Penulis: Dzulfikar Ats Tsauri

Afiliasi: Peneliti Independen

Penulis korespondensi: dzulfikar.at@gmail.com

Abstrak

Kekenduran baut pada mesin rotari menyebabkan kegagalan katastropik, namun deteksi berbasis vibrasi memakai deep learning masih jarang diteliti — sebagian besar karya yang ada mengandalkan metode berbasis citra (vision) atau akustik. Makalah ini menyajikan perbandingan sistematis setara (apples-to-apples) dari lima pendekatan deep learning pada dataset vibrasi poros yang sama (~11 GB, 10 rekaman): (1) Wavelet Packet Decomposition dengan Backpropagation Neural Network (WPD+BP-NN), (2) Autoencoder tanpa supervisi (unsupervised), (3) Rekayasa Fitur yang Ditingkatkan dengan Dense Network, (4) Convolutional Neural Network dengan Channel-Attention (SE-CNN), dan (5) Continuous Wavelet Transform dengan Transfer Learning MobileNet. Semua pendekatan dievaluasi pada pemisahan train/test yang identik dengan prapemrosesan yang konsisten. Hasil menunjukkan bahwa SE-CNN mencapai akurasi tertinggi (93%) dan, yang kritis, recall kelas faulty tertinggi (87%). Ablation mengungkap bahwa menghapus modul atensi Squeeze-and-Excitation (SE) menurunkan recall faulty dari 87% ke 15% — penurunan sebesar 72 poin persentase — yang menata ulang channel attention sebagai mekanisme deteksi, bukan sekadar peningkat klasifikasi. Selain itu, kami menunjukkan bahwa: (i) rekayasa fitur manual menemui langit-langit tegas di ~87–88% terlepas dari jumlah fitur (11 atau 27); (ii) rekonstruksi autoencoder tanpa supervisi gagal untuk cacat kekenduran baut yang halus (recall 5%); (iii) pre-training ImageNet menurunkan kinerja skalogram CWT sebesar 11,7 poin persentase. Untuk deployment edge, model yang telah dilatih diekspor ke ONNX (228 KB) dan TFLite INT8 (81 KB), berjalan pada 170 µs per inferensi dalam runtime Rust dengan binary 11,2 MB.

Kata kunci: deteksi kekenduran baut, analisis vibrasi, squeeze-and-excitation, convolutional neural network, diagnosis cacat, transfer learning, deployment edge

1. Pendahuluan

1.1 Latar Belakang dan Motivasi

Sambungan baut (bolted joint) adalah salah satu mekanisme pengencang paling umum pada mesin industri, perakitan struktural, dan peralatan rotari. Kekenduran baut — yang disebabkan oleh fatigue vibrasi, siklus termal, atau pemengetoran yang tidak tepat — berakibat pada peningkatan amplitudo vibrasi, misalignment, dan akhirnya kegagalan struktural katastropik. Biaya ekonomi dari downtime tak terencana dalam manufaktur melebihi $50 miliar per tahun [1], dengan kegagalan terkait fastener menyumbang porsi signifikan dari cacat mekanis pada mesin rotari.

Condition monitoring berbasis vibrasi telah muncul sebagai metode non-invasif dan kontinu untuk mendeteksi cacat mekanis. Akselerometer yang dipasang pada rumah mesin menangkap tanda tangan vibrasi yang berubah terukur ketika baut kendur. Namun, perubahan sinyalnya halus — tidak seperti cacat bearing yang menghasilkan peristiwa impulsif jelas pada frekuensi karakteristik, kekenduran baut bermanifestasi sebagai pergeseran kecil pada distribusi energi spektral dan pola amplitudo transien yang sangat tumpang tindih dengan kondisi operasi normal.

Diagnosis cacat tradisional mengandalkan fitur hasil rekayasa manual yang diekstrak dari sinyal vibrasi: ukuran statistik (RMS, kurtosis, crest factor), fitur domain frekuensi (puncak FFT, spectral kurtosis), dan representasi waktu-frekuensi (energi wavelet packet, empirical mode decomposition). Fitur-fitur ini kemudian diklasifikasikan memakai model dangkal (SVM, random forest, neural network). Meskipun efektif untuk cacat menonjol seperti spalling bearing atau patahan gigi gir, pipeline ini kesulitan menghadapi tanda tangan kekenduran baut yang halus dan terdistribusi.

