Pengembangan Cyber Physical System Otonom dengan Data Driven untuk Monitoring Proses Pelayuan Teh Hijau

Abstract

Pada industri pengolahan teh hijau, tahapan pelayuan merupakan salah satu fase utama dan kritis yang menentukan hasil kualitas teh hijau. Pada proses ini tantangan utama terdapat pada fluktuasi parameter lingkungan pelayuan teh hijau yaitu suhu dan kelembaban, serta ketidakpastian pembacaan sensor yang seringkali tidak dapat ditangani menggunakan sistem kontrol secara konvensional. Selain itu, pelayuan teh hijau membutuhkan pengendalian pada panas yang tidak fermentif. Pengendalian manual menyebabkan kerusakan kualitas daun yang tidak dapat dibalik. Ketergantungan pada persepsi operator secara manual menyebabkan beberapa permasalahan diantaranya inkonsistensi mutu teh hijau yang mengakibatkan daun terlalu basah atau terlalu kering. Kondisi daun terlalu basah, menyebabkan proses berikutnya pada pengolahan teh hijau menjadi lama. Sedangkan, daun terlalu kering menimbulkan aroma hangus pada hasil pelayuan teh hijau. Penelitian ini mengembangkan Cyber Physical System (CPS) otonom berbasis data driven dengan mengintegrasikan arsitektur sistem menggunakan algoritma kontrol untuk menjamin konsistensi proses pelayuan. Penelitian ini dilaksanakan dengan melalui tiga tahapan strategis yaitu perancangan arsitektur cyber physical system dengan pendekatan Model Based System Engineering (MBSE), pengembangan kontrol otonom menggunakan optimasi fuzzy tipe 2 dengan Particle Swarm Optimization (PSO), serta melakukan evaluasi dan validasi terhadap kinerja sistem kontrol yang diusulkan. Tahapan pertama perancangan arsitektur CPS dengan pendekatan MBSE berfokus pada kerangka kerja sistem untuk memastikan interoperabilitas antara domain fisik dan siber. Tahapan dipetakan menjadi beberapa langkah diantaranya rekayasa kebutuhan, pemodelan arsitektur fungsional, logikal dan fisikal. Tahapan rekayasa kebutuhan meliputi identifikasi parameter dan batasan opersional mesin pelayuan. Arsitektur fungsional memetakan fungsi utama sistem menjadi modul terpisah. Arsitektur logikal dan fisikal digunakan untuk mengimplementasikan perangkat keras yang digunakan oleh sistem agar sistem merespon setiap perubahan lingkungan selama proses pelayuan berlangsung. Tahapan selanjutnya adalah integrasi menggunakan PSO sebagai mekanisme auto-tuning untuk mencari parameter fungsi keanggotaan optimal. Tahapan integrasi terdiri dari inisialisasi partikel, evaluasi fitness, pembaharuan kecepatan dan posisi serta tercapai konvergensi. Tahapan akhir melakukan eksekusi terhadap kontrol otonom yang diusulkan. Tahapan dilakukan dengan menerapkan parameter optimal hasil PSO ke tahapan fuzzifikasi, inferensi, reduksi, dan defuzzifikasi untuk menghasilkan kecepatan dalam mengontrol blower proses pelayuan teh hijau. Tahapan terakhir bertujuan untuk melakukan evaluasi dan validasi keandalan sistem kontrol otonom yang diusulkan dengan serangkaian pengujian. Pengujian secara performa kontrol dilakukan dengan mengukur akurasi menggunakan metrik Mean Square Error (MSE) dan Key Performance Indicator (KPI). Selain itu, uji stabilitas dilakukan menggunakan uji stabilitas Lyapunov untuk membuktikan bahwa sistem kontrol akan stabil meskipun terdapat gangguan. Uji ketahanan sistem otonom dilakukan dengan menerapkan skema chaos engineering dengan menyuntikan gangguan seperti kegagalan sensor untuk menguji respon fail-safe sistem. Pengujian evaluasi terakhir dengan menggunakan Welch ANOVA untuk membandingkan signifikansi perbedaan kinerja antara fuzzy tipe 1, fuzzy tipe 2, dan fuzzy tipe 2 PSO. Hasil penelitian menunjukan hasil signifikan dengan nilai akurasi yang sangat baik. Hal ini ditunjukan dengan algoritma kontrol otonom fuzzy tipe 2 dengan PSO menghasilkan nilai MSE terendah sebesar 0.0024. Ini menunjukan peningkatan presisi dibandingkan dengan fuzzy tipe 1 dengan MSE 0.0540 dan fuzzy tipe 2 tanpa optimasi dengan MSE 0.0334. Penelitian ini menunjukan PSO juga terbukti mampu menemukan parameter optimal dan menjadikan sistem responsif terhadap perubahan kondisi daun teh hijau secara dinamis. Analisis Lyapunov menunjukan kestabilan sistem, serta pengujian chaos engineering membuktikan sistem mampu bertahan dari kegagalan sensor dengan beralih pada mode konservatif untuk mencegah kerusakan bahan baku.Hal lain menunjukan bahwa sistem kontrol otonom pada CPS pelayuan teh hijau mencapai skor KPI 0.99, overshoot minimal pada 0.04% dan berhasil melakukan reduksi intervensi operator sebesar 80%. Novelty pada penelitian ini terdapat pada model kontrol otonom yang dirancang untuk menangani ketidakpastian selama proses pelayuan berlangsung. Proses pengembangan model kontrol otonom dimulai dengan inisialisasi Footprint of Uncertainty (FoU) yang dibatasi fungsi keanggotaan dengan pemetaan Upper Membership Function (UMF) dan Lower Membership Function (LMF) untuk memodelkan ambiguitas data sensor yang tidak dapat ditangani oleh fuzzy tipe 1. Penggunaan fuzzy tipe 2 dapat mengatasi gangguan sensor dengan lingkungan humiditas dan panas yang tinggi. Penelitian ini berhasil melakukan integrasi arsitektur cyber physical system otonom dengan kontrol fuzzy tipe 2 yang dioptimasi dengan particle swarm optimization. Kombinasi tersebut merupakan solusi untuk modernisasi industri teh, terutama pada teh hijau. Kontribusi utama terletak pada kemampuan sistem untuk melakukan self-tuning dan beradaptasi terhadap ketidakpastian lingkungan, menghasilkan proses pelayuan yang presisi, dan konsisten secara mutu. Temuan ini menjadi landasan kuat bagi penerapan teknologi cerdas pada kerangka pertanian 5.0.

