Download - ITS-paper-20098-Paper tugas tk vibarasi.pdf
-
8/17/2019 ITS-paper-20098-Paper tugas tk vibarasi.pdf
1/9
ANALISIS PROTEKSI VIBRASI PADA POMPA SENTRIFUGAL DENGAN
MENGGUNAKAN FAST FOURIER TRANSFORM DAN NEURAL NETWORK
Moh. Ishak1)
, Dr. Moch. Rivai ST, MT2)
, Dr Tri Arief Sardjono, ST, MT3)
1)
Politeknik Caltex Riau
Email : [email protected] 2,3)Intitut Teknologi Sepuluh Nopember (ITS)
Email : [email protected] [email protected] Surabaya 60111,
INDONESIA
Pompa jenis sentrifugal sangat luas
penggunaannya di dunia industri termasuk di
industri perminyakan. Pompa sentrifugal
banyak berperan dalam peralatan yang penting
sehingga kerusakan pada pompa sentrifugal
akan mempengaruhi produksi.Dalam penelitianini, dibuat prototipe pompa sentrifugal untuk
melihat pola vibrasi terhadap jenis-jenis
kondisi abnormal dengan FFT dan neural
network. Ada tiga jenis kondisi abnormal yang
dibahas yaitu misalignment, unbalance dan
looseness. Dari hasil penelitian didapat bahwa
pada kondisi unbalance amplitudo frekuensi
putaran 3 kali amplitudo kondisi unfault pada
frekuensi yang sama. Untuk kondisi
misalignment, harmonik yang muncul pada
penelitian ini yaitu frekuensi harmonik ke 2.
Pada kondisi looseness, amplitudo frekuensi
dasar menjadi 2 kali nilai kondisi normal. Dan
tingkat keberhasilan neural network dalam
mendeteksi pola spektrum vibrasi mencapai
90%.
Kata kunci: Pompa injeksi sentrifugal, proteksi
vibrasi, misalignment, unbalance, looseness
1. Pendahuluan
Pompa sentrifugal merupakan pompayang sangat banyak penggunaanya di dunia
industri. Peranan pompa jenis ini banyak
melaksankan fungsi-fungsi yang vital di suatuindustri. Kegagalan fungsi pompa akan
menyebabkan tidak berfungsi suatu sistem
produksi. Hal ini dapat menyebabkan kerugiandan kehilangan produksi.
Vibrasi merupakan salah satu hal utama
yang menyebabkan kerusakan pompa
sentifugal. Sumber-sumber vibrasi sangat banyak, misalnya keadaan pompa yang tidak
selurus dengan motor penggeraknya
(misalignment). Untuk menghindari kerusakanyang disebabkan oleh vibrasi, biasanya
dipasang alat pemantau vibrasi. Di dunia
industri saat ini, kebanyakan yang dipasangadalah yang memonitor vibrasi sesaat tanpa
melihat sumber dan pola vibrasi yang muncul.
Melalui penelitian ini, akan dilihat
beberapa pola vibrasi yang tejadi pada pompa
sentrifugal. Ada empat pola vibrasi yang akanditeliti yaitu unfault, unbalance, looseness dan
misalignment. Algoritma yang akan digunakan
adalah fast fourier transform (FFT) dan neuralnetwork.
2. Metode Penelitian
Metode yang digunakan dalam penelitian
ini meliputi pembuatan prototipe untukidentifikasi pola vibrasi secara on-line
mengunakan neural network.
2.1 Perancangan Sistem
Diagram blok sistem yang dirancangterdiri dari sensor accelerometer, A/Dconverter, FFT, neural network dan hasil
Identifikasi kondisi vibrasi seperti yang tampak
pada gambar 2.1.
-
8/17/2019 ITS-paper-20098-Paper tugas tk vibarasi.pdf
2/9
Gambar 2.1 Diagram Blok Identifikasi pola
vibrasi on-line
2.1.1 Sensor Accelerometer
Sensor yang digunakan dalam penelitianini adalah accelerometer ADXL330. Sensor ini
mengukur percepatan dari suatu peralatan.
