📢 OPEN TOPIC SKRIPSI

🔋 Perawatan Prediktif Baterai Berbasis Digital Twin

Imron Rosyadi

📢 OPEN TOPIC SKRIPSI

Topik Utama

Perawatan Prediktif Baterai Berbasis Digital Twin

Kami membuka kesempatan bagi mahasiswa yang tertarik pada bidang:

  • 🔋 Sistem baterai & kendaraan listrik
  • 🌐 Internet of Things (IoT)
  • 📊 Data acquisition & monitoring system
  • 🤖 Machine Learning / Deep Learning
  • 🧠 Digital Twin

untuk bergabung dalam penelitian skripsi berbasis proyek di Laboratorium Elektro (Gedung D).

Kontak

Hubungi: Pak Imron Rosyadi (email: )

🎯 Gambaran Penelitian

🎯 Gambaran Penelitian

Penelitian ini bertujuan membangun sistem monitoring dan prediksi kondisi baterai Lithium-Ion menggunakan pendekatan:

  • Digital Twin
  • IoT monitoring
  • Physics-informed machine learning
  • Deep learning prediction

Sistem yang dikembangkan akan mampu:

✅ Memantau kondisi baterai secara real-time
✅ Menghitung SoC (State of Charge) dan SoH (State of Health)
✅ Memprediksi kondisi baterai di masa depan
✅ Membangun digital twin baterai dan charger

Contoh: Digital Twin Motor Listrik

Motortwin

🧪 Aktivitas Penelitian

Mahasiswa akan terlibat dalam beberapa kegiatan berikut:

🔧 Perancangan Sistem

  • Sistem baterai Li-Ion
  • Sistem charging baterai
  • Beban terkendali (motor listrik)

📡 Sistem Akuisisi Data

  • Arus baterai
  • Tegangan baterai
  • Tegangan tiap sel
  • Suhu sel

📊 Pengolahan Data

  • Perhitungan daya baterai
  • SoC (State of Charge)
  • SoH (State of Health)
  • Charge cycle baterai

🌐 IoT & Digital Twin

  • Pengiriman data ke server
  • Dashboard monitoring baterai
  • Digital twin baterai dan charger

🤖 Model Prediksi

  • Deep Learning (LSTM / Transformer)
  • Physics-Informed Machine Learning

👥 Skema Penelitian

  • Penelitian akan dilakukan berkelompok (3–4 mahasiswa)
  • Setiap mahasiswa memiliki judul skripsi berbeda
  • Biaya penelitian difasilitasi dosen
  • Penelitian dilakukan di Lab Elektro Gedung D

📑 Contoh Topik Skripsi

1️⃣ Perancangan Digital Twin Baterai dan Sistem Charging Baterai

fokus: arsitektur sistem dan digital twin

2️⃣ Sistem IoT untuk Perawatan Prediktif Baterai pada Prototipe Kendaraan Listrik

fokus: sensor, akuisisi data, dan IoT

3️⃣ Perawatan Prediktif Baterai Menggunakan Deep Learning (LSTM / Transformer)

fokus: model prediksi berbasis deep learning

4️⃣ Perawatan Prediktif Baterai dengan Physics-Informed Digital Twin

fokus: integrasi model fisika dan machine learning

Mengapa Topik ini Menarik?

Topik ini berkaitan dengan teknologi yang sedang berkembang:

  • 🔋 Electric vehicle technology
  • 🌐 IoT system
  • 🤖 Artificial intelligence
  • 🧠 Digital twin technology

🎓 Kriteria Mahasiswa

Mahasiswa Teknik Elektro / Teknik Komputer

📌 Kuota terbatas: 3–4 mahasiswa

Disarankan bagi yang tertarik pada:

  • Embedded system / mikrokontroler
  • IoT
  • Machine learning / AI
  • Sistem tenaga / kendaraan listrik
  • Data science

Tidak harus menguasai semuanya — kita akan belajar dan bekerja bersama secara tim.

