Peramalan Vibrasi Bearing Melalui Sisa Usia Pakai Menggunakan Regresi Eksponensial

Haifa Nur Fadhilah Utami, Sutawanir Darwis

Abstract


Abstract. Machines are mechanical devices that convert fuel into energy to help human activities. The part of the machine that plays an important role in supporting a shaft so that it rotates without experiencing it is the bearing. Bearing produces a vibration which is used as a forecast of engine damage. Forecasting on machine vibrations is used to unify future conditions and predict the time remaining before a breakdown occurs. One of the analyzes used for forecasting on engine failure is exponential regression. This study discusses the application of exponential regression modeled using kurtosis and Root Mean Square (RMS) which is estimated using the Least Squares Method (MKT). The purpose of this study was to determine the estimated parameters and predict the remaining bearing life of exponential regression using kurtosis and RMS features. This study uses secondary data from the experimental bearing vibration test results from the FEMTO ST-Institute. Then converted into the form of kurtosis and RMS, then used to estimate the exponential regression parameters. The results obtained where the RMS feature shows a high level of accuracy and is more suitable for predicting vibration bearings. The inverse exponential regression equation is used to determine the remaining bearing life. It is seen that the predicted residual age is below and above the actual residual age value. This can be seen as a suitable predictor for maintenance planning ahead of real time from failure.

Keywords: Exponential Regression, Remaining Useful Life, Vibrasi Bearing.

Abstrak. Mesin adalah alat mekanik mengubah bahan bakar menjadi energi untuk membantu aktivitas manusia. Bagian mesin yang memegang peranan penting dalam menumpu sebuah poros agar berputar tanpa mengalami gesekan adalah bearing. Bearing menghasilkan sebuah vibrasi yang digunakan sebagai peramalan kerusakan mesin. Peramalan pada vibrasi mesin digunakan untuk memantau kondisi mesin di masa mendatang dan memprediksi waktu tersisa sebelum terjadinya kerusakan. Salah satu analisis yang digunakan untuk peramalan pada kerusakan mesin adalah regresi eksponensial. Dalam penelitian ini membahas penerapan regresi eksponensial dimodelkan menggunakan kurtosis dan Root Mean Square (RMS) yang ditaksir menggunakan Metode Kuadrat Terkecil (MKT). Tujuan penelitian ini adalah untuk menentukan taksiran parameter serta memprediksi sisa usia bearing regresi eksponensial menggunakan fitur kurtosis dan RMS. Penelitian ini menggunakan data sekunder hasil uji eksperimen vibrasi bearing dari FEMTO ST-Institute. Kemudian diubah kedalam bentuk kurtosis dan RMS, selanjutnya digunakan untuk menaksir parameter regresi eksponensial. Hasil yang diperoleh dimana fitur RMS menunjukkan tingkat akurasi yang tinggi dan lebih cocok digunakan untuk meramalkan vibrasi bearing. Invers persamaan regresi eksponensial digunakan untuk menentukan sisa usia bearing. Terlihat bahwa sisa usia prediksi berada dibawah dan atas nilai sisa usia yang sebenarnya. Hal ini dapat dilihat sebagai prediksi yang cocok untuk perencanaan pemeliharaan sebelum real time dari kegagalan.

Kata Kunci: Regresi Eksponensial, Sisa Usia Pakai, Vibrasi Bearing.


Keywords


Regresi Eksponensial, Sisa Usia Pakai, Vibrasi Bearing

Full Text:

PDF

References


Ali, J. B., Chebel-Morello, B., Saidi, L., & Malinowski, S. (2014). Accurate Bearing Remaining Useful Life Prediction Based On Weibull Distribution and Artificial Neural Network. Elsevier, 56, 150-172.

Amanda, Ervieta. (2020). Penerapan Deteksi Outlier Regresi Cox Vibrasi Bearing. Bandung: Universitas Islam Bandung.

Behzad, M., Arghand, H. A., & Bastami, A. R. (2017). Remaining Useful Life Prediction Of Ball-Bearings Based On High-Frequency Vibration Features. iMechE, 203, 3224-3233.

Benkedjouh, T., Medjaher, K., Zerhouni, N., & Noureddine, S. (2013). Remaining Useful Life Estimation Based On Nonlinear Feature Reduction and Support Vector Regression. HAL Archives-Ouvertes, 26(7), 1751-1760.

Ciu, L., Wang, X., Xu, Y., Jiang, H., & Zhou, J. (2018). A Novel Switching Unscented Kalman Filter Method For Remaining Useful Life Prediction Of Rolling Bearing. Elsevier, 135, 678-684.

Draper, N. R. and Smith, H. (1998). Applied Regression Analysis. (Third Edition). New York: John Wiley.

Elforjani, M., & Shanbr, S. (2017). Prognosis of Bearing Acoustic Emission Signals Using Supervised Machine Learning. IEEE, 65(7), 5864-5871.

Fitria, Isna. (2020). Pemodelan Menggunakan Autoregressive Integrated Moving Average (ARIMA) dan Support Vector Regression (SVR) Pada Vibrasi Bearing. Skripsi dipublikasikan. Bandung: Program Studi Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Islam Bandung.

