Analisa Kondisi Mesin Induk Kapal Dengan Aplikasi
Metode Fuzzy Inference System
Nahlah M. Darma 1, Heri Supomo, M.Sc.2, Setyo Nugroho3 Mahasiswa Pasca Sarjana Teknik Produksi dan Material Kelautan
Institut Teknologi Sepuluh Nopember Surabaya, Indonesia1 Dosen Fakultas Teknologi Kelautan ITS2
Dosen Fakultas Teknologi Kelautan ITS3 Email: [email protected]
Abstrak
Sistem permesinan merupakan kendala yang paling dominan dialami dalam pengoperasian kapal. Mesin Induk adalah sebagai tenaga penggerak utama yang berfungsi untuk mengubah tenaga mekanik menjadi tenaga pendorong bagi propeller kapal agar kapal dapat bergerak, dimana dalam pengoperasionalnya mesin induk selalu dalam kondisi running secara terus menerus. Hal ini tentunya akan mempengaruhi kondisi mesin. Pada sebuah sistem yang kompleks seperti pada Mesin Induk kapal dimana terdiri dari pompa, turbin, turbo-generator maupun jenis lainnya, kerusakan yang terjadi sangatlah bervariasi. Dalam kondisi aktualnya, kerusakan yang terjadi pada sebuah mesin sangatlah kompleks, sehingga sangat sulit untuk mencari model matematik dari sebuah mesin yang dapat digunakan sebagai parameter dalam mendiagnosa kerusakan. Selain itu hubungan antara kerusakan dan gejala kerusakan terkadang terlalu kompleks, hampir tidak bisa diketahui secara pasti. Sehingga hasil dari diagnosa mengandung ketidakpastian (fuzzines) yang cukup tinggi.
Pengamatan secara rutin terhadap parameter temperature, tekanan, kekentalan serta flow oil dan bahan bakar adalah merupakan salah satu metode yang cukup baik untuk mengetahui kondisi mesin. Metode fuzzy logic dalam hal ini FIS (Fuzzy Inference System) digunakan dalam penelitian untuk diaplikasikan dalam mengatasi permasalahan pada mesin induk kapal. Perancangan system dalam menganalisa kondisi mesin induk kapal dengan menggunakan FIS, yang mana dilakukan dengan merancangan system meliputi proses pengambilan data kondisi normal mesin induk , pengelompokan system yang bekerja pada mesin induk dan perancangan system FIS. Dalam perancangan system ini akan dibentuk FIS alat yaitu peralatan pendukung dari system bahan bakar, pelumas dan pendingin, kemudian FIS system yaitu system bahan bakar, FIS system pelumas dan system pendingin dan terakhir adalah FIS mesin induk . Demikian halnya terhadap rule-rule dari masing-masing alat, system dan mesin induk.
1. PENDAHULUAN 1.1 Latar Belakang
Hingga saat ini penilaian operator kapal terhadap proses kelayakan sistem diatas kapal masih bersifat subyektif, hanya didasarkan pada intuisi saja. Dengan kata lain proses penilaiannya tidak dilandasi oleh pembahasan yang ilmiah atau konsep yang jelas. Agar penilaian teknis terhadap sistem dan komponen di kapal mempunyai dasar perhitungan yang ilmiah dan obyektif, maka diperlukan alternatif penilaian yang lebih kuantitatif.
Pada sebuah sistem yang kompleks seperti halnya pada Mesin Induk (ME) kapal (pompa, turbin, turbo-generator maupun jenis lainnya), kerusakan yang terjadi sangatlah bervariasi. Dalam kondisi aktualnya, kerusakan yang terjadi pada sebuah mesin sangatlah kompleks, sehingga sangat sulit untuk mencari model matematik dari sebuah mesin yang dapat digunakan sebagai parameter dalam mendiagnosa kerusakan. Selain itu hubungan antara kerusakan dan gejala kerusakan terkadang juga terlalu kompleks hampir tidak bisa diketahui secara pasti. Sehingga hasil dari diagnosa mengandung ketidakpastian (fuzzines) yang cukup tinggi (Ping Yang dan Sui – sheng Liu, 2005). Metode fuzzy logic dalam hal ini FIS (Fuzzy Inference System) banyak sekali
diaplikasikan untuk mengatasi permasalahan diatas. Fuzzy logic memiliki kelebihan dalam mengklasifikasikan kerusakan serta mengidentifikasi kerusakan yang terjadi berdasarkan fuzzy information. Dari fuzzy information dapat dibuat rule-rule sebagai pertimbangan dalam pengambilan keputusan.
