PREDICTIVE MAINTENANCE ENGINE HEALTH MONITORING SYSTEM PADA EXCAVATOR BERBASIS MACHINE LEARNING

Abstract

Penelitian ini bertujuan untuk menguji efektivitas prediksi maintenance terhadap mesin excavator dalam industri pertambangan menggunakan metode machine learning. Ekskavator merupakan salah satu alat berat yang memiliki peran penting dalam proses operasional, namun rentan mengalami kerusakan yang memerlukan perawatan dan perbaikan tepat waktu agar tidak mengganggu produktivitas. Untuk mengatasi masalah ini, penelitian ini menerapkan model machine learning guna memprediksi kemungkinan kegagalan kerusakan mesin berdasarkan data operasional. Model algoritma yang digunakan yaitu support vector machine (SVM) yang dianalisis untuk menentukan model dengan akurasi terbaik dalam memprediksi waktu perawatan yang optimal. Data yang digunakan mencakup parameter seperti boost pressure, blowby pressure, serta unit lifetime pada saat operasional sedang berlangsung. Hasil penelitian menunjukkan bahwa pendekatan berbasis machine learning mampu meningkatkan efisiensi perawatan dengan mengurangi downtime dan memperpanjang umur operasional ekskavator. Dengan adanya sistem prediksi ini, perusahaan dapat mengoptimalkan jadwal pemeliharaan, mengurangi biaya perbaikan mendadak, serta meningkatkan keselamatan dan produktivitas di lokasi pertambangan. Studi ini diharapkan dapat menjadi referensi dalam penerapan teknologi kecerdasan buatan untuk meningkatkan efisiensi industri alat berat.