In the green tea processing industry, the withering stage is one of the main and critical phases that determine the quality of green tea. In this process, the main challenges lie in the fluctuations of the green tea withering environmental parameters, namely temperature and humidity, as well as the uncertainty of sensor readings, which often cannot be handled using conventional control systems. In addition, green tea withering requires control of non-fermentative heat. Manual control causes irreversible damage to the quality of the leaves. Reliance on manual operator perception causes several problems, including inconsistencies in green tea quality, resulting in leaves that are too wet or too dry. Leaves that are too wet cause the subsequent stages of green tea processing to take longer. Meanwhile, leaves that are too dry cause a burnt aroma in the green tea withering results. This research develops a data-driven autonomous Cyber Physical System (CPS) by integrating the system architecture using control algorithms to ensure consistency in the withering process. This research was conducted through three strategic stages, namely the design of a cyber physical system architecture using a Model Based System Engineering (MBSE) approach, the development of autonomous control using type 2 fuzzy optimization with Particle Swarm Optimization (PSO), and the evaluation and validation of the proposed control system performance. The first stage of CPS architecture design using the MBSE approach focuses on the system framework to ensure interoperability between the physical and cyber domains. The stages are mapped into several steps, including requirements engineering, functional, logical, and physical architecture modeling. The requirements engineering stage includes identifying the parameters and operational limitations of the curing machine. The functional architecture maps the main functions of the system into separate modules. The logical and physical architectures are used to implement the hardware used by the system so that the system responds to any changes in the environment during the withering process. The next stage is integration using PSO as an auto-tuning mechanism to find the optimal membership function parameters. The integration stage consists of particle initialization, fitness evaluation, velocity and position updates, and convergence. The final stage executes the proposed autonomous control. This stage is carried out by applying the optimal parameters resulting from PSO to the fuzzification, inference, reduction, and defuzzification stages to produce the velocity for controlling the green tea withering process blower. The final stage aims to evaluate and validate the reliability of the proposed autonomous control system through a series of tests. Control performance testing is carried out by measuring accuracy using the Mean Square Error (MSE) and Key Performance Indicator (KPI) metrics. In addition, stability testing is carried out using the Lyapunov stability test to prove that the control system will remain stable even in the presence of disturbances. The autonomous system's resilience is tested by applying a chaos engineering scheme, injecting disturbances such as sensor failures to test the system's fail-safe response. The final evaluation test uses Welch ANOVA to compare the significance of performance differences between fuzzy type 1, fuzzy type 2, and fuzzy type 2 PSO. The results of the study show significant results with excellent accuracy. This is demonstrated by the type 2 fuzzy autonomous control algorithm with PSO producing the lowest MSE value of 0.0024. This shows an increase in precision compared to type 1 fuzzy with MSE 0.0540 and type 2 fuzzy without optimization with MSE 0.0334. This study shows that PSO is also proven to be capable of finding optimal parameters and making the system responsive to changes in green tea leaf conditions dynamically. Lyapunov analysis shows the stability of the system, and chaos engineering testing proves that the system is able to withstand sensor failure by switching to conservative mode to prevent damage to raw materials. Other findings show that the autonomous control system in the green tea withering CPS achieved a KPI score of 0.99, minimal overshoot of 0.04%, and successfully reduced operator intervention by 80%. The novelty of this research lies in the autonomous control model designed to handle uncertainty during the ripening process. The development process of the autonomous control model began with the initialization of the Footprint of Uncertainty (FoU), which was limited by membership functions with Upper Membership Function (UMF) and Lower Membership Function (LMF) mapping to model sensor data ambiguity that could not be handled by type 1 fuzzy logic. The use of type 2 fuzzy logic can overcome sensor interference in environments with high humidity and heat. This research successfully integrated autonomous cyber physical system architecture with type 2 fuzzy control optimized by particle swarm optimization. This combination is a solution for the modernization of the tea industry, especially green tea. The main contribution lies in the system's ability to self-tune and adapt to environmental uncertainties, resulting in a precise and consistent quality withering process. These findings provide a strong foundation for the application of smart technology in the framework of agriculture 5.0.