AKUISISI DATA PADA MANUFAKTUR CERDAS

Yaser Ihsan1, Anita Susilawati2, Awaludin Martin3

E-mail: yaser.ihsan5366@student.unri.ac.id
Program Studi Teknik Mesin, Fakultas Teknik, Universitas Riau,
Provinsi Riau, Indonesia

ABSTRACT
Data quality plays an essential role in decision-making, as the latter may incorporate some risks
in different application areas. In the context of industry 4.0, the amount, the versatility, and the
speed of information flow for decision-making are important issues. The quality and, in
particular, the dependability of data is paramount. This paper investigates the leading data
quality characteristics in the industry 4.0 environment with the related issues due to various
interactions. It proposes a taxonomy of data sources and flows, from acquisition to the
information extraction level for decision-making.

Keywords: Intelligent manufacturing, data acquisition, data

ABSTRAK
Kualitas data memainkan peran penting dalam pengambilan keputusan, karena yang terakhir
mungkin memasukkan beberapa risiko di area aplikasi yang berbeda. Dalam konteks industri 4.0,
jumlah, keserbagunaan, dan kecepatan arus informasi untuk pengambilan keputusan menjadi isu
penting. Kualitas dan, khususnya, keandalan data adalah yang terpenting. Artikel ini menyelidiki
karakteristik kualitas data terkemuka di lingkungan industri 4.0 dengan masalah terkait karena
berbagai interaksi. Ini mengusulkan taksonomi sumber dan aliran data, dari akuisisi hingga
tingkat ekstraksi informasi untuk pengambilan keputusan.

Kata kunci: Manufaktur cerdas, akuisisi data, data

I. PENDAHULUAN perangkat lunak atas telah menjadi

persyaratan penting dalam inisiatif apa
Dengan kombinasi antara
pun. Tema akuisisi, transmisi, analisis
teknologi informasi dan industri
dan penggunaan informasi secara real
manufaktur, akhir-akhir ini mengalami
time dari mesin yang sedang berjalan,
kebangkitan di negara-negara industri.
dan kemudian umpan balik dari instruksi
Dalam beberapa tahun terakhir, beberapa
ke mesin telah menjadi hotspot dalam
inisiatif industri, seperti “Industry 4.0”,
beberapa tahun terakhir. (Liu et al.,
“Industrial Internet of Things”,
2020).
“Factories of the Future”, dll., telah
diumumkan secara berurutan, yang
Manufaktur cerdas adalah
mengarah pada kebutuhan mendesak.
konsep umum yang mencakup berbagai
Diperlukan peningkatan dari sistem
topik spesifik. Manufaktur cerdas
manufaktur saat ini menuju tingkat
generasi baru mewakili integrasi
kecerdasan dan otonomi yang lebih
mendalam dari teknologi kecerdasan
tinggi. Meskipun tidak memiliki konsep
buatan (AI) generasi baru dan teknologi
yang sama, koneksi yang efektif antara
manufaktur canggih. Ini berjalan melalui
mesin fisik yang lebih rendah dan sistem

