Safe From Fire (SFF) adalah sistem pemadam kebakaran cerdas yang dikendalikan sendiri dengan sensor,

aktuator dan dioperasikan oleh unit pengontrol mikro (MCU). Dibutuhkan sinyal input dari berbagai
sensor yang ditempatkan di posisi yang berbeda dari area yang dipantau, dan menggabungkan logika
fuzzy terintegrasi untuk mengidentifikasi lokasi dan keparahan breakout. Algoritma fusi data
memfasilitasi sistem untuk membuang situasi kebakaran yang menyesatkan seperti: asap rokok,
pengelasan, dan lain-lain. FfazardSFFnotifile fi leerviceandothers oleh pesan teks dan panggilan telepon.
Bersamaan dengan peringatan alarm, ia mengumumkan lokasi dan keparahan yang terkena dampak
kebakaran. Untuk mencegah api menyebar, ia memutus sirkuit listrik di area yang terkena, melepaskan
gas pemadam yang mengarah ke lokasi kebakaran yang tepat. Makalah ini menyajikan bagaimana
sistem ini dibangun, komponen, dan diagram koneksi dan logika implementasi. Kinerja keseluruhan
dievaluasi melalui uji eksperimental dengan membuat skenario prototipe bahaya kebakaran real time
untuk menyelidiki keandalan. Telah diamati bahwa sistem SFF menunjukkan efisiensi sebagian besar
kasus dengan sempurna.

1. PENDAHULUAN

Kebakaran menyebabkan hilangnya nyawa dan properti yang sangat besar setiap tahun di Bangladesh.
Salah satu insiden terburuk yang pernah terjadi, fakta-fakta disingkapkan. Beberapa penyebab
utamanya adalah bahan pertahanan api yang tidak memadai, korsleting listrik dari kabel listrik yang
rusak, keberadaan bahan yang tidak dapat terbakar, pelanggaran keselamatan kebakaran dan kurangnya
kesadaran yang memadai, dll. Beberapa pabrik dan bangunan baru memiliki instalasi dan pengaturan
keselamatan kebakaran yang tepat seperti alarm kebakaran, alat pemadam kebakaran, sistem pasokan
air, dan sistem pemadam kebakaran konvensional tidak cukup untuk mengambil tindakan cepat selama
kebakaran dan menyelamatkan nyawa. Sistem manual tradisional tidak menjamin pemantauan 24/7 dari
proteksi kebakaran. Selain itu, sistem perlindungan kebakaran yang ada dapat menyebarkan kepanikan
di dalam seluruh bangunan karena tidak mengumumkan lokasi tembakan atau intensitas. Ini hanya
menimbulkan alarm jika ada serangan yang terdeteksi di mana saja. Orang yang ketakutan bisa

mulailah memulainya dari rumah ke rumah. Anak-anak perempuan yang sangat banyak di rumah-rumah
sakit, anak-anak akan diliputi oleh tekanan yang keluar dari kerumunan yang ketakutan dan terluka
parah. Sebaliknya, Terkadang orang tidak menyadari intensitas api dan tidak mau mengungsi terkena
dampak bangunan dengan cepat. Itu bisa menyebabkan hasil yang menghancurkan. Dalam makalah ini
sistem SFF disajikan yang dapat meminimalkan bahaya ini. Bersamaan dengan alarm kebakaran, sistem
ini mengumumkan lokasi kebakaran dan pengamanan jarak jauh. Mencegah penyalinan informasi:
beberapa upaya sangat penting. Seperti: memutus sirkuit listrik di area yang terkena dampak,
melepaskan gas pemadam kebakaran di tempat bahaya, memanggil layanan kebakaran,
menginformasikan segera membangun komite pemantauan pada modul jaringan panggilan telepon.
Sistem Intel mengambil tindakan yang cepat untuk menyelesaikan tugas-tugas ini.

2. LITERATUREREVIEW

Pada bagian ini, teknologi pendeteksi kecelakaan kebakaran terbaru dan sistem pencegahan cerdas
dibahas. Kemajuan pada teknologi pendeteksian api telah substansial selama dekade terakhir karena
kemajuan dalam sensor dan mikroelektronika [1]. Dalam [2] tinjauan kemajuan dalam berbagai
teknologi sensor yang muncul untuk deteksi dan pemantauan pendaratan diuraikan. Sebagian besar
teknologi pendeteksian kebakaran dikategorikan ke dalam dua kelompok, salah satunya adalah teknik
berbasis penglihatan [3] [4] yang menganalisa frame video dan memproses gambar untuk mendeteksi
api dan yang lain adalah pendeteksian deteksi berdasarkan sensor.

