Motor 3-Phase Condition Monitoring & Anomaly Detection
Tugas Akhir ยท D4 Teknologi Rekayasa Otomasi
Latar Belakang
Motor 3-phase adalah komponen vital di industri, namun kegagalan mendadak dapat menyebabkan downtime besar. Pemantauan kondisi motor secara manual tidak efisien dan tidak mampu mendeteksi anomali sejak dini. Proyek tugas akhir ini dirancang untuk menjawab kebutuhan tersebut dengan sistem monitoring otomatis berbasis Edge AI.
Tujuan
Membangun sistem monitoring dan deteksi anomali getaran serta temperatur motor 3-phase secara real-time, dengan kemampuan klasifikasi kondisi motor menggunakan K-Means Clustering yang dijalankan langsung pada perangkat edge.
Yang Saya Kerjakan
- Merancang arsitektur sistem monitoring dari sisi hardware dan software
- Menggunakan ESP32 sebagai main controller sistem
- Merancang PCB mounting dan enclosure menggunakan Fusion 360
- Mengkalibrasi sensor IMU untuk pengukuran getaran
- Mengintegrasikan MPU6050 untuk vibration sensing dan MAX6675 + Type-K thermocouple untuk temperature sensing
- Membangun komunikasi data melalui Ethernet dengan protokol Modbus TCP
- Mengumpulkan dan menyiapkan dataset untuk unsupervised learning
- Melatih dan mengevaluasi model K-Means Clustering sebagai metode anomaly detection
- Membangun web dashboard untuk monitoring data secara real-time
- Melakukan pengujian, pengolahan data, dan analisis kondisi motor
Hasil
Sistem berhasil memantau getaran dan temperatur motor 3-phase secara real-time, serta mengklasifikasikan kondisi motor menggunakan K-Means Clustering. Data dapat diakses melalui web dashboard dan telah melewati tahap pengujian dan analisis untuk memastikan akurasi deteksi anomali.