MAULANA, HERDA (2021) RANCANG BANGUN PROTOTIPE PREDICTIVE MAINTENANCE PADA MOTOR INDUKSI MENGGUNAKAN ALGORITMA ARTIFICIAL NEURAL NETWORK (ANN) BERBASIS IoT. S1 thesis, Universitas Mercu Buana Jakarta.
|
Text (HAL COVER)
01 Cover.pdf Download (505kB) | Preview |
|
![[img]](https://repository.mercubuana.ac.id/style/images/fileicons/text.png) |
Text (BAB I)
02 Bab 1.pdf Restricted to Registered users only Download (171kB) |
|
|
Text (BAB II)
03 Bab 2.pdf Restricted to Registered users only Download (427kB) |
|
|
Text (BAB III)
04 Bab 3.pdf Restricted to Registered users only Download (505kB) |
|
|
Text (BAB IV)
05 Bab 4.pdf Restricted to Registered users only Download (813kB) |
|
|
Text (BAB V)
06 Bab 5.pdf Restricted to Registered users only Download (167kB) |
|
|
Text (DAFTAR PUSTAKA)
08 Daftar Pustaka.pdf Restricted to Registered users only Download (223kB) |
|
|
Text (LAMPIRAN)
09 Lampiran.pdf Restricted to Registered users only Download (318kB) |
Abstract
The research is discussed about the design of the tools that will be used to predictive the state of the induction motor. Induction motors are used almost throughout the modern industrial world, namely as the main driver in large and small scale production. Induction motors have reliability in working even though it is possibility damage that occurs will result in the cessation of the production process so that the loss can have a very large impact. To anticipate the demage to induction motor then the research is carried out a design tool that can read motor parameters using sensor current ACS712, sensor voltage ZMPT 101B, and sensor speed IR. The data has been collected can be sent to internet as storage place and display of data from sensors. Data has been strored can be forwarded to predict the state of induction motors using an algoritm of artificial neural network which is embedded in the MATLAB, the data has been predicted to be sent back to internet for storing and displaying the data results of the prediction, that will be the data perform Predictive Maintenance on induction motors. The value of the percentage of error that is read by current sensor ACS712 1,9 %, voltage sensor ZMPT 101B 1,04 %, speed IR sensor 1,02 %. Process training using ANN on the data train to get the value of MSE 0.19575 at fourth epoch, value validation 0.99708, value of the correlation of data training 0.96101, the value of the correlation testing 0.99563, the value of the overall 0.96708 and the value accuracy of 96,2 %. On prediction the state of induction motor result of value percentage of error small, namely the state of normal 21 %, the state of alert 4,04 %, the state of danger 7,04 %. Keywords : Induction Motor, Predictive Maintenance, Sensor, Arduino UNO, ThingSpeak, Artficial Neural Network Penelitian ini membahas tentang perancangan alat yang akan digunakan dalam memprediksi keadaan motor induksi. Motor induksi digunakan hampir diseluruh dunia industri modern, yaitu sebagai penggerak utama dalam produksi sekala besar maupun kecil. Motor induksi memiliki kehandalan dalam bekerja meski begitu kemungkinan kerusakan juga akan terjadi jika perawatan yang dilakukan tidak dilakukan dengan baik dan benar. Kerusakan yang terjadi akan mengakibatkan berhentinya proses produksi sehingga kerugiannya dapat berdampak sangat besar, untuk mengantisipasi kerusakan pada motor induksi maka pada penelitian ini dilakukan suatu rancangan alat yang dapat membaca parameter motor menggunakan sensor arus ACS712, sensor tegangan ZMPT 101B, dan sensor kecepatan IR yang dipasang, data yang telah terkumpul dapat dikirimkan ke internet sebagai tempat penyimpan data dan menampilkan data hasil pembacaan sensor. Data yang telah tersimpan dapat diteruskan untuk memprediksi keadaan motor induksi melalui algoritma Artificial Neural Network yang ditanamkan pada aplikasi MATLAB, data yang yang telah diprediksi dapat dikirimkan kembali ke internet untuk menyimpan dan menampikan data hasil prediksi yang nantinya akan dijadikan data untuk melakukan Predictive Maintenance pada motor induksi. Nilai persentase error yang dibaca oleh sensor Arus ACS712 1,9 %, sensor Tegangan ZMPT 101B 1,04 %, dan sensor Kecepatan IR 1,02 %. Pada proses pelatihan menggunakan ANN pada data latih mendapatkan nilai MSE 0.19575 pada epoch ke empat, nilai validasi 0.99708, nilai korelasi data training 0.96101, nilai korelasi testing 0.99563, nilai keseluruhan 0.96708 dan nilai akurasi 96,2 %. Pada prediksi keadaan motor induksi mendapatkan nilai persentase error kecil yaitu pada keadaan normal 21 % , keadaan awas 4,04 %, dan keadaan bahaya 7,04%. Kata kunci : Motor Induksi, Predictive Maintenance, Sensor, Arduino UNO, ThingSpeak, Artficial Neural Network
Actions (login required)
 |
View Item |