1
setiap tautan dalam siklus hidup penuh
desain, produksi, produk, dan layanan.
Konsep ini juga berkaitan dengan
optimasi dan integrasi sistem yang
sesuai; itu bertujuan untuk terus
meningkatkan kualitas produk, kinerja,
dan tingkat layanan perusahaan sambil
mengurangi konsumsi sumber daya,
sehingga mempromosikan
pengembangan industri manufaktur yang
inovatif, hijau, terkoordinasi, terbuka,
dan bersama (Zhou et al., 2018).
Saat ini, seiring dengan
penerapan teknologi informasi generasi
baru di industri dan manufaktur,
misalnya, teknologi dan perangkat
internet digunakan untuk
mengumpulkan berbagai data yang
dihasilkan di seluruh siklus hidup
produk, teknologi cloud digunakan
untuk mewujudkan pengelolaan dan
pemrosesan data, dan kecerdasan buatan
digunakan untuk penambangan data dan
mewujudkan nilai tambah, era
manufaktur berbasis data besar akan
datang (Tao et al., 2019).
Data tingkat mesin dan sistem
dari variabel diskrit dan kontinu dapat
digunakan untuk pemantauan waktu
nyata, penilaian kinerja, dan deteksi
anomali. Variabel berbeda yang terkait
dengan produktivitas dan dinamika alat
berat telah digunakan untuk
mengevaluasi kesehatan alat berat,
mendeteksi kesalahan, dan mengontrol
produksi. Namun, mengekstraksi data
mesin tetap menjadi tantangan
implementasi utama. Perkembangan
terkini dalam Internet of Things (IoT)
industri dan protokol komunikasi telah
menyederhanakan pengumpulan data,
memungkinkan teknik pemantauan
tingkat lanjut (Saez et al., 2018).
Dengan perubahan struktur
ekonomi global dan perkembangan
2
teknologi manufaktur, sistem fisik
jaringan terintegrasi sistem manufaktur
cerdas telah menjadi solusi umum untuk
meningkatkan manufaktur di negara
maju dan berkembang (Guo et al., 2020).
Lokakarya manufaktur cerdas
menggabungkan dengan teknologi
informasi, teknologi jaringan,
manufaktur teknologi, teknologi
otomasi, teknologi manajemen modern,
dan teknologi rekayasa sistem. Ini
mengintegrasikan data real-time bengkel
fisik dan sistem informasi bengkel untuk
mewujudkan orang, mesin, benda, dan
lingkungan di bengkel. Integrasi seluruh
proses dalam lingkungan jaringan
menghilangkan silo informasi
perusahaan dan memiliki berbagai
fungsi seperti penjadwalan produksi
cerdas, pemantauan perangkat cerdas,
diagnosis kesalahan cerdas, manajemen
energi cerdas, dan sebagainya, yang pada
akhirnya meningkatkan efisiensi
produksi bengkel dan meningkatkan
kualitas produk. Mengurangi biaya
produksi (Budi et al., 2019). Di bidang
manufaktur, efisiensi energi adalah tugas
yang menantang karena kompleksitas
sistem manufaktur dan operasi yang
fleksibel dari produk yang sangat
disesuaikan. Teknologi seperti
manajemen cerdas pengambilan
keputusan terus meningkatkan kinerja
peralatan bengkel dan efisiensi
manajemen bengkel, sehingga proses
pembuatan bengkel akhirnya cerdas. Ini
memiliki karakteristik interkoneksi
peralatan cerdas, data real-time yang
tinggi, manajemen produksi terintegrasi,
sinergi jaringan manufaktur, dan analisis
dan umpan balik data real-time (Zhu et
al., 2018).
Untuk informasi tambahan,
seperti konsumsi energi komponen,
posisi kapak dan kecepatan spindel,
disediakan oleh beberapa produsen NC.
Antarmuka ini sebagian besar bersifat
eksklusif, yang beberapa dapat dipetakan data. Dimana jurnal yang dicari
ke protokol standar seperti MT Connect merupakan jurnal yang diterbitkan pada
atau OPC UA, yang membutuhkan tahun 2018, 2019, 2020, 2021, dan 2022.
pengetahuan produsen alat mesin
berpemilik. Namun, baik resolusi, laju Berdasarkan dari sumber literatur
pengambilan sampel, laju transfer, tipe yang telah dibaca dan dipahami,
data maupun keandalan tidak didapatlah poin-poin yang mana dari
distandarisasi, dan oleh karena itu harus poin tersebut penulis menyatukan dalam
disesuaikan dengan kebutuhan spesifik bentuk tulisan mengenai sistem akuisisi
dan diverifikasi oleh peralatan data.
pengukuran tambahan. Misalnya,
Kontrol Fanuc memberikan tingkat III. HASIL DAN PEMBAHASAN
konsumsi energi dalam satuan
Perangkat lunak konfigurasi
persentase [ % ], sedangkan kontrol
SCADA (supervisory control and Data
Siemens menampilkan nilai absolut.
acquisition) dapat mewujudkan akuisisi
Penggunaan nilai konsumsi energi, mirip
data fungsi dan kontrol pemantauan.
dengan log permesinan, sangat ambigu
Lingkungan pengembangan perangkat
dan tunduk pada standar yang
lunak yang biasanya digunakan dalam
bergantung pada kontrol atau produsen.
pemantauan lapisan sistem kontrol
Namun, untuk pemodelan dan
otomatis. Melalui penggunaan mode
pemantauan kualitas produk dan proses,
konfigurasi yang fleksibel, pemantauan
kombinasi data PLC terstruktur dan log
fungsi kontrol otomatis industri dapat
pemesinan semi-terstruktur, untuk
direalisasikan. Dan efisiensi konstruksi
menggabungkan ID bagian, log
sistem adalah sangat tinggi. Ini adalah
pemesinan, dan analisis kualitas
alat perangkat lunak universal dan
selanjutnya, diperlukan.
hierarkis. Dari tingkat aplikasi,
konfigurasi perangkat lunak banyak
Akuisisi dan analisis data
digunakan, termasuk manufaktur,
digunakan untuk meningkatkan
konstruksi dan bidang lainnya. Fungsi
ketersediaan, kinerja, dan kualitas output
yang disediakan termasuk database real-
mesin oleh bantuan pemantauan data
time, kontrol real-time, jaringan,
atau analisis statistik, kehilangan
komunikasi, pembukaan antarmuka data
kualitas dan degradasi komponen dapat
dan dukungan I / O (input dan output)
diidentifikasi pada mesin. Tidak semua
peralatan. Pemantauan meliputi
bentuk data cocok untuk analisis
pemantauan dan pengendalian. Dengan
statistik, mengingat sifatnya yang tidak
bantuan transmisi sinyal komputer dan
terstruktur atau hubungan yang hilang
penerimaan, dapat menyelesaikan
antara input dan output. Untuk
pemantauan, kontrol dan terkait fungsi
menghasilkan data yang andal,
manajemen peralatan atau proses
komprehensif, dan terstruktur yang
otomatis (Chen et al., 2021).
diperlukan untuk aplikasi analitik, data
dari berbagai sumber perlu diperoleh dan
Data utama dalam database real-
digabungkan (Urbikain et al., 2020).
time industri adalah Data proses dari
berbagai peralatan produksi. Data ini
II. METODE PENULISAN
adalah data deret waktu. Basis data yang
Penulis mencari jurnal yang akan terdiri dari data deret waktu tersebut usua
digunakan sebagai sumber literatur yang disebut waktu database seri di akademisi.
berhubungan dengan sistem akuisisi Berbeda dari database relasional

