Memvalidasi Simulasi Keandalan Menggunakan Rangkaian Bohlamp dengan Accelerated

Life Test metode

ABSTRAK

Media pembelajaran merupakan sarana yang sangat penting untuk mencapai hasil belajar
seperti mampu untuk merancang sistem rekayasa keandalan (RES). Para siswa harus memahami
dengan dasar teori reliabilitas serta memiliki keterampilan teknis berdasarkan analisis kebutuhan.
Sayangnya, media pembelajaran RES masih belum tersedia secara khusus untuk
diimplementasikan beberapa jenis sistem keandalan. Tujuan dari penelitian ini adalah
memperkenalkan perangkat reliabilitas simulasi model dengan pilihan pilihan seri, paralel dan
sistem gabungan seri-paralel. Metode penelitian menggunakan metode Accelerated Life Testing
(ALT) yang telah ada dianalisis dengan metode statistik untuk memperkirakan waktu hidup pada
kondisi normal. Memvalidasi nilai reliabilitas masing-masing sistem memiliki kesamaan antara uji
coba (Re) dan teoritis (Rt) yaitu: deret (Rt=0,329; Re=0,359); paralel (Rt=0,976; Re=0,972.), dan
gabungan seri-paralel (Rt=0.651; Re=0.686). Kesimpulannya adalah persamaan parallel high
fidelity pada penerapan simulasi reliabilitas dengan error 0.000409.

PENDAHULUAN

Sejak abad ke-21, komputer tersedia secara komersial telah meningkat secara signifikan baik
semakin tinggi permintaan dan keterjangkauan. Hal ini menyebabkan munculnya aplikasi
perangkat lunak simulasi yang sangat canggih yang melakukannya tidak hanya memungkinkan
simulasi sistem dinamis dengan ketelitian tinggi, tetapi juga pembuatan kode otomatis untuk
aplikasi di industry pengontrol. Alat simulasi telah digunakan secara luas untuk desain dan
perbaikan sistem kelistrikan sejak pertengahan abad kedua puluh [1]. Yang sangat canggih aplikasi
perangkat lunak simulasi keandalan juga menyediakan toko perangkat lunak dengan beberapa
merek seperti: CASRE (ComputerAided Software Reliability Estimation) dan open source SFRAT
(Alat Penilaian Kegagalan dan Keandalan Perangkat Lunak), Visual-XSel 12.0, Dukungan Pakar
Keandalan Minitab, dan Weibull ReliaSoft untuk keandalan.

Makalah ini membahas tentang Ide Media Pembelajaran Alat simulasi mata kuliah
Rekayasa Keandalan Sistem. Sebagai kita tahu bahwa sulit bagi seorang guru untuk mencapai
pembelajaran hasil (LO) pada keandalan rekayasa sistem kursus agar sesuai dengan realitas
produksi pabrik,mengingat LO membutuhkan investasi, waktu, dan sumber daya itu mahal. Secara
umum, kehidupan pengambilan data (seumur hidup) dan karakteristik hidup dari suatu produk,
sistem atau komponen dikerjakan dalam kondisi operasi normal [2]. Untuk berbagai alasan,
pengambilan data dengan metode ini dapat menghasilkan kesulitan dan bahkan tidak mungkin
dilakukan. Kesulitannya bisa karena meningkatnya umur panjang produk saat ini, periode antara
desain [3], dan peluncuran produk yang lebih pendek, serta tantangan untuk menguji produk terus
menerus dalam keadaan normal kondisi [4].

Kami menyaksikan kesulitan dan kebutuhan untuk mencari tahu kegagalannya produk
untuk lebih memahami mode kegagalan dan karakteristik kehidupan suatu produk, keandalan
penganalisa telah mencoba membuat metode agar suatu produk bisa gagal dalam waktu yang lebih
singkat [5]. Dengan kata lain, praktisi telah mencoba mempercepat kegagalan suatu produk. Ujian
hidup yang dipercepat melibatkan percepatan kegagalan dengan satu tujuan adalah untuk
mengukur karakteristik kehidupan suatu produk dalam kondisi normal.

