2020 : Dynamic Deep Neural Network untuk RFID Based Localization

Fauzi Imaduddin Adhim S.ST., M.T

Year

2020

Published in

-

External link

Type

RESEARCH

Keywords

-


Abstract

Pada industri manufaktur, inventory management system digunakan untuk memonitor berbagai inventaris dan karyawan dari suatu perusahaan, dalam istilah industri hal ini disebut dengan manufacturing objects (MOs). MOs dapat meliputi produk yang sedang dikerjakan, workstation, peralatan, dan para pekerja. Melacak lokasi MOs yang posisinya dinamis sangat diperlukan untuk meningkatkan efisiensi dan keamanan. Salah satu teknologi yang populer digunakan adalah Radio Frequency Identification (RFID) localization system karena harganya yang terjangkau. Tantangan yang ada dalam RFID localization system adalah karakteristiknya yang dinamis dan selalu berubah-ubah seiring berjalannya waktu. Perubahan kondisi pada lingkungan dapat menurunkan kualitas prediksi dari suatu machine learning algorithm. Untuk itu, algoritma yang digunakan harus mampu mengevolusi karakteristiknya dalam waktu yang singkat sehingga dapat merespon perubahan yang dinamis tersebut untuk mempertahankan performanya. Pada penelitian ini, RFID reference tags digunakan sebagai patokan dari RFID target tags yang terpasang di masing-masing MOs. Teknik ini dapat dikatakan sebagai proses pemberian label otomatis pada data training. Selanjutnya, data training digunakan untuk mengupdate dynamic deep neural network (DDNN). Karena DDNN mampu mengupdate parameter dan strukturnya berdasarkan distribusi data yang diperoleh, maka hasil yang diharapkan adalah RFID localization system dapat memprediksi lokasi dari setiap MOs dengan akurat. Kata kunci : RFID localization system, neural network, data stream