Memilih Sensor Prediktif Pemeliharaan Optimal untuk Kesehatan Aset Terpercaya

Pemantauan berbasis kondisi (CbM) melacak kesehatan peralatan dengan sensor, sementara pemeliharaan prediktif (PdM) menggabungkan CbM, pembelajaran mesin, dan analitik untuk meramalkan kegagalan. Memilih sensor yang tepat sangat penting untuk mendeteksi, mendiagnosis, dan meramalkan kerusakan sebelum downtime.

Motor industri dirancang untuk operasi berkelanjutan 20 tahun di pabrik dan stasiun listrik, namun banyak yang tidak mencapai umur yang diharapkan ¹. Penyebab meliputi penggunaan kurang, pemeliharaan yang tidak memadai, atau kehadiran sistem PdM. Program PdM yang terimplementasi dengan baik menjadwalkan perbaikan secara proaktif, mencegah kelanjutan yang tidak terencana dan memperpanjang umur aset.

Strategi PdM yang kuat menggunakan beberapa teknik dan sensor untuk menangkap kerusakan sejak awal dengan tingkat kepercayaan tinggi—tidak ada sensor "satu-cocok-semua" yang universal. Artikel ini menjelaskan mengapa sensor tak tergantikan dalam PdM, menyoroti kekuatan dan keterbatasan mereka.

Gantt Kerusakan Sistem

Gambar 1 menggambarkan siklus hidup motor—dari pemasangan hingga kegagalan—bersamaan dengan sensor yang direkomendasikan di setiap tahap. Setelah garansi berakhir, pemeliharaan beralih dari inspeksi sering ke pemeriksaan terjadwal.

Gambar 1: Kesehatan mesin vs waktu. (Sumber: Analog Devices)

Kelanjutan yang tidak terencana sering terjadi ketika kerusakan berkembang di antara pemeriksaan terjadwal. Kunci adalah sensor yang dapat menandai masalah sejak awal—artikel ini berfokus pada solusi getaran dan akustik, dengan analisis getaran biasanya berfungsi sebagai titik awal PdM ².

Sensor Pemeliharaan Prediktif

Beberapa sensor mendeteksi kerusakan tertentu, seperti kerusakan bearing, lebih awal daripada yang lain. Akselerometer dan mikrofon adalah yang paling banyak digunakan untuk deteksi kerusakan sejak awal. Tabel 1 mencantumkan spesifikasi sensor dan kerusakan yang dapat merekaungkapkan. Sistem PdM biasanya menerapkan subset dari sensor ini, sehingga memahami setiap jenis kerusakan dan sensor terbaik untuk menangkapnya sangat penting.

Tabel 1. Sensor Populer yang Digunakan untuk CbM (Sumber: Analog Devices) klik untuk gambar lebih besar

Pertimbangan Sensor dan Kerusakan Sistem

Lebih dari 90% mesin rotasi industri bergantung pada bearing elemen gulungan ³. Gambar 2 menunjukkan distribusi kegagalan komponen motor, menekankan pentingnya pemantauan bearing. Sensor getaran harus menawarkan kebisingan rendah dan bandwidth luas untuk mendeteksi, mendiagnosis, dan meramalkan potensi kerusakan.

Gambar 2. Persentase kemunculan komponen motor yang gagal.⁴ (Sumber: Analog Devices)

Tabel 2 memberikan rincian kerusakan umum dalam mesin rotasi dan persyaratan sensor getaran untuk deteksi sejak awal. Sensor berkinerja tinggi adalah kunci untuk operasi yang andal.

Tabel 2. Ringkasan Singkat tentang Kerusakan Mesin dan Pertimbangan Sensor Getaran (Sumber: Analog Devices) klik untuk gambar lebih besar

Energi getaran (puncak, puncak-ke-puncak, rms) mengungkapkan ketidakseimbangan atau kesetidakan sejajar ⁵. Kerusakan tahap awal seperti cacat bearing atau gear sering memerlukan sensor dengan kebisingan rendah (<100 µg/√Hz) dan bandwidth lebar (>5 kHz) yang dipasangkan dengan pemrosesan sinyal canggih.

