Pemeliharaan Predictive pada Sistem Distribusi Listrik di PT. PLN ULP Pangururan

Abstract

Pemeliharaan prediktif merupakan pendekatan yang mengutamakan analisis data untuk memprediksi dan mencegah kerusakan pada sistem distribusi listrik. Dengan memanfaatkan teknologi seperti Internet of Things (IoT) dan analisis big data, sistem ini mampu memonitor kondisi perangkat secara real-time dan mengidentifikasi tanda-tanda potensi kegagalan. Penelitian ini bertujuan untuk mengurangi downtime dan biaya pemeliharaan melalui implementasi model prediktif yang berbasis data historis dan kondisi operasional. Hasil yang diharapkan adalah peningkatan efisiensi operasional, pengurangan insiden pemadaman listrik, dan peningkatan keandalan sistem distribusi. Dengan demikian, pemeliharaan prediktif menjadi solusi yang efektif dalam meningkatkan performa dan keberlanjutan infrastruktur kelistrikan. Predictive maintenance is an approach that prioritizes data analysis to predict and prevent damage within electrical distribution systems. By leveraging technologies such as the Internet of Things (IoT) and big data analytics, the system can monitor equipment conditions in real-time and identify signs of potential failure. This research aims to reduce downtime and maintenance costs through the implementation of predictive models based on historical data and operational conditions. The expected outcomes include improved operational efficiency, a reduction in power outage incidents, and enhanced distribution system reliability. Thus, predictive maintenance serves as an effective solution for improving the performance and sustainability of electrical infrastructure.