BibTex Citation Data :
@article{J@TI35232, author = {Bonifasius Yoga Pratama and Hari Yuniarto}, title = {PERANCANGAN PROSES IMPLEMENTASI MACHINE LEARNING DALAM MAINTENANCE MANAGEMENT UNTUK MENCEGAH DERATING}, journal = {J@ti Undip: Jurnal Teknik Industri}, volume = {16}, number = {2}, year = {2021}, keywords = {decision tree; derating; machine learning; maintenance management}, abstract = { Derating menjadi masalah yang sering kali muncul pada generator diesel di pembangkit listrik. Derating dapat menyebabkan penurunan kinerja dan produksi listrik pada generator. Kapasitas produksi listrik yang menurun nantinya akan menjadi masalah jika melihat kondisi konsumsi listrik nasional yang terus meningkat dari tahun ke tahun. Derating sering kali terjadi karena suhu yang tinggi pada charge air. Pencegahan derating dapat dilakukan dengan mengimplementasikan strategi maintenance yang mampu memprediksi derating dan mengakomodasi perubahan suhu charge air sebagai penyebab terjadinya derating. Penelitian ini akan memperlihatkan rancangan implementasi strategi maintenance berbasis data untuk memprediksi terjadinya derating dengan menggunakan pendekatan machine learning. Rancangan proses ini akan memberikan gambaran proses seperti apa yang dapat digunakan untuk mencegah derating sehingga membantu menjaga performa generator. Tahapan implementasi machine learning dilakukan dengan mengimpelementasikan proses knowledge discovery from data pada proses yang ada dalam maintenance management. Evaluasi terkait proses maintenance management dan machine learning menunjukkan bahwa machine learning dapat diimplementasikan pada tahap controlling. Klasifikasi kondisi generator juga didasarkan pada trend kondisi suhu charge air sehingga prediksi kondisi generator terkait derating tidak dipengaruhi oleh perubahan suhu yang bersifat cepat dan sementara. Penjabaran proses yang ada menunjukkan bahwa implementasi machine learning dalam maintenance management ini mungkin untuk dilakukan. Abstract [ Designing The Implementation Process of Machine Learning in Maintenance Management to Avoid Derating ] Derating is problem that often arises in power plant. Derating force generator to work below its optimum performance and resulting low production rate of electricity. Declining of electricity production capacity can be problem when we see condition of national electricity consumption in Indonesia which continues to increase year over year. Derating often occurs due to high temperatures in charge air. Derating prevention can be done by implementing maintenance strategy that is able to predict derating and accommodate changes in charge air temperature. This study designs processes of implementing data-based maintenance strategy to predict occurrence of derating using machine learning approach. Process design will provide overview of what kind of process can be used to avoid derating so that it helps maintain generator performance. Machine learning implementation can be done by implementing process of knowledge discovery from data in existing maintenance management process. Evaluations related to maintenance management and machine learning processes show that machine learning can be implemented at controlling stage. Classification of generator conditions is based on trend of charge air temperature so that prediction of generator conditions will not be affected by temporary changes in temperature. Process overview concludes that it is possible to implement machine learning in maintenance management. Keywords : decision tree; derating; machine learning; maintenance management }, issn = {2502-1516}, pages = {134--142} doi = {10.14710/jati.16.2.134-142}, url = {https://ejournal.undip.ac.id/index.php/jgti/article/view/35232} }
Refworks Citation Data :
Derating menjadi masalah yang sering kali muncul pada generator diesel di pembangkit listrik. Derating dapat menyebabkan penurunan kinerja dan produksi listrik pada generator. Kapasitas produksi listrik yang menurun nantinya akan menjadi masalah jika melihat kondisi konsumsi listrik nasional yang terus meningkat dari tahun ke tahun. Derating sering kali terjadi karena suhu yang tinggi pada charge air. Pencegahan derating dapat dilakukan dengan mengimplementasikan strategi maintenance yang mampu memprediksi derating dan mengakomodasi perubahan suhu charge air sebagai penyebab terjadinya derating. Penelitian ini akan memperlihatkan rancangan implementasi strategi maintenance berbasis data untuk memprediksi terjadinya derating dengan menggunakan pendekatan machine learning. Rancangan proses ini akan memberikan gambaran proses seperti apa yang dapat digunakan untuk mencegah derating sehingga membantu menjaga performa generator. Tahapan implementasi machine learning dilakukan dengan mengimpelementasikan proses knowledge discovery from data pada proses yang ada dalam maintenance management. Evaluasi terkait proses maintenance management dan machine learning menunjukkan bahwa machine learning dapat diimplementasikan pada tahap controlling. Klasifikasi kondisi generator juga didasarkan pada trend kondisi suhu charge air sehingga prediksi kondisi generator terkait derating tidak dipengaruhi oleh perubahan suhu yang bersifat cepat dan sementara. Penjabaran proses yang ada menunjukkan bahwa implementasi machine learning dalam maintenance management ini mungkin untuk dilakukan.
Abstract
[Designing The Implementation Process of Machine Learning in Maintenance Management to Avoid Derating] Derating is problem that often arises in power plant. Derating force generator to work below its optimum performance and resulting low production rate of electricity. Declining of electricity production capacity can be problem when we see condition of national electricity consumption in Indonesia which continues to increase year over year. Derating often occurs due to high temperatures in charge air. Derating prevention can be done by implementing maintenance strategy that is able to predict derating and accommodate changes in charge air temperature. This study designs processes of implementing data-based maintenance strategy to predict occurrence of derating using machine learning approach. Process design will provide overview of what kind of process can be used to avoid derating so that it helps maintain generator performance. Machine learning implementation can be done by implementing process of knowledge discovery from data in existing maintenance management process. Evaluations related to maintenance management and machine learning processes show that machine learning can be implemented at controlling stage. Classification of generator conditions is based on trend of charge air temperature so that prediction of generator conditions will not be affected by temporary changes in temperature. Process overview concludes that it is possible to implement machine learning in maintenance management.
Keywords: decision tree; derating; machine learning; maintenance management
Article Metrics:
Last update:
Machine Learning Predicts Truck Breakdowns in Indonesia with 83% Accuracy
Last update: 2024-12-04 08:29:00
Penulis yang mempublikasikan artikel pada jurnal J@ti Undip : Jurnal Teknik Industri ini setuju dengan ketentuan sebagai berikut:
View statistics of J@ti Undip:
Articles in J@ti Undip are licensed under a Creative Commons Attribution-ShareAlike 4.0 International License