Implementasi Statistical Process Control pada Data Sinyal Vibrasi Bearing untuk Identifikasi Defect First Observable

Riyani Desriawati, Sutawanir Darwis

Abstract


Abstract. Statistical Process Control (SPC) is usually applied to data on the production process of goods, with the aim of detecting the quality of a production item that is within or beyond the specified specifications. In this article, SPC was applied to the bearing vibration signal data. The aim is to detect the first observable defect on a machine that functions as part of a prognostic tool for maintenance decision making. The detection of damage and prognostic are two important aspects in machine maintenance based on current conditions or better known as Condition Based Maintenance (CBM). SPC used is a Shewhart average level chart and adaptive Shewhart average level chart. On a Shewhart average level chart, data should be selected that only works at the normal stage. The Shewhart average level chart is built with two assumptions, i.e. that the data must vary randomly around an established mean and data must from a normal distribution. Adaptive Shewhart average level chart there is no need for selecting data that works at normal stages and it is not necessary for fulfilling assumptions. The analysis shows that the assumption of data normality is not fulfilled, so that the Shewhart average level chart is not implemented. The adaptive Shewhart average level chart results in bearing vibration signal data obtained warning limits for bearing 1 is 5,547776 and 3,631726, for bearing 2 is 5,491627 and 3,635689, for bearing 3 is 5,762645 and 3,573396, for bearing 4 is 5,604464 and 3,615963. The action limit for bearing 1 is 6,026789 and 3,152713, for bearing 2 is 5,955612 and 3,171705, for bearing 3 is 6,309957 and 3,026083, for bearing 4 is 6,101589 and 3,118837. From warning limit and action limit obtained, the first observable defect was identified for bearing 1 at intervals 81, for bearing 2 at intervals 146, for bearing 3 at intervals 40 and for bearing 4 at intervals 61.

Keywords: Bearing, Defect First Observable, SPC.

Abstrak. Statistical Process Control (SPC) biasanya diaplikasikan pada data proses produksi barang, dengan tujuan untuk mendeteksi mutu atau kualitas suatu barang produksi berada dalam batas atau diluar batas spesifikasi yang telah ditentukan. Dalam makalah ini, SPC diaplikasikan pada data sinyal vibrasi bearing. Tujuannya adalah untuk mendeteksi defect first observable pada mesin yang berfungsi sebagai bagian dari alat prognostik untuk pengambilan keputusan pemeliharaan. Deteksi kerusakan dan prognostik merupakan dua aspek penting dalam pemeliharaan mesin berdasarkan kondisi saat ini atau lebih dikenal dengan Condition Based Maintenance (CBM). SPC yang digunakan adalah Shewhart average level chart serta adaptive Shewhart average level chart. Pada Shewhart average level chart, pemilihan data yang bekerja pada tahap normal harus dilakukan terlebih dahulu. Kemudian Shewhart average level chart dibangun dengan dua asumsi yaitu bahwa data bervariasi secara acak disekitar rata-rata yang ditetapkan serta data merupakan sampel dari distribusi normal. Sedangkan pada adaptive Shewhart average level chart tidak diperlukannya pemilihan data yang bekerja pada tahap normal terlebih dahulu dan tidak diperlukannya untuk pemenuhan asumsi. Hasil analisis menunjukkan bahwa asumsi normalitas data tidak terpenuhi, sehingga Shewhart average level chart tidak diimplementasikan. Adaptive Shewhart average level chart pada data sinyal vibrasi bearing diperoleh warning limit untuk bearing 1 sebesar 5,547776 dan 3,631726, untuk bearing 2 sebesar 5,491627 dan 3,635689, untuk bearing 3 sebesar 5,762645 dan 3,573396, untuk bearing 4 sebesar 5,604464 dan 3,615963. Serta untuk action limit untuk bearing 1 sebesar 6,026789 dan 3,152713, untuk bearing 2 sebesar 5,955612 dan 3,171705, untuk bearing 3 sebesar 6,309957 dan 3,026083, untuk bearing 4 sebesar 6,101589 dan 3,118837. Dari hasil batas yang diperoleh tersebut, defect first observable yang teridentifikasi untuk bearing 1 interval ke 81, untuk bearing 2 interval ke 146, untuk bearing 3 adalah interval ke 40 dan untuk bearing 4 interval ke 61.

Kata Kunci: Bearing, Defect First Observable, SPC.


Keywords


Bearing, Defect First Observable, SPC

References


Coble, Jamie Baalis. (2010). Merging Data Sources to Predict Remaining Useful Life-an Automated Method to Identify Prognostic Parameters. Disertasi tidak dipublikasikan. Knoxville: The Doctor of Philosophy Degree, The University of Tennessee.

Jardine, Andrew K.S., Daming Lin & Dragan Banjevic. (2005). A Review on Machinery Diagnostics and Prognostics Implementing Condition-Based-Maintenance. 20(2006). 1483-1510.

López-López, Juan Fernando, Jhouben Janyk Cuesta-Ramirez & Hector Fabio Quintero-Riaza. (2007). Gaussian Processes in Ball Bearing Prognostics. 84(203). 214-219.

Nasa Bearing Data Set, (Online). (http://data-acoustics.com/measurements/bearing-faults/bearing-4/ diakses pada 23 Juli 2019).

Negara, Gusnandar Abdi. (2018). Deteksi Cacat Multi Jenis pada Bantalan Tipe Double Row Menggunakan Sinyal Vibrasi. Skripsi tidak dipublikasikan. Yogyakarta: Program Studi Teknik Mesin, Fakultas Teknik, Universitas Muhammadiyah Yogyakarta.

Sudjana. (2005). Metode Statistika. Bandung: Tarsito.

Wan, Wenbin & Wenjuan Zhang. Early defect: Application of Statistical Process Control Methods. 14(3). 225-236.




DOI: http://dx.doi.org/10.29313/.v0i0.19641

Flag Counter     Â