ITB ADITB AD
Jurnal Teknologi Informasi (JUTECH)Jurnal Teknologi Informasi (JUTECH)Konsep pemeliharaan prediktif mewakili perubahan signifikan dalam metode pemeliharaan tradisional. Pemanfaatan machine learning dalam pemeliharaan mesin manufaktur memiliki potensi untuk menawarkan peluang yang belum pernah terjadi sebelumnya dalam memprediksi masalah dengan mengungkap pola tersembunyi dalam kumpulan data yang luas. Studi ini bertujuan untuk menguji empat model machine learning dalam mengklasifikasikan kebutuhan pemeliharaan di lingkungan manufaktur cerdas. Model machine learning seperti Regresi Logistik, Random Forest, XGBoost, dan Multi-layer Perceptron (MLP) dilatih dengan 5-fold cross-validation. Kumpulan data yang digunakan adalah kumpulan data publik dari situs web kaggle, yang terdiri dari 10000 baris dan 13 fitur dengan fitur maintenance_required sebagai fitur target. Hasil pelatihan model dievaluasi menggunakan berbagai metrik, seperti akurasi, presisi, recall, f1-score, dan ROC-AUC. Hasil pengujian menunjukkan bahwa Random Forest memberikan kinerja terbaik dengan akurasi 98,37%, presisi 99,97%, recall 91,72%, f1-score 95,67%, dan ROC-AUC 95,95%. Metode ensemble berbasis pohon Random Forest mampu menangkap pola dalam data lebih baik daripada model linier dan neural. Hal ini mengindikasikan bahwa Random Forest adalah model yang andal untuk mendeteksi persyaratan pemeliharaan mesin. Penelitian lebih lanjut dapat mempertimbangkan peningkatan kapasitas kumpulan data, integrasi dengan teknik deep learning, memeriksa perspektif struktur time-series multivariate.
Penelitian ini berhasil menerapkan pendekatan berbasis machine learning (ML) untuk pemeliharaan prediktif (PdM) di lingkungan manufaktur cerdas.Beberapa model ML diuji, yaitu Regresi Logistik, Random Forest, XGBoost, dan MLP.Model-model tersebut dilatih dengan metode 5-fold cross-validation untuk mencari model terbaik dalam mengklasifikasikan kebutuhan perbaikan mesin manufaktur.Untuk mengatasi masalah kelas data yang tidak seimbang, teknik oversampling SMOTE diterapkan.Hasilnya, Random Forest menunjukkan kinerja terbaik dengan akurasi 98%, presisi 99,97%, recall 91,72%, f1-score 95,67%, dan ROC-AUC 95,95%.Walaupun hasilnya cukup menjanjikan, penelitian ini tetap memiliki batasan.Perilaku sensor tidak ditangkap secara real-time dan pengaruh temporal tidak tersedia pada data.
Berdasarkan temuan penelitian ini, beberapa saran penelitian lanjutan dapat diajukan. Pertama, penelitian selanjutnya dapat mengeksplorasi penggunaan sensor yang lebih canggih dan data real-time untuk meningkatkan akurasi prediksi kegagalan mesin. Hal ini dapat melibatkan integrasi data dari berbagai sumber, seperti sensor getaran, suhu, dan tekanan, serta data operasional mesin. Kedua, penelitian dapat fokus pada pengembangan model deep learning yang mampu menangkap pola temporal dalam data sensor, seperti LSTM atau Temporal Convolutional Networks. Model-model ini berpotensi untuk meningkatkan akurasi prediksi kegagalan mesin dengan mempertimbangkan urutan kejadian data sensor. Ketiga, penelitian dapat menginvestigasi penerapan teknik Explainable AI (XAI) untuk meningkatkan transparansi dan interpretasi model machine learning. Dengan memahami bagaimana model membuat keputusan, operator mesin dapat lebih percaya pada hasil prediksi dan mengambil tindakan yang tepat untuk mencegah kegagalan mesin. Integrasi ketiga saran ini akan menghasilkan sistem PdM yang lebih akurat, adaptif, dan dapat diandalkan, yang pada akhirnya akan meningkatkan efisiensi dan produktivitas dalam lingkungan manufaktur cerdas.