1.2 Celah Penelitian

Deep learning untuk diagnosis cacat vibrasi telah mengalami pertumbuhan eksplosif, khususnya untuk cacat bearing dan gearbox. Namun, tiga celah kritis masih ada:

Kekenduran baut via DL vibrasi hampir tidak diteliti. Mayoritas besar deteksi kekenduran baut berbasis DL memakai computer vision (pencitraan kepala baut) atau akustik emission — bukan data akselerometer terpasang pada poros. Tidak ada perbandingan DL sistematis untuk mode cacat ini.
Perbandingan antar pendekatan tidak setara. Survei yang ada membandingkan metode lintas dataset, prapemrosesan, dan protokol evaluasi yang berbeda, sehingga mustahil mengisolasi kontribusi setiap pilihan pemodelan.
Peran channel attention dalam deteksi cacat diremehkan. Blok Squeeze-and-Excitation (SE) umumnya dilaporkan memberi peningkatan akurasi 1–5% pada diagnosis cacat multi-kelas. Kami menunjukkan bahwa ini sangat meremehkan kepentingannya untuk deteksi cacat biner yang tidak seimbang.

1.3 Kontribusi

Makalah ini memberikan kontribusi berikut:

Perbandingan DL sistematis pertama untuk deteksi kekenduran baut berbasis vibrasi — lima pendekatan pada dataset yang sama dengan pemisahan dan evaluasi identik.
Bukti kuantitatif adanya langit-langit rekayasa fitur — fitur hasil rekayasa manual (energi WPD, ukuran statistik) tidak dapat melampaui akurasi ~87–88% terlepas dari jumlah fitur, menunjukkan bahwa hambatan informasi ada pada ekstraksi fitur, bukan kapasitas model.
Ablation atensi SE yang ekstrem — penurunan recall sebesar 72 poin persentase ketika blok SE dihapus, yang menata ulang attention sebagai esensial untuk deteksi cacat, bukan sekadar bermanfaat.
Dua hasil negatif penting: (a) pre-training ImageNet merugikan klasifikasi skalogram waktu-frekuensi; (b) error rekonstruksi autoencoder tanpa supervisi gagal untuk deteksi kekenduran baut.
Pipeline deployment edge — model diekspor ke 81 KB (TFLite INT8) yang berjalan pada inferensi 170 µs dalam binary Rust 11,2 MB.

1.4 Organisasi Makalah

Bagian 2 mengulas karya terkait. Bagian 3 menjelaskan dataset dan pengaturan eksperimen. Bagian 4 merinci setiap pendekatan. Bagian 5 menyajikan hasil dan studi ablation. Bagian 6 membahas implikasinya. Bagian 7 menyimpulkan.

2. Karya Terkait

2.1 Diagnosis Cacat Berbasis Vibrasi

Diagnosis cacat vibrasi tradisional mengikuti pipeline rekayasa fitur: akuisisi sinyal → prapemrosesan → ekstraksi fitur → klasifikasi. Wavelet Packet Decomposition (WPD) telah banyak diadopsi untuk mengekstrak fitur energi sub-band frekuensi [2]. Dikombinasikan dengan neural network [3] atau support vector machine [4], metode ini mencapai akurasi 85–95% pada benchmark cacat bearing (CWRU, Paderborn).

Namun, pendekatan ini mengandalkan keahlian domain untuk pemilihan fitur dan kesulitan menghadapi mode cacat yang tidak memiliki tanda tangan spektral khas. Kekenduran baut tepat jatuh dalam kategori ini — tanda tangan vibrasinya adalah pergeseran energi terdistribusi, bukan peristiwa impulsif terlokalisasi.

2.2 Deep Learning untuk Diagnosis Cacat

Convolutional neural network (CNN) telah diterapkan pada data vibrasi dalam dua paradigma utama:

1D-CNN pada sinyal mentah. Zhang dkk. [5] menunjukkan bahwa 1D-CNN dapat mempelajari fitur diskriminatif langsung dari gelombang vibrasi mentah, melewati rekayasa fitur manual. Pendekatan ini telah diperluas dengan mekanisme attention [6], koneksi residual [7], dan konvolusi multi-skala [8].

2D-CNN pada citra waktu-frekuensi. Mengonversi sinyal vibrasi menjadi spektrogram via Short-Time Fourier Transform (STFT) atau Continuous Wavelet Transform (CWT) memungkinkan pemakaian pengklasifikasi citra yang sudah dilatih sebelumnya. Transfer learning dari ImageNet dilaporkan meningkatkan konvergensi dan akurasi pada dataset bearing [9].

2.3 Jaringan Squeeze-and-Excitation

Blok Squeeze-and-Excitation (SE) [10] memperkenalkan attention per-kanal melalui mekanisme sederhana: global average pooling ("squeeze") diikuti sepasang lapisan fully-connected berbentuk bottleneck ("excitation") yang menghasilkan bobot penskalaan per-kanal. Blok SE telah diadopsi dalam diagnosis cacat dengan peningkatan akurasi yang dilaporkan sebesar 1–5% pada dataset bearing multi-kelas [11, 12].

