FFT Spectrum Analysis

1. Apa Itu FFT Spectrum Analysis?

FFT adalah singkatan dari Fast Fourier Transform, yaitu algoritma komputasi efisien untuk menghitung Discrete Fourier Transform (DFT). Transformasi ini digunakan untuk memecah sinyal digital menjadi komponen frekuensi yang menyusunnya.

Dalam aplikasi vibration analysis, sensor seperti accelerometer menangkap getaran pada casing bearing, motor, pompa, fan, gearbox, atau struktur mesin. Sinyal yang direkam berubah terhadap waktu. FFT kemudian digunakan untuk menampilkan kontribusi masing-masing frekuensi dalam sinyal tersebut.

Mengapa FFT penting dalam maintenance?

• Identifikasi sumber getaran: membantu menghubungkan frekuensi dominan dengan komponen mesin tertentu.
• Deteksi dini: perubahan spektrum dapat menunjukkan perkembangan masalah sebelum kerusakan berat terjadi.
• Analisis akar masalah: mendukung pemeriksaan apakah indikasi mengarah ke unbalance, misalignment, bearing defect, atau masalah lain.
• Evaluasi tindakan korektif: spektrum sebelum dan sesudah balancing, alignment, atau perbaikan dapat dibandingkan.
• Monitoring tren: perubahan amplitudo dan pola frekuensi dari waktu ke waktu dapat digunakan untuk memantau kondisi mesin.

2. Prinsip Kerja Fast Fourier Transform

Sinyal getaran mesin sering kali merupakan gabungan dari banyak sumber. Sebagai contoh, mesin yang berputar dapat menghasilkan komponen getaran pada frekuensi putaran shaft, sementara gear mesh, electrical excitation, dan bearing defect menambahkan komponen frekuensi lainnya.

Dalam domain waktu, komponen-komponen tersebut bergabung menjadi satu bentuk gelombang. FFT menghitung representasi frekuensi dari data digital tersebut sehingga analis dapat melihat frekuensi mana yang memiliki kontribusi amplitudo signifikan.

Konsep matematis FFT

Secara matematis, FFT menghitung Discrete Fourier Transform dari sejumlah sampel digital. Salah satu bentuk persamaan DFT adalah:

Keterangan:

• x[n] = sampel sinyal pada domain waktu.
• X[k] = koefisien kompleks untuk bin frekuensi ke-k.
• N = jumlah sampel dalam satu blok data.
• n = indeks sampel waktu.
• k = indeks bin frekuensi.
• j = unit imajiner.

FFT adalah metode komputasi yang mempercepat perhitungan DFT. Dalam perangkat vibration analyzer, algoritma ini memungkinkan ribuan atau lebih sampel sinyal diolah menjadi spektrum frekuensi dengan cepat.

Bagaimana analyzer memperoleh spektrum?

1. Sampling: sinyal analog dari sensor diubah menjadi data digital.
2. Data block: sejumlah sampel dikumpulkan dalam satu rekaman.
3. Signal conditioning: sinyal dapat melalui pengaturan gain, filtering, atau proses lain sesuai instrumen.
4. Windowing: fungsi window dapat diterapkan untuk mengurangi spectral leakage.
5. FFT calculation: data ditransformasikan ke domain frekuensi.
6. Amplitude scaling: hasil diolah untuk menampilkan magnitudo berdasarkan konfigurasi analyzer.
7. Interpretation: analis mengevaluasi puncak, pola, harmonik, dan hubungan dengan kecepatan putaran mesin.

3. Time Waveform vs Frequency Spectrum

Dua bentuk representasi yang umum digunakan dalam vibration analysis adalah time waveform dan frequency spectrum. Keduanya saling melengkapi, tetapi memberikan informasi yang berbeda.

Untuk analisis yang lebih kuat, spektrum sebaiknya tidak dinilai secara terpisah. Analis dapat menggabungkan FFT spectrum, time waveform, phase measurement, envelope analysis, serta data RPM dan beban sesuai kebutuhan diagnosis.

