ccitonline.com

Turbin Francis adalah instrumen rekayasa presisi yang menjadi kunci keberhasilan Pembangkit Listrik Tenaga Air (PLTA). Meskipun dirancang untuk beroperasi di bawah beban tinggi dan tekanan hidrolik ekstrem, Francis tidak kebal terhadap kerusakan mekanis. Di antara semua potensi kegagalan, Poros Bengkok (Bent Shaft) adalah salah satu yang paling kritis karena dapat menyebabkan getaran berlebihan, merusak bantalan (bearings), dan mengancam integritas struktural unit secara keseluruhan.

Pendekatan modern dalam Condition Monitoring tidak lagi menunggu kegagalan. Dengan memanfaatkan Analisis Sinyal Suara dan alat matematika yang kuat, Fast Fourier Transform (FFT), kita dapat “mendengar” masalah ini pada tahap embrionik.

1. Fondasi Francis: Desain, Kinerja, dan Kerentanan

Kinerja puncak Turbin Francis yang seringkali mencapai efisiensi termal hidraulik di atas 93% dicapai melalui desain terperinci:

• Regulasi Aliran: Sistem Guide Vane (sudu pengarah) mengatur debit air yang masuk ke runner. Jurnal menunjukkan bahwa bahkan disposisi (ketidaktepatan posisi) satu guide vane dapat mengurangi efisiensi dan bahkan mencegah turbin terhubung ke sistem.
• Peran Poros: Poros mentransfer daya mekanik dari runner (yang menerima energi kinetik dari air) ke generator. Kerusakan pada poros secara langsung menghancurkan keseimbangan sistem.

Ketika poros mengalami pembengkokan, ia mulai bergetar secara anomali, menghasilkan sinyal suara dan getaran yang menjadi data diagnostik kita.

2. Sistematika Analisis Sinyal dan Transformasi Fourier Cepat (FFT)

Metode ini mengubah data getaran mentah menjadi informasi yang dapat ditindaklanjuti. Ini bukan sihir, melainkan penerapan matematika rekayasa yang terstruktur.

A. Tahap Akuisisi dan Pra-pemrosesan Sinyal

1. Akuisisi Data: Sinyal getaran (vibrasi) dikumpulkan oleh akselerometer yang dipasang pada rumah bantalan (bearing housing) atau sinyal suara oleh mikrofon sensitif. Sensor ini harus dapat merekam data real-time dan time-synchronous (mengaitkan sinyal dengan posisi putaran poros).
2. Pra-pemrosesan (Conditioning): Sinyal mentah mengandung noise dari lingkungan dan komponen lain. Sinyal ini disaring (filtered) untuk menghilangkan noise frekuensi tinggi yang tidak relevan dan noise frekuensi sangat rendah (seperti pergeseran baseline sensor). Tujuannya adalah untuk mengisolasi sinyal yang hanya berasal dari masalah mekanis poros

B. Tahap Analisis Domain Frekuensi (FFT)

Setelah sinyal dibersihkan, FFT diterapkan. FFT adalah algoritma yang mengubah representasi sinyal dari Domain Waktu (Amplitudo vs. Waktu) menjadi Domain Frekuensi (Amplitudo vs. Frekuensi, dalam Hertz (Hz)).

• Prinsip Dasar: Setiap siklus putaran pada Turbin Francis akan menghasilkan frekuensi dasar (fr​). Kerusakan internal, seperti poros bengkok, menyebabkan getaran yang terjadi pada kelipatan (1×,2×,3×, dst.) dari fr​. Kelipatan ini disebut Harmonik.
• Analisis Spektrum Lanjutan: FFT memungkinkan insinyur melihat puncak (peaks) amplitudo. Dengan memplot Spectrogram, perubahan frekuensi dapat divisualisasikan seiring waktu. Teknik Spectral Analysis dan Dynamic Range Compression digunakan untuk mengidentifikasi pola frekuensi yang memuncak atau menipis secara detail.
• Deteksi Anomali: Spektrum saat ini dibandingkan dengan Data Baseline (spektrum turbin saat sehat). Anomaly Detection terjadi jika ada perubahan signifikan pada frekuensi atau amplitudo tertentu.
• Keunggulan FFT: Spektrum frekuensi memungkinkan insinyur melihat puncak (peaks) amplitudo di lokasi harmonik tertentu, yang secara langsung mengidentifikasi jenis cacat.