Dengan meningkatnya jumlah kamera pengintai, pendeteksian deteksi berbasis penglihatan dengan
peralatan yang sama menjadi peluang yang menarik. Karena itu, tidak ada kaitannya dengan jejaring
sosial yang kuat. Namun, pendekatan berbasis deteksi bingkai video tidak sesuai untuk pendeteksian
tahap awal. Karena pada tahap awal kebakaran mungkin hanya ada asap atau api api yang sangat minim.
Pendekatan berbasis deteksi frame video dapat melewatkan pendeteksian api pada saat itu. sementara
dengan sensor gas dapat dideteksi bahkan sebelum peradangan dengan mengidentifikasi jenis
kebocoran gas [5]. Untuk mendeteksi asap dengan kamera beberapa penelitian deteksi asap telah
diterbitkan [6, 7, 8]. Karena asap berwarna keabu-abuan dan semi-transparan, tepi bingkai gambar
frekuensi tinggi kehilangan ketajamannya dan menjadi indikator untuk asap. Asap juga dibedakan
dengan mengecekkelompok-kelompokperbandingankolon

Gambar

asap piksel berwarna, latar belakang blur, iluminasi dll [6, 7, 8]. Namun tidak jelas bagaimana teknik ini
dapat membedakan antara cuaca berkabut dan asap. Untuk mengatasi masalah ini analisis gerak juga
termasuk dalam teknik berbasis visi untuk mendeteksi asap secara akurat [9, 10]. Tetapi sensor-sensor
berdasarkan teknik pendeteksian api mudah dipasang, harga murah lebih baik daripada lebih mudah
digunakan. Dalam [11, 12, 13] bersama dengan algoritma deteksi api berbasis visi-komputer untuk
pemodelan warna dan deteksi gerak, jaringan sensor digabungkan. Pendekatan gabungan ini tampaknya
sangat menarik tetapi dapat meningkatkan biaya sistem dan kompleksitas sistem akan meningkat untuk
pemasangan dan penyebaran [11]. Dibandingkan dengan teknik dan pendekatan di atas yang dinyatakan
sebelum strategi SFF mendeteksi tembakan sederhana, lebih murah dan efektif untuk menangani
skenario kebakaran yang menipu. Ini juga efektif untuk deteksi bahaya kejadian awal kebakaran

SISTEMDESKRIPSI

Karena ditunjukkan pada bagian sebelumnya, beberapa makalah penelitian telah mempublikasikan
tentang redetection dan interpretasi sebelumnya. Dibandingkan dengan sistem ini, SFF adalah paket
lengkap yang menjelaskan semua pekerjaan yang perlu dilakukan selama serangan. Juga dapat
mendeteksi tembakan yang mendadak. Similarto [14] untuk mengumpulkan data kumpulan data sensor
digabungkan. Sensor ini memiliki satu sensor asap, satu sensor fl ame dan satu sensor suhu. Metode fusi
adaptif digunakan [15] di masing-masing kelompok untuk deteksi pendeteksian, dan isolasi peristiwa
yang menipu. Bagan arus ditampilkan dalam Figur 1 untuk implementasi sistem SFF. Menurut pedoman
aliran aliran ditulis untuk menjelaskan bagaimana logika sistem ini bekerja. Dalam diagram alur ini (Figur
1) jelas terungkap bahwa tiga jenis sensor yang berbeda digunakan dalam implementasi sistem SFF. Satu
kelompok sensor digunakan untuk tujuan deteksi flame, F1, F2, ...., Fn. Sim Algoritma1