Dengan demikian kekhawatiran bagi para pemegang kebijakan dalam perusahaan pelayaran dapat dikurangi karena dengan pencegahan sedini mungkin akan mengurangi pengeluaran biaya yang besar terhadap perbaikan maupun penggantian peralatan yang mengalami kegagalan
1.2 Perumusan Masalah
Berdasarkan uraian yang telah dikemukakan maka permasalahan yang akan dibahas dalam penelitian ini adalah :
1. Bagaimana menyusun struktur FIS (Fuzzy inference system) yang dapat digunakan untuk menganalisa kondisi Mesin Induk (ME) kapal berdasarkan data sekunder berupa data temperature, tekanan, kekentalan dan flow.
2. Bagaimana memvalidasi output FIS (Fuzzy inference system) yang telah disusun sehingga dapat menjamin kemampuan dari metode tersebut dalam menilai kondisi Mesin Induk (ME) tersebut.
1.3 Tujuan dan Manfaat Penulisan
Tujuan yang hendak dicapai dalam penelitian ini adalah :
1. Membuat sistem analisa otomatis yang mampu mengidentifikasi kondisi dari sistem mesin induk kapal dengan menggunakan FIS (Fuzzy Inference System)
2. Menguji tingkat validasi output FIS (Fuzzy inference system) yang telah disusun sehingga dapat menjamin kemampuan dari metode tersebut dalam menilai kondisi mesin induk kapal.
Manfaat dari penelitian ini adalah dihasilkannya suatu sistem perbaikan mesin utama kapal yang dibuat dalam program komputer. Hasil penelitian ini diharapkan dapat:
1. Mengurangi faktor subjektifitas dari manusia dalam penentuan keputusan mengenai kondisi yang terjadi pada mesin induk kapal.
2. Memberikan informasi yang akurat bagi operator kapal maupun pemegang keputusan dalam menentukan tindakan perawatan dan perbaikan kapal
3. Digunakan sebagai bahan informasi studi lanjutan yang diperlukan untuk pengembangan yang berkaitan dengan monitoring system dan control system.bagi kalangan akademis.
2. TINJAUAN PUSTAKA 2.1. Mesin Induk Kapal
Untuk mempertahankan kondisi mesin agar tetap mampu beroperasi maksimal tentunya main engine akan dibantu dengan beberapa system pendukung lainnya.
Sistem pendukung tersebut antara lain :
1. Sistem Bahan Bakar, 2. Sistem Pelumas, 3. Sistem Pendingin
Ketiga sistem tersebut diatas sangat berpengaruh terhadap kinerja main engine, oleh sebab itu kesuksesan operasi maupun kegagalan operasi didalam main engine juga akan dipengaruhi oleh ketiga sistem tersebut diatas.
2.1.1. Sistem Bahan Bakar
Sistem bahan bakar ini secara umum terdiri atas fuel oil transfer, filtery dan purifering; fuel oil circulating, fuel oil supply,dan heater. Bahan bakar di kapal disimpan di storage tank. Koil pemanas harus dipasang pada tangki bunker sehingga temperature bahan bakar pada tangki bunker dapat dipertahankan pada temperature 40 - 500C. Untuk memastikan pensuplaian bahan bakar cukup banyak, maka kapasitas dari circulating pump dibuat lebih besar dari jumlah bahan bakar yang dikonsumsi oleh motor induk. Dan kelebihan bahan bakar tersebut akan disirkulasikan kembali dari motor melalui venting box yang kemudian akan menuju ke circulating pump kembali. Ketika engine berhenti, circulating pump akan terus bekerja untuk mensirkulasikan Heavy Fuel yang telah dipanaskan dan tetap melewati fuel oil system engine dengan tujuan untuk menjaga bahan bakar tetap panas dan katup bahan bakar tetap terdeae-rated.