3
tradisional, kebutuhan database time
series untuk menangani aliran data yang
terdiri dari ribuan variabel dan data
variabel dengan cap waktu. Masing-
masing aliran data diidentifikasi dan
diindeks oleh id variabel dan stempel
waktu, sedangkan data variabel biasanya
tidak diindeks.
Karena peralatan mesin adalah
kompleks, sistem mekatronik yang
dikonfigurasi secara individual, akuisisi
data oleh sistem Multi-Saluran termasuk
periferal diperlukan. DAQ perlu
memberikan kumpulan data yang
lengkap, tersinkronisasi, akurat dari
semua komponen perkakas mesin yang
relevan di semua mode perkakas mesin
yang memungkinkan dengan laju
pengambilan sampel yang tinggi,
memungkinkan untuk menerapkan
pendekatan analitik yang berbeda,
seperti efisiensi energi, efisiensi proses,
kesehatan komponen, pemeliharaan
persyaratan dan potensi rekonfigurasi.
Dalam hal skema akuisisi, semua
komponen dan alat bantu yang relevan
perlu dicakup (Ji et al., 2018).
Sistem pengukuran dan
pemantauan multichannel menurut
Gontarz dkk. mengukur kekuatan
konsumsi setiap komponen yang
relevan. Bersama dengan pengukuran
daya, sistem DAQ harus mencakup
ketergantungan kontrol komponen
berdasarkan semua mesin yang mungkin
mode alat termasuk semua komponen
alat mesin aktif. The relevansi untuk
pertimbangan komponen dan mode
adalah didefinisikan oleh ISO 14955.
Gambar 1. Menunjukkan dilakukannya
pengukuran alat mesin untuk benda kerja
uji dan berdasarkan alat mesin uji dalam
konfigurasi standar. Yang berbeda sektor
mewakili konsumsi daya yang relevan
yang berbeda komponen alat mesin,
termasuk semua komponen listrik, udara
4
terkompresi dan aliran media dari sensor
eksternal. The diperlukan output
sampling rate sangat tergantung pada
kasus penggunaan masing-masing:
untuk mendeteksi perilaku komponen
untuk energi dan analisis efisiensi
proses, tingkat sampling output dalam
wilayah 100 Hz dianggap cukup. Untuk
PHM aplikasi, tingkat sampling output
102-104 Hz diperlukan. Untuk memenuhi
Teorema Shannon-Nyquist, oleh karena
itu, tingkat pengambilan sampel akuisisi
harus berada di 104 yang lebih tinggi
Wilayah Hz (Ji et al., 2018).
Gambar 1. Pengukuran Daya saat Proses
Selain itu, semua data yang
disediakan oleh NC dan PLC, sebagai
alternatif sinyal pemicu dari PLC, dapat
diakomodasi. Sistem pengukuran dan
pemantauan multichannel.
Untuk mengukur konsumsi daya dari
setiap komponen yang relevan. Bersama
dengan pengukuran daya, sistem DAQ
harus mencakup ketergantungan kontrol
komponen berdasarkan semua mode
perkakas mesin yang mungkin termasuk
semua komponen perkakas mesin aktif.
(Gittler et al., 2019).
Berdasarkan klasifikasi perilaku
komponen, maka sumber informasi
dipilih sesuai. Secara umum, lima- alat
mesin sumbu membutuhkan 15 hingga
20 titik pengukuran, mewakili
komponen alat mesin penting untuk
detail pengukuran. Oleh karena itu,
akuisisi data dapat mengakibatkan suatu
upaya implementasi. Untuk alasan
penghematan biaya dan adopsi strategi
DAQ, sumber informasi yang berbeda
pada tingkat alat mesin dapat
didefinisikan, tanpa mengorbankan data
akurasi.
Gambaran umum dari semua
sumber data yang dipertimbangkan oleh
DAQ disediakan pada Gambar 2. Ini
membedakan antara sensor eksternal
yang dimiliki DAQ, sensor internal yang
dapat diakses dari alat mesin, dan sensor
virtual ("simulasi') yang digunakan
untuk kasus penggunaan tertentu.
Komponen dikumpulkan berdasarkan
jenis fungsi untuk memungkinkan
analisis yang difasilitasi.
Gambar 2. Gambaran Umum Sistem Akuisisi
Data
Sensor Internal Sesuai dengan
persyaratan yang terkait dengan
penghematan biaya. akurasi, dan
keandalan, semua sensor internal yang
tersedia dan dapat diakses dalam kontrol
alat mesin digunakan dalam pendekatan
yang diusulkan. Misalnya, informasi
daya yang diperlukan tersedia dari
pengontrol drive sebagai bagian dari
loop kontrol drive dan variabel sistem
referensi internal. Hal ini
memungkinkan mengakses informasi
komponen pada komponen alat mesin
yang bergantung pada kontrol, misalnya
spindel, sumbu, atau generator.
5
Sensor Eksternal Sensor eksternal
diperlukan untuk komponen alat mesin
variabel, dan di mana sensor internal
tidak dapat diakses, atau gagal mencapai
akurasi yang diperlukan. Sensor
eksternal juga diperlukan untuk kalibrasi
dan verifikasi internal dalam kombinasi
dengan simulasi terkontrol PLC dan
sensor internal.
Sensor Tervirtualisasi Untuk
komponen konstan atau terkontrol-
konstan, saluran pengukuran virtual,
berdasarkan Model I/O yang
dikendalikan PLC dapat ditentukan,
menghemat biaya integrasi sensor
tambahan. Untuk akurasi tertinggi, baik
pengukuran komponen rinci atau model
fisik dapat diterapkan. Simulasi perlu
mempertimbangkan keadaan komponen
yang relevan, misalnya fase start-up, fase
konstan, dan fase matikan. Input untuk
model ini diberikan oleh negara PLC.
Ada tiga cara utama untuk mencapai
akuisisi data untuk peralatan mesin
CNC, satu adalah mengumpulkan data
dari sisi CNC, yang kedua adalah
mengumpulkan data dari PLC dan modul
I/O yang terhubung, dan yang ketiga
adalah mengumpulkan data langsung
dari sisi tubuh peralatan mesin itu
sendiri. Sisi CNC memiliki antarmuka
komunikasi untuk mengirimkan
informasi ke perangkat eksternal, seperti
koneksi jaringan, RS232, DNC, OPC dll.
Program diagram tangga yang disusun
oleh PLC digunakan untuk
menggerakkan peralatan mesin sesuai
dengan logika tertentu. Sisi tubuh
peralatan mesin termasuk bagian
mekanis dengan perangkat
tambahannya(seperti untuk press - sure
hidrolik, tekanan udara, pendinginan,
pelumasan, pelepasan chip, dan
sebagainya) dan panel operasi, saluran
relai, saluran kuat daya mesin, dll. Oleh
karena itu, menurut tiga cara, tiga
metode yang sesuai dapat digunakan
untuk mengumpulkan data dari alat
mesin (Liu et al., 2020).
Metode I: akuisisi data berdasarkan
antarmuka komunikasi standar. Saat ini,
sebagian besar peralatan mesin telah
dilengkapi dengan port serial RS232,
