Sistem Manajemen Perbaikan (Maintenance) Kereta Api

LATAR BELAKANG

Management maintenance system (sistem manajemen perbaikan) kereta api atau biasa disebut dengan predictive maintenance system yang dapat menganalisis kondisi sarana berdasarkan data aktual yang telah dikumpulkan kemudian memberikan peringatan dini pada gangguan sistem sehingga perbaikan dapat segera direncanakan, seperti persiapan spare part, dipo perbaikan, personel, dll, sebelum kerusakan benar-benar terjadi.

Kemajuan dalam bidang internet, sensor canggih, cloud computing, dan Artificial Intelligence (AI) atau kecerdasan buatan telah memicu lahirnya era baru yang dikenal sebagai Revolusi Industri 4.0. AI ini tidaklah berdiri sendirian sebagai suatu program. Ada beberapa bagian utama di dalamnya yang bersifat membangun AI ini, yaitu machine learning dan deep learning.

Gambar 1. Artificial Intelligence, Machine Learning dan Deep Learning Sumber: Nadia BERCHANE (M2 IESCI, 2018)

Pengertian dari AI ini adalah kemampuan untuk mendeteksi, bernalar, terlibat, dan belajar (meniru kecerdasan manusia) berdasarkan data. Beberapa contoh aplikasi AI yang kita temui yaitu teknologi pengenalan wajah, mesin penerjemah dan aplikasi mobile banking. Sedangkan machine learning adalah jenis kecerdasan buatan (bagian dari AI) yang berfokus pada kemampuan belajar secara otomatis dan menghasilkan prediksi berdasarkan daya yang digunakan. Dengan beberapa contoh aplikasi sebagai berikut: predictive maintenance, ekios (monitoring progress di site secara real time) dan translator bahasa. Dan ada deep learning yang merupakan bagian dari machine learning dimana algoritmanya mampu memahami pola dengan akurasi yang tinggi berdasarkan data yang sangat besar. Beberapa contoh dari deep learning adalah teknologi autonomous, penelitian medis yang membutuhkan ketelitian serta editing foto dan video.

Jenis Machine Learning dan Aplikasinya

1. Supervised Learning

1.1 Regression

- Peramalan pasar

- Prediksi populasi

- Predictive maintenance

1.2 Classification

- Klasifikasi gambar

- Diagnosa

- Deteksi object

2. Unsupervised Learning

2.1 Clustering

- Sistem rekomendasi

- Segmentasi pelanggan

- Pemasaran yang ditargetkan

2.2 Dimensionality reduction

- Kompresi yang bermakna

- Penemuan struktur

- Visualisasi big data

3. Reinforcement Learning

- Game AI

- Keputusan secara real time

- Robot navigasi

Implementasi konsep machine learning ini membawa berbagai dampak positif, salah satunya untuk membuat Bogie Monitoring Sistem yang saat ini INKA kembangkan. Dengan semakin banyaknya peminat moda transportasi kereta api di dalam negeri, maka perlu untuk meningkatkan perawatan pada sarana, salah satunya dengan mengaplikasikan Bogie Monitoring Sistem pada sarana kereta api yang dibuat oleh PT INKA.

Tujuan dari pengembangan bogie monitoring system adalah sebagai solusi teknologi bagi operator dalam menjaga performa operasional serta memperpanjang umur pakai melalui pemeliharaan berbasis alat monitoring yang dilengkapi accelerometer dan sensor vibrasi yang dipantau secara real-time. Data getaran dari sensor vibrasi tersebut dikumpulkan untuk mendeteksi kerusakan atau ketidaksesuaian pada geometri jalan rel serta menghasilkan panduan batasan getaran, metode pengambilan data yang efektif, serta pengolahan data yang terintegrasi. Dan juga mendukung perawatan jalan rel yang lebih efisien dan memperkuat kemampuan perusahaan dalam menjaga keamanan operasional secara berkelanjutan.