Penelitian ini akan diuji jika ada yang signifikan perbedaan antara perhitungan manual
teoritis dengan keandalan peralatan berbasis simulasi eksperimental. Kami akan untuk mengetahui
apakah peralatan simulasi perangkat keras uji tidak perbedaan yang signifikan, maka simulasi ini
dapat mewakili peralatan nyata di pabrik untuk menguji keandalan sistem. Pengujian hidup di
bawah kondisi operasi nominal mekanis komponen dengan masa pakai rata-rata tinggi antara
kegagalan (MTBF) sering menghabiskan banyak waktu dan sumber daya [6]

Tujuan penelitian ini adalah untuk mengetahui: (1) reliabilitas nilai pemasangan bohlamp
untuk: seri, paralel, dan seri-paralel berdasarkan perhitungan teoritis dan eksperimental, (2)
persentase error nilai reliabilitas, (3) to temukan tes simulasi kesetiaan terbaik berdasarkan model
instalasi yang diterapkan. Makalah ini menitikberatkan pada materi yaitu diperlukan untuk aplikasi
praktis keandalan simulasi; prosedur operasi, bagian dari sistem atau spesimen, pengumpulan data
dan metode analisis. Meski banyak yang canggih perangkat lunak simulasi keandalan telah
menyediakan di pasar tetapi itu tidak cukup untuk diterapkan dalam praktik nyata. Masih
diperlukan simulasi berbasis Hardware mencapai hasil belajar yang terbaik. Studi ini
memperkenalkan perangkat alat sederhana dari model rekayasa keandalan yang mudah duplikat.
 Kami mempelajari beberapa penelitian yang berhubungan dengan media pembelajaran
yaitu: Grant J S mempromosikan umpan balik dengan menggunakan video untuk meningkatkan
siswa yang diinginkan untuk klinis perilaku dalam lingkungan simulasi menunjukkan kesetiaan
yang tinggi [7]. Chronister juga mengatakan bahwa pembekalan sebelum mengikuti klinis simulasi
keperawatan memainkan peran penting dalam mencapai hasil belajar siswa [8]. Bahkan simulasi
mekanik sistem transmisi berhasil dipatenkan yang dapat digunakan sebagai gugus tugas manusia-
komputer dan menjadi antarmuka umpan balik perangkat yang terhubung ke komputer host yang
memiliki fidelitas tinggi presisi [9]. Hal ini, pada gilirannya, membutuhkan alat analisis yang
mampu untuk memprediksi perilaku komponen elektronik untuk memprediksi keandalan produk
dan mengidentifikasi kapan harus melakukannya pemeliharaan, baik pada saat uji kualifikasi
maupun pemeliharaan penilaian [10].

Falahati mempelajari saling ketergantungan langsung di dalam jaringan cyberpower dan

mengusulkan model berbasis pemetaan negara untuk mengevaluasi dampaknya terhadap
keandalan sistem tenaga [11]. Aghili menunjukkan bagaimana tujuan dari Substation Automation
Sistem dapat merespon variasi keandalan data [12]. Beberapa agenda telah diusulkan di sini untuk
mendukung kelanjutan dari pekerjaan menuju lebih banyak aplikasi dalam kaitannya dengan mesin
atau sistem tenaga listrik. Hu menunjukkan kebutuhan untuk pendekatan probabilistik untuk
prediksi reliabilitas yang diambil pengaruh variasi desain [13]. Apalagi yang dibahas teknologi
untuk menghitung sisa umur pembungkus ketika mengalami tekanan kualifikasi atau dalam
tekanan layanan menggunakan metode prognostik. Eksperimen pada keandalan teknik
menggunakan metode Accelerated Life Testing diterapkan oleh banyak peneliti antara lain: Han
dan Makalah Narendran dengan judul “Metode tes dipercepat untuk memprediksi masa manfaat
driver LED" [14]. Chandra dan Khan juga menulis "Rencana optimal untuk langkah-stres model
pengujian masa pakai yang dipercepat di bawah sampel yang disensor tipe-I" [15]. Zhang dkk.
juga mengembangkan model tes hidup dipercepat menggunakan ekstrapolasi data berdasarkan
pengujian dipercepat ke tingkat stres dalam kisaran (atau di luar kisaran) dari pengujian dapat
secara efektif mengevaluasi kemungkinan hidup bantalan [16].

