Pemisahan Banyak Sumber Suara Mesin Menggunakan Analisis Komponen Independen (ICA) Untuk Deteksi Kerusakan

Pemeliharaan kondisi mesin di industri membutuhkan kecepatan dan kemudahan, salah satu metodenya adalah dengan analisis getaran. Getaran mesin menyebabkan pola suara yang diemisikan mesin, di mana suara mesin satu bercampur dengan mesin lainnya. Blind Source Separation (BSS) merupakan teknik memisahkan sinyal campuran berdasarkan sifat kebebasan statistik antar sumber. Melalui simulasi dengan beberapa motor dan susunan mikrofon sebagai sensor didapatkan data suara campuran dari beberapa motor yang terekam melalui tiap mikrofon, di mana intensitas sinyal yang diterima mikrofon berbeda satu sama lain, tergantung pada jarak dan sudut datangnya. Tujuan penelitian ini adalah untuk memisahkan sinyal campuran dari tiap mikrofon sehingga didapatkan sinyal estimasi sumber untuk mendeteksi kerusakan motor. Berdasarkan hasil penelitian diperoleh pemisahan sinyal terbaik dalam Time-Domain ICA. Sinyal estimasi tersebut dianalisis untuk menentukan kondisi kerusakan mesin berdasarkan pola frekuensi sesaatnya. 

Full paper bisa di download disini, it's free. 

(Jurnal Ilmu Komputer dan Informasi, Fasilkom - UI, Februari 2011)
Pengantar tentang Blind Source Separation bisa dibaca disini.

Blind Source Separation (BSS)

Penelitian pada bidang teori informasi dan pemrosesan sinyal salah satunya menuju pada pengembangan algoritma Blind Source Separation (BSS). BSS adalah teknik mengekstrak sinyal menjadi komponen individunya dari output pengukuran dimana output yang terukur hanyalah jumlahan dari beberapa sumber yang berbeda tanpa mengetahui sumber itu sendiri. BSS merupakan teknik yang lazim dipakai pada telekomunikasi nirkabel, dimana pengguna (telpon genggam, internet nirkabel dll) selalu terhubung pada antena (sensor) terdekat. Tugas sensor adalah memisahkan antara pengguna satu dengan yang lain sehingga pesan yg dikirim tidak salah alamat. Secara garis besar, BSS merupakan teknik untuk memisahkan jumlahan dari sinyal output tanpa mengetahui karakteristik dan jumlah sumbernya. Berdasarkan statistik sinyal masukan maka dapat ditentukan komponen-komponen sinyalnya. BSS memanfaatkan perbedaan sifat sinyal sebelum terdeteksi sensor dan memanfaatkan informasi yg diperoleh akibat perbedaan sudut datang dan jarak tempuh pada sensor. Perbedaan sifat sinyal pada sensor pertama dan sensor ke-n (dimana n adalah integer dan jumlah sensor) dipilah berdasarkan sifat statistik sinyal (independensi). Gambar 1 menunjukkan proses jumlahan sinyal suara dari dua sumber (s1 dan s2) yang ditangkap oleh sensor (x1 dan x2).

Gambar 1 Jumlahan Sinyal akustik

Tujuan dari algoritma BSS adalah bagaimana mendapatkan sumber s1(t) dan s2(t) dari output pengukuran sensor x(t). Secara matematis, jumlahan sinyal akustik diatas dapat diformulasikan:

xi(t)= A*sn(t)+n(t)..............................................................(1)

diamana x=[x1,x2,...xm]T adalah vektor yang mewakili sinyal terukur xi, s=[s1,s2,...,sn] adalah vektor yang mewakili sumber (m ≥ n). A adalah matriks jumlahan yang menduduki kolom penuh. BSS digunakan untuk menemukan matriks A-1, karena A-1x sama dengan matrik sumber s dengan x terukur (Zhou, 2007).

Bila noise (n(t)) pada persamaan 1 diatas diabaikan (sama dengan nol) maka persamaan tersebut dapat disederhanakan menjadi:
Xi(t)=A*sn(t)...............................................................(2)
Untuk Gb 1, dengan dua sumber, s1 dan s2, dan dua sensor, x1 dan x2, maka bila persamaan (2) tersebut diterapkan akan didapatkan:

Atau bila diuraikan menjadi,