4. Elemen Penting dalam Membaca FFT Spectrum

4.1 Frequency

Frequency adalah jumlah siklus suatu kejadian per satuan waktu. Satuan yang umum digunakan adalah Hertz (Hz), yaitu siklus per detik. Dalam mesin berputar, frekuensi sering dibandingkan dengan frekuensi putaran shaft.

4.2 Amplitude

Amplitude menunjukkan besarnya komponen getaran pada frekuensi tertentu. Satuan yang digunakan bergantung pada parameter pengukuran, misalnya:

• Displacement: µm atau mm, sering digunakan untuk melihat perpindahan.
• Velocity: mm/s atau in/s, umum digunakan untuk mengevaluasi vibrasi mesin.
• Acceleration: m/s² atau g, berguna untuk komponen frekuensi tinggi dan gejala impact.

Amplitudo yang tinggi dapat menunjukkan adanya masalah, tetapi maknanya bergantung pada frekuensi, jenis mesin, titik pengukuran, kondisi operasi, standar yang relevan, serta riwayat baseline. Amplitudo pada frekuensi berbeda tidak selalu dapat dibandingkan langsung tanpa memperhatikan parameter dan skala yang digunakan.

4.3 Overall vibration

Overall vibration adalah nilai gabungan vibrasi dalam rentang frekuensi yang ditentukan instrumen. Nilai ini berguna untuk trending dan penilaian kondisi umum. Namun, overall yang meningkat tidak selalu menunjukkan penyebab tertentu. FFT digunakan untuk menelusuri komponen frekuensi yang berkontribusi terhadap perubahan itu.

4.4 Harmonics

Harmonik adalah komponen pada kelipatan bilangan bulat dari suatu frekuensi dasar. Jika frekuensi dasar adalah 1× RPM, harmoniknya dapat muncul pada 2×, 3×, 4× RPM, dan seterusnya. Harmonik dapat terbentuk karena bentuk gelombang tidak sinusoidal, kelonggaran mekanis, misalignment, bent shaft, atau fenomena lain.

4.5 Sidebands

Sideband adalah puncak frekuensi tambahan yang muncul di sekitar suatu komponen utama, dengan jarak tertentu yang berkaitan dengan frekuensi modulasi. Sideband dapat ditemukan pada beberapa kondisi seperti masalah gear, modulasi beban, atau fault bearing. Maknanya harus ditentukan berdasarkan pola dan karakteristik mesin.

4.6 Noise floor

Noise floor merupakan tingkat latar belakang spektrum yang dapat berasal dari noise sensor, elektronik, proses mekanis, atau lingkungan pengukuran. Puncak yang hanya sedikit lebih tinggi dari noise floor mungkin sulit diidentifikasi secara andal.

4.7 Resolution dan frequency span

Frequency span adalah rentang frekuensi yang ditampilkan, sedangkan frequency resolution adalah jarak antar-bin frekuensi. Keduanya memengaruhi kemampuan analis membedakan komponen yang berdekatan.

Keterangan:

• Δf = jarak antar-bin frekuensi dalam Hz.
• F_s = sampling frequency dalam sampel per detik.
• N = jumlah sampel.
• T = durasi rekaman sinyal dalam detik.

Contoh: apabila data direkam selama 2 detik, jarak bin frekuensi secara teoritis adalah 0,5 Hz. Durasi rekaman yang lebih panjang menghasilkan jarak bin yang lebih rapat, dengan asumsi konfigurasi pemrosesan yang sesuai. Hal ini dapat membantu memisahkan puncak yang berdekatan.

5. Hubungan Frekuensi dan RPM

Salah satu langkah pertama dalam membaca FFT spectrum mesin berputar adalah menghitung frekuensi putaran shaft atau running speed frequency. Frekuensi ini menjadi referensi untuk menilai komponen 1× RPM, 2× RPM, harmonik, dan berbagai frekuensi karakteristik lainnya.

Jika sebuah motor berputar pada 1.480 RPM, frekuensi putarannya adalah:

Dengan demikian, komponen 1× running speed berada di sekitar 24,67 Hz. Komponen 2× berada di sekitar 49,33 Hz, sedangkan komponen 3× berada di sekitar 74,00 Hz, selama kecepatan putaran tetap pada nilai tersebut.

