Smartcare, Failure Prediction for Maintenance of Industrial Machines

Deskripsi

Project Summary : Proyek ini bertujuan untuk mengembangkan sistem pemeliharaan prediktif untuk perusahaan manufaktur. Sistem ini akan menggunakan algoritma pembelajaran mesin untuk memprediksi kegagalan peralatan sebelum terjadi, sehingga mengurangi waktu henti dan biaya pemeliharaan. Bussiness Goals : - Mengurangi kemungkinan terjadinya waktu henti peralatan. - Menurunkan biaya pemeliharaan. - Meningkatkan efisiensi operasional dan produktivitas industri. - Mengantisipasi kegagalan terjadi diwaktu yang tidak terduga saat mesin sedang beroperasi. Stakeholders : - End Users : pengguna dapat memantau status mesin dari pemeriksaan yang dilakukan menggunakan sistem. - Project Team : pengembang menganalisa kesalahan yang terjadi dan mengupdate sistem guna mengurangi adanya kegagalan sistem. - Machine Engineers : melakukan perbaikan sesuai dengan hasil scan kegagalan yang dilakukan sistem kemudian melaporkan hasil perbaikan kepada pihak pengguna & pengembang. Project Overview : - Background : Perusahaan Manufaktur sering mengalami kegagalan peralatan, menyebabkan waktu henti yang tinggi dan biaya pemeliharaan yang besar sehingga menjadi salah satu faktor penghambat produksi. - Problem Statement : Kegagalan peralatan yang tidak terduga menyebabkan penundaan waktu produksi yang signifikan dan terjadi nya peningkatan biaya pemeliharaan. - Solution Overview : Mengimplementasikan sistem pemeliharaan prediktif menggunakan pembelajaran mesin dan model algoritma untuk menganalisis data sensor peralatan dan memprediksi kegagalan. Functional Requirements : - Mengembangkan model pembelajaran mesin untuk memprediksi kegagalan peralatan. - Mengintegrasikan model prediktif dengan sistem manajemen pemeliharaan yang ada. - Membuat dasboard untuk memantau kondisi peralatan dan jadwal pemeliharaan rutin. - Mengirimkan peringatan otomatis kepada tim pemeliharaan untuk kegagalan yang diprediksi. - Menampilkan laporan status keadaan peralatan sebelum dan sesudah pemeliharaan. Use Cases: - Use Case 1 : Menerapkan algoritma sistem pembelajaran mesin dalam penggunaan prediksi kegagalan peralatan. - Use Case 2 : Menyelaraskan peringatan status kondisi mesin menggunakan sensor yang terpasang pada peralatan. - Use Case 3 : Mengintegrasikan kondisi mesin dengan pemeliharaan rutin yang dilakukan. - Use Case 4 : Menampilkan laporan perkembangan status kondisi mesin setelah perbaikan dan melewati tahap pengujian. Milestones : - Milestone 1 : Pengumpulan dan pra-pemrosesan data - (Pengolahan data dengan CSV). - Milestone 2 : Pengembangan dan pengujian model data - (Training data menggunakan metode tertentu). - Milestone 3 : Integrasi sistem dan pengembangan dasboard (Deploy menu menggunakan Streamlit). - Milestone 4 : Pelatihan pengguna dan implementasi (Pelatihan kepada user tentang cara kerja sistem).