Perpustakaan Digital ITB

Pengendalian korosi pada fasilitas proses dilakukan melalui Corrosion Control Document, dimana perpipaan dibagi menjadi corrosion system dan corrosion circuit serta ditandai pada Piping and Instrumentation Diagram (P&ID). Proses tersebut masih dilakukan secara manual sehingga memerlukan waktu dan bergantung pada pertimbangan insinyur. Tugas akhir ini mengembangkan sistem digital untuk menghasilkan register aset terstruktur dari P&ID menggunakan Machine Learning, mengelompokkan dan menandai corrosion system serta corrosion circuit sesuai American Petroleum Institute Recommended Practice 970 (API RP 970) otomatis, serta mengevaluasi hasilnya. Metode yang digunakan menggabungkan model You Only Look Once 11 (YOLO11) untuk deteksi simbol, Optical Character Recognition (OCR) untuk ekstraksi identitas perpipaan, dan pendekatan berbasis aturan untuk pengelompokan serta penandaan. Validasi menggunakan 119 P&ID industri menghasilkan mean Average Precision (mAP)@0.5 sebesar 71,9% untuk deteksi simbol, 71,4% untuk deteksi peralatan, 79,5% untuk lokalisasi line number, 95,6% untuk akurasi pembacaan line number, tingkat kesesuaian 80,0% terhadap referensi manual untuk pengelompokan berbasis aturan, serta nilai akurasi tertinggi F1 sebesar 83,9% untuk penandaan. Ketidaksesuaian terutama terjadi pada batas corrosion circuit akibat pertimbangan mekanisme kerusakan yang berada di luar ruang lingkup penelitian. Sistem yang dikembangkan meningkatkan efisiensi sebesar 72–90% dibandingkan proses manual.