Pada sistem bahan bakar ada beberapa peralatan yang mendukung sistem tersebut antara lain: System Transfer, Filtering dan purifikasi. Sistem ini bertugas memindahkan bahan bakar dari storage tank ke settling tank, serta membersihkan bahan bakar dari kotoran yang berasal dari storage tank. Heavy fuel oil harus dibersihkan terlebih dahulu dengan melewatkanya melalui centrifuge sebelum masuk ke daily tank. Pada centrifuge nantinya kotoran-kotoran yang terdapat pada HFO yang terdiri atas partikel dan air akan dipisahkan dari HFO.
2.1.2. Sistem Pelumas
Pelumas merupakan sarana pokok dari mesin untuk bekerja secara optimal. Tanpa pelumas dapat dipastikan bahwa mesin tidak akan dapat beroperasi. Memberikan pelumas yang salah dapat mengakibatkan mesin yang menggunakannya langsung rusak atau jika tidak begitu fatal, maka salah satu konsekuensinya adalah mesin tidak dapat bekerja secara optimal. Pelumas di engine sangat diperlukan karena berfungsi untuk melumasi koponen-komponen yang bergesekan. Tujuannya adalah untuk mempertahankan umur dan daya tahan komponen sesuai dengan umur ekonomisnya. Selain sistem pelumas berfungsi untuk mengurangi gesekan antar komponen engine.
2.1.3 Sistem Pendingin
Sistem pendingin adalah sistem yang digunakan untuk mendinginkan Main Engine sehingga dapat beroperasi dalam waktu yang lama. Ada beberapa konfigurasi yang paling sering digunakan dalam perencanaan sistem pendingin, yang pertama dengan pendinginan menggunakan air laut temperature rendah dan pendinginana air tawar untuk jacket cooling. Sistem ini hanya mempunyai dua set pompa (untuk sea water dan jacket water).
Sistem pendingin menggunakan type Central Cooling, dimana air laut difungsikan sebagai obyek penerima panas dari air tawar yang telah digunakan sebagai pendingin utama, dengan alat penukar panas pada central cooler. Sirkulasi dari air laut ini merupakan sirkulasi terbuka dimana air laut dipompa dari sea chest kemudian disirkulasikan dan akhirnya keluar lewat over board.
2.2. Konsep Dasar Fuzzy
2.2.1 Logika Fuzzy dan Himpunan Fuzzy
Logika fuzzy adalah cara yang tepat/mudah untuk memetakan hubungan antara input -output yang didasari konsep himpunan fuzzy. Hal ini sering dikenal dengan istilah black-box.
.Pada dasarnya, himpunan fuzzy merupakan perluasan dari himpunan klasik (crisp), pada himpunan klasik A suatu elemen akan memiliki 2 kemungkinan keanggotaan. Yaitu anggota A yang dinotasikan dengan µA(x). Dimana µA(x) = 1 apabila x merupakan anggota dari A dan µA(x) = 0 apabila x bukan anggota A.
• Degree of Membersip (Derajat Keanggotaan)
Berfungsi untuk memberikan bobot pada suatu input yang telah diberikan sehingga inp ut tersebut mempunyai nilai. Misalnya “suhu” adalah” dingin”, maka suhu tersebut akan mempunyai nilai diantara range 0 – 1
• Scope (Domain)
Suatu batas dari kumpulan input tertentu . Misalnya suhu dikatakan ’warm’ jika berada diantara range 60 – 80 derajat.
• Label
Adalah kata – kata yang untuk memberikan suatu keterangan pada scope/domain. Contohnya : panas,dingin, cepat, sangat cepat
• Membership function (Fungsi keanggotaan)
Suatu bentuk bangun yang merepresentasikan suatu batas scope/domain • Crisp Input
Nilai input analog yang akan diberikan untuk mencari derajat keanggotaan • Universe Of Discourse
Batas semua input yang akan diberikan
Membership function (Fungsi keanggotaan)
Ada 2 cara dalam mendefinisikan keanggotaan himpunan fuzzy, yaitu secara numeris dan fungsional. Definisi numeris menyatakan fungsi keanggotaan sebagai vektor jumlah yang tergantung pada tingkat diskretisasi. Misalnya jumlah diskret dalam semesta pembicaraan. Definisi fungsional menyatakan sebagai derajat keanggotaan sebagai batasan ekspresi analitis yang dapat dihitung.
