DEFINISI
Rainflow Counting adalah metode untuk menentukan jumlah siklus kelelahan
yang ada dalam riwayat waktu muat. Siklus kelelahan adalah loading dan
unloading bagian seperti yang ditunjukkan pada Gambar 1. Dengan siklus
berulang yang cukup, bagian akan melemah dan akhirnya gagal.
Gambar 1: Riwayat waktu muat dengan satu siklus kelelahan
Sangat mudah untuk menghitung kerusakan (kelelahan) untuk bagian yang
mengalami beban siklikal dari amplitudo konstan menggunakan SN-Curve
material dan Peraturan Miner's. Namun, dalam sejarah waktu-beban
sebenarnya, jumlah siklus dan amplitudo masing-masing tidak mudah
ditentukan seperti yang terlihat pada Gambar 2.
1|Page
Gambar 2: Atas - Sejarah waktu-beban amplitudo konstan (jumlah siklus dan amplitudo-
nya mudah ditentukan), Bawah - Riwayat waktu-beban terukur (jumlah siklus dan
amplitudo sulit ditentukan).
Pada tahun 1967, Tatsuo Endo, seorang profesor teknik tamu dari Jepang di
University of Illinois, mengusulkan metode yang disebut ‘'Rainflow Counting”
untuk memecah sejarah waktu muat ke dalam siklus kelelahan konstituennya.
Sejarah waktu muat biasanya terdiri dari gaya terhadap waktu, atau tekanan
terhadap waktu. Jika melakukan stres, sejarah gaya waktu atau regangan
diubah menjadi sejarah waktu stres. Penghitungan “Rainflow” kemudian
digunakan untuk mengekstraksi jumlah siklus, serta kisaran dan rata-rata
masing-masing.
Pemuatan(loading) yang sebenarnya tidak selalu bersifat siklik dan seringkali
bersifat acak atau sementara. Dengan menggunakan penghitungan ”Rainflow”,
kerusakan akibat kelelahan dari satu riwayat beban dapat dibandingkan
dengan kerusakan akibat kelelahan dari riwayat beban lain seperti yang
ditunjukkan pada Gambar 3.
2|Page
Gambar 3: Data domain waktu untuk membandingkan kerusakan akibat kelelahan.
Penghitungan “rainflow’ digunakan untuk membuat perbandingan kerusakan akibat
kelelahan.
METODE PERHITUNGAN RAINFLOW
“Rainflow” terdiri dari empat langkah utama :
1. Hysteresis Filtering
2. Peak-Valley Filtering
3. Discretization
4. Four Point Counting Method
Langkah-langkah ini sepenuhnya didokumentasikan dalam standar seperti
ASTM E1049 "Standard Practices for Calculating Cycles in Fatigue Analysis".
Hysteresis Filtering
Langkah pertama dalam mengurangi histori waktu muat adalah
menghilangkan siklus yang sangat kecil dari riwayat waktu muat yang
berkontribusi terhadap jumlah kerusakan yang dapat diabaikan (Gambar 4).
3|Page
Gambar 4: Atas - Riwayat waktu pemuatan asli, Bawah - Riwayat waktu pemuatan asli dengan
siklus kecil dihapus.
Ini dilakukan dengan mendefinisikan gerbang amplitudo tertentu. Setiap
siklus yang memiliki amplitudo lebih kecil dari gerbang akan dihapus dari
riwayat waktu muat. Ini dilakukan dengan memproyeksikan gerbang dari kiri
ke kanan dari setiap titik balik dalam deret waktu. Jika titik balik lebih kecil
dari pintu gerbang, itu dihilangkan dari sejarah waktu (Gambar 5)
Gambar 5 : Penghapusan siklus yang lebih kecil dari amplitudo gerbang histeresis dari riwayat
beban
4|Page
Biasanya persentase ukuran bin (lihat langkah diskritisasi penghitungan
“Rainflow” # 3) digunakan untuk menentukan ukuran [Link] gerbang
histeresis nol digunakan, langkah ini dilewati.
Peak-Valley Filtering
Tujuan dari pemfilteran Peak-Valley adalah hanya menyimpan titik data yang
merupakan pembalikan arah / kemiringan seperti yang ditunjukkan pada
Gambar 6.
Gambar 6 : Penyaringan Peak-Valley hanya menyimpan titik data (titik hitam) yang mewakili
pembalikan di slope.
Dalam satu siklus, hanya nilai maksimum dan minimum dari siklus yang
penting untuk perhitungan umur kelelahan. Setiap titik data antara nilai
maksimum dan minimum dari siklus tertentu dapat dihapus karena mereka
tidak relevan untuk perhitungan [Link] disebut ‘’turning point
sequence’’.
Discretization
Selanjutnya, sumbu Y dibagi menjadi 'bins' yang terpisah. Setiap 'bin' adalah
rentang amplitudo tetap yang dipetakan ke dalam data seperti yang
ditunjukkan pada Gambar 7. Dalam Gambar 7, ada enam tray terpisah yang
digunakan untuk membagi kisaran amplitudo. Dalam praktiknya, lebih banyak
5|Page
trash bins [Link] data yang diukur dipetakan ke pusat-pusat bins
yang memungkinkan prosedur [Link], jika sinyal dengan
kisaran 128 dibagi menjadi 64 trays, masing-masing tray akan memiliki range
2.
