BRIN Kembangkan Teknologi Sensor dan AI untuk Deteksi Kerusakan Motor
rakyatkayong.com – Badan Riset dan Inovasi Nasional (BRIN) mendorong pengembangan material cerdas untuk sensor dan pemanen energi, sekaligus teknologi pendeteksi gangguan mesin berbasis machine learning. Inovasi tersebut dinilai berpotensi mendukung sistem industri yang lebih andal dan efisien.
Dua topik itu dibahas dalam Webinar Pusat Riset Mekatronika Cerdas (PRMC) BRIN Seri #4 yang digelar Kelompok Riset Dinamika dan Kendali Cerdas pada Selasa (20/10/2026).
Kepala PRMC BRIN, Yanuandri Putrasari, mengatakan kegiatan tersebut menjadi ruang pertukaran pengetahuan yang mempertemukan perspektif akademisi dan praktisi industri.
“Kedua tema ini relevan dengan kebutuhan dunia pendidikan, akademisi, industri, maupun masyarakat umum. Saya berharap webinar ini dapat menjadi wadah berbagi pengetahuan, diskusi, dan membangun kolaborasi riset ke depannya,” ujarnya.
Material Piezoelektrik Berpotensi Panen Energi
Dalam sesi pertama, Suprapto dari Universitas Negeri Medan memaparkan pengembangan material komposit piezoelektrik PVDF/PZT untuk aplikasi sensor dan energy harvesting atau pemanen energi.
Material piezoelektrik memiliki kemampuan mengubah tekanan atau getaran mekanis menjadi energi listrik. Kemampuan tersebut berpotensi dimanfaatkan untuk mendukung perangkat berdaya rendah, pemantauan kondisi mesin, serta sistem yang dapat memanfaatkan energi dari lingkungan sekitarnya.
Pengembangan komposit PVDF/PZT dilakukan dengan menggabungkan karakteristik kedua material untuk memperoleh respons piezoelektrik yang sesuai kebutuhan. Proses fabrikasi dan karakterisasi juga menjadi bagian penting dalam menghasilkan material dengan kinerja yang diharapkan.
Teknologi ini membuka peluang pengembangan sensor yang fleksibel sekaligus mendukung kebutuhan pemantauan pada berbagai aplikasi teknik.
Machine Learning Bantu Kenali Gangguan Motor
Topik berikutnya disampaikan Widagdo Purbowaskito, spesialis Electrical Signature Analysis di Samotics B.V., Belanda. Ia membahas metode diagnosis gangguan pada motor induksi dengan menggabungkan pemodelan berbasis fisika dan machine learning.
Pendekatan tersebut memanfaatkan data tegangan dan arus listrik untuk mengenali indikasi kerusakan pada motor. Perilaku mesin yang diperkirakan melalui model dibandingkan dengan hasil pengukuran aktual.
Perbedaan antara hasil prediksi dan pengukuran, yang disebut residual, kemudian dianalisis untuk menemukan pola yang dapat mengindikasikan gangguan.
Meski menawarkan peluang untuk meningkatkan pemantauan kondisi mesin, metode ini masih menghadapi sejumlah tantangan. Perubahan beban, kondisi operasi yang beragam, serta terbatasnya data kerusakan yang telah teridentifikasi dapat memengaruhi proses diagnosis.
Riset dan Industri Perlu Berkolaborasi
Melalui webinar tersebut, PRMC BRIN mempertemukan hasil riset perguruan tinggi dengan pengalaman praktisi industri. Kedua pendekatan yang dibahas memiliki fungsi berbeda, tetapi dapat saling melengkapi dalam pengembangan teknologi elektrifikasi.
Material piezoelektrik berpotensi mendukung pengembangan sensor dan pemanfaatan energi, sedangkan diagnostik berbasis model dan machine learning dapat membantu mengenali gangguan mesin lebih dini.
Pengembangan kedua bidang tersebut diharapkan dapat memperkuat penerapan teknologi yang lebih andal dan berkelanjutan, terutama untuk kebutuhan pemantauan serta pemeliharaan peralatan industri.
