Berli Paripurna Kamiel
Department of Mechanical Engineering Universitas Muhammadiyah Yogyakarta

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

Klasifikasi Cacat Lintasan Dalam Bantalan Bola Berbasis Support Vector Machine (SVM) pada Fan Industri Berli Paripurna Kamiel; Arie Joko Wiranto; Bambang Riyanta; Sulis Yulianto
Semesta Teknika Vol 22, No 2 (2019): NOVEMBER 2019
Publisher : Universitas Muhammadiyah Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.18196/st.222246

Abstract

Fan adalah sebuah mesin industri yang berfungsi  mensirkulasikan udara di dalam sebuah ruangan. Salah satu komponen dari fan yang sering rusak adalah bantalan. Metode spektrum merupakan salah satu metode deteksi rusak/cacat bantalan berbasis getaran yang umum digunakan namun grafik spektrum sering sulit dipahami oleh operator di lapangan. Metode pengenalan pola (pattern recognition) adalah metode yang mudah digunakan karena tidak perlu menterjemahkan grafik spektrum. Metode pengenalan pola yang digunakan pada penelitian ini adalah Support Vector Machine (SVM). Tujuan penelitian ini adalah mendeteksi cacat lintasan dalam pada bantalan bola. Penelitian ini menggunakan dua kondisi bantalan yang berbeda yaitu bantalan normal, dan bantalan cacat. Cacat pada bantalan dibuat dengan metode Electrical Discharge Machine (EDM) pada lintasan dalam dengan kedalaman 1,4 mm dan lebar 0,4 mm. Sinyal getaran bantalan direkam dari rig uji fan industri menggunakan software MATLAB dengan merekam data sebanyak 700 file untuk setiap kondisi. Data tersebut diektraksi kedalam 17 parameter statistik yang kemudian diseleksi secara visual sebagai input SVM. Klasifikasi SVM dilakukan dengan variasi kernel Radial Basis Function (RBF), Polynomial dan Linear. Hasil penelitian menunjukkan parameter statistik entropy dengan standart error menggunakan variasi kernel Radial Basis Function (RBF), Polynomial dan Linear adalah rekomendasi untuk klasifikasi cacat pada bantalan lintasan dalam karena menghasilkan akurasi sebesar 100%. Industrial fan is one of -rotating machinery commonly used by industries to circulate air in a particular area. One of the most important component of a fan is the bearing which may fault during its operation Spectrum analysis  is one of vibration-based methods frequently used to detect faulty bearing  but this method has a disadvantage that is not easily understood by operators in the field. Pattern recognition method  is an easy method to be used because it does not need to interpret the spectrum. The pattern recognition method used in this study is Support Vector Machine (SVM). The purpose of this study is to detect inner race fault of a ball bearing using SVM. This study uses two different bearings, namely a normal bearing and a faulty bearing. Fault on the bearing were made by Electrical Discharge Machine (EDM) on the inner race with a width of 0.4 mm  and a depth of 1.4 mm. The test is carried out on an industrial fan test rig and recorded using MATLAB. The vibration signal is recorded to result of 700 files for each bearing condition. The vibration data is subsequently extracted into 17 statistical parameters which are then visually selected as input of SVM classifier. The SVM classifiear is trained using variations of the Radial Basis Function (RBF), Polynomial and Linear kernels. The results shows that the statistical parameters of entropy-standard error using variation of the RBF, Polynomial and Linear kernels gives the highest accuracy of 100%.
Deteksi Cacat Lintasan Luar Bantalan Bola pada Fan Industri Menggunakan Metode Cepstrum Berli Paripurna Kamiel
Semesta Teknika Vol 23, No 1 (2020): MEI 2020
Publisher : Universitas Muhammadiyah Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.18196/st.v23i1.9980