Gambar 7 : Amplitudo titik data (titik hitam) disesuaikan ke tengah tray. Poin data yang
amplitudo dipengaruhi oleh binning dilingkari dalam warna ungu.
Amplitudo sampel data sedikit diubah dengan menempatkannya di bins
masing-masing. Penting untuk menggunakan jumlah bin yang cukup memadai
untuk analisis, sehingga amplitudo tidak banyak berubah. Bergantung pada
kemiringan Kurva SN, perubahan beban 15% dapat menyebabkan dua
perubahan dalam umur kelelahan.
Four Point Counting Method
Dengan Hysteresis Filtering, Peak-Valley Filtering, dan diskritisasi selesai,
siklus dapat dihitung. Ketika menghitung siklus untuk perhitungan umur
kelelahan, tidak hanya amplitudo dan jumlah siklus yang penting, tetapi juga
merupakan rata-rata dari siklus tersebut. Metode penghitungan apa pun perlu
mempertahankan [Link] penghitungan empat poin memenuhi kriteria
tersebut di atas. Dalam metode ini, langkah-langkah berikut dilakukan :
6|Page
1. Pilih empat titik stres berturut-turut S1, S2, S3, S4
2. Tentukan Inner Stres | S2 -S3 |
3. Tentukan Outer Stres | S1 -S4 |
4. Jika rentang tegangan dalam <= untuk rentang tegangan luar dan titik-titik
yang terdiri dari rentang tegangan dalam dibatasi oleh luar, siklus dihitung.
5. Jika rentang tegangan dalam>> ke rentang tegangan luar dan titik-titik yang
terdiri dari rentang tegangan dalam tidak dibatasi oleh luar, siklus tidak
dihitung.
Mengevaluasi empat poin pertama pada Gambar 7, kisaran antara S2 dan S3
kurang dari kisaran antara poin S1 dan S4. Tegangan internal, di mana S2 = 5
dan S3 = 3, memiliki rentang 2. Tegangan luar di mana S1 = 2 dan S4 = 6 memiliki
kisaran 4. Titik data S2 dan S3 berada dalam titik data S1 dan S4. Siklus dihitung
seperti yang ditunjukkan pada Gambar 8.
Gambar 8 : Empat poin pertama (ungu) dalam sejarah waktu dievaluasi. Dalam hal ini, siklus
lengkap diidentifikasi
7|Page
Ketika sebuah siklus telah diidentifikasi, ia disimpan dalam matriks aliran
hujan. Matriks aliran hujan adalah matriks n x n data di mana n sama dengan
jumlah bin. Setiap elemen dalam matriks berisi jumlah siklus yang ditemukan
dalam riwayat waktu yang sesuai dengan amplitudo ‘Dari’ dan ‘Ke’.
Dua titik stres dalam (S2 dan S3) kini dihapus dari riwayat waktu muat. Empat
poin pertama dalam riwayat waktu yang tersisa (nilai S1, S2, S3, S4 baru)
dievaluasi lagi. Kali ini, tidak ada siklus lengkap dalam empat titik yang
dihubungkan oleh garis ungu seperti yang ditunjukkan pada Gambar 9.
Gambar 9 : Dari sisa sejarah waktu, empat poin pertama (dihubungkan dengan garis ungu)
dievaluasi. Dua nilai dalam (S2 dan S3) tidak dibatasi oleh nilai-nilai luar (S1 dan S4). Karena
itu, tidak ada siklus yang lengkap.
Tegangan dalam, di mana S2 = 6 dan S3 = 2, memiliki kisaran 4. Tegangan luar,
di mana S1 = 2 dan S4 = 4, memiliki rentang 2. Titik-titik S2 dan S3 tidak dalam
titik-titik S1 dan [Link] hal ini siklusnya tidak lengkap. Empat poin
berikutnya dalam deret waktu akan dievaluasi seperti yang ditunjukkan pada
Gambar 9 oleh garis ungu muda yang menghubungkan.
8|Page
Gambar 10 : Karena empat poin pertama tidak menghasilkan siklus lengkap, empat poin
berikutnya dievaluasi. Sekarang ada siklus lengkap.
Untuk empat poin pada Gambar 9, ada siklus lengkap. Seperti siklus pertama
yang diidentifikasi, ia juga memiliki rentang 2. Dalam hal ini, bagaimanapun,
siklus berjalan dari 2 menjadi 4, dan bukan dari 5 menjadi 3. Kedua siklus ini
memiliki rata-rata dan arah yang berbeda, yang dipertahankan dalam matriks
‘rainflow’.Proses dilanjutkan hingga semua siklus yang dapat diidentifikasi
dihapus dan dihitung dari sejarah waktu seperti yang ditunjukkan pada
Gambar 11.
