Perpustakaan Digital ITB

Sistem transportasi logistik di pelabuhan memiliki peran krusial, terutama bagi negara maritim seperti Indonesia, mengingat lalu lintas kontainer antar negara dan pulau yang terus meningkat setiap tahun seiring dengan pertumbuhan perdagangan global. Salah satu elemen utama dalam sistem ini adalah proses bongkar muat kontainer menggunakan gantry crane di container yard. Namun, pelaksanaan proses ini masih bersifat manual, bergantung pada keterampilan operator, yang rentan terhadap kesalahan akibat kurangnya kompetensi, kelelahan, atau masalah kesehatan. Selain itu, faktor eksternal seperti cuaca buruk dan angin kencang semakin meningkatkan risiko dalam proses ini. Hal-hal ini menyebabkan meningkatnya waktu tinggal (dwell time) kontainer di pelabuhan karena proses bongkar muat yang lambat. Untuk mengatasi tantangan ini, diusulkan otomatisasi pengoperasian gantry crane melalui pengembangan sensor berbasis kecerdasan buatan berbasis visi komputer serta penerapan kontrol linier/non linier untuk mengoptimalkan pemindahan kontainer. Teknologi visi komputer telah berkembang pesat untuk berbagai aplikasi, termasuk solusi potensial dalam otomatisasi operasi gantry crane. Dalam konteks pemindahan kontainer di container yard, sistem kontrol gantry crane membutuhkan informasi yang akurat mengenai posisi dan sudut ayun kontainer. Meski teknologi visi komputer berbasis kamera monocular telah diterapkan, akurasinya menurun pada kondisi pencahayaan yang bervariasi, hujan, atau lingkungan gelap. Penelitian ini mengusulkan kombinasi kamera dan LiDAR, yang didukung kecerdasan buatan berbasis visi komputer, untuk mendeteksi posisi dan sudut ayun kontainer. Kombinasi ini mengatasi kekurangan LiDAR yang kurang sensitif terhadap bentuk objek karena data yang tersebar, serta kelemahan kamera yang terpengaruh oleh variasi pencahayaan. Penelitian ini menunjukkan bahwa sensor berbasis kamera-LiDAR ini terbukti mampu mengukur posisi dan sudut ayun dengan akurasi tinggi dalam berbagai kondisi pencahayaan, termasuk lingkungan dengan pencahayaan rendah. Selain itu penelitian ini mengembangkan metode kontrol linier dan non linier untuk model RTGC dengan dua atau tiga derajat kebebasan. Metode kontrol linier yang dikembangkan mencakup optimal PID-PD, penalaan PID menggunakan LQR, penalaan PID dengan DDPG, serta robust PID berbasis H-infinity. Metode-metode ii ini dirancang untuk memindahkan kontainer ke posisi yang diinginkan sekaligus meminimalkan sudut ayun yang terjadi selama proses pemindahan. Secara khusus, robust PID memiliki keunggulan dalam menghadapi ketidakpastian yang disebabkan oleh variasi massa beban dan panjang tali pengangkut, yang sering ditemukan dalam proses bongkar muat. Pengembangan metode kontrol non linier mencakup pendekatan Lyapunov untuk mengontrol sistem dengan 2 maupun 3 derajat kebebasan. Pendekatan ini tidak hanya mengatur posisi dan sudut ayun, tetapi juga panjang tali pengangkut. Penalaan parameter kontrol Lyapunov dilakukan melalui optimasi dan algoritma reinforcement learning untuk mencapai kinerja kontrol yang lebih optimal. Selain itu, metode switching yang diusulkan mampu meningkatkan kinerja kontrol dalam kondisi ketidakpastian massa beban dan panjang tali. Selain pendekatan non linier berbasis Lyapunov, metode kontrol berbasis IDA-PBC untuk model RTGC dengan tiga derajat kebebasan juga dikembangkan melalui integrasi Physics-Informed Neural Networks (PINN). Dengan pendekatan ini, hukum kontrol diperoleh melalui proses pembelajaran oleh neural network sehingga tidak memerlukan penyelesaian PDE yang kompleks dalam desainnya. Metode ini memungkinkan kontrol panjang tali untuk meredam sudut ayun, selain mengontrol pergerakan troli. Efektivitas metode ini divalidasi melalui simulasi Monte Carlo, yang menunjukkan kemampuan dalam meredam ayunan di bawah berbagai kondisi ketidakpastian, termasuk initial state, massa beban, dan koefisien redaman. Sistem sensor yang diperoleh melalui teknik pembelajaran mendalam dan visi komputer pada data kamera-LiDAR kemudian diintegrasikan dengan sistem kontrol yang dikembangkan pada penelitian ini. Eksperimen pemindahan kontainer ke posisi yang diinginkan sambil meminimalkan sudut ayun telah berhasil dilakukan pada purwarupa gantry crane yang dilengkapi dengan sensor sudut ayun berbasis kamera monocular. Metode kontrol Lyapunov dan Neural IDA-PBC juga diuji pada purwarupa gantry crane yang dilengkapi dengan sistem sensor berbasis kamera-LiDAR. Pengujian ini menunjukkan bahwa metode tersebut mampu menstabilkan sudut ayun pada posisi yang diinginkan, meskipun dihadapkan pada berbagai kondisi pencahayaan.