Identifikasi Rub Pada Rotor Turbomachinery Dalam Kondisi Startup Berbasis Vibrasi Menggunakan Random Forest

Asyam, Muhammad Farid (2025) Identifikasi Rub Pada Rotor Turbomachinery Dalam Kondisi Startup Berbasis Vibrasi Menggunakan Random Forest. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5007201059-Undergraduate_Thesis.pdf Restricted to Repository staff only until 1 April 2027. Download (9MB) | Request a copy

Abstract

Keandalan turbomachinery sangat penting dalam petrokimia, pembangkit listrik, dan industri lainnya. Item-item penting ini sensitif terhadap getaran, sehingga sebagian besar perusahaan terbiasa menetapkan ambang batas getaran yang lebih kecil untuk alarm dan sistem keselamatan. Namun, salah satu kegagalan yang umum terjadi pada turbomachinery adalah rotor rub. Rotor rub sering terjadi pada turbomachinery, terutama pada rotor kompresor bagian labyrinth seal dan impeller selama startup setelah pemadaman (outage) karena clearance seal yang ketat, unbalance yang tinggi, dan thermal growth (pemanasan yang tidak merata). Saat ini, model Random Forest, sebuah algoritma untuk klasifikasi cukup populer dalam mendeteksi kegagalan peralatan berputar karena akurasi dan efektivitasnya yang tinggi. Tujuan dari penelitian ini adalah untuk menguji model yang diusulkan dengan menggunakan pendekatan simulasi dan eksperimental dengan data. Tujuannya adalah untuk membangun sistem diagnostik awal untuk mendeteksi rotor rub pada vibrasi startup yang diklasifikasikan antara pola normal dan pola anomali rub. Pendekatan yang dilakukan dalam hal ini adalah dengan menggunakan Rotor Kit RK4 dan ADRE 208 karena dapat mensimulasikan gesekan antara labyrinth seal dan impeller rotor compressor. Pendekatan ini melibatkan pengumpulan 5040 sampel untuk setiap kondisi (normal, gesekan 1, dan gesekan 2). Ada dua sisi yang akan dianalisis: bagian dalam (INB) dan bagian luar (OTB) rotor. Selanjutnya, algoritma Random Forest dilakukan pada total empat dataset yaitu INB Rub 1, INB Rub 2, OTB Rub 1, dan OTB Rub 2 dengan Rub 0 sebagai referensi kondisi normal untuk setiap dataset. Dari penelitian ini, model mampu mengidentifikasi rotor rub dengan akurasi 100% dan konsumsi waktu 0.37 detik untuk INB Rub 1, 0.36 detik untuk INB Rub 2, 0.60 detik untuk OTB Rub 1, dan 0.37 detik untuk OTB Rub 2 dengan catatan aplikasi untuk klasifikasi hanya dua kelas.
==================================================================================================================================
The reliability of turbomachinery is crucial in petrochemicals, power generation, and other industries. These critical items are sensitive to vibration, so most companies are used to setting smaller vibration thresholds for the alarm and safety system. However, one of the common failures of turbomachinery is rotor rub. Rotor rub often occurs in turbomachinery, especially in rotor compressors between labyrinth seal and impeller during the startup after an outage due to tight seal clearance, high unbalance, and thermal growth (unequal heating). Nowadays, the Random Forest model, an algorithm for classification, is quite popular in detecting rotating equipment failures due to its high accuracy and effectiveness. The objective of this study is to test the proposed model by using simulation and experimental approaches with data. The purpose is to build an early diagnostic system for detecting rotor rub in startup vibration that is classified between normal and anomaly patterns of rubs. The approach, in this case, is by using the Rotor Kit RK4 and ADRE 208 because they can simulate the rub between the labyrinth seal and the impeller of the rotor compressor. The approach involves collecting 5040 samples for each condition (normal, rub 1, and rub 2). There are two sides to be analyzed: the inboard (INB) and outboard (OTB) of the rotor. Furthermore, the Random Forest algorithm was performed on a total of four datasets namely INB Rub 1, INB Rub 2, OTB Rub 1, and OTB Rub 2 with Rub 0 as the reference normal condition for each dataset. From this study, the model was able to identify the rotor rub with 100% accuracy and time consumption of 0.37 seconds for INB Rub 1, 0.36 seconds for INB Rub 2, 0.60 seconds for OTB Rub 1, and 0.37 seconds for OTB Rub 2 with a record of application for classification of only two classes.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Rub, Turbomachinery, Vibrasi, Vibration, Startup, Random Forest
Subjects:	T Technology > TA Engineering (General). Civil engineering (General) > TA355 Vibration. T Technology > TJ Mechanical engineering and machinery > TJ1058 Rotors T Technology > TJ Mechanical engineering and machinery > TJ174 Maintenance and repair of machinery T Technology > TJ Mechanical engineering and machinery > TJ266 Turbines. Turbomachines (General) T Technology > TJ Mechanical engineering and machinery > TJ990 Compressors
Divisions:	Faculty of Industrial Technology and Systems Engineering (INDSYS) > Mechanical Engineering > 21201-(S1) Undergraduate Thesis
Depositing User:	Muhammad Farid Asyam
Date Deposited:	05 Feb 2025 06:07
Last Modified:	05 Feb 2025 06:07
URI:	http://repository.its.ac.id/id/eprint/117992

Actions (login required)

View Item