Machine Learning untuk Prediksi Kegagalan Mesin dalam Predictive Maintenance System

Author:

Hafidhoh Nisa'ul1,Atmaja Ardian Prima1,Syaifuddiin Gus Nanang1,Sumafta Ikhwan Baidlowi1,Pratama Salva Mahardhika1,Khasanah Hafsah Nur1

Affiliation:

1. Politeknik Negeri Madiun, Indonesia

Abstract

Dalam menghadapi Revolusi Industri 4.0, teknologi seperti Internet of Things, Big Data, dan Kecerdasan Buatan menjadi kunci dalam modernisasi industri. Pendekatan Machine Learning digunakan untuk memproses data multivariabel berdimensi tinggi dan mengekstrak hubungan tersembunyi dalam lingkungan industri yang kompleks. Machine Learning digunakan untuk mengklasifikasikan kegagalan mesin dalam membangun Predictive Maintenance System. Penelitian ini mengadopsi siklus CRISP-DM (Cross Industry Standard Process for Data Mining) yang terdiri dari tahap business understanding, data understanding, data preparation, modelling, evaluation dan deployment. Predictive Maintenance Dataset berupa data sintetis yang digunakan dalam penelitian ini mencerminkan situasi industri nyata terdiri dari 10.000 baris data dengan sepuluh fitur. Jenis kegagalan mesin diklasifikasikan menjadi Heat Dissipation Failure, Power Failure, Overstrain Failure, dan Tool Wear Failure. Exploratory Data Analysis dilakukan untuk mendapatkan ringkasan dan visualisasi data. Pendekatan machine learning menggunakan metode Logistic Regression dan hasil evaluasi model mencapai akurasi 96,87%, sesuai dengan kriteria sukses data. Hasil pemodelan machine learning yang dikembangkan kemudian diimplementasikan dalam aplikasi Predictive Maintenance System berbasis web untuk memudahkan pemantauan kondisi mesin dan prediksi kegagalan mesin oleh pengguna.              

Publisher

Institute of Research and Community Services Diponegoro University (LPPM UNDIP)

同舟云学术

1.学者识别学者识别

2.学术分析学术分析

3.人才评估人才评估

"同舟云学术"是以全球学者为主线,采集、加工和组织学术论文而形成的新型学术文献查询和分析系统,可以对全球学者进行文献检索和人才价值评估。用户可以通过关注某些学科领域的顶尖人物而持续追踪该领域的学科进展和研究前沿。经过近期的数据扩容,当前同舟云学术共收录了国内外主流学术期刊6万余种,收集的期刊论文及会议论文总量共计约1.5亿篇,并以每天添加12000余篇中外论文的速度递增。我们也可以为用户提供个性化、定制化的学者数据。欢迎来电咨询!咨询电话:010-8811{复制后删除}0370

www.globalauthorid.com

TOP

Copyright © 2019-2024 北京同舟云网络信息技术有限公司
京公网安备11010802033243号  京ICP备18003416号-3