Dashboard Pemantauan Service Request Menggunakan Power Pivot and MxLoader

Di era digital industri modern, data sudah menjadi bagian penting dalam pengambilan keputusan. Hampir semua industri besar menggunakan data untuk membantu pekerjaan menjadi lebih cepat, lebih akurat, dan lebih mudah dipantau. Salah satu industri yang sangat bergantung pada data adalah industri pembangkit listrik atau power plant.

Di power plant, ribuan peralatan bekerja selama 24 jam tanpa berhenti. Mulai dari boiler, turbine, conveyor, pump, fan, electrical panel, hingga instrumentasi semuanya harus selalu dipantau kondisinya. Jika ada satu saja equipment yang bermasalah, maka proses produksi listrik bisa terganggu.

Karena itulah monitoring maintenance menjadi sangat penting. Salah satu sistem yang sering digunakan untuk maintenance management adalah IBM Maximo. Sistem ini digunakan untuk mencatat Service Request (SR), Work Order (WO), histori kerusakan, jadwal maintenance, hingga data equipment.

Pada project ini saya mencoba membuat sebuah dashboard sederhana namun cukup powerful dengan judul:

“Modeling Dashboard for Monitoring and Analyzing Reliability-Availability-Maintainability from Maximo Data (Service Request and Work Order) using Power Pivot and MxLoader.”

Dashboard ini dibuat menggunakan kombinasi beberapa tools sederhana yang mudah digunakan tetapi sangat membantu dalam proses monitoring data maintenance secara online dan updateable.

Apa Itu Reliability, Availability, dan Maintainability (RAM)?

Sebelum masuk ke dashboard, kita bahas dulu istilah utama dalam project ini, yaitu RAM.

1. Reliability

Reliability adalah kemampuan equipment untuk bekerja tanpa mengalami gangguan dalam periode tertentu.

Contohnya:

• Conveyor berjalan normal selama 3 bulan tanpa trip.
• Boiler feed pump tidak mengalami breakdown selama operasi.

Semakin jarang equipment rusak, maka reliability-nya semakin baik.

2. Availability

Availability adalah seberapa siap equipment digunakan saat dibutuhkan.

Misalnya:

• Sebuah pompa standby selalu siap ketika pompa utama trip.
• Turbine dapat digunakan kapan saja tanpa menunggu repair lama.

Availability biasanya dipengaruhi oleh:

• Frekuensi kerusakan
• Lama perbaikan
• Ketersediaan sparepart

3. Maintainability

Maintainability adalah kemudahan dan kecepatan equipment untuk diperbaiki ketika terjadi kerusakan.

Contoh:

• Filter mudah dibongkar dan dibersihkan.
• Motor dapat diganti dengan cepat karena desain maintenance-friendly.

Jika repair cepat dilakukan, maka maintainability dianggap baik.

Kenapa Dashboard Ini Dibuat?

Di dunia maintenance, data sebenarnya sangat banyak. Tetapi sering kali data hanya menjadi “arsip” tanpa dimanfaatkan secara maksimal.

Contohnya:

• Ada ribuan Service Request
• Banyak Work Order
• Banyak histori kerusakan equipment
• Banyak data operator dan maintenance activity

Namun jika semuanya hanya berupa tabel panjang di Excel atau database, maka akan sulit dipahami dengan cepat.

Karena itulah dashboard ini dibuat untuk:

• Mempermudah monitoring
• Membantu analisis maintenance
• Mempermudah identifikasi equipment bermasalah
• Mengetahui trend kerusakan
• Membantu pengambilan keputusan

Dashboard ini juga membantu engineer dan maintenance planner melihat kondisi plant hanya dalam satu layar.

Tools yang Digunakan

Project ini menggunakan beberapa tools utama yang sederhana namun sangat efektif.

1. IBM Maximo

IBM Maximo adalah software Enterprise Asset Management (EAM) yang digunakan untuk mengelola asset dan maintenance.

Data yang digunakan dalam dashboard berasal dari Maximo, seperti:

• Service Request
• Work Order
• Equipment List
• Operator
• Status pekerjaan
• Histori maintenance

Maximo menjadi pusat data utama dalam project ini.

2. MxLoader

MxLoader adalah tools berbasis Excel yang digunakan untuk:

• Menarik data dari Maximo
• Upload data
• Update data
• Export data

Keunggulan MxLoader:

• Mudah digunakan
• Cepat
• Tidak perlu coding rumit
• Bisa digunakan langsung oleh engineer

Dalam project ini, MxLoader digunakan untuk mengambil data dari Maximo Server agar dashboard dapat di-update secara online.

3. Microsoft Excel

Walaupun terlihat sederhana, Excel masih menjadi salah satu tools paling powerful untuk analisis data.

Excel digunakan untuk:

• Cleaning data
• Pengolahan awal
• Membuat pivot
• Membuat formula
• Menghubungkan data antar tabel

4. Power Pivot

Power Pivot adalah fitur di Excel yang memungkinkan kita membuat model data seperti database mini.