port yang paling umum digunakan.
Selain itu, mereka yang memiliki DNC
dan antarmuka jaringan juga dilengkapi
dengan dukungan perangkat lunak yang
sesuai. Untuk Fanuc, Hass, Mitsubishi
dan beberapa merek lainnya, peralatan
mesin dilengkapi dengan
macroinstructions untuk output
eksternal. The macroinstructions-tions
output nilai variabel alamat dengan port
serial, yang cor-merespon status
peralatan mesin. Akibatnya, data atau
status peralatan mesin dapat dicapai
dengan memantau variabel alamat ini.
Kasus-kasus yang berbeda untuk sistem
Siemens sebelum 840D, yang tidak akan
secara otomatis output data pada status
berjalan ketika memperoleh pro - gram
mengeksekusi. Sebaliknya, data
disimpan dalam variabel "R" selama
pemrosesan sementara ditransfer ke port
serial dan komputer setelah proces - sing.
Oleh karena itu, ada masalah bahwa jika
Multi-modifikasi selama pemrosesan,
nilai variabel "R "hanya akan
mengembalikan data terbaru.
Metode II: metode akuisisi data
BERBASIS PLC. Sinyal alamat terkait
dalam diagram tangga PLC adalah
sumber data pemantauan. Setiap alamat
input dan output sesuai dengan pin soket
atau steker, sehingga sinyal pin setara
dengan sinyal alamat input dan output
PLC. Dibandingkan dengan kontak input
dan output PLCI/O, sirkuit listrik
periferal alat mesin bertegangan tinggi,
yang tidak dapat langsung dihubungkan
dengan sinyal bertegangan rendah dari
PLC. Sebuah converser sirkuit
6
antarmuka diperlukan untuk
mengubahnya menjadi sinyal PLC
diterima.
Metode III: akuisisi data berdasarkan
rangkaian listrik. Data mon-itoring
sebenarnya adalah sinyal yang
dikumpulkan dari relay listrik ap-paratus
dan Kontaktor sirkuit periferal mesin dan
ditransmisikan oleh sirkuit penerima dan
penggerak papan I/O PLC. Relay dan
Kontaktor dalam rangkaian listrik alat
mesin akhirnya menggerakkan katup
solenoid hidrolik atau pneumatik yang
mengendalikan perpustakaan alat,
manipulator dan meja putar, dll. ,
sehingga dapat mewujudkan proses
pemesinan. Oleh karena itu, setelah relay
atau kontaktor yang sesuai dengan sinyal
output PLC ke sisi alat mesin dan sinyal
input dari sisi alat mesin ke PLC
ditemukan, data pemantauan dapat
diambil. Setiap kali sinyal output terjadi
perubahan tegangan, tegangan relay dan
kontaktor akan berubah sejalan, dan
yang terakhir dapat dibaca melalui
sirkuit eksternal. Dengan cara ini, status
yang sesuai dari alat mesin tercapai.
Jenis data yang diperoleh berdasarkan
port serial termasuk waktu mulai dan
mati, kecepatan spindel, laju umpan,
koordinat alat mesin, Nomor alat, dll.
Status pemrosesan termasuk nama
program NC, nomor bagian, waktu
pemrosesan, jumlah bagian, dan
sebagainya. Sedangkan jenis data yang
diperoleh berdasarkan PLC dan
rangkaian listrik dapat mengumpulkan
sebagian besar jenis informasi status
selama operasi, termasuk sinyal
switching, sinyal daya, sinyal pembuka,
sinyal kesalahan, sinyal run NC, dll.
1. Programmable Logic Controller
(PLC)
PLC adalah singkatan dari
"Programmable Logic Controller". PLC
dirancang khusus untuk operasi yang
dapat diandalkan di lingkungan bisnis
yang keras. Pengontrol yang dapat
diprogram adalah sistem kontrol yang
dapat diprogram pengguna solid state
yang digunakan untuk fungsi luar biasa
seperti logika kontrol, mengatur urutan,
pengaturan waktu, dan manipulasi
catatan aritmatika dan dapat
menghitung. Karena PLC adalah jenis
komputer, maka PLC juga terdiri dari
CPU, daerah memori seperti (RAM,
ROM, dan sebagainya), dan sirkuit yang
sesuai untuk memperoleh dan
mengirimkan data input/output. PLC
dianggap sebagai bidang yang penuh
dengan relai, penghitung, timer, dan
lokasi penyimpanan statistik terpisah
yang tak terhitung banyaknya yang tidak
ada secara fisik melainkan disimulasikan
dan dapat dianggap sebagai perangkat
lunak penghitung, pengatur waktu, dll.
(Patel et al., 2021).
Gambar 3. Komparasi PLC
Jaringan Sistem terutama dibagi
menjadi tiga lapisan: lapisan peralatan,
lapisan bengkel, dan lapisan sistem.
Peralatan mesin CNC di bengkel target
sistem semuanya memiliki port Ethernet.
Oleh karena itu, metode machine tool
networking menggunakan koneksi
jaringan berbasis Ethernet Industri dan
teknologi TCP/IP. Struktur jaringan di
bengkel mengadopsi topologi kombinasi
cincin-dan-bintang di setiap area.
Konfigurasikan sakelar Jaringan.
Sakelar dihubungkan oleh serat optik
7
dan membentuk jaringan cincin. Struktur
bintang diadopsi di dalam area, dan alat
mesin CNC dan komputer industri di
tempat terhubung ke sakelar regional
yang sesuai melalui port Ethernet. Server
sistem dan mesin manajemen
mengontrol semua peralatan mesin
melalui koneksi Ethernet industri,
pemantauan status real-time dari setiap
alat mesin CNC, dan akuisisi,
penyimpanan, dan analisis statistik dari
Data proses. Jaringan bengkel perlu
diintegrasikan dengan LAN perusahaan.
Mempertimbangkan masalah keamanan
komunikasi, jaringan bengkel diisolasi
dari LAN perusahaan melalui firewall
perangkat keras, yang dapat
meningkatkan keamanan jaringan
bengkel sampai batas tertentu. Melalui
metode jaringan ini, alat mesin bengkel
dapat diintegrasikan dengan seluruh
jaringan perusahaan, dan pemantauan
online jarak jauh dari peralatan mesin
CNC di bengkel dapat langsung
direalisasikan, yang dapat memenuhi
persyaratan Informatisasi perusahaan,
dan pada saat yang sama, jaringan
seluruh sistem diisolasi oleh jaringan
bengkel dan jaringan perusahaan melalui
firewall.
2. Protokol MTConnect
Dalam protokol MTConnect,
adaptor bertanggung jawab untuk
komunikasi langsung dengan mesin
CNC, dan data dikumpulkan dan dikirim
ke agen. Sistem FANUC CNC
menyediakan kit pengembangan FOCAS
bagi pengguna untuk mengumpulkan
data alat berat. Oleh karena itu, kit
pengembangan FOCAS dapat
mewujudkan akuisisi data adaptor ke
peralatan mesin. FOCAS adalah paket
perangkat lunak komunikasi dan basis
informasi CNC yang disediakan oleh
FANUC untuk pengguna. Hal ini dapat
menghubungkan PC dan sistem CNC
