Optimasi Multi Respon Proses End Milling pada Material Paduan Aluminium 7075-T651 Berdinding Tipis Menggunakan Minimum Quantity Lubrication dengan Metode Backpropagation Neural Network-Genetic Algorithm

Sabil, Sabil (2024) Optimasi Multi Respon Proses End Milling pada Material Paduan Aluminium 7075-T651 Berdinding Tipis Menggunakan Minimum Quantity Lubrication dengan Metode Backpropagation Neural Network-Genetic Algorithm. Masters thesis, Institut Teknologi Sepuluh Nopember.

[thumbnail of 6007221004-Master_Thesis.pdf] Text
6007221004-Master_Thesis.pdf - Accepted Version
Restricted to Repository staff only until 1 October 2026.

Download (4MB) | Request a copy

Abstract

Konstruksi struktur penerbangan modern, dibuat secara eksklusif sebagai struktur berdinding tipis berbahan paduan aluminium 7075, yang digunakan secara sempurna untuk meminimalkan berat konstruksi sebuah pesawat. Persyaratan ketat untuk konstruksi penerbangan modern adalah daya tahan dan keandalan yang tinggi. Elemen terpenting disini adalah massa struktur yang memiliki dampak menentukan pada penerbangan dan sifat teknis, serta efisiensi ekonomi. End milling merupakan salah satu jenis proses pemesinan face milling, yang digunakan untuk memproduksi material dengan bentuk-bentuk yang kompleks, seperti struktur berdinding tipis yang digunakan dalam konstruksi pesawat terbang. Nilai dari setiap parameter proses menjadi penting untuk ditentukan agar menghasilkan produk berdinding tipis yang berkualitas pada material paduan aluminium 7075-T651. Oleh karena itu, penelitian ini bertujuan untuk mengetahui parameter proses dan level-levelnya, yang dapat menimalkan kekasaran permukaan dan penyimpangan geometri pada proses end milling material berdinding tipis yang terbuat dari bahan paduan aluminium 7075-T651. Spesimen ini memiliki ukuran panjang 80 mm, lebar 16 mm, tinggi 36 mm, dengan dinding tipisnya memiliki ketebalan akhir 2 mm dan tinggi 25 mm. Eksperimen tersebut menggunakan matriks ortogonal L18 yang direplikasi dua kali. Parameter proses yang dimodifikasi adalah kecepatan spindle: 3000 rpm, 5000 rpm, 7000 rpm, kecepatan makan: 50 mm/menit, 100 mm/menit, 150 mm/menit, kedalaman pemotongan: 0,25 mm, 0,50 mm, 0,75 mm, dan arah penyemprotan cairan MQL: searah pemotongan dan berlawanan arah pemotongan. Metode backpropagation neural network (BPNN) digunakan untuk memodelkan hasil eksperimen. Arsitektur jaringan yang dihasilkan dari proses pemodelan BPNN digunakan sebagai fungsi objektiv dalam proses optimasi menggunakan Genetic Algorithm (GA). Selanjutnya, eksperimen konfirmasi dilakukan untuk memvalidasi dan mengkonfirmasi hasil dari proses optimasi yang telah dilakukan sebelumnya. Hasil optimasi multi respon menggunakan BPNN-GA menunjukan bahwa nilai minimum untuk respon kekasaran permukaan permukaan adalah 0,196 dan penyimpangan geometri adalah 0,205 dapat dicapai dengan menggunakan kecepatan spindle 7000 rpm, kecepatan makan 75 mm/menit, kedalaman pemotongan 0,25 mm dan arah penyemprotan cairan MQL searah pemotongan. Hasil eksperimen konfirmasi mampu menghasilkan nilai respon yang minimum sesuai dengan hasil optimasi. Penggunaan arah penyemprotan cairan MQL searah pemotongan dapat menghasilkan kekasaran permukaan dan penyimpangan geometri yang minimal. Kekasaran permukaan dan penyimpangan geometri mengalami peningkatan seiring dengan meningkatnya kecepatan makan dan kedalaman pemotongan, sedangkan kecepatan spindle yang maksimum dapat meminimalkan kekasaran permukaan dan penyimpangan geometri.
=================================================================================================================================
The construction of modern aviation structure is made exclusively as thin-walled structure made from aluminum alloy 7075 which is used perfectly to minimize the construction weight of an airplane. The strict requirements for modern aviation construction are high durability and reliability. The important element here is structure mass that has a determining impact on aviation and technical properties, as well as economic efficiency. End milling is one of the types of face milling machining process which is used to produce materials with complex shapes, such as thin-walled structure used in aviation construction. The value of each process parameter has become essential to determine in order to produce quality thin-walled products from on aluminum alloy material 7075-T651. Therefore, this research aims to find out the process parameter and its levels that can minimize surface roughness and geometric deviation of end milling process of thin-walled materials made from aluminum alloy material 7075-T651. This specimen measures 80 mm long, 16 mm wide, 36 mm high with its thin wall having final thickness of 2 mm and height of 25 mm. The experiment used L18 ortogonal matrix replicated twice. The process parameter that was modified was spindle speed: 3000 rpm, 5000 rpm, 7000 rpm, feed rate: 50 mm/minute, 100 mm/minute, 150 mm/minute, depth of cut: 0,25 mm, 0,50 mm, 0,75 mm, and spraying direction of MQL liquid: in the direction of cutting and opposite the cutting direction. Backpropagation neural network (BPNN) method was used to model the result of the experiment. Network architecture resulted from the BPNN modelling process was used as objective function in the optimization process using Genetic Algorithm (GA). Furthermore, confirmation experiment was carried out to validate and confirm the result of optimization process that had been carried out previously. The result of multi response optimization using BPNN-GA showed that the minimum value for surface roughness is 0,196 and geometric deviation is 0,205 response could be achieved using spindle speed 7000 rpm, feed rate 75 mm/minute, depth of cut 0,25 mm and the spraying direction of MQL liquid was in the direction of cutting. The result of confirmation experiment was able to produce minimum response value in accordance with the optimization result. The use of the MQL liquid spraying direction that was in the direction of cutting could achieve minimum surface roughness and geometric deviation. Surface roughness and geometric deviation showed an increase as the feed and depth of cut increasing, meanwhile maximum spindle speed could minimize surface roughness and geometric deviation.

Item Type: Thesis (Masters)
Uncontrolled Keywords: End milling, dinding tipis, paduan aluminium 7075-T651, MQL, BPNN, GA, thin wall, aluminum alloy 7075-T651
Subjects: T Technology > T Technology (General)
T Technology > TJ Mechanical engineering and machinery
T Technology > TJ Mechanical engineering and machinery > TJ1225 Milling machines numerically controlled
Divisions: Faculty of Industrial Technology and Systems Engineering (INDSYS) > Mechanical Engineering > 21101-(S2) Master Thesis
Depositing User: Sabil Sabil
Date Deposited: 09 Aug 2024 01:03
Last Modified: 03 Sep 2024 03:53
URI: http://repository.its.ac.id/id/eprint/115078

Actions (login required)

View Item View Item