Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
RCM merupakan suatu proses untuk menentukan suatu strategi pemeliharaan yang tepat pada setiap equipment pada suatu area produksi, untuk menghemat biaya dan meminimalisir sumber daya manusia. Salah satu proses RCM yang penting adalah menentukan prioritas dari penyebab kegagalan atau dikenal dengan Critical Analysis. Secara umum, critical analysis menggunakan metode FMECA. FMECA merupakan suatu media untuk melakukan prioirtas terhadap komponen-komponen kritikal berdasarkan mode kegagalannya. FMECA menggunakan analisa berdasarkan severity tingkat keparahan, occurrence banyak kejadian, dan detection kesulitan untuk deteksi. Kadang penilaian FMECA menjadi sulit karena tidak ada faktor pembobotan, sehingga penilaian membutuhkan kemampuan analisa yang tinggi dalam menentukan prioritas equipment. FMECA menggunakan fuzzy logic merupakan salah satu media yang memungkinkan adanya faktor pembobotan pada setiap parameter yang dituangkan dalam bilangan linguistik fuzzy dan aturan jika-maka. Penggunaan fuzzy logic akan memudahkan penilaian FMECA serta dapat menghilangkan keraguan dalam penilaian.

---

Reliability Centered Maintenance is a process used to determine the maintenance requirements of any physical asset in its operating context. One of the process RCM called FMECA has the important role to preference and prioritize critical equipment. FMECA consist of three parameter. Severity, Occurrence and Detection are the analyzing tool FMECA to determine critical parts or equipment. However, FMECA doesn't consider the important value of each parameter. So, the judgment of each experts to determine critical analysis would be difficult. In order to make FMECA analysis have a valuable risk, fuzzy logic is used to solve that problem. Using if then rules based on calculation from weight of each factor, FMECA fuzzy logic would resolve the uncertainty risk.

Abstrak :
Pemeliharaan merupakan hal terpenting dalam menjalankan sebuah sistem produksi yang melibatkan aset yang besar, termasuk pada Pembangkit Listrik Tenaga Panas Bumi. Pemeliharaan mesin berbasis kondisi mesin Condition-Based Maintenance dirasa efektif dalam menjaga performa mesin. Kondisi mesin dapat diketahui melalui data operasi yang ada. Salah satu pendekatan yang dapat mempelajari dan mengolah ribuan data operasi yang terekam oleh sensor-sensor parameter keseluruhan data operasi yang ada adalah dengan pendekatan machine learning. Data operasi tersebut kemudian akan dibagi menjadi beberapa kategori yaitu long, medium dan short dengan batasan berupa lama waktu aset tersebut beroperasi. Data tersebut kemudian akan menjalani proses training menggunakan aplikasi Classification Learner pada software MATLAB. Proses ini memungkinkan MATLAB mempelajari hubungan antar parameter, waktu dan kategori yang dibuat hingga menghasilkan sebuah model klasifikasi kondisi mesin. Model tersebut kemudian digunakan untuk memprediksi kondisi turbin terkini yang kemudian dapat diperkirakan berapa lama lagi turbin dapat beroperasi dengan baik sampai turbin membutuhkan kegiatan pemeliharaan kembali. ......Maintenance is the most important thing in running a large production system that is using some machinery such as turbines, pumps and so on. This is also applied for a geothermal power plants that have so many assets to maintain. Condition based maintenance is considered to be the most effective maintenance management to be applied for a big scale industrial company. Machines condition could be known from the machines operation data that is continously recorded by the censors of some parameter. One of the most suitable approach to learn and process the big operation data is machine learning. The operation data will be classified into three categories, there are long category, medium category and short category, which has its limit based on the length of time the machine has been operating. Then, the operation data will be trained using Classification Learner toolbox of MATLAB. This process let MATLAB understands the relationship between each parameter, time and the categories until a classification model of machines condition has been produced. The model later could be used to predict the most recent machines condition so that we can also predict how long the machine could still operate well until it needs to be maintained again.

Abstrak :
Peralatan dan komponen di Pembangkit Listrik Tenaga Panas Bumi harus selalu diperhatikan keandalan serta ketersediaannya. Sehingga untuk memenuhi hal tersebut sangat diperlukannya program pemeliharaan atau maintenance. Hot well pump sendiri merupakan salah satu komponen utama yang sangat berpengaruh pada produktivitas sistem pembangkit listrik. Karena itulah reliability dan availability dari mesin sangat berpengaruh untuk sistem pembangkit secara keseluruhan. Peningkatan nilai availability ini dapat dilakukan dengan meningkatkan efektivitas daripada waktu operasi uptime mesin tersebut. Adapun sistem pemeliharaan yang dirasa tepat untuk meningkatkan availability tersebut adalah sistem pemeliharaan prediktif yang didasarkan pada kondisi aktual mesin condition-based maintenance. Dalam sistem ini, pemeliharaan akan dilakukan hanya ketika terdapat tanda-tanda penurunan performa mesin. Untuk itu dilakukan perancangan sebuah model prediksi dengan dengan pendekatan machine learning pada metode Classification Learner untuk mempelajari dan mengklasifikasikan rekaman data operasi mesin dalam jumlah besar dari sensor parameter mesin terkait dan menggunakan MATLAB sebagai perangkat lunak pengolah data. Model ini diharapkan dapat menjadi solusi dalam menentukan jadwal pemeliharaan mesin yang tepat sesuai dengan kondisi aktualnya. ......Equipments and components in the Geothermal Power Plant shall always be noted for its reliability and availability. It is very necessary a good maintenance program. Hot well pump itself is one of the main components that are very influential on the productivity of power generation systems. That is why reliability and availability of that machine is very influential for the overall generating system. The increased availability value can be achieved by increasing the effectiveness of the machine 39 s uptime operation time. The maintenance system that considered appropriate to increase availability is a predictive maintenance system based on the actual condition of the machine condition based maintenance. In this system, maintenance will be held only when there are signs of decreased machine performance. For that purpose, designing a prediction model with machine learning approach in Classification Learner method is used to study and classify the machine operation data record in large quantities from the sensor of that machine parameters and using MATLAB as a data processing software. This model is expected to be a solution in determining the exact machine maintenance schedule of machine in accordance with actual conditions.