Keluaran dari sensor berupa tegangan DCdengan jangkauan 0~3,3 VDC. Setiap 300mV
keluaran sensor setara dengan 1g (9,8 m/).Sehingga 1 mV = (9,8m/)/300 = 0,0327m/. Saat pengukuran, sensor diletakantegaklurus terhadap poros pada sisi inboard
motor (dekat kopling).
2.1.2 A/D Converter
ADC yang digunakan adalah ADC
internal dari Mikrokontroller Atmega8535
dengan resolusi 10 bit. Hasil konversi ADCdapat dihitung dengan rumus sebagai berikut:
hasil Konversi ADC 10bit = Vin/Vref x 1024dimana :
Vin = tegangan masukan mikrokontroller
Vref= tegangan reference (5 Vdc)
Nilai output yang dihasilkan adalah dari 0
sampai 1024 (10 bit = 2^10 = 1024). Juga dapatdihitung nilai dari 1 bit yaitu : nilai 1 bit = (5
VDC)/1024 = 0,00488 Vdc = 4,88 mVdc.
Baudrate yang digunakan adalah 115200 bps.
2.1.3 FFT (Fast Fourier Transform)
Nilai keluaran mikrokontroller akan
dibaca oleh komputer dengan menggunakan
pemrograman delphi7. Nilai LSB dan MSByang diterima oleh komputer kemudian akan
dijumlahkan dan dikalikan dengan 0,00488
Vdc (4,88 mV) (dikonversikan kembali ke
satuan tegangan). Kemudian hasil dalam satuanmV dikalikan dengan 0,0327 m/s^2. Sehingga
tampilan sinyalnya adalah dalam satuan
percepatan. Sinyal yang dikeluarakan olehmikrokontroller ini berupa sinyal dalam fungsi
waktu (domain waktu). Hasil keluaran dari A/D
converter ini ditampilkan dalam bentuk grafikdibawah ini.
Gambar 2.2 Sinyal domain waktu keluaran
mikrokontroller
Sinyal domain waktu akandikonversikan ke domain frekuensi dengan
persamaan dasar dari FFT berikut.
X(k) = ∑ xn WNN (2.1)
dimana :
n, k, N adalah integer
k = 0,1,2,3,.....,N-1
J = √ 1
=eπ/N=Cos
– j Sin
sehingga :
WN eπ/N Cosπ
N jsin π
N
(2.4)
karena x(n)=xr(n)+jx(n) bisa bernilaikompleks, dan X(k) = XR(k) + jXI(k) maka :
XR(k)=∑ xrn cos πN
xn sinπ
N
XI(k)= ∑ xrnsin πN
xn cos
πN
Magnitude pada domain frekuensi dapat
dihitung berdasarkan persamaan berikut ini :
-
8/17/2019 ITS-paper-20098-Paper tugas tk vibarasi.pdf
3/9
|Xk| real imaginer XRk XIk
Proses FFT dilakukan setiap 1000 data
masukan domain waktu. Adapun flow chart
untuk proses FFT adalah seperti gambar 2.3.
Tampilan grafik dalam fungsi frekuensiseperti gambar 2.4. Dalam domain frekuensi
jika semua data ditampilkan maka frekuensi
sebelah kanan sebagai pencerminan frekuensisebelah kiri, dalam hal ini yang ditampilkan
bagian kanan saja.
Gambar 2.3 Flow chart Proses FFT dengan sample
data vibrasi 1000 data
Gambar 2.4 Grafik sinyal dalam domain frekuensi.
2.1.4 Neural Network
Proses FFT akan menghasilkan data
frekuensi (f0 sampai f500). Data-data frekuensiini kemudian akan dilewatkan melalui proses
neural network untuk menentukan pola vibrasi
yang terjadi. Jika digambarkan secara umum
grafik frekuensi akan tampak seperti gambar2.5.