9|Page
Gambar 11: Rainflow matrik dan residu
Tidak dapat dihindari, ada beberapa siklus yang tidak menutup (mis., Tidak
lengkap). Siklus tidak tertutup ini dipertahankan, dan disebut 'residu' dari
matriks [Link] berisi siklus tertutup terbesar yang ada dalam
sejarah waktu. Jika sejarah waktu adalah untuk satu lap dari tanah yang
terbukti tahan lama, untuk menghitung kerusakan untuk 1000 lap, setiap
elemen dari matriks akan dikalikan dengan 1000. Residunya akan
ditambahkan 1000 kali lipat dan siklus yang tidak tertutup kemudian dihitung
dan ditambahkan ke matriks aliran hujan.
Matriks Rainflow
'Rainflow Matrix' dan 'Residue' adalah hasil akhir dari proses penghitungan
curah hujan. Mereka mengandung informasi berikut:
10 | P a g e
1. Amplitudo siklus - Di bagian atas layar adalah tingkat stres "Kepada" untuk
siklus tersebut. Di seberang adalah tingkat stres "Dari" untuk siklus.
Rentang atau amplitudo siklus adalah | Ke-Dari |.
2. Siklus rata-rata - Rata-rata siklus adalah (Ke + Dari) / 2. Tegangan rata-rata
menentukan apakah siklusnya tekan atau tarik, yang memengaruhi
akumulasi kerusakan.
3. Jumlah siklus - Jumlah siklus ditunjukkan, kadang-kadang dengan warna
menentukan jumlah ambang siklus tertentu
Matriks rainflow 'Dari-Ke' memiliki tiga dimensi :
a) Dari - Tempat tingkat tekanan tempat siklus berasal
b) Ke - Tempat tingkat tekanan tempat siklus selesai
c) Nomor - Jumlah kali siklus Dari-Ke tertentu terjadi
CONTOH SOAL PERHITUNGAN RAINFLOW
1. Lakukan teknik penghitungan siklus rainflow pada riwayat waktu muat
layanan yang diberikan seperti yang ditunjukkan pada Gambar 3.2 (a)
di mana ia telah dibangun mulai dari titik maksimum terbesar A dan
berakhir dengan nilai beban yang sama di A.
Solusi :
1. Putar history waktu muat 90 ° searah jarum jam.
2. Tunjuk A sebagai titik ekstrem pertama, puncak terbesar dalam
sejarah waktu muat ini.
3. Identifikasi pembalikan terbesar A – D saat aliran hujan dimulai pada
A dan jatuh dari titik ekstrim kedua D, lembah terkecil dalam sejarah
waktu muat ini.
4. Identifikasi pembalikan terbesar kedua D – A ketika aliran memulai
pada D dan berakhir pada titik ekstrem lainnya, yang kebetulan
merupakan yang pertama, A.
5. Dalam pembalikan A – D terbesar pertama,
11 | P a g e
a. Identifikasi pembalikan B – C saat hujan mulai mengalir di B dan
berakhir pada C karena D adalah maksimum yang lebih besar
dari B.
b. Identifikasi pembalikan C – B saat hujan mulai mengalir di C dan
memenuhi aliran sebelumnya di B.
c. Selesaikan semua poin di pembalikan besar A – D pertama.
6. Dalam pembalikan terbesar kedua D – A,
a. Identifikasi pembalikan E – H ketika hujan mulai mengalir di E
dan jatuh dari atap di H.
b. Identifikasi pembalikan H – E ketika hujan mulai mengalir di titik
H dan memenuhi aliran sebelumnya di E.
c. Identifikasi pembalikan F – G saat hujan mulai mengalir di F dan
berakhir pada G karena H adalah maksimum yang lebih besar
dari F.
d. Identifikasi pembalikan G – F saat hujan mulai mengalir dari titik
ekstrim berturut-turut G dan memenuhi aliran sebelumnya di F.
e. Selesaikan semua poin di pembalikan terbesar kedua D – A.
7. Hasil penghitungan siklus rainflow dalam hal pembalikan dan siklus
diberikan masing-masing dalam Tabel 3.1 dan 3.2.
Gambar 3.2 : Ilustrasi teknik penghitungan rainflow. Identifikasi pembalikan dan memuat
siklus: (a) riwayat waktu muat layanan dan (b) rainflow siklus menghitung riwayat pemuatan
12 | P a g e
Ketika histori pemuatan bersifat periodik, histori pemuatan perlu disusun
ulang untuk mulai dari titik ekstrem terbesar dan titik ekstrem ini diulangi
pada akhirnya, yang pada dasarnya menutup loop histeresis terbesar. Karena
itu semua pembalikan bagian dalam berpasangan untuk membentuk siklus.
Jika tidak, untuk kasus pembebanan non-periodik, di mana riwayat
pembebanan tidak dimulai dan diakhiri dengan titik ekstrem terbesar, teknik
rainflow akan mengidentifikasi pembalikan yang tidak berpasangan, atau
setengah siklus, di samping siklus penuh.
13 | P a g e