REFERENSI THRESHOLD KENYAMANAN KERETA API

Pembebanan dinamis pada pegas dan gandar

Berhubung adanya getaran pada badan gerbong/kereta, baik dalam arah vertikal maupun horizontal (lateral), maka terdapatlah beban tambahan (beban extra) terhadap pegas dan gandar. Penambahan beban-extra ini diperhitungkan dengan batas maksimum akse;lerasi getaran yang dianggap berbahaya, yaitu sebesar:

AV = 0,4 g (m/s2) untuk vertikal, dan

Ah = 0,3 g (m/s2) untuk horizontal

Selanjutnya untuk menilai kualitas jalan kereta api diperlukan suatu standard penilaian

a. Klafifikasi untuk dasar penilaian kondisi jalan kereta api

Gambar 2. Klasifikasi untuk dasar penilaian kondisi jalan kereta api di PJKA Sumber: Dinamika Kendaraan Rel BAG - II

Keterangan:

Klasifikasi untuk penilaian kondisi jalan kereta api atas dasar pemungutan “akselerasi getaran” (2a) hanya terbagi atas dua kategori, yaitu:

Kelas-A = Untuk Lin-Raya dengan Vmax diatas 40 km/jam

Kelas-B = Untuk Lin-Cabang dengan Vmax 30 – 45 km/jam

Akselerasi getaran untuk pembatasan klasifikasi ini dibatasi sampai maksimum pada tingkat separo dari batas bahaya, yaitu untuk getaran horizontal sampai pada batas = 0,15 g dan untuk getaran vertikal sampai pada batas = 0,20 g (g = gravitasi).

Pembatasan akselerasi getaran horizontal adalah lebih ketat daripada getaran vertikal, karena memang getaran horizontal dinilai lebih berbahaya daripada getaran vertikal terutama bila ditinjau dari segi bahaya derailment (keluar rel).

b. Dasar – dasar yang dipakai untuk penilaian kondisi jalan kereta api di PJKA

Pada dasarnya yang dipakai untuk penilaian kondisi baan di PJKA adalah persyaratan – persyaratan ataupun requirements yang telah ditetapkan untuk Baan (railbed) kelas A. Persyaratan untuk pembatasan akselerasi getaran itu tersusun dalam tabel 1 dibawah ini

Sumber: Buku dinamika kendaraan rel

Berdasarkan atas persyaratan ini maka untuk petak jalan dengan kecepatan maksimum dibawah 40 km/jam tidak perlu dikenakan pengukuran ataupun penilaian dengan alat accelerometer, akan tetapi cukup dilakukan pemungutan ketidak rataan baan (track irregularities), yaiut yang disebut dengan istilah track recording dengan menggunakan alat rail dispalcementmeter.

Sedangkan untuk petak jalan dengan kecepatan maksimum diatas 40 km/jam dikenakan pemeriksaan ataupun pengukuran menurut kedua system tersebut diatas, yaiut pemungutan track recording dengan alat rail displacementmeter dan penilaian ataupun kualifikasi dengan alat accelerometer yang dilaksanakan secara bebarengan (simultan).

Ketentuan ambang batas Goyangan Ekstrim saat ini:

 Menentukan ambang batas goyangan ekstrim H: 0,3 g dan V: 0,4 g

Sumber: PD 10A

 Selanjutnya, ambang batas ditentukan berdasarkan training data pengujian

MONITORING SYSTEM UNTUK PREDICTIVE MAINTENANCE KERETA API

Wiring Diagram

Gambar 3. Wiring Diagram Sumber: dokumen pribadi

Subsistem yang akan dimonitoring adalah:

1. Vibrasi dan temperatur bearing

2. Instability bogie (Ride Index, Derailment, akselerasi Vertikal, Lateral dan Longitudinal)

Pengujian bogie monitoring system

• Pengujian kombinasi brake cylinder dan speed sensor dilakukan untuk menganalisis kinerja rem dalam menghasilkan tekanan yang sesuai dengan variasi kecepatan, memastikan deselerasi aman, respons optimal terhadap perubahan kecepatan, dan mencegah kerusakan roda akibat pengereman mendadak atau distribusi tekanan yang tidak merata.

• Pengujian suhu bearing bertujuan memantau friksi berlebih, pelumasan buruk, atau kerusakan, serta mendeteksi kondisi abnormal melalui kenaikan suhu di atas batas operasional.

• Pengujian getaran bertujuan mengukur tingkat getaran bogie untuk menilai kenyamanan (Ride Index) dan mencegah risiko derailment.

Oleh: Yunior Lanang Satrio (Mahasiswa PJJ Program Magister, Departemen Teknik Elektro, ITS)