Penilaian reliabilitas juga menjadi perhatian banyak peneliti, antara lain: Zhang et al.
ulasan tentang state-of-the-art teknologi untuk mengevaluasi keandalan PV skala besar sistem dan
pengaruh interkoneksi PV terhadap keandalan sistem distribusi lokal [17]. Zini dkk. menunjukkan
suatu prosedur untuk penilaian keandalan skala besar yang terhubung ke jaringan sistem
fotovoltaik [18]. Ahadi menggunakan metode pohon kesalahan dengan fungsi distribusi
probabilitas eksponensial untuk mengevaluasi modul sistem PV skala besar [19]. Aval
menggunakan metode Markov berdasarkan analisis ruang-keadaan untuk mempelajari dampak
implementasi sistem BCHP pada keandalan sistem tenaga. Metode Markov sangat baik untuk
menganalisis keandalan sistem berbasis kontinyu proses stokastik [20]. Hayati dkk. mengusulkan
prosedur baru untuk gardu induk dan distribusi berbasis penilaian kehandalan otomatisasi
mempertimbangkan kesalahan perangkat sekunder untuk ditingkatkan keandalan IEC 61850 [21].
Lei dan Singh mempelajari hubungan kuantitatif antara waktu switching dan ketidaktersediaan
energi di seluruh sistem, mereka menyajikan secara sistematis metodologi untuk
mempertimbangkan efek dari kerusakan dunia maya di gardu induk pada keandalan sistem tenaga
[22]. Wang dkk. memperkenalkan metode Bayesian untuk mengintegrasikan Accelerated Data
Degradation Testing (ADT) dari laboratorium dengan data kegagalan dari lapangan. Faktor
kalibrasi diatur ke meminimalkan perbedaan antara laboratorium dan lapangan kondisi sehingga
dapat memprediksi keandalan lapangan aktual suatu produk lebih akurat [23].

Dalam beberapa tahun terakhir, ungkapan "ujian hidup yang dipercepat" telah menjadi
digunakan untuk menggambarkan kegiatan sebagaimana disebutkan dalam karya terkait di atas.
Secara khusus, pengujian hidup yang dipercepat dapat dibagi menjadi dua bidang: (1) pengujian
dipercepat kualitatif dan (2) pengujian hidup dipercepat kuantitatif [24, 25]. Secara kualitatif
pengujian dipercepat, insinyur lebih tertarik mengidentifikasi kegagalan dan mode kegagalan
tanpa berusaha membuat prediksi masa pakai produk dalam kondisi normal. Dalam pengujian
masa hidup yang dipercepat secara kuantitatif, para insinyur tertarik pada prediksi umur produk
(MTBF) dalam operasi normal kondisi ini didasarkan pada data yang diperoleh dari kehidupan
yang dipercepat pengujian. Di sebagian besar produk, komponen atau sistem diharapkan
menjalankan fungsinya dalam waktu yang lama (bertahun-tahun). Dalam urutan agar perusahaan
menjadi lebih kompetitif, waktu yang diperlukan untuk pengambilan data time-to-failure harus
lebih pendek dari yang diharapkan hidup produk. Dua metode telah dibuat untuk mempercepat
proses pengambilan data time-to-failure mempercepat laju penggunaan (akselerasi tingkat
penggunaan) dan akselerasi memuat lebih banyak (percepatan tegangan berlebih). Untuk produk
yang di bawah normal kondisi tidak digunakan terus menerus, mempercepat proses dapat
dilakukan dengan terus menggunakan produk. Proses ini disebut tingkat penggunaan yang
dipercepat. Jika percepatan laju penggunaan tidak dapat digunakan secara praktis pada suatu
produk, itu dapat memiliki pengujian dengan memberikan beban melebihi spesifikasi produk
dalam kondisi normal. Proses ini disebut percepatan dengan beban berlebih.