Frekuensi dalam Hz, CPM, dan order

• Hz: siklus per detik.
• CPM: siklus per menit; 1 Hz = 60 CPM.
• Order: frekuensi dibagi frekuensi putaran shaft. Order 1 berarti satu kali running speed.

Analisis berbasis order sangat berguna ketika RPM berubah, misalnya pada fan dengan variable frequency drive (VFD). Komponen yang mengikuti putaran mesin dapat lebih mudah dibandingkan dalam order daripada hanya menggunakan Hz.

Frekuensi listrik dan frekuensi putaran tidak selalu sama

Frekuensi suplai listrik 50 Hz tidak berarti semua motor berputar tepat pada 3.000 RPM. Kecepatan sinkron motor AC ditentukan oleh frekuensi suplai dan jumlah kutub, sedangkan motor induksi umumnya beroperasi di bawah kecepatan sinkron karena slip. Karena itu, running speed sebaiknya diperoleh dari tachometer, laser speed sensor, atau data RPM yang dapat dipercaya.

6. Pola FFT Spectrum untuk Berbagai Kerusakan Mesin

Setiap jenis kerusakan dapat menghasilkan pola frekuensi yang khas, tetapi tidak ada satu pola yang selalu berlaku pada semua mesin. Kondisi operasi, desain mesin, lokasi sensor, tingkat kerusakan, dan jalur transmisi getaran dapat mengubah bentuk spektrum yang terlihat.

6.1 Unbalance

Unbalance terjadi ketika distribusi massa rotor tidak seimbang terhadap sumbu rotasinya. Akibatnya, gaya sentrifugal yang berulang pada kecepatan putaran dapat menimbulkan getaran.

Indikasi yang sering dijumpai meliputi:

• Komponen 1× running speed yang dominan.
• Respons yang cukup kuat pada arah radial pada banyak kasus.
• Perubahan amplitudo seiring perubahan kecepatan putaran.
• Fase yang relatif stabil dalam kondisi operasi yang stabil, apabila pengukuran fase dilakukan dengan benar.

Meskipun demikian, puncak 1× bukan bukti tunggal unbalance. Bent shaft, misalignment, eccentricity, resonansi, dan kondisi lainnya juga dapat menghasilkan komponen pada frekuensi putaran.

Tindakan pemeriksaan: periksa kondisi rotor, penumpukan material, kehilangan bobot, komponen yang terpasang, serta kemungkinan resonansi. Balancing dilakukan setelah penyebab lain yang relevan dievaluasi.

6.2 Misalignment

Misalignment adalah ketidaksejajaran sumbu antara dua poros yang dihubungkan, misalnya motor dan pompa. Misalignment dapat bersifat angular, parallel/offset, atau gabungan keduanya.

Indikasi spektrum yang mungkin ditemukan:

• Komponen 1× dan/atau 2× running speed meningkat.
• Komponen aksial dapat signifikan pada beberapa kondisi angular misalignment.
• Harmonik tambahan dapat muncul jika kondisi memburuk atau disertai kelonggaran.
• Perubahan fase antar titik pengukuran dapat membantu diagnosis.

Tidak semua misalignment menghasilkan 2× yang dominan, dan 2× juga tidak secara eksklusif menunjukkan misalignment. Diagnosis sebaiknya mencakup pengukuran alignment, pemeriksaan soft foot, kondisi coupling, serta perubahan getaran sebelum dan sesudah koreksi.

6.3 Mechanical looseness

Mechanical looseness atau kelonggaran mekanis dapat terjadi pada baut fondasi, dudukan bearing, sambungan, housing, atau bagian mesin yang mengalami keausan.

Indikasi yang dapat dijumpai:

• Harmonik running speed yang banyak, misalnya 1×, 2×, 3×, dan seterusnya.
• Respons spektrum yang berubah-ubah karena kontak atau gerakan antar komponen.
• Gelombang waktu yang tidak sinusoidal atau mengandung impact.
• Komponen subharmonik pada sebagian jenis kelonggaran.

