Maulana, Muhammad Arif (2023) Sistem Quality Checker Penempatan Label Produk Pada Baterai Motor Dengan Metode Convolutional Neural Network. Other thesis, Institut Teknologi Sepuluh Nopember.
![[thumbnail of 10311910000022-Undergraduate_Thesis.pdf]](http://repository.its.ac.id/style/images/fileicons/text.png) |
Text
10311910000022-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2025. Download (7MB) | Request a copy |
Abstract
PT. GS Battery adalah sebuah perusahaan yang bergerak dibidang manufaktur baterai otomotif mobil dan motor dan assembling traction battery. Dalam proses produksinya ada beberapa mekanisme yang dilalui, salah satunya adalah proses pemberian label produk pada baterai motor. Dengan adanya mesin autolabeling pada perusahaan jauh lebih cepat dan telat ditetapkan oleh perusahaan, tetapi ada kalanya menggunakan mesin autolabeling mengalami ketidak sesuaian terhadap pemasangan label baterai motor. Selain itu, kerap terjadi klaim dari konsumen disebabkan karena pemasangan label yang tidak tepat pada tempatnya dikarenakan pemasangan secara otomatis kemungkinan terjadi kesalahan pada saat pemasangan label pada baterai motor. Degan hal itu pada saat quality checker oleh manusia menggunakan kaca untuk melihat bagian label pada sisi baterai motor yang tidak terlihat, dan proses pengecekan tersebut sekaligus proses packaging dilakukan secara bersamaan. Dimana permasalahan ini menyebakan kelalaian pada saat pengecekan label pada baterai motor dan tidak ada sortir yang layak untuk memilah kualitas yang tidak sesuai standar label baterai motor pada perusahaan yang hendak dipasarkan pada konsumen. Adanya perusahaan motor mengklaim satu jenis baterai yang diantaranya terdapat label yang tidak sesuai sebesar 15 baterai dan tidak terdapat label sebesar 3 baterai pada tahun 2020-2021. Dengan setiap tahunnya perusahaan mendistribusikan satu jenis baterai sekitar 1000 buah pada perusahaan motor tersebut. Maka dari itu telah dibuat sebuah alat yang dapat mendeteksi kualitas penempatan label pada baterai motor dengan menggunakan deep learning. Deep learning mengkombinasikan perangkat keras dan perangkat lunak dengan algoritma aplikasi pengolahan citra. Teknologi tersebut dipadukan dengan metode convolutional neural network. Sistem bisa mendeteksi kesalahan penempatan label pada baterai motor dengan tingkat akurasi yang sesuai standar. Memilah mana yang ok label dan reject label pada baterai bisa mengatasi terjadinya kesalahan pemasangan label sehingga dapat mengurangi terjadinya klaim dari konsumen. Sistem dapat mendeteksi dan mengklasifikasi tiga kategori kondisi label baterai motor dengan hasil average precision setiap kelasnya untuk baterai no label berjumlah 97,8%, baterai reject berjumlah 100%, dan baterai ok label berjumlah 100% yang menghasilkan mean average precision (mAP) model deteksi sebesar 99,4%.
================================================================================================================================
PT. GS Battery is a company engaged in manufacturing automotive cars and motorcycles and assembling traction batteries. In the production process, several mechanisms are passed, one of which is the process of labeling products on motor batteries. With the existence of an auto-labeling machine in the company, it is much faster and later determined by the company, but there are times when using an auto-labeling machine experiences incompatibility with the installation of motor battery labels. In addition, there are often claims from consumers due to improper installation of labels in place due to automatic installation, there may be errors when installing labels on motor batteries. With that, when the quality checker by humans uses glass to see the label on the invisible side of the motor battery, the checking process, as well as the packaging process, is carried out simultaneously. Where this problem causes negligence when checking the label on the motorcycle battery and there is no proper sorting to sort out the quality that does not match the standard of the motorcycle battery label in the company that wants to be marketed to consumers. The existence of a motorcycle company claims one type of battery which has an inappropriate label of 15 batteries and there is no label of 3 batteries in 2020-2021. Every year the company distributes one type of battery around 1000 pieces to the motorcycle company.
Therefore, a tool is designed that can detect the quality of label placement on the motorcycle battery by using deep learning. Deep learning combines hardware and software with image-processing application algorithms. Technology is combined with the convolutional neural network method. The system can detect label placement errors on motor batteries with a standard level of accuracy. Labeling the motorcycle battery can be resolved so that it can reduce the occurrence of claims. The system can detect and classify three categories of motorcycle battery condition with average precision results for each class for battery no label amounting to 97,8%, reject battery amounting to 100%, and 100% battery ok label which produces a mean average precision (mAP) detection model of 99,4%.
Actions (login required)
 |
View Item |