Selamat datang di repositori proyek Capstone saya untuk program Student Development Initiative (SDI) hasil kolaborasi Hacktiv8 dan IBM SkillsBuild. Proyek ini menggabungkan data sensor industri dan kecerdasan buatan (AI) berbasis Large Language Model (LLM) untuk menghasilkan laporan teknis otomatis terkait kondisi mesin dalam tiap shift kerja.
Proyek ini bertujuan untuk:
- Melakukan analisis data sensor industri secara otomatis
- Membuat ringkasan laporan harian tiap shift menggunakan LLM IBM Granite
- Menemukan insight penting, seperti anomali, fluktuasi suhu, dan saran perawatan mesin
- Menyediakan sistem pendukung keputusan bagi teknisi industri
Dataset yang digunakan merupakan data sensor dari lingkungan industri otomasi, yang mencatat data suhu, tekanan, dan getaran secara berkala. Terdiri dari 1000 entri dengan fitur sebagai berikut:
| Kolom | Deskripsi |
|---|---|
Timestamp |
Waktu pencatatan data |
Temperature (°C) |
Suhu mesin dalam derajat Celcius |
Pressure (bar) |
Tekanan sistem dalam satuan bar |
Vibration (mm/s) |
Getaran dalam milimeter per detik |
RMS Vibration |
Nilai RMS dari getaran |
Mean Temp |
Rata-rata suhu |
Fault Label |
Klasifikasi kondisi mesin (0: No Fault, 1: Bearing Fault, 2: Overheating) |
🔗 Sumber: Industrial IoT Fault Detection Dataset – Kaggle
- Python + Pandas: Injeksi, pembersihan dan manipulasi data
- Matplotlib & Seaborn: Visualisasi data dan insight
- IBM Granite via Replicate API: Text generation LLM
- Langchain: Wrapper model Granite
- Google Colab: Eksekusi pipeline analisis
- GitHub: Dokumentasi dan penyimpanan file proyek
-
Data Preprocessing
Dataset diubah ke format per shift (per jam) -
Prompt Engineering
Setiap shift dibentuk menjadi prompt untuk LLM -
Summarization dengan IBM Granite
Menggunakan modelgranite-3.3-8b-instructuntuk menyusun laporan teknisi -
Evaluation & Visualisasi
Insight dari hasil LLM divisualisasikan untuk memudahkan identifikasi masalah
File utama proyek ini:
📄 Capstone_Project_SDI_(1).ipynb
Notebook ini mencakup seluruh proses:
- Pembersihan data
- Prompt builder
- Pemanggilan model Granite
- Evaluasi dan grafik insight
| Visualisasi | Deskripsi |
|---|---|
LLM_Temperature_Overlay.png |
Tren suhu dengan garis vertikal insight LLM |
LLM_Insight_BarChart.png |
Jumlah insight: anomali, rekomendasi, dan peringatan |
LLM_Insight_Timeline.png |
Waktu insight muncul dalam timeline shift |
| File | Fungsi |
|---|---|
industrial_fault_detection_data_1000.csv |
Dataset sensor industri |
Shift_Report_AI_Summary.csv |
Ringkasan hasil summary per shift |
Capstone_Project_SDI_(1).ipynb |
Notebook utama seluruh proses analisis |
PPT Presentasi Capstone Project SDI_compressed.pfg |
Slide presentasi |
README.md |
Dokumentasi proyek |
- Ditemukan lebih dari 10 shift yang mengandung insight penting seperti:
- Anomali pada kondisi mesin
- Rekomendasi untuk melakukan inspeksi
- Fluktuasi getaran tak wajar
- LLM mampu menghasilkan laporan profesional teknisi dalam hitungan detik
- Proyek ini membuktikan bahwa AI dapat menjadi asisten pemeliharaan cerdas di industri manufaktur
👨💻 Tio Ahmad Purnomoaji
Program Studi Teknik Elektro, Universitas Sebelas Maret
Peserta SDI Hacktiv8 x IBM SkillsBuild – Wave 3, Batch 5
📧 Email: tioahmad88@gmail.com
Proyek ini dikembangkan untuk tujuan edukatif dalam program Student Development Initiative oleh Hacktiv8 dan IBM. Dataset dan model AI digunakan sesuai dengan lisensi terbuka masing-masing penyedia.
Terima kasih telah mengunjungi repositori ini 🙏
Jika kamu menyukai proyek ini, silakan ⭐️ dan fork!