Fungsi keanggotaan yang biasa digunakan antara lain : 1. Fungsi –S (S-function)
2. Fungsi - Π
4. Fungsi Keanggotaan Trapezium (Trapesoidal Membership Function) 5. Persamaan untuk bentuk geberalized bell adalah:
2.3. Inferensi Fuzzy
2.3.1 Variabel Linguistik dan Linguistik Hedge
Suatu linguistik hedge adalah suatu operasi yang memodifikasi arti dari suatu himpunan fuzzy. Jika A adalah suatu himpunan fuzzy, maka linguistik hedge m mengenerate term B = m(A).
Model matematis sering digunakan sebagai linguistik hedge seperti berikut :
Concentration : ( ) ( ( ))2 ) (A u Au con µ µ = Dilation : ( ) ( ( ))1/2 ) (A u Au dil µ µ = Intensification : ( )u= A) int( µ ( ( )) ( ) )) ⎪⎩ ⎪ ⎨ ⎧ − − 2 2 1 ( 2 1 2 u u A A µ µ untuk µA( )u∈[ ]0,5
Secara umum linguistik hedge berikut berasosiasi dengan operator matematis tersebut :
Jika A adalah suatu himpunan fuzzy, maka sangat A = con (A)
lebih kurang A = dil(A) plus A = A 1.25
2.3.2 Aturan – aturan Linguistik (Linguistik Rules)
Persamaan ini menggambarkan dinamika atau kinematika dari suatu sistem atau pengetahuan tentang sistem dalam bentuk yang sangat sederhana. Hubungan antara masukan x dan keluaran f(x) bisa digambarkan, misalnya melalui persamaan
( ) ( ) 30 32 − =x x f
Dengan substitusi harga numerik x (masukan, fakta, kondisi) kepada persamaan ini maka diperoleh harga f( )x ( keluaran, konklusi, konsekuensi).
Aturan i : JIKA x adalah Ai MAKA f(x) adalah Bi, (i = 1,...,n) dengan x dan f(x)
masing-masing adalah variabel bebas dan variabel tidak bebas, Ai dan Bi adalah
konstanta linguistic, dan n adalah banyak data eksperimen. Dari bentuknya aturan ini biasa disebut dengan aturan JIKA – MAKA. Klausa JIKA sebagai antenseden atau kondisi, dan klausa MAKA sebagai konsekuen.
Aturan linguistik dapat diklasifikasikan dalam dua kategori ditinjau dari konstanta linguistik Ai dan Bi yaitu aturan linguistik dengan bahasa yang well-defined (aturan
JIKA-MAKA crisp) dan aturan linguistik dengan bahasa yang ill-defined.
2.3.2.1 Aturan linguistik dengan bahasa yang well-defined (aturan JIKA-MAKA
crisp)
Dalam aturan JIKA-MAKA crisp semua konstanta linguistik direpresentasikan dengan bahasa yang well-defined (informasi crisp atau nilai numerik yang eksak), seperti misalnya 800C, 220 volt, 12 Ma, dan sebagainya.
Berikut ini adalah contoh aturan yang termasuk dalam kategori ini.
Aturan 1 : JIKA x adalah -2 MAKA f(x) adalah 25/30 Aturan 2 : JIKA x adalah -1 MAKA f(x) adalah 16/30 Aturan 3 : JIKA x adalah 0 MAKA f(x) adalah 9/30 Aturan 4 : JIKA x adalah 1 MAKA f(x) adalah 4/30 Aturan 5 : JIKA x adalah 2 MAKA f(x) adalah 1/30
dan seterusnya.
Tampak bahwa deskripsi ini sangat sederhana dan mudah dilakukan perubahan pada bagian konsekuensi dari aturan JIKA-MAKA bila diperlukan. Hal ini berarti bahwa aturan JIKA-MAKA sangat cocok untuk sistem belajar (learning sistem),
self-organizing system, sistem adaptif, dan sebagainya. Meskipun demikian ada beberapa
kekurangan dari sistem semacam ini.
2.3.2.2 Aturan Linguistik dengan Bahasa yang ill-defined
Aturan linguistik ini serig disebut sebagai JIKA-MAKA fuzzy, atau aturan fuzzy. Dalam kategori ini semua kendala linguistik direpresentasikan dengan bahasa yang
ill-defined(informasi fuzzy), misal mewah, tinggi, sekitar 45kg dan sebagainya. Aturan fuzzy dapat menggambarkan relasi antara x dan f(x), sebagai contoh modifikasi aturan
linguistik yang well-defined ke dalam bentuk aturan fuzzy
Apabila ada perubahan dalam karakteristik sistem, merubah aturan fuzzy jauh lebih mudah dibandingkan dengan merubah persamaan matematis, yaitu hanya beberapa aturan saja yang harus dirubah atau ditambah. Sementara dalam persamaan matematis harus melakukan kalkulasi ulang.