serupa untuk gas sensor gas tujuan mendeteksi telah digunakan, yang G1, G2, ...., Gn dan seterusnya
untuk sensor suhu T1, T2, ...., Tn. Pada awalnya ada loop tak berhingga yang memeriksa apakah ada nilai
tinggi untuk sensor apa pun di mana saja. Setelah itu, apakah ada yang lebih tinggi dari itu? Jika Anda
menginginkan serangkaian nilai yang dikombinasikan dengan sensor api, gas dan suhu. Metode fusi
adaptif digunakan di sini untuk menentukan identifikasi fi kir yang menipu. Algoritma untuk sistem SFF
ditunjukkan di bawah ini dalam algoritma 1. Dari algoritma itu terungkap bahwa ada fungsi data logging
yang memberikan keuntungan untuk menyimpan data untuk analisis masa depan kecelakaan kebakaran.
Algoritma ini menunjukkan garis besar yang lebih jelas dan jelas dari logika implementasi program
perangkat lunak sistem SFF. Dalam algoritma ini, berbagai perpustakaan Arduino telah digunakan. salah
satu contohnya adalah menggunakan pustaka alarm [16]. Setiap kali tembakan terdeteksi, pustaka ini
disebut yang menghasilkan bunyi alarm kebakaran menggunakan metode Alarm :: ring () (lihat baris
nomor 24 dalam algoritma 1). Kirim 2

Metode TextMessage () dan DialVoiceCall () disertakan dari modul GSM. Lihat bagian 6 untuk detailnya.
Salah satu kendala yang signifikan dari sistem SFF adalah, sistem ini perlu mengetahui secara tepat di
mana sensor dipasang atau dipasang untuk mendeteksi lokasi tepat dari titik api. Lokasi perlu ditentukan
dalam sudut antara pemadam api dan sensor yang berdekatan. Dari sudut yang berdekatan antara
sensor logika fuzzy menentukan lokasi yang tepat dari api. Kemudian setiap kali tembakan mendeteksi
itu mengirim SMS ke layanan kebakaran dan membangun panitia pemeliharaan, melepaskan fi
reextinguishergas, ringalarms dan menghindari keparahan. Tingkat keparahan tidak lebih dari
penghitungan kumulatif jumlah pembacaan sensor. Jika ada lebih banyak sensor yang memberikan
bacaan tembakan maka tembakan menyebar dan tumbuh secara intensif. Dari posisi terpasang di
gedung, SFF mengetahui indeks sensor dan lokasi api yang bersesuaian. Diagram sirkuit untuk sistem SFF
ditunjukkan pada gambar 2. Gambar ini menunjukkan diagram skematis abstrak dari implementasi
sistem SFF. Diagram sirkuit SFF yang sebenarnya berisi lebih banyak modul dan komponen. Agar diagram
skematik gambar sederhana, tampilan skematis abstrak ditampilkan di sini. Ini menunjukkan bagaimana
perisai model GPS SIM900 terpasang dengan papan diagram sirkuit Arduino utama, bagaimana sensor fl
ame, sensor gas dan alat pemadam kebakaran terpisahkan. Berikut ini, filteringfile relay (lihat gambar
5b), temperatureensor, dan gasextinguishergasvalveattachment tidak ditunjukkan yang termasuk dalam
sirkuit SFF prototipe.

4. SETUP SISTEMEMIPMENTANDEMULATION
SFFsystemisincorporatedwithmultiplemodulesandcomponents terpasang dengan papan sirkuit Arduino.
Arduino telah dipilih untuk pengembangan sistem SFF dan desain prototipe perangkat keras. Di
followingsubsections4.1,4.2,4.3,4.4Arduinoandothermodules dijelaskan.

4.1 ArduinobasedProcessingUnit (fi gure3) Untuk mengendalikan sinyal dari berbagai sensor, dan
menggabungkan modulesArduinohasbeenusedinSFF.Arduinoisaphysicalcomputing platform untuk
mengelola dan menangani elektronik. Ini memiliki opensourceplatformindependentIDE, yang
memfasilitasi program untuk memproses komponen elektronik dari komponen yang terpasang dan
mengendalikannya. Papan Arduino Uno yang paling populer Arduino Uno terdiri dari 8-bit Atmel AVR
mikrokontroler clock speed 16 MHz. Menggunakan modul dan komponen sensor Arduino diprogram
dalam SFF dan logika algoritme diimplementasikan. Ada beberapa alternatif lain untuk Arduino board
untuk desain sistem perangkat keras prototipe seperti: Netduino, RasberryPi,
PICcontrolleretc.Butoneofebiggest advantageaboutArduinoistherearenumerousexamplesakan diberikan
di online. Selain itu, sebagian besar sensor, modul yang tersedia di pasar adalah kompatibel dengan
Arduino. Juga dewan tidak mahal, freeware dan memiliki komunitas pengembang yang sangat aktif.
Mempertimbangkan semua skenario ini
4.2 ControllingFireExtinguisherSprayingPosition Dalam proyek ini motor servo digunakan untuk
menggerakkan sprayer pemadam api untuk menyemprotkan api memadamkan cairan pada posisi yang
tepat dari area yang terkena kebakaran. Motor servo terutama digunakan untuk gerakan angker. Motor
servo adalah sejenis motor yang menggunakan roda gigi ke roda kontrol secara akurat dan hanya dapat
berputar hingga 180◦. Servo berfungsi sebagai rotor di SFF memindahkan Sprayer Pemadam Kebakaran
menuju lokasi yang tepat.

