EKSPLORASI SISA USIA BEARING MENGGUNAKAN DISTRIBUSI WEIBULL

  • Sutawanir Darwis Universitas Pattimura
  • Nusar Hajarisman Universitas Islam Bandung
  • Suliadi Suliadi Universitas Islam Bandung
  • Achmad Widodo Universitas Pattimura
Keywords: Regresi Weibull AFT, simulasi getaran bearing, sisa usia bearing, taksiran parameter

Abstract

Bearing merupakan komponen penting dalam suatu sistem mekanikal, berperan
sebagai elemen penghubung dua komponen mesin yang bergerak. Perawatan bearing
merupakan aspek utama dalam kelangsungan operasional sistem. Vibrasi yang dihasilkan
cacat pada bearing dimodelkan sebagai impulse, tingkat kerusakan dinyatakan oleh suatu
fungsi konstan. Sisa usia bearing merupakan merupakan suatu indikator degradasi pada
analisis survival bearing, didefinisikan sebagai ekspektasi residual diketahui survive hingga
waktu t. Sisa umur telah dijabarkan untuk beberapa distribusi antara lain: eksponensial,
gamma, Weibull. Penelitian model sisa usia bearing dengan asumsi distribusi Weibull
merupakan masalah penelitian terbuka. Paper ini bertujuan meneliti pola sisa usia bearing
sebagai fungsi dari parameter bentuk dan parameter skala. Parameter bentuk dan parameter
skala ditaksir menggunakan data time to failure bearing menggunakan data real dan data
simulasi. Model simulasi bearing merupakan fungsi dari geometri, laju bearing dan distribusi
beban. Dengan nilai taksiran parameter diperoleh kurva sisa usia bearing digunakan
sebagai prediksi sisa usia.

Downloads

Download data is not yet available.

References

[1] McFadden P D and Smith J D, Model for the vibration produced by a single point defect
in a rolling element bearing, Journal of Sound and Vibration, 96(1), 69-82 (1984).
[2] Zhang X, Kang J, Zhao J, Teng H. Bearing run-to-failure simulation for condition based
maintenance, Telkomnika Indonesian Journal of Electrical Engineering, 12(1) 514-519
(2014).
[3] Nectoux P, Gouriveau R, Medjaher K, Ramasso E, Morello B, Zerhouni N, Varnier C,
Pronostia: An experimental platform for bearing accelerated degradation tests, IEEE Int
Conf on Prognostics and Health Management PHM’12, Denver Colorado USA (2012).
[4] Harris T A, Rolling bearing analysis, 4th edition, John Wiley & Sons, New York
(2001).
[5] Susilo D D, Widodo A, Prahasto T and Nizam M, Prognostics of induction motor shaft
based on feature importance support vector regression, Int Journal of Automotive and
Mechanical Engineering, IJAE, 18(1), 8464-8477 (2021).
[6] Benkedjouh T, Medjaher K, Zerhouni N, Rechak S., Remaining useful life estimation
based on nonlinear feature reduction and support vector regression, Engineering
Applications of Artificial Intelligence, 26(7), 1751-1760 (2013).
Published
2022-04-20
How to Cite
Darwis, S., Hajarisman, N., Suliadi, S., & Widodo, A. (2022). EKSPLORASI SISA USIA BEARING MENGGUNAKAN DISTRIBUSI WEIBULL. Pattimura Proceeding: Conference of Science and Technology, 2(1), 425-430. https://doi.org/10.30598/PattimuraSci.2021.KNMXX.425-430
Section
Articles