Interpretasi Return Period sebagai Bearing Prognosis Menggunakan Generalized Pareto
Abstract
Abstract. Prognosis of a machine is defined as the ability to observe future condition of an engine component before the damage occurs to an engine component. Extreme rise or fall in bearing vibration can be an indicator to observe the engine condition. Extreme Value Theory (EVT) is a statistical method developed to analyze extreme events by looking at the tail behavior of the distribution. Peak Over Threshold method assumes that the bearing acceleration vibration data comes from the Generalized Pareto Distribution population. Parameters in the Generalized Pareto distribution are estimated using Maximum Likelihood Estimation (MLE) method through iterative numerical method. Data that used are acceleration vibration data from bearing testing experiments through 17 bearings and 34 accelerometers that are installed horizontally and vertically. The results of this study are that the remaining useful life for bearings 1_2 in vertical direction is 4.5 years. The remaining useful life for bearings 2_2 in horizontal direction is less than one month, and the remaining useful life for bearings 2_2 in vertical direction is more than 25 years.
Key Words: EVT, Generalized Pareto, Return Period, Bearing Prognosis.
Abstrak. Prognosis pada mesin diartikan sebagai kemampuan untuk mengamati kondisi masa depan suatu komponen mesin sebelum terjadinya kerusakan pada komponen mesin tersebut. Naik atau turunnya vibrasi pada bearing mesin secara ekstrim dapat menjadi indikator untuk mengamati kondisi mesin. Extreme Value Theory (EVT) merupakan metode statistika yang dikembangkan untuk menganalisis kejadian yang ekstrim dengan melihat perilaku ekor (tail) distribusi. EVT dengan metode Peak Over Threshold mengasumsikan bahwa data vibrasi akselerasi bearing berasal dari populasi yang berdistribusi Generalized Pareto. Parameter-parameter dalam distribusi Generalized Pareto diestimasi dengan menggunakan metode Maximum Likelihood Estimation (MLE) melalui metode numerik iterasi. Data yang digunakan merupakan data vibrasi akselerasi yang berasal dari eksperimen uji bearing melalui 17 bearing dan 34 akselerometer yang dipasang secara horizontal dan vertikal. Dalam penelitian ini digunakan data vibrasi akselerasi bearing 1_2 dan bearing 2_2 pada arah horizontal dan vertikal. Dari penelitian yang dilakukan disimpulkan bahwa pada data vibrasi akselerasi bearing menghasilkan sisa usia pakai untuk bearing 1_2 arah vertikal yaitu selama 4,5 tahun. Sisa usia pakai untuk bearing 2_2 arah horizontal adalah kurang dari satu bulan, dan sisa usia pakai bearing 2_2 arah vertikal yaitu lebih dari 25 tahun. Nilai return period ini dapat dijadikan sebagai patokan untuk peramalan bearing prognosis.
Kata Kunci: EVT, Generalized Pareto, Return Period, Bearing Prognosis.
Keywords
Full Text:
PDFReferences
Coles, S. (2001). An Introduction to Statistical Modelling of Extreme Values. London: Springer-Verlag.
Daniel, W. (11989). Statistika Nonparametrik Terapan. Jakarta: Gramedia.
Dharmawan, K. (2012). Estimasi Nilai VaR Dinamis Indeks Saham Menggunakan Peak-Over Threshold dan Block Maxima. Jurnal Matematika, 2(2).
Gilli, M. dan Kellezi, E. (2006). An Application of Extreme Value Theory for Measuring Financial Risk. Computational Economics, 27, 207-228.
Hosking, JRM. Wallis JR., dan Wood EF. (1985). Estimation of the Generalized Extreme Value Distribution by the Method of Probability-Weighted Moments. Thecnometrics. August 1985, 2(3), 251-261.
Kotz, S., dan Nadarajah, S. (2000). Extreme Value Distributions Theory and Applications. Imperial College Press.
Mallor, F., Nualart, E., dan Omey, E. (2009). An Introduction to Statistical Modelling of Extreme Values Application to Calculate Extreme Wind Speeds. Hogeschool Universteit Brussel Research Paper.
Sari, Y.D.W. (2013). Estimasi Parameter Generalized Pareto Distribution Pada Kasus Identifikasi Perubahan Iklim di Sentra Produksi Padi Jawa Timur. Skripsi: Jurusan Statistika, Institut Teknologi Sepuluh Nopember.
Tung, T.V., dan Yang, B.S. (2009). Machine Fault Diagnosis and Prognosis: The State of The Art. International Journal of Fluid Machinery and System, 2(1), 61-71.
DOI: http://dx.doi.org/10.29313/.v7i1.25770
![](/public/site/images/dadiahmadi/1438600371.png)