Periksa baut, baseplate, grout, fit bearing, struktur penyangga, dan kondisi pemasangan sensor. Hindari menyimpulkan looseness hanya dari banyaknya harmonik tanpa inspeksi fisik.

6.4 Bearing defect

Kerusakan rolling element bearing dapat berasal dari raceway bagian dalam, raceway bagian luar, elemen gelinding, atau cage. Karakteristik frekuensi kerusakan bergantung pada geometri bearing, jumlah elemen gelinding, diameter, contact angle, dan kecepatan shaft.

Frekuensi karakteristik bearing yang sering dihitung meliputi:

• FTF (Fundamental Train Frequency): frekuensi rotasi cage.
• BPFO (Ball Pass Frequency Outer Race): frekuensi lintasan elemen gelinding pada outer race.
• BPFI (Ball Pass Frequency Inner Race): frekuensi lintasan elemen gelinding pada inner race.
• BSF (Ball Spin Frequency): frekuensi putaran elemen gelinding.

Puncak pada frekuensi karakteristik tersebut atau harmoniknya dapat menjadi indikasi bearing defect. Namun, kerusakan tahap awal sering menghasilkan impuls berfrekuensi tinggi yang tidak selalu terlihat jelas pada velocity spectrum biasa.

Untuk kasus seperti ini, acceleration spectrum, envelope analysis, high-frequency demodulation, dan time waveform dapat membantu. Frekuensi bearing harus dihitung menggunakan data bearing yang sesuai dan kecepatan aktual. Beban, slip, serta variasi kondisi operasi dapat menyebabkan perbedaan antara frekuensi teoritis dan hasil pengukuran.

6.5 Gear mesh fault

Gearbox menghasilkan frekuensi gear mesh yang berkaitan dengan jumlah gigi dan kecepatan putaran gear. Komponen ini dapat disertai sideband yang berkaitan dengan kecepatan shaft.

Misalnya, gear dengan 40 gigi yang berputar pada 25 Hz memiliki gear mesh frequency teoritis sebesar 1.000 Hz.

Indikasi yang dapat muncul pada spectrum meliputi:

• Komponen gear mesh yang meningkat.
• Sideband di sekitar gear mesh frequency.
• Frekuensi harmonik gear mesh.
• Komponen tambahan yang berhubungan dengan kerusakan gigi, eksentrisitas, atau variasi beban.

Evaluasi harus mempertimbangkan konfigurasi gearbox, jumlah gigi, kecepatan setiap shaft, arah pengukuran, dan riwayat spektrum. Satu puncak gear mesh yang tinggi belum tentu berarti gear mengalami kerusakan.

6.6 Electrical-related vibration

Motor listrik dapat menunjukkan komponen getaran yang berkaitan dengan frekuensi suplai, gaya elektromagnetik, dan karakteristik rotor-stator. Pola yang muncul bergantung pada desain motor, kondisi kelistrikan, dan kecepatan operasi.

Untuk menilai kemungkinan electrical-related vibration, bandingkan data vibrasi dengan frekuensi listrik, running speed, hasil inspeksi listrik, arus motor, serta perubahan kondisi saat motor diberi beban atau dilepas dari sumber energi sesuai prosedur keselamatan. Frekuensi yang dekat dengan 50 Hz saja tidak cukup untuk memastikan masalah kelistrikan.

6.7 Resonance

Resonance terjadi ketika frekuensi eksitasi mendekati frekuensi natural suatu sistem. Kondisi ini dapat memperbesar respons getaran secara signifikan walaupun gaya eksitasinya tidak terlalu besar.

Resonansi tidak selalu memiliki satu tanda unik dalam FFT steady-state. Diagnosis biasanya membutuhkan data perubahan kecepatan, phase, bump test, impact test, modal testing, atau run-up/coast-down analysis sesuai aplikasi.

Ringkasan pola spektrum yang umum

7. Prosedur Pengukuran FFT Spectrum di Lapangan

Kualitas interpretasi FFT sangat dipengaruhi oleh kualitas data. Pengukuran yang tidak konsisten, RPM yang salah, sensor yang tidak terpasang dengan baik, atau pengaturan frequency span yang kurang sesuai dapat menyebabkan indikasi kerusakan terlewat atau salah diinterpretasikan.

