Estimasi Failure Degradation Bearing dengan Metode Kaplan-Meier

Arinda Suciati Ningsih, Sutawanir Darwis

Abstract


Abstract. The health prognostic of the machine can be defined as the ability to observe future conditions of a part or component of the machine and the time remaining before the failure of the engine component. This is related to the prediction of the health condition of the machine, especially on the bearing, so an analysis is needed to predict the condition of the machine by using survival analysis. In mechanical components, such as bearings, the output observed is the final failure or the occurrence of bearing faults or failure degradation on the bearing. Statistical approach using the Kaplan-Meier method is one of the methods used in survival analysis in this case. The use of the Kaplan-Meier method in machine maintenance is due to predicting bearing resistance and failure degradation in bearings from NASA bearing vibration experimental data which has calculated the kurtosis value supported by the Matlab program. Estimator of resistance function, failure function, and cumulative bearing failure function with Kaplan-Meier method directly applied to NASA bearing vibration experimental data which has calculated the kurtosis value supported by Matlab program. From the discussion, three conclusions were obtained. First, obtained 16 data time to failure bearing from 3 data sets taken based on the first kurtosis data that exceeds 20, from 16 data time to failure bearing there are 4 censored data, namely data set 3 and 12 uncensored data, namely data set 1 and data set 2. Second, the estimation of bearing resistance function is getting smaller for a longer time. This means that the longer the bearing degradation failure time, the smaller the bearing probability can last up to time t = 4448. Third, Kaplan-Meier Estimates for bearing failure functions are increasing or increasing for a longer time. This means that the longer the failure degradation bearing time, the greater the chance of failure of the bearing or the rate of bearing failure increases. While Kaplan-Meier estimates for cumulative bearing failure function, it is seen that the longer the bearing failure time, the cumulative bearing degradation will increase.

Keywords: Bearing, Survival Analysis, Kaplan-Meier Method, Kaplan-Meier Estimator for Failure Function and Cumlative Failure Function.

Abstrak. Prognostik kesehatan  pada mesin dapat didefinisikan sebagai kemampuan untuk mengamati kondisi dimasa depan suatu  bagian atau komponen mesin tersebut  dan waktu yang tersisa sebelum terjadinya kegagalan pada komponen mesin. Ini berkaitan dengan prediksi kondisi kesehatan mesin khususnya pada bearing, maka dibutuhkanlah suatu analisis untuk memprekdiksi kondisi mesin tersebut yaitu  dengan menggunakan analisis survival. Pada komponen mekanis, misalnya bearing, output yang diamati adalah kegagalan akhir atau terjadinya bearing fault atau failure degradation pada bearing. Pendekatan statistik dengan menggunakan metode Kaplan-Meier merupakan salah satu metode yang digunakan dalam analisis survival dalam kasus ini. Pemakaian metode Kaplan-Meier dalam pemeliharaan mesin dikarenakan untuk memprediksi ketahanan bearing dan  failure degradation pada bearing dari data eksperimen vibrasi bearing NASA yang telah dihitung nilai  kurtosisnya yang di dukung oleh program Matlab.  Penduga fungsi ketahanan, fungsi kegagalan, serta fungsi kegagalan kumulatif bearing dengan metode Kaplan-Meier langsung diaplikasikan pada data eksperimen vibrasi bearing NASA yang telah dihitung nilai  kurtosisnya yang di dukung oleh program Matlab. Dari pembahasan diperoleh tiga kesimpulan. Pertama, diperoleh 16 data time to failure bearing dari 3 set data yang diambil berdasarkan data kurtosis pertama yang melebihi 20,  dari 16 data time to failure bearing ada sebanyak 4 data tersensor yaitu pada data set 3 dan 12 data tidak tersensor yaitu pada data set 1 dan data set 2. Kedua, estimasi fungsi ketahanan bearing semakin mengecil untuk waktu yang semakin lama. Ini berarti semakin lama waktu failure degradation bearing tersebut maka semakin kecil probabilitas bearing dapat bertahan hingga waktu . Ketiga, Taksiran Kaplan-Meier bagi fungsi kegagalan bearing semakin besar atau meningkat untuk waktu yang semakin lama. Ini berarti semakin lama waktu failure degradation bearing tersebut maka peluang gagal bearing tersebut semakin besar atau laju kegagalan bearing tersebut semakin meningkat. Sedangkan taksiran Kaplan-Meier bagi fungsi kegagalan kumulatif bearing, terlihat bahwa semakin lama waktu kegagalan bearing tersebut maka degradasi bearing secara kumulatif akan semakin meningkat.

Kata Kunci: Bearing, Analisis Survival, Metode Kaplan-Meier, Estimator Kaplan-Meier bagi Fungsi Kegagalan dan Fungsi Kegagalan Kumlatif.


Keywords


Bearing, Analisis Survival, Metode Kaplan-Meier, Estimator Kaplan-Meier bagi Fungsi Kegagalan dan Fungsi Kegagalan Kumlatif

Full Text:

PDF

References


Caesarendra, W., Widodo, A., and Yang, B.S. (2011). Combination of Probability Approach and Support Vector Machine Towards Machine Health Prognostic. Probabilistic Engineering Mechanics, 26(2), 165-173.

Collett, D. (2003). Modelling Survival Data In Medical Research, 3rd Edition. London: Taylor and Francis Group.

Harris, T.A. and Kotzalas, M.N. (2007). Rolling Bearing Analysis, 5rd Edition. USA: Taylor and Francis Group, LLC.

Kleinbaum, D.G. and Klein. (2012). Survival Analysis – A Self-Learning Text. 3rd Edition. New York: Springer.

Klein and Moschberger . (2003). Survival Analysis: Techniques for Censored and Truncated Data, 2nd Edition. New York: Springer.

Sudjana, M.A. (2005). Metode Statistika. Bandung: PT. Tarsito Bandung.

Widodo, A. (2009). Application Of Intelligent System For Machine Fault Diagnosis And Prognosis. Semarang: Badan Penerbit Universitas Diponegoro Semarang.




Flag Counter