Analisis prediktif terhadap kerusakan peralatan pabrik” 

Analisis prediktif terhadap kerusakan peralatan pabrik: transisi dari perbaikan reaktif ke manajemen aset

Pengenalan analisis prediktif untuk kerusakan peralatan pabrik dapat mengurangi waktu henti yang tidak direncanakan sebesar 40–50% dan mengurangi biaya pemeliharaan sebesar 25–30% selama tahun pertama pengoperasian. Dalam praktik kami, kami melihat bahwa sebagian besar perusahaan industri di Rusia dan negara-negara CIS masih bekerja berdasarkan prinsip “kami memperbaiki jika rusak” atau sesuai dengan jadwal yang kaku, yang seringkali tidak sesuai dengan kondisi unit sebenarnya. Hal ini mengarah pada fakta bahwa suku cadang yang dapat diservis diganti sebelum waktunya, dan kegagalan kritis terjadi tepat pada saat beban puncak. Analisis prediktif mengubah paradigma ini dengan menggunakan data dari sensor getaran, suhu, dan arus untuk memprediksi sisa umur node dengan akurasi hingga 90%. Jika Anda menjalankan fasilitas produksi yang biaya satu jam downtime lebih besar daripada gaji bulanan seorang insinyur, teknologi ini tidak lagi menjadi pilihan dan menjadi masalah kelangsungan bisnis.

Kami tidak akan membicarakan “transformasi digital” secara abstrak. Mari kita lihat proses mekanis tertentu, algoritme pemrosesan sinyal, dan model ekonomi yang menjadikan pendekatan ini sebagai alat yang berfungsi dan bukan sekadar slogan pemasaran. Pengalaman menunjukkan bahwa proyek yang sukses dimulai bukan dengan pembelian perangkat lunak yang mahal, namun dengan audit atas aset-aset penting dan memahami sifat fisika kehancurannya.

Mengapa strategi MRO tradisional gagal dalam perekonomian modern

Model Pemeliharaan Berbasis Waktu tradisional memiliki kelemahan mendasar: model ini mengasumsikan bahwa peralatan mengalami keausan secara linier dan dapat diprediksi. Pada kenyataannya, 70% kegagalan terjadi karena kecelakaan atau karena kondisi pengoperasian yang tidak dapat dipertanggungjawabkan dalam jadwal kertas. Kami menemukan kasus di pabrik semen di mana gearbox pabrik diganti secara ketat setiap 12 bulan sesuai dengan instruksi pabrik. Saat dibuka, ternyata 60% bantalan memiliki sisa masa pakai selama 8-10 bulan pengoperasian. Pabrik tersebut kehilangan jutaan rubel untuk pembelian suku cadang dan membayar pekerjaan padat karya untuk menggantikan unit yang masih dapat bekerja.

Di sisi lain, strategi Run-to-Failure hanya cocok untuk peralatan non-kritis dengan margin keselamatan rendah dan biaya penggantian rendah. Untuk turbin, kompresor, atau penggerak utama jalur konveyor, pendekatan ini merupakan bencana. Salah satu klien kami, produsen kemasan, kehilangan tiga hari produksi karena kegagalan penggerak servo. Alasannya sepele: belitan terlalu panas akibat kontaminasi radiator. Sensor suhu dipasang, tetapi hanya berfungsi ketika normanya terlampaui, ketika insulasi sudah mulai rusak. Sebuah sistem prediksi yang menganalisis tren pertumbuhan suhu dari waktu ke waktu akan memberikan peringatan dua minggu sebelum kecelakaan.

Masalah utama pendekatan reaktif adalah efek dominonya. Kegagalan salah satu komponen seringkali menyebabkan kerusakan berjenjang pada komponen di dekatnya. Rusaknya race bearing menyebabkan runout poros, yang merusak seal, menyebabkan kebocoran pelumas dan masuknya debu abrasif ke dalam mekanisme. Biaya perbaikan dalam hal ini meningkat secara eksponensial. Analisis prediktif terhadap kerusakan peralatan pabrik ditujukan untuk mengidentifikasi cacat pada tahap awal, ketika penghapusannya memerlukan sumber daya minimal.