Dari grafik ini tampak bahwa ada 500
nilai frekuensi (f0 ~ f500). Nilai-nilai ini
kemudian akan menjadi data masukan padaneural network. Adapun arsitektur neural
network pada penelitian ini untuk pembacaan
online adalah seperti gambar 2.6.
Gambar 2.5 Grafik domain frekuensi
Gambar 2.6 Arsitektur neural network dalam
penelitian ini
Untuk nilai keluaran neural network (target)
akan mengacu kepada Tabel 2.1.
Tabel 2.1 Hubungan pola vibrasi dan targetuntuk neural network
Persamaan yang digunakan dalam
neural network ini pada setiap layer adalahsebagai berikut.
Persamaan umum :
Persamaan umum :
Output
(2.2)
y ∑ wi xiN bias (2.3)
Pola VibrasiTarget
Yo Y1 Y2 Y3
Unfault (Normal) 1 0 0 0
Unbalance (Ketidakseimbangan) 0 1 0 0
Looseness (Longgar/Kendur) 0 0 1 0
Misalignment (Ketidaklurusan) 0 0 0 1
-
8/17/2019 ITS-paper-20098-Paper tugas tk vibarasi.pdf
4/9
Untuk nilai-nilai bobot yang digunakan adalahhasil pembelajaran yang dilakukan dengan NN
backpropagation secara terpisah.
2.1.5 Pembelajaran dengan NN
Backpropagation
Gambar 2.8 adalah blok diagram untuk
proses pembelajaran neural dan dapat dilihat bahwa data-data frekuensi yang akan dijadikan
sebagai acuan pembelajaran dimasukan dalam pemrograman back propagation NN dan
akhirnya akan menghasilkan bobot dan bias.
Gambar 2.7 Flow chart proses neural network untuk
identifikasi pola vibrasi
Gambar 2.8 Blok diagram proses pembelajaran NN
Gambar 2.9 Flow chart pembelajaran NN
2.2 Metode Pengambilan Data
2.2.1 Model kondisi Unfault (Kondisi
normal)
Kondisi Unfault atau kondisi normal
didefinisikan sebagai kondisi normal operasi pompa dan pompa dapat beroperasi secara
kontinyu. Salah satu ciri kondisi ini yaitu
kopling pompa dpat dengan mudah diputar
secara manual dengan tangan.
Data masukanfrekuensi
o 1[j]:=1/(1+e xp(-temp))
o 2[j]:=1/(1+e xp(-temp));
o 3[j]:=1/(1+e xp(-temp));
Hasil Identifikasi Pola
Vibrasi : Un fault,
Unbalance, Looseness
atau Misalignment
MULAI
Masukan dataspektrum frekuensi
Menentukanmatrik Target
Menentukan nilai ParameterNN :- Set jumlah iterasi- Menentukan jumlah hiddenlayer
Pelatihan NN menggunakanBack Propagation. Algoritma
training : gradient descentbackpropagation withadaptive learning rate;
Transfer function : sigmoid
MSE < 0.001
Simpan bobot danbias
SELESAI
Tidak
Ya
-
8/17/2019 ITS-paper-20098-Paper tugas tk vibarasi.pdf
5/9
2.2.2 Model kondisi Unbalance
(Ketidakseimbangan)
Kondisi unbalance yaitu kondisi dimana
terjadi ketidakseimbangan pada poros pompaatau motor ketika berputar. Berikut ini adalah
gambar posisi-posisi baut pada base pompa danmotor pada prototipe penelitian ini.
Gambar 2.10 Hubungan kopling pompa dan motor
saat Unfault
Gambar 2.11 Posisi baut pada prototipe base pompa
dan motor
Motor akan dikondisikan unbalancedengan cara menaikan satu atau dua titik pada
base motor. Hal ini dilakukan dengan cara
pengaturan putaran baut.