Abstract

Bantalan bola pada sebuah fan (kipas) menerima beban dinamis yang sangat besar ketika beroperasi. Hal ini menyebabkan bantalan mengalami keausan yang harus dapat segera dideteksi untuk mencegah kerusakan/cacat lebih lanjut. Salah satu metode deteksi yang sering digunakan adalah metode analisis spektrum. Namun metode ini menghasilkan harmonik dan sidebands yang rumit jika diaplikasikan pada fan dengan transmisi roda gigi sehingga observasi amplitudo pada spektrum sulit dilakukan. Penelitian ini mengusulkan metode cepstrum ketimbang spektrum karena cepstrum dapat mengelompokkan berbagai harmonik yang berasal dari getaran komponen-komponen fan sehingga amplitudo cacat bantalan dapat diidentifikasi dengan mudah dan jelas. Bantalan yang digunakan dalam penelitian adalah tipe ASB 6209 2RS dengan kondisi normal (tanpa cacat) dan cacat lintasan luar. Cacat pada bantalan sengaja dibuat menggunakan Electrical Discharge Machine (EDM)  dengan kawat kuningan berdiameter 0,25 mm. Hasil penelitian menunjukkan bahwa spektrum dapat mendeteksi frekuensi poros fan  9,11 Hz, frekuensi ball pass frequency outer (BPFO) 36,52 Hz, dan frekuensi poros roda gigi 22,59 Hz.  Namun demikian amplitudo BPFO sulit diidentifikasi pada spektrum karena secara visual bercampur dengan amplitudo harmonik dari komponen-komponen lain yang turut bergetar pada fan. Hasil lebih baik diberikan oleh metode cepstrum dimana amplitudo quefrency BPFO sebesar 0,027 detik, yang bersesuaian dengan BPFO, sangat jelas terlihat karena tidak terganggu oleh amplitudo lain di sekitarnya. A Ball bearing in a fan  experience a very large dynamic load during its operation. This causes wear which must be detected immediately to prevent severe damage. One detection method that is often used is the spectrum analysis. However, this method produces complex harmonics and sidebands when applied to a fan with a gear transmission which makes it difficult to observe amplitude on the spectrum. This research proposes the cepstrum method rather than the spectrum because the cepstrum can classify the various harmonics that come from the vibrations of the fan components so that the amplitude of the bearing defects can be identified easily and clearly. The bearings used in the study are ASB 6209 2RS with normal condition (no fault) and with outer race fault. Defect in the bearings is intentionally made using an Electrical Discharge Machine (EDM) with 0,25 mm brass wire. The results show that the spectrum can detect the fan shaft frequency of 9,11 Hz, the ball pass frequency outer race (BPFO) 36,52 Hz, and the gear shaft frequency of 22,59 Hz. However, the BPFO amplitude is difficult to identify on the spectrum because it is visually mixed with the harmonic amplitude of the other vibrating components. A prominent results are given by the cepstrum method where the quefrency of 0,027 s, which corresponds to the BPFO, is clearly visible because it is not disturbed by other amplitudes. 
Deteksi Cacat Bantalan Poros Engkol Motor Pembakaran dalam Menggunakan Spektrum Envelope Berli Paripurna Kamiel
JMPM (Jurnal Material dan Proses Manufaktur) Vol 3, No 2 (2019): Desember
Publisher : Universitas Muhammadiyah Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.18196/jmpm.3243

Abstract

Bantalan poros engkol adalah salah satu komponen penting pada motor pembakaran-dalam (IC engine) yang dapat mengalami cacat akibat pembebanan berulang dan temperatur tinggi. Kerusakan bantalan menyebabkan penurunan kinerja mesin yang jika tidak segera dilakukan tindakan perawatan dapat mengakibatkan kerusakan total. Analisis spektrum getaran adalah teknik utama yang digunakan untuk mendeteksi cacat bantalan. Namun demikian, spektrum tidak efektif untuk mendeteksi cacat bantalan di mesin-mesin pembakaran-dalam karena menghasilkan background noise yang sangat besar sehingga menutup amplitudo getaran bantalan. Penelitian ini mengusulkan prosedur pre-processing sinyal getaran untuk mengeliminasi frekuensi-rendah-amplitudo-tinggi dan menguatkan amplitudo dari frekuensi bantalan. Penelitian ini menerapkan analisis envelope pada bantalan poros engkol motor pembakaran dalam 2 langkah. Eksperimen pada rig uji menggunakan 3 kondisi bantalan single row dari Danmotor yaitu bantalan normal (tidak cacat), cacat lintasan dalam ukuran 0,25 mm dan 0,50 mm. Kecepatan poros dijaga konstan pada variasi 1500 RPM dan 2000 RPM. Sensor akselerometer diletakkan pada blok mesin dekat dengan lokasi poros engkol untuk merekam sinyal getaran menggunakan kecepatan sampling 51200 Hz. Hasil penelitian menunjukan bahwa spektrum tidak dapat mendeteksi cacat bantalan untuk semua ukuran cacat dan kecepatan poros sedangkan spektrum envelope berhasil menampilkan BPFI dan side band yang dapat digunakan untuk mendeteksi cacat bantalan dan menentukan level cacatnya. A bearing on the crankshaft is one of critical component of the IC engine which may fault due to cyclic loading and high temperature. The vibration spectrum analysis is the main technique used to detect faulty bearings. However, it is not effective because IC engine produces a very large background noise which immerses bearing vibration amplitude. The study proposes a signal pre-processing procedure to eliminate low-frequency high-amplitude vibration and magnifies the amplitude of the bearing frequency. This paper applies envelope analysis on crankshaft bearings of two-strokes IC engine. The experiments on the test rig uses 3 condition of single row bearing from Danmotor i.e. normal bearing (healthy), inner race fault of 0,25 mm and 0,50 mm. The shaft speed of 1500 RPM and 2000 RPM is used during experiment. An accelerometer sensor is placed on the engine block near the location of the crankshaft to record vibration signals using 51200 Hz sampling rate. The result shows that spectrum fails to detect faulty bearing for all size defects and shaft speed. Meanwhile, envelope spectrum shows obvious BPFI and its side bands which can be used to detect and localize bearing fault.