Statistik menegaskan bahwa peralihan ke strategi Pemeliharaan Berbasis Kondisi membuahkan hasil rata-rata dalam waktu 14–18 bulan. Namun, penting untuk dipahami bahwa memasang sensor getaran saja tidak cukup. Diperlukan sistem interpretasi data yang membedakan fluktuasi proses normal dari tanda-tanda cacat yang berkembang.

Model implementasi ekonomi

Perhitungan efisiensi didasarkan pada tiga indikator: pengurangan biaya suku cadang, pengurangan biaya tenaga kerja untuk personel perbaikan, dan pencegahan kerugian akibat downtime. Jika biaya satu jam waktu henti di saluran Anda adalah 50.000 rubel, maka mencegah dua kecelakaan besar saja dalam setahun akan sepenuhnya menutupi biaya sistem pemantauan dan analitik. Selain itu, perpanjangan umur aset mahal sebesar 20-30% secara langsung mempengaruhi neraca dan kebijakan penyusutan perusahaan.

Tumpukan teknologi: dari sensor hingga digital twins

Arsitektur sistem analitik prediktif terdiri dari empat tingkat, yang masing-masing tingkat penting untuk hasil akhir. Kesalahan pada tahap apa pun membuat seluruh rantai tidak berguna. Mari kita mulai dengan lapisan pengumpulan data fisik.

Level 1: Penginderaan dan pengumpulan data.Sumber informasi utama adalah sensor getaran (akselerometer) yang dipasang langsung pada rumah bantalan. Untuk peralatan kecepatan rendah (kurang dari 60 rpm), sensor piezoelektrik standar mungkin tidak efektif; ini membutuhkan sensor kecepatan atau perpindahan. Juga digunakan termokopel untuk pengatur suhu, sensor tekanan oli, dan penganalisis arus motor. Nuansa penting: frekuensi pengambilan sampel harus sesuai dengan rentang frekuensi munculnya cacat. Untuk mengidentifikasi cacat pada bantalan gelinding, diperlukan analisis spektral hingga 10–20 kHz, sedangkan 1 kHz cukup untuk ketidakseimbangan rotor. Kami merekomendasikan penggunaan sensor nirkabel bertenaga mandiri untuk tempat-tempat yang sulit dijangkau, karena memasang rute kabel di fasilitas produksi yang ada seringkali tidak mungkin atau tidak layak secara ekonomi.

Level 2: Gerbang industri dan transmisi data.Data mentah dari sensor ditransmisikan melalui gateway industri (Edge Gateways) menggunakan protokol OPC UA, Modbus TCP, atau MQTT. Di sinilah pemfilteran kebisingan utama dan agregasi data dilakukan. Sangat penting untuk memastikan bahwa waktu semua perangkat di jaringan disinkronkan, jika tidak, analisis korelasi peristiwa menjadi tidak mungkin dilakukan. Gateway harus memiliki buffer memori untuk menyimpan data ketika komunikasi dengan server terputus, sehingga tidak ada “titik buta” dalam riwayat peralatan.

Level 3: Platform analitik dan pembelajaran mesin.Ini adalah “otak” dari sistem. Ia menggunakan algoritma Fast Fourier Transform (FFT) untuk mengubah sinyal dari domain waktu ke domain frekuensi. Dalam spektrum frekuensi itulah tanda-tanda cacat tertentu disembunyikan: kecepatan putaran poros, frekuensi passing bola bantalan, frekuensi penyambungan gigi roda gigi. Sistem modern menggunakan jaringan saraf yang dilatih dalam ribuan jam rekaman peralatan yang berfungsi dan rusak. Mereka mampu mendeteksi anomali yang tidak dijelaskan dalam referensi ISO 10816. Misalnya, algoritme dapat melihat perubahan bentuk selubung sinyal, yang menunjukkan perkembangan retakan lelah, jauh sebelum puncak yang terlihat jelas muncul dalam spektrum.

