Pengembangan Sistem Inspeksi Menggunakan Model Yolov8 Guna Mengurangi Kesalahan Pengambilan Barang pada PT XYZ

Falahudin, Barhan Akmal (2024) Pengembangan Sistem Inspeksi Menggunakan Model Yolov8 Guna Mengurangi Kesalahan Pengambilan Barang pada PT XYZ. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5025201008-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2026. Download (6MB) | Request a copy

Abstract

PT XYZ adalah salah satu perusahaan manufaktur mobil di Indonesia yang proses manufakturnya terdiri dari proses press, welding, painting, dan assembly. Proses assembly yang merupakan pemasangan berbagai bagian mobil sangat rawan untuk terjadi kesalahan pengambilan bagian mobil. Kesalahan pengambilan bagian mobil terjadi ketika pengambilan tidak sesuai dengan kertas panduan. Oleh karena itu, perlu dibuat sebuah sistem inspeksi yang akurat dan tanpa mengganggu ergonomi dari operator ketika melakukan pengambilan bagian mobil. Pada penelitian ini, akan dikembangkan sistem kecerdasan buatan yang mampu untuk melakukan inspeksi secara real-time pada aktivitas pengambilan bagian mobil dengan menggunakan model deteksi objek berbasis YOLOv8. Dataset yang akan digunakan adalah data primer yang dikumpulkan oleh peneliti pada lokasi penelitian berupa data citra aktivitas pengambilan bagian mobil. Hasil pemodelan tersebut akan dievaluasi dengna menggunakan metrics: precision, recall, dan mAP. Deteksi objek oleh model selanjutnya digunakan sebagai input pada algoritma inspeksi. Algoritma inspeksi diimplementasikan dalam aplikasi website. Sistem inspeksi yang telah diimplementasikan dalam aplikasi website dilakukan percobaan pada lokasi produksi dengan menghitung rata – rata: OK-ratio, NG-ratio, dan WAIT-ratio; untuk semua kertas panduan yang telah dikumpulkan oleh penulis. Berdasarkan percobaan, didapatkan nilai metrics pada model deteksi objek sebagai berikut: precision 0.997; recall 0.901; dan mAP50 0.95. Nilai evaluasi algoritma inspeksi mendapatkan nilai sebagai berikut: OK-rasio 69%, WAIT-rasio 18%, dan NG-rasio 13%.
================================================================================
PT XYZ is one of the car manufacturing companies in Indonesia whose manufacturing process consists of press, welding, painting, and assembly processes. The assembly process, which is the installation of various car parts, is prone to car part picking errors. Car part retrieval errors occur when the retrieval is not in accordance with the guidance paper. Therefore, it is necessary to create an inspection system that is accurate and without disturbing the ergonomics of the operator when picking car parts. In this research, an artificial intelligence system will be developed that is able to perform real-time inspection on car part picking activities using the YOLOv8-based object detection model. The dataset that will be used is primary data collected by researchers at the research location in the form of image data of car part picking activities. The modeling results will be evaluated using metrics: precision, recall, and mAP. Object detection by the model is then used as input to the inspection algorithm. The inspection algorithm is implemented in a web application. The inspection system that has been implemented in the web application is tested at the production site by calculating the average: OK-ratio, NG-ratio, and WAIT-ratio; for all guidance papers collected by the author. Based on the experiment, the metrics values of the object detection model were obtained as follows: precision 0.997; recall 0.901; and mAP50 0.95. The evaluation value of the inspection algorithm gets the following values: OK-ratio 69%, WAIT-ratio 18%, and NG-ratio 13%.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	YOLOv8, Kertas Panduan, Miss Shopping, Assembly
Subjects:	T Technology > T Technology (General) > T58.62 Decision support systems T Technology > T Technology (General) > T58.8 Productivity. Efficiency
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Informatics Engineering > 55201-(S1) Undergraduate Thesis
Depositing User:	BARHAN AKMAL FALAHUDIN
Date Deposited:	09 Aug 2024 07:50
Last Modified:	09 Aug 2024 07:50
URI:	http://repository.its.ac.id/id/eprint/111851

Actions (login required)

View Item