BANDUNG – Badan Riset dan Inovasi Nasional (BRIN) mengembangkan kerangka digital twin untuk mendukung integrasi keselamatan struktural dan perilaku pada kendaraan otonom.
Perekayasa Ahli Madya Pusat Riset Sains Data dan Informasi BRIN, Nimas Ayu Untariyati, menjelaskan, penelitian ini menggunakan digital twin, yaitu representasi virtual kendaraan yang mampu memantau secara simultan interaksi antara keputusan sistem otonom dan dampaknya terhadap kondisi fisik kendaraan.
Menurutnya, pendekatan digital twin ini menawarkan cara pandang baru dalam menilai keselamatan kendaraan otonom.
“Selama ini, evaluasi kendaraan otonom lebih banyak berfokus pada kecerdasan sistem dalam merespons kondisi jalan. Melalui pendekatan digital twin, kami mengintegrasikan aspek perilaku dan kondisi fisik kendaraan secara simultan, sehingga potensi kerusakan struktural dapat dipantau dan diprediksi sejak dini,” ujarnya, saat diwawancara Tim Humas BRIN, Rabu (13/5).
Ia menambahkan, pemanfaatan data dari sensor bawaan kendaraan memungkinkan implementasi sistem ini dilakukan secara efisien tanpa kebutuhan perangkat tambahan yang kompleks.
“Perkembangan kendaraan otonom menunjukkan kemajuan signifikan dalam kemampuan pengambilan keputusan berbasis kecerdasan buatan. Namun, pengujian keselamatan selama ini masih berfokus pada aspek perilaku sistem, seperti kemampuan menghindari tabrakan,” tuturnya.
Pendekatan tersebut dinilai belum sepenuhnya mempertimbangkan dampak gaya berkendara otonom terhadap kondisi fisik kendaraan, khususnya pada rangka dan komponen struktural.
Adapun kerangka yang dikembangkan pada digital twin mencakup tiga tahapan, yaitu: tahap perilaku, yang merepresentasikan keputusan sistem kendaraan; tahap fisik gerak, yang menghitung distribusi beban akibat manuver; dan tahap kondisi struktur, yang mengevaluasi potensi kerusakan pada rangka dan suspense. Ketiga tahapan tersebut berjalan secara berkelanjutan selama kendaraan beroperasi.
“Dinamika pergerakan kendaraan, seperti pengereman, akselerasi, dan manuver belok, menyebabkan distribusi beban yang terus berubah. Dalam jangka panjang, kondisi ini dapat memicu kelelahan material (fatigue) yang berpotensi menimbulkan kerusakan struktural,” imbuhnya.
Nimas membeberkan, salah satu keunggulan pendekatan ini adalah kemampuannya memanfaatkan data dari sensor bawaan kendaraan tanpa memerlukan perangkat tambahan. Sistem dapat mengestimasi tingkat tekanan dan akumulasi kerusakan sebagai dasar analisis kondisi kendaraan secara real time. Informasi tersebut kemudian digunakan untuk membentuk indikator prediktif terhadap tingkat keausan komponen kendaraan.
Hasil penelitian ini berpotensi memberikan kontribusi pada pengembangan sistem perawatan prediktif kendaraan otonom, peningkatan standar keselamatan berbasis integrasi sistem dan struktur, serta optimalisasi desain kendaraan yang lebih adaptif terhadap pola operasi otonom.(*)