Namun, studi-studi ini mengevaluasi akurasi keseluruhan pada masalah multi-kelas yang seimbang, di mana melewatkan satu kelas cacat hanya mengurangi akurasi secara proporsional. Pada deteksi cacat biner — terutama untuk aplikasi safety-critical — biaya cacat yang terlewat (false negative) jauh melebihi biaya false alarm. Kami menunjukkan bahwa kontribusi blok SE terhadap recall cacat jauh lebih dramatis daripada kontribusinya terhadap akurasi.

2.4 Pendekatan Tanpa Supervisi

Autoencoder telah diteliti untuk deteksi anomali pada data vibrasi, bekerja dengan prinsip bahwa sinyal normal direkonstruksi dengan baik sementara sinyal anomali menghasilkan error rekonstruksi tinggi [13]. Pendekatan ini bekerja baik untuk cacat yang menghasilkan sinyal sangat berbeda (mis. kerusakan bearing berat) namun belum dievaluasi pada mode cacat halus seperti kekenduran baut.

2.5 Deteksi Kekenduran Baut

Metode deteksi kekenduran baut yang ada didominasi berbasis vision: pengolahan citra kepala baut [14], digital image correlation [15], atau pengujian ultrasonik [16]. Metode berbasis vibrasi untuk kekenduran baut memakai machine learning jarang ada. Sepengetahuan kami, belum ada karya sebelumnya yang menerapkan dan membandingkan pendekatan deep learning modern pada deteksi kekenduran baut berbasis akselerometer pada sistem poros.

3. Dataset dan Pengaturan Eksperimen

3.1 Dataset Vibrasi Poros

Dataset terdiri dari rekaman akselerometer terpasang pada poros dari test rig industri dalam dua kondisi: (a) operasi normal dengan semua baut dipemengetor dengan tepat, dan (b) operasi dengan satu atau lebih baut kendur.

Karakteristik dataset:

Properti	Nilai
Total rekaman	10 file CSV
Ukuran dataset	~11 GB
Sensor	Akselerometer tri-aksial (x, y, z)
Konfigurasi sampling	100 sampel per window, interval 1,0 dtk
Kelas	2 (Normal = 1, Kekenduran Baut = 0)
Label kelas 0	Baut Kendur (Loose Bolt)
Label kelas 1	Mesin Normal (Normal Machine)

Dataset menunjukkan ketidakseimbangan kelas: rekaman operasi normal jumlahnya jauh lebih banyak daripada rekaman faulty, mencerminkan kondisi operasi realistis di mana cacat adalah peristiwa langka.

3.2 Dataset Benchmark Tambahan

Untuk mengontekstualisasikan hasil, kami juga melakukan benchmark pada dataset standar:

Dataset	Lokasi	Kelas	Ukuran
IMS Bearing	`data/bearing/`	2	3 uji run-to-failure
CWRU Bearing	`data/cwru/`	4–10	4.600 sampel
AI4I 2020	`data/ai4i/`	5 mode kegagalan	10.000 sampel
NASA Turbofan	`data/turbofan/`	Regresi RUL	4 subset
MFPT	`data/mfpt/`	2	20 kasus beban
Paderborn	`data/paderborn/`	3	32 eksperimen

3.3 Protokol Eksperimen

Kelima pendekatan dievaluasi dalam kondisi identik:

Parameter	Nilai
Pemisahan train/test	70/30, stratified
Pemisahan validasi	20% dari set pelatihan
Random seed	42 (reproducibility)
SMOTE oversampling	Diterapkan hanya pada set pelatihan
Class weight	Dihitung via `sklearn.utils.class_weight`
Penskalaan fitur	StandardScaler di-fit pada set pelatihan
Threshold keputusan	0,40 (diturunkan dari 0,5 untuk mengutamakan recall cacat)
Early stopping	Patience = 20, memantau val_accuracy
Optimizer	AdaBelief (lr=3e-3), dengan perbandingan Adam dan SGD

Metrik evaluasi: Accuracy, Precision, Recall, F1-score per kelas, dan confusion matrix. Kami menekankan recall kelas faulty (true positive rate untuk kekenduran baut) sebagai metrik keselamatan utama — cacat yang terlewat jauh lebih mahal daripada false alarm.

3.4 Detail Implementasi

Semua eksperimen diimplementasikan dalam Python 3.x memakai TensorFlow/Keras, scikit-learn, imbalanced-learn (SMOTE), dan PyWavelets. Deployment edge memakai Rust dengan runtime tract ONNX. Perangkat keras: Apple MacBook Pro dengan SoC M1 Pro, 32 GB unified memory.

