Sistem Pendeteksian Kerusakan Lampu Sinyal Pada Stasiun Kereta Api Dengan Metode Predictive Maintenance

A Andriana; Tutin Aryanti; Ida Hamidah; Heru Prambudiono

doi:10.32816/tiarsie.v18i2.100

A Andriana Universitas Langlangbuana
Tutin Aryanti Universitas Pendidikan Indonesia
Ida Hamidah Universitas Pendidikan Indonesia
Heru Prambudiono Universitas Langlang Buana

DOI: https://doi.org/10.32816/tiarsie.v18i2.100

Abstract

Lampu sinyal adalah sistem persinyalan yang berfungsi untuk memberikan isyarat berupa cahaya yang ditempatkan pada suatu tempat tertentu dan memberikan isyarat dengan arti tertentu untuk mengatur perjalanan kereta api. Isyarat tersebut yaitu cahaya merah yang artinya tidak aman, cahaya kuning artinya berjalan dengan hati-hati dan cahaya hijau artinya berjalan dengan kecepatan yang ditentukan. Lampu sinyal sangat berperan penting dalam sistem perkeretaapian, oleh karena itu lampu sinyal harus dapat dideteksi apabila tidak berfungsi dengan normal. Untuk mengatasi hal itu penulis membuat suatu sistem lampu sinyal yang dapat mendeteksi apabila lampu mengalami kerusakan, dan juga dapat memprediksi apabila lampu sinyal berpotensi rusak dengan metode pemantauan berkala (predictive maintenance) yang disesuaikan secara akurat memprediksi masalah tersebut. Komponen yang digunakan untuk mendeteksi dengan menggunakan Sensor CZ3700 dan INA219 yang dapat mendeteksi arus 0-5A dan tegangan 0- 36Vdc pada lampu sinyal. Selain itu juga dilengkapi sensor suhu untuk mengukur suhu pada modul lampu sinyal, yang dapat membaca suhu 0- 85°Celcius. Hasil pembacaan sensor diproses dengan menggunakan Arduino ESP32, dan hasil pembacaan dikirimkan ke Human Machine Interface dalam hal ini menggunakan Computer / Laptop melalui jaringan nirkabel. Harapannya ketika sudah menerapkan sistem predictive maintenance ini dapat mengidentifikasi dan memperbaiki masalah sebelum lampu sinyal rusak.

References

[1] Y. N. Rohmat, Rachmatullah, D. Canra, and Suliono, “Analisis Perancangan Jadwal Preventive Dan Predictive Maintenance Pada Mesin Kapal Di Daerah,” Pros. Semin. Nas. Teknol. dan Rekayasa, pp. 1–7, 2017.
[2] S. Y. Chuang, N. Sahoo, H. W. Lin, and Y.
H. Chang, “Predictive maintenance with sensor data analytics on a Raspberry Pi-based experimental platform,” Sensors (Switzerland), vol. 19, no. 18, 2019, doi: 10.3390/s19183884.
[3] “Using ‘Unscheduled’ Oil Analysis for Early Predictive Maintenance.” https://www.machinerylubrication.com/Read/ 29398/unscheduled-oil-analysis (accessed Aug. 26, 2020).
[4] A. Setiawan and A. I. Purnamasari, “Pengembangan Smart Home Dengan Microcontrollers ESP32 Dan MC-38 Meningkatkan Deteksi Dini Keamanan Perumahan,” J. Resti, vol. 1, no. 10, pp. 6–9, 2019.
[5] H. T. Monda, F. Feriyonika, and P. S. Rudati, “Sistem Pengukuran Daya pada Sensor Node Wireless Sensor Network,” Pros. Ind. Res. Work. Natl. Semin., vol. 9, pp. 28–31, 2018.
[6] “Arduino and LM75 temperaturee sensor example - Arduino Learning.” http://arduinolearning.com/code/arduino- lm75-temperaturee-sensor- example.php#codesyntax_2 (accessed Aug. 26, 2020).
[7] “Construction and Initialization Function” https://learn.adafruit.com/adafruit-ina219- current-sensor-breakout/libraryreference (accessed Aug. 27, 2020).
[8] “Weibulldistribution” https://en.wikipedia.org/wiki/Weibull_distrib ution (accessed Aug. 27, 2020).
[9] Andriana, A., Rahman, S. A., & Muzasyaroh, A. N. A. (2020). Perancangan Sistem Telemetri Data Meteorologi Pertanian dengan Menggunakan LoRa secara Realtime. Jurnal TIARSIE, 17(4), 137-144.