Perancangan Smart Predictive Maintenance untuk Mesin Produksi

Abstract

Laju pertumbuhan ekonomi Indonesia mendapatkan kontribusi yang besar dari industri manufaktur. Di era industri 4.0, optimasi penggunaan teknologi informasi mendukung efektivitas kinerja karyawan suatu industri agar lebih produktif. Untuk mengoptimasi biaya pemeliharaan dan memonitor peralatan serta mesin produksi dibutuhkan teknologi Internet of Things (IoT) yang dilengkapi dengan machine learning untuk menghasilkan smart predictive maintenance. Penelitian ini bertujuan untuk mendapatkan model prediksi terbaik untuk klasifikasi kondisi mesin produksi dengan membandingkan berbagai model machine learning. Model predictive maintenance ini diharapkan mampu memprediksi jadwal pemeliharaan mesin sehingga menambah masa pakai mesin produksi, membantu estimasi biaya pemeliharaan. Metode analisis yang digunakan mengacu pada analisis klasifikasi dengan membandingkan 6 (enam) model klasifikasi, yaitu: XGBoost, k-nearest neighbours, logistic regression, gradient boosting, decision tree regression dan random forest. Perbandingan algoritma tersebut untuk mendapatkan model klasifikasi terbaik pada kasus mesin produksi. Dari enam algoritma tersebut, model terbaik diperoleh dari XG-boost dengan akurasi sebesar 99,07.