C. Tahap Analisis Lanjutan dan Korelasi (Integrasi Data Baru)

Untuk diagnosis kerusakan yang kompleks dan intermiten, diperlukan metode yang lebih canggih:

• Analisis Waktu-Frekuensi (Time-Frequency Analysis): Selain FFT, Wavelet Transform dapat digunakan. Metode ini lebih unggul karena memungkinkan insinyur melihat informasi tentang durasi dan timing (timing dan duration) dari perubahan frekuensi, yang penting untuk kerusakan yang tidak stabil.
• Analisis Domain Waktu Gabungan: FFT dapat diatur untuk melihat bagaimana fluktuasi frekuensi berubah seiring waktu (Time-Domain Analysis), mengidentifikasi pola-pola getaran spesifik (vibration patterns) yang berhubungan erat dengan kerusakan.
• Analisis Korelasi (Correlation Analysis): Teknik ini membandingkan spektrum yang diamati dengan spektrum historis (baseline) untuk mengukur seberapa kuat korelasi antara perubahan sinyal dengan potensi deformasi atau buckling (pelengkungan) komponen mekanis.

3. Identifikasi Spesifik Poros Bengkok: Puncak 2×RPM

Diagnosis poros bengkok adalah salah satu aplikasi paling klasik dan tegas dari FFT dalam analisis mesin berputar.

A. Menghitung Frekuensi Rotasi (fr​)

Pertama, frekuensi rotasi (1×RPM) harus dihitung. Jika Turbin Francis beroperasi pada 750 RPM:

B. Tanda Khas Poros Bengkok (Harmonik Kedua)

Kerusakan Poros Bengkok diindikasikan secara pasti oleh puncak amplitudo yang tinggi pada Harmonik Kedua, yaitu 2×fr​.

• Puncak Utama Diagnostik: Terdeteksi kuat pada 2×12,5 Hz=25 Hz.
• Puncak Pendukung: Puncak 1×fr​ (pada 12,5 Hz) juga biasanya ada, disebabkan oleh ketidakseimbangan massa (unbalance) yang diperburuk oleh bengkoknya poros.

C. Justifikasi Mekanis yang Mendalam

Mengapa 2×fr​?

Poros yang bengkok akan mengalami tegangan tekukan (bending stress) yang bolak-balik (cyclic) dua kali dalam setiap putaran penuhnya.

1. Ketika titik bengkok melewati bagian atas bantalan, beban tegangan tekan (compressive stress) diberikan.
2. Ketika poros berputar 180∘ berikutnya, titik bengkok melewati bagian bawah, dan beban yang sama, namun terbalik, diberikan (tegangan tarik, tensile stress).
3. Siklus ini—dua kali pembebanan maksimum per putaran—mentransmisikan energi getaran yang terkonsentrasi pada frekuensi dua kali lipat dari kecepatan putar poros.

4. Diferensiasi Kerusakan: Peran Analisis Fasa dan Tren

Analisis FFT saja (frekuensi vs. amplitudo) tidak selalu cukup. Insinyur harus membedakan poros bengkok dari Ketidaklurusan (Misalignment), yang juga menampilkan puncak 2×fr​.

A. Analisis Fasa (Phase Analysis)

Pengukuran fasa (sudut relatif getaran) menggunakan sensor yang disinkronisasi di dua lokasi (misalnya, bantalan depan dan belakang) adalah pembeda kuncinya:

• Poros Bengkok: Ditandai dengan perubahan fasa yang tidak terduga dan seringkali berbeda antara pengukuran aksial (sepanjang sumbu) dan radial (tegak lurus sumbu).
• Misalignment: Biasanya menunjukkan pergeseran fasa yang konsisten, seringkali 180∘ pada 1×fr​ dan/atau 2×fr​ antara bantalan yang berdekatan.

B. Analisis Tren (Trend Analysis)

Sistem Condition Monitoring tidak hanya mencari puncak; mereka melacak tren. Poros bengkok yang memburuk akan ditunjukkan oleh peningkatan amplitudo puncak 2×fr​ yang stabil dan progresif dari waktu ke waktu. Peningkatan ini adalah sinyal peringatan yang memastikan intervensi pemeliharaan dilakukan sebelum kerusakan eskalasi.

5. Perangkat Lunak Pendukung untuk Profesional

Analisis yang kompleks ini memerlukan tools komputasi tingkat tinggi:

• MATLAB: Alat standar industri yang kuat untuk implementasi FFT, Wavelet Transform, dan algoritma filtering yang kompleks.
• Python (dengan Librosa): Alternatif open-source yang populer untuk data science dan analisis sinyal audio/getaran.
• Audacity: Digunakan untuk menyiapkan dan memproses data audio mentah pada tahap awal.

6. Kesimpulan: Menuju PLTA Berbasis Prediksi

Analisis Sinyal Suara dan FFT memberikan wawasan yang tak tertandingi ke dalam kondisi internal Turbin Francis. Dengan kemampuan untuk secara spesifik mengaitkan pola frekuensi harmonik (2×RPM) dengan kerusakan poros bengkok, manajemen PLTA dapat berpindah dari pemeliharaan reaktif yang mahal ke pemeliharaan prediktif yang efisien dan aman. Investasi dalam teknologi diagnostik ini tidak hanya memperpanjang umur Francis tetapi juga menjamin keandalan dan keberlanjutan pasokan energi bersih.