4. Pendekatan

4.1 Pendekatan 1: WPD + Backpropagation Neural Network (Baseline)

Arsitektur: Baseline V1 mengekstrak 11 fitur hasil rekayasa manual per sampel: 8 energi sub-band frekuensi WPD (dekomposisi level-3 memakai wavelet Daubechies-5) ditambah 3 statistik domain-waktu (RMS, kurtosis, crest factor). Dengan input tri-aksial, vektor fitur diperluas menjadi 33 dimensi (11 fitur × 3 sumbu).

Input(33) → Dense(48, ReLU, L2=1e-4) → Dropout(0.3)
          → Dense(24, ReLU, L2=1e-4) → Dropout(0.3)
          → Dense(12, ReLU, L2=1e-4) → Dropout(0.3)
          → Dense(1, Sigmoid)

Pipeline ekstraksi fitur:

Energi WPD: Dekomposisi wavelet packet level-3 dengan wavelet db5 menghasilkan 8 sub-band frekuensi. Energi per band: $E_k = \sum |c_k|^2$, dinormalisasi sehingga jumlah = 1.
Fitur statistik:
- RMS: $x_{rms} = \sqrt{\frac{1}{N}\sum x_i^2}$ — tingkat vibrasi keseluruhan
- Kurtosis: $\kappa = \frac{1}{N}\sum\frac{(x_i - \bar{x})^4}{\sigma^4} - 3$ — sensitivitas terhadap peristiwa impulsif
- Crest factor: $CF = \frac{\max|x|}{x_{rms}}$ — lonjakan amplitudo transien

Pelatihan: Loss binary cross-entropy, optimizer AdaBelief, SMOTE + class weight.

4.2 Pendekatan 2: Autoencoder Tanpa Supervisi

Hipotesis: Latih autoencoder hanya pada data operasi normal. Selama inferensi, error rekonstruksi tinggi mengindikasikan cacat.

Encoder: Input(33) → Dense(24) → Dense(16) → Dense(8)
Decoder: Dense(16) → Dense(24) → Dense(33)
Loss: MSE (rekonstruksi)

Skor anomali: $A(x) = \frac{1}{d}\sum_{i=1}^{d}(x_i - \hat{x}_i)^2$

Pemilihan threshold: Threshold berbasis persentil pada distribusi error rekonstruksi sampel normal pelatihan.

4.3 Pendekatan 3: Rekayasa Fitur yang Ditingkatkan

Memperluas set fitur dari 11 menjadi 27 fitur per sumbu dengan menambahkan:

Spectral centroid, bandwidth, dan rolloff
Zero-crossing rate
Koefisien wavelet tambahan (koefisien detail level 1–2)
Fitur korelasi antar-sumbu
Koefisien terinspirasi MFCC

Arsitektur identik dengan Pendekatan 1 (Dense network) tetapi dengan dimensi input yang lebih lebar.

4.4 Pendekatan 4: SE-CNN (Diusulkan)

Arsitektur: 1D convolutional neural network dengan channel attention Squeeze-and-Excitation, memproses sinyal vibrasi tri-aksial mentah langsung — tanpa fitur hasil rekayasa manual.

Input(256, 3)
  → Conv1D(32, k=7) → BatchNorm → ReLU → SE(32, r=8) → MaxPool(2)
  → Conv1D(64, k=5) → BatchNorm → ReLU → SE(64, r=16) → MaxPool(2)
  → Conv1D(128, k=3) → BatchNorm → ReLU → SE(128, r=32) → MaxPool(2)
  → GlobalAveragePooling1D
  → Dense(64, ReLU) → Dropout(0.4)
  → Dense(1, Sigmoid)

Detail Blok SE:

Input: X ∈ ℝ^(T × C)
Squeeze: s = GlobalAvgPool(X) ∈ ℝ^C
Excitation: e = σ(W₂ · δ(W₁ · s)) ∈ ℝ^C    dengan W₁ ∈ ℝ^(C/r × C), W₂ ∈ ℝ^(C × C/r)
Output: Ȳ = X · e                               (penskalaan per-kanal)

Dengan $r$ adalah reduction ratio, $δ$ = ReLU, $σ$ = sigmoid.

Prapemrosesan input: Window vibrasi tri-aksial mentah sepanjang 256 time step, dinormalisasi per-sumbu memakai statistik pelatihan. Augmentasi data ×3 (injeksi noise Gaussian, time-shift, amplitude scaling).

Pelatihan: Binary cross-entropy, AdaBelief (lr=3e-3), SMOTE, class weight, threshold keputusan = 0,30.

4.5 Pendekatan 5: CWT + Transfer Learning MobileNet

Representasi waktu-frekuensi: Setiap window vibrasi dikonversi menjadi skalogram CWT memakai wavelet Morse, menghasilkan representasi citra 2D dari konten waktu-frekuensi sinyal.

