Hasil Pencarian  ::  Simpan CSV :: Kembali

"BLDC motor telah menjadi motor yang populer karena keunggulanannya. Untuk meningkatkan kinerja BLDC telah banyak Teknik pengendalian yang dikembangkan mulai dari yang konvensional seperti PID sampai dengan yang menggunakan kecerdasan buatan. Namun demikian, sebagian besar peneliti mendesain pengendali untuk BLDC motor dengan memanfaatkan sensor kecepatan. Penelitian ini bertujuan untuk membangun pengendali yang adaptif untuk aplikasi sensorless BLDC motor dengan dua tahapan penelitian yaitu 1 Mengembangkan Adaptif PID Controller untuk BLDC dan 2 Mengembangkan Teknik sensorless BLDC dengan Neural Network Ensemble Kalman Filter. Pada Penelitian ini, telah dikembangkan pengendali Adaptif PID berbasis Model Invers Neural Network dan teknik sensorless BLDC motor menggunakan Neural Network Ensemble Kalman Filter EnKF . Pengendali Adaptif PID berbasis Model Invers Neural Network yang dikembangkan mampu bekerja lebih baik jika dibandingkan dengan pengendali PID, PID Single Neuron, dan Pengendali Single Neuron Fuzzy. Respon waktu sistem menunjukkan rise time meningkat hingga 41,1 , Settling time meningkat hingga 178,9 dan overshoot menurun hingga 825,6 . Sedangkan teknik sensorless Neural Network Ensemble Kalman Filter mampu mengestimasi posisi dan kecepatan motor BLDC hanya dengan mengukur tegangan dan arus setiap phasa baik pada kondisi kerja adanya perubahan referensi kecepatan, adanya perubahan parameter motor BLDC, maupun adanya perubahan beban/gangguan dengan tingkat kesalahan estimasi yang sangat kecil yaitu sebesar 0.7 , serta bekerja baik pada kecepatan rendah dengan jumlah member sebanyak 8.

---

BLDC motor has become a popular motorcycle because of its advantages. To improve the performance of BLDC has a lot of control techniques developed ranging from conventional ones such as PIDs to those using artificial intelligence. Nevertheless, most researchers design controllers for BLDC motors by utilizing speed sensors. This research aims to build adaptive controller for sensorless BLDC motor applications with two stages of research that is 1 Developing Adaptive PID Controller for BLDC and 2 Developing BLDC Sensorless Technique with Neural Network Ensemble Kalman Filter. In this research, Adaptive PID controller has been developed based on Inverse Neural Network Model and BLDC sensorless motor technique using Neural Network Ensemble Kalman Filter EnKF. The Adaptive PID controller based on the developed Inverse Neural Network model works better than the PID controller, Single Neuron PID, and Single Neuron Fuzzy Controller. The system time response shows rise time rises up to 41.1 , settling time increases up to 178.9 and overshoot decreases to 825.6. While sensural technique Neural Network Ensemble Kalman Filter able to estimate position and speed of BLDC motor only by measuring voltage and current of each phase both at work condition of change of reference of speed, change of motor parameter BLDC, or existence of change of burden / interference with very estimate error rate Small that is equal to 0.7 , and works well at low speed with the number of members as much as 8."

"This book stylishly shows you everything you might want to know about the history of the automobile. With stunning visual images and over 2,000 cars featured, the evolution of the car is tracked from decade to decade and across international borders, from India's Ambassador to Italy's Alfa Romeo."

"International Labour Organization (ILO), setiap tahun ada lebih dari 250 juta kecelakaan di tempat kerja dan lebih dari 160 juta pekerja menjadi sakit karena bahaya di tempat kerja. dan 1,2 juta pekerja meninggal akibat kecelakaan dan sakit di tempat kerja. Dampaknya pada ekonomi dunia karena hilangnya hari kerja mendekati 4% dari GDP Global. PT. X merupakan perusahaan konsorsium konstruksi migas yang salah satu aktivitas yang memiliki tingkat kecelakaan kerja tinggi di PT. X hal ini dapat dilihat dari data pendahulu kecelakaan kerja yang dimiliki PT. X pada periode Januari 2023 sampai dengan April 2023 dengan total kasus kecelakaan kerja sebanyak 40 kejadian. Dari uraian diatas maka penulis ingin melakukan penelitian mengenai faktor yang mempengaruhi kecelakaan kerja pada perusahaan konstruksi migas di PT. X Tahun 2023. Penelitian ini menggunakan desain penelitian deskriptif analitik dengan rancangan crossectional. Penelitian ini memiliki sampel berjumlah 106, penelitian dilakukan pada bulan Mei 2023 sampai dengan Juni 2023, berusia rata-rata 28 tahun dan di dominasi usia di atas 28 tahun sebanyak 94 pekerja (88,7%), jenis kelamin di dominasi pekerja laki-laki sebanyak 85 pekerja (80,2%), untuk tingkat pendidikan di dominasi pekerja berpendidikan tingkat tinggi sebanyak 85 pekerja (83%), dan masa kerja di dominasi pekerja yang bekerja di bawah 5 tahun sebanyak 91 pekerja (85.8%). Hasil penelitian ini menunjukkan bahwa pada Analisis Bivariat terdapat 3 Faktor yang mempengaruhi kecelakaan kerja yaitu Shift Kerja dengan hasil p value 0,000 < 0,05, Sosialisasi K3 dengan hasil p value 0,008 < 0,05, Pengawasan Manajemen dengan hasil nilai p value 0,032 < 0,05. Dengan hasil Analisis Multivariat yang menunjukkan bahwa faktor yang dominan adalah faktor shift kerja. Kesimpulannya adalah faktor yang paling mendominasi dalam terjadinya kecelakaan kerja adalah shift kerja.

---

International Labor Organization (ILO), every year there are more than 250 accidents in the workplace and more than 160 million workers become sick due to hazards in the workplace. and 1.2 million workers died as a result of accidents and illness at work. The impact on the world economy due to lost working days is close to 4% of Global GDP. PT. X is an oil and gas construction consortium company which is one of the activities that has a high work incident and or accident rate at PT. X, this can be seen from the work incident and accident predecessor data owned by PT. X in the period January 2023 to April 2023 with a total of 40 occupational incident and accident cases. From the description above, the authors want to conduct research on the factors that influence occupational incident and or accidents at oil and gas construction companies at PT. X Year 2023. This research uses a descriptive analytic research design with a cross-sectional design. This study has a sample of 106, the study was conducted from May 2023 to June 2023, the average age is 28 years and the predominance is over 28 years of age as many as 94 workers (88.7%), gender is dominated by male workers as many as 85 workers (80.2%), for the level of education dominated by highly educated workers as many as 85 workers (83%), and years of service dominated by workers who worked under 5 years as many as 91 workers (85.8%). The results of this study indicate that in Bivariate Analysis there are 3 factors that influence work accidents, namely Shift Work with a p-value of 0.000 <0.05, OSH Socialization with a p-value of 0.008 <0.05, Management Supervision with a p-value of 0.032 <0.05. With the results of Multivariate Analysis which shows that the dominant factor is the work shift factor. The conclusion is that the most dominating factor in the occurrence of work accidents is shift work."