Hasil Pencarian  ::  Simpan CSV :: Kembali

"Mesin pengisi otomatis ini merupakan purwarupa mesin pengisi industri yang meniru proses pengisian suatu wadah dengan sistem otomatis. Proses pengisian yang berlangsung adalah pengisian bola besi ke dalam wadah berupa kaleng. Mesin ini menggunakan kontrol berbasis Programmable Logic Controller (PLC) di mana PLC berfungsi sebagai pengendali jalannya sistem kerja mesin. Penghubung antara komputer, PLC, dan mesin menggunakan adapter USB ke RS 422. Sistem kerja dari mesin ini dimulai dari mengeluarkan wadah dari tempat penyimpanan stasion 1, menuju ke tempat pengisian stasion 2 yang merupakan stasion pengisian. Setelah selesai melakukan pengisian, wadah diberi tutup pada station 3 yang selanjutnya dipindahkan ke tempat akhir. Segala proses pergerakan wadah dari awal sampai akhir dapat dilakukan secara otomatis, tanpa harus digerakkan oleh manusia. Mesin ini diharapkan dapat membantu mahasiswa ATMI Cikarang dalam proses pembelajaran dan pemahaman tentang proses otomasi industri.

---

Automatic filling machine is a prototype of industrial filling machine that imitate filling process with automatic system. Filling process be held with fill a tin can with iron balls. This machine controlled by Programmable Logic Controller (PLC) where the PLC functionate as a major controller of work system. Communicator between computer, PLC, and machine used an USB to RS 422 adapter. Working system of this machine started with release a tin can from storage station 1, head to station 2 for fill the tin can with iron balls. When tin can filled with iron balls, tin can moved to station 3 to get lid, then head to end place for packaging. All movement of this machine can do without human assistance. This machine be expected help students of ATMI Cikarang who learn about industrial automation."

"Tugas akhir ini membahas penggunaan internet dalam pengendalian dan pemantauan suhu di dalam tangki yang dilakukan dari jarak jauh dengan cara mengatur kondisi nyala atau mati pada pemanas dan pendingin. Metode yang dilakukan adalah perancangan dan pembuatan miniatur yang menyerupai keadaan pada proses industri dengan menggunakan mikrokontroler ATMega8535 sebagai pengendali utama dan ASP.net sebagai bahasa pemrograman dalam pembuatan server yang akan diakses oleh beberapa client. Hasilnya, sistem dapat berjalan dengan baik karena telah mampu merespon input dari client (setting value), membaca output dari sensor LM35 (present value), dan membandingkan kedua nilai input dan output tersebut. Suhu di dalam tangki dapat dikendalikan dengan toleransi sebesar ± 1°C dan untuk proses industri yang membutuhkan toleransi yang lebih kecil dapat mengubah kode program pada mikrokontroler agar pembacaan suhu yang terukur oleh sensor menjadi lebih presisi. Sistem juga dapat mendeteksi gangguan pada jalur komunikasi, baik komunikasi kabel maupun nirkabel sehingga saat terjadi gangguan pada jalur komunikasi, mikrokontroler akan menghentikan otomasi untuk mencegah terjadinya sistem yang tidak terkendali.

---

The focus of this final project is the using of internet in controlling and monitoring temperature inside the tank from long distance place by controlling on/off condition of heater and fan. The method of this study is designing and implementation the miniature like industrial process condition by using ATMega8535 microcontroller as the main controller and ASP.net as programming language for server which is going to be accessed by multiple client. The result is system can operate well because it is able to respond input from client (setting value), read output from LM35 sensor (present value), and compare both of setting value and present value. Temperature inside the tank can be controlled with a tolerance of ± 1°C and for industrial process that needs smaller tolerance, source code of microcontroller have to be changed in order that the reading of measured temperature from the sensor become more precise. The system can also detect disturbance on the line of communication, either wired or wireless communication so that when there is a disturbance on the line of communication, the microcontroller will stop the automation system to prevent uncontrolled condition."

"Dalam era revolusi industri 4.0, integrasi teknologi menjadi kunci untuk meningkatkan produktivitas di sektor manufaktur. Dalam konteks ini, penggunaan Cloud Computing, Internet of Things (IoT), dan Machine Learning (ML) memainkan peran penting. IoT dan Cloud Computing digunakan untuk mengelola proses pengumpulan dan pengolahan data, terutama dari sensor mesin. Data ini kemudian dapat digunakan untuk pelatihan model ML, khususnya dalam kasus Predictive Maintenance. Predictive Maintenance bertujuan untuk memprediksi kapan suatu mesin memerlukan perawatan. Dalam penelitian sebelumnya, pendekatan masalah hanya memilih satu metode (klasifikasi atau regresi). Oleh karena itu, penelitian ini menciptakan metode Predictive Maintenance yang menggabungkan keduanya. Model yang dikembangkan menggunakan dua jenis pendekatan: Random Forest Tree untuk klasifikasi dan LSTM (Long Short-Term Memory) dengan Fully Connected layer untuk prediksi. Hasil pengujian menunjukkan bahwa model yang menggunakan LSTM untuk klasifikasi dan regresi mencapai akurasi 100%. Diikuti dengan hasil recall, precission, dan F-1 score yang mencapai 1.00. Oleh karena itu, LSTM dapat dianggap sebagai algoritma terbaik untuk Predictive Maintenance dalam industri manufaktur.

---

In the era of the 4th industrial revolution, technology integration is key to improving productivity in the manufacturing sector. In this context, the use of Cloud Computing, Internet of Things (IoT), and Machine Learning (ML) plays a crucial role. IoT and Cloud Computing are used to manage the process of data collection and processing, especially from machine sensors. This data can then be used for ML model training, particularly in the case of Predictive Maintenance. Predictive Maintenance aims to predict when a machine requires maintenance. In previous research, the problem approach often involved choosing only one method (classification or regression). Therefore, this study created a Predictive Maintenance method that combines both approaches. The developed model uses two types of approaches: Random Forest Tree for classification and LSTM (Long Short-Term Memory) with a Fully Connected layer for prediction. Test results show that the model using LSTM for both classification and regression achieves 100% accuracy. Additionally, the recall, precision, and F-1 score results also reach 1.00. Therefore, LSTM can be considered the best algorithm for Predictive Maintenance in the manufacturing industry."