-Kondisi 1 : Base motor dinaikan pada baut
no.1 sebanyak 1 putaran baut (2mm)-Kondisi 2 : Base motor dinaikan pada baut
no.1 sebanyak 1 putaran baut (2mm) dan pada baut no.2 sebanyak 1 putaran baut (2 mm)
-Kondisi 3 : Base motor dinaikan pada baut
no.1 sebesar 1 putaran baut (2mm) dan pada baut no.2 sebesar 1 putaran baut (2 mm) dan
pada baut no.3 sebesar 1 putaran baut (2 mm)
-Kondisi 4 : Base motor dinaikan pada baut
no.1 sebesar 1 putaran baut (2mm), pada bautno.2 sebesar 1 putaran baut (2 mm), pada bautno.3 sebesar 1 putaran baut (2 mm) dan pada
baut no.4 sebesar 0.5 putaran baut (1 mm)
Gambar 2.12 Base pompa saat Unbalance kondisi 1
Gambar 2.13 Base pompa saat Unbalance kondisi 2
Gambar 2.14 Base pompa saat Unbalance kondisi 3
Gambar 2.15 Base pompa saat Unbalance kondisi 4
2.2.3 Model kondisi Misalignment (Tidak
Selurus)
Kondisi ini didapat dengan cara
menurunkan base motor dari kondisi normal.
2.2.4 Model kondisi Looseness (Kondisi
base Longgar atau kendur)
Dalam penelitian ini, berikut kondisi untukmendapatkan looseness.
-Kondisi 1: Semua baut base motor dan semua
baut base pompa dalam keadaan
kendur/longgar.
-Kondisi 2 : Semua baut base motor dalam
keadaan kendur/longgar, sementara semua baut base pompa dipasang kuat
Gambar 2.16 Kondisi pompa saat misalignment
-
8/17/2019 ITS-paper-20098-Paper tugas tk vibarasi.pdf
6/9
3. Hasil dan Pembahasan
Hasil dari penelitian untuk ke empat pola
spektrum vibrasi akan dijelaskan dibawah
ini.
3.1 Pola-pola Spektrum Vibrasi padaPrototipe Pompa Sentrifugal
Prototipe pada penelitian ini
menggunakan pompa dan motor yang memilikikecepatan putaran poros sebesar 2800 rpm
(putaran per menit). Sehingga frekuensi putaran
pompa/frekuensi dasar adalah sebagai berikut :frekuensi putaran poros / frekuensi dasar =
rpm/(60 detik) = 2800/60= 46,7 Hz.
. Sementara itu frekuensi-frekuensi
harmoniknya adalah sebagai berikut :
frekuensi harmonik-1 = 46,7 x 2 = 93,4 Hz
frekuensi harmonik-2 = 46,7 x 3 = 140.1 Hz
frekuensi harmonik-3 = 46,7 x 4 = 186,8 Hz
frekuensi harmonik-4 = 46,7 x 5 = 233,5 Hz
Gambar 3.1 Foto rangkaian prototipe saatmelakukan pengambilan data di Laboratorium
Eletronika Industri ITS Surabaya.
Pada penelitian ini, pengukuran vibrasi
akan menggunakan 1 (satu) unit sensorakselerometer Adxl330.
Sinyal yang ditampilkan sebagai hasil
pengukuran adalah domain waktu dan domainfrekuensi.
3.1.1 Spektrum Kondisi Unfault
(Normal)
Gambar 3.2 Spektrum frekuensi Kondisi Normal
Dari spektrum kondisi normal ini, dapat
dilihat bahwa amplitudo tertinggi ada padafrekuensi dasar (46.7 Hz). Sementara pada
frekuensi-frekuensi harmonik-1, 2 dan 3
spektrum tetap muncul dengan amplitudo yanglebih kecil.