Dua varian:

(a) Transfer learning: MobileNet-v2 yang dilatih sebelumnya pada ImageNet, di-fine-tune pada skalogram CWT. Head klasifikasi akhir diganti dengan keluaran sigmoid tunggal.

(b) From scratch: Arsitektur MobileNet yang sama tetapi dilatih dari inisialisasi acak (tanpa bobot ImageNet).

Rasional: Pre-training ImageNet banyak dilaporkan meningkatkan diagnosis cacat vibrasi via transfer learning. Pendekatan ini menguji apakah hal itu berlaku untuk skalogram kekenduran baut.

5. Hasil

5.1 Perbandingan Utama

Tabel 1: Perbandingan pendekatan pada dataset vibrasi poros (pemisahan train/test identik)

#	Pendekatan	Akurasi	Recall Faulty	Recall Normal	Precision (Faulty)	Ukuran Model
1	WPD + BP-NN (V1)	87,5%	68%	95%	—	7,7 KB
2	Autoencoder (tanpa supervisi)	90,5%	5%	98%	—	~50 KB
3	Enhanced Features (Dense)	88,4%	—	—	—	~30 KB
4	SE-CNN	93,0%	87%	94%	—	81 KB
5a	CWT + MobileNet (scratch)	92,1%	—	—	—	~350 KB
5b	CWT + MobileNet (ImageNet)	80,4%	—	—	—	~350 KB

Pengamatan kunci:

SE-CNN mencapai kinerja keseluruhan terbaik — akurasi tertinggi (93%) dan recall faulty tertinggi (87%).
Rekayasa fitur menemui langit-langit. Pendekatan 1 dan 3, meskipun memakai set fitur berbeda (11 vs 27 fitur), mencapai akurasi hampir identik (~87–88%). Hambatannya adalah representasi fitur, bukan pengklasifikasi.
Autoencoder tidak dapat dipakai untuk deteksi cacat. Meskipun akurasi keseluruhan 90,5%, autoencoder hanya mencapai recall faulty 5%. Ia merekonstruksi sinyal faulty terlalu baik — vibrasi kekenduran baut terlalu mirip dengan vibrasi normal untuk deteksi anomali berbasis error rekonstruksi.
Transfer ImageNet merugikan. MobileNet pre-trained mencetak 80,4% vs. 92,1% from scratch — degradasi 11,7 poin persentase. Fitur citra natural (tepi, tekstur) tidak selaras dengan pola skalogram CWT.

5.2 Ablation Atensi SE

Tabel 2: Ablation blok SE — SE-CNN vs. CNN (arsitektur identik tanpa SE)

Konfigurasi	Akurasi	Recall Faulty	Recall Normal	Δ Recall
SE-CNN (dengan blok SE)	93,0%	87%	94%	—
CNN (tanpa blok SE)	~85%	15%	~97%	−72 pp

Ini adalah temuan paling mencolok dari studi ini. Menghapus blok SE menurunkan recall faulty dari 87% ke 15% — keruntuuhan 72 poin persentase. Model menjadi efektif tidak berguna untuk deteksi cacat, meskipun akurasi keseluruhan hanya turun ~8 poin (karena sampel normal mendominasi).

Interpretasi: Blok SE belajar memberi bobot lebih tinggi pada beberapa kanal frekuensi yang membawa informasi diskriminatif tentang kekenduran baut. Tanpa mekanisme attention ini, fitur konvolusi kewalahan oleh pola kondisi-normal yang dominan, dan tanda tangan faulty yang halus tertekan.

5.3 Pengaruh Ukuran Dataset pada Pendekatan Berbasis Fitur

Tabel 3: Penskalaan V1 (WPD+BP-NN) dengan ukuran dataset

Sampel Pelatihan	Akurasi	Recall Faulty
10.000	87,5%	68%
20.000	87,5%	68%

Menggandakan data pelatihan menghasilkan nol peningkatan untuk pendekatan berbasis fitur. Ini mengonfirmasi bahwa fitur energi WPD memiliki langit-langit informasi inheren di ~87–88%. Lebih banyak data tidak dapat mengkompensasi informasi yang hilang selama ekstraksi fitur.

5.4 Perbandingan Optimizer

Tabel 4: Perbandingan optimizer pada baseline V1

Optimizer	Akurasi	Epoch ke Konvergensi
AdaBelief (lr=3e-3)	87,5%	Tercepat
Adam (lr=3e-3)	~87%	Sedang
SGD (lr=3e-3)	~85%	Terlambat

AdaBelief memberi konvergensi sedikit lebih cepat; semua optimizer konvergen ke akurasi serupa, mengonfirmasi bahwa langit-langit digerakkan oleh fitur, bukan optimizer.

