1 LOGO PREDIKSI SISA UMUR PADA ROTATING MACHINERY DENGAN METODE ANFIS (ADAPTIVE NEURO-FUZZY INFERENCE SYSTEMS) Mohammad Taufan Dosen Pembimbing : Dr. ...
PREDIKSI SISA UMUR PADA ROTATING MACHINERY DENGAN METODE ANFIS (ADAPTIVE NEURO-FUZZY INFERENCE SYSTEMS) Mohammad Taufan 2106100147 Dosen Pembimbing : Dr. M. Nur Yuniarto
1 Vibration Monitoring
Diganosa Kerusakan
Produktifitas menurun
2 Penelitian Terdahulu
3
1 Bagaimana menyusun struktur ANFIS (Adaptive Neuro Fuzzy inference system) yang dapat digunakan untuk memprediksi sisa umur pakai efektif dari sebuah rotating machinery berdasarkan data sekunder berupa data getaran 2 Bagaimana memvalidasi output ANFIS yang telah disusun sehingga dapat menjamin kemampuan dari metode tersebut
3 Bagaimana perbandingan performa prediksi sisa umur menggunakan ANFIS dengan JST
Tujuan Tugas Akhir
4
1
• Membuat sistem prognosa otomatis yang mampu memprediksi sisa umur efektif dari komponen mekanikal menggunakan ANFIS (Adaptive Fuzzy Neuro-inference system).
2
• Menguji tingkat validasi output ANFIS (Adaptive Fuzzy Neuroinference system) yang telah disusun sehingga dapat menjamin kemampuan dari metode tersebut.
3
• Membandingkan sistem hybrid ANFIS dengan sistem backpropagation dalam memprediksi sisa umur.
4
• Membandingkan pengaruh penggunaan tipe membership funcion trimpf (segitiga), gbell (lonceng) dan trapezoidal dalam memprediksi sisa umur.
5
• Mengembangkan penelitian tentang aplikasi artifical intelligance dalam bidang maintenace, khususnya untuk condition monitoring via vibrasi.
5
1
2
• Mampu memprediksi sisa umur pakai efektif dari sebuah komponen mesin agar dapat disusun metode pemeliharaan yang tepat sehingga bisa meningkatkan kapasitas produksi dan mengurangi biaya perbaikan.
• Mengurangi faktor subjektifitas dalam penentuan keputusan mengenai sisa umur pakai sebuah mesin.
6
1. Data yang digunakan adalah data sekunder dari lapangan pada sistem Cooling Waterpump 2A PT.PJB UP. Gresik.
2. Penyusunan ANFIS menggunakan software Matlab 7.1.
3. Penentuan sisa umur efektif berdasarkan hasil output ANFIS yang telah disusun.
TINJAUAN PUSTAKA
8
ANFIS
Sistem inferensi fuzzy
Proposal Tugas Akhir
Algoritma pembelajaran
Jurusan Teknik Mesin FTI - ITS
Metodologi
9
Diagram Alir Penelitian Start
A Studi Pustaka
Perumusan Masalah
Testing Jaringan
Mengumpulkan data sekunder dari lapangan
Analisa dan Pembahasan - Analisa hasil performa prediksi ANFIS - Perbandingan hasil performa prediksi menggunakan ANFIS dengan JST
Proses FFT Matlab
Preprocessing Data
Kesimpulan dan Saran Penyusunan FIS dan Set input Membership Function
Stop Menginputkan data training ke ANFIS
Error < RSME atau Iterasi Maksimum
YES
A
NO
Grafik MIBV selama 29 bulan
Data Training
Histogram peak spektrum
ANFIS GUI
11
Training Data ke ANFIS
Hubungan input-output 1. Load Data
2. Generate FIS
12
Training Data ke ANFIS 3. Training FIS
13
Training Data ke ANFIS
13
Kurva konvergensi Training
14
• Hybrid, MF tipe trimf (segitiga)
• Backpropagation, MF tipe trimf (segitiga)
• Hybrid, MF tipe gbell (lonceng)
• Backpropagation, MF tipe gbell (lonceng)
• Hybrid, MF tipe trapmf (trapesium)
• Backpropagation, MF tipe trapmf (trapesium)
Data Hasil Training
15
16
segitiga
lonceng
trapesium
segitiga
lonceng
trapesium
Tabel hasil Testing
17
Perbandingan Performa Prediksi Menggunakan JST dan ANFIS
18
3 2 1
Kesimpulan Sistem pembelajaran hybrid memiliki average error yang lebih baik daripada backpropagation.
Penambahan membership function sebanyak 2 buah pada proses training dan testing menggunakan sistem pembelajaran hybrid akan memperbesar nilai average errornya. Penambahan membership function sebanyak 2 buah pada proses training dan testing menggunakan sistem pembelajaran backpropagation akan menurunkan nilai average errornya. ANFIS yg disusun mampu memprediksi data testing MIBV ke-26,27,28 dan 29. Dari hasil perbandingan error, diketahui bahwa metode anfis lebih baik dibanding JST dalam memprediksi sisa umur mesin Cooling Waterpump 2A.
Proposal Tugas Akhir
Jurusan Teknik Mesin FTI - ITS
Saran
Proposal Tugas Akhir
Jurusan Teknik Mesin FTI - ITS
LOGO
Mohammad Taufan 2106100147 Kritik dan saran sangat diharapkan demi kesempurnaan tugas akhir ini
Gbell (lonceng)
Trimf (segitiga)
Trapmf (trapesium)
Proposal Tugas Akhir
Jurusan Teknik Mesin FTI - ITS
Gbell (lonceng) Murad. 2007. “fault diagnosis of rotating machinery”
Trimf (segitiga) Gayadhar. 2009. “hybrid neurofuzzy approach for automatic interconnected power system”
Trapmf (trapesium) Lom Eng Aik. 2008. “a study of neuro fuzzy system in approximation based problem” Proposal Tugas Akhir
Jurusan Teknik Mesin FTI - ITS
Untuk kasus dengan 2 input, disarankan untuk memilih jumlah membership of function 3 sampai 10 (Lom Eng Aik. 2008. “a study of neuro fuzzy system in approximation based problem”)
Proposal Tugas Akhir
Jurusan Teknik Mesin FTI - ITS
Proposal Tugas Akhir
Jurusan Teknik Mesin FTI - ITS
Perbandingan pengaruh penambahan 2 membership function
16
(a) Data getaran time domain , (b) Data getaran frequency domain (spektrum) (Roky,2006)
Gejala-gejala kegagalan yang timbul pada pompa (Beebe, 2004)
Hasil program prediksi sisa umur menggunakan JST (Prastowo,2006)
Tren Kenaikan Amplitudo Getaran Akibat Kerusakan Komponen
Sumber : Girdhar. 2004. “Practical Machinery Vibration Analysis and Predictive Maintenance”.
