Penulis: Prof. Ignatius Pulung Nurprasetio Reviewer: Prof. Andi Isra Mahyuddin Penerbit: ITB Press ISBN: 978-623-297-300-8
Sinopsis
Pemantauan kondisi permesinan atau machine health monitoring (MHM) merupakan bagian dari kegiatan pemeliharaan atau perawatan berbasis kondisi mesin (CBM–condition-based maintenance). Dalam beberapa literatur, jenis perawatan di atas sering diistilahkan perawatan prediktif (predictive maintenance). Manfaat terbesar perawatan jenis ini adalah terdeteksinya permasalahan di permesinan sebelum peristiwa kerusakan yang lebih besar atau katastropik terjadi. Selain itu, kegiatan perawatan skala besar yang memerlukan penghentian operasi menjadi lebih terencana dan lebih singkat, karena pembongkaran sudah dapat direncanakan secara komprehensif dari awal, suku cadang bisa disediakan sebelum penghentian dan pembongkaran, dan pemasangan serta perakitan bisa disimulasikan.
Ada dua kegiatan utama dalam CBM, yakni diagnostik dan prognostik. Diagnostik meliputi deteksi cacat (fault detection), isolasi cacat (fault isolation), dan identifikasi cacat (fault identification). Prognostik berhubungan dengan kegiatan peramalan sebelum suatu masalah terjadi. Secara teknis, kedua hal di atas memerlukan pengetahuan dan teknik pemantauan kondisi permesinan yang meliputi akuisisi data, pemrosesan, dan penentuan hasil.
Buku ini menguraikan tiga hasil besar penelitian terkait pemantauan kesehatan permesinan. Hasil pertama adalah pengembangan metode baru diagnosis cacat permesinan, khususnya mesin rotasi (rotating machineries) melalui penggabungan pengenalan pola jarak terdekat, pemodelan deret waktu, dan transformasi wavelet diskret. Dalam hal ini, data hasil pengukuran atau pemantauan objek kajian (mesin rotasi) dimodelkan dengan pemodelan deret waktu (time-series modeling). Selanjutnya, dirumuskan vektor parameter deret waktu, yang diberi label vektor fitur. Guna mengambil keputusan, vektor fitur pengukuran dibandingkan dengan vektor fitur referensi melalui pengukuran jarak parametrik. Hasil diagnosis ditentukan berdasarkan jarak parametrik yang terkecil. Pemanfaatan transformasi wavelet diskret (Discrete Wavelet Transform–DWT) dimaksudkan untuk menurunkan orde model deret waktu. Dengan semakin sedikitnya parameter, kalkulasi menjadi lebih ringan. Selain itu, kasus misidentifikasi yang dijumpai saat uji coba teratasi dengan implementasi DWT.
Metode yang sudah dikembangkan telah sukses diuji coba di anjungan uji getaran yang bisa menyimulasi cacat tak balans (unbalance) dan kelonggaran (mechanical looseness). Selain itu, untuk jumlah cacat lebih banyak, digunakan anjungan uji mekanisme engkol torak empat silinder. Di sini pun, metode pemantauan dan diagnostik dapat memisahkan kasus seimbang, tak seimbang, tak seimbang primer, dan tak seimbang sekunder. Uji yang terakhir dilakukan di peralatan laboratorium berskala industri. Dalam kasus ini, dimensi, beban, dan daya motor yang digunakan mirip sekali dengan yang bisa dijumpai di industri. Hasil penerapan berhasil mendeteksi dan memisahkan kasus referensi (tak balans sisa dan ketidaksesumbuan) dengan tak seimbang dinamis.
Hasil penelitian yang kedua adalah pemantauan kondisi struktur (structural health monitoring, SHM), dalam hal ini komposit polimer serat karbon (carbon fiber reinforced polymer atau CFRP). Struktur yang dimaksud di sini merujuk pada objek yang diam. Di beberapa industri, peralatan pabrik yang tidak bergerak atau tak ada komponen berputar disebut peralatan statik. Dipilih peralatan yang dibuat dari CFRP mengingat harganya yang mahal, meski teknik yang dikembangkan bisa saja diterapkan di peralatan statik pada umumnya. SHM yang disampaikan di sini adalah yang berbasis sinyal getaran. Obyek yang dipantau, dalam hal ini komponen yang terbuat dari CFRP dieksitasi, sinyal yang tertangkap kemudian diproses. Analisis masih dilakukan di domain frekuensi, dengan ‘jarak’ yang dirumuskan dari parameter chi-kuadrat yang diadopsi dari uji kemiripan spektra. Cacat delaminasi, putus serat, dan retak buatan disimulasikan di spesimen CFRP. Hasil pengukuran menunjukkan bahwa metode yang dikembangkan berhasil dengan sangat baik dalam mendeteksi dan memisahkan satu cacat dengan cacat lainnya.
Hasil penelitian terakhir terkait pemantauan kesehatan adalah deteksi kelelahan otot manusia. Di sini, teknik domain frekuensi dan juga domain waktu dicobakan dalam pemantauan kesehatan manusia. Sensor yang digunakan adalah surface ElectroMyoGraphy (sEMG) yang ditempelkan di permukaan kulit. Penempatan sensor sepenuhnya mengikuti rekomendasi SENIAM (Surface ElectroMyoGraphy for the Non-Invasive Asssesment of Muscles) Teknik domain frekuensi yang umum dikenal di kalangan praktisi sEMG seperti pemantauan frekuensi rata-rata dan median diuji coba. Untuk domain waktu, teknik yang sudah dikembangkan di hasil pertama, yakni diagnosis cacat yang menggabungkan pengenalan pola jarak terdekat dan pemodelan deret waktu juga diimplementasi. Ada tiga jenis otot yang dimonitor, yaitu otot lengan/biseps (biceps brachii), serta otot paha depan (vastus medialis dan vastus lateralis). Hasil diagnosis memang tidak setajam penerapan di mesin rotasi ataupun struktur, tapi tetap bisa memisahkan antara satu kasus otot lelah dan yang lainnya. Satu pelajaran penting yang diperoleh adalah bahwa ternyata tubuh manusia sangatlah kompleks dan unik, sehingga referensi kelelahan otot di satu posisi tak bisa diterapkan di otot yang sama dengan posisi berbeda atau untuk individu yang berbedan.
| Ukuran | B5 |
| Halaman | 79 |
| Cover | Doff |
Untuk pemesanan hubungi nomor: (022) 2512532
