<![CDATA[Kegagalan peralatan dan waktu henti yang singkat dari proses manufaktur sering menyebabkan kerugian ekonomi yang besar bagi perusahaan. Berdasarkan tingkat keparahan degradasi kinerja mesin dan penggalian pengetahuan dari beberapa input, model penurunan kinerja dari berbagai jenis peralatan yang sama, tetapi faktor manusia, mesin, dan lingkungan yang berbeda. Dengan evaluasi efektivitas perawatan pada kebijakan perawatan yang berbeda, biaya relevan, sumber daya, dan strategi perawatan yang optimal dapat ditentukan. Dengan memanfaatkan berbagai model machine learning, pengklasifikasi diharapkan mampu memprediksi kondisi mesin apakah gagal mesin atau tidak gagal mesin sehingga dapat menjadi input dalam mengestimasi biaya pemeliharaan serta peningkatan masa pakai mesin produksi. Pada penelitian ini memanfaatkan model machine learning dengan menggunakan dua algoritma yaitu Support Vector Machine dan Logistic Regression, kedua model tersebut menggunakan teknik Smote untuk mengatasi imbalance class dan menggunakan metode data preprocessing yang sama, kan tetapi mendapatkan hasil yang berbeda, dengan perbedaan persentase sebesar 9%. Sehingga dapat disimpulkan model dengan menggunakan algoritma SVM bisa lebih baik dalam memprediksi kegagalan mesin atau tidak dengan tingkat keakuratan sebesar 93% dibandingkan dengan model menggunakan algoritma Logistic Regression yang hanya menghasilkan keakuratan sebesar 84%.]]>
Copyrights © 2023