4.3 FlameDetectionModule (fi gure4a) Untuk mendeteksi api sensor modul telah digunakan dalam
proyek ini [18]. Thismoduleissensitivetotheflick spektrum
api.Perjalananbarangbarangmemutihkanbantuanbiaya gelombang antara kisaran 760nm-1100 nm yang
sebenarnya kisaran cahaya inframerah yang khas. Namun, jangkauan pendeteksiannya hampir 3 meter
dan sudut deteksi 60◦ yang tidak terlalu besar untuk memantau satu kamar. Tapi itu adalah sensor biaya
sangat rendah, ringan hanya 8 gram, waktu respon sangat cepat dan mudah digunakan, yang
membuatnya menjadi pilihan yang tepat dengan, untukprototyping daduperimen.Terminal dan output
pin analog dengan modul dan potensiometer untuk mengubah flesensitivitas. sangat tinggi, maka
output ambang batas tinggi dan rendah perlu disesuaikan.

4.4 GasDetectionModule- (fi gure4b) MQ-2gassensormodule digunakanuntukmemodifikasi [19]. Pada

dasarnya modul sensor gas memiliki pemanas kecil di dalam dan sensor sensitif kimia untuk mendeteksi
berbagai gas. Sebagai contoh, modul sensor gas MQ-2 dapat membedakan gas Petroleum Gas (LPG),
Carmon Monoksida (CO), Hidrogen (H2), Gas Metana (CH4), Asap, Propana (C3H8) dan Alkohol (−OH).
Sensor ini populer karena adanya keputusan, waktu tanggap yang cepat, dan sensitivitas, keandalan
yang tinggi, umur panjang dan keefektifan biaya. Output sensor sebenarnya adalah resistansi analog,
yang dihubungkan dengan resistor beban dan terhubung dengan Analog to Digital Converter (ADC).
Dengan membaca level resistance, kebocoran gas dapat dideteksi. Sejak
5. METODOLOG

I Sistem SFF mengikuti pendekatan pemecahan masalah kompleks dari Fuzzy engineering [22]. Fuzzy
engineering adalah model matematika untuk menangani kombinasi set logika besar yang menyediakan
fasilitas untuk memperluas logika boolean yang biasa. Menerapkan metode ini, ia dapat menangani
spektrum data input yang sebagian benar atau tidak tepat. Oleh karena itu, alih-alih menangani nilai
benar atau salah yang benar, logika sistem dapat menangani berbagai nilai antara
sepenuhnyatruetofalse.Anotherwellknownalgorithmdatafusion [23] diterapkan dalam sistem SFF untuk
menggabungkan hasil atau agregat data yang diamati dari beberapa sensor. Tujuan utama
menggunakan teknik fusi dalam implementasi sistem SFF adalah menghasilkan sinyal informasi api yang
lebih dapat diandalkan. Pada bagian berikut logika fuzzy dan teknik fusi diilustrasikan pada konteks
sistem SFF.

5.1 FuzzyLogicforLocationDetection Fuzzy logic

telah dipilih untuk menentukan lokasi yang tepat dari api [24]. Karena api bisa naik di lokasi manapun
dalam area yang dipantau. Karena jumlah sensor untuk mendeteksi api yang dipasang pada posisi yang
berbeda dari daerah penyebaran sensor, kadang-kadang mendeteksi lokasi kebakaran justru menjadi
sulit. Tanpa logika fuzzy dari pelbagai pembacaan yang sebenarnya dari para jenasensensorensi,
relatifposisi dari apa yang telah ditentukan. Karena, ekspresi dari empat atau empat sensor yang
berbeda yang dipasang di lokasi yang berbeda, satu titik lokasi tunggal dapat diperkirakan. Namun, itu
tidak memberikan hasil yang memuaskan dalam berbagai skenario khusus kapan saja rentang sensor
kurang dan jika ada sejumlah besar sensor. Untuk

