Perpustakaan Digital ITB

Peralatan persinyalan di industri perkeretaapian mempunyai peran yang sangat penting dalam menjamin keselamatan dan kelancaran operasional kereta api. Turnout system atau sistem wesel merupakan peralatan persinyalan kereta api yang memainkan peran sangat penting dalam operasional kereta api. Masalah seperti keterlambatan, tabrakan kereta, roda kereta keluar jalur merupakan masalah yang ditimbulkan oleh kerusakan atau gangguan dari sistem wesel. Point machine merupakan salah satu komponen penting di dalam sistem wesel dan sering menjadi penyebab kegagalan operasi pada sistem wesel. Oleh karena itu dibutuhkan strategi pemeliharaan prediktif atau predictive maintenance (PdM) untuk mendeteksi kerusakan, mengurangi waktu henti peralatan dan mengurangi biaya perawatan peralatan sekaligus mengetahui harapan hidup suatu peralatan sebagai peringatan dini khususnya pada point machine. Pada dasarnya PdM dapat dikombinasikan dengan Internet of Things (IoT), akan tetapi penggunaan IoT pada PdM menimbulkan dampak lain seperti memperoleh, menyimpan, dan memelihara serta menganalisis data memerlukan biaya yang meningkat seiring dengan bertambahnya jumlah data. Selain itu adanya latency, payload dan data transfer rate menjadi tantangan untuk implementasi PdM menggunakan IoT pada point machine. Oleh karena itu dibutuhkan sebuah pendekatan untuk menyeimbangkan antara kecepatan pengiriman data, penyimpanan data sekaligus memberikan informasi terkini tentang status point machine. Selain itu PdM merupakan sebuah konsep besar yang mempunyai tahap-tahap yang harus dilakukan sebelum membuat prediksi atau membuat keputusan salah satunya fase fault detection (deteksi kesalahan). Pada penelitian ini dilakukan simulasi pada fase deteksi kesalahan pada point machine menggunakan motor DC dengan menggabungkan teknologi IoT dan Tiny Machine Learning (TinyML) untuk mencari keseimbangan antara efisiensi penyimpanan dan kecepatan data yang dikumpulkan sekaligus memberikan informasi cepat. Hasil simuluasi menunjukan penggunaan IoT dan TinyML dapat mengurangi 60,9% data penyimpanan pada platform Thingsboard sekaligus mampu mempertahankan tranfer rate ? 1 detik.