Perpustakaan Digital ITB

Industri perakitan peralatan berat menghadapi tantangan dalam penempatan objek di gudang terbuka. Tantangan ini menjadi lebih sulit ketika objek yang dideteksi berbagai macam bentuk serta kapasitas area gudang terbuka yang terbatas. Komposisi penyimpanan di gudang terbuka meliputi komponen produk, bahan baku, komponen pendukung, produk dalam proses, dan limbah. Penelitian ini mengembangkan sistem penyimpanan gudang terbuka menggunakan algoritma Region-based Convolutional Neural Network (R-CNN). Sistem ini dimodelkan dalam purwarupa gudang terbuka dengan tahapan identifikasi dan estimasi luas dimensi objek. R-CNN mengidentifikasi area di purwarupa gudang terbuka dan memperkirakan dimensi objek yang terdeteksi. Dimensi objek yang diperoleh digunakan untuk menghitung kapasitas penyimpanan area dan memberikan rekomendasi tata letak objek di area gudang. Evaluasi pada purwarupa gudang terbuka menunjukkan bahwa sistem ini mampu mengidentifikasi dan memperkirakan dimensi objek dengan akurasi yang baik. Identifikasi objek ini dapat meningkatkan kecepatan pelacakan objek serta membuat mobilisasi lebih efektif melalui pemetaan, pengambilan, pemindahan, pelacakan, dan rekomendasi tata letak objek. Sistem ini berpotensi meningkatkan kinerja operator, memudahkan pengawasan industri, dan meningkatkan efisiensi area penyimpanan. Kata kunci: gudang terbuka, R-CNN, identifikasi objek, estimasi dimensi, rekomendasi peletakan, mobilisasi.