Langkah 1: Tentukan tujuan pengukuran

Tentukan apakah pengukuran dilakukan untuk trending rutin, investigasi vibrasi tinggi, verifikasi setelah perbaikan, atau diagnosis khusus seperti bearing fault dan gear fault. Tujuan ini memengaruhi sensor, parameter, rentang frekuensi, dan resolusi yang dibutuhkan.

Langkah 2: Identifikasi mesin dan kondisi operasinya

• Catat identitas mesin, motor, pompa, fan, gearbox, dan nomor titik pengukuran.
• Catat RPM aktual atau kecepatan operasi yang dapat dipercaya.
• Catat kondisi beban, temperatur, aliran, dan status operasi yang relevan.
• Periksa apakah mesin beroperasi stabil atau mengalami perubahan kecepatan.
• Bandingkan dengan baseline atau data pengukuran sebelumnya bila tersedia.

Langkah 3: Pilih sensor dan parameter yang sesuai

Accelerometer umum digunakan untuk pengukuran vibrasi mesin karena dapat menangkap rentang frekuensi yang luas. Velocity sensor juga dapat digunakan sesuai aplikasi dan rentang frekuensinya. Pemilihan sensor perlu mempertimbangkan frekuensi yang hendak diamati, sensitivitas, mounting, temperatur, dan batas pengukuran.

Langkah 4: Tentukan titik dan arah pengukuran

Pada mesin berputar, titik pengukuran umumnya berada di dekat bearing housing atau lokasi struktur yang mewakili jalur transmisi getaran. Pengukuran radial horizontal, radial vertikal, dan aksial dapat membantu membandingkan pola respons. Posisi yang sama perlu digunakan untuk trending agar data lebih konsisten.

Langkah 5: Pilih frequency span dan resolution

Untuk memeriksa running speed dan harmoniknya, rentang frekuensi harus cukup lebar untuk menangkap komponen yang relevan. Untuk bearing atau gear fault, dibutuhkan pengaturan yang sesuai dengan frekuensi karakteristik dan metode analisis yang digunakan.

Jangan menggunakan satu pengaturan FFT untuk semua tujuan secara otomatis. Frequency span yang terlalu rendah dapat melewatkan komponen penting, sedangkan span yang terlalu tinggi dengan resolusi yang tidak memadai dapat membuat puncak berdekatan sulit dibedakan.

Langkah 6: Lakukan pengukuran berulang dan verifikasi

Pastikan hasil cukup stabil dan dapat diulang. Apabila puncak berubah secara drastis antar-pengukuran, periksa kestabilan RPM, beban, posisi sensor, mounting, serta pengaturan analyzer. Averaging dapat membantu mengurangi variasi acak pada sinyal yang relatif stabil.

Langkah 7: Simpan data dan catatan teknis

Simpan spectrum, waveform bila diperlukan, RPM, overall vibration, titik pengukuran, parameter sensor, dan kondisi operasi. Data yang terdokumentasi dengan baik akan lebih berguna untuk trending dan analisis akar masalah.

8. Langkah Sistematis Interpretasi FFT Spectrum

Membaca FFT spectrum bukan sekadar mencari puncak tertinggi. Analis perlu mengidentifikasi frekuensi, membandingkannya dengan karakteristik mesin, mengevaluasi amplitudo, dan mencari bukti pendukung sebelum menetapkan diagnosis.

Urutan interpretasi yang direkomendasikan

1. Periksa kualitas data. Pastikan sensor, titik ukur, satuan, RPM, dan kondisi operasi tercatat dengan benar.
2. Evaluasi overall vibration. Bandingkan dengan baseline, tren historis, alarm yang tervalidasi, dan kriteria penerimaan yang sesuai dengan mesin.
3. Tentukan running speed. Hitung RPM/60 dan identifikasi posisi 1×, 2×, 3×, serta harmonik terkait.
4. Identifikasi puncak dominan. Catat frekuensi, amplitudo, arah pengukuran, dan apakah puncak muncul pada titik pengukuran lain.
5. Evaluasi pola. Periksa harmonik, sideband, subharmonik, noise floor, dan kemungkinan frekuensi karakteristik bearing atau gear.
6. Bandingkan dengan data lain. Gunakan waveform, phase, envelope, RPM, temperatur, arus, atau hasil inspeksi sesuai dugaan masalah.
7. Tetapkan hipotesis dan lakukan verifikasi. Susun kemungkinan penyebab, tentukan pemeriksaan lanjutan, dan jangan menetapkan penyebab hanya dari satu indikator.
8. Evaluasi setelah tindakan. Ulangi pengukuran pada kondisi operasi dan titik ukur yang sebanding untuk menilai hasil perbaikan.

