Condition based monitoring (CBM) untuk peralatan medis (ME) di rumah sakit akan meningkatkan efisiensi dalam menjaga kualitas proteksi dari bahaya sengatan listrik pada pasien yang menggunakannya. Konektivitas ini dapat menjadi acuan dalam sistem perawatan peralatan medis sebagai salah satu bentuk beban listrik.

Hal ini menjadikannya sebagai suatu struktur dalam sistem perawatan yang dapat diintegrasikan dari sisi suplai listriknya sebelum tahap kalibrasi perangkat dalam memenuhi fungsi yang dibutuhkan. Perawatan perangkat medis berkaitan dengan penjadwalan rutin untuk menjaga kualitas perangkat dalam memenuhi standar guna menjamin kehandalan terutama pada area darurat.

Penilaian kondisi perangkat ditentukan dengan mempelajari data statistiknya dengan metode machine learning. Berikut ini adalah konsep penggunaan Residual Current Device (RCD) dan tantangannya dalam penggunaan Fiber Optik (FO). Selanjutnya perawatan perangkat medis dilakukan dengan menerapkan standar keamanan listrik daripada arus bocor sebelum akhirnya membahas metode machine learning yang menggunakan Support Vector Regression (SVR) untuk memantau kondisi perangkat medis.

Gambar 1 menunjukkan perbandingan tegangan induksi terhadap probabilitas arus bocor dengan distribusi normal pada rentang tegangan induksi. Dengan perbandingan dua data dengan perbandingan warna merah dan biru. Distribusi nilai data merah pertama memiliki rentang nilai yang lebih tinggi dibandingkan dengan data kedua, biru. Garis regresi dengan warna yang sama menunjukkan gradien yang berbeda.

Dengan menggunakan jalur komunikasi melalui FO, pemantauan nilai juga dapat dilakukan dari jarak jauh sehingga evaluasi juga dapat dilakukan per kondisi alat. Jika ME menunjukkan perubahan, maka akan dilakukan penjadwalan PM. Dengan demikian, probabilitas arus bocor dari masing-masing ME dapat menjadi sumber data untuk kondisi alat. Sebagai pembanding situasi ini, kemudian akan dibandingkan dua buah Patient Monitor (Pmon) dengan merek yang berbeda.

Arsitektur RCM terintegrasi dengan komunikasi via FO pada sistem perawatan dengan SVR akan meningkatkan otomatisasi pengukuran. Namun, di sisi lain, pengukuran otomatis ini juga menimbulkan kekhawatiran mengenai apakah data yang terbaca dapat diolah secara umum. Penelitian ini akan membandingkan kesalahan relatif dari dua unit ME dengan sinyal induksi yang hampir sama. Koordinasi antar ME via FO yang mengandalkan beberapa kanal dengan teknik WDM juga akan dianalisis. Terakhir, penggunaan seluruh sistem sebagai model CBM akan dibahas sebelum memasuki bagian pembahasan.

Gambar 2 menunjukkan hasil pengukuran untuk kedua PMon. Sekilas, sinyal yang diperoleh hampir sama, meskipun nilai maksimum atau minimumnya tidak terlalu jauh. Perbedaannya dapat dibandingkan. Dengan sinyal dari catu daya AC yang memiliki bentuk gelombang sinus, bentuk gelombang yang diturunkan juga menunjukkan pola periodik dengan puncak dan lembah seperti yang ditunjukkan pada Gambar 2 dengan panjang hingga 2.000. Kedua bentuk gelombang gabungan tersebut diperoleh menggunakan NI myDAQ dari masing-masing PMon.

Gambar 3 menunjukkan sistem usulan yang memanfaatkan arus sisa dengan media komunikasi FO dalam memonitor kondisi alat kesehatan. Sinyal dikirimkan dari masing-masing alat kesehatan menggunakan RCD digital. Dengan memanfaatkan media FO dengan teknik WDM, pengiriman data dari masing-masing beban akan lebih efisien. Pelaksanaan perawatan ini tentunya juga bergantung pada jenis perawatan dan lamanya waktu yang dibutuhkan dengan mempertimbangkan besarnya perubahan yang terbaca pada RCD sebelumnya. Hal tersebut akan menjadi acuan jenis pekerjaan yang dibutuhkan. Matriks nilai tersebut kemudian juga akan di-update setelah dilakukan perbaikan atau kegiatan PM.

Penulis: Erwin Sutanto, S.T., M.Sc.  

Detail Jurnal dapat diakses pada : https://www.scopus.com/record/display.uri?eid=2-s2.0-105001016869&origin=inward&txGid=c37352d78eb76bac4d726eacd39da825