Dengan Power Pivot kita bisa:

• Menghubungkan banyak tabel
• Membuat relationship
• Menggunakan DAX Formula
• Membuat perhitungan otomatis

Power Pivot menjadi “otak” utama dari dashboard ini.

5. Dashboard Visualization

Data yang sudah diproses kemudian divisualisasikan menjadi:

• Pie chart
• Bar chart
• Donut chart
• KPI monitoring
• Tabel ranking
• Filter interaktif

Tujuannya agar data lebih mudah dipahami oleh user.

Gambaran Dashboard

Dashboard ini memiliki tampilan sederhana namun informatif. Semua informasi utama ditampilkan dalam satu halaman sehingga user tidak perlu membuka banyak file.

Karena alasan privasi perusahaan, beberapa data angka dan informasi spesifik sudah disamarkan atau diblur agar tidak mengganggu confidentiality perusahaan.

Dashboard terdiri dari beberapa bagian utama.

1. Filter Tahun dan Bulan

Pada bagian kiri dashboard terdapat filter:

• Tahun
• Bulan
• Unit
• Group equipment

Filter ini membantu user melihat data berdasarkan periode tertentu.

Contoh:

• Melihat jumlah Service Request bulan Agustus
• Melihat data Unit 3 saja
• Melihat equipment boiler saja

Dengan filter ini dashboard menjadi interaktif dan fleksibel.

2. Total Service Request per Unit

Bagian ini menampilkan jumlah Service Request berdasarkan unit pembangkit.

Contohnya:

• Common Area
• Unit 3
• Unit 4

Tujuan visualisasi ini adalah:

• Mengetahui unit mana yang paling banyak mengalami masalah
• Membandingkan kondisi antar unit
• Menentukan prioritas maintenance

Jika salah satu unit memiliki jumlah SR terlalu tinggi, maka engineer dapat melakukan investigasi lebih lanjut.

3. Total Service Request per Group

Dashboard juga menampilkan jumlah SR berdasarkan group equipment seperti:

• Boiler
• CNI
• Electric
• Turbine

Bagian ini sangat penting karena membantu mengetahui area mana yang paling sering mengalami gangguan.

Misalnya:

• Jika Boiler memiliki SR paling tinggi, maka mungkin perlu dilakukan inspection tambahan.
• Jika Turbine meningkat drastis, maka perlu dilakukan preventive action.

Analisis sederhana seperti ini sangat membantu maintenance team.

4. Jumlah SR Berdasarkan Status

Dashboard menampilkan status pekerjaan seperti:

• Closed
• In Progress
• SRJT atau status lainnya

Visualisasi ini membantu memonitor:

• Pekerjaan yang sudah selesai
• Pekerjaan yang masih berjalan
• Backlog pekerjaan

Jika jumlah “In Progress” terlalu banyak, maka bisa menjadi indikasi:

• Kekurangan manpower
• Sparepart belum tersedia
• Prioritas maintenance belum optimal

5. Jumlah SR Berdasarkan Tipe

Pada dashboard juga terdapat klasifikasi tipe pekerjaan.

Contohnya:

• ORD
• PDM

Hal ini membantu engineer melihat jenis maintenance yang paling dominan.

6. Jumlah SR per Tahun

Visualisasi tahunan digunakan untuk melihat trend jangka panjang.

Dengan grafik ini kita bisa melihat:

• Apakah jumlah gangguan meningkat?
• Apakah reliability membaik?
• Apakah maintenance strategy berhasil?

Trend analysis sangat penting dalam continuous improvement.

7. Top 10 Equipment dengan SR Terbanyak

Salah satu bagian paling menarik dari dashboard ini adalah ranking equipment.

Dashboard menampilkan:

• Equipment mana yang paling sering mengalami Service Request
• Jumlah kasus
• Ranking equipment

Bagian ini sangat membantu untuk:

• Root cause analysis
• Menentukan bad actor equipment
• Menentukan equipment prioritas overhaul

Misalnya:
Jika suatu pump selalu muncul di ranking atas, maka kemungkinan:

• Ada desain yang kurang optimal
• Ada masalah operasi
• Ada masalah vibration
• Ada masalah lubrication

8. Nama Equipment dengan SR Terbanyak

Selain grafik ranking, dashboard juga menampilkan nama equipment secara detail.

Data ini membantu:

• Planner
• Supervisor
• Engineer
• Operator

untuk mengetahui equipment mana yang perlu perhatian khusus.

9. Operator Aktif

Dashboard juga menampilkan data operator atau pelaksana pekerjaan.

Tujuannya:

• Melihat aktivitas maintenance
• Mengetahui distribusi pekerjaan
• Monitoring manpower

Data seperti ini membantu supervisor dalam pembagian pekerjaan.

Kenapa Dashboard Ini Menarik?

Banyak orang berpikir dashboard harus dibuat dengan software mahal atau coding yang rumit. Padahal sebenarnya dashboard sederhana menggunakan Excel pun bisa sangat powerful jika datanya benar.

Keunggulan project ini antara lain:

1. Mudah Dipahami

Visualisasi dibuat sederhana sehingga:

• Engineer mudah membaca
• Operator mudah memahami
• Supervisor cepat mengambil keputusan

Bahkan orang yang tidak terlalu paham data analytics tetap bisa memahami isi dashboard.

