PROTOTIPE SISTEM PEMELIHARAAN BERBASIS KONDISI (CBM) MENGGUNAKAN IOT DAN ELM PADA MOTOR INDUKSI DI INDUSTRI MANUFAKTUR

Farras, Muhammad Rafi Nawwaf (2025) PROTOTIPE SISTEM PEMELIHARAAN BERBASIS KONDISI (CBM) MENGGUNAKAN IOT DAN ELM PADA MOTOR INDUKSI DI INDUSTRI MANUFAKTUR. Diploma thesis, Politeknik Perkapalan Negeri Surabaya.

[img] Text
0421040014 - Muhammad Rafi Nawwaf Farras - Prototipe Sistem Pemeliharaan Berbasis Kondisi (CBM) Menggunakan IOT dan ELM pada Motor Induksi di Industri Manufaktur.pdf
Restricted to Repository staff only

Download (3MB) | Request a copy

Abstract

Pabrik Gula Gempolkrep, Mojokerto, Jawa Timur, menghadapi tantangan dalam menjaga efisiensi operasional motor induksi tiga fasa akibat sistem pemeliharaan berbasis jadwal yang menyebabkan downtime tinggi dan over-maintenance. Penelitian ini merancang prototipe sistem Condition-Based Maintenance (CBM) menggunakan Internet of Things (IoT) dan Extreme Learning Machine (ELM) untuk mendeteksi anomali dan mengklasifikasikan kondisi motor secara real-time. Prototipe mengintegrasikan sensor DS18B20 (suhu), MPU6050 (getaran motor dan pompa), dan mikrokontroler ESP32 untuk akuisisi data, analisis, serta pengiriman hasil via web. Model ELM mencapai akurasi klasifikasi di bawah 92% pada data uji, dengan estimasi 85–90% di kondisi riil akibat noise sensor. Suhu motor tercatat 30,2–55,0°C (di bawah batas isolasi F 155°C, IEC 60034-1), sementara getaran motor (3,04–3,45 mm/s) dan pompa (1,96–3,80 mm/s) sesuai toleransi ISO 2372 (4,5 mm/s). Sistem merespons anomali dalam waktu kurang dari 0,5 detik melalui notifikasi buzzer dan proteksi relay, mengurangi downtime. Penelitian ini memberikan kontribusi berupa akurasi klasifikasi, rentang suhu, getaran, dan respons sistem yang terukur, menjadi dasar penerapan CBM berbasis cloud untuk keandalan jangka panjang di industri gula.

Item Type: Thesis (Diploma)
Additional Information: No.Inventaris:8792/PE-22/2025 Lokasi:909
Uncontrolled Keywords: Pemeliharaan berbasis kondisi, Extreme Learning Machine (ELM), Internet of Things (IoT), deteksi anomali, motor induksi.
Subjects: PE - Teknik Kelistrikan Kapal > Elektronika Komunikasi dan Navigasi
Divisions: Jurusan Teknik Kelistrikan Kapal > D3 Teknik Kelistrikan Kapal
Depositing User: Unnamed user with email repository@ppns.ac.id
Date Deposited: 18 Dec 2025 02:57
Last Modified: 18 Dec 2025 02:57
URI: http://repository.ppns.ac.id/id/eprint/7046

Actions (login required)

View Item View Item