Sistem Diagnosis Klasifikasi Jenis Kerusakan pada Motor Induksi 3 Fasa Menggunakan Metode XGBoost

Arianto, Arum Puspa (2024) Sistem Diagnosis Klasifikasi Jenis Kerusakan pada Motor Induksi 3 Fasa Menggunakan Metode XGBoost. Diploma thesis, Institut Teknologi Sepuluh Nopember.

Text 2040201127_Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2026. Download (3MB) | Request a copy

Abstract

Motor induksi 3 fasa merupakan jenis motor yang paling banyak digunakan dalam industri karena efisiensinya yang tinggi, keandalannya, umur panjang, dan desainnya yang sederhana tanpa sikat atau komutator, sehingga tidak memerlukan perawatan rutin. Keunggulan ini membuat motor induksi 3 fasa sangat cocok untuk aplikasi di industri besar, seperti menggerakkan mesin pada industri manufaktur, sistem HVAC, serta di bidang transportasi seperti ekskalator dan lift. Namun, belum tersedia sistem yang dapat menentukan jenis perawatan yang tepat saat terjadi kerusakan pada motor induksi 3 fasa, serta belum tersedia parameter yang mendukung teknisi dalam menentukan jenis perawatan yang tepat. Hal ini dapat menyebabkan downtime yang tidak terduga dan kerugian besar akibat perbaikan yang tidak efektif. Untuk mengatasi masalah ini, dikembangkanlah Sistem Diagnosis Klasifikasi Kerusakan Motor Induksi 3 Fasa menggunakan Metode XGBoost. Sistem ini menggunakan perangkat hardware dengan tiga sensor—accelerometer, suhu, dan arus—untuk mengumpulkan data dari motor induksi 3 fasa. Data ini kemudian diolah menggunakan metode machine learning XGBoost untuk mengidentifikasi jenis kerusakan. Prediksi kerusakan ini dapat diakses dan dipantau melalui website, memungkinkan deteksi jenis kerusakan pada motor induksi 3 fasa. Dalam penelitian ini, telah berhasil dikembangkan sistem klasifikasi kerusakan motor induksi 3 fasa dengan tingkat akurasi prediksi sebesar 98,88%. Sistem ini sangat efektif dalam mengenali dan mengidentifikasi berbagai jenis kerusakan pada motor induksi. Selain kemampuan klasifikasi, sistem ini juga menyediakan fitur monitoring data sensor secara real-time melalui sebuah website, yang memungkinkan pengguna untuk memantau data sensor secara langsung, sehingga memberikan visibilitas dan responsivitas yang lebih baik terhadap kondisi motor induksi. Secara keseluruhan, sistem ini tidak hanya mampu mengklasifikasikan jenis kerusakan dengan akurasi tinggi, tetapi juga menyediakan alat monitoring yang efisien untuk pemantauan kondisi motor, diharapkan dapat meminimalisir gangguan operasional produksi dan meningkatkan efisiensi pemeliharaan motor induksi 3 fasa di industri.
=================================================================================================================================
3-phase induction motors are the type of motor most widely used in industry because of their high efficiency, reliability, long life, and simple design without brushes or commutators, so they do not require routine maintenance. This advantage makes 3-phase induction motors very suitable for applications in large industries, such as driving machines in the manufacturing industry, HVAC systems, as well as in the transportation sector such as escalators and lifts. However, there is no system available that can determine the appropriate type of maintenance when damage occurs to a 3-phase induction motor, and there are no parameters available that support technicians in determining the proper type of maintenance. This can lead to unexpected downtime and major losses due to ineffective repairs. To overcome this problem, a 3-phase induction Motor Damage Classification Diagnosis System was developed using the XGBoost Method. This system uses a hardware device with three sensors—accelerometer, temperature, and current—to collect data from a 3-phase induction motor. This data is then processed using the XGBoost machine learning method to identify the type of damage. This damage prediction can be accessed and monitored via the website, enabling the detection of types of damage to 3-phase induction motors. In this research, a 3-phase induction motor damage classification system has been successfully developed with a prediction accuracy level of 98.88%. This system is very effective in recognizing and identifying various types of damage to induction motors. Apart from classification capabilities, this system also provides a real-time sensor data monitoring feature via a website, which allows users to monitor sensor data directly, thereby providing better visibility and responsiveness to the condition of the induction motor. Overall, this system is not only able to classify types of damage with high accuracy, but also provides an efficient monitoring tool for monitoring motor conditions. It is hoped that it can minimize disruption to production operations and increase the maintenance efficiency of 3-phase induction motors in the industry.

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Classification, XGBoost, 3-Phase Induction Motor, Klasifikasi, Motor Induksi 3 Fasa
Subjects:	T Technology > T Technology (General) > T55 Industrial Safety T Technology > T Technology (General) > T58.62 Decision support systems T Technology > TK Electrical engineering. Electronics Nuclear engineering T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK2785 Electric motors, Induction.
Divisions:	Faculty of Vocational > 36304-Automation Electronic Engineering
Depositing User:	Arum Puspa Arianto
Date Deposited:	09 Sep 2024 05:55
Last Modified:	09 Sep 2024 05:55
URI:	http://repository.its.ac.id/id/eprint/115610

Actions (login required)

View Item