2. Online Updateable

Karena menggunakan MxLoader dan koneksi Maximo, data dapat diperbarui secara berkala.

Artinya dashboard tidak perlu dibuat ulang dari awal.

3. Tidak Perlu Coding Rumit

Project ini membuktikan bahwa analisis data industri tidak selalu membutuhkan programming level tinggi.

Dengan:

• Excel
• Power Pivot
• Pivot Table
• Dashboard visualization

kita sudah bisa membuat sistem monitoring yang sangat membantu.

4. Membantu Decision Making

Dashboard membantu management menentukan:

• Prioritas maintenance
• Equipment kritis
• Area bermasalah
• Trend reliability

Keputusan menjadi lebih berbasis data, bukan hanya feeling.

Tantangan Saat Membuat Dashboard

Tentu dalam proses pembuatan dashboard ini ada beberapa tantangan.

1. Data Tidak Selalu Rapi

Data maintenance sering memiliki masalah seperti:

• Penulisan equipment berbeda
• Data kosong
• Duplicate
• Status tidak konsisten

Karena itu proses cleaning data menjadi sangat penting.

2. Banyaknya Jumlah Data

Data dari Maximo bisa sangat besar.

Jika tidak diolah dengan benar:

• Excel menjadi berat
• Dashboard lambat
• Formula error

Karena itu Power Pivot sangat membantu dalam pengelolaan data besar.

3. Menentukan Visual yang Tepat

Tidak semua chart cocok digunakan.

Kadang:

• Pie chart terlalu penuh
• Warna terlalu ramai
• Informasi sulit dibaca

Karena itu desain dashboard harus dibuat sederhana dan fokus pada informasi penting.

Pembelajaran dari Project Ini

Project ini memberikan banyak pelajaran penting.

1. Data Analytics Sangat Berguna di Industri

Data bukan hanya untuk IT atau programmer.

Engineer juga bisa menggunakan data analytics untuk:

• Maintenance
• Operation
• Reliability
• Energy analysis

2. Excel Masih Sangat Powerful

Walaupun sekarang banyak software modern, Excel tetap menjadi tools yang sangat berguna.

Jika digunakan dengan benar, Excel bisa menjadi:

• Database mini
• Dashboard
• Reporting tools
• Analytics tools

3. Visualisasi Mempermudah Analisis

Kadang tabel biasa sulit dipahami.

Tetapi ketika divisualisasikan menjadi chart:

• Trend lebih terlihat
• Masalah lebih cepat ditemukan
• Informasi lebih mudah dipahami

Pengembangan Dashboard di Masa Depan

Project ini masih bisa dikembangkan lebih jauh.

Beberapa ide pengembangan:

• Integrasi Power BI
• Real-time monitoring
• Predictive maintenance
• Machine learning
• Notification system
• Mobile dashboard

Integrasi dengan Power BI

Jika dikembangkan menggunakan Power BI, dashboard dapat memiliki:

• Tampilan lebih modern
• Cloud sharing
• Mobile access
• Real-time refresh

Ini menjadi langkah menarik untuk transformasi digital maintenance.

Potensi Predictive Maintenance

Ke depan data SR dan WO dapat digunakan untuk:

• Prediksi kerusakan
• Prediksi failure
• Maintenance optimization

Misalnya:
Jika vibration meningkat sebelum breakdown, maka sistem dapat memberikan warning lebih awal.

Pentingnya Data Privacy

Dalam project industri, data perusahaan merupakan hal yang sensitif.

Karena itu pada artikel dan tampilan dashboard:

• Data angka tertentu disamarkan
• Nama tertentu diblur
• Informasi sensitif tidak ditampilkan

Tujuannya agar tetap menjaga confidentiality perusahaan.

Hal ini sangat penting dalam dunia profesional.

Kesimpulan

Project “Modeling Dashboard for Monitoring and Analyzing Reliability-Availability-Maintainability from Maximo Data using Power Pivot and MxLoader” merupakan contoh bagaimana tools sederhana dapat digunakan untuk membuat sistem monitoring yang sangat bermanfaat.

Dengan memanfaatkan:

• IBM Maximo
• MxLoader
• Excel
• Power Pivot

data maintenance yang awalnya hanya berupa tabel panjang dapat diubah menjadi dashboard visual yang mudah dipahami.

Dashboard ini membantu:

• Monitoring Service Request
• Monitoring Work Order
• Analisis reliability equipment
• Menentukan equipment prioritas
• Membantu decision making

Walaupun dibuat menggunakan tools yang relatif sederhana, dashboard ini sudah mampu memberikan insight yang sangat berguna dalam dunia maintenance dan reliability power plant.

Project seperti ini juga menunjukkan bahwa engineer masa kini tidak hanya perlu memahami equipment, tetapi juga perlu memahami data analytics dan digital tools.

Karena di masa depan, industri akan semakin bergerak menuju:

• Digitalization
• Smart maintenance
• Predictive analytics
• Data-driven decision making

Dan semuanya dimulai dari kemampuan sederhana untuk mengolah data menjadi informasi yang berguna.