Perkiraan Kerusakan Bearing Menggunakan Metode Relevance Vector Regression

Agil Hendriawan, Sutawanir Darwis

Abstract


Abstract. There are some methods to predict probability such as Survival Analysis and Regression Analysis. Survival Analysis with Kaplan-Meier Estimator is used to predict Hazard Survival Function. Relevance Vector Regression is selected as a method that is used to predict failure degradation bearing. Bearing is a part of a machine that supports an axis that has weight, so the rotation is smooth, safe, and durable. From the experiment result, will produce time to failure data, kurtosis, and failure degradation bearing probability. Bearing vibration as a sample being noticed until failed, in this case considered defective if kurtosis greater than the 40 threshold. Prediction from Relevance Vector Regression obtained by analyzing time to failure data and kurtosis that obtained from bearing vibration with failure degradation bearing probability. To obtain the best result, in this experiment by comparing RMSE value between Linear Regression Analysis and Relevance Vector Regression. Data that was used in this experiment is secondary data that was obtained from NASA’s site. Monitoring conditions from machine health or industrial components and systems that can detect, classify, and predict failure in the future are very important in reducing operational and maintaining cost. Based on the experiment result, obtained that Relevance Vector Regression is a better method compared to simple regression analysis because of lower RMSE value.

Keywords: Time to Failure, Kurtosis, Kaplan-Meier, Relevance Vector Regression.

Abstrak. Terdapat beberapa metode untuk memperkirakan peluang seperti analisis survival dan analisis regresi. Analisis survival dengan metode Estimator Kaplan-Meier digunakan untuk memperkirakan fungsi hazard survival. Relevance Vector Regression dipilih sebagai metode yang digunakan untuk memperkirakan kerusakan bearing. Bearing adalah bagian mesin yang menumpu poros yang mempunyai beban, sehingga putarannya dapat berlangsung secara halus, aman, dan mempunyai umur yang panjang. Dari hasil percobaan, akan menghasilkan data waktu kegagalan, kurtosis, dan peluang kerusakan bearing. Bearing sebagai sampel diperhatikan vibrasinya hingga mengalami kerusakan, dalam hal ini dianggap rusak ketika kurtosis melewati ambang batas 40. Perkiraan dari Relevance Vector Regression didapat dengan menganalisis data waktu kegagalan dan kurtosis yang diperoleh dari vibrasi bearing dengan peluang kerusakan bearing. Untuk mendapatkan hasil yang terbaik, yang mana dalam penelitian ini dengan membandingkan nilai RMSE antara analisis regresi linier dengan Relevance Vector Regression. Data yang digunakan pada penelitian ini adalah data sekunder yang diperoleh dari situs NASA. Pemantauan kondisi dari kesehatan mesin atau komponen industri dan sistem yang dapat mendeteksi, mengklasifikasikan, dan memperkirakan kerusakan yang akan datang sangat penting dalam mengurangi biaya operasi dan pemeliharaan. Berdasarkan hasil penelitian, diperoleh bahwa Relevance Vector Regression merupakan metode yang lebih baik dibandingkan analisis regresi sederhana karena nilai RMSE yang lebih rendah.

Kata Kunci: Waktu Kegagalan, Kurtosis, Kaplan-Meier, Relevance Vector Regression.


Keywords


Waktu Kegagalan, Kurtosis, Kaplan-Meier, Relevance Vector Regression.

Full Text:

PDF

References


Ayuningtyas, Niky. (2018). Prediksi Failure Degradation Bearing Dengan Metode Support Vector Regression (SVR). Bandung: Universitas Islam Bandung.

Darwis, Sutawanir. ; Hajarisman, Nusar ; Suliadi. (2017). Estimasi Keausan Bearing Menggunakan Failure Rate Weibull. Jurnal Universitas Islam Bandung. Vol.7 No.2 259-265.

Fletcher, Tristan. (2010). Relevance Vector Machine Explained. London: University College London.

Hajarisman, Nusar. (2008). Buku Panduan Praktikum : Laboratorium Statistika. Bandung: Universitas Islam Bandung.

Harlan, Johan. (2017). Analisis Survival. Depok: Gunadarma.

Harris, T.A. ; Koztalas, M. N. (2007). Rolling Bearing Analysis, Fifth Edition : Essential Concepts of Bearing Technology. USA: Taylor and Francis Group, CRC Press.

Kim, Julia. (2012). Survival Analysis. Pediatrics in Review 33 (4), 172-174.

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

Pal, Mahesh. (2011). Kernel Method in Remote Sensing : A Review. Kurukshetra: National Institute of Technology Kurukshetra.

Putra, Arief B. E. (2017). Implementasi Metode Relevance Vector Machine Dalam Peringkasan Teks Otomatis. Bandung: Universitas Komputer Indonesia.

Tipping, M. E. (2000). The relevance vector machine. In S. Solla, T. Leen, & K. R. Muller (Eds.). Advances in neural information processing system (Vol. 12,pp. 287–289). Cambridge, MA: MIT Press.

Widodo, Achmad. ; Yang, Bo-Suk. (2010). Application of Relevance Vector Machine and Survival Probability to Machine Degradation Assessment. Mechanical Systems and Signal Processing 24 (4), 1161-1171.




DOI: http://dx.doi.org/10.29313/.v7i1.25735

Flag Counter