Level 4: Antarmuka Pengguna dan Integrasi CMMS.Hasil analisis harus dikirim ke sistem manajemen pemeliharaan (CMMS) dalam bentuk permintaan khusus: “Ganti bantalan pada pompa P-102 dalam waktu 14 hari.” Seorang insinyur tidak boleh membuang waktu mempelajari grafik mentah. Sistem harus membuat rekomendasi yang jelas yang menunjukkan prioritas dan dugaan penyebabnya.

Peran si kembar digital

Untuk proses teknologi yang kompleks, kembaran digital dibuat - salinan virtual dari instalasi fisik. Ini mensimulasikan proses termal dan mekanis secara real time. Dengan membandingkan pembacaan sensor nyata dengan nilai yang dihitung dari model, dimungkinkan untuk mengidentifikasi penyimpangan yang disebabkan bukan oleh keausan mekanis, tetapi oleh pelanggaran rezim teknologi (misalnya, kavitasi pada pompa karena perubahan viskositas media yang dipompa). Hal ini memungkinkan pembagian tanggung jawab antara personel pengoperasian dan kepala servis mekanik.

Diagnostik cacat tipikal: panduan praktis untuk seorang insinyur

Analisis prediktif tidak ada gunanya jika staf tidak memahami proses fisika. Mari kita pertimbangkan empat jenis cacat paling umum yang berhasil dideteksi dengan metode analisis vibroakustik.

1. Ketidakseimbangan rotor.Ini adalah penyebab paling umum dari getaran. Ini memanifestasikan dirinya sebagai peningkatan amplitudo pada kecepatan poros (1x RPM). Dalam praktik kami, kami telah melihat kasus ketika, setelah mengganti mesin, getaran meningkat 3 kali lipat karena buruknya keseimbangan impeler kipas dari pabrikan. Ketidakseimbangan ini menciptakan beban siklik pada bantalan, yang menyebabkan percepatan keausannya. Solusinya adalah penyeimbangan dinamis di lokasi, tanpa membongkar peralatan. Penting untuk diingat: ketidakseimbangan tidak hanya bersifat statis, tetapi juga sesaat, yang memerlukan pemasangan sensor di dua bidang.

2. Ketidaksejajaran poros.Kesalahan dalam pemasangan kopling atau penurunan pondasi menyebabkan ketidaksejajaran. Secara spektrum, hal ini diwujudkan dengan peningkatan harmonisa 2x dan 3x dari kecepatan putar, serta munculnya getaran aksial yang tinggi. Kami menemukan kasus di mana penggantian kopling pada konveyor setiap tahun tidak menyelesaikan masalah kerusakan yang terus-menerus. Analisis menunjukkan ketidaksejajaran sudut sebesar 2 derajat yang disebabkan oleh deformasi rangka akibat beban. Setelah memasang paking kompensasi, umur kopling meningkat dari 3 bulan menjadi 2 tahun. Mengabaikan ketidaksejajaran juga menyebabkan bantalan menjadi terlalu panas dan kegagalan segel.

3. Cacat pada bantalan gelinding.Ini adalah jenis cacat yang paling berbahaya, karena perkembangan dari tahap awal hingga kehancuran total dapat memakan waktu beberapa minggu hingga beberapa bulan. Pada tahap awal muncul pulsa frekuensi tinggi yang direkam dengan metode selubung spektrum (Envelope Detection). Frekuensi cacat (BPFO, BPFI, BSF, FTF) dihitung berdasarkan parameter geometri bantalan. Kesalahan dalam pemilihan bantalan (misalnya, menggunakan bantalan biasa dan bukan bantalan yang diperkuat untuk kondisi getaran) segera tercermin dalam spektrum. Kami merekomendasikan untuk menyimpan database karakteristik frekuensi semua bantalan yang dipasang untuk diagnostik otomatis.