melalui Ethernet (TCP/IP) atau HSSB
(High Speed Serial Bus) untuk bertukar
berbagai data dan informasi untuk
mewujudkan peralatan mesin.
Pengumpulan data waktu nyata. (Tao et
al., 2018).
FOCAS merangkum protokol
komunikasi yang mendasari CNC,
memungkinkan pengguna menggunakan
C++ untuk memanggil antarmuka,
menyelesaikan pertukaran informasi
dengan sistem CNC, dan menggunakan
FOCAS untuk pengumpulan informasi
CNC. FOCAS menyediakan 18 jenis
fungsi fungsi seperti sumbu kontrol
CNC, terkait program NC, manajemen
alat, dan informasi alarm. Fungsi fungsi
ini memungkinkan akuisisi data mesin
secara real-time. Oleh karena itu,
menurut standar MTConnect, artikel ini
menetapkan model informasi peralatan
perkakas mesin CNC di bengkel sasaran
untuk persyaratan akuisisi data perkakas
mesin CNC di bengkel dan komponen
perkakas mesin. Model informasi
peralatan peralatan mesin CNC terutama
mencakup tiga komponen: sumbu,
pengontrol, dan sistem: Subsistem poros
terdiri dari poros dan tiga sumbu umpan
X, Y, dan Z. Subbagian pengontrol
memproses informasi jalur, dan
subsistem dari sistem adalah sistem
informasi kelistrikan (Guo et al., 2020).
Gambar 4. Ilustrasi Skema MTConnect
8
Perangkat Fisik Lapisan pertama
mencakup perangkat fisik di mana data
pemesinan real-time dari peralatan
mesin dikumpulkan dari pengontrol
CNC.
PC Server – Adaptor dan Agen
MTConnect Melalui jaringan TCP/IP,
alat mesin fisik terhubung ke salah satu
elemen inti MTConnect, yang disebut
Adaptor MTConnect. Koneksi ini
memungkinkan transmisi semua data
pemesinan waktu nyata dari pengontrol
CNC ke Adaptor MTConnect. Saat
menerima data, adaptor menetapkan ID
unik untuk setiap item data dan
mengubahnya menjadi format SHDR
(Simple Hierarchical Data
Representation) (Erazo et al., 2021).
Juga, stempel waktu adaptor setiap item
data. Selanjutnya, data ini akan dikaitkan
dengan item data MTConnect dan
terakhir, adaptor MTConnect memfilter
data yang digandakan dan terus
mengirimkan data yang difilter ke Agen
MTConnect, elemen inti MTConnect
lainnya. Agen MTConnect menyertakan
model informasi alat mesin berbasis
MTConnect. Model ini adalah file XML
yang mewakili struktur logis alat mesin,
seperti komponen penting dan item
datanya. Agen MTConnect menerima
data SHDR dari Adaptor MTConnect
dan mengaitkan setiap item data dengan
komponen terkaitnya dalam model
informasi menggunakan ID uniknya.
Dengan melakukan ini, data dari sumber
yang berbeda dapat dikelompokkan
untuk mengkarakterisasi status
komponen tertentu. Agen MTConnect
memiliki peran server web yang
memformat semua data waktu nyata ke
dalam file XML dan mengirimkan file
XML ini ke aplikasi lain sesuai dengan
permintaan HTTP tertentu menggunakan
protokol TCP/IP (Guo et al., 2021).
Aplikasi – DSS Lapisan ini terdiri dari
sistem pendukung keputusan, yang
dikembangkan menggunakan Microsoft
Excel. Dasbor berbasis Excel diisi oleh
data MTConnect yang digunakan
operator untuk memantau mesin CNC
secara efektif. Dasbor memiliki
database, yang secara lokal menyimpan
data pemesinan yang diberi cap waktu.
Excel adalah alat canggih yang
memungkinkan pengembangan kode
VBA back-end dan analitik front-end
menggunakan data yang disimpan.
Dengan demikian, Excel tidak hanya
berfungsi sebagai database data tetapi
juga panel depan, yang berinteraksi
dengan operator. Agen MTConnect
memberikan data yang mudah diakses
pada interval waktu tertentu
menggunakan kode VBA dan tabel kueri
dari Excel. Excel dilengkapi dengan
parser XML bawaan untuk memproses
dan memetakan data ke selnya.
Menganalisis data, kami mengusulkan
DSS yang menyediakan visualisasi data
intuitif untuk memfasilitasi pengambilan
keputusan pada tiga aplikasi: i) kontrol
produksi, ii) pemeliharaan preventif, dan
iii) analisis konsumsi energi.
Salah satu masalah paling
mendasar yang dihadapi bengkel
manufaktur cerdas saat ini adalah
pengumpulan data dan integrasi banyak
perangkat di bengkel fisik. Peralatan
otomatis menjadi semakin populer di
bidang manufaktur. Peralatan ini
menghasilkan sejumlah besar data kapan
saja dan di mana saja dalam proses
produksi. Sangat penting untuk
mengumpulkan data pembuatan
peralatan untuk mewujudkan
interkoneksi informasi dari berbagai
elemen di bengkel. MTConnect adalah
standar komunikasi perangkat tingkat
bengkel serbaguna yang telah diadopsi
secara luas oleh FANUC, Siemens,
Mazak, dan banyak produsen perangkat
9
lainnya selama bertahun-tahun. Untuk
banyak antarmuka data di bengkel,
MTConnect menyediakan metode umum
dan metode komunikasi untuk peralatan
pabrik, aset, dan data. Ini bukan
teknologi baru, tetapi sistem terbuka
berdasarkan definisi teknologi internet
HTTP dan XML yang banyak
digunakan. Standar seks. Terbuka,
extensible, dan open source fitur gratis
MTConnect membuat MTConnect
sangat sesuai dengan" plug and play "
persyaratan untuk pengumpulan data
perangkat di pabrik cerdas.
Menurut standar MTConnect,
artikel ini menggunakan bahasa XML
untuk menggambarkan jenis informasi
perangkat di lantai toko. XML adalah
format data teks umum, yang dapat
dengan jelas menggambarkan komposisi
perangkat, secara akurat menentukan
tipe data dan metode pemantauan yang
dipantau oleh perangkat, dan formatnya
sangat skalabel, yang nyaman bagi
pengguna untuk menyesuaikan dan
memperluas, cocok untuk integrasi
jaringan. Fitur manufaktur mudah
diintegrasikan dengan sistem atas.
3. Low-Cost Data Acquisition System
Menurut Sarma et al. (2018),
Metode ini dapat dilihat dari diagram
blok yang ditunjukkan pada Gambar 3.
Ini terutama terdiri dari unit sensing,
diikuti oleh unit pemrosesan sinyal
(SPU). Output dari SPU kemudian
diubah menjadi bentuk digital untuk
diproses lebih lanjut, oleh Arduino UNO
Development Board (AUDB). Output
dari AUDB dikirim ke PC melalui port
serial untuk pemantauan dan tampilan
waktu nyata. Tahapan yang berbeda dari
sistem yang diusulkan dibahas secara
singkat di bawah ini:

