Penggunaan Machine learning untuk Monitoring Kondisi Shaft Alignment Berbasis Getaran

Agip, Zainuranda (2025) Penggunaan Machine learning untuk Monitoring Kondisi Shaft Alignment Berbasis Getaran. S1 thesis, Universitas Andalas.

	Text (Cover dan Abstral) Cover dan Abstrak.pdf - Published Version Download (102kB)
	Text (BAB 1 Pendahuluan) BAB 1 PENDAHULUAN.pdf - Published Version Download (84kB)
	Text (BAB 5 Penutup) BAB 5 PENUTUP.pdf - Published Version Download (71kB)
	Text (Daftar Pustaka) DAFTAR PUSTAKA.pdf - Published Version Download (144kB)
	Text (Skripsi Full Text) Skripsi Full Text.pdf - Published Version Restricted to Repository staff only Download (5MB)

Abstract

Misalignment adalah kondisi di mana dua poros yang terhubung tidak sejajar, menyebabkan getaran berlebihan pada mesin. Analisis getaran berbasis machine learning dapat membantu mendeteksi dan memprediksi masalah ini. Convolutional Neural Network (CNN) adalah salah satu algoritma machine learning yang populer untuk analisis getaran karena mudah digunakan, cepat, dan akurat. Penelitian ini bertujuan untuk merancang dan menganalisis kondisi misalignment berdasarkan data getaran. Data getaran diperoleh dari sensor accelerometer dan diolah menggunakan algoritma Convolutional Neural Network (CNN). Hasil pengolahan dibandingkan dengan data standar untuk mengidentifikasi kriteria misalignment. Machine learning mampu mengklasifikasikan secara otomatis, sehingga dapat digunakan untuk pemantauan kondisi mesin secara berkelanjutan. Langkah penelitian dimulai dari pengambilan data getaran, pembuatan program yang digunakan untuk pembacaan data, data selanjutnya dijadikan bahan pelatihan oleh program machine learning dan pada tahap akhir dilakukan pengujian sampel. Hasil penelitian pada 2 perekaman sinyal getaran dengan 1 axis dan 3 axis berupa akurasi dan prediksi sampel data. Pada 1 axis mendapatkan akurasi sebesar 0,95 dan dapat memprediksi data sampel, dan pada 3 axis mendapatkan akurasi sebesar 0,81 dan dapat memprediksi data sampel. Berdasarkan training model didapatkan bahwa 1 axis memiliki akurasi lebih tinggi daripada 3 axis.

Actions (login required)

View Item