2.3.2.3 Basis Aturan Fuzzy
Suatu basis aturan fuzzy memuat sekumpulan aturan fuzzy if-then. Dalam beberapa aplikasi, ini merupakan inti dari sistem fuzzy. Terdapat dua cara untuk mengambil kesimpulan dengan sekumpulan aturan, yaitu inferensi berbasis komposisi (composition based inference) dan inferensi berbasis aturan individu (individual-rule
based inference).
2.3.2.4 Inferensi berbasis Komposisi
Dalam inferensi berbasis komposisi, semua aturan dalam basis aturan fuzzy dikombinasikan menjadi suatu relasi fuzzy tunggal dalam U x V yang selanjutnya dipandang sebagai aturan fuzzy if-then secara tunggal.
Misalkan Ru(l) adalah relasi fuzzy dalam U x V, yang menyatakan aturan fuzzy if-then , yaitu Ru Ax xAl B n l l= ... → 1 ) ( dengan nl lx xA
A ...1 relasi fuzzy pada U = U1 X ..X Un yang didefenisikan
sebagai berikut : ( n) A ( ) A( )n xA x A x x x l x n l ni l N l µ µ µ ..., = ∗...∗ 1 , 1 ... 1
dengan menyatakan operator T-norm, sedangkan implikasi dalam Ru(l) didefenisikan menurut salah satu interpretasi fuzzy if-then.
Aturan-aturan fuzzy if-then sebanyak m dapat dinyatakan sebagai relasi fuzzy tunggal
Qm dalam U x V yang didefenisikan sebagai :
Qm = mRu l
U=1
Kombinasi ini dinamakan kombinasi Mamdani (Wang, 1997).
Salah satu prinsip pokok dalam logika fuzzy adalah modus ponens yang diperumum (generalized modus ponens). Misal A himpunan fuzzy dengan semesta X, dan B himpunan fuzzy dengan semesta Y, generalized modus ponens dinyatakan dengan skema sebagai berikut (Klir dan Yuan, 1995) :
Rule : Jika x adalah A maka y adalah B
Fact : x adalah A’
Konklusi : y adalah B’
Apabila diberikan himpuan fuzzy A’ yang menyatakan premis x adalah A’ dan relasi
suatu himpunan fuzzy B’ dalam V yang menyatakan kesimpulan y adalah B’ dapat ditentukan sebagai berikut :
( )y t
[
A( )x A B( )xy]
B =supµ' ,µ→ ,
µ
3 METODOLOGI PENELITIAN
Dalam penelitian ini, dilakukan langkah – langkah untuk memperoleh tujuan penelitian adalah sebagai berikut :
1. Studi literatur yang berkaitan dengan tujuan penelitian.
Tinjauan Pustaka memberikan pengetahuan mendasar bagi peneliti untuk meneliti obyek penelitian, sehubungan dengan itu maka dilakukan studi pustaka mengenai:
a) Mesin Induk Kapal b) Logika Fuzzy,
c) FIS dan Penggunaan Software Matlab.
2. Melakukan pemilihan variabel yang akan didiagnosa.
3. Mengumpulkan Data Sekunder. .
4. Persiapan Data Input
5. Proses Perancangan sistem (Semua perancangan tersebut dengan bantuan software Matlab)
6. Implementasi sistem. 7. Kesimpulan.
4. Perancangan Sistem
. Perancangan system ini meliputi proses pengambilan data kondisi normal mesin induk , pengelompokan system yang bekerja pada mesin induk dan perancangan system FIS.
4.1. Dasar Perancangan data input Sistem Analisa Mesin Induk
Mesin induk kapal dengan merk mesin WUXI dengan model G 830 ZC 16 B-1 yang terdiri dari beberapa system pendukung dalam beroperasi, dimana setiap system tersebut memiliki nilai kondisi normal dalam beroperasi. Nilai-nilai tersebut diperoleh dari instruction manual book dari mesin. Nilai- nilai ini merupakan data input yang digunakan dalam perancangan FIS. Nilai kondisi normal mesin induk terdapat pada tabel-tabel dibawah ini.