Sensing Fiber loop digunakan sebagai
sensor untuk mengukur volume cairan
yang dikumpulkan dalam gelas kimia
yang terpasang padanya. LED merah
serat optik plastik (IFE91A) digunakan
untuk menerangi serat. IFE91A adalah
LED inframerah kecepatan sedang
keluaran tinggi dalam paket 'tanpa
konektor' yang cocok untuk aplikasi
serat optik. Sistem penginderaan diatur
sedemikian rupa sehingga ketika gelas
kosong, loop serat stabil dan sesuai
dengan tegangan output maksimum pada
ujung detektor. Ketika gelas secara
bertahap diisi dengan tetesan cairan,
berat cairan dan gelas berubah bentuk
loop serat dari lingkaran ke elips, dan
tegangan output mulai turun. Perubahan
tegangan output diukur dengan transistor
foto (IFD92) yang kompatibel untuk
aplikasi serat optik.
Unit Pemrosesan Sinyal (SPU) Output
dari fototransistor diterapkan ke sirkuit
pengkondisi sinyal untuk diproses lebih
lanjut. Unit pengkondisian sinyal
terutama terdiri dari Penguat
Instrumentasi (IA) AD620. Ini adalah IA
berbiaya rendah dan akurasi tinggi yang
hanya membutuhkan satu resistor untuk
mengatur penguatan output dari sekitar 1
hingga 10.000. Ini memiliki dua input:
satu pembalik dan yang lainnya non-
pembalik. IA memperkuat tegangan
input diferensial yang diterapkan pada
pin tersebut. Dalam sistem yang
diusulkan, nilai 560Ω digunakan antara
pin gain dan karenanya memperkuat
output yang terdeteksi dari fototransistor
dengan gain sekitar 89 dan kemudian
mengirimkannya ke AUDB. Catu daya
±15V digunakan untuk memberi daya
pada rangkaian.
Papan Pengembangan Arduino UNO
(AUDB) Arduino adalah papan berbasis
mikrokontroler (μC) yang berfungsi
10
sebagai platform komputasi fisik. Ini
menggunakan ATmega328 dan memiliki
lingkungan pengembangannya sendiri
untuk membuat perangkat lunak untuk
board. Ini memiliki empat belas (14) pin
input/output digital, di mana enam (6)
dapat digunakan sebagai output
modulasi lebar pulsa (PWM) dan
sepasang pin transmisi serial. Selain itu,
ia juga memiliki enam (6) input analog,
ditandai sebagai A0 hingga A5 di papan.
Setiap input analog menawarkan resolusi
10 bit memberikan resolusi 4,88 mV
untuk tegangan operasi 5V. Sebuah
osilator kristal 16 MHz memasok
frekuensi yang diinginkan ke pengontrol.
Selain itu, ini juga terdiri dari colokan
listrik, header In Circuit Serial
Programming (ICSP), dan tombol reset.
Ini didukung melalui port USB atau
dengan catu daya eksternal 5V. Ini
memberikan keandalan dan daya tahan
yang baik bahkan ketika digunakan di
lingkungan yang tidak bersahabat. Untuk
sistem yang diusulkan, A0 digunakan
untuk input analog dalam rentang
tegangan 0 hingga 5V (Teli, 2018).
4. Sistem Akuisisi Data Terintegrasi
Sistem akuisisi data terintegrasi
dalam IMT dengan mendistribusikan
berbagai sensor pada lokasi tertentu pada
mesin perkakas, pemotong, dan benda
kerja (Tong et al., 2019). Sistem ini
memberikan persepsi yang tepat dan
spesifik tentang proses pemesinan.
Sensor dapat terutama tertanam dalam
sistem kontrol servo, sebagai encoder
posisi/sudut, sensor torsi, sensor arus,
sensor tegangan. Ada juga perangkat
untuk merasakan kondisi kerja:
termometer, akselerometer getaran,
sensor perpindahan getaran, mikrofon,
sensor emisi akustik (AE), pembaca
RFID untuk pengenalan kode, soket
konsumsi energi, dan kamera industri.
Sensor untuk evaluasi dan pengukuran
kualitas menyimpulkan dinamometer,
probe, pemindai laser, dll. Selain itu,
akuisisi sinyal memerlukan komponen
akuisisi kinerja tinggi dan akurasi tinggi,
yang harus kompatibel dengan berbagai
persyaratan akuisisi. Sensor dan
komponen omnidirectional ini adalah
perangkat keras dasar untuk digitalisasi
dan pemetaan peralatan mesin (Guo,
2022).
Akuisisi data real-time dicapai
dengan mentransfer data dari lapisan
jaringan ke lapisan data untuk layanan
data dan penyimpanan data. Layanan
data bertanggung jawab atas keandalan
tinggi, transmisi latensi rendah dari data
berkapasitas tinggi, waktu nyata tinggi,
dan perlakuan awal data. Penyimpanan
sementara dan penyimpanan data yang
persisten sebagian besar diselesaikan
oleh penyimpanan data. Karena protokol
kontrol transmisi (TCP) memiliki
karakteristik respons pengakuan dan
kontrol transmisi ulang, baik data
kondisi kerja maupun data sensor
eksternal ditransmisikan berdasarkan
TCP untuk memastikan keandalan data
yang tinggi. Baik penyimpanan
sementara dan penyimpanan persisten
digunakan. Penyimpanan sementara
terutama digunakan untuk caching dan
direalisasikan oleh database Redis.
Karena data dalam Redis disimpan
dalam RAM, kecepatan baca/tulis cepat,
dan transmisi data dengan latensi rendah
dapat dipastikan, yang dapat memastikan
pemantauan waktu nyata. Selain itu,
