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 /
POLBANPOLBAN Penelitian ini berkontribusi pada pengembangan solusi cerdas untuk mendukung pengelolaan sampah perkotaan yang lebih efisien dan berkelanjutan. PenelitianPenelitian ini berkontribusi pada pengembangan solusi cerdas untuk mendukung pengelolaan sampah perkotaan yang lebih efisien dan berkelanjutan. Penelitian
LAKASPIALAKASPIA Relevansi pemikiran Al-Ghazali dapat menjadi landasan untuk pengembangan kurikulum yang menekankan pembentukan karakter, etika, dan spiritualitas di kalanganRelevansi pemikiran Al-Ghazali dapat menjadi landasan untuk pengembangan kurikulum yang menekankan pembentukan karakter, etika, dan spiritualitas di kalangan
NURUL FIKRINURUL FIKRI Dari kejadian tersebut, dibutuhkannya solusi untuk mencegah terjadinya kembali kehilangan data akibat dari serangan siber ataupun ketidaksengajaan dalamDari kejadian tersebut, dibutuhkannya solusi untuk mencegah terjadinya kembali kehilangan data akibat dari serangan siber ataupun ketidaksengajaan dalam
NURUL FIKRINURUL FIKRI Saat ini berkebun menjadi tren populer di Indonesia, baik sebagai hobi maupun gaya hidup sehat. Namun, metode berkebun tradisional seringkali membutuhkanSaat ini berkebun menjadi tren populer di Indonesia, baik sebagai hobi maupun gaya hidup sehat. Namun, metode berkebun tradisional seringkali membutuhkan
NURUL FIKRINURUL FIKRI Penelitian ini fokus pada perancangan desain website pendaftaran pelamar kerja di PT Pra Kerja Nusantara dengan mempertimbangkan kebutuhan pengguna melaluiPenelitian ini fokus pada perancangan desain website pendaftaran pelamar kerja di PT Pra Kerja Nusantara dengan mempertimbangkan kebutuhan pengguna melalui
NURUL FIKRINURUL FIKRI Pengujian failover menunjukkan bahwa setiap kali terjadi gangguan pada satu jalur, sistem secara otomatis beralih ke jalur alternatif dengan waktu yangPengujian failover menunjukkan bahwa setiap kali terjadi gangguan pada satu jalur, sistem secara otomatis beralih ke jalur alternatif dengan waktu yang
NURUL FIKRINURUL FIKRI Hasil evaluasi pengujian dengan metode Blackbox Testing terhadap fungsionalitas aplikasi menunjukkan semua fitur 85,7% aplikasi bekerja dengan baik, danHasil evaluasi pengujian dengan metode Blackbox Testing terhadap fungsionalitas aplikasi menunjukkan semua fitur 85,7% aplikasi bekerja dengan baik, dan
LLDIKTI10LLDIKTI10 Penggunaan optimizer Nadam menghasilkan nilai akurasi yang lebih tinggi dibandingkan Adamax. Hyper Parameter yang digunakan juga berpengaruh terhadap hasilPenggunaan optimizer Nadam menghasilkan nilai akurasi yang lebih tinggi dibandingkan Adamax. Hyper Parameter yang digunakan juga berpengaruh terhadap hasil
Useful /
UBTUBT 640 citra dan pelatihan selama 100 epoch, serta diintegrasikan dengan antarmuka GUI berbasis PyQt5 untuk pemantauan real-time. Berdasarkan hasil pengujian,640 citra dan pelatihan selama 100 epoch, serta diintegrasikan dengan antarmuka GUI berbasis PyQt5 untuk pemantauan real-time. Berdasarkan hasil pengujian,
ITB ADITB AD Diabetes dapat menyerang siapa saja, terutama individu berusia 20 hingga 40 tahun. Risiko diabetes pada usia tersebut dipengaruhi oleh faktor-faktor sepertiDiabetes dapat menyerang siapa saja, terutama individu berusia 20 hingga 40 tahun. Risiko diabetes pada usia tersebut dipengaruhi oleh faktor-faktor seperti
ITB ADITB AD Industri hijab premium menghadapi tantangan dalam manajemen stok, keterlambatan layanan, dan kesulitan mengidentifikasi pola pembelian konsumen. PenelitianIndustri hijab premium menghadapi tantangan dalam manajemen stok, keterlambatan layanan, dan kesulitan mengidentifikasi pola pembelian konsumen. Penelitian
LLDIKTI10LLDIKTI10 Dengan aplikasi ini juga diharapkan: 1. Mengurangi kecurangan pengambilan absensi oleh karyawan. 2. Mempermudah admin absensi mengolah data dan membuatDengan aplikasi ini juga diharapkan: 1. Mengurangi kecurangan pengambilan absensi oleh karyawan. 2. Mempermudah admin absensi mengolah data dan membuat