SKRIPSI IMPLEMENTASI MACHINE LEARNING UNTUK PREDIKSI REMAINING USEFUL LIFE PADA BEARING | PERPUSTAKAAN UNTIDAR : Repositori Mahasiswa Untidar

Pencarian berdasarkan :

SEMUA Pengarang Subjek ISBN/ISSN Pencarian Spesifik

Pencarian terakhir:

Text

SKRIPSI IMPLEMENTASI MACHINE LEARNING UNTUK PREDIKSI REMAINING USEFUL LIFE PADA BEARING

NURKHANIFAH - Nama Orang;

Meningkatnya elektrifikasi, proliferasi peralatan pendingin, mobilitas listrik, dan perubahan iklim akan diikuti oleh meningkatnya permintaan energi di seluruh dunia. Untuk memenuhi permintaan energi yang semakin meningkat ini tanpa harus menggunakan pembangkit listrik berbasis bahan bakar fosil konvensional, penggunaan sumber energi terbarukan semakin populer, salah satunya energi angin. Penting untuk memastikan profitabilitas turbin angin. Salah satu komponen yang terdapat pada turbin angin adalah bearing. Kegagalan pada bearing sering dijumpai dan menjadi salah satu penyebab utama kegagalan pada mesin. Salah satunya adalah kegagalan pada gearbox bearing dengan persentase sekitar 76,2% dari jumlah total kegagalan yang berasal dari gearbox turbin angin
dan didominasi oleh kerusakan bearing kecepatan poros tinggi (High-Speed Shaft). Hal ini yang mendorong berkembangnya minat dalam analisis prognostik untuk melakukan prediksi estimasi sisa manfaat (remaining useful life) dalam beroperasi sebelum terjadinya kegagalan. Prediksi RUL didasarkan pada data getaran high speed shaft bearing turbin angin dan kemudian dianalisis secara statistik dengan informasi time domain untuk diperoleh fiturnya. Fitur tersebut kemudian dilakukan serangkaian tahapan sehingga dapat digunakan untuk membangun model menggunakan algoritma Gradiant Boosting (GB). Hasil penelitian menghasilkan 2 variasi model dengan performa terbaiknya memiliki RMSE test sebesar 6.3467 hari.
Kata kunci: remaining useful life, machine learning, gradiant boosting, turbin angin, bearing

Ketersediaan

44-UN57.U1-STE-VII-2023 ELEKTRO NUR I 2023 Ruang Skripsi (TEKNIK ELEKTRO) Tersedia namun tidak untuk dipinjamkan - No Loan

Informasi Detail

Judul Seri: -
No. Panggil: ELEKTRO NUR I 2023
Penerbit: MAGELANG : UNIVERSITAS TIDAR., 2023
Deskripsi Fisik: XIV;92HAL;29.5CM
Bahasa: Indonesia
ISBN/ISSN: -
Klasifikasi: 621.38
Tipe Isi: -
Tipe Media: -
Tipe Pembawa: -
Edisi: -
Subjek: PRODI_S1_TEKNIK_ELEKTRO
Info Detail Spesifik: -
Pernyataan Tanggungjawab: -

Versi lain/terkait

Tidak tersedia versi lain

Lampiran Berkas

FULL TEXT

Komentar

Anda harus masuk sebelum memberikan komentar