Contoh: cara membaca puncak pada 24,7 Hz

Sebuah pompa memiliki kecepatan 1.480 RPM, setara dengan sekitar 24,67 Hz. Spectrum menunjukkan puncak pada 24,7 Hz. Langkah pertama adalah mencatat bahwa puncak tersebut berada dekat 1× running speed. Langkah berikutnya adalah mengevaluasi arah getaran, amplitudo, fase, perubahan tren, dan kondisi mesin.

Jika 1× dominan dan terdapat bukti pendukung yang konsisten, unbalance dapat menjadi salah satu hipotesis. Namun, analis tetap perlu memeriksa kemungkinan misalignment, bent shaft, eccentricity, resonance, atau sumber eksitasi lain sebelum merekomendasikan balancing.

Apakah ada batas amplitudo yang berlaku untuk semua mesin?

Tidak ada satu nilai amplitudo FFT yang dapat digunakan sebagai batas kerusakan universal untuk semua mesin. Evaluasi harus memperhatikan jenis mesin, fondasi, kecepatan, titik pengukuran, satuan, rentang frekuensi, kondisi operasi, baseline, dan standar yang berlaku. Standar evaluasi overall vibration juga tidak boleh disamakan begitu saja dengan batas amplitudo pada setiap garis spektrum.

9. Contoh Studi Kasus FFT Spectrum Analysis

Contoh berikut merupakan ilustrasi teknis untuk menunjukkan cara menggunakan FFT dalam proses diagnosis. Angka yang dicantumkan bukan hasil pengukuran pelanggan tertentu dan bukan batas standar universal.

Studi Kasus 1: Fan dengan indikasi unbalance

Studi Kasus 2: Pompa dengan dugaan misalignment

Studi Kasus 3: Bearing dengan indikasi kerusakan tahap awal

10. Kesalahan Umum dalam FFT Spectrum Analysis

Kesalahan 1: Menentukan kerusakan hanya dari satu puncak

Puncak 1× tidak selalu berarti unbalance, sedangkan puncak 2× tidak selalu berarti misalignment. Gunakan kombinasi spektrum, fase, waveform, inspeksi, dan data mesin untuk memperkuat diagnosis.

Kesalahan 2: Mengabaikan RPM aktual

Frekuensi running speed berubah ketika RPM berubah. Menggunakan RPM nominal yang tidak sesuai kondisi aktual dapat menyebabkan salah identifikasi 1×, harmonik, atau frekuensi karakteristik lainnya.

Kesalahan 3: Salah memilih frequency span

Rentang frekuensi yang terlalu rendah dapat melewatkan frekuensi bearing atau gear. Sebaliknya, rentang yang terlalu tinggi tanpa resolusi memadai dapat membuat komponen frekuensi rendah yang berdekatan sulit dipisahkan.

Kesalahan 4: Mengabaikan satuan amplitudo

Displacement, velocity, dan acceleration menggambarkan parameter fisik yang berbeda. Pastikan satuan, jenis deteksi, dan skala spektrum diketahui sebelum membandingkan hasil.

Kesalahan 5: Membandingkan data yang tidak sebanding

Perubahan titik ukur, arah sensor, mounting, beban, RPM, frequency span, averaging, atau parameter pemrosesan dapat memengaruhi perbandingan tren. Catat kondisi tersebut agar interpretasi lebih dapat dipercaya.

Kesalahan 6: Mengabaikan resonansi

Respons vibrasi yang tinggi dapat diperbesar oleh resonansi. Melakukan balancing atau alignment tanpa memeriksa kemungkinan resonansi dapat menghasilkan perbaikan yang tidak memadai.