Untuk produk yang dalam kondisi normal tidak digunakan terus menerus, produk akan
gagal lebih awal jika produk tersebut digunakan terus menerus. Misalnya, jika oven microwave
hanya beroperasi selama beberapa jam di siang hari, tes di microwave bisa dilakukan dengan
mengoperasikan microwave lebih sering ke titik kegagalan. Hal yang sama bisa diterapkan pada
mesin pencuci piring. Misalkan rata-rata waktu pemakaian mesin cuci adalah 6 jam per minggu,
penguji dapat mengurangi waktu pengujian hingga 28 kali lipat mengoperasikan mesin pencuci
piring secara terus menerus. Data diperoleh dari percepatan tingkat penggunaan dapat dianalisis
dengan sama metode dengan data time-to-failure biasa. Mempercepat data pembatasan
penggunaan penggunaan muncul ketika produk seperti server komputer dan alat pendukungnya
tangguh secara berkesinambungan menggunakan. Dalam kasus tersebut, pemeriksa harus memicu
kegagalan produk dengan memberikan beban (stres). Proses pengujiannya adalah disebut
percepatan overstress.

Untuk produk dengan tingkat penggunaan berkelanjutan yang tinggi, pemeriksa kemudian
harus menciptakan kondisi yang dapat menyebabkan kegagalan produk yang diuji. Hal ini dapat
dicapai dengan termasuk beban (atau beberapa beban) yang melebihi batasnya dapat dicakup oleh
suatu produk berdasarkan spesifikasi normal. Data time-to-failure yang dapat diperoleh dari proses
ini mengekstrapolasi untuk mendapatkan umur produk di bawah normal kondisi. Tes hidup yang
dipercepat dapat dilakukan dengan suhu, kelembaban, voltase, tekanan; getaran melebihi batas
operasi produk untuk mempercepat proses kegagalan produk. Pengujian juga dapat dilakukan
dengan menggabungkan berbagai elemen di atas.

Hari ini, distribusi Weibull juga digunakan di beberapa lainnya aplikasi seperti menentukan
distribusi angin kecepatan pada desain pembangkit listrik tenaga angin. Publikasi Weibull
distribusi pada awalnya menimbulkan perdebatan dan pertentangan. Namun, saat ini, distribusi
Weibull digunakan sebagai industry standar. Studi ini memberikan perhatian khusus pada metode
statistik, terutama metode yang dirumuskan oleh Weibull. "Itu karakteristik kehidupan" dan
"kemungkinan kegagalan" ditentukan sebelumnya dari komponen tertentu dapat diturunkan dari
plot Weibull. Kepadatan Probabilitas Kegagalan pada S - Distribusi Weibull diwakili oleh:
 Gambar 1 Kepadatan probabilitas S pada beberapa nilai b [26]

S-curve digunakan sebagai garis lurus (linearized best-fit straight garis) melalui
distorsi skala ordinat (logaritmik ganda) dan absis (logaritmik) seperti yang ditunjukkan
pada Gambar 1. keuntungan dari metode ini adalah semakin mudah untuk diidentifikasi
apakah ada distribusi seperti distribusi Weibull atau tidak. Selain itu, membaca nilai pada
plot menjadi lebih mudah. Kemiringan kurva pada Gambar 2 ditentukan secara langsung
fungsi dari parameter kurva b, oleh karena itu, penambahan dari skala ke b sering diberikan
di sebelah kanan plot. Kemiringan bisa ditentukan grafik dengan menggeser garis lurus
sejajar melalui "kutub" (pada sumbu x hingga 2000 pada plot).

Gambar 2 Penyederhanaan kurva kepadatan probabilitas [26]

Nilai reliabilitas sering digunakan sebagai pengganti dari nilai frekuensi kegagalan:
 Persamaan di atas menunjukkan berapa banyak komponen yang masih bisa
digunakan setelah mencapai waktu tertentu atau yang tidak gagal. (Sumbu Y dalam plot
yang dibaca Weibull dari atas ke bawah seperti yang terlihat pada Gambar 3):

Gambar 3 Probability Density dengan sumbu Y sebagai penanda skema keandalan

Sistem seri adalah konfigurasi dimana jika ada komponen gagal maka seluruh
sistem akan gagal. Dalam konsep, sistem konfigurasi seri (Lihat Gambar 4) adalah sistem
yang memiliki kelemahan yang sama dengan komposisi yang paling lemah, [27].