Sensor Getaran, Suara, dan Ultrasonik untuk PdM

Mikrofon MEMS menyematkan elemen MEMS pada PCB, biasanya terkeliling logam dengan port untuk tekanan suara. Mereka hemat biaya, kompakt, dan ideal untuk pemantauan daya baterai kesehatan bearing, pergigian gear, kavitasi pompa, kesetidakan sejajar, dan ketidakseimbangan. Namun, di lingkungan yang berisik atau keras, kinerja dapat menurun karena kebisingan lingkungan, kelembaban, atau getaran mekanis.

Sementara banyak datasheet MEMS mencantumkan aplikasi yang tidak berbahaya (mobile, laptop, gaming), mereka juga mencatat sensitivitas terhadap getaran—beberapa klaim hingga 10.000 g daya tahan ⁷. Klarifikasi tentang kesesuaian untuk lingkungan ekstrem masih terbatas.

Mikrofon ultrasonik MEMS menganalisis suara dalam rentang 20–100 kHz, di mana kebisingan lingkungan minimal. Frekuensi lebih tinggi menghasilkan panjang gelombang yang lebih pendek (0,3–1,6 cm) dan energi yang lebih terarah, membantu lokasi kerusakan yang presisi dalam bearing atau casing.

Akselerometer mendominasi sensing getaran untuk peralatan rotasi besar (turbin, pompa, motor, gearbox). Tabel 3 dan 4 membandingkan sensor getaran/akustik MEMS berkinerja tinggi dengan akselerometer piezo standar industri.

Pasar CbM diproyeksikan akan tumbuh secara signifikan dalam lima tahun ke depan, dengan penerapan nirkabel mendorong sebagian besar ekspansi tersebut ⁶. Akselerometer piezo, meskipun sangat canggih, lebih besar dan mengonsumsi lebih banyak daya, membuat akselerometer dan mikrofon MEMS menarik untuk sistem PdM daya baterai.

Semua jenis sensor menawarkan bandwidth yang memadai dan kebisingan rendah, tetapi akselerometer MEMS secara unik memberikan respons DC-ke-frekuensi tinggi, yang bermanfaat untuk deteksi ketidakseimbangan kecepatan rendah dan sensing kemiringan. Mereka juga memiliki fungsi uji mandiri, memastikan integritas fungsional—keuntungan keselamatan yang krusial.

Pematokan hermetik memungkinkan untuk akselerometer MEMS (keramik) dan akselerometer piezo (mekanis), memungkinkan penggunaan di lingkungan kotor atau keras. Tabel 4 menyoroti perbedaan kinerja mekanis dan lingkungan, memandu pencocokan sensor-ke-aset.

Tabel 3. Spesifikasi Kinerja Sensor Pemeliharaan Prediktif (Sumber: Analog Devices) klik untuk gambar lebih besar

Tabel 4. Spesifikasi Mekanis Sensor Pemeliharaan Prediktif (Sumber: Analog Devices) klik untuk gambar lebih besar

Data getaran tiga-sumbu memberikan diagnostik yang lebih kaya, meningkatkan deteksi kerusakan di luar setup sumbu tunggal—manfaat jelas baik dari akselerometer piezo maupun MEMS.

Mikrofon MEMS dapat menderita distorsi hingga –8 dB di lingkungan dengan kelembaban tinggi ⁷. Dalam kondisi seperti itu, mikrofon kondensor elektret (ECM) mungkin berkinerja lebih baik. Faktor lingkungan lain—angin, tekanan, medan EM, getaran—juga mempengaruhi sensor akustik ⁸.

Di lingkungan yang tidak berbahaya, mikrofon MEMS memberikan kinerja PdM yang sangat baik. Namun, memasangnya di lingkungan yang keras, getar, debu, atau lembab mempraktikan tantangan; mereka memerlukan port untuk akses akustik, yang dapat mengekspos elektronik internal kepada kontaminan.

Kemajuan terbaru dalam teknologi akselerometer MEMS kapasitif sekarang memungkinkan solusi CbM nirkabel yang kecil, hemat biaya, untuk aset prioritas rendah, menawarkan wawasan yang lebih dalam tentang operasi fasilitas dan waktu aktif. Sensor MEMS ini mendekati kinerja piezo untuk sistem kabel, dengan kebisingan rendah, bandwidth lebar, dan antarmuka IEPE standar industri.

