Optimasi Path Planning Unmanned Aerial Vehicle dalam Menginspeksi Pesawat Boeing 757-200 Menggunakan Metode Particle Swarm Optimization dan Simulated Annealing

Yosef, Ignasius (2024) Optimasi Path Planning Unmanned Aerial Vehicle dalam Menginspeksi Pesawat Boeing 757-200 Menggunakan Metode Particle Swarm Optimization dan Simulated Annealing. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5007201150-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2026. Download (2MB) | Request a copy

Abstract

Pesawat dapat melakukan perjalanan jauh dan membawa banyak penumpang dengan muatan kargo yang besar. Tentunya pesawat akan melewati inspeksi yang dilakukan setiap setahun sekali atau setiap 100 jam pengoperasian agar pesawat tetap pada kondisi optimum. Inspeksi yang dilakukan menggunakan regulasi dari Federal Aviation Administration. Namun, inspeksi tersebut tidak luput dari human error yang dapat terjadi ketika kondisi kerja yang sangat bergantung pada kesehatan dari manusia serta ruang kerja dari pesawat tersebut. Untuk mengatasi hal tersebut, penggunaan unmanned aerial vehicle (UAV) dapat dijadikan menjadi salah satu metode untuk mengatasi human error yang disebabkan oleh kondisi kerja tersebut. Tetapi UAV memiliki batasan yaitu penentuan rute yang akan dilalui. Maka dari itu, diperlukan adanya optimasi path planning agar penggunaan UAV akan menjadi efisien.
Pada penelitian ini dilakukan optimasi jarak dalam melakukan inspeksi pada pesawat Boeing 757-200 menggunakan software MATLAB R2023a. Data input yang digunakan dalam penelitian ini adalah titik inspeksi yang telah diberikan dalam bentuk koordinat x, y, dan z. Sedangkan data output yang dihasilkan berupa jarak yang dilalui oleh UAV itu sendiri. Dikarenakan penelitian ini berfokus dalam optimasi path planning, maka fungsi objektif dari penelitian ini adalah hasil dari vektor yang didapatkan dari satu titik ke titik yang lain. Fungsi objektif ini nantinya akan dimasukkan menjadi input dari Simulated Annealing (SA) dan Particle Swarm Optimization (PSO). Optimasi yang dilakukan ini memiliki variasi iterasi, initial temperatur,dan Cooling Rate pada metode SA, kemudian iterasi, particle population size, dan weight pada PSO. Hasil optimasi jarak yang didapatkan dari SA akan dibandingkan dengan PSO.
Hasil dari penelitian ini, setelah memberikan input berupa 40 data koordinat dan dilakukan optimasi dengan metode SA dan PSO. Dengan metode SA diperoleh hasil optimal dari Path Planning distance dengan hasil 161,099 meter pada variasi paling pertama pada Initial Temperature 30 dan Cooling Rate sebesar 90%. Kemudian metode PSO didapatkan hasil optimal dengan hasil 358,109 meter pada variasi iterasi 75.000, particle population size sebesar 500, dan weight 1,0 setelah dilakukan 3 kali pengulangan. Dilakukan validasi menggunakan GuRoBi Optimizer 11.0.2 dengan hasil path planning sebesar 162,286 meter, berdasarkan hasil validasi tersebut, terbukti hanya metode SA yang valid untuk digunakan, maka dari itu hasil penelitian ini disimpulkan bahwa metode SA adalah metode optimasi yang paling sesuai.
========================================================================================================================
Aircraft can travel long distances and carry many passengers and large cargo loads. Of course, aircraft undergo inspections either once a year or every 100 hours of operation to ensure they remain in optimal condition, regulated by the Federal Aviation Administration. However, these inspections are not immune to human error, which can occur due to working conditions heavily reliant on human health and in hard-to-reach workspaces. To address this, the use of unmanned aerial vehicles (UAVs) can be employed as a method to mitigate human error caused by these working conditions. However, due to UAV’s limitations in route determination. Therefore, route optimization is necessary to make UAV usage efficient.
This research focuses on optimizing the distance for inspecting a Boeing 757-200 aircraft using MATLAB R2023a software. The input data for this research consists of inspection points provided in the form of x, y, and z coordinates, while the output data generated is the distance traveled by the UAV itself. Since this research focuses on distance optimization, the objective function of this research is the value of the vector obtained from one point to another. This objective function will then be used as input for Simulated Annealing (SA) and Particle Swarm Optimization (PSO). This optimization involves variations in the x, y, and z coordinates of the Boeing 757-200 aircraft. The optimization results obtained from SA will be compared with PSO.
The results of this research, after providing input in the form of 40 coordinate data and optimization using the SA and PSO methods. With the SA method, optimal results were obtained from path planning distance with results of 161,099 meters in the first variation at initial temperature 30 and cooling rate of 0.1. Then the PSO method obtained optimal results with a result of 358.109 meters at a variation of 75,000 iterations, a particle population size of 500, and a weight of 1.0 after 3 additions. Validation was carried out using GuRoBi optimizer 11.0.2 with path planning results of 162,286 meters. Based on the validation results, it was proven that only the SA method was valid to use, therefore the results of this research concluded that the SA method was the most suitable optimization method.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Boeing 757-200, Optimization, Particle Swarm Optimization, Simulated Annealing, UAV, Boeing 757-200, Optimasi, Particle Swarm Optimization, Simulated Annealing, UAV
Subjects:	Q Science > Q Science (General) > Q325.5 Machine learning. Support vector machines.
Divisions:	Faculty of Industrial Technology > Mechanical Engineering
Depositing User:	Ignasius Yosef
Date Deposited:	10 Aug 2024 02:59
Last Modified:	10 Aug 2024 02:59
URI:	http://repository.its.ac.id/id/eprint/114291

Actions (login required)

View Item