Deteksi Anomali Pada Sistem Permesinan CNC Menggunakan Metode K-Nearest Neighbor IoT Base

Chubbillah, Achmad Ubaidillah Al (2022) Deteksi Anomali Pada Sistem Permesinan CNC Menggunakan Metode K-Nearest Neighbor IoT Base. Diploma thesis, Politeknik Perkapalan Negeri Surabaya.

Text 0918040045 - Achmad Ubaidillah Al Chubbillah - Deteksi Anomali pada Sistem Permesinan CNC Menggunakan Algoritma i K-Nearest Neighbor _i IoT i Base _i .pdf Restricted to Repository staff only Download (3MB)

Abstract

Teknologi terus berkembang seiring dengan berjalannya zaman. Pada era industri saat ini berkarakteristik sebagai produksi cepat dan efisien sebuah masalah pada sistem produksi perlu untuk segera dapat dideteksi sedini mungkin sebelum menjadi kerusakan. Di era industri 4.0 ini Internet of Things (IoT) adalah hal yang perlu untuk segera diimplementasikan pada berbagai sektor pekerjaan. Pada Tugas Akhir ini digunakan metode K-Nearest Neighbor (KNN) pada mekanisme deteksi anomali dan klasifikasi berdasarkan standar aturan International Standard Organization (ISO) 2372 pada mesin. Yang kemudian merancang User Interface berbasis web agar memudahkan pengguna untuk melakukan monitoring karakteristik suhu dan getaran mesin ketika mesin sedang melakukan pekerjaannya. Pada penelitian ini yang menjadi subjek penelitian adalah mesin Computer Numerical Control (CNC) rakitan. Dari hasil pembacaan sensor dilakukan monitoring karakteristik dan klasifikasi pada mesin guna penentuan kelas mesin pada penggunaan normal. Dari kelas yang di dapat dari penggunaan normal dilakukan pengujian dengan melakukan perubahan tertentu pada mesin yang dikirannya dapat menyimpangkan getaran serta suhu mesin. Dari hasil pembacaan didapatkan pada penggunaan normal didapatkan jika mesin terukur pada kelas good berdasarkan standar ISO 2372. kemudian dilakukan pengujian anomali dengan melakukan tabrakan terhadap batas pada salah satu sumbu X mesin CNC sebagai parameter anomali. Pada saat terjadi tabrakan di dapat jika alat dapat membaca penyimpangan kelas dari kelas klasifikasi mesin sebelumnya.Dari pengujian didapatkan jika mesin terklasifikasi pada standar “GOOD” dengan rentang getaran antara 0,20 mm/s hingga 0,41 mm/s dan suhu mesin ketika dilakukan monitoring berkisar antara 44,5 ℃ hingga 38,5 ℃. Ketika dilakukan pengujian dengan kondisi mesin juga dapat melakukan pembacaan penyimpangan yang terjadi dengan perubahan kelas ke kelas “SATISFIED” dengan nilai pembacaan tertinggi senilai 0,51

Actions (login required)

View Item