Gambar 4 Sistem konfigurasi seri

Jika setiap komponen keandalan memiliki nilai yang berbeda:

Jika setiap komponen keandalan memiliki nilai yang sama:

Sistem paralel adalah konfigurasi di mana tidak semua komponen gagal jika salah
satu bagian gagal maka sistem masih bisa bekerja. Secara konsep, sistem konfigurasi
paralel (Gambar 5) tidak dipengaruhi oleh kegagalan satu bagian dan menyebabkan
kegagalan semua sistem (shutdown) sehingga masih memiliki nilai reliabilitas tertinggi
saat dibandingkan dengan model lain. Instalasi paralel bisa diilustrasikan dalam sistem
dengan 2 buah bagian yang identik (n=2). Sistem dapat bertahan hingga waktu operasi T
jika salah satu atau keduanya komponen terus berfungsi (bukan kegagalan).

Gambar 5 Sistem konfigurasi paralel

Jika setiap komponen keandalan memiliki nilai yang berbeda:

Jika setiap komponen keandalan memiliki nilai yang sama:

Gabungan sistem seri-paralel akan dijelaskan lebih lanjut konfigurasi Gambar 6.

Contoh: Subsistem pertama terdiri dari dua blok komponen identik disusun secara paralel
dan yang kedua terdiri dari lima blok yang juga disusun paralel. Selanjutnya, gabungkan
kedua subsistem menjadi satu sistem dan menghitung nilai keandalan sistem secara
keseluruhan.

Gambar 6 Konfigurasi sistem gabungan seri-paralel

 antara pengapian pertama ke titik di mana bohlamp gagal untuk memancarkan
cahaya. Kehidupan Bohlamp adalah fungsi dari seberapa cepat penguapan nada dari
filamen tungsten. Dapat diakibatkan oleh berbagai faktor antara lain jenis cahaya, warna
suhu, siklus tugas, dan kualifikasi penggunaan. Perubahan tegangan dapat mempengaruhi
perubahan tegangan Sifat-sifat cahaya antara lain perubahan arus, dan kekuatan radiasi.
Tiga perubahan properti di atas bisa diperkirakan dengan menggunakan Persamaan. (8):

Dimana, Vd = Tegangan Desain (Tegangan dari manufaktur); Va= Applied Voltage

(Tegangan yang diterapkan pada bohlamp); d = Eksponensial berdasarkan jenis lampu.

Median rank digunakan untuk mendapatkan estimasi dari tidak dapat diandalkan
dari setiap kegagalan. Nilai ini menunjukkan probabilitas kegagalan nilai sebenarnya dari
kegagalan j dari sampel komponen N dengan tingkat kepercayaan 50%. Ini pada dasarnya
berarti bahwa metode tersebut adalah estimasi terbaik untuk tidak dapat diandalkan:
dengan kemungkinan 50% di atas nilai sebenarnya atau di bawah nilai perkiraan. Perkiraan
tersebut diproses melalui distribusi binomial.

Stapelberg [27] memperkenalkan metode pendekatan Bernard metode mencari

median rank dengan pendekatan persamaan:

Dimana, MR = Peringkat Median; j = Peringkat Kegagalan N; N = Jumlah spesimen

Dalam regresi linier, dapat diperkirakan bahwa grafik ln (cycles) vs. transformasi
median rank berkembang menjadi linier modus, karena distribusi Weibull kumulatif dapat
diubah menjadi garis lurus melalui persamaan Y=mX+b.
 Berikut ini adalah turunan dari rumus tersebut:

Dengan membandingkan persamaan ini dengan persamaan sederhana garis lurus,

diketahui bahwa ruas kiri persamaan dapat disamakan dengan Y, ln X bisa disamakan
dengan X, β bisa disamakan dengan m, dan – β ln α dapat disamakan dengan b. Seperti
yang ketika regresi linier dilakukan, estimasi Weibull parameter β diturunkan langsung
dari kemiringan / gradien dari garis. Estimasi untuk parameter α harus dihitung sebagai
berikut:

Parameter garis Weibull β menunjukkan apakah tingkat kegagalan akan meningkat,

konstan, atau menurun. Nilai β<1.0 menunjukkan bahwa produk memiliki tingkat
kegagalan yang berkurang. Ini skenario sebagai kerusakan awal yang khas "kematian bayi"
dan menunjukkan bahwa produk gagal selama periode "burn-in". Nilai β=1.0 menunjukkan
tingkat kegagalan konstan.

Biasanya ditemukan komponen yang bertahan dari proses burn-in akan

menunjukkan nilai kegagalan yang konstan kecepatan. Nilai β>1.0 menunjukkan
peningkatan tingkat kegagalan. Ini terjadi terutama pada komponen yang menerima gaya
gesek menyebabkan keausan seperti yang terjadi pada bagian-bagian bantalan jurnal nilai
β>1.0.

Ciri-ciri kehidupan Weibull yang dilambangkan dengan α, adalah ukuran skala

dalam data distribusi. Berdasarkan data, ditemukan bahwa nilai α adalah nilai di mana
63,2% dari produk siklus telah gagal. Dengan kata lain, untuk distribusi Weibull R
(α=0368, terlepas dari nilai β). Misalnya tentang 37% dari jurnal bantalan konon akan
 bertahan setidaknya 693.380 siklus. Untuk menentukan desain mana yang memiliki nilai
lebih tinggi keandalan dalam siklus ke 400.000 akan membutuhkan keandalan rumus,
sebagai berikut:

Dengan mensubstitusi beberapa variabel yang telah tersedia, bisa menentukan

reliabilitas nilai estimasi setiap desain:

METODOLOGI

Dalam studi simulasi tentang keandalan sistem bohlamps instalasi menggunakan instalasi
modul simulasi dan pengujian modul tes hidup dipercepat (ALT). Data dikumpulkan melalui dua
tahap: pengumpulan data seumur hidup sepuluh sampel cahaya bohlam. Tahap pertama adalah
mengumpulkan data umur bohlamp, dimana bohlam dapat diperkirakan usia lampu dalam
penggunaan normal. Tahap kedua adalah hidup bohlamp untuk mengolah data berdasarkan
distribusi Weibull menggunakan aplikasi perangkat lunak (MS.Excel). Berdasarkan distribusi
Weibull akan diketahui nilai keandalan dari bohlamp individu. Itu nilai reliabilitas tersebut
kemudian digunakan untuk pengolahan data selanjutnya instalasi kabel (dengan pendekatan
eksperimen) dan juga secara teoritis menggunakan Persamaan. (1) sampai Persamaan. (12)
(menurut perkiraan mendekati).

Pengumpulan data pada rangkaian instalasi dilakukan dengan menyusun bola lampu pada
instalasi modul simulasi. Dalam modul ini data percobaan diambil umur instalasi, kemudian diolah
untuk mendapatkan nilai reliabilitas dari sistem. Nilai reliabilitas diperoleh dari eksperimen
instalasi kemudian dibandingkan dengan perkiraan nilai keandalan secara teoritis. Berdasarkan
skema pada Gambar 10, sumber daya utama dalam alat simulasi adalah catu daya unit (PSU)
dengan 24 Volt. Melalui sakelar pemilih, sumber daya jalur dibagi menjadi dua opsi, yaitu untuk
memasok modul daya pengujian hidup dipercepat (ATL) atau untuk memasok serangkaian
instalasi. Saat kita menggunakan PSU untuk menyuplai listrik instalasi, tiga mode dapat dipilih
melalui saklar pemilih untuk rangkaian seri, paralel atau gabungan seri-paralel.

