fbpx
Non destructive Testing

Non destructive Testing pada Pesawat dengan Machine Learning

18 Februari 2022

Yuk, kenalan dengan Muhammad Ammar, salah satu alumni Algoritma Data Science School dari Batch yang sama dengan Syabaruddin Malik yang membuat project Mental Health First Aid, yaitu Batch Newton. Pada project akhirnya, Ammar membuat dashboard yang mampu mendeteksi kerusakan pesawat. Penasaran, bagaimana data science mampu mendeteksi kerusakan pesawat sehingga mencegah terjadi kecelakaan pesawat yang membahayakan? Yuk, baca artikel ini sampai habis! 

Memiliki latar belakang manajemen transportasi udara, tentunya Ammar tidak asing lagi dengan pesawat, serta bahan pokok pembuatan pesawat, yaitu logam. Logam dibuat secara massal dan di setiap batch nya memilki peluang terjadinya defect pada logam. Cacat pada logam ini akan berakibat fatal. Pesawat yang dipaksa untuk diterbangkan dengan keadaan seperti ini, besar kemungkinan mengalami kecelakaan pesawat. 

Non destructive Testing pesawat

Para Engineer pasti tidak asing dengan istilah Non-destructive Testing (NDT),  NDT adalah sebuah teknik pengujian dan analisis yang digunakan oleh industri untuk mengevaluasi sifat dari material, komponen, struktur atau sistem untuk mendeteksi perbedaan karakteristik atau cacat pada material, komponen, strukur atau sistem tanpa menyebabkan kerusakan pada bagian aslinya. 

Non destructive Testing

Dalam industri pesawat NDT berfungsi untuk pemeliharaan suku cadang pesawat, seperti korosi, kegagalan material, dan deteksi retak pada bagian seperti sayap dan roda pendarat. Inspeksi ini sebenarnya bisa dilakukan secara tradisional dengan mata telanjang. Namun, tentu saja akan lebih membutuhkan resource dan waktu yang lama, tapi dengan bantuan Web Dasboard Ammar inspeksi bisa lebih efisien. 

Pendeteksian cacat pada logam ini dinilai penting untuk meminimalisir risiko terjadinya kecelakaan pesawat. Selain itu, bagi perusahaan Aircraft pedekteksian dini ini dapat memangkas biaya produksi dan Quality Control. 

Disinilah Machine Learning diharapkan mampu membantu perusahaan dan mempercepat pekerjaan Engineer dalam mendeteksi cacat pada logam tersebut. 

Machine Learning dalam Pendeteksi Kerusakan Pesawat Ammar 

Machine learning yang Ammar gunakan adalah  deep learning, dengan menggunakan metode convolutional neural Network atau CNN. 

Deep Learning adalah salah satu bagian dari machine learning yang berfungsi melatih komputer tentang insting dasar manusia. Caranya adalah dengan memanfaatkan algoritma komputer untuk mengelompokkan langsung data yang kompleks dalam bentuk gambar, teks, atau suara. 

BACA JUGA: 4 Algoritma Deep Learning beserta Contohnya 

Sedangkan metode Convolutional Neural Network atau CNN yang Ammar gunakan merupakan salah satu jenis algoritme Deep Learning yang dapat menerima input berupa gambar, menentukan aspek atau obyek apa saja dalam sebuah gambar yang bisa digunakan mesin untuk “belajar” mengenali gambar, dan membedakan antara satu gambar dengan yang lainnya. 

Convolutional Neural Network atau terkadang disebut sebagai ConvNets, memiliki cara kerja yang cukup sederhana yaitu basis data gambar yang ada dipecah menjadi pixel, lalu Ammae melatih komputernya untuk mengenali cacat pada setiap pixel tersebut, sehingga mampu mengenalinya berdasarkan tiap kategori. 

Pelatihan model ini menghasilkan nilai akurasi sebesar 81% dan itu merupakan nilai tertinggi dari semua percobaan yang Ammar lakukan.  

Bagaimana cara menggunakan aplikasi pendeteksi kerusakan pesawat ini? 

student project ammar algoritma data science school

Cara menggunakan aplikasi pendeteksi kerusakan pesawat rancangan Ammar ini sangatlah mudah 

  1. Ambil foto permukaan logam yang cacat 
  2. Pastikan Format gambar dalam bentuk .jpg/ .jpeg/ .png 
  3. Unggah gambar ke dashboard 
student project ammar algoritma data science school

Setelah Anda mengunggah gambar permukaan yang cacat pada logam, terdapat 4 defector yang akan menganalisis kerusakan logam dan sistem akan mengkategorikannya kedalam class of defect berdasarkan hasil terbesar dari 4 defector. 

Dari project ini terjawablah keinginan Ammar untuk membantu Engineer dalam proses Non destructive Testing  agar lebih mudah tanpa menghilangkan peran manusia sebagai pengambil keputusan akhir. Dan kedepannya Ammar melihat penggunaan Deep Learning ini bisa digunakan di banyak industri di Indonesia.  

Nah, itulah dashboard yang dibuat oleh Ammar pada student projectnya setelah mengikuti program pembelajaran bersama Algoritma Data Science School. Jika Anda ingin mengetahui lebih lanjut project yang Ammar, Anda bisa mengunjungi Github dan LinkedIn berikut ini. 

Yuk belajar data science di Algoritma Data Science Education Center! Kamu bisa ikut berbagai kelas data science untuk pemula, salah satunya di program Academy kami.

PELAJARI LEBIH LANJUT

The last comment and 1 other comment(s) need to be approved.

