Uas p2m Ichsan Indhiarto
-
Upload
ichsan-indhiarto -
Category
Documents
-
view
230 -
download
10
description
Transcript of Uas p2m Ichsan Indhiarto
![Page 1: Uas p2m Ichsan Indhiarto](https://reader035.fdokumen.com/reader035/viewer/2022071707/55cf8f65550346703b9bf125/html5/thumbnails/1.jpg)
NAMA : ICHSAN INDHIARTONPM : 1106021494UAS : PEMELIHARAAN DAN PEMANTAUAN KONDISI MESIN
Failure yang terjadi pada START UP BOILER selama kurun waktu dari tanggal 17 bulan 07 tahun 2012 hingga tanggal 28 bulan 06 tahun 2013, yaitu 10 kali failure.
Interval waktu yang digunakan untuk studi kali ini adalah 4 bulan sekali sehingga data menjadi:
4 bulan fail1 52 03 5
Total 10
A. Weibull AnalysisTabel berikut merupakan hasil PDF, CDF, serta CDF data dalam persen. PDF didapat dari jumlah fail yang terdapat dalam interval tersebut dibagi dengan jumlah total failure yang terjadi. CDF merupakan kumulatif dari PDF, sedangakan CDF data dalam persen merupakan data CDF yang ditampilkan dengan sajian persen.
PDF data
CDF data
CDF data (%)
time (months)
0,5 0,5 50 40 0,5 50 8
0,5 1 100 12
Untuk mendapatkan persamaan Weibull Shape Parameter menggunakan grafik antara logaritma CDF yang sudah dipersenkan dan log dari waktu
log(CDF data ,%)
log(time, months)
1,698970004 0,6020599911,698970004 0,903089987
2 1,079181246Sehingga didapatkan,
![Page 2: Uas p2m Ichsan Indhiarto](https://reader035.fdokumen.com/reader035/viewer/2022071707/55cf8f65550346703b9bf125/html5/thumbnails/2.jpg)
0.5 0.6 0.7 0.8 0.9 1 1.1 1.21.5
1.6
1.7
1.8
1.9
2
2.1
f(x) = 0.562989953096231 x + 1.31432916462675R² = 0.610822987392167
Weibull Shape Parameter Calculation
Log Time
Log
Failu
re E
vent
Num
ber
Dengan persamaan y = 0,563x + 1,3143. Seperti telah diketahui beta shape merupakan gradien dari persamaan Weibull Shape. Maka Beta Shapenya adalah 0,563.
MTBF adalah x dari persamaan Weibull Shape, dengan y = log(63,2) maka MTBF yang didapat adalah 0,86.
B. Reliability Model dan Failure Rate
Rumus untuk reliability adalah , dengan t adalah waktu, θ=¿
MTBF, β=¿ beta shape, dan e adalah bilangan logaritma natural. Maka didapatkan Reliability
time (months) Reliability
4 0,093503681
8 0,030170094
12 0,012294122
Dengan membandingkan antara waktu dengan reliability akan didapatkan reliability model berupa
3 4 5 6 7 8 9 10 11 12 130
0.010.020.030.040.050.060.070.080.09
0.1
Reliability Model
Time (months)
Relk
abili
ty
![Page 3: Uas p2m Ichsan Indhiarto](https://reader035.fdokumen.com/reader035/viewer/2022071707/55cf8f65550346703b9bf125/html5/thumbnails/3.jpg)
Untuk failure rate menggunakan rumus sehingga didapatkan
time (months)
Failure Rate
4 0,333536998 0,24637173
12 0,206365561Sehingga failure rate chartnya menjadi
3 4 5 6 7 8 9 10 11 12 130
0.050.1
0.150.2
0.250.3
0.350.4
Failure Rate
Time (Months)
FR/M
onth
C. Perbandingan Failure Distribution Antara Real Data dengan Data Model WeibullPDF pada weibull data merupakan pembagian antara reliability dengan failure rate sedangkan CDF masih merupakan kumulatif dari PDF. Dari pernyataan tersebut didapatkan bahwa,
PDF CDF0,031186936 0,0311869360,007433058 0,0386199950,002537083 0,041157078
Untuk membuktikan apakah PDF di atas benar atau tidak, digunakan rumus pencarian PDF dengan menggunakan fungsi Weibull pada excel yang hasil akhirnya merupakan
PDF Excel0,0311869
360,0074330
580,0025370
83Dari data tersebut terlihat bahwa perhitungan PDF sebelumnya adalah benar. Maka langkah selanjutnya adalah perbandingan antara PDF data asli dengan hasil analisa weibull.
![Page 4: Uas p2m Ichsan Indhiarto](https://reader035.fdokumen.com/reader035/viewer/2022071707/55cf8f65550346703b9bf125/html5/thumbnails/4.jpg)
3 4 5 6 7 8 9 10 11 12 130
0.1
0.2
0.3
0.4
0.5
0.6
Failure Distribution : Real Data vs Weibull Data
Real Data
Weibull Data
Time (Months)
Prob
abili
ty o
f Fai
lure
Dari weibull data dapat dilihat bahwa terjadi penurunan kualitas komponen walau failure yang terjadi secara acak pada real data. Hal ini menyatatakan bahwa analisa weibull dapat digunakan untuk prediksi probabilitas kegagalan pada suatu komponen.
D. Prediksi Potential FailureSangat sulit untuk memprediksi P-F ketika tidak terdapat data kondisi komponen. Tetapi dengan menggunakan reliability model dibandingkan dengan MTBF maka akan didapatkan prediksi P-F diagram
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 10
0.010.020.030.040.050.060.070.080.09
0.1
Potential Failure
Life Time (%)
Relia
bilit
y