Optimalisasi Penggunaan Robot Berbasis Vision System untuk Inspeksi Otomatis pada Proses Manufaktur dengan Data Terbuka dari Sumber Industri

Authors

  • Faisal Nauli
  • Franklin Taruyun Hudeardo Sinaga
  • M.Daud Pinem
  • Penteris Rumissar Panurisma Naibahod

DOI:

https://doi.org/10.55043/atech-i.v3i2.52

Keywords:

Inspeksi otomatis; robot vision; deep learning; YOLOv8; data terbuka; manufaktur; kualitas produk; pengolahan gambar

Abstract

Perkembangan industri manufaktur dalam era Revolusi Industri 4.0 telah mengarah pada adopsi otomatisasi untuk meningkatkan efisiensi dan kualitas produk. Salah satu teknologi yang berkembang adalah robot berbasis sistem penglihatan (vision system) untuk inspeksi otomatis. Teknologi ini memungkinkan robot untuk mendeteksi, menganalisis, dan menilai kualitas produk secara real-time menggunakan sensor visual dan algoritma pemrosesan gambar. Selain itu, data terbuka dari berbagai sumber industri mulai dimanfaatkan untuk mendukung proses produksi dan pengambilan keputusan yang lebih efektif, seperti pemeliharaan prediktif dan pengawasan kualitas. Penerapan robot vision system terintegrasi dengan data terbuka di bidang manufaktur, meskipun masih terbatas, dapat meningkatkan efisiensi dan akurasi inspeksi produk. Penelitian ini berfokus pada penerapan sistem inspeksi otomatis berbasis robot vision dengan teknologi deep learning untuk mendeteksi cacat produk secara real-time, mengurangi kesalahan manual, dan meningkatkan efisiensi dalam lini produksi. Model deep learning yang digunakan adalah YOLOv8, yang menunjukkan performa terbaik dengan akurasi deteksi cacat sebesar 96% dan kecepatan 35 FPS. Sistem ini menunjukkan potensi besar dalam mengurangi biaya operasional dan meningkatkan throughput di industri manufaktur

Downloads

Download data is not yet available.

References

Bergmann, P., Jin, W., Sattlegger, D., Steger, C., & Others. (2022). The MVTec AD 2 dataset: A comprehensive real-world dataset for anomaly detection. MVTec Software GmbH.

Bregu, C., De Nul, L., & Petridis, A. (2021). Industry 5.0: Towards a sustainable, human-centric and resilient European industry. European Commission.

International Organization for Standardization. (2016). ISO/TS 15066:2016: Robots and robotic devices—Collaborative robots. ISO.

Kagermann, H., Wahlster, W., & Helbig, J. (2013). Recommendations for implementing the strategic initiative INDUSTRIE 4.0: Final report of the Industrie 4.0 Working Group. acatech—National Academy of Science and Engineering.

Land, E. H. (1971). The retinex theory of color vision. Scientific American, 237(6), 108–128.

Lin, T.-Y., Goyal, P., Girshick, R., He, K., & Dollár, P. (2017). Focal loss for dense object detection. Proceedings of the IEEE International Conference on Computer Vision (ICCV).

Redmon, J., Divvala, S., Girshick, R., & Farhadi, A. (2016). You only look once: Unified, real-time object detection. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 779–788.

Tsai, R. Y., & Lenz, R. K. (1989). A new technique for fully autonomous and efficient 3D robotics hand/eye calibration. IEEE Transactions on Robotics and Automation, 5(3), 345–358.

Ultralytics. (2023). YOLOv8: An overview. Ultralytics Documentation/Blog.

Zuiderveld, K. (1994). Contrast limited adaptive histogram equalization. In P. S. Heckbert (Ed.), Graphics Gems IV (pp. 474–485). Academic Press.

Downloads

Published

2026-07-31

How to Cite

Faisal Nauli, Franklin Taruyun Hudeardo Sinaga, M.Daud Pinem, & Penteris Rumissar Panurisma Naibahod. (2026). Optimalisasi Penggunaan Robot Berbasis Vision System untuk Inspeksi Otomatis pada Proses Manufaktur dengan Data Terbuka dari Sumber Industri. Atech-i, 3(2). https://doi.org/10.55043/atech-i.v3i2.52

Issue

Vol. 3 No. 2 (2026): Vol. 3 No. 2 (2026): Tahun 2026

Section

Articles

License

Copyright (c) 2026 Faisal Nauli, Franklin Taruyun Hudeardo Sinaga, M.Daud Pinem, Penteris Rumissar Panurisma Naibahod

Creative Commons License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Journal of Agro Technology Intelegency (Atech-i), is licensed under a Creative Commons Attribution 4.0 International License.

You are free to:

  • Share — copy and redistribute the material in any medium or format
  • Adapt — remix, transform, and build upon the material for any purpose, even commercially.

Under the following terms:

  • No additional restrictions — You may not apply legal terms or technological measures that legally restrict others from doing anything the license permits.