Skip to content

Pemantauan Kondisi & Pemeliharaan Prediktif | Dokumentasi OpexMX

Tarik data mesin, hitung skor kesehatan aset, deteksi anomali, prediksi sisa umur pakai, dan beri peringatan sebelum kegagalan.

Diperbarui

Pemantauan Kondisi & Pemeliharaan Prediktif

Temukan di: Prediktif di sidebar — Dashboard, Pemantauan Getaran, dan Prediksi Tren.

Pernah dengar kalimat seperti ini?

  • "Kenapa motor itu terbakar? Tidak ada peringatan sama sekali."
  • "Kami mengganti bantalan sesuai jadwal. Beberapa masih bagus, beberapa gagal lebih awal."
  • "PLC punya semua data ini. Bisakah kita memanfaatkannya?"

Bereaksi terhadap kegagalan itu mahal. Memantau kondisi dan memprediksi masalah menghemat biaya.


Masalahnya

Pemeliharaan berbasis interval tetap berarti mengganti komponen yang masih bagus (pemborosan) atau melewatkan komponen yang akan gagal (kerusakan). Mesin Anda sudah menghasilkan data — OpexMX mengubahnya menjadi keputusan pemeliharaan.

Apa yang Dilakukan OpexMX

Menarik data mesin, menghitung skor kesehatan aset, mendeteksi anomali, memprediksi sisa umur pakai, dan memberi peringatan sebelum kegagalan — sehingga Anda bertindak berdasarkan kondisi, bukan kalender.

Yang Bisa Dipantau

  • Suhu — motor, bantalan, komponen listrik
  • Vibrasi — peralatan rotari, pompa, kipas (FFT, analisis zona ISO 10816)
  • Tekanan — sistem hidrolik dan pneumatik
  • Aliran — pendingin, pelumas, aliran proses
  • Arus / beban — konsumsi daya motor
  • Runtime / hitungan siklus — utilization peralatan

Skor Kesehatan

Setiap aset yang dipantau mendapat skor kesehatan komposit dari lima faktor berbobot: degradasi parameter (40%), vibrasi (25%), riwayat kegagalan (25%), kepatuhan PM (20%), dan usia aset (15%) — dinormalisasi ulang sesuai faktor yang tersedia untuk aset tersebut.

Deteksi Anomali

Tentukan pemicu kondisi per parameter: operator perbandingan (>, <, >=, <=, =, !=), nilai ambang batas, dan tipe pemicu — immediate atau sustained (dengan durationSeconds dan cooldownSeconds). Pelanggaran menjadi anomali dengan severitas yang bisa ditindaklanjuti dan diabaikan.

Prediksi Kegagalan (RUL)

Analisis Weibull memasang distribusi kegagalan per aset dan memperkirakan sisa umur pakai (shape, scale, median life) — sehingga penggantian direncanakan sebelum kegagalan, bukan sesudahnya.

Kurva Degradasi & Tren

Pantau bagaimana setiap parameter bergeser seiring waktu dan perkirakan arahnya. Prediksi tren mengubah riwayat mentah menjadi pandangan ke depan per parameter aset.

Pemantauan Vibrasi

Jalur vibrasi khusus menerima payload inferensi (probabilitas, label, RMS per kanal) dari perangkat vibration-edge, mengklasifikasikan terhadap zona ISO, dan otomatis membuat tiket saat mesin memasuki zona bahaya.

Cara Data Mesin Masuk

Edge connector (di Raspberry Pi) membaca Modbus TCP, OPC-UA, dan MQTT dari mesin Anda, dan FOCAS agent pendamping membaca CNC Fanuc. Keduanya mengirim payload ternormalisasi ke OpexMX:

PLC / CNC / Sensor → Edge Connector (Modbus / OPC-UA / MQTT / FOCAS) → OpexMX → Skor Kesehatan, Anomali, Peringatan

Dua endpoint ingestion, tergantung bentuk payload:

POST /asset-parameter-values
{ "assetParameterId": "MOTOR_TEMP_1", "value": "85" }
POST /predictive-maintenance/asset-data
{
  "assetCode": "PUMP-101",
  "source": "opcua",
  "timestamp": "2025-12-04T07:24:20.069Z",
  "status": { "state": "running", "alarmCode": "", "alarmMessage": "" },
  "values": [
    { "name": "temperature", "value": 85, "unit": "C" },
    { "name": "vibration",   "value": 4.2, "unit": "mm/s" }
  ]
}

Tipe sumber data di sisi cloud adalah rest, mqtt, dan opcua; Modbus dan FOCAS ditangani di edge.

Siapa yang Menggunakan Ini?

PeranYang Mereka Pedulikan
Engineer KeandalanPeringatan dini degradasi dan RUL
TeknisiPetunjuk apa yang diperiksa lebih dulu
PerencanaInterval pemeliharaan berbasis data

Tips Pro

  • Mulai dari aset kritis berdampak tinggi.
  • Tetapkan ambang batas dari rekomendasi OEM ditambah pengalaman lapangan.
  • Gunakan pemicu sustained dengan cooldown untuk menekan false positive.
  • Tinjau bobot skor kesehatan per kelas aset.
  • Rutekan peringatan melalui jadwal shift agar orang yang tepat bertindak.

Integrasi

  • Aset: parameter dikaitkan dengan peralatan
  • Tiket: anomali dan peringatan vibrasi otomatis membuat tiket
  • Analitik: analisis tren dan degradasi
  • Pemeliharaan Prediktif: sesuaikan interval berdasarkan kondisi