- Perancangan Smart Predictive Maintenance untuk Mesin Produksi | Seminar Nasional Official Statistics.... doi.org/10.34123/semnasoffstat.v2022i1.1575Perancangan Smart Predictive Maintenance untuk Mesin Produksi Seminar Nasional Official Statistics doi 10 34123 semnasoffstat v2022i1 1575
- AI for Predictive Maintenance in Smart Manufacturing | SAMRIDDHI : A Journal of Physical Sciences, Engineering... doi.org/10.18090/samriddhi.v17i03.03AI for Predictive Maintenance in Smart Manufacturing SAMRIDDHI A Journal of Physical Sciences Engineering doi 10 18090 samriddhi v17i03 03
| File size | 656.11 KB |
| Pages | 11 |
| DMCA | Report |
Related /
UNRAMUNRAM 217 gambar, model dilatih dengan teknik transfer learning, augmentasi gambar, dan regulasi, serta dievaluasi melalui validasi silang 5-lipat. EfficientNet-B0217 gambar, model dilatih dengan teknik transfer learning, augmentasi gambar, dan regulasi, serta dievaluasi melalui validasi silang 5-lipat. EfficientNet-B0
BSIBSI Di sisi lain, pelatihan pengelolaan keuangan membantu UMKM mencatat transaksi secara teratur, menyusun laporan keuangan sederhana, dan memisahkan keuanganDi sisi lain, pelatihan pengelolaan keuangan membantu UMKM mencatat transaksi secara teratur, menyusun laporan keuangan sederhana, dan memisahkan keuangan
ITB ADITB AD Surya Kencana Sembako meminimalisir kesalahan dalam penentuan dan pemenuhan stok serta mempercepat pencatatan data persediaan. Penggunaan Regresi LinearSurya Kencana Sembako meminimalisir kesalahan dalam penentuan dan pemenuhan stok serta mempercepat pencatatan data persediaan. Penggunaan Regresi Linear
UKSWUKSW Therefore, instilling values of wisdom, ethics and responsibility in the use of technology is crucial. Collaboration between schools and parents is neededTherefore, instilling values of wisdom, ethics and responsibility in the use of technology is crucial. Collaboration between schools and parents is needed
UPIUPI Reduksi GO dan pertumbuhan langsung oksida logam pada lembaran rGO terjadi selama proses hidrotermal. Partikel oksida ZnO menunjukkan bentuk serat, nanobunga,Reduksi GO dan pertumbuhan langsung oksida logam pada lembaran rGO terjadi selama proses hidrotermal. Partikel oksida ZnO menunjukkan bentuk serat, nanobunga,
UMAUMA Perlindungan hukum dalam pelaksanaan otonomi daerah didasarkan pada Undang‑Undang Nomor 23 Tahun 2014, yang melindungi penyelenggaraan urusan pemerintahanPerlindungan hukum dalam pelaksanaan otonomi daerah didasarkan pada Undang‑Undang Nomor 23 Tahun 2014, yang melindungi penyelenggaraan urusan pemerintahan
UMAUMA Dalam hal ini asas kebebasan berkontrak harus dibatasi dengan kebebasan berkontrak yang bertanggung jawab. Pertamina hanya mengatur hak-haknya dan jarangDalam hal ini asas kebebasan berkontrak harus dibatasi dengan kebebasan berkontrak yang bertanggung jawab. Pertamina hanya mengatur hak-haknya dan jarang
LAPANLAPAN Dengan settling time kurang dari 1,5 detik dan overshoot kurang dari 1,3%. Heading hold dirancang berdasarkan sudut bank yang diperlukan. Settling timeDengan settling time kurang dari 1,5 detik dan overshoot kurang dari 1,3%. Heading hold dirancang berdasarkan sudut bank yang diperlukan. Settling time
Useful /
ITB ADITB AD Kadar glukosa normal dalam darah manusia berkisar antara 70–130 mg/dL dan dapat meningkat setelah mengonsumsi makanan tinggi karbohidrat. Glukosa diKadar glukosa normal dalam darah manusia berkisar antara 70–130 mg/dL dan dapat meningkat setelah mengonsumsi makanan tinggi karbohidrat. Glukosa di
UBTUBT Evaluasi pada data uji menghasilkan precision 0,837, recall 0,819, dan F1-score 0,827, dengan performa terbaik pada kelas sabit dengan F1-score sebesarEvaluasi pada data uji menghasilkan precision 0,837, recall 0,819, dan F1-score 0,827, dengan performa terbaik pada kelas sabit dengan F1-score sebesar
UBTUBT Pengumpulan data dilakukan melalui wawancara terhadap 7 mahasiswa tingkat akhir dan kuesioner kepada 50 responden mahasiswa. Hasil analisis kebutuhan menunjukkanPengumpulan data dilakukan melalui wawancara terhadap 7 mahasiswa tingkat akhir dan kuesioner kepada 50 responden mahasiswa. Hasil analisis kebutuhan menunjukkan
UPIUPI The study provides a detailed guide for quantitative analysis using UV-Vis spectrophotometry, particularly for determining sample concentrations in aqueousThe study provides a detailed guide for quantitative analysis using UV-Vis spectrophotometry, particularly for determining sample concentrations in aqueous