Konsep waktu tunda diperkenalkan oleh Christer dan Waller (1984) yang menganggap kegagalan proses sebagai proses dua tahap dengan tahap pertama baru didefinisikan ke titik cacat terdeteksi yang timbul, dan tahap kedua (kegagalan waktu tunda) dari titik ini selanjutnya disebut kegagalan, jika tidak ada intervensi perawatan lainnya. Selang waktu dari ketika cacat adalah pertama diamati ketika perbaikan (penggantian) akan menjadi penting (kegagalan) dalam ketiadaan tindakan perbaikan, disebut waktu kegagalan penundaan. Tahap pertama juga dapat disebut sebagai tahap kerja normal, dan tahap kedua sebagai tahap kerja normal. Hal ini jelas bahwa identifikasi titik awal waktu delay atau awal tahap kerja normal, dapat dilihat pada Gambar 1, adalah penting karena itu dapat digunakan dalam model prediksi umur sisa untuk membantu pemeliharaan pengambilan keputusan, terutama untuk getaran berbasis monitoring, Wang (2002).

Selama dekade terakhir, banyak metode identifikasi cacat sebelumnya telah diusulkan. Starr et al. (2001) membahas fusi data sebagai model untuk kondisi canggih berbasis pemeliharaan dan memperkenalkan metode untuk data fusion dan aplikasi mereka. McGarry dan MacIntyre (2001) menerapkan data mining dalam analisis getaran domain dengan penggalian aturan simbolik dari jaringan saraf. Gelman et al. (2001) menyelidiki fitur optimal terbaik untuk digunakan ketika menerapkan Fourier Transform. Zhan et al. (2002) mengusulkan model keadaan-ruang non-stasioner multivariat tingkat getaran keseluruhan untuk estimasi keadaan berputar mesin menggunakan modifikasi perpanjangan. Algoritma filtering Kalman dan analisis spektral dalam domain frekuensi waktu. Sebuah Pendekatan identifikasi kesalahan proaktif berbasis grafik dalam jaringan komputer adalah diusulkan oleh Yu et al. (2005). Kontrol proses statistik (SPC) berbasis pendekatan berdasarkan telah diusulkan untuk memantau proses produksi, seperti grafik kontrol probabilitas kumulatif (BPK-grafik) oleh Chan et al. (2002), dan grafik jumlah control kumulatif (CCC-grafik) oleh Chan et al. (2003). Sebagian besar upaya pada baru-baru SPC pengembangan difokuskan pada pengendalian proses statistik multivariat, Cho et al. (2005), Skoglund dkk. (2004), Harta dkk. (2004), Kano et al. (2004).

Penyebaran dapat dipantau dan tindakan sesuai dapat diambil. Kami tertarik dalam penerapan metode SPC pada proses di mana tidak ada pengetahuan sebelumnya mengenai hal ini, dan proses ini dibiarkan berjalan tanpa diganggu sampai gagal. Jelas, proses variasi mungkin tidak secara acak setelah periode waktu tertentu, dan variasi mungkin karena penyebab khusus atau dialihkan. Dengan kata lain, proses tersebut mungkin menunjukkan tren. grafik SPC konvensional mungkin tidak tepat dalam situasi ini karena proses menjadi non-stasioner dan kemungkinan besar non-Gaussian. Berdasarkan autoregressive Model, sebuah peta kendali statistik proses adaptif telah diusulkan untuk pemantauan proses tersebut di atas. Jenis autoregressive fungsi yang digunakan untuk memodelkan elemen sinyal getaran, Baillie dan Mathew (1996). Kami menunjukkan di makalah ini menerapkan kedua antara SPC konvensional dan SPC grafik adaptif untuk data getaran ditampilkan kemudian dan hasilnya dibahas secara rinci.