3.1.2 Spektrum Kondisi Unbalance(Ketidakseimbangan)
Gambar 3.3 Spektrum frekuensi kondisi Unbalance
Pada gambar 3.3 dapat dilihat bahwa
dengan menaikan base motor pada posisikondisi 1 setinggi 2 mm maka akan
menyebabkan kondisi unbalance. Hal ini
-
8/17/2019 ITS-paper-20098-Paper tugas tk vibarasi.pdf
7/9
disebabkan karena dengan turunnya satu titikmenyebabkan putaran poros menjadi tidak
seimbang. Pada kondisi ini, amplitudo pada
frekuensi dasar menjadi 3 kali lebih tinggi jikadibandingkan dengan kondisi normal pada
frekuensi yang sama. Sementara itu, spektrum
pada frekuensi harmoniknya tetap muncul dannilai amplitudonya tidak berubah hampir samaseperti pada kondisi normal.
Untuk kondisi 2, pola spektrum
frekuensi yang dihasilkan masih sama denganspektrum kondisi unbalance. Namun amplitudo
pada frekuensi dasar menurun dan lebih kecil
jika dibandingkan pada kondisi 1. Hal inidisebabkan oleh posisi non drive-end motor
(kiri dan dan kanan) mempunyai level tinggi
yang sama. Dan hanya berbeda dengan sisidrive-end motor.
Untuk kondisi 3, amplitudo pada
frekuensi dasar menjadi tinggi kembali
mencapai lebih dari dua kali tinggi amplitudo
jika dibandingkan dengan kondisi normal padafrekuensi yang sama. Hal ini dikarenakan
hanya satu titik yang tidak level seperti kondisi
1 sehingga menyebabkan ketidakseimbaganyang tinggi.
Pada spektrum kondisi 4, amplitudoyang dihasilkan pada frekuensi dasar samadengan kondisi 3. Hal ini dikarenakan titik no.4
masih belum sama levelnya dengan ketiga titik
lainnya
Dari analisis ke-empat spektrumfrekuensi untuk kondisi unbalance, dapat
disimpulkan bahwa amplitudo pada frekuensi
dasar menjadi hampir 3 kali besar jika
dibandingkan dengan kondisi normal.
Sementara amplitudo pada frekuensi-frekuensiharmonik tetap dan hampir sama dengan
kondisi normal.
3.1.3 Spektrum Kondisi Misalignment
(Tidak Selurus)
Gambar 3.4 Spektrum vibrasi kondisi misalignment
Hasil spektrum frekuensinya adalah
sebagai berikut. Dari gambar 3.4 ni dapat
dilihat bahwa pada saat misalignment spektrum pada frekuensi hormonik-2 mempunyai besar
amplitudo 2 kali dari amplitudo pada kondisi
normal. Sementara amplitudo pada frekuensi
harmonik lainnya tetap muncul dan besarnyasama dengan frekuensi dasar.
Hal ini sesuai dengan penelitian yang
telah dilakukan oleh Giovanni Betta (IEEE,
2002) yang menyatakan bahwa kondisimisalignment akan menyebabkan amplitudo
pada frekuensi harmonik akan dominan dan
lebih tinggi dari frekuensi dasar. Pada
penelitian ini frekuensi harmonik-2 yangmuncul dominan.
3.1.4 Spektrum Kondisi Looseness
(kendur/Longgar)
Gambar 3.5 Spektrum frekuensi kondisi Looseness
Dari gambar 3.5 ini dapat dilihat bahwa
pada kondisi looseness ini, frekuensi dasarmempunyai amplitudo lebih tinggi jika
dibandingkan dengan kondisi normal.Sementara itu, frekuensi harmonik-2 jugamempunyai amplitudo yang lebih tinggi. Hal
ini disebabkan karena dengan dikendurkannya
semua baut pada base motor menyebabkan
ketidakseimbangan menjadi lebih tinggi.
Disamping itu, dari gambar 4.6 dapat
dilihat bahwa muncul frekuensi harmonik lain
-
8/17/2019 ITS-paper-20098-Paper tugas tk vibarasi.pdf
8/9
pada frekuensi 35 Hz. Frekuensi-frekuensirendah ini muncul sebagai akibat kendurnya
baut-baut pada base motor dan pompa.
