Perancangan dan Pembuatan Simulator Pendeteksi Kerusakan Bearing

Sutan Dzaky H.N; Nurhadi

doi:10.52158/jamere.v6i2.1638

Penulis

Sutan Dzaky H.N Politeknik Negeri mALANG
Nurhadi Politeknik Negeri Malang

DOI:

https://doi.org/10.52158/jamere.v6i2.1638

Kata Kunci:

deteksi kerusakan bearing, simulator bearing.

Abstrak

Bearing roda merupakan komponen mekanis yang berfungsi menopang beban radial dan aksial sekaligus memungkinkan roda berputar dengan gesekan yang minimum. Deteksi dini kerusakan bearing sangat penting untuk meningkatkan keselamatan, keandalan, dan efektivitas pemeliharaan kendaraan. Permasalahannya alat pendeteksi kerusakan bearing di pasaran masih terbatas. Penelitian ini bertujuan merancang dan membuat alat simulator pendeteksi kerusakan bearing roda berbasis sistem multi-sensor yang terintegrasi dengan mikrokontroler ESP32. Metode penelitian yang digunakan adalah metode eksperimen melalui tahapan perancangan, fabrikasi (integrasi sistem mekanik dan elektronik) agar mampu mensimulasikan kondisi kerja bearing secara terkontrol, dan pengujian fungsi simulator. Sistem mekanik terdiri atas motor AC 1 phase berkecepatan maksimum 3000 rpm, transmisi pulley-belt, poros, dan roda uji, sedangkan sistem elektronik terdiri dari sensor getaran SW-420, sensor akustik MAX4466, sensor suhu inframerah MLX90614, sensor Hall Effect sebagai pengukur kecepatan putar, LCD 20×4 sebagai media tampilan, serta data logger sebagai media penyimpanan data. Simulator dirancang menggunakan Autodesk Fusion 360 kemudian direalisasikan menjadi sebuah prototipe yang mampu mengintegrasikan seluruh komponen secara fungsional. Pengujian simulator dilakukan dengan menguji fungsi masing-masing sensor dan menguji fungsi sistem secara keselurahan. Hasil pengujian menunjukkan bahwa simulator yang dikembangkan mampu melakukan pengukuran, menampilkan, dan merekam parameter getaran, kebisingan, suhu, serta kecepatan putar secara real-time. Simulator ini diharapkan dapat digunakan sebagai media penelitian, pengujian dan deteksi dini kerusakan bearing roda di masa mendatang.

Referensi

[1] H. Wang and J. Xie, “Fault Diagnosis of Rolling Bearings Based on Acoustic Signals in Strong Noise Environments,” 2025.

[2] S. Zhang et al., “Model-Based Analysis and Quantification of Bearing Faults in Induction Machines,” vol. 56, no. 3, pp. 2158–2170, 2020.

[3] M. Electric, “Deep Learning Algorithms for Bearing Fault Diagnostics – A Comprehensive Review,” 2020.

[4] T. Jalonen, M. Al-sa, S. Kiranyaz, and M. Gabbouj, “Real-Time Vibration-Based Bearing Fault Diagnosis Under Time-Varying Speed Conditions”.

[5] N. D. Thuan and H. S. Hong, “HUST bearing : a practical dataset for ball bearing fault diagnosis,” no. 1, pp. 1–29.

[6] B. Peng, Y. Bi, B. Xue, M. Zhang, and S. Wan, “A Survey on Fault Diagnosis of Rolling Bearings,” pp. 1–24, 2022.

[7] B. M. Randhavan and R. Kumar, “Condition Monitoring and Fault Diagnosis of Rolling Contact Element Bearings Based on Artificial Intelligence Techniques : A Review Approach,” vol. 11, no. 6, pp. 2574–2594, 2025.

[8] F. Maesa, “Rancang Bangun Sistem Kontrol dan Monitoring Keamanan Sepeda Motor Berbasis IoT dengan Modul GPS Neo-6M dan Sensor Getar SW-420,” vol. 12, no. 1, pp. 37–43, 2025.

[9] P. Studi, T. Elektro, F. S. Teknologi, and U. B. Darma, “PENERAPAN SENSOR GETAR DAN SENSOR SUHU UNTUK PEMANTAUAN MOTOR DC BERBASIS IOT,” vol. 8, no. 1, pp. 223–232, 2025.

[10] F. A. Syahputra et al., “Penerapan Sistem Pemeliharaan Berbasis Total Productive Maintenance ( TPM ) Pada Automatic Labelling Machine Metica di Industri Kosmetik,” pp. 1878–1887, 2024.

[11] E. Iunusova, M. K. Gonzalez, K. Szipka, A. Archenti, and M. K. Gonzalez, “Early fault diagnosis in rolling element bearings : comparative analysis of a knowledge-based and a data-driven approach,” J. Intell. Manuf., vol. 35, no. 5, pp. 2327–2347, 2024, doi: 10.1007/s10845-023-02151-y.

[12] D. Cornel, F. G. Guzmán, G. Jacobs, and S. Neumann, “Condition monitoring of roller bearings using acoustic emission,” pp. 367–376, 2021.

[13] P. Ong, J. Yin, C. Chee, K. Sia, K. Huong, and L. K. Tung, “Intelligent fault diagnosis of bearings using multi-sensor spectrogram fusion and machine learning models,” Iran J. Comput. Sci., vol. 8, no. 4, pp. 2295–2305, 2025, doi: 10.1007/s42044-025-00316-x.

[14] F. Rahman, Z. Manguluang, M. Tamrin, and Z. Joko, “Analisis Kerusakan Gardan ( Differential ) Dan Pengaruhnya Terhadap Putaran Roda Belakang Pada Kendaraan Fuso Fighter,” no. 29, pp. 40–43, 2018.

[15] A. Setiawan, A. Muid, and I. Nirmala, “Rancang Bangun Alat Pendeteksi Kerusakan Bearing pada Kendaraan Roda Empat Menggunakan Metode KNN ( K- Nearest Neighbor ),” vol. 8, no. 2, pp. 31–38, 2018, doi: 10.26418/positron.v8i2.27508.