X(t) = A sin (2π f n t )=A sin (ω.t)

Transkripsi

1 Aplikasi Sensor MicroElectro Mechanical System (MEMS) sebagai Identifikasi Ketidaknormalan pada Conveyor Belt system Dosen Pembimbing: Dr.M.Rivai,ST,, MT Oleh: Sumantri Kurniawan R

2 TUJUAN Mempelajari karakteristik Sensor MEMS dan sistem akuisisi data sinyal getaran Mengaplikasikan kecerdasan buatan untuk analisa sinyal getaran, dan sebagai obyek adalah Conveyor Belt system.

3 Batasan Masalah Conveyor Belt sebagai obyek yang diteliti adalah simulasi conveyor dengan rasio perbandingan 1:20 yang mewakili kondisi sebenarnya. Dengan material belt bahan PVC 2mm. Identifikasi ketidaknormalan conveyor belt dibatasi pada ketegangan belt (Belt tension) dan bearing Analisa sinyal menggunakan Fourier Transform dan Octave band serta menggunakan Neural Network untuk identifikasi ketidaknormalan.

4 Getaran Dapat digambarkan sebagai gerak balok berosilasi X(t) = A sin (2π f n t )=A sin (ω.t) Kecepatan dan percepatan

5 MEMS (Micro Electro Mechanical System)

6 MEMS Phase Sensitive demodulator

7 MEMS ADXL 150

8 Rangkaian Pengkondisi sinyal - Rangkaian Instrumentasi - Vo = m (Vsensor Vpotensiometer), m=10 - LM Single Supply +5V

9 MEMS ADXL 150 MEMS Accelerometer up to 50g Low Noise Low Power < 2mA Single Supply 4 Volt Filter on Chip Surface mount Package

10 Pengujian sensor MEMS Persamaan getaran : y=a sin (2*π*f*t)*f*t) Turunan pertama kecepatan y =A*(2* π*f) cos(2* (2*π*f*t)*f*t) Turunan kedua percepatan y = - A*(2* π*f) 2 sin (2* π*f*t) Percepatan maks: a max = A*(2* π*f) 2 (m/s 2 ) (* note: 1g = 9,8 m/s 2

11 Pengujian Sensor MEMS Tujuan: - Mengetahui keberfungsian sensor MEMS dan kapasitas masksimum sensor MEMS - mengetahuii response frekwensi dari sensor MEMS

12 Hasil Pengujian Sensor MEMS Hasil output sensor MEMS pada frek.40hz Hasil output sensor MEMS pada frek.80hz Hasil Pengujian: -Sensor MEMS berfungsi dengan baik hingga frek.80hz - Pada percepatan akselerasi getaran 26g respon MEMS masih baik Percepatan max (g) percepatan Max sensor (g) sensor MEMS Frekuensi (Hz)

13 Monitoring Conveyor Belt Mendeteksi dini ketidaknormalan,sehingga memperlancar proses produksi dan mengurangi biaya perawatan yang lebih besar. Mendeteksi ketidaknormalan dalam kondisi conveyor tetap berjalan tanpa menghentikan proses produksi.

14 Ketegangan Belt (Belt Tension) Penelitian Hou Yu Fu & Meng Qi Rui (2008), Mech & Electrical Eng Dept, China Univ of mining & Technology, China (publikasi:elsevier,2008) frekwensi alami getaran akan meningkat sebanding dengan kenaikan Tension dari Belt secara tidak linear. Penelitian Y.Pang & G.Lodewijk (2006), Delft University of technology, Netherlands, (publikasi : IEEE, 2006)

15 Conveyor Belt Simulasi Conveyor rasio 1:20 Food grade / light product Max load : 5kg/m 2 Belt : PVC 2mm Sumber : CV. Perdana Teknik

16 Block Diagram Sistem ATMega 128L Sensor MEMS 1 identifikasi Belt Sensor MEMS 2 identifikasi bearing Frek sampling ADC 500Hz Serial RS-232 Discrete Fourier Transform (DFT) Octave Band Neural Network

17 Octave band Belt Octave band Octave band Bearing

18 Pengujian Identifikasi ketidaknormalan Belt Pengujian : 3 kondisi : 1. Normal (28 24 N/cm) 2. Kendor (22 18 N/cm) 3. Kendor Maksimum (16 12N/cm) Diuji dengan beberapa kecepatan Conveyor : 16,6 m/menit 17,6 m/menit

19 Hasil & Pembahasan Belt (kecepatan 16,6m/Menit)

20 Hasil & Pembahasan Belt (kecepatan 17,6m/Menit)

21 Neural Network (Belt) - Standard backpropagation with updating momentum - 2 hidden Layer, masing-masing 15 node layer - 6 node input layer, 3 node output Layer

22 Hasil percobaan feed forward identifikasi Belt Error : Learn rate : 0.9 Forgeting factor (α) : 0.2

23 Bearing Bearing : Tipe : standard 6001ZZ Ø outer race : 2,82cm Ø inner race : 1,2 cm Pengujian 3 kondisi : 1.Bearing Normal 2.Bearing Tidak normal (kotor) 3.Bearing Tidak normal (ball bearing rusak)

24 Hasil & Pembahasan Bearing (kec Conveyor : 16,6m/Menit)

25 Hasil & Pembahasan Bearing (kec Conveyor : 17,6m/Menit)

26 One-third Octave band & one octave band Dalam penelitian ini One octave band lebih stabil dibanding one-third octave band untuk bearing yang memiliki penyebaran frekwensi yang tidak stabil untuk kondisi yang sama.

27 Neural Network (Bearing) - Standard backpropagation with updating momentum - 2 hidden Layer, masing-masing 15 node layer - 5 node input layer, 3 node output Layer

28 Hasil percobaan feed forward Identifikasi Bearing Error : Learn rate : 0.9 Forgeting factor (α) : 0.2

29 Kesimpulan Sensor MEMS memiliki respon yang sensitif dan stabil hingga maksimum kapasitas yang dimiliki oleh MEMS (50g). Posisi penempatan sensor sangat mempengaruhi dalam pengukuran,sehingga harus dipilih posisi yang signifikan dalam identifikasi. Dengan menggunakan metode octave band perlu diperhatikan pembagian frekwensi dengan tepat sehingga bisa stabil dalam proses identifikasi. Karakter getaran alami belt menunjukkan frekwensi yang semakin turun sebanding dengan tension yang semakin turun, Belt normal memiliki frekwensi alami berkisar 15Hz, kendor berkisar 5Hz-10Hz dan kendor maksimum berkisar 5Hz.

30 Terima Kasih