Itera Mengembangkan Teknologi Untuk Mendeteksi Kerusakan Pada Rel Kereta

Institut Teknologi Sumatera (Itera) bersama PT Kereta Api Indonesia (KAI) telah menjalin kolaborasi strategis untuk mengembangkan teknologi yang dapat mendeteksi kerusakan pada rel kereta api. 

"Kerja sama ini merupakan langkah untuk meningkatkan keselamatan serta efisiensi dalam sistem transportasi kereta api di Indonesia," ungkap Ir Eko Pujiyulianto ST M Eng, Dosen Program Studi Teknik Mesin Itera, di Bandarlampung pada hari Senin.

Ia menambahkan bahwa inisiatif ini melibatkan berbagai disiplin ilmu di Itera, termasuk Teknik Mesin, Teknik Informatika, Teknik Material, dan Teknik Perkeretaapian.

"Tujuan dari kegiatan ini adalah untuk menciptakan model dan metode yang lebih efektif dalam mendeteksi kerusakan pada rel kereta," jelasnya.

Lebih lanjut, ia menyatakan bahwa berbagai kegiatan yang direncanakan mencakup survei lapangan untuk mengidentifikasi area yang rentan terhadap kerusakan, pelatihan bagi pegawai PT KAI agar dapat memahami dan menggunakan model baru, serta penelitian dan pengembangan alat deteksi yang akan diterapkan di lapangan.

Pengembangan model ini dilakukan dengan memanfaatkan teknologi pengenalan citra yang berbasis pada pembelajaran mesin Convolutional Neural Networks (CNN). Penerapan teknologi pengenalan citra dengan machine learning berbasis CNN untuk identifikasi cacat pada permukaan rel kereta memberikan sejumlah keuntungan yang signifikan, ungkapnya.

Eko juga menambahkan bahwa beberapa keuntungan utama dari penggunaan teknologi pengenalan citra dengan machine learning berbasis CNN meliputi peningkatan akurasi dalam deteksi. CNN mampu menganalisis gambar dengan tingkat ketelitian yang tinggi dan mengenali pola-pola yang mungkin tidak dapat dilihat oleh manusia.

“Hal ini sangat membantu dalam mendeteksi cacat pada permukaan rel seperti retakan, deformasi, atau keausan yang mungkin sulit terdeteksi dengan metode konvensional,” ujarnya.

Lebih lanjut, keuntungan utama lainnya dari machine learning berbasis CNN adalah kecepatan pemrosesan yang tinggi. Dengan kemampuannya untuk memproses dan menganalisis gambar dalam waktu yang singkat, CNN memungkinkan deteksi cacat rel secara real-time atau hampir real-time.

"Ini mempercepat proses pemantauan dan perawatan, serta mengurangi waktu yang diperlukan untuk inspeksi manual. Sistem ini juga dinilai mampu memberikan hasil yang konsisten dan dapat direproduksi tanpa terpengaruh oleh kelelahan atau subjektivitas yang sering muncul dalam inspeksi manual. Hal ini meningkatkan keandalan dalam deteksi cacat dan mengurangi risiko kesalahan manusia," tambahnya.

Salah satu keunggulan lain dari pemanfaatan teknologi CNN adalah kemampuannya dalam mendeteksi cacat yang sangat kecil dan tidak terlihat pada pandangan awal. Hal ini memungkinkan identifikasi masalah potensial sebelum berkembang menjadi isu yang lebih besar yang dapat mengancam keselamatan dan kinerja kereta.

"Keunggulan lainnya mencakup pengurangan biaya operasional, kemampuan untuk beradaptasi dan belajar, serta teknologi pengenalan gambar berbasis CNN yang dapat diintegrasikan dengan sistem pemantauan dan kontrol lainnya," ungkap Eko Pujiyulianto.

Ia menambahkan bahwa deteksi cacat pada permukaan rel yang lebih cepat dan akurat berperan penting dalam mencegah kecelakaan serta kerusakan yang dapat membahayakan keselamatan perjalanan kereta api.

"Tentu saja, ini mendukung sistem perkeretaapian yang lebih aman dan dapat diandalkan. Dengan demikian, penerapan CNN untuk pengenalan cacat pada permukaan rel memberikan solusi yang canggih dan efektif dalam meningkatkan kualitas serta keselamatan sistem perkeretaapian," tuturnya.

Tag: Institut Teknologi Sumatera KAI Teknik Mesin Teknologi