Pengembangan Algoritma Predictive Maintenance Pada Coal Pfister Feeder Dengan Pendekatan Machine Learning

Abstract

Coal Pfister Feeder adalah alat berfungsi untuk mengatur laju aliran umpan fine coal dalam proses pembakaran. Operasional yang stabil sangat bergantung pada kehandalan alat itu sendiri.Kehandalan alat dapat dicapai melalui maintenance strategy yang baik. Secara umum maintenance strategy dapat dikategorikan menjadi tiga [12], yaitu Corrective Maintenance (CM), Preventive Maintenance (PM), dan Predictive Maintenance (PdM). PdM adalah strategi pemeliharaan dimana aktivitas perawatan dilakukan dengan mengevaluasi dan menganalisa kondisi aktual dari alat, sehingga dapat diprediksi waktu yang optimal untuk dilakukan aktivitas perawatan sebelum kegagalan alat terjadi. Perkembangan industri 4.0 dan Digital Manufacturing semakin mendorong para pelaku industri untuk melakukan pendekatan prediktif dalam pemeliharaan alat  [2]Aktivitas di PT XYZ mengelola data realtime operasi pabrik seperti feedrate, current load, temperature, pressure, putaran mesin, vibrasi, dan material level yang terintegrasi pada Technical Information System (TIS). Penelitian ini bertujuan membangun sebuah algoritma Predictive Maintenance yang dapat menghasilkan prediksi potensi kegagalan pada jalur proses produksi dengan menggunakan Machine Learning, dimana untuk memperoleh pemodelan yang paling sesuai untuk menyelesaikan masalah ini beberapa algoritma.Hasil evaluasi model menunjukkan bahwa Gradient Boosting memberikan hasil akurasi yang paling baik diantara model Random Forest, AdaBoost, SVM dan Neural Network.