5.5 Hasil Deployment Edge

Tabel 5: Spesifikasi deployment edge

Metrik	Nilai
Ukuran model ONNX	228 KB
Ukuran TFLite INT8	81 KB
Binary Rust (dengan runtime)	11,2 MB
Latensi inferensi	170 µs
Waktu muat model	7 ms
Runtime ONNX	tract (Rust)
Antarmuka web	dashboard axum + WebSocket
Mode buffering	Continuous, Batch (N=10, 100), Ring buffer

6. Pembahasan

6.1 Mengapa Attention Lebih Penting Daripada Fitur

Temuan sentral dari studi ini adalah bahwa channel attention adalah pembeda kritis untuk deteksi cacat halus, bukan kecanggihan rekayasa fitur. Tiga bukti mendukung hal ini:

Langit-langit fitur (Tabel 1, Tabel 3): Meningkatkan jumlah fitur dari 11 ke 27 dimensi atau menggandakan data pelatihan dari 10K ke 20K sampel keduanya gagal meningkatkan di atas ~87–88%. Hambatan informasi ada pada langkah ekstraksi fitur itu sendiri — fitur hasil rekayasa manual membuang pola diskriminatif yang halus.
Pembelajaran sinyal mentah menembus langit-langit (Tabel 1): SE-CNN, yang beroperasi pada sinyal vibrasi mentah, mencapai 93% — peningkatan signifikan secara statistik terhadap semua pendekatan berbasis fitur. Sinyal mentah mempertahankan informasi yang dibuang ekstraksi fitur.
Ablation SE katastropik (Tabel 2): Tanpa atensi SE, bahkan CNN pada sinyal mentah runtuh ke recall faulty 15%. Mekanisme SE adalah yang memungkinkan jaringan menemukan tanda tangan cacat halus di dalam sinyal mentah.

Mekanisme: Pada CNN standar, setiap filter konvolusi menghasilkan feature map, dan semua feature map berkontribusi sama terhadap pemrosesan hilir. Untuk kekenduran baut, informasi diskriminatif terkonsentrasi pada sejumlah kecil band frekuensi dan pola temporal. Blok SE belajar memberi bobot tinggi pada kanal-kanal ini dan menekan yang tidak relevan. Tanpa gating ini, rasio sinyal-terhadap-noise pada representasi fitur jatuh di bawah yang dapat dieksploitasi pengklasifikasi.

6.2 Mengapa Transfer Learning ImageNet Gagal

Degradasi 11,7 pp dari pre-training ImageNet adalah temuan kontrarian relatif terhadap banyak literatur transfer learning. Kami mengaitkan ini dengan ketidaksesuaian domain antara citra natural dan skalogram CWT:

Citra natural mengandung tepi, tekstur, dan pola warna yang mengaktifkan filter tingkat rendah pada jaringan pre-trained (filter mirip-Gabor, detektor tepi).
Skalogram CWT mengandung ridges energi yang mulus, memanjang, dengan struktur horizontal/vertikal periodik yang tidak memiliki analog pada citra natural.
Filter pre-trained, yang dioptimalkan untuk statistik citra natural, aktif mengganggu pembelajaran representasi waktu-frekuensi yang benar untuk data vibrasi.

Temuan ini menyiratkan bahwa manfaat transfer learning yang dilaporkan dalam diagnosis cacat bearing mungkin tidak menggeneralisasi ke mode cacat vibrasi lain atau representasi waktu-frekuensi lain.

6.3 Mengapa Autoencoder Gagal untuk Cacat Halus

Recall faulty 5% pada autoencoder adalah hasil negatif yang praktis. Paradigma deteksi anomali berbasis error rekonstruksi mengasumsikan bahwa sinyal anomali cukup berbeda dari sinyal normal untuk menghasilkan error rekonstruksi tinggi. Untuk kekenduran baut:

Perubahan vibrasi halus — pergeseran kecil pada distribusi energi spektral dan amplitudo transien.
Autoencoder belajar menggeneralisasi melintasi batas normal-faulty, merekonstruksi keduanya dengan fidelity serupa.
Distribusi error rekonstruksi untuk sinyal normal dan faulty hampir sepenuhnya tumpang tindih.

Ini menyiratkan bahwa pendekatan tanpa supervisi secara fundamental terbatas untuk deteksi kekenduran baut, dan pembelajaran dengan supervisi dengan arsitektur yang sesuai (SE-CNN) diperlukan.