Gambar 7 menggambarkan skema mekanisme keandalan modul pengujian. Sensor cahaya

ditenagai oleh dua 9 volt baterai yang disusun secara paralel untuk menggerakkan kedua relai.
Pertama relay berfungsi sebagai penggerak atau penghenti waktu (stopwatch), sedangkan relai
kedua berfungsi sebagai pemutus arus pada instalasi. Fungsi relai yang kedua adalah mengaktifkan
kinerja instalasi sistem dapat bekerja pada salah satu tata letak seri opsi, paralel atau gabungan
seri-paralel, meskipun semua opsi ada dipasang pada sistem paralel.

Gambar 7 Skema mekanisme prosedur operasi tersebut modul uji reliabilitas

HASIL DAN DISKUSI

Berdasarkan data umur bohlamp yang diperoleh dari perangkat pengaturan eksperimental
seperti yang terlihat pada Gambar 8 dan 9, kehidupan besaran bohlamop pada kondisi normal dapat
diperkirakan dengan menggunakan Lamp Rerate (Persamaan (8)) ditunjukkan pada baris pertama
pada Tabel 1 bahwa umur bohlamp adalah 1807 detik sama dengan 0,502 jam; V=12 volt; Vo=24
volt; dan d=13,5 (nilai eksponensial ditentukan berdasarkan jenis dan bahan bohlamp), nilai umur
pakai dari semua bohlamps dapat diperkirakan dengan menggunakan software MS Excel. Grafik
regresi linier diperoleh dengan menggunakan MS Excel seperti yang ditunjukkan pada Gambar
10.
 Estimasi umur satu bohlamp disajikan dalam Tabel 1.

Dalam proses pendataan individu bohlamp 12- volt DC yang menguji hidup mereka
menggunakan modul ALT, dimana bohlamp di modul diberi tegangan ganda dari stres batas desain
sehingga diperoleh umur pakai bohlamp yang jauh lebih pendek dibandingkan dengan penggunaan
lampu normal. Hasil pengujian rangkaian konfigurasi, paralel dan menggabungkan seri-paralel
yang ditunjukkan pada Tabel 2.

Nilai keandalan bohlamp akan diketahui melalui Pendekatan Bernard menggunakan

persamaan 9 dari Median Rank menghasilkan nilai pada kolom ketiga pada Tabel 3. Distribusi
Weibull pengolahan dalam percobaan ini dihitung dan menarik grafis menggunakan perangkat
lunak MS Excel [28]. Pengolahan data dilakukan dengan memasukkan data perkiraan umur
bohlamp ke terapkan di MS Excel menjadi regresi linier sederhana. Dengan menggunakan regresi
linier sederhana, akan diperoleh grafik linier dari sistem keandalan. Pada grafik didapatkan nilai α
(life karakteristik) dan β (parameter kurva/gradien). Data α dan β adalah elemen yang digunakan
dalam persamaan reliabilitas sehingga setelah kedua unsur tersebut telah diketahui nilai
reliabilitasnya bohlamop akan diketahui [29].

Gambar 8 Modul (Tool Kit) simulasi keandalan sistem

Gambar 9 Interior ruang pengujian kinerja bohlamp

 Tabel 1 Estimasi hidup dalam kondisi normal

Tabel 2 Data percobaan menggunakan ALT

Tabel 3 menunjukkan hasil Median Rank dengan Bernard perkiraan dengan

menggunakan Persamaan. (9) kita dapat melihat ekspresi itu dari persamaan regresi adalah:

Kolom (e) direpresentasikan sebagai sumbu Y dari grafik Weibull distribusi.

Kolom (f) direpresentasikan sebagai sumbu X pada grafik Weibull distribusi.

Tabel 3 Pemrosesan data distribusi Weibull

Gambar 10 Regresi linier distribusi weibull

 Menerapkan regresi linier distribusi Weibull grafik yang dihubungkan dengan
tanda titik merah pada Gambar 10 persamaan garis tren:

Angka 2.2646 pada grafik di atas menunjukkan nilai dari β dalam reliabilitas
persamaan. Artinya nilai β untuk perhitungan hidup bohlamp berdasarkan percobaan
serupa dengan data teoritis kehidupan yang diharapkan secara normal operasi. Besarnya
nilai α diperoleh melalui Persamaan. (11):