Table . Nilai Normal Sistem Bahan Bakar Alat
Keadaan
Suhu
( °c ) Tekanan ( MPa) Kekentalan ( cST) (mDebet 3/h)
Supply Pump 40 - 50 0,15 - 0,2 13 1 Fuel oil heater 60 - 65 0,25 13 0,8 FO Feed Pump 60 - 65 0,25 10 1 Fuel flow filter 60 - 65 0,15 10 1 Circulating Pump 40-50 0,15 12 1 FO Fuel Transfer pump 30 0,15 9 0,8
Table . Nilai Normal Sistem Pelumas Alat Keadaan Suhu ( °c ) Tekanan ( MPa) Kekentalan ( cST) Debet (m3/h)
Cylinder oil pump 50 0,4 14,3 26 LO Purifier 60 0,4 13 27 Cylinder oil filter 60 0,38 16,3 24 LO Pump 80 0,32 12,5 29 LO Cooler 80 0,38 13.7 26 Fine Filter (pressure) 60 0,4 14 26
Table .4.3. Nilai Normal Sistem Pelumas Alat
Keadaan
Suhu
( °c ) Tekanan ( MPa) (mDebet 3/h)
Sea Waterpump 60 0,15 60 FW Filter 60 0,15 60
FW Pump 85 0,05 40
FW Cooler 80 0,1 40 Jacket Cooling 60 0,1 40
4.2. Rancangan System Analisa Mesin Induk
Mesin induk beroperasi dibantu dengan beberapa system pendukung lainnya. Sistem pendukung tersebut antara lain : Sistem Bahan Bakar, Sistem Pelumas, Sistem Pendingin. Selanjutnya system pendukung mesin induk dapat dibuat dalam tree
diagram Sistem Mesin Induk seperti pada gambar 4.1.
keterangan :
T = Temperature; P = Pressure (Tekanan); V = Viscosity (Kekentalan); F = Flow (Aliran)
4.3. Rancangan FIS
Dalam perancangan FIS untuk memperoleh output yang dikehendaki , maka dilakukan tahapan-tahapan rancangan FIS.
4.3.1. Pembentukan himpunan fuzzy input dan output pada Sistem Bahan Bakar Pada Sistem bahan Bakar memiliki 6 input variable linguistic yaitu Supply Pump, FOl heater, FO feed pump, Fuel flow filter, Circulating Pump, FO fuel transfer Pump. Sedangkan ouput dari FIS ini adalah nilai Kondisi alat.
4.3.1.1. Variable Input FIS pada Supply Pump
Terdapat 4 variable input pada supply pump yang akan dimodelkan yaitu temperatur, tekanan, kekentalan dan flow. Setiap variabel menggunakan tiga himpunan
FO Fuel Transfer FO Feed Pump
Supply Pump Circulating Pump
Fuel Oil Heater Fuel Flow Filter
LO Pump Fine Filter (pressure)
LO Cooler LO Purifier Cylinder Oil Filter
FW Cooler FW Filter FW Pump Jacket Cooling Sea Water Pump Cylinder Oil Pump T, P, V, F T, P, V, F T, P, V, F T, P, V, F T, P, V, F T, P, V, F T, P, V, F T, P, V, F T, P, V, F T, P, V, F T, P, V, F T, P, V, F T, P, V, F T, P, V, F T, P, V, F T, P, V, F T, P, V, F Main Engine Sistem Pendingin Sistem Bahan Bakar Sistem Pelumas
fuzzy yaitu himpunan fuzzy rendah, normal dan tinggi. Fungsi keanggotaan yang digunakan adalah fungsi keanggotaan Trapezium (Trapmf) sebagai berikut :
1. Temperatur, Fungsi keanggotaan yang digunakan adalah fungsi keanggotaan Trapezium (Trapmf)
