Mahasiswa Program Magister Teknik Mesin, Departemen Teknik Mesin dan Industri (DTMI) UGM, Ijran Mayura, melaksanakan ujian proposal penelitian berjudul “Deteksi dan Klasifikasi Kerusakan Mesin Berputar melalui Analisis Sinyal Getaran Bantalan
Menggunakan Machine Learning dalam Pemeliharaan Prediktif” dengan fokus pada deteksi dan klasifikasi kerusakan mesin berputar melalui analisis sinyal getaran bantalan menggunakan machine learning. Penelitian ini diarahkan untuk mendukung transformasi sistem pemeliharaan industri menuju pendekatan yang lebih cerdas, efisien, dan berkelanjutan sejalan dengan perkembangan Industry 4.0.
Dalam ujian yang dilaksanakan pada Rabu (14/01) ini, Ijran memaparkan bahwa dalam praktik manajemen perawatan modern, paradigma pemeliharaan telah bergeser dari reactive maintenance menuju preventive maintenance dan predictive maintenance. Pada pendekatan konvensional, analisis data getaran mesin masih sangat bergantung pada pengukuran periodik serta interpretasi subjektif oleh engineer. Ketergantungan ini berpotensi menimbulkan ketidakkonsistenan dalam pengambilan keputusan, khususnya pada sistem produksi berskala besar yang menuntut keandalan tinggi.
Melalui penelitian ini, Ijran memanfaatkan machine learning sebagai alat bantu untuk memprediksi dan mengklasifikasikan kondisi kerusakan mesin berputar berdasarkan data getaran bantalan yang diperoleh secara real-time. Beberapa algoritma machine learning akan dievaluasi untuk memperoleh model yang paling robust dan memiliki tingkat akurasi tinggi dalam mendeteksi jenis kerusakan yang terjadi. Data yang digunakan merupakan data nyata dari mesin berputar di industri pulp dan kertas di Indonesia, sehingga hasil penelitian diharapkan relevan secara praktis dan aplikatif.
Hipotesis penelitian ini menyatakan bahwa penerapan model machine learning yang tepat dapat meningkatkan ketepatan prediksi dan klasifikasi kondisi mesin, sehingga membantu proses pengambilan keputusan dalam predictive maintenance. Dengan demikian, kegiatan pemeliharaan dapat dilakukan secara lebih efektif dan efisien, meningkatkan availability mesin, serta menurunkan tingkat downtime yang berdampak langsung pada produktivitas industri.
Penelitian ini diharapkan dapat menjadi dasar pengembangan sistem pemeliharaan prediktif berbasis data dan kecerdasan buatan, sekaligus mendorong penerapan teknologi digital dalam sistem perawatan mesin industri di Indonesia.
Melalui kajian ini, Ijran berkontribusi dalam pengembangan teknologi industri berbasis data-driven decision making yang mendukung efisiensi operasional dan keberlanjutan sektor manufaktur nasional.
Kontributor: Andhes Puspitalina, S.Hut.
Penyusun: Gusti Purbo Darpitojati, S.I.Kom.