Related Blog

Distributed Processing
Apa Itu Data Analysis Expressions?
jadi data scientist
Cara Menjadi Data Scientist Handal
Distributed Processing
Mengenal Apa Itu Distributed Processing

Yuk, kenalan dengan Muhammad Ammar, salah satu alumni Algoritma Data Science School dari Batch yang sama dengan Syabaruddin Malik yang membuat project Mental Health First Aid, yaitu Batch Newton. Pada project akhirnya, Ammar membuat dashboard yang mampu mendeteksi kerusakan pesawat. Penasaran, bagaimana data science mampu mendeteksi kerusakan pesawat sehingga mencegah terjadi kecelakaan pesawat yang membahayakan? Yuk, baca artikel ini sampai habis! 

Memiliki latar belakang manajemen transportasi udara, tentunya Ammar tidak asing lagi dengan pesawat, serta bahan pokok pembuatan pesawat, yaitu logam. Logam dibuat secara massal dan di setiap batch nya memilki peluang terjadinya defect pada logam. Cacat pada logam ini akan berakibat fatal. Pesawat yang dipaksa untuk diterbangkan dengan keadaan seperti ini, besar kemungkinan mengalami kecelakaan pesawat. 

Non destructive Testing pesawat

Para Engineer pasti tidak asing dengan istilah Non-destructive Testing (NDT),  NDT adalah sebuah teknik pengujian dan analisis yang digunakan oleh industri untuk mengevaluasi sifat dari material, komponen, struktur atau sistem untuk mendeteksi perbedaan karakteristik atau cacat pada material, komponen, strukur atau sistem tanpa menyebabkan kerusakan pada bagian aslinya. 

Non destructive Testing

Dalam industri pesawat NDT berfungsi untuk pemeliharaan suku cadang pesawat, seperti korosi, kegagalan material, dan deteksi retak pada bagian seperti sayap dan roda pendarat. Inspeksi ini sebenarnya bisa dilakukan secara tradisional dengan mata telanjang. Namun, tentu saja akan lebih membutuhkan resource dan waktu yang lama, tapi dengan bantuan Web Dasboard Ammar inspeksi bisa lebih efisien. 

Pendeteksian cacat pada logam ini dinilai penting untuk meminimalisir risiko terjadinya kecelakaan pesawat. Selain itu, bagi perusahaan Aircraft pedekteksian dini ini dapat memangkas biaya produksi dan Quality Control. 

Disinilah Machine Learning diharapkan mampu membantu perusahaan dan mempercepat pekerjaan Engineer dalam mendeteksi cacat pada logam tersebut. 

Machine Learning dalam Pendeteksi Kerusakan Pesawat Ammar 

Machine learning yang Ammar gunakan adalah  deep learning, dengan menggunakan metode convolutional neural Network atau CNN. 

Deep Learning adalah salah satu bagian dari machine learning yang berfungsi melatih komputer tentang insting dasar manusia. Caranya adalah dengan memanfaatkan algoritma komputer untuk mengelompokkan langsung data yang kompleks dalam bentuk gambar, teks, atau suara. 

BACA JUGA: 4 Algoritma Deep Learning beserta Contohnya 

Sedangkan metode Convolutional Neural Network atau CNN yang Ammar gunakan merupakan salah satu jenis algoritme Deep Learning yang dapat menerima input berupa gambar, menentukan aspek atau obyek apa saja dalam sebuah gambar yang bisa digunakan mesin untuk “belajar” mengenali gambar, dan membedakan antara satu gambar dengan yang lainnya. 

Convolutional Neural Network atau terkadang disebut sebagai ConvNets, memiliki cara kerja yang cukup sederhana yaitu basis data gambar yang ada dipecah menjadi pixel, lalu Ammae melatih komputernya untuk mengenali cacat pada setiap pixel tersebut, sehingga mampu mengenalinya berdasarkan tiap kategori. 

Pelatihan model ini menghasilkan nilai akurasi sebesar 81% dan itu merupakan nilai tertinggi dari semua percobaan yang Ammar lakukan.  

Bagaimana cara menggunakan aplikasi pendeteksi kerusakan pesawat ini? 

student project ammar algoritma data science school

Cara menggunakan aplikasi pendeteksi kerusakan pesawat rancangan Ammar ini sangatlah mudah 

  1. Ambil foto permukaan logam yang cacat 
  2. Pastikan Format gambar dalam bentuk .jpg/ .jpeg/ .png 
  3. Unggah gambar ke dashboard 
student project ammar algoritma data science school

Setelah Anda mengunggah gambar permukaan yang cacat pada logam, terdapat 4 defector yang akan menganalisis kerusakan logam dan sistem akan mengkategorikannya kedalam class of defect berdasarkan hasil terbesar dari 4 defector. 

Dari project ini terjawablah keinginan Ammar untuk membantu Engineer dalam proses Non destructive Testing  agar lebih mudah tanpa menghilangkan peran manusia sebagai pengambil keputusan akhir. Dan kedepannya Ammar melihat penggunaan Deep Learning ini bisa digunakan di banyak industri di Indonesia.  

Nah, itulah dashboard yang dibuat oleh Ammar pada student projectnya setelah mengikuti program pembelajaran bersama Algoritma Data Science School. Jika Anda ingin mengetahui lebih lanjut project yang Ammar, Anda bisa mengunjungi Github dan LinkedIn berikut ini. 

Yuk belajar data science di Algoritma Data Science Education Center! Kamu bisa ikut berbagai kelas data science untuk pemula, salah satunya di program Academy kami.

PELAJARI LEBIH LANJUT

Related Blog

Real Time Processing
Perbedaan Batch Processing dan Real Time Processing
Metode Pengolahan Data
Tipe, Langkah, dan Metode Pengolahan Data
Batch Processing
Mengenal Batch Processing dan Implementasinya
The last comment and 1 other comment(s) need to be approved.