2019 : Real-time Predictive Maintenance menggunakan Framework Big Data sebagai pendukung Implementasi Smart Shipping di Indonesia

Dr. I Ketut Eddy Purnama ST.,M.Kom.
Muhtadin ST., MT.

External link

Type

RESEARCH

Keywords

-


Abstract

Dengan tumbuhnya keperluan tansportasi logistik barang melewati laut, perusahaan palayaran akan semakin banyak menambah armada kapal laut yang mereka miliki. Tren kapal laut yang digunakan saat ini semakin canggih dengan berbagai perangkat pendukung yang semakin banyak dan semakin modern. Dengan demikian, perusahaan pelayaran perlu menambahkan lebih banyak sumber daya untuk tujuan perawatan sehingga biaya O&M(operations and maintenance) akan meningkat. Sistem predictive maintenance berdasarkan teknologi tradisional memerlukan satu sistem di setiap kapal yang digunakan. Oleh karena itu perusahaan harus menganalisisnya dari lokasi yang unik. Selain itu, perusahaan perlu mempekerjakan orang-orang yang memenuhi syarat untuk mengelola setiap sistem perawatan prediktif untuk tiap-tiap kapal. Namun, jika semua data disimpan dalam sistem sentral (misalnya cloud computing), diperlukan komputasi yang besar sehingga mampu memproses semua informasi dengan cukup cepat untuk memberitahukan kegagalan di masa depan. Masalah lain penerapan predictive maintenance pada teknologi tradisional adalah skalabilitasnya. Dalam situasi ini, skalabilitas biasanya disediakan dengan membeli perangkat keras yang lebih kuat (skalabilitas vertikal), yang sangat mahal dan memiliki skalabilitas terbatas. Penelitian ini diusulkan untuk mengatasi perma salahan tersebut, kami akan mengembangkan sebuah aplikasi dengan menggunakan komputasi awan dan kerangka kerja Big Data untuk menyediakan metode dengan yang memiliki scalability yang lebih mudah dan lebih murah (skalabilitas horizontal) dan dapat memproses ratusan ribu data kapal laut dan perangkat pendukungnya secara scalable. Teknologi ini diharapkan dapat digunakan perusahaan pelayaran dalam melakukan pemeliharaan prediktif untuk semua kapal laut yang dimilikinya yang berada di seluruh dunia dari sistem sentral dengan toleransi kesalahan yang kecil. Ini berarti pengurangan biaya layanan O&M yang cukup besar.