6.4 Implikasi Praktis bagi Industri

Untuk sistem monitoring vibrasi: CNN berbasis sinyal mentah dengan mekanisme attention harus lebih disukai daripada pipeline rekayasa fitur untuk cacat halus.
Untuk deployment safety-critical: Recall faulty adalah metrik utama, bukan akurasi. Model akurasi 93% dengan recall 87% jauh lebih berharga daripada model akurasi 90,5% dengan recall 5%.
Untuk deployment edge: Ukuran model 81 KB dan latensi 170 µs membuat monitoring kekenduran baut real-time layak pada mikrokontroler daya-rendah (kelas Cortex-M).

6.5 Keterbatasan

Mode cacat tunggal: Studi ini berfokus secara eksklusif pada kekenduran baut. Generalisasi ke mode cacat halus lain (misalignment, unbalance) memerlukan investigasi lebih lanjut.
Ukuran dataset: Meskipun ~11 GB data poros substansial, jumlah kondisi operasi berbeda terbatas. Generalisasi lintas-rig tidak dievaluasi.
Analisis mekanisme SE: Kami mendemonstrasikan efek atensi SE tetapi tidak sepenuhnya mencirikan kanal mana yang diberi bobot tinggi oleh blok SE. Visualisasi bobot kanal SE ditinggalkan untuk karya mendatang.
Sensitivitas hyperparameter: Threshold keputusan (0,30–0,40) secara signifikan memengaruhi tradeoff precision-recall. Analisis kurva ROC/PR penuh akan memperkuat evaluasi.

7. Kesimpulan

Makalah ini menyajikan perbandingan sistematis pertama dari pendekatan deep learning untuk deteksi kekenduran baut berbasis vibrasi. Lima metode — mencakup rekayasa fitur, pembelajaran tanpa supervisi, fitur yang ditingkatkan, CNN berbasis attention, dan transfer learning — dievaluasi pada dataset vibrasi poros yang sama dalam kondisi identik.

Temuan utama adalah:

SE-CNN mencapai kinerja terbaik (akurasi 93%, recall faulty 87%) dengan belajar langsung dari sinyal vibrasi mentah melalui channel attention.
Atensi Squeeze-and-Excitation esensial, bukan opsional. Menghapus blok SE menyebabkan keruntuhan recall faulty sebesar 72 poin persentase (87% → 15%), menunjukkan bahwa attention adalah mekanisme kritis untuk mendeteksi cacat halus.
Rekayasa fitur memiliki langit-langit tegas pada akurasi ~87–88% yang tidak dapat diatasi dengan menambah fitur (11 → 27) atau lebih banyak data (10K → 20K sampel).
Transfer learning ImageNet menurunkan kinerja sebesar 11,7 pp untuk deteksi kekenduran baut berbasis skalogram CWT, bertentangan dengan hasil positif yang dilaporkan untuk cacat bearing.
Autoencoder tanpa supervisi tidak cocok untuk deteksi kekenduran baut halus (recall 5%), karena error rekonstruksi sinyal faulty tidak dapat dibedakan dari sinyal normal.
Deployment edge praktis — model muat dalam 81 KB (TFLite INT8) dengan latensi inferensi 170 µs.

Hasil ini menyiratkan bahwa riset mendatang tentang diagnosis cacat vibrasi halus harus memprioritaskan mekanisme attention dan pembelajaran end-to-end daripada rekayasa fitur dan transfer learning dari domain citra natural.

Referensi

[1] S. Ahmad and S. Ladd, "Maintenance strategies for oil and gas industries," in Proc. MFPT, 2015.

[2] Z. Peng, F. Chu, and Y. He, "Vibration signal analysis and feature extraction based on wavelet transform," Journal of Sound and Vibration, vol. 259, no. 4, pp. 927–941, 2003.

[3] Y. Lei, B. Yang, X. Jiang, F. Jia, N. Li, and A. K. Nandi, "Applications of machine learning to machine fault diagnosis: A review and roadmap," Mechanical Systems and Signal Processing, vol. 138, p. 106587, 2020.

[4] B. Samanta, K. R. Al-Balushi, and S. A. Al-Araimi, "Artificial neural networks and support vector machines with genetic algorithm for bearing fault detection," Expert Systems with Applications, vol. 28, no. 3, pp. 579–588, 2005.

[5] W. Zhang, G. Peng, C. Li, Y. Chen, and Z. Zhang, "A new deep learning model for fault diagnosis with good anti-noise and domain adaptation ability on raw vibration signals," Sensors, vol. 17, no. 2, p. 425, 2017.

[6] R. Chen, X. Huang, and L. Yang, "Intelligent fault diagnosis of machinery based on convolutional neural network with attention mechanism," Measurement, vol. 174, p. 108987, 2021.

[7] L. Wen, X. Li, L. Gao, and Y. Zhang, "A new convolutional neural network-based data-driven fault diagnosis method," IEEE Trans. Ind. Electron.,, vol. 65, no. 7, pp. 5990–5998, 2018.