📝 Pendaftaran

Mahasiswa yang berminat silakan kontak:

Pak Imron Rosyadi (email: )

Rincian Pekerjaan Skripsi

Ruang Lingkup Pekerjaan

Mahasiswa yang mengikuti topik ini akan terlibat dalam beberapa kegiatan berikut:

1. Perancangan Sistem Baterai

  • Merancang sistem baterai yang meliputi:
    • Sistem charging baterai
    • Baterai Lithium-Ion
    • Beban terkendali (misalnya motor listrik sebagai beban)

2. Simulasi Operasi Baterai

  • Merancang simulasi operasi baterai yang mencakup:
    • Proses pembebanan baterai
    • Proses pengisian baterai (charging) secara terkendali

3. Sistem Akuisisi Data Baterai

  • Merancang sistem akuisisi data baterai Lithium-Ion yang meliputi:
    • Arus baterai
    • Tegangan baterai
    • Tegangan tiap sel
    • Suhu sel

4. Pengolahan Data Baterai

  • Berdasarkan data hasil akuisisi, dilakukan perhitungan:
    • Daya baterai
    • State of Charge (SoC)
    • State of Health (SoH)
    • Charge cycle baterai

5. Akuisisi Data Sistem Charging

  • Mengukur parameter sistem charging, meliputi:
    • Arus charger
    • Tegangan charger
    • Daya charger
    • Status operasi charger

6. Integrasi Dengan Server Digital Twin

  • Mengirimkan data akuisisi dan hasil pengolahan ke:
    • Server Digital Twin baterai (monitoring baterai)
    • Server Digital Twin charger (monitoring sistem charging)

7. Pengembangan Server Digital Twin

  • Merancang dan membangun:
    • Server Digital Twin baterai
    • Server Digital Twin charger untuk kebutuhan monitoring dan analisis sistem secara real-time.

8. Model Prediksi Kondisi Baterai

  • Mengembangkan model prediksi kondisi baterai menggunakan metode:
    • Physics-Informed Machine Learning
    • Deep Learning (misalnya LSTM atau Transformer)

Skema Penelitian

  1. Penelitian dilakukan secara berkelompok (3–4 mahasiswa).
  2. Setiap mahasiswa tetap menyusun skripsi dengan judul yang berbeda, sesuai fokus kontribusinya.
  3. Biaya penelitian difasilitasi oleh dosen pembimbing.
  4. Penelitian dilaksanakan di Laboratorium Elektro (Gedung D).

Contoh Rincian Skripsi

Sistem Akuisisi Data Baterai

Perancangan Sistem Akuisisi Data untuk Monitoring Baterai Lithium-Ion pada Prototipe Kendaraan Listrik

Fokus penelitian

  • Desain sistem sensor baterai
  • Pengukuran parameter baterai

Parameter yang diukur

  • Arus baterai
  • Tegangan baterai
  • Tegangan tiap sel
  • Suhu sel

Teknologi

  • ESP32 / STM32
  • Sensor arus
  • Sensor suhu
  • ADC

Output

  • Modul akuisisi data baterai
  • Data logger baterai
  • Dataset operasi baterai

IoT Monitoring Sistem Baterai

Pengembangan Sistem IoT untuk Monitoring Baterai dan Charger pada Prototipe Kendaraan Listrik

Teknologi

  • ESP32 / STM32
  • Sensor arus
  • Sensor suhu
  • ADC

Output

  • Modul akuisisi data baterai
  • Data logger baterai
  • Dataset operasi baterai

Data yang dikirim

  • Arus baterai
  • Tegangan baterai
  • Daya
  • Status charger

Output

  • Sistem komunikasi IoT
  • Gateway data
  • Database monitoring

Digital Twin Baterai

Perancangan Digital Twin untuk Monitoring Operasi Baterai Lithium-Ion

Fokus penelitian

  • Model digital twin
  • Dashboard monitoring

Fitur digital twin

  • Visualisasi baterai
  • Monitoring SoC
  • Monitoring SoH
  • Monitoring charge cycle

Teknologi

  • Python
  • NodeJS
  • Grafana / dashboard web
  • Database time-series

Output

  • Server digital twin
  • Dashboard monitoring baterai
  • Model operasi baterai

Prediksi Kondisi Baterai

Perawatan Prediktif Baterai Lithium-Ion Menggunakan Metode Deep Learning / Physics-Informed Machine Learning

Fokus penelitian

  • Prediksi kondisi baterai
  • Estimasi degradasi baterai

Metode

  • LSTM
  • Transformer
  • Physics-informed ML

Variabel prediksi

  • SoC
  • SoH
  • Remaining Useful Life (RUL)

Output

  • Model prediksi
  • Evaluasi akurasi prediksi
  • Integrasi dengan digital twin