Konsep waktu tunda diperkenalkan oleh Christer dan Waller (1984) yang

menganggap kegagalan proses sebagai proses dua tahap dengan tahap pertama
baru didefinisikan ke titik cacat terdeteksi yang timbul, dan tahap kedua
(kegagalan waktu tunda) dari titik ini selanjutnya disebut kegagalan, jika tidak
ada intervensi perawatan lainnya. Selang waktu dari ketika cacat adalah
pertama diamati ketika perbaikan (penggantian) akan menjadi penting
(kegagalan) dalam ketiadaan tindakan perbaikan, disebut waktu kegagalan
penundaan. Tahap pertama juga dapat disebut sebagai tahap kerja normal, dan
tahap kedua sebagai tahap kerja normal. Hal ini jelas bahwa identifikasi titik awal
waktu delay atau awal tahap kerja normal, dapat dilihat pada Gambar 1, adalah
penting karena itu dapat digunakan dalam model prediksi umur sisa untuk
membantu pemeliharaan pengambilan keputusan, terutama untuk getaran
berbasis monitoring, Wang (2002).
Selama dekade terakhir, banyak metode identifikasi cacat sebelumnya telah
diusulkan. Starr et al. (2001) membahas fusi data sebagai model untuk kondisi
canggih berbasis pemeliharaan dan memperkenalkan metode untuk data fusion
dan aplikasi mereka. McGarry dan MacIntyre (2001) menerapkan data mining
dalam analisis getaran domain dengan penggalian aturan simbolik dari jaringan
saraf. Gelman et al. (2001) menyelidiki fitur optimal terbaik untuk digunakan
ketika menerapkan Fourier Transform. Zhan et al. (2002) mengusulkan model
keadaan-ruang non-stasioner multivariat tingkat getaran keseluruhan untuk
estimasi keadaan berputar mesin menggunakan modifikasi perpanjangan.
Algoritma filtering Kalman dan analisis spektral dalam domain frekuensi waktu.
Sebuah Pendekatan identifikasi kesalahan proaktif berbasis grafik dalam jaringan
komputer adalah diusulkan oleh Yu et al. (2005). Kontrol proses statistik (SPC)
berbasis pendekatan berdasarkan telah diusulkan untuk memantau proses
produksi, seperti grafik kontrol probabilitas kumulatif (BPK-grafik) oleh Chan et al.
(2002), dan grafik jumlah control kumulatif (CCC-grafik) oleh Chan et al. (2003).
Sebagian besar upaya pada baru-baru SPC pengembangan difokuskan pada
pengendalian proses statistik multivariat, Cho et al. (2005), Skoglund dkk.
(2004), Harta dkk. (2004), Kano et al. (2004).

Penyebaran dapat dipantau dan tindakan sesuai dapat diambil. Kami tertarik
dalam penerapan metode SPC pada proses di mana tidak ada pengetahuan
sebelumnya mengenai hal ini, dan proses ini dibiarkan berjalan tanpa diganggu
sampai gagal. Jelas, proses variasi mungkin tidak secara acak setelah periode
waktu tertentu, dan variasi mungkin karena penyebab khusus atau dialihkan.
Dengan kata lain, proses tersebut mungkin menunjukkan tren. grafik SPC
konvensional mungkin tidak tepat dalam situasi ini karena proses menjadi nonstasioner dan kemungkinan besar non-Gaussian. Berdasarkan autoregressive
Model, sebuah peta kendali statistik proses adaptif telah diusulkan untuk

pemantauan proses tersebut di atas. Jenis autoregressive fungsi yang digunakan

untuk memodelkan elemen sinyal getaran, Baillie dan Mathew (1996). Kami
menunjukkan di makalah ini menerapkan kedua antara SPC konvensional dan
SPC grafik adaptif untuk data getaran ditampilkan kemudian dan hasilnya
dibahas secara rinci.