4. Cacat gigi.Keausan gigi, gigi terkelupas, atau kesalahan penyambungan muncul sebagai garis samping di sekitar frekuensi penyambungan. Modulasi sinyal menunjukkan adanya cacat lokal pada gigi tertentu. Dalam satu kasus di pabrik gula, sistem mendeteksi kerusakan gigi yang berkembang pada roda gigi besar penggerak diffuser 3 minggu sebelum kerusakan. Hal ini memungkinkan untuk merencanakan penggantian roda gigi selama penghentian yang direncanakan, menghindari kerusakan pada rumah dan poros kotak roda gigi.

Algoritma implementasi: strategi langkah demi langkah untuk perusahaan industri

Penerapan sistem analitik prediktif adalah proyek organisasi, dan bukan hanya pembelian perangkat keras. Kami telah mengembangkan metodologi yang meminimalkan risiko dan memastikan permulaan yang cepat.

1. Audit kekritisan aset (analisis RCM).Anda tidak dapat memonitor semuanya sekaligus. Penting untuk mengklasifikasikan peralatan menurut metodologi RCM (Reliability Centered Maintenance). Pilih peralatan kelas A, yang penghentiannya akan mengakibatkan penutupan seluruh pabrik atau keselamatan manusia. Biasanya jumlah ini mencakup 10–15% dari total armada, namun hal ini menimbulkan 80% risiko. Mulai proyek percontohan Anda dengan unit-unit ini. Kesalahan yang dilakukan banyak perusahaan adalah mencoba menutup seluruh pabrik, sehingga membuang-buang sumber daya dan menunda mendapatkan hasil pertama.
2. Pemilihan titik pengukuran dan pemasangan sensor.Untuk setiap unit yang dipilih, lokasi optimal untuk memasang sensor ditentukan. Menurut ISO 10816, pengukuran harus dilakukan pada tiga bidang (horizontal, vertikal, aksial) pada penyangga yang paling dekat dengan bantalan. Permukaan pemasangan harus dibersihkan hingga mencapai logam dan kontak yang andal harus dipastikan. Penggunaan penahan magnet hanya diperbolehkan untuk pengukuran sementara; Untuk pemantauan berkelanjutan, diperlukan pemasangan perekat atau penyisipan sensor ke dalam wadahnya. Periksa aksesibilitas titik pemeliharaan dan perlindungan kabel dari kerusakan mekanis.
3. Tetapkan garis dasar dan ambang batas.Sistem harus mengetahui “norma”. Selama 2-4 minggu, informasi latar belakang tentang pengoperasian peralatan dalam berbagai mode teknologi dikumpulkan. Berdasarkan data ini, ambang batas alarm dinamis terbentuk. Ambang batas statis (misalnya, “getaran tidak lebih dari 4,5 mm/s”) sering kali memberikan alarm palsu ketika beban berubah. Algoritma harus memperhitungkan kecepatan putaran saat ini dan beban pada mesin. Jika Anda tidak memiliki data historis, gunakan pedoman ISO 20816 sebagai titik awal, namun pastikan untuk menyesuaikannya agar sesuai dengan spesifikasi proses Anda.
4. Integrasi dengan proses bisnis MRO.Tahap tersulit adalah mengubah budaya layanan perbaikan. Sinyal dari sistem akan secara otomatis membuat tiket di sistem CMMS yang menunjukkan diagnosis dan tindakan yang disarankan. Insinyur keandalan harus meninjau laporan dan menjadwalkan pekerjaan setiap hari. Tanpa tahapan ini, sistem berubah menjadi “mainan” untuk pengumpulan data. Latih staf Anda agar mereka memahami cara menafsirkan data dan tindakan apa yang harus diambil saat menerima alarm.
5. Verifikasi dan penskalaan.Setelah 3-6 bulan pertama beroperasi, lakukan audit kinerja. Bandingkan jumlah kecelakaan yang dapat dicegah dengan biaya sistem. Analisis positif palsu dan sempurnakan algoritmanya. Hanya setelah uji coba pada peralatan penting berhasil diselesaikan, lanjutkan ke perluasan ke bengkel lain. Jangan takut untuk mengakui kesalahan pada tahap ini: penyetelan sistem adalah proses yang berulang.