pemantauan area yang lebih besar dengan sensor jarak pendek yang murah, situasi semacam ini dapat
dengan mudah terjadi. Oleh karena itu, algoritma logika fuzzy telah dimasukkan ke dalam sistem SFF.
Logika fuzzy digunakan dalam perpustakaan motor servo untuk tujuan penanganan pemadam
kebakaran [25]. Ini menentukan apakah ada target yang menargetkan fi losisi. Lokasi yang tepat
ditentukan berdasarkan logika pengukur dan kesesuaian pembacaan sensor yang berdekatan yang
dipasang pada posisi yang berbeda. Gunakan sensor untuk mengekspos lokasi pemadam kebakaran api.
5.2 FusionMethodforDataAggregation

Ini adalah teknik yang banyak digunakan berdasarkan statistik probabilistik pengamatan dan proses yang
digunakan untuk berbagai aplikasi multi-sensor seperti: pengenalan pola, pemetaan data lingkungan dll
[26, 23]. Metode fusi diimplementasikan dalam SFF untuk membuang kejadian pemalsuan yang menipu
untuk mengurangi alarm palsu seperti asap dari rokok, tembakan las, kebakaran dapur dll [27, 28].
Karena ia dapat membedakan terjadinya kebakaran yang menipu, kapan pun skenario penipuan
terdeteksi, ia mampu mengirim sinyal sebelum insiden kebakaran menjadi awarning. Oneset ofsensors
digabungkan bersama dan teknik fusion data yang dimasukkan untuk menemukan kemungkinan terbaik
untuk melacak kecelakaan dan kesalahan diagnosis [29]. Cocok dengan hanya sensor flame yang tinggi
atau sensor gas mendeteksi gas maka hanya akan mengirimkan sinyal pemalsuan sinyal yang menipu.
Dengan demikian, sinyal sistem SFF menghasilkan sinyal alarm kebakaran yang lebih akurat, lengkap,
dan dapat diandalkan.

6. RESULTDISCUSSION
 Untuk melakukan eksperimen pemantik rokok telah digunakan sebagai sumber api. Setiap kali pemantik
rokok dinyalakan, ia mengirim sinyal dan memicu kebakaran. Eksperimen eksperimental menunjukkan
bahwa metode fusi adaptif adalah solusi yang cocok untuk sensor api untuk pendeteksian api dan isolasi
dari skenario kejadian berulang. Deteksi fi kasi memungkinkan pengiriman sinyal radio telepon melalui
modul GSM. Hasil eksperimen ditunjukkan dalam

berbagai angka. Angka-angka adalah angka 7 hingga gambar 8. Akurasi sistem SFF lebih dari 95%. Kecuali
beberapa skenario yang tidak biasa untuk mendeteksi bahaya api yang menipu. Sebenarnya masalah ini
terjadi karena sistem SFF mempertimbangkan beberapa jumlah input sensor untuk menentukan
peristiwa kebakaran yang sebenarnya. Karena, diperlukan pembacaan ganda yang terkadang benar-
benar berfungsi untuk mencegah pemadam kebakaran. Namun demikian, dengan tulus para peserta
yang melakukan pemeriksaan ulang menjadwalkan kejadian yang menghindar, maka skenario bahaya
kebakaran rancu juga dapat dideteksi. Dengan mana pemantauan atau komite keamanan dapat sadar
dan mengambil tindakan pencegahan.

7. KESIMPULAN

Ada kebutuhan besar akan penerapan sistem pemadam kebakaran otomatis untuk melindungi
kehidupan dan aset dari bahaya kebakaran. Dalam makalah ini, sistem perlindungan kebakaran lengkap
dijelaskan. SFF mengambil sebagian besar prakarsa awal untuk mencegah penyerangan menyebar dan
melakukan semua kegiatan yang diperlukan. Oleh karena itu ini adalah paket lengkap sistem
perlindungan kebakaran. Jenis sistem ini mutlak diperlukan untuk perspektif Bangladesh. Pabrik garmen,
industri, pusat perbelanjaan multi kompleks, toko super, sistem jenis ini bukan hanya persyaratan wajib.
Pemerintah harus menerapkan aturan bahwa sistem pemadam kebakaran SFF atau otomatis harus
dipasang. Oleh karena itu, sistem yang mulia ini dapat digunakan di setiap gedung dan kota pintar untuk
melindungi kehidupan dan aset yang tak ternilai dari api dan menjamin keselamatan.