µrendah(x,a,b,c,d) dimana = [-5 0 10 40]
µnormal(x,a,b,c,d) dimana = [10 40 50 80]
µtinggi(x,a,b,c,d) dimana = [50 80 90 100]
Gambar menunjukkan fungsi keanggotaan pada variable input “temperatur”
”
2. Tekanan, Fungsi keanggotaan yang digunakan adalah fungsi keanggotaan Trapezium (Trapmf)
µrendah(x;a,b,c,d) dimana = [-0.1 -0.03 0.05 0.15]
µnormal(x,a,b,c,d) dimana = [0.05 0.15 0.2 0.3]
µtinggi(x;a,b,c,d) dimana = [0.2 0.31 0.38 0.5]
Gambar 4.4. menunjukkan fungsi keanggotaan pada variable input “tekanan”
3. Kekentalan, Fungsi keanggotaan yang digunakan adalah fungsi keanggotaan Trapezium (trapmf) dan Segitiga (trimf)
µrendah(x;a,b,c,d) dimana = [-5 -1 3 12]
µnormal(x;a,b,c,) dimana = [5 13 20]
µtinggi(x;a,b,c,d) dimana = [14 22 27 30]
Gambar 4.5. menunjukkan fungsi keanggotaan pada variable input “kekentalan”
4. Aliran, Fungsi keanggotaan yang digunakan adalah fungsi keanggotaan Trapezium (trapmf) dan Segitiga (trimf)
µrendah(x,a,b,c,d) dimana = [-0,8 -0.1 0.3 1]
µnormal(x;a,b,c,) dimana = [0.5 1 1.5]
µtinggi(x,a,b,c,d) dimana = [1 1.7 2.1 2.9]
Gambar 4.6. menunjukkan fungsi keanggotaan pada variable input “Aliran”
5. Kondisi alat , Fungsi keanggotaan yang digunakan adalah fungsi keanggotaan Trapezium (trapmf)
µkondisi A(x;a,b,c,d) dimana = [80 95 100 110 ]
µkondisi B(x;a,b,c,d) dimana = [65 80 85 95 ]
µkondisi C(x;a,b,c,d) dimana = [45 60 65 75]
µkondisi D(x;a,b,c,d) dimana = [-3.5 0 35 50]
Proses Inferensi
4.4.1. Penyusunan linguistic rule Alat
System bahan bakar dinilai dari 6 indikator yaitu Supply Pump, Fuel Oil Heater, FO Feed Pump, Fuel Flow Filter, Circulating Pump, FO Fuel Transfer Pump. Fungsi untuk masing-masing parameter ini memuat tiga himpunan fuzzy yaitu rendah, normal dan tinggi.
Input : 4 variabel (Temperatur, Tekanan, Kekentalan, Aliran)
Variable : 3 himpunan fuzzy( RENDAH, NORMAL, TINGGI)
Sehingga rule FIS didapat dengan mengkombinasikan input antara variabel dan himpunan fuzzy dan didapat dengan cara :
Jumlah himpunan fuzzy tiap variabel dipangkatkan jumlah variabel input = 3^4 = 81 rules.
Pada kondisi di lapangan tidak mungkin ditemukan kondisi temperatur rendah dan kekentalan rendah terjadi secara bersamaan sehingga 81 rule itu akan dikurangi kondisi tersebut. Kondisi temperatur rendah dan kekentalan rendah terjadi secara bersamaan terjadi 9 kali didapat dari jumlah himpunan fuzzy tiap variabel pangkat jumlah variabel yang berkaitan = 3^2 = 9 rule , sehingga didapat rule FIS Alat= 81 - 9 = 72 rules.
Berikut ini adalah sebagian dari rules yang digunakan dalam FIS system Bahan Bakar.