Nilai α menunjukkan bahwa karakteristik kehidupan dari bohlamop yang diuji

adalah 6201,70 jam. Dengan memberikan yang diinginkan variabel waktu dengan nilai
T=4000 jam. Kemudian nilai dari keandalan masing-masing unit bohlamp pada T=4000
jam berdasarkan Persamaan. (12) adalah:

Perhitungan reliabilitas berdasarkan estimasi teoritis untuk masing-masing

konfigurasi seri, paralel dan gabungan seri-paralel dengan asumsi bahwa
RA=RB=RC=0.693 dijelaskan di bawah ini:

Data umur pakai bohlamp yang diperoleh dengan menggunakan Accelerated Life
Test, dengan peningkatan tegangan (24 Volt) dan Mean Time of T=0.333 jam (Tabel 1)
tanpa perkiraan waktu dalam keadaan normal (tanpa Persamaan (8)), dapat digambarkan
dan dihitung dengan prosedur yang sama dari hasil percobaan nilai reliabilitas sebagai
berikut:
 Perhitungan reliabilitas berdasarkan eksperimen untuk masing-masing konfigurasi
seri, paralel dan gabungan seri-paralel dengan asumsi bahwa RA=RB=RC=0.711
dijelaskan di bawah ini:

Tabel 4 Keandalan komparatif antara eksperimental dengan simulasi alt dan

perkiraan umur (secara teoritis)

Seperti yang ditunjukkan pada Tabel 4 di atas bahwa hasil dari sistem
keandalan tidak sama antara perhitungan teoritis dan simulasi menggunakan
pengujian model ALT. Ada perbedaan dalam nilai keandalan instalasi sistem
tersebut seri, dengan nilai teoritis 0,329 dan simulasi nilai 0,359. Model paralel
menunjukkan keandalan sistem memiliki sedikit perbedaan dengan nilai 0,971
secara teori dan 0,976 dalam simulasi. Perbedaan nilai reliabilitas antara teori dan
simulasi juga tidak terlalu jauh dengan a model kombinasi, dengan reliabilitas teori
sebesar 0,628 dan 0,651 pada simulasi. Konfigurasi terbaik dari hasil yang diuji
adalah sistem paralel karena memiliki error minimal (0.000409) dan
memaksimalkan kehandalan dekat dengan R = 1.00. Kesamaan dari hasil pengujian
antara simulasi rangkaian bohlam dan perhitungan menggunakan rumus teori pada
ketiga jenis tersebut konfigurasi secara seri, paralel dan kombinasi membuktikan
hal itu Uji Reliabilitas Simulasi cocok untuk alat peraga di media pembelajaran.
Hasil waktu nyata dari perangkat keras simulasi dengan model yang akurat dan
rumit memainkan peran- peran penting dalam desain dan operasi teknik sistem
instalasi.
KESIMPULAN

Model simulasi dapat memenuhi fungsinya sebagai pembantu media pembelajaran

keandalan sistem instalasi denga menerapkan beberapa komponen seperti catu daya, lampu
perangkat sensor dan pengatur waktu. Komponen disusun sedemikian rupa bahwa data mencatat
waktu kegagalan setiap instalasi konfigurasi. Melalui kursus model simulasi data eksperimen dapat
dihasilkan dalam penelitian ini. Paralel sistem pengaturan menggunakan tes modul ALT adalah
yang terbaik simulasi perangkat keras pada sirkuit bohlamp dapat dilakukan dalam instalasi nyata
pada utilitas produksi, yaitu: Stasiun Pompa, Pembangkit Listrik Gen Set, dll. Pengaturan ini
sangat murah dan cocok untuk diterapkan sebagai media pembelajaran. Berdasarkan nilai
reliabilitas yang telah dibahas di atas, bahwa konfigurasi instalasi paralel menunjukkan keandalan
tertinggi skor dan juga kesetiaan tinggi dengan kesalahan hanya 0,000409, diikuti oleh model Seri-
Paralel gabungan dengan kesalahan 0,035302 dan model seri dengan kesalahan 0,083565. Itu hasil
perbandingan juga dapat digunakan sebagai indikasi yang ada adalah korelasi antara analisis
teoritis dengan simulasi dalam praktek.