Bogor – Teknologi digital twin berbasis sensor real-time berhasil meningkatkan kemampuan prediksi kerusakan pada sistem gearbox kendaraan melalui pemantauan kondisi secara berkelanjutan. Temuan tersebut dipublikasikan oleh Stiven Alfonso Siregar, I Nengah Putra Aprianto, Sasono Rahardjo, dan Yunia Amelia Chairunisa dari Faculty of Defense Engineering and Technology, Indonesia Defense University dalam International Journal of Scientific Multidisciplinary Research edisi Juli 2026. Penelitian ini menawarkan pendekatan baru dalam sistem pemeliharaan kendaraan yang memungkinkan kerusakan dideteksi lebih dini sehingga perawatan dapat dilakukan sebelum terjadi kegagalan komponen.
Keandalan kendaraan menjadi faktor penting dalam berbagai sektor, terutama pada kendaraan operasional yang harus selalu siap digunakan. Selama ini, sebagian besar sistem pemeliharaan masih mengandalkan jadwal servis berdasarkan waktu atau jarak tempuh. Pendekatan tersebut sering kali menyebabkan komponen diganti terlalu cepat atau justru terlambat diperbaiki karena tidak mempertimbangkan kondisi aktual kendaraan. Akibatnya, biaya perawatan meningkat, waktu henti kendaraan bertambah, dan kesiapan operasional menjadi kurang optimal.
Untuk mengatasi permasalahan tersebut, tim peneliti mengembangkan sebuah sistem digital twin, yaitu representasi virtual dari kondisi gearbox kendaraan yang diperbarui secara terus-menerus menggunakan data sensor real-time. Sistem ini mengintegrasikan sensor getaran, komunikasi berbasis Internet of Things (IoT), serta algoritma kecerdasan buatan untuk memantau kesehatan gearbox, mendeteksi gejala kerusakan, dan memperkirakan kapan komponen perlu diperbaiki atau diganti. Dengan pendekatan ini, keputusan pemeliharaan tidak lagi bergantung pada jadwal rutin, melainkan berdasarkan kondisi nyata komponen.
Penelitian dilakukan menggunakan pendekatan kuantitatif melalui studi kasus pada gearbox kendaraan taktis. Tiga sensor akselerometer ADXL345 dipasang pada bagian poros masuk (input shaft), roda gigi (gear mesh), dan poros keluar (output shaft). Data getaran dikirim secara real-time menggunakan mikrokontroler ESP32 melalui protokol MQTT menuju basis data berbasis cloud. Selanjutnya, data tersebut dianalisis menggunakan algoritma Random Forest untuk mengklasifikasikan kondisi gearbox dan jaringan saraf Gated Recurrent Unit (GRU) untuk menghitung skor kesehatan komponen serta memperkirakan Remaining Useful Life (RUL) atau sisa umur pakai komponen.
Hasil penelitian menunjukkan bahwa sistem yang dikembangkan mampu memantau kondisi gearbox secara langsung dalam tiga kondisi operasi kendaraan, yaitu saat kendaraan mati dan diam, menyala tetapi tidak bergerak, serta menyala dan sedang bergerak. Data getaran yang diperoleh dari ketiga sensor menunjukkan perubahan karakteristik sesuai kondisi operasi kendaraan. Ketika kendaraan beroperasi dengan beban yang lebih tinggi, tingkat getaran meningkat sehingga sistem dapat mengidentifikasi perubahan kondisi dari tingkat risiko rendah hingga kondisi kritis secara otomatis.
Salah satu temuan penting penelitian ini adalah tingginya akurasi model kecerdasan buatan dalam mengenali kondisi gearbox. Model Random Forest mampu mengklasifikasikan kondisi gearbox dengan tingkat akurasi mencapai 98,20 persen, sedangkan model GRU menghasilkan nilai koefisien determinasi (R²) sebesar 0,9248, yang menunjukkan kemampuan sangat baik dalam memprediksi skor kesehatan komponen berdasarkan pola getaran yang diterima secara real-time. Hasil tersebut menunjukkan bahwa integrasi sensor dan kecerdasan buatan mampu memberikan diagnosis kondisi gearbox dengan tingkat ketepatan yang tinggi.
Selain menghasilkan prediksi yang akurat, penelitian ini juga berhasil membangun arsitektur digital twin yang terdiri atas lima lapisan utama, yaitu lapisan fisik, akuisisi data, komunikasi, model virtual, dan pengambilan keputusan. Melalui arsitektur tersebut, data getaran kendaraan dikirim secara otomatis ke dashboard pemantauan berbasis web yang menampilkan kondisi gearbox, skor kesehatan, tingkat risiko, prediksi kerusakan, serta estimasi sisa umur pakai komponen. Informasi tersebut dapat dimanfaatkan oleh teknisi untuk menentukan waktu pemeliharaan secara lebih tepat sebelum kerusakan berkembang menjadi kegagalan yang lebih serius. Diagram arsitektur pada halaman 11 memperlihatkan alur lengkap mulai dari sensor hingga sistem pendukung keputusan.
Menurut Stiven Alfonso Siregar dan tim dari Indonesia Defense University, penerapan digital twin berbasis sensor real-time mampu mengubah pendekatan pemeliharaan dari yang sebelumnya bersifat reaktif menjadi prediktif. Sistem ini tidak hanya memantau kondisi komponen secara berkelanjutan, tetapi juga memberikan peringatan dini ketika mulai terdeteksi gejala kerusakan. Dengan demikian, perawatan dapat direncanakan lebih awal sehingga mengurangi risiko kerusakan mendadak dan memperpendek waktu kendaraan tidak dapat digunakan.
Implikasi penelitian ini tidak hanya relevan bagi kendaraan militer, tetapi juga memiliki potensi penerapan yang luas pada kendaraan komersial, alat berat, transportasi publik, hingga industri manufaktur yang menggunakan sistem transmisi mekanis. Pemanfaatan sensor real-time, Internet of Things, dan kecerdasan buatan memungkinkan perusahaan mengurangi biaya pemeliharaan, meningkatkan keandalan peralatan, serta mengoptimalkan efisiensi operasional melalui sistem pemeliharaan berbasis kondisi. Penelitian ini juga memperlihatkan bahwa transformasi digital dalam bidang pemeliharaan dapat menjadi langkah strategis menuju sistem manajemen aset yang lebih cerdas dan berkelanjutan.
Profil Penulis
Stiven Alfonso Siregar – Faculty of Defense Engineering and Technology, Indonesia Defense University
I Nengah Putra Aprianto – Faculty of Defense Engineering and Technology, Indonesia Defense University
Sasono Rahardjo – Faculty of Defense Engineering and Technology, Indonesia Defense University
Yunia Amelia Chairunisa – Faculty of Defense Engineering and Technology, Indonesia Defense University
Sumber Penelitian
Judul Artikel: Development of a Real-Time Sensor-Based Digital Twin for Predictive Maintenance of Vehicle Gearbox Systems
Jurnal: International Journal of Scientific Multidisciplinary Research (IJSMR), Vol. 4, No. 7, 2026
DOI: https://doi.org/10.55927/ijsmr.v4i7.93
Link Jurnal: https://journalijsmr.my.id/index.php/ijsmr
0 Komentar