3.2 Klasifikasi menggunakan neural
network
Untuk proses pembelajaran dilakukan
dengan menggunakan matlab. Berikut adalahhasil pengujian neural network dengan data
actual dari pompa.
Dari Tabel 3.1, dapat dilihat bahwa
tingkat keberhasilan neural network adalah90% (dari 10 pengambilan data, 1 data yang
tidak tepat).
Tabel 3.1 Hasil pengujian NNGambar 3.5 Hasil Neural network untuk ke-4 pola
spektrum vibrasi
4. Kesimpulan
Dari hasil penelitian ini dapat ditarik beberapa kesimpulan sebagai berikut:
1. Kondisi unjuk kerja pompa dapatdiamati dengan menggunakan spektrum
vibrasi.2. Pada kondisi Unbalance, spektrum
frekuensi dasar menjadi 3 kali lebih
besar dari kondisi normal.
3. Pada kondisi misalignment spektrumfrekuensi harmonik ke-2 akan lebih
dominan.
4. Pada kondisi looseness, spektrumfrekuensi dasar akan naik menjadi 2 kali
lebih tinggi dari kondisi normal.
5. Tingkat keberhasilan neural networkmencapai 90%.
DAFTAR PUSTAKA
[1] Birajdar R, Pati R, Khanzode K, KirloskarBrothers Ltd., (2009), “VIBRATION AND
NOISE IN CENTRIFUGAL PUMPS -
SOURCES AND DIAGNOSIS METHODS”,3rd International Conference on Integrity,
Reliability and Failure, Portugal, 20-24 July
2009.
N o. Pola Yang muncul Hasil N eura l N etw ork Hasil (Tepat/Tidak Tepat )
1 Misalignment Misalignment Tepat
2 Unfault Unfault Tepat
3 Misalignment Misalignment Tepat
4 Looseness Looseness Tepat
5 Misalignment Unfault Tidak Tepat
6 Unfault Unfault Tepat
7 Looseness Looseness Tepat
8 Misalignment Misalignment Tepat
9 Looseness Looseness Tepat
10 Looseness Looseness Tepat
-
8/17/2019 ITS-paper-20098-Paper tugas tk vibarasi.pdf
9/9
[2] Orhan Sadettin, Aktu Nizami , Veli C,
(2005), “Vibration monitoring for defect
diagnosis of rolling element bearings as a predictive maintenance tool: Comprehensive
case studies”, NDT&E International 39 (2006)293–298.
[3] Ruuska, Mikko, H. Andersson, Paul,
Dubrovnik, (2003), “SPINDLE BEARINGMONITORING USING ACOUSTIC
EMISSION”, Proceedings, XVII IMEKO
World Congress, 2164~2167.
[4] Giovanni Betta, Student Member, IEEE,
Consolatina Liguori, Alfredo Paolillo, and
Antonio Pietrosanto, (2002), “A DSP-BASED
FFT-ANALYZER FOR THE FAULTDIAGNOSIS OF ROTATING MACHINE
BASED ON VIBRATION ANALYSIS”, IEEETransactions on Instrumentation and
Measurement, vol. 51, no. 6.
[5] Reimche W, Südmersen U, Pietsch Or,Scheer C, Bach F, (2003), “BASICS OF
VIBRATION MONITORING FOR FAULT
DETECTION AND PROCESS CONTROL”.University of Hannover, Institute of Material
Science, Department of NDT.
[6] H. Shreve Dennis, (1995), “SIGNALPROCESSING FOR EFFECTIVE
VIBRATION ANALYSIS”, IRD
Mechanalysis, Inc Columbus, Ohio.
[7]Ahmed, R. Supangat, J. Grieger, N. Ertugrul
and W. L. Soong, (2004), A Baseline Study forOn-Line Condition Monitoring of Induction
Machines”, Australasian Universities PowerEngineering Conference (AUPEC 2004).