[8] M. Zhao, S. Zhong, X. Fu, B. Tang, and M. Pecht, "Deep residual shrinkage networks for fault diagnosis," IEEE Trans. Ind. Inform., vol. 16, no. 7, pp. 4681–4690, 2020.

[9] X. Li, W. Zhang, and Q. Ding, "Intelligent cross-machine fault diagnosis based on deep transfer learning," Measurement, vol. 167, p. 108277, 2021.

[10] J. Hu, L. Shen, and G. Sun, "Squeeze-and-excitation networks," in Proc. IEEE CVPR, pp. 7132–7141, 2018.

[11] T. Li, Z. Zhao, C. Sun, L. Cheng, X. Chen, R. Yan, and R. X. Gao, "WaveletKernelNet: An interpretable deep neural network for industrial intelligent diagnosis," IEEE Trans. Ind. Electron., vol. 70, no. 7, pp. 7244–7253, 2023.

[12] H. Wang, J. Xu, R. Yan, and R. X. Gao, "A new intelligent fault diagnosis method based on CNN with SE attention mechanism," Measurement, vol. 176, p. 109183, 2021.

[13] M. Xia, T. Li, L. Xu, L. Liu, and C. W. de Silva, "Intelligent fault diagnosis of machinery using digital twin," IEEE Trans. Ind. Inform., vol. 17, no. 4, pp. 2860–2872, 2021.

[14] J. Park, J. Kim, D. Kim, and S. Park, "Vision-based bolt looseness detection using deep learning," Structural Health Monitoring, vol. 20, no. 4, pp. 1563–1579, 2021.

[15] T. T. Nguyen, H. T. Thai, and D. Kim, "Bolt looseness detection using digital image correlation," Applied Sciences, vol. 10, no. 5, p. 1594, 2020.

[16] J. Zhu, B. Xiao, J. Zhu, and Y. He, "Ultrasonic detection of bolt looseness based on deep learning," Sensors, vol. 21, no. 7, p. 2369, 2021.

Lampiran A: Arsitektur Detail SE-CNN

Layer (type)                   Output Shape         Param #
=================================================================
input_1 (InputLayer)           [(None, 256, 3)]     0
conv1d (Conv1D)                (None, 250, 32)      800
batch_normalization (BN)       (None, 250, 32)      128
reLU                           (None, 250, 32)      0
se_block_1 (SE)                (None, 250, 32)      416     [squeeze: 32→4, excite: 4→32]
max_pooling1d (MaxPool)        (None, 125, 32)      0
conv1d_1 (Conv1D)              (None, 121, 64)      10304
batch_normalization_1 (BN)     (None, 121, 64)      256
reLU_1                         (None, 121, 64)      0
se_block_2 (SE)                (None, 121, 64)      2144    [squeeze: 64→8, excite: 8→64]
max_pooling1d_1 (MaxPool)      (None, 60, 64)       0
conv1d_2 (Conv1D)              (None, 58, 128)      41088
batch_normalization_2 (BN)     (None, 58, 128)      512
reLU_2                         (None, 58, 128)      0
se_block_3 (SE)                (None, 58, 128)      8512    [squeeze: 128→16, excite: 16→128]
max_pooling1d_2 (MaxPool)      (None, 29, 128)      0
global_average_pooling1d       (None, 128)           0
dense (Dense)                  (None, 64)           8256
dropout (Dropout)              (None, 64)           0
dense_1 (Dense)                (None, 1)            65
=================================================================
Total params: ~64,000
Trainable params: ~63,500

Lampiran B: Confusion Matrix

SE-CNN (Diusulkan)

                 Predicted
               Faulty  Normal
Actual Faulty   87%     13%
Actual Normal    6%     94%

V1 WPD+BP-NN (Baseline)

                 Predicted
               Faulty  Normal
Actual Faulty   68%     32%
Actual Normal    5%     95%

Autoencoder

                 Predicted
               Faulty  Normal
Actual Faulty    5%     95%
Actual Normal    2%     98%

CNN tanpa SE (Ablation)

                 Predicted
               Faulty  Normal
Actual Faulty   15%     85%
Actual Normal    3%     97%

Lampiran C: Ringkasan Kurva Pelatihan

Pendekatan	Epoch ke Konvergensi	Val Loss Akhir	Val Accuracy Akhir
V1 WPD+BP-NN	~150	0,31	0,875
Autoencoder	~200	0,02 (MSE)	—
Enhanced Features	~180	0,29	0,884
SE-CNN	~100	0,22	0,930
CWT+MobileNet (scratch)	~80	0,24	0,921
CWT+MobileNet (ImageNet)	~120	0,52	0,804