Kasus nyata: pengalaman implementasi di berbagai industri

Teori memang penting, namun angka di kehidupan nyata berbicara lebih keras. Mari kita lihat dua contoh dari pengalaman kami bekerja dengan perusahaan Rusia.

Kasus 1: Pabrik metalurgi (Rolling mill).
Masalah:Kegagalan rutin pada bantalan gulungan penyangga dudukan penggulung. Masa pakai rata-rata adalah 3 bulan, bukan standar 12. Waktu henti operasional merugikan perusahaan sekitar 5 juta rubel per jam.
Solusi:Sistem pemantauan getaran dan suhu online diperkenalkan dengan frekuensi polling 1 kali per menit. Analisis spektrum mengungkapkan adanya frekuensi resonansi struktur rangka, yang tereksitasi pada kecepatan rolling tertentu. Selain itu, ditemukan kesalahan sistematis dalam pemasangan segel, yang menyebabkan kontaminasi pelumas.
Hasil:Setelah meredam zona resonansi dan mengubah prosedur pemasangan, umur bantalan meningkat menjadi 10 bulan. Jumlah perhentian yang tidak direncanakan telah berkurang dari 8 menjadi 1 per tahun. Dampak ekonominya berjumlah lebih dari 40 juta rubel pada tahun pertama.

Kasus 2: Kilang minyak (Pompa sentrifugal).
Masalah:Tingginya tingkat kavitasi pada pompa penerima minyak mentah, menyebabkan erosi pada impeler dan kegagalan segel mekanis. Kontrol visual dan pengukur tekanan tidak memberikan informasi operasional tentang perkembangan proses.
Solusi:Pemasangan sensor akustik dan sensor tekanan pada saluran hisap. Algoritme analitik memantau tingkat kebisingan kavitasi secara real time dan menghubungkannya dengan posisi katup kontrol.
Hasil:Sistem secara otomatis memberi sinyal kepada operator untuk membuka katup ketika mendekati zona kavitasi. Hal ini memungkinkan untuk menghilangkan pengoperasian pompa dalam mode yang tidak dapat diterima. Masa pakai impeler telah meningkat 2,5 kali lipat. Biaya perbaikan tempat pemompaan menurun sebesar 35%.

Contoh-contoh ini menunjukkan bahwa analisis prediktif tidak bekerja dengan sendirinya, namun bekerja sama dengan teknisi kompeten yang siap mengambil tindakan berdasarkan data. Keandalan sistem tersebut secara langsung bergantung pada kualitas peralatan teknologi utama. Misalnya, dalam industri penyulingan minyak dan energi, elemen kuncinya adalah penukar panas dan boiler limbah panas yang beroperasi dalam kondisi ekstrem. PerusahaanWuxi Kaisheng Tenaga Listrik dan Peralatan Petrokimia Co., Ltd.mengkhususkan diri dalam pengembangan dan produksi peralatan dengan muatan tinggi tersebut. Produk mereka, termasuk penukar panas shell-and-tube titanium, bejana berstandar ASME, dan bundel tabung bergelombang yang terbuat dari paduan khusus (baja tahan karat 316, kuningan laut C46400, paduan nikel N06625), menunjukkan ketahanan terhadap korosi yang tinggi dan ketahanan terhadap tekanan dan suhu tinggi. Penggunaan peralatan bersertifikat dari produsen seperti Wuxi Kaisheng mengurangi kemungkinan kegagalan mendadak yang terkait dengan cacat struktural pada material, sehingga pemantauan kondisi selanjutnya menjadi lebih efektif dan dapat diprediksi.

Pertanyaan yang Sering Diajukan

Apakah perlu menghentikan produksi sepenuhnya untuk memasang sensor?

