Program Innovation Grant merupakan program pendanaan dari Direktorat Pengembangan Usaha bersama Asian Development Bank (ADB) untuk pengembangan hilirisasi di Universitas Gadjah Mada. Melalui program PRIME STeP, program Innovation Grant mendorong para peneliti UGM untuk berkolaborasi dengan mitra dalam menghilirkan inovasi yang solutif. Salah satunya adalah Inovasi IRV-MS.
Intelligent Railway Vibration Monitoring System (IRV- MS) merupakan salah satu inovasi dalam program Innovation Grant 2023 diinisiasi oleh Dr. Eng. Agustinus Winarno, S.T.,M.Eng bersama dengan tim. Inovasi berjudul Scale-up Embeded System Pengukuran Getaran Secara Realtime berbasis IoT dan Cloud Computation untuk Perhitungan Ride Index Kereta Api sebagai Pendukung Intelligent Railway Vibration Monitoring System (IRV-MS) masuk dalam inovasi skema 1- Scale up.
Inovasi Intelligent Railway Vibration Monitoring System (IRV-MS) dilatarbelakangi oleh masalah yang sering muncul dalam perkeretaapian Indonesia yaitu anjlok atau (derailment) dan kegagalan bearing (bearing failure) yang terjadi pada tahun 2020-2021. Dalam mengurangi mengurangi risiko terjadinya kecelakaan, maka harus dilakukan pengecekan terhadap parameter-parameter penyebab kecelakaan diantaranya kondisi rel, kondisi rolling stock, dan sumber daya manusia. Pengecekan kondisi rel dilakukan dengan mengukur getaran menggunakan kereta ukur dirasa kurang efisien dan mahal. Oleh sebab itu, inovasi penelitian berguna untuk scaling up early warning system ketidaknormalan dan kerusakan kereta api.
Inovasi Intelligent Railway Vibration Monitoring System (IRV-MS) mencoba melihat ketidaknornalan dan kerusakan kereta api dengan basis data getaran mekanik dan akustik yang dapat digunakan dalam peningkatan kecepatan, kenyamanan, keamanan menggunakan teknologi Internet of Things (IoT) dan Artificial Intelligent (Al). Keunggulan yang ditawarkan yaitu dapat memonitoring kondisi rel secara berkesinambungan dan real time.
IRV-MS telah menjalani pengujian yang diantaranya kalibrasi untuk memastikan layak dan reliable untuk diaplikasikan pada lingkungan yang relevan. Sistem telah dikembangkan sejak tahun 2020, hingga saat ini telah mencapai tahap diuji pada skala lab (TKT 5).
