yang aus" — melainkan hitungan mundur. (Cara riwayat kegagalan menjadi batas kepercayaan tersebut dibahas di artikel analisis Weibull kami.)
Ekonominya: $2.480 Terencana vs $30.561 Gagal
Deteksi mengubah maintenance dari berbasis kalender menjadi berbasis kondisi. Pertanyaan uangnya — apa yang harus dilakukan, dan kapan — adalah tempat peringkat preskriptif membuktikan nilainya. Untuk setiap aksi kandidat, engine menghitung total expected cost: biaya aksi ditambah risiko kegagalan residual.
| Aksi | Biaya sekarang | Risiko kegagalan | Total expected cost |
|---|---|---|---|
| Ganti bearing kit pada jendela changeover hari Rabu | $2.480 | dapat diabaikan (prosedur OEM, part baru) | $2.480 |
| Tunda ke stop lini terencana berikutnya (19 hari lagi) | $0 | ~87% peluang gagal lebih dulu (fit Weibull) | ≈$26.600 ekspektasi; $30.561 saat benar-benar gagal |
Sisi kegagalan merinci begini: 7,2 jam stop tak terencana melintasi molding dan packaging @ $3.400/jam ($24.480), scrap terakumulasi dan reinspeksi ($2.150), bearing ekspedisi plus kurir darurat ($1.900), kru lembur pemulihan ($1.281), dan revalidasi QA pasca-perbaikan ($750). Totalnya $30.561 — berhadapan dengan swap terencana $2.480, keputusan dua belas banding satu bahkan sebelum pembobotan probabilitas masuk.
Bahkan angka $2.480 pun adalah keputusan, bukan sekadar penawaran. Engine mengecek stok lebih dulu: tidak ada kit di rak. Lalu ia memeringkat vendor dengan satu aturan — termurah yang tiba sebelum jendela waktu. Kit termurah mengutip lead time 14 hari melawan median RUL 11 hari, jadi ia dikecualikan berapa pun menariknya harganya. Vendor berikutnya mengirim dalam 3 hari dengan $120 lebih mahal — di dalam jendela. Kurir ekspedisi disiapkan sebagai fallback jika pengiriman utama molor.
Manajer maintenance menyetujui swap. Pengerjaannya empat jam di dalam changeover yang memang sudah terjadwal. Reject rate kembali ke baseline dalam satu shift, dan kompresor kembali ke zona A/B ISO 10816 — tempat yang seharusnya tidak pernah ditinggalkan.
Menutup Siklus
Kisahnya tidak berhenti di perbaikan, karena mesin yang diperbaiki tanpa mengajarkan apa pun ke organisasi hanya separuh perbaikan. Siklus penuhnya berjalan: deteksi → work order → eksekusi checklist → RCA → knowledge capture. Hitungan mundur RUL membuka work order otomatis dengan tenggat terlampir; checklist dijalankan dari mobile saat swap; investigasi lengkap — fishbone, fault tree, rantai 5-Whys, perbandingan biaya — ditulis kembali ke work order; dan knowledge base mengindeks polanya: reject molding + tekanan header sag + BPFO kompresor meningkat.
Pabrik berikutnya yang menghadapi pola ini memulai dari kisah kegagalan yang sudah terkonfirmasi, bukan fishbone kosong. (Strategi di balik siklus itu ada di artikel menutup siklus kami, dan fondasinya di apa itu root cause analysis.)
Pantas ditegaskan apa yang tidak dilakukan AI: ia tidak menggantikan investigasi — ia menjalankannya. Setiap tahap dapat ditinjau, setiap kesimpulan mengutip bukti yang bisa dicek teknisi dengan alat genggam. Manusia mengambil tepat satu keputusan, dan memang itu keputusan yang sepantasnya milik manusia: swap atau tunda, dengan harga di depan mata.
Bagaimana OpexMX Menangani RCA
OpexMX menghubungkan seluruh siklus dari ujung ke ujung: deteksi fault berbasis vibrasi (puncak BPFO/BPFI/BSF/FTF, zoning ISO 10816), RUL Weibull dengan batas kepercayaan, AI copilot yang menjalankan funnel bukti dari keluhan seinformal "mesin ini reject lagi, kenapa ya?", dan rekomendasi preskriptif yang memeringkat aksi berdasarkan total expected cost — dengan logika vendor, lead time, dan stok terlampir pada setiap baris suku cadang.
Gejalanya boleh tetap berantakan. Investigasinya tidak.