Gambar 3. Akselerometer MEMS, referensi IEPE, desain PCB yang memungkinkan retrofit keluarga akselerometer CbM ADXL100x dalam modul mekanis IEPE. Catatan: Analog Devices tidak memproduksi modul mekanis IEPE. (Sumber: Analog Devices)

Modul PdM khusus, seperti ADcmXL3021 dari Analog Devices, mengintegrasikan tiga akselerometer MEMS sumbu tunggal, ADC, prosesor, memori, dan algoritma dalam paket mekanis dengan resonansi >50 kHz. Ini memungkinkan FFT pada node, pemicu alarm, dan output statistik yang esensial untuk prediksi kegagalan berbasis pembelajaran mesin.

Gambar 4. Modul CbM MEMS tiga-sumbu dengan ADC, prosesor, FFT, dan statistik terintegrasi, serta paket mekanis dengan frekuensi resonansi >50 kHz. (Sumber: Analog Devices)

Memilih sensor getaran yang tepat bergantung pada mencocokkan kemampuan sensor dengan mode kegagalan yang mungkin dialami aset. Mikrofon MEMS belum terbukti dapat secara andal mendeteksi semua kerusakan berbasis getaran di lingkungan paling keras, sedangkan akselerometer memiliki rekaman keandalan selama beberapa dekade. Mikrofon ultrasonik MEMS menunjukkan janji untuk deteksi kerusakan bearing sejak awal dan dapat melengkapi akselerometer untuk solusi PdM hybrida.

Sementara tidak ada sensor tunggal yang cocok untuk semua skenario, akselerometer tetap menjadi pilihan yang terbukti dan terus berkembang. Analog Devices menawarkan portofolio luas akselerometer MEMS—darunit daya rendah, kebisingan rendah, stabilitas tinggi hingga modul node edge yang cerdas—untuk memenuhi kebutuhan aplikasi yang beragam.

Referensi

1 Leslie Langnau. “Sensors Help You Get Maximum Use from Your Motors.” Machine Design, September 2000.

2 Bram Corne, Bram Vervisch, Colin Debruyne, Jos Knockaert, and Jan Desmet. “Comparing MCSA with Vibration Analysis in Order to Detect Bearing Faults—A Case Study.” 2015 IEEE International Electric Machines and Drives Conference (IEMDC), IEEE, May 2015.

3 Brian P. Graney and Ken Starry. “Rolling Element Bearing Analysis.” Materials Evaluation, Vol. 70, No. 1, The American Society for Nondestructive Testing, Inc., January 2012.

4 Pratyay Konar, R. Bandyopadhyay, and Paramita Chattopadhyay. “Bearing Fault Detection of Induction Motor Using Wavelet and Neural Networks.” Proceedings of the 4th Indian International Conference on Artificial Intelligence, IICAI 2009, Tumkur, Karnataka, India, December 2009.

5 Pete Sopcik and Dara O’Sullivan. “How Sensor Performance Enables Condition-Based Monitoring Solutions,” Analog Dialogue, Vol. 53, June 2019.

6 Motor Monitoring Market by Offering (Hardware, Software), Monitoring Process (Online, Portable), Deployment, Industry (Oil and Gas, Power Generation, Metals and Mining, Water and Wastewater, Automotive), and Region—Global Forecast to 2023. Research and Markets, February 2019.

7 Pradeep Lall, Amrit Abrol, and David Locker. “Effects of Sustained Exposure to Temperature and Humidity on the Reliability and Performance of MEMS Microphone.” ASME 2017 International Technical Conference and Exhibition on Packaging and Integration of Electronic and Photonic Microsystems, September 2017.

8 Marcel Janda, Ondrej Vitek, and Vitezslav Hajek. Induction Motors: Modelling and Control. InTech, November 2012.

9 Muhammad Ali Shah, Ibrar Ali Shah, Duck‑Gyu Lee, and Shin Hur. “Design Approaches of MEMS Microphones for Enhanced Performance.” Journal of Sensors, Vol. 1, March 2019.