Kesalahan 7: Menggunakan FFT sebagai pengganti inspeksi

FFT merupakan alat diagnosis, bukan pengganti pemeriksaan fisik, prosedur keselamatan, atau pengujian khusus. Rekomendasi maintenance perlu didasarkan pada bukti yang memadai dan risiko peralatan.

11. Keterbatasan FFT Spectrum Analysis

FFT sangat berguna, tetapi hasilnya tetap dipengaruhi oleh karakteristik data dan kondisi pengukuran. Memahami keterbatasan ini membantu analis menghindari kesimpulan yang terlalu cepat.

• Informasi waktu terbatas pada spektrum rata-rata: FFT biasa tidak selalu menunjukkan kapan suatu kejadian terjadi dalam rekaman. Time waveform dan time-frequency analysis dapat membantu ketika waktu kejadian penting.
• Spectral leakage: apabila kondisi rekaman dan pemrosesan tidak sesuai, energi suatu komponen dapat menyebar ke bin frekuensi di sekitarnya.
• Resolution terbatas: durasi data yang pendek dapat membuat puncak frekuensi yang berdekatan sulit dibedakan.
• Perubahan kecepatan: sinyal dari mesin dengan RPM berubah dapat menghasilkan puncak melebar atau berpindah. Order tracking dapat lebih sesuai pada beberapa aplikasi.
• Lokasi sensor: jalur transmisi getaran, kekakuan struktur, dan mounting memengaruhi apa yang tertangkap sensor.
• Diagnosis tidak selalu unik: berbagai fault dapat menghasilkan frekuensi yang sama atau pola yang tumpang tindih.

Metode tambahan yang melengkapi FFT

12. Peran FFT Spectrum Analysis dalam Predictive Maintenance

FFT spectrum analysis merupakan bagian penting dari program predictive maintenance berbasis condition monitoring. Ketika pengukuran dilakukan secara rutin dan konsisten, perubahan spektrum dapat membantu tim maintenance mengidentifikasi perkembangan masalah dan menyusun tindakan berdasarkan kondisi aktual mesin.

Dalam penerapannya, FFT dapat membantu:

• Membangun baseline vibrasi setelah commissioning atau perbaikan.
• Memantau perubahan komponen 1× running speed dan harmoniknya.
• Mendeteksi indikasi kerusakan bearing dan gear melalui analisis yang sesuai.
• Mengonfirmasi apakah tindakan balancing atau alignment menghasilkan perubahan yang diharapkan.
• Menentukan kebutuhan inspeksi lanjutan berdasarkan bukti dan tren.
• Mendukung prioritas pekerjaan berdasarkan kondisi, konsekuensi kegagalan, dan risiko operasional.

Program predictive maintenance yang efektif tidak hanya mengumpulkan data. Data harus ditinjau oleh personel yang kompeten, dibandingkan dengan baseline, dikaitkan dengan kondisi operasi, dan diikuti rekomendasi yang dapat ditindaklanjuti.

13. Frequently Asked Questions (FAQ)

Kesimpulan

FFT Spectrum Analysis merupakan metode penting dalam vibration analysis untuk memahami komponen frekuensi penyusun getaran mesin. Dengan memeriksa frekuensi, amplitudo, harmonik, sideband, dan hubungannya dengan kecepatan putaran, analis dapat menyusun hipotesis penyebab masalah secara lebih terarah.

Namun, pola spektrum tidak boleh digunakan secara terpisah sebagai bukti tunggal kerusakan. Diagnosis yang andal membutuhkan pengukuran yang konsisten, RPM aktual, pemahaman konstruksi mesin, data tren, serta verifikasi menggunakan waveform, phase, envelope analysis, inspeksi fisik, atau metode lain yang relevan.

Ketika diterapkan secara sistematis, FFT spectrum analysis membantu organisasi meningkatkan kualitas condition monitoring, merencanakan maintenance berdasarkan kondisi aktual, memverifikasi efektivitas perbaikan, dan mengurangi risiko downtime yang tidak direncanakan.