untuk memastikan bahwa pengguna
menggunakan data sesuai permintaan,
teknologi pipa di Redis digunakan untuk
memisahkan sambungan antara data dan
pengguna (Wang et al., 2019).
Data yang berbeda dapat
diperoleh sesuai dengan konten
pemantauan yang berbeda. Untuk
penyimpanan persisten, database
MongoDB digunakan. Konten database
11
Redis disinkronkan ke database melalui
sinkronisasi master-slave, yang
memfasilitasi pemutaran nanti.
Transmisi data multimedia dilakukan
dengan menggunakan teknologi web
real-time communication (WebRTC),
dan penetrasi network address
translation (NAT) digunakan untuk
memastikan latency rendah dari
transmisi data multimedia (Wang, 2018).
Penerapan pendekatan
pengukuran ini mengarah pada kasus
penggunaan, terkait dengan evaluasi dan
optimalisasi proses produksi dan
komponen mesin. Berdasarkan kasus
penggunaan yang diperoleh, analisis atau
data mentah dan agregat yang akan
dianalisis ditransmisikan ke masing-
masing sistem atau operator utama.
Contoh untuk kasus penggunaan yang
relevan berdasarkan versi sistem
pemantauan yang lebih sederhana
ditunjukkan. Ini menggambarkan DAQ
yang digunakan untuk memantau
konsumsi sumber daya di lantai toko dan
integrasinya ke dalam lingkungan
kontrol manufaktur. Pendekatan ini
menunjukkan bahwa keyelement
berdasarkan data yang diperoleh adalah
kuantifikasi yang akurat dari perilaku
komponen di workshop, tingkat alat
mesin dan komponennya. Pendekatan ini
menunjukkan lebih lanjut bahwa,
berdasarkan pengetahuan perilaku
komponen, optimasi arsitektur DAQ
yang berbeda untuk penghematan biaya
dan upaya implementasi dapat
diterapkan. DAQ dapat dianggap sebagai
hubungan silang antara komponen mesin
dan instance kontrol manufaktur, seperti
MES. Aplikasi tambahan yang saat ini
telah diverifikasi, adalah penentuan
status degradasi bahan habis pakai dalam
mesin bantu. Berdasarkan siklus uji yang
dilakukan oleh komponen,
penyimpangan kritis dapat diukur
melalui DAQ untuk menentukan kondisi Chen, Y. J., & Zhou, F. L. (2021).
bahan habis pakai. Research and design of data
acquisition and monitoring system
IV. KESIMPULAN for intelligent production line of
prefabricated building components.
Akuisisi data dalam sistem
Journal of Physics: Conference
produksi non-otomatis jauh lebih sulit
Series, 2029(1), 012098.
daripada yang otomatis. Secara khusus,
sulit untuk mendapatkan data aktivitas
Erazo Navas, C. F., Yepes, A. E.,
karyawan dan peredaran material dalam
Abolghasem, S., & Barbieri, G.
sistem produksi. Solusi standar untuk
(2021). MTConnect-based decision
situasi ini adalah penggunaan sistem
support system for Local Machine
identifikasi otomatis. Berbagai jenis
Tool Monitoring. International
sistem identifikasi otomatis memainkan
Journal of Procedia Computer
peran tertentu dalam perusahaan,
Science, 180, 69–78.
memungkinkan perolehan data yang
tidak dikumpulkan dengan elemen
Gittler, T., Gontarz, A., Weiss, L., &
otomasi industri dan sistem kontrol.
Wegener, K. (2019). A fundamental
Sistem identifikasi otomatis dapat dilihat
approach for data acquisition on
sebagai sumber data yang paralel dengan
machine tools as enabler for
sistem kontrol atau sumber data utama.
Analytical Industrie 4.0
Applications. Procedia CIRP, 79,
UCAPAN TERIMAKASIH
586–591.
Penulis menyampaikan terima
Guo, H., Zhu, Y., Zhang, Y., Ren, Y.,
kasih kepada semua orang yang terlibat,
Chen, M., & Zhang, R. (2021). A
khususnya yang telah membantu dan
digital twin-based layout
membimbing hingga penulis dapat
optimization method for Discrete
menyelasaikan tulisan ini dengan baik.
Manufacturing Workshop. The
Dan juga kepada teman-teman yang
International Journal of Advanced
selalu mensuport hingga dapat
Manufacturing Technology, 112(5-
menyelesaikan tulisan ini. Serta, penulis
6), 1307–1318.
juga menyampaikan terima kasih kepada
orang tua penulis yang telah mendukung
Guo, M., Fang, X., Hu, Z., & Li, Q.
pendidikan penulis selama ini. Semoga
(2022). Design and research of
semuanya diberi keberkahan dan
Digital Twin Machine Tool
keselamatan oleh Tuhan Yang Maha Esa
Simulation and Monitoring System.
International Journal of Advanced
DAFTAR PUSTAKA
Robotic Systems.
Budi Harja, H., Prakosa, T., Yuwana
Martawirya, Y., Nurhadi, I., & Guo, Y., Sun, Y., & Wu, K. (2020).
Sagisky Januartha, A. (2019). Research and development of
Development of real time machine monitoring system and data
tools component utilization data monitoring system and data
acquisition for developing dynamic acquisition of CNC machine tool in
model of maintenance scheduling. Intelligent Manufacturing.
E3S Web of Conferences, 130, International Journal of Advanced
01015.

