DIAGNOSIS KERUSAKAN BEARING MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK

Abstract

Penelitian ini bertujuan untuk mengembangkan metode diagnosis kerusakan bearing menggunakan model Convolutional Neural Network satu dimensi (CNN-1D). Kerusakan pada bearing merupakan salah satu masalah utama dalam sistem mekanik yang dapat menyebabkan kerusakan lebih lanjut pada mesin atau peralatan industri. Oleh karena itu, deteksi dini terhadap kerusakan bearing sangat penting untuk meminimalkan biaya pemeliharaan dan meningkatkan efisiensi operasional. Dalam penelitian ini, data getaran dari sensor ditempatkan pada berbagai titik pada bearing yang diuji. Data ini kemudian diproses menggunakan CNN-1D untuk mendeteksi dan mengklasifikasikan berbagai jenis kerusakan bearing, seperti keausan, cacat bola, dan kerusakan pada cincin luar atau dalam. Model CNN-1D diterapkan untuk mempelajari fitur dari data sinyal getaran, yang memungkinkan untuk mengidentifikasi kerusakan dengan akurasi tinggi. Hasil penelitian menunjukkan bahwa model CNN-1D memiliki performa yang baik dalam mendeteksi kerusakan bearing dengan tingkat akurasi yang signifikan, menjadikannya sebagai metode yang potensial untuk aplikasi dalam pemeliharaan prediktif dan monitoring kondisi mesin.