Sistem Pembelajaran Mandiri untuk Deteksi Anomali pada Proses Radius Shaping Menggunakan Deep Neural Network Berbasis Bidirectional Protocol

Abstract

Proses shaping merupakan langkah dalam proses curing atau pemasakan ban setengah jadi (green tire), di mana ban tersebut ditempatkan pada bladder dan diberi tekanan yang sesuai. Dalam proses shaping, nilai tekanan dan dimensi (radius) bladder menjadi parameter utama yang memengaruhi hasil produk. Mesin curing yang digunakan saat ini masih mengadopsi sistem konvensional, memerlukan pemantauan konstan oleh operator untuk mencapai hasil shaping yang optimal dan mengurangi kegagalan dalam proses curing ban. Pantauan mesin curing yang dilakukan secara manual menyebabkan analisis cacat produk tidak optimal, dan penentuan nilai radius yang optimal sulit dilakukan. Oleh karena itu, diperlukan suatu metode agar sistem pemantauan nilai radius shaping dapat mendeteksi dan memberikan rekomendasi untuk parameter shaping yang tepat, seperti nilai radius dan tekanan. Dengan perkembangan teknologi kecerdasan buatan yang pesat di berbagai sektor, termasuk medis, militer, pendidikan, ekonomi, politik, industri, dan lainnya, teknologi ini dapat mengatasi tugas-tugas berbahaya dan berulang. Sejumlah metode AI telah berhasil diimplementasikan dalam industri untuk memastikan produksi yang memenuhi standar kualitas. Dalam konteks ini, penulis mengusulkan penerapan metode AI untuk melakukan analisis terhadap proses radius shaping pada pemasakan ban, dengan tujuan mengurangi kegagalan produksi yang sering disebabkan oleh berbagai faktor, salah satunya adalah kesalahan manusia. Penelitian ini mencakup pengidentifikasian pola atau perubahan yang tidak sesuai dengan kondisi normal yang diharapkan. Merujuk pada metode komunikasi yang memungkinkan aliran informasi dua arah, memungkinkan respons yang lebih cepat dan interaksi yang dinamis antara system deteksi anomali dengan system pembelajaran mandiri.