12
 Robotic Systems, 17(2),
172988141989801.
Ji, W., Yin, S., & Wang, L. (2018). A big
data analytics based machining
optimisation approach.
International Journal of Intelligent
Manufacturing, 30(3), 1483–1495.
Liu, W., Kong, C., Niu, Q., Jiang, J., &
Zhou, X. (2020). A method of NC
Machine Tools Intelligent
Monitoring System in smart
factories. Robotics and Computer-
Integrated Manufacturing, 61,
101842.
Patel, D. K., Jogani, V., Bhajiyawala, P.,
Modi, A., & Panchal, P. (2021).
Technological Revolution in
Industrial Automation Using PLC.
International Journal of Scientific
Research in Computer Science,
Engineering and Information
Technology, 514–519.
Sarma, P., Singh, H. K., & Bezboruah, T.
(2018). A real-time data acquisition
system for Monitoring Sensor Data.
International Journal of Computer
Sciences and Engineering, 6(6),
539–542.
Saez, M., Maturana, F. P., Barton, K.,
& Tilbury, D. M. (2018). Real-
time manufacturing machine and
system performance monitoring
using internet of things. IEEE
Transactions on Automation
Science and Engineering, 15(4),
1735–1748.
Tao, F., Cheng, J., Qi, Q., Zhang, M.,
Zhang, H., & Sui, F. (2019). Digital
twin-driven product design,
manufacturing and service with Big
Data. The International Journal of
13
Advanced Manufacturing
Technology, 94(9-12),
Tao, F., Qi, Q., Liu, A., & Kusiak, A.
(2018). Data-driven smart
manufacturing. International
Journal of Manufacturing Systems,
48, 157–169.
Teli, S. (2015). Smart real time
embedded arduino based data
acquisition system. International
Journal of Research in Engineering
and Technology, 04(08), 258–262.
Tong, X., Liu, Q., Pi, S., & Xiao, Y.
(2019). Real-time machining data
application and service based on
IMT Digital Twin. International
Journal of Intelligent
Manufacturing, 31(5), 1113–1132.
Urbikain, G., & López de Lacalle, L. N.
(2020). Monithor: A complete
monitoring tool for machining data
acquisition based on FPGA
programming International Journal
of Intelligent Manufacturing, 11,
100387.
Wang, J., Ma, Y., Zhang, L., Gao, R. X.,
& Wu, D. (2018). Deep Learning for
Smart Manufacturing: Methods and
Applications. International Journal
of Manufacturing Systems, 48, 144–
156.
Wang, Y. S., He, L. S., Gao, Z. Q.,
Wang, J. F., & Cao, Y. F. (2019).
Remote Monitoring for the
Operation Status of CNC Machine
Tools Based on HTML5. Advances
in Technology Innovation, 4, 260–
268.
Zhou, J., Li, P., Zhou, Y., Wang, B.,
Zang, J., & Meng, L. (2018).
Toward new-generation intelligent
 manufacturing. International
Journal of Engineering, 4(1), 11–
20.

Zhu, K., & Zhang, Y. (2018). A cyber-

physical production system
framework of SMART CNC
Machining Monitoring System.
IEEE/ASME Transactions on
Mechatronics, 23(6), 2579–2586.

14