2018 : PENGEMBANGAN MODEL HYBRID PREDICTIVE METHOD UNTUK DIAGNOSTIC ASSESSMENT PADA MESIN KAPAL BERDASARKAN DATA CONDITION MONITORING

Prof. Semin ST, MT.,Ph.D
Dr.Eng Muhammad Badrus Zaman ST., MT.

External link

Type

RESEARCH

Keywords

-


Abstract

Mesin diesel adalah jenis mesin pembakaran dalam (internal) di mana bahan bakar dinyalakan oleh suhu tinggi gas yang dikompresi. Dalam mesin diesel, ada beberapa macam kerusakan dan gangguan yang dapat terjadi. Beberapa jenis kerusakan yang dapat timbul dalam marine diesel di kapal adalah asam buang abnormal (abnormal exhaust smoke), hard starting, excessive crankcase pressure, no fuel, black out. Abnormal exhaust smoke menjadi sebuah indikasi bahwa ada yang bermasalah dari mesin kapal. Hal ini diindikasikan dengan gas buang dari mesin yang berwarna. Setiap warna dapat menandakan adanya kerusakan yang terjadi pada mesin. Kerusakan ini harus segera mendapatkan penanganan khusus karena beberapa kali mesin dapat black out di tengah laut. Hard Starting adalah kerusakan di mana mesin kapal menjadi sangat susah untuk dinyalakan. Crankcase Pressure terjadi ketika breather tube terhambat, piston atau blower oil seals yang aus atau rusak, retaknya piston crown, gasket yang rusak, atau pun mesin memiliki tekanan balik knalpot yang berlebihan. Apabila crankcase pressure ini meningkat, pada titik tertentu hal ini dapat menyebabkan potensi kerusakan dan retak pada mesin. No fuel adalah kondisi di mana bahan bakar gagal masuk ke mesin sehingga menyebabkan mesin gagal melakukan pembakaran. Kondisi ini dapat memicu black out yang sangat mengganggu apabila terjadi di laut lepas. No fuel dapat terjadi disebabkan karena pemasangan komponen yang buruk, faulty fuel pump, kebocoran udara, dan flow obstruction. Black out adalah kerusakan mesin daalam kategori major dan dihindari. Kerusakan ini menyebabkan mesin mati total dan tidak bisa dinyalakan. Predictive Maintenance sebagai tindakan preventive yang menitikberatkan pada data condition monitoring pada engine memerlukan pemeriksaan secara on-line monitoring maupun intermitten monitoring. Data-data kondisi pada engine yang diperlukan untuk mendeteksi kerusakan-kerusakan pada mesin diantaranya adalah: operasional temperature, pressure, vibrasi, thermal, dan oil. Data-data condition monitoring menjadi input selanjutnya dalam proses diagnostic assessment. Dalam penelitian akan dilakukan diagnostic assessment menggunakan pemodelan hybrid method yang mana merupakan pengembangan model predictive maintenance. Pemodelan ini menggabungkan dua metode yaitu: FMEA (Failure Mode and Effect Analysis) dengan model FMEA Fuzzy dan Genetic Algorithm. FMEA Fuzzy dimaksudkan untuk pendekatan secara bottom-up kejadian penyebab terjadinya kegagalan pada engine dan mengukur level kekritisan kegagalan. Output dari Process FMEA Fuzzy adalah: 1. Daftar mode kegagalan yang potensial pada proses 2. Daftar critical characteristic dan significant characteristic. 3. Daftar tindakan yang direkomendasikan untuk menghilangkan penyebab munculnya mode kegagalan atau untuk mengurangi tingkat kejadiannya. Genetic Algorithm bertujuan untuk modeling dan analisa pada prediksi future values of time series pada mode kegagalan yang telah didapatkan dari FMEA Fuzzy.