BibTex Citation Data :
@article{JTM41883, author = {Yoga Prasetya and Toni Prahasto and Achmad Widodo}, title = {DIAGNOSA KETIDAKNORMALAN BERBASIS DATA DENGAN STUDI KASUS JET ENGINE}, journal = {JURNAL TEKNIK MESIN}, volume = {11}, number = {4}, year = {2023}, keywords = {analisis data; jet engine; machine learning; remaining useful life}, abstract = { Dalam era Industri 4.0, perusahaan semakin menggantungkan diri pada pemanfaatan data untuk mendapatkan wawasan yang berharga dalam menghadapi berbagai permasalahan. Salah satu tantangan krusial di sektor industri adalah memprediksi sisa umur dari jet engine, yang merupakan inti dari operasional penerbangan modern. Dengan meningkatnya kompleksitas dan jumlah data yang dihasilkan oleh sensor-sensor pada mesin, perusahaan kini dapat menerapkan analisis data dan teknik machine learning untuk meramalkan sisa umur jet engine dengan tingkat akurasi yang tinggi. Penelitian ini menjelaskan bagaimana perusahaan mengadopsi pendekatan inovatif dengan memanfaatkan data sensor dan informasi historis untuk melatih model-machine learning. Proses ini melibatkan identifikasi pola, tren, dan anomali dalam data mesin guna membuat prediksi yang akurat terkait dengan kondisi dan performa jet engine. Dengan demikian, perusahaan dapat mengambil tindakan preventif secara tepat waktu, mengoptimalkan jadwal perawatan, dan mengurangi downtime yang tidak terduga. }, issn = {2303-1972}, pages = {235--244} url = {https://ejournal3.undip.ac.id/index.php/jtm/article/view/41883} }
Refworks Citation Data :
Dalam era Industri 4.0, perusahaan semakin menggantungkan diri pada pemanfaatan data untuk mendapatkan wawasan yang berharga dalam menghadapi berbagai permasalahan. Salah satu tantangan krusial di sektor industri adalah memprediksi sisa umur dari jet engine, yang merupakan inti dari operasional penerbangan modern. Dengan meningkatnya kompleksitas dan jumlah data yang dihasilkan oleh sensor-sensor pada mesin, perusahaan kini dapat menerapkan analisis data dan teknik machine learning untuk meramalkan sisa umur jet engine dengan tingkat akurasi yang tinggi.
Penelitian ini menjelaskan bagaimana perusahaan mengadopsi pendekatan inovatif dengan memanfaatkan data sensor dan informasi historis untuk melatih model-machine learning. Proses ini melibatkan identifikasi pola, tren, dan anomali dalam data mesin guna membuat prediksi yang akurat terkait dengan kondisi dan performa jet engine. Dengan demikian, perusahaan dapat mengambil tindakan preventif secara tepat waktu, mengoptimalkan jadwal perawatan, dan mengurangi downtime yang tidak terduga.
Last update: