<![CDATA[Analisa sinyal vibrasi merupakan metode penting untuk mendeteksi kondisi kesehatan mesin untuk mencegah kerusakan lebih lanjut dan mengurangi downtime. Pendekatan konvensional sering kali tidak efektif dalam menangkap pola kompleks pada sinyal vibrasi, sehingga dibutuhkan metode yang lebih canggih, seperti pembelajaran mesin. Penelitian ini bertujuan untuk mengembangkan model deteksi anomali pada sinyal vibrasi menggunakan autoencoder. Data vibrasi yang digunakan diperoleh dari tiga unit blower di PT. Pusri Palembang. Evaluasi dilakukan dengan membandingkan kemampuan model dalam mendeteksi anomali dan kondisi normal. Hasil penelitian menunjukkan bahwa model autoencoder efektif mendeteksi anomali dengan akurasi tinggi serta keseimbangan optimal dalam mengidentifikasi kondisi mesin. Penelitian ini menawarkan solusi praktis bagi industri untuk meningkatkan efisiensi pemeliharaan dan keandalan peralatan.]]>
Copyrights © 2024