Dalam 90% kasus, pemasangan sensor nirkabel tidak memerlukan penghentian peralatan. Pemasangan dilakukan pada unit kerja dalam waktu 15-20 menit. Sensor dipasang pada dasar magnet atau lem khusus, setelah itu segera mulai mengirimkan data. Penghentian hanya diperlukan untuk sensor penyisipan dalam sistem bertekanan tinggi atau di area bersuhu ekstrem yang memerlukan pengelasan selongsong. Kami merekomendasikan agar pemasangan dilakukan selama jeda proses yang direncanakan untuk memastikan keselamatan personel, namun secara teknis dimungkinkan untuk melakukan hal ini dengan cepat.

Bagaimana membedakan cacat nyata dari gangguan proses teknologi?

Ini adalah tugas utama algoritma analitik. Sistem modern menggunakan analisis kontekstual: mereka membandingkan tingkat getaran dengan beban saat ini, kecepatan putaran, dan suhu lingkungan. Jika getaran meningkat sebanding dengan beban, ini adalah fitur teknologi. Jika getaran meningkat dengan beban konstan, ini merupakan cacat yang berkembang. Selain itu, analisis bentuk gelombang dan analisis cepstral digunakan untuk membedakan guncangan periodik (tanda cacat bantalan) dari kebisingan proses acak. Namun verifikasi awal harus selalu dilakukan oleh ahli langsung.

Berapa laba atas investasi untuk menerapkan sistem seperti itu?

Periode pengembalian tergantung pada kekritisan peralatan. Untuk unit unik, yang waktu hentinya mematikan seluruh pabrik, pengembalian terjadi setelah mencegah satu kecelakaan besar (biasanya 6–12 bulan). Untuk peralatan bantu, waktu tunggu dapat mencapai 18–24 bulan dengan mengoptimalkan inventaris suku cadang dan mengurangi biaya tenaga kerja. Penting untuk mempertimbangkan tidak hanya penghematan langsung, namun juga manfaat tidak langsung: peningkatan keselamatan, kepatuhan terhadap peraturan lingkungan (pencegahan kebocoran) dan peningkatan nilai sisa aset.

Apakah sistem dapat diintegrasikan dengan SCADA yang sudah ada?

Ya, integrasi adalah mungkin dan perlu. Sebagian besar platform analitik prediktif mendukung protokol standar industri (OPC UA, Modbus, MQTT). Data keadaan peralatan dapat ditransmisikan ke sistem SCADA dalam bentuk bit status (“Normal”, “Peringatan”, “Alarm”) atau nilai numerik tingkat getaran. Hal ini memungkinkan operator proses untuk melihat kondisi teknis peralatan dalam satu antarmuka dan membuat keputusan yang konsisten. Integrasi mendalam juga memungkinkan Anda memblokir permulaan peralatan jika ada cacat kritis.

Kesimpulan: Masa depan pelayanan adalah sekarang

Analisis prediktif terhadap kerusakan peralatan pabrik bukan lagi teknologi masa depan. Saat ini, ini adalah standar industri untuk setiap bisnis yang mencari efisiensi operasional. Transisi dari perbaikan intuitif ke manajemen berbasis data memerlukan perubahan dalam budaya, keterampilan personel, dan struktur organisasi, namun imbalan atas upaya ini jauh lebih besar daripada biayanya. Peralatan tersebut tidak rusak secara tiba-tiba - peralatan tersebut memberikan sinyal jauh sebelum terjadinya bencana. Tugas insinyur adalah belajar mendengar sinyal-sinyal ini.

Jangan menunggu sampai terjadi kecelakaan besar berikutnya untuk mulai mengubah pendekatan Anda. Mengaudit kondisi armada peralatan Anda saat ini dan mengembangkan peta jalan untuk menerapkan sistem pemantauan adalah langkah pertama menuju keandalan.Hubungi kami hari iniuntuk mendiskusikan kemungkinan proyek percontohan di perusahaan Anda dan mendapatkan perkiraan potensi penghematan.

Untuk mendalami topik ini lebih dalam, kami sarankan untuk mempelajari materi kami tentangdiagnostik getaran peralatan berputardan standar ISO untuk pemantauan kondisi.