Sitem Monitoring Getaran Motor Sebagai Predictive Maintenance Dengan Metode Neural Network Pada Mesin Frais Konvensional

Kurniawan, Beni Putra (2023) Sitem Monitoring Getaran Motor Sebagai Predictive Maintenance Dengan Metode Neural Network Pada Mesin Frais Konvensional. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 10311910000063-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 September 2025. Download (7MB)

Abstract

PT Eldira Cipta Prima merupakan perusahaan yang bergerak dibidang manufaktur komponen pneumatik dan hidrolik. Dalam proses manufaktur komponen tersebut, penggunaan mesin manufaktur seperti mesin frais konvensional menjadi salah satu alat utama dalam produksinya. Perusahaan ini memiliki 3 mesin frais konvensional diantaranya dua mesin frais vertikal dan satu buah horizontal. Diantara ketiga mesin ini terdapat 2 mesin yang mengalami kerusakan yaitu sebuah mesin frais vertikal dan juga horizontal yang disebabkan oleh keterlambatan perawatan dan juga tingkat pengunaan yang cukup tinggi yaitu dengan rata rata 8,3 jam per hari dalam 6 hari kerja. Keterlambatan perawatan tersebut juga disebabkan karena masih belum adanya penjadwalan rutin untuk perawatannya. Selain dari sisi keterlambatan perawatan, permasalahan operator mesin yang kurang mengenali tanda-tanda awal terjadinya kerusakan mesin frais tersebut juga menjadi kendala dalam mengetahui kerusakan dari mesin tesebut. Oleh karena itu, diperlukan sebuah sistem Predictive Maintenance pada mesin frais konvensional tersebut. Sistem tersebut menggunakan metode machine learning sebagai prosesnya. Metode tersebut akan mencirikan suatu kumpulan data melalui model matematika untuk mengidentifikasi terlebih dahulu anomali dan kesalahan potensial. Data monitoring dari predictive maintenance umumnya ditampilan secara real-time. Penelitian berjudul “sistem monitoring getaran motor sebagai Predictive Maintenance dengan metode neural network pada mesin frais konvensional di PT Eldira cipta” ini memiliki tujuan untuk mengoptimalkan dan memperpanjang life time dari mesin frais tersebut. Dari Penelitian yang telah dilakukan penggunaan sensor ADXL345 pada sistem ini memiliki rata-rata akurasi mencapai 96,16% dari 5 kali percobaan. Arsitektur neural network menggunakan 10 neuron pada hidden layer dengan 3 output yang masing-masing adalah normal, shaft misaligment dan Permasalahan Transmisi. Nilai MSE (Mean Square Error) yang didapatkan mencapai 0,000198.
===========================================================================
PT Eldira Cipta Prima is a company engaged in the manufacture of pneumatic and hydraulic components. In the component manufacturing process, the use of manufacturing machines such as conventional milling machines is one of the main tools in production. The company has 3 conventional milling machines including two vertical milling machines and one horizontal milling machine. Among these three machines, there were 2 machines that were damaged, namely a vertical milling machine and also a horizontal milling machine which was caused by delays in maintenance and also a fairly high level of usage, with an average of 8.3 hours per day in 6 working days. The delay in maintenance is also due to the absence of routine scheduling for maintenance. Apart from delays in maintenance, the problem of machine operators who do not recognize the early signs of damage to the milling machine is also an obstacle in detecting damage to the machine. Therefore, a Predictive Maintenance system is needed for the conventional milling machine. The system useing machine learning methods as its process. The method will characterize a data set through a mathematical model to identify potential anomalies and errors in advance. Monitoring data from predictive maintenance is generally displayed in real-time. This research entiteled “Motor Vibration Monitoring System as Predictive Maintenance Using Neural Network Method on Conventional Milling Machine at PT Eldira Cipta Prima” has the objective of optimizing and extending the life tone of the milling machine. From research that has been carried out using the ADXL345 sensor in this system has an average accuracy of reaching 96.16% from 5 trials. The neural network architecture uses 10 neurons in the hidden layer with 3 outputs, each of which is normal, shaft misalignment and Transmision Problem. The MSE (Mean Square Error) value obtained reaches 0.000198.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Neural Network, Predictive Maintenance, Mesin Frais, Milling Machine
Subjects:	T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK2785 Electric motors, Induction.
Divisions:	Faculty of Vocational > 36304-Automation Electronic Engineering
Depositing User:	Beni Putra Kurniawan
Date Deposited:	16 Aug 2023 04:48
Last Modified:	29 Dec 2023 03:32
URI:	http://repository.its.ac.id/id/eprint/104105

Actions (login required)

View Item