UI - Tesis Membership :: Kembali

UI - Tesis Membership :: Kembali

Estimasi umur sisa (remaining useful life) komponen alat berat menggunakan metode data mining = Remaining useful life (rul) estimation on heavy equipment`s component with data mining / M. Andi Yudha Cahya Adi Negara

M. Andi Yudha Cahya Adi Negara; Isti Surjandari Prajitno, supervisor; Zulkarnain, supervisor; Andri Dwi Setiawan, examiner; Romadhani Ardi, examiner ([Publisher not identified] , 2019)

 Abstrak

ABSTRAK

Produktifitas pada alat berat merupakan kinerja terpenting dalam industri konstruksi dan pertambangan, sehingga penerapan proses condition monitoring (CM) menjadi elemen penting dalam menentukan umur penggunaan komponen alat berat. Penentuan umur sisa (remaining useful life, RUL) dari komponen alat berat menjadi sangat penting untuk mendukung dan meningkatkan produktifitas alat berat dimana pendekatan best-practices digunakan dalam proses ini. Untuk mengatasi permasalahan ini, dibutuhkan estimasi RUL dari komponen alat berat dengan pendekatan data-driven menggunakan data mining. Metode yang digunakan pada penelitian ini untuk mengestimasi RUL komponen engine, final drive, dan transmisi alat berat adalah menggunakan Neural Networks (NN) dan Bayesian Networks (BN). Penelitian ini menggunakan data CM berjumlah 20 variabel dan melakukan reduksi dimensi variabel menggunakan principal component analysis (PCA). Hasil dari penelitian yang telah dilakukan didapatkan hasil estimasi terbaik pada komponen engine dan transmisi adalah dengan menggunakan metode NN dengan nilai RMSE model masing-masing sebesar 0,242 dan 0,196, sedangkan metode BN menjadi metode terbaik pada final drive dengan nilai RMSE sebesar 0,211.


ABSTRACT


Condition monitoring (CM) process is the key element to estimate remaining useful life (RUL) on heavy equipment`s components in the construction and mining industry with an aim to increase productivity. Nowadays, the best-practices approach has been applied to estimating RUL to improve production and performance of heavy equipment. Data mining method with the data-driven approach will be implemented to overcome the issue. Neural Networks (NN) dan Bayesian Networks (BN) method has been applied in this research to estimate RUL on heavy equipment`s engine, final drive, and transmission components. Principal component analysis (PCA) has been applied for dimension reduction of 20 variables from CM data in this research. The results shown estimating RUL on engine and transmission components provide better accuracy with the NN method which RMSE model achieve 0.242 and 0.196, respectively. Furthermore, the BN method provides better accuracy on final drive components with RMSE model achieves on 0.211.

 File Digital: 1

Shelf
 T53490-M Andi Yudha Cahya Adi Negara.pdf :: Unduh

LOGIN required

 Metadata

Jenis Koleksi : UI - Tesis Membership
No. Panggil : T53490
Entri utama-Nama orang :
Entri tambahan-Nama orang :
Entri tambahan-Nama badan :
Program Studi :
Subjek :
Penerbitan : [Place of publication not identified]: [Publisher not identified], 2019
Bahasa : ind
Sumber Pengatalogan : LibUI ind rda
Tipe Konten : text
Tipe Media : unmediated ; computer
Tipe Carrier : volume ; online resource
Deskripsi Fisik : xiii, 42 pages : illustration ; 28 cm + appendix
Naskah Ringkas :
Lembaga Pemilik : Universitas Indonesia
Lokasi : Perpustakaan UI, Lantai 3
  • Ketersediaan
  • Ulasan
  • Sampul
No. Panggil No. Barkod Ketersediaan
T53490 15-20-052678478 TERSEDIA
Ulasan:
Tidak ada ulasan pada koleksi ini: 20488028
Cover