Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Peralatan Perangkat Pelepas Tekanan (PRD) dioperasikan dengan tujuan untuk melindungi kehidupan dan keselamatan dalam suatu sistem bertekanan. Peralatan akan mengalami penurunan kondisi seiring berjalannya waktu pemakaian. Ketidakmampuan PRD untuk melakukan fungsinya perlu diidentifikasi sebagai mode kegagalan. Untuk mengurangi risiko apabila terjadi kegagalan, suatu pendekatan seperti Risk Based Inspection (RBI) dapat dilakukan. Metode RBI yang umum digunakan masih menggunakan pendekatan kualitatif, sehingga menghasilkan variasi yang cukup besar. Penelitian ini mengusulkan metode analisa risiko dengan menggunakan pembelajaran mesin berbasis deep learning untuk mengembangkan suatu model penilaian risiko pada PRD akibat mode kegagalan fail on demand (POFOD) yang diharapakan dapat mempersingkat waktu, meningkatkan akurasi, efisiensi dalam pengolahan data hasil inspeksi, serta biaya; dengan menawarkan hasil akurasi perhitungan yang tinggi. Penelitian ini menghasilkan program prediksi risiko dengan menggunakan metode klasifikasi pembelajaran mesin berbasis deep learning akibat mode kegagalan fail on demand pada peralatan perangkat pelepas tekanan. Pembuatan dataset yang digunakan pada model bersumber dari 160 data yang diolah dengan menggunakan standar API 581. Penelitian ini menggunakan beberapa parameter model seperti test size sebesar 20%, random state bernilai 0, penggunaan jumlah epoch sebesar 150, learning rate sebesar 0.001, dan layer berjumlah 3 dengan dense 64,64,8; yang menghasilkan akurasi model sebesar 91%, dari validasi confusion matrix. ......Pressure Relief Device (PRD) equipment is operated with the aim of protecting the lives and safety within a pressurized system. An equipment experiences deterioration over time. The inability of PRD equipment to perform its design function needs to be identified as a failure mode. To reduce the risk in case of failure, an approach such as Risk Based Inspection (RBI) can be implemented. The commonly used RBI methods still rely on qualitative approaches, leading to significant variations. This research proposes a method using deep learning to develop a risk assessment model for PRD due to the failure on demand. This is expected to shorten the assessment time, improve accuracy, efficiency, and reduce costs by offering highly accurate calculation results. This research produces a risk prediction program using a deep learning classification method for POFOD in pressure relief device equipment. The dataset used in the model consists of 160 data processed according to API 581 standards. This research utilizes several model parameters, including a test size of 20%, 0 value of random state, 150 epochs, a learning rate of 0.001, and 3 layers with dense of 64, 64, 8. The model achieves an accuracy of 91% from the validation confusion matrix.

Abstrak :
Pemeliharaan merupakan kombinasi dari aspek teknik, administrasi dan manajerial dari suatu peralatan yang dimaksudkan untuk mengembalikan pada fungsinya selama siklus hidup peralatan tersebut. Perencanaan pemeliharaan berhubungan juga dengan aktivitas pengembangan dari jadwal program pemeliharaan suatu peralatan untuk memastikan kelayakan operasi peralatan dan mencegah dampak yang besar. Pengoperasian peralatan khususnya yang telah memasuki fase penuaan (aging) mengakibatkan laju degradasi kerusakan semakin meningkat. Proses degradasi dapat ditemukan secara berurutan dan mengalami kondisi acak sesuai dengan proses stokastik. Untuk itu, studi penelitian ini dilakukan dengan menggunakan analisis keandalan berbasis pemeliharaan untuk memprediksi laju kerusakan akibat degradasi aging serta mementukan strategi pemeliharaan dan penjadwalan inspeksi pada suatu peralatan. Hasilnya pada sebuah proses degradasi yang terjadi berganda (multiple degradation) akibat aging, dimana usia sistem dan tingkat degradasi berkontribusi pada peningkatan kegagalan. Perbaikan yang tidak sempurna akan memberikan pengaruh pada peningkatan usia dan tingkat degradasi yang terus berjalan atau dengan kata lain terus terjadi peningkatan kerusakan akibat perbaikan sementara. Penggantian dapat dilakukan ketika tingkat degradasi yang diamati mencapai tingkat toleransi tertentu (threshold). Program inspeksi dan pemeliharaan preventif (PM) memainkan peran utama dalam memastikan keamanan dan pengoperasian selama siklus hidup suatu sistem. Kebijakan pemeliharaan yang optimal dapat dilakukan dengan memilih jadwal perawatan, ketersediaan peralatan, manajemen suku cadang, penjadwalan tenaga kerja dan interval frekuensi inspeksi. ......An equipment's maintenance is a combination of its technical, administrative, and managerial components that aims to restore its functionality throughout the equipment's life cycle. The maintenance planning is to ensure that the equipment operates properly and avoid significant consequences. The rate of damage deterioration increases with continued use of equipment, particularly that which has entered the aging phase. According to the stochastic process, the deterioration process can be identified sequentially and subjected to random circumstances. In order to define maintenance strategies, schedule inspections, and anticipate the rate of damage due to aging degradation, a reliability centered maintenance (RCM) used in this research study. As a result, the system ages and degrades over time, increasing the likelihood of failure. This process is known as multiple degradation failure. Imperfect repair will impact to accelerated aging and deterioration. Replacement is done after the detected degradation rate surpasses a threshold level. In order to maintain safety and operability over the system life cycle, preventive inspection and maintenance (PM) programs are crucial. The optimal maintenance practices have been implemented by choosing maintenance schedules, equipment availability, spare parts management, labour scheduling, and inspection frequency intervals.