Pendahuluan
Unmanned Aerial Vehicles (UAV) atau drone telah menjadi teknologi penting dalam operasi militer dan sipil. Namun, salah satu tantangan utama dalam penggunaannya adalah keandalan sistemnya. Kegagalan UAV di tengah misi dapat menyebabkan kerugian operasional dan finansial yang besar.
Penelitian ini, yang dilakukan oleh Yılmaz Koç, bertujuan untuk menganalisis keandalan UAV taktis yang dikembangkan oleh Middle East Technical University (METU). Dengan menggunakan simulasi berbasis distribusi eksponensial dan Weibull, studi ini mengevaluasi kegagalan komponen dan strategi pemeliharaan terbaik.
Metodologi
Penelitian ini mengusulkan dua pendekatan dalam memprediksi keandalan UAV METU:
- Distribusi Eksponensial → Mengasumsikan tingkat kegagalan tetap sepanjang waktu, sering digunakan dalam sistem dengan keandalan konstan.
- Distribusi Weibull → Menggunakan parameter bentuk (β) dan skala (η) untuk memodelkan berbagai fase kegagalan, termasuk infant mortality, useful life, dan wear-out.
Untuk mengevaluasi sistem UAV, penelitian ini mengumpulkan data waktu kegagalan (Time to Failure, TTF) dari berbagai komponen, termasuk:
- Sistem pendaratan (landing gear)
- Sistem listrik
- Sistem perlindungan es
- Sistem propulsi
- Sistem bahan bakar
- Sistem komunikasi & navigasi
Kemudian, simulasi Monte Carlo digunakan untuk mengevaluasi dampak distribusi kegagalan terhadap keandalan UAV secara keseluruhan.
Hasil dan Temuan Utama
1. Perbandingan Keandalan UAV dengan Distribusi Eksponensial & Weibull
- Reliabilitas berdasarkan eksponensial → Menunjukkan keandalan 79,3% setelah 100 jam operasi.
- Reliabilitas berdasarkan Weibull → Lebih realistis karena mencerminkan peningkatan tingkat kegagalan seiring waktu, dengan keandalan hanya 62,5% setelah 100 jam operasi.
- Distribusi Weibull lebih akurat untuk model UAV, karena menunjukkan bahwa sistem mengalami peningkatan risiko kegagalan setelah periode operasi tertentu.
2. Identifikasi Komponen Paling Rentan terhadap Kegagalan
Studi ini menemukan bahwa beberapa komponen UAV memiliki waktu kegagalan rata-rata (MTTF) yang lebih pendek dibandingkan yang lain:
- Sistem propulsi memiliki MTTF 620 jam, menunjukkan bahwa ini adalah titik lemah UAV.
- Sistem komunikasi dan navigasi memiliki MTTF 950 jam, relatif lebih andal dibandingkan sistem lainnya.
- Sistem pendaratan menunjukkan risiko kegagalan tertinggi dalam skenario pendaratan keras, dengan downtime rata-rata 3,5 jam per kejadian.
3. Efek Pemeliharaan Terhadap Keandalan UAV
- Tanpa pemeliharaan, probabilitas kegagalan UAV selama misi 10 jam meningkat menjadi 15%.
- Dengan pemeliharaan prediktif, menggunakan data real-time dari sensor UAV, probabilitas kegagalan dapat diturunkan hingga 6%.
- Simulasi menunjukkan bahwa meningkatkan keandalan sistem propulsi dari 85% ke 92% dapat meningkatkan keandalan UAV secara keseluruhan sebesar 4%.
Implikasi Industri & Rekomendasi
1. Strategi Pemeliharaan Berbasis Data
- Pemeliharaan prediktif dengan sensor IoT dapat meningkatkan efisiensi operasional dan mengurangi downtime.
- Penggunaan Weibull untuk pemodelan kegagalan memungkinkan prediksi lebih akurat mengenai kapan komponen harus diganti sebelum gagal.
2. Optimalisasi Desain UAV
- Peningkatan desain sistem propulsi dan pendaratan dapat mengurangi risiko kegagalan selama misi penting.
- Menggunakan material ringan tetapi lebih tahan lama dapat meningkatkan MTTF beberapa komponen.
3. Standarisasi Keandalan UAV
- Data dari penelitian ini dapat digunakan untuk mengembangkan standar keandalan UAV taktis untuk keperluan militer dan sipil.
Kesimpulan
Distribusi Weibull lebih akurat dibandingkan eksponensial dalam memprediksi keandalan UAV, karena mencerminkan peningkatan tingkat kegagalan seiring waktu. Dengan strategi pemeliharaan prediktif berbasis data, keandalan UAV dapat ditingkatkan secara signifikan, mengurangi risiko kegagalan dalam operasi kritis.
Sumber : Yılmaz Koç (2017). Reliability Analysis of Tactical Unmanned Aerial Vehicle (UAV). Master’s Thesis, Middle East Technical University, Turkey.