Hede, R. P. (2016). Perbandingan Metode Kuadrat Terkecil dan Metode Kemungkinan Maksimum dalam Pendugaan Parameter Distribusi Weibull dengan Dua Parameter. Skripsi dipublikasikan. Yogyakarta: Program Studi Matematika, Fakultas Sains dan Teknologi, Universitas Sanata Dharma.

Hendriawan, Agil. (2020). Perkiraan Kerusakan Bearing Menggunakan Metode Relevance Vector Regression. Skripsi dipublikasikan. Bandung: Program Studi Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Islam Bandung.

Hermawan, Sigit. (2012). Studi Karakteristik Hidrodinamika Pada Silinder Bearing dengan Permukaan Slip dan/atau Permukaan Bertekstur. Skripsi dipublikasikan. Semarang: Universitas Diponegoro.

Hinchi, A. Z., & Tkiouat, M. (2018). Rolling Element Bearing Remaining Useful Life Estimation Based On A Convolutional Long-Short-Term Memory Network. Elsevier, 127, 123-132.

Institut Pertanian Bogor. (2019). Analisis Regresi 1 di Indonesia. Bogor: IPB

Jamhuri, M. (2015). Modul Praktikum Pemrograman Komputer 1. Malang: Universitas Islam Negeri Maulana Malik Ibrahim.

Kartika, D. A. (n.d.). Skewness Dan Kurtosis (Statistika). Retrieved from Scribd: https://www.scribd.com/doc/112155203/Skewness-Dan-Kurtosis-Statistika

KBBI. (n.d.). KBBI Web. Retrieved from Kamus Besar Bahasa Indonesia (KBBI): https://kbbi.web.id/vibrasi

Kurnia, Hendri. (2018). Uji Normalitas (Skewness dan Kurtosis). Retrieved from SlidePlayer: https://slideplayer.info/slide/12038059/

Pahlevi, R., Adnan, A., & Sugiarto, S. (2013). Menentukan Koefisien Regresi Eskponensial dengan Metode Kuadrat Terkecil Sederhana dan Metode Kuadrat Terkecil Berbobot. Perpustakaan Universitas Riau, 38, 422-427.

Rachman, A., Hartono, B., & Yuliaji, D. (2018). Analisa Getaran Pada Bearing Berbasis Kerusakan Bearing. Applikasi Mekanika & Energi, 4(1) 15-22.

Rachmania, Nathasya. (2020). Pemodelan Survival Menggunakan Support Vector Regression (SVR) Pada Data Vibrasi Bearing. Skripsi dipublikasikan. Bandung: Program Studi Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Islam Bandung.

Ren, L., Sun, Y., Cui, J., & Zhang, L. (2018). Bearing Remaining Useful Life Prediction Based On Deep Autoencoder And Deep Neural Networks. Elsevier, 48, 71-77.

Ren, L., Sun, Y., Wang, H., & Zhang, L. (2018). Prediction of Bearing Remaining Useful Life With Deep Convolution Neural Network. IEEE, 6, 13041-13049.

Sandi, Grace & Darwis, Sutawanir (2020). Prognosis Bearing Melalui Sisa Usia Pakai Menggunakan Distribusi Nilai Ekstrem. Skripsi dipublikasikan. Bandung: Program Studi Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Islam Bandung.

Si, X.-S., Wang, W., Hu, C.-H., Zhou, D.-H., & Pecht, M. G. (2012). Remaining Useful Life Estimation Based on a Nonlinear Diffusion Degradation Process. IEEE, 61(1), 50-67.

Sofita, D., Yuniarti, D., & Goejantoro, R. (2015). Analisis Regresi Eksponensial. Jurnal Eksponensial, 6(1), 57-64.

Sudjana (2005:325). In Istiqomah, P. N. (2016). Pengaruh Perputaran Persediaan Terhadap Profitabilitas Pada Perusahaan Food and Beverage Yang Terdaftar di Bursa Efek Indonesia Tahun 2011-2014. Skripsi dipublikasikan. Bandung: Universitas Pendidikan Indonesia.

Wardianto, D. (2018). Peningkatan Umur Bearing Pada Pompa Centrifugal dengan Optimasi Penggunaan Angular Contact Ball Bearing. Menara Ilmu, 12(5) 19-28.

Wu, B., Li, W., & Qiu, M.-q. (2017). Remaining Useful Life Prediction of Bearing with Vibration Signals Based on a Novel Indicator. Hindawi, 2017, 1-10.

Zhu, J., Chen, N., & Peng, W. (2018). Estimation of Bearing Remaining Useful Life Based on Multiscale Convolutional Neural Network. IEEE, 66(4), 3208-3216.

Yulianto Anggi Priliani, Darwis Sutawanir. (2021). Penerapan Metode K-Nearest Neighbors (kNN) pada Bearing. Jurnal Riset Statistika, 1(1), 10-18.




DOI: http://dx.doi.org/10.29313/.v0i0.28656

Flag Counter