Analisis Viskositas Oli Pesawat King Air di Hanggar Politeknik Penerbangan Makassar
Bibliographic record
Abstract
Salah satu persyaratan yang harus dimiliki oli sebagai pelumas pada pesawat terbang yaitu viskositas yang baik pada berbagai suhu pengoperasian mesin pesawat. Terdapat beberapa faktor yang dapat menurunkan nilai viskositas oli seperti overheat dan jangka waktu pemakaian oli. Bedasarkan hasil tinjauan pada record AMLB diketahui bahwa pesawat King Air ini telah dilakukan ground run mencapai waktu interval 580 jam dan terakhir ground run pada tahun 2020. Selama periode tersebut belum dilaksanakan penggantian oli pada pesawat King Air. Menurut buku pilots operating manual King Air chapter servicing halaman 11-03 tentang oil system dijelaskan harus mengganti oil setiap 600 jam pemakaian. Dari hal tersebut diketahui bahwa oli pada mesin pesawat King Air telah memasuki anjuran batas interval untuk penggantian oli dan oli pada mesin pesawat telah mengendap dalam waktu yang lama. Merujuk dari hal tersebut perlu dilakukan analisis bagaimana kualitas oli pada pesawat King Air apakah masih layak digunakan atau perlu dilakukan penggantian. Metode uji karakteristik viskositas oli pada mesin pesawat King Air di laboratorium menggunakan metode uji ASTM yaitu viskositas pada suhu 40ºC dan 100ºC (ASTM D445) yang mengacu standar MIL-PRF-23699. Dari nilai viskositas tersebut dapat diketahui toleransi viskositas oli pada masing-masing mesin pesawat King Air dan tindakan yang perlu dilakukan mengacu Service Bulletin P&W Canada. Hasil penelitian menunjukkan bahwa oli mesin pesawat King Air masih bisa digunakan dalam batas toleransi sesuai ketentuan dokumen Service Bulletin P&W Canada yang tidak membolehkan mencampur oli dengan beda viskositas. Namun, sebaiknya menguras dan mengganti oli mesin sesuai ketentuan AMM, berdasarkan approved dari P&W Canada dengan standar MIL-PRF- 23699
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.022 | 0.006 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".