Perpustakaan Digital ITB

Boiler merupakan suatu komponen penting dalam industri, salah satu contoh kegunaan boiler dalam industri pembangkit tenaga listrik adalah menyediakan suplai uap air untuk memutar turbin yang akan menghasilkan listrik. Sistem dalam boiler terdiri dari banyak komponen dan sub-sistem yang saling terhubung dan terintegrasi satu dengan yang lain seperti economizer, primary superheater, secondary superheater, air heater dan sejenisnya. Pada sektor industri pada umumnya, deteksi anomali dilakukan dengan menetapkan batas atas (Upper Control Limit / UCL) dan batas bawah (Lower Control Limit/ LCL) untuk setiap parameter yang diawasi. Namun metode tersebut tidak dapat memetakan hubungan antar variabel-variabel terkait sehingga akan mengalami kesulitan untuk mendeteksi anomali yang terjadi dalam rentang diantara UCL dan LCL. Dalam penelitian ini akan dibuat suatu sistem deteksi anomali dengan menggunakan metode klasterisasi hirarkikal dan klasifikasi Naïve Bayes. Diharapkan metode klasterisasi hirarkikal dapat memetakan relasi antar variabel-variabel dan membedakan kondisi normal dan anomali pada boiler, selain itu klasifikasi Naïve Bayes diimplementasikan untuk meningkatkan kemampuan mendeteksi anomali lebih awal dengan pendekatan probabilitas dan statistik dalam Naïve Bayes. Dalam studi akan dipilih bagian superheater sebagai objek deteksi anomali karena komponen tersebut rawan terjadi gangguan pembakaran maupun kebocoran boiler. Dari hasil penelitian didapat bahwa metode deteksi anomali dengan seleksi fitur analisis sistem serta gabungan antara klasterisasi hirarkikal dan klasifikasi naïve Bayes mampu mendeteksi anomali yang kontinyu pada superheater boiler 13 jam 40 menit sebelum terjadi kebocoran. Selain itu juga seleksi fitur menggunakan PCA dapat memperpanjang waktu prediksi hingga 25 jam namun menimbulkan banyak false alarm dan menghilangkan makna fisis dari pengukuran yang dilakukan. Di sisi lain, seleksi fitur menggunakan analisis sistem tidak menghilangkan makna fisis pengukuran serta menimbulkan sedikit false alarm, meskipun waktu prediksinya lebih pendek dari PCA.