Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKIndustri 4.0 telah membuat industri otomotif di dunia mengalami pertumbuhan dan lebih memperhatikan pengemudi yang diklasifikasikan sebagai generasi muda atau modern. Hal tersebut telah mendorong industri otomotif Indonesia sebagai produsen terbesar kedua setelah Thailand di Asia Tenggara untuk mempertimbangkan minat pengemudi generasi muda dalam teknologi digital untuk mengakses data kendaraan, memeriksa dan mendiagnosis kondisi komponen. Internet of Things sebagai istilah dalam teknologi digital memiliki dampak pada pengurangan biaya pemeliharaan dan meningkatkan siklus hidup kendaraan yang merupakan kegiatan penting bagi kendaraan. Salah satunya adalah penggunaan algoritma machine learning yang telah banyak digunakan dalam mendiagnosis masalah kendaraan. Untuk menjadwalkan kegiatan pemeliharaan, algoritma machine learning yang digunakan adalah metode regresi yang akan diperbandingkan dengan perhitungan empirikal rumus. Sebuah perangkat diagnosa dibuat untuk memberikan informasi kendaraan secara real-time menggunakan sambungan yang sudah tersedia pada kendaraan. Informasi tersebut kemudian digunakanuntuk memprediksi kondisi komponen pada kendaraan. Perangkat terhubung dan menyimpan data di cloud. Kemudian pengemudi dapat mengawasi kondisi kendaraan secara langsung melalui smartphone dengan hasil perhitungan baik secara empirikal maupun menggunakan machine learning yang telah diverifikasi oleh uji verifikasi untuk memperbarui program perhitungan dalam mengurangi nilai kesalahan. Perhitungan pada aplikasi tersebut diperoleh dengan melakukan pengujian berdasarkan perilaku berkendara. Kondisi komponen yang diamati memberikan penurunan sebesar 1.35% - 2.38% untuk komponen penyaring udara dengan nilai MAE dan MSE berturut-turutsebesar 0.117 dan 0.017 yang terbesar terjadi pada perilaku Eco. Komponen pelumas juga mengalami penurunan sebesar 2.38% - 36.32% dengan nilai MAE dan MSE secara berturut-turut adalah 0.237 dan 0.082 yang terbesar terjadi pada perilaku Normal. Secara menyeluruh, aplikasi dapat dipercaya memprediksi kondisi komponen dengan tingkat kesalahan pada komponen penyaring udara dan pelumas berturut-turut adalah 0.3163% dan 0.2367%.

---

ABSTRACTIndustry 4.0 has made the automotive industry in the world experience growth and pay more attention to drivers who are classified as young or modern generation. This has pushed the Indonesian automotive industry as the second largest producer after Thailand in Southeast Asia to consider the interest of young generation drivers in digital technology to access vehicle data, examine and diagnose component conditions. Internet of Things as a term in digital technology has an impact on reducing maintenance costs and increasing vehicle life cycles which are important activities for vehicles. One of them is the use of machine learning algorithm which has been widely used in diagnosing vehicle problems. To schedule maintenance activities, the machine learning algorithm used is a regression method that will be compared with the empirical calculation of the formula. A diagnostic device is made to provide vehicle information in real-time using the connectionthat is already available on the vehicle. The information is then used to predict the condition of the components on the vehicle. The device is connected and stores data in the cloud. Then the driver can monitor the condition of the vehicle directly through a smartphone with the results of calculations both empirically and using machine learning that has been verified by a verification test to update the calculation program in reducing the error value. Calculations in the application were gained by doing test based on driving behavior. Observed component condition had decreasing value around 1.35% - 2.38% for air filter component with MAE and MSE number 0.117 and 0.017 respectively which thebiggest error occurred at Eco behavior. Engine lubricant also experienced decreasing value around 2.38% - 36.32% with MAE and MSE number 0.237 and 0.082 respectively which the biggest error occurred at Normal behavior. Overall, the application can reliablypredict component conditions with an error rate in the air filter and lubricant components respectively 0.3163% and 0.2367%."

"Perkembangan industri dunia dengan melibatkan internet sebagai media integrasi seluruh kegiatan pada sebuah industri mendorong Industri Menengah Indonesia untuk bersaing dengan perusahaan besar baik lokal maupun internasional. Industri plastik Indonesia yang mengalami kenaikan permintaan selama sepuluh tahun terakhir menjadi salah satu peluang dalam mengembangkan integrasi dengan menerapkan ERP Open Source untuk mengintegrasikan kegiatan pada industri plastik tersebut. Aspek mobilitas yang diuji telah menunjukkan kemampuan ERP mampu diakses pada lingkup perusahaan rujukan dan dalam waktu stabil. Setiap kegiatan produksi membutuhkan pendukung berupa perawatan mesin produksi yang banyak diteliti untuk mencapai perawatan yang optimal dalam mengurangi kerugian berupa downtime dan penurunan produktivitas. Pada Industri Menengah, perawatan yang sudah umum dilakukan berupa breakdown, preventif, dan prediktif tidak dilakukan secara sempurna sehingga memberikan biaya cukup tinggi dan downtime lebih lama. Dengan menciptakan sebuah ERP Open Source yang mencakup modul perawatan, pencegahan kerusakan dapat dilakukan dengan mengestimasi MTTF menggunakan Distribusi Weibull terhadap kerusakan yang terjadi pada komponen mesin produksi. Hasil estimasi yang dilakukan oleh ERP telah menunjukkan nilai kesalahan yang sangat kecil kurang lebih 4% dibandingkan dengan perhitungan analitis. Nilai PDF dan Probabilitas kerusakan telah diuji dapat terhitung sempurna. Penggunaan estimasi ini juga memberikan pengurangan downtime maupun biaya bagi industri lebih dari 20%. ......Development of world industries involving internet usage for integration media in all industry activities motivate Medium Industries of Indonesia to compete with Big Industry both local and international. Plastic Industries of Indonesia which experienced increasing demand in the last ten years become one of opportunities in developing integration by applying ERP Open Source to integrate activities in those plastic industries. The tested mobility aspect has shown ERP capability can be accessed in referral company scope and in stable time. Every production activity need support in the form of production machine maintenance that has been widely studied to gain optimal treatments in order to reduce loss like downtime and decreasing productivity. In Medium Industries, common maintenances are breakdown, preventive, and predictive cannot be done perfectly that gives high cost and longer downtime. By creating ERP Open Source that include maintenance module, failure prevention can be done by estimate MTTF using Weibull Distribution on production machine component failures. Estimation result by ERP has shown very small error value approximately 4% rather than analytical calculation. PDF and failure probability value have tested can be calculated perfectly. This estimation also give reduction both downtime and loss cost more than 20% for the referral industry."