Rule (1) Jika Temperatur RENDAH DAN Tekanan RENDAH DAN Kekentalan NORMAL DAN Flow
RENDAH MAKA B
Rule (28) Jika Temperatur NORMAL DAN Tekanan NORMAL DAN Kekentalan RENDAH DAN Flow
RENDAH MAKA B
Rule (47) Jika Temperatur TINGGI DAN Tekanan RENDAH DAN Kekentalan RENDAH DAN Flow
NORMAL MAKA C
5. IMPLEMENTASI DAN PENGUJIAN SISTEM
Input data yang digunakan dalam pengujian terhadap FIS alat ini diperoleh dari kondisi kapal yang telah terjadi. Seperti pada tabel
Table. Hasil Pengujian Sistem FIS Alat
Alat
Keadaan
Kondisi Sistem
Temperatur Tekanan Kekentalan Aliran Kondisi
( °c ) ( MPa) ( cST) (m3/h)
Supply Pump 65 0.08 12 1.2 75.1 C
Fuel oil heater 50 0.2 12 0.8 92 A
FO Feed Pump 60 0.6 8 1.1 95 A
Fuel flow filter 78 0.15 13 1 81.5 B
Circulating Pump 55 0.2 12 12 94 A
FO Fuel Transfer
Pump 32 0.16 10.5 1 95 A
Cylinder oil pump 60 0.4 13 22 95 A
LO Purifier 60 0.6 13 29 95 A
Cylinder oil filter 52 0.3 16 24 95 A
LO Pump 70 0.3 11.8 25 95.5 A
LO Cooler 70 0.4 13.5 23 95 A
KONDISI RANGE DESKIPSI
Kondisi A 100 – 85
baik dan beroperasi normal
Kondisi B 84.99 - 75
Dalam menkonversikan nilai numeric yang dihasilkan oleh FIS maka dibuat aturan konversi kondisi output sebagi berikut : Nilai Kondisi dinyatakan dalam (%) : Demikian selanjutnya untuk mengetahui kondisi akhir dari mesin induk , maka output yang dihasilkan pada FIS system, selanjunya dijadikan input pada FIS Mesin Induk, seperti pada tabel
Setelah diperoleh nilai kondisi pada tiap peralatan , selanjutnya output FIS peralatan dijadikan input pada FIS system.seperti pada tabel
MAIN ENGINE SISTEM BAHAN BAKAR SISTEM
PELUMAS PENDINGIN SISTEM
kondisi (0-100) Parameter
kondisi skala
0-100 97.5 97.5 97.5 97.5
Dari pengujian terhadap FIS mesin induk diperoleh nilai akhir kondisi mesin induk adalah 97.5. nilai tersebut apabila dikonversikan maka mesin induk berada pada kondisi A, atau dapat dikatakan bahwa kondisi mesin induk berada dalam keadaan NORMAL.
Berdasar hasil pengujian terhadap system FIS yang telah dirancang, terlihat adanya perbedaan pada nilai kondisi dalam persen numeric. Akan tepati setelah dikonversikan kedalan nilai crisp, maka perbedaan tersebut tidaklah terlalu signifikan , bahkan terdapat beberapa kondisi yang sama antara kondisi dengan pengujian FIS dan kondisi nyata di kapal.
DAFTAR PUSTAKA
Arismunandar. Wiranto, Koichi Tsuda, (2002), Motor Diesel Putaran Tinggi, Pradnya Paramita, Jakarta
Priambodo. Bambang, (1986), Operasi dan Pemeliharaan Mesin Diesel. Penerbit Erlangga, Jakarta.
Kondisi C 74.99 - 60
cacat/rusak tapi bisa jalan
Kondisi D 59.99 - 0 gagal /rusak total/ tidak bisa dipakai / tdk bisa jalan
SISTEM BAHAN BAKAR Supply Pump Fuel oil heater FO Feed Pump Fuel flow filter Circulating Pump FO Fuel Transfer Pump Kondisi ME (0-100) Parameter kondisi skala 0-100 75.1 92 95 81.5 94 95 97.5 SISTEM PELUMAS Cylinder oil pump LO
Purifier Cylinder oil filter Pump LO LO Cooler
Fine Filter (pressure) kondisi (0-100) Parameter kondisi skala 0-100 95 95 95 95.5 95 92.5 97.5 SISTEM PENDINGIN Sea Water Pump FW
Filter Pump FW Cooler FW Cooling Jacket
kondisi (0-100) Parameter kondisi skala 0-100 85.5 97 93.5 94.5 93.5 - 97.5
Harrington, Roy L, (1968), Marine Engineering, The Society of Naval Architect and Marine Engineers.
Kusumadewi,SriHartati.(2006)”Neuro-Fuzzy;Integrasi Sistem Fuzzy dan Jaringan Saraf”.Graha Ilmu.
Kusumadewi,SriHartati.(2002)”Analisa dan Desain Sistem Fuzzy”.Graha Ilmu Kusumadewi,SriHartati.(2004)”Aplikasi Logika Fuzzy”.Graha Ilmu
Sugiyono, Dr. Prof. (2008), Metode Peneltian Kuantitatif, Kualitatif dan R&D
Harrington, Roy L, (1968), Marine Engineering, The Society of Naval Architect and Marine Engineers.
