ilabus 20x Sesi

Topik: Pengembangan Model Prediktif Degradasi Motor Induksi pada Operasi Berat Menggunakan Simulasi Elektromagnetik Transien di ANSYS Maxwell
Target: Mahir melakukan simulasi degradasi motor induksi berat di ANSYS Maxwell dan membangun model prediksi berbasis data simulasi.

---

Sesi 1:

Pengenalan Degradasi Motor Induksi

• Konsep degradasi: thermal aging, mechanical stress, electrical stress.

Sesi 2:

Teori Operasi Motor Induksi

• Prinsip kerja, slip, torque-speed characteristics.

Sesi 3:

Pengantar Elektromagnetik Transien (Transient EM Simulation)

• Perbedaan steady-state vs transient dalam simulasi motor.

Sesi 4:

Dasar-Dasar ANSYS Maxwell

• Interface, proyek baru, setup workspace.

Sesi 5:

Pembuatan Geometri Motor Induksi 2D Sederhana

• Sketching, parameterisasi dimensi stator dan rotor.

Sesi 6:

Material Assignment dan Boundary Conditions

• Menentukan material winding, core, airgap.

Sesi 7:

Setting Up Transient Solver

• Definisi input tegangan AC, setting step time dan end time.

Sesi 8:

Running Simulasi Transien Normal (Tanpa Degradasi)

• Memahami output: flux distribution, torque, losses.

Sesi 9:

Modeling Degradasi Thermal

• Memodifikasi resistivity material vs temperatur.

Sesi 10:

Simulasi Efek Thermal Aging

• Running simulasi untuk winding dan core loss akibat aging.

---

Sesi 11:

Modeling Degradasi Mekanis

• Eccentricity rotor, bearing fault.

Sesi 12:

Simulasi Fault akibat Degradasi Mekanis

• Melihat pengaruh vibrasi dan unbalance terhadap EM output.

Sesi 13:

Modeling Degradasi Elektrik

• Partial discharge, insulation weakening.

Sesi 14:

Simulasi Efek Degradasi Elektrik

• Breakdown pattern di winding saat tegangan tinggi.

Sesi 15:

Ekstraksi Data Output Simulasi

• Export time series data: flux, current, torque, vibration signals.

---

Sesi 16:

Pengolahan Data Simulasi untuk Prediksi

• Feature extraction: RMS current, harmonic distortion, torque ripple.

Sesi 17:

Pengenalan Model Prediktif Degradasi

• Machine learning dasar: regression, classification.

Sesi 18:

Membangun Dataset Degradasi Motor

• Labeling data: normal vs degraded.

Sesi 19:

Training Model Prediksi Degradasi

• Menggunakan Python: Random Forest / SVM dari dataset hasil simulasi.

Sesi 20:

Evaluasi dan Validasi Model Prediksi

• Confusion matrix, ROC curve, akurasi prediksi kondisi motor.