RANCANG BANGUN SISTEM PREDICTIVE MAINTENANCE MOTOR LISTRIK DENGAN METODE DECISION TREE BERBASIS MIKROKONTROLER DAN PLC

Ruwahida, Dewi Rizani (2023) RANCANG BANGUN SISTEM PREDICTIVE MAINTENANCE MOTOR LISTRIK DENGAN METODE DECISION TREE BERBASIS MIKROKONTROLER DAN PLC. Diploma thesis, Politeknik perkapalan Negeri Surabaya.

Text 0919040018 - Dewi Rizani Ruwahida - Rancang Bangun Sistem i Predictive Maintenance _i Motor Listrik dengan Metode i Decision Tree _i Berbasis Mikrokontroler dan PLC.pdf Restricted to Repository staff only Download (5MB) | Request a copy

Abstract

Penelitian ini membahas tentang Predictive maintenance (PdM) yang merupakan suatu pemeliharaan terprogram untuk mencegah atau mendeteksi failure sebelum menjadi kerusakan. Permasalahan dalam industri proses, yang mengalami failure pada mesin produksi menyadarkan pentingnya sistem PdM untuk mengurangi penggantian peralatan yang tidak perlu, mengurangi waktu henti alat, menemukan akar penyebab kesalahan, dan meningkatkan efisiensi. Pada Tugas Akhir ini digunakan motor listrik sebagai objek penelitian PdM dengan pemasangan tiga sensor, yakni ACS712 untuk nilai arus, LM35 untuk nilai suhu, dan LM393 801S untuk nilai vibrasi. Sistem ini dibuat menggunakan mikrokontroler yang diintegrasikan dengan PLC sebagai kontrol operasi serta pembacaan kondisi sensor dan aktuator pada sistem. Nilai pembacaan sensor ditampilkan melalui antarmuka visual studio dan data histori sensor dianalisis menggunakan metode decision Tree untuk karakter motor listrik. Dalam pengaplikasian sistem PdM yang menggunakan tiga buah parameter antara lain; arus, suhu dan getaran didapatkan persentase kesalahan sebesar 0.72% untuk parameter arus, 0.162% untuk parameter suhu dan 1.25% untuk parameter vibrasi. Penerapan metode decision Tree telah berhasil didapatkan dua kategori kondisi yaitu normal dan abnormal dan telah berhasil memperoleh informasi parameter dominan yang mempengaruhi prediksi. Pada antarmuka visual studio dapat menerima dan menampilkan nilai yang dikirimkan oleh sensor dengan persentase kesesuaian 96.52%

Actions (login required)

View Item