Optimasi Gaya Tekan Dan Torsi Untuk Proses Drilling Dengan Material Natural Fiber Reinforced Sandwich Composites

Erlianto, Benedictus Harjunadi Kris (2022) Optimasi Gaya Tekan Dan Torsi Untuk Proses Drilling Dengan Material Natural Fiber Reinforced Sandwich Composites. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 02111840000008-Undergraduate Thesis.pdf Download (2MB)

Abstract

Machining adalah proses dimana material dibuang dari benda kerja sehingga terbentuk sebuah produk dengan bentuk dan ukuran tertentu. Salah satu jenis machining adalah gurdi(drilling). Proses gurdi merupakan proses pembuatan lubang dengan menekankan sebuah gurdi berputar pada objek. spindle speed, feeding, point angle of tool dan work sample adalah parameter utama yang harus diperhatikan dalam proses gurdi karena akan berpengaruh terhadap besarnya gaya tekan dan torsi. Penelitian ini berfokus pada proses drilling pada material Natural Fiber Reinforced Sandwich Composites dengan data yang diperoleh dari percobaan yang dilakukan oleh Department of Mechanical Engineering, Dr. M.G.R Educational and Research Institute University, Maduravoyal, Chennai- 600095, Tamilnadu, India pada tahun 2014. Dikarenakan hasil optimasi dilihat masih dapat ditingkatkan oleh sebab itu dilakukan penelitian untuk melakukan optimasi dari proses gurdi. Optimasi dilakukan untuk mendapatkan gaya tekan dan torsi minimal terhadap benda kerja. Optimasi ini menggunakan input variasi spindle speed, feeding, point angle of tool dan work sample dari suatu proses gurdi. Metode permodelan yang digunakan adalah Backpropagation Neural Network (BPNN) untuk memodelkan hubungan antara respon (besarnya gaya tekan dan torsi). Jaringan yang dihasilkan oleh BPNN selanjutnya digunakan untuk metode GA dan SA guna mendapatkan gaya tekan dan torsi seminimal mungkin. Secara umum, semakin banyak data yang digunakan oleh BPNN, maka hasil optimasi yang didapatkan akan semakin baik. Hasil dari penelitian ini akan dibandingkan dengan paper referensi (Rajamanickam, 2014). Hasil minimum yang diperoleh dari percobaan menggunakan BPNN untuk gaya tekan adalah dengan 3 hidden layers, masing-masing 5, 2, 5 neuron, dengan fungsi aktivasi tansig, tansig, tansig dan didapatkan MSE 0,00045 sedangkan untuk torsi adalah dengan 3 hidden layers, masing-masing 3, 7, 4 neuron, dan didapatkan MSE 0,00654. Hasil minimum yang diperoleh dari percobaan menggunakan BPNN-GA dengan parameter input yang digunakan adalah spindle speed 500 rpm, feeding 0,27 mm/rev, point angle of tool 60°, dan work sample yang digunakan adalah work sample 1, work sample 1 merupakan material Natural Fiber Reinforced Sandwich Composites dengan mechanical properties tensile strength sebesar 71,73 MPa, tensile modulus 1736 MPa, tensile strain at break 9,5%, flexural strength 133,11 MPa, flexural modulus 2894 MPa, flexural strain at break 7%, compressive strength 122,21 MPa, impact energy 11 Joule diperoleh parameter respon gaya tekan 77,2892 N dan torsi 4,2534 Nm. Sedangkan hasil minimum yang diperoleh dari percobaan menggunakan BPNN-SA parameter input yang digunakan adalah spindle speed 500 rpm, feeding 0,26 mm/rev, point angle of tool 60°, dan work sample yang digunakan adalah work sample 1, work sample 1 merupakan material Natural Fiber Reinforced Sandwich Composites dengan mechanical properties tensile strength sebesar 71,73 MPa, tensile modulus 1736 MPa, tensile strain at break 9,5%, flexural strength 133,11 MPa, flexural modulus 2894 MPa, flexural strain at break 7%, compressive strength 122,21 MPa, impact energy 11 Joule diperoleh parameter respon gaya tekan 77,3982 N sedangkan torsi 4,1985 Nm
==================================================================================================================================
Machining is a process where material is removed from the workpiece to form a product with a certain shape and size. One type of machining is drill (drilling). The drilling process is the process of making a hole by emphasizing a rotating drill on the object. spindle speed, feeding, point angle of tool and work sample are the main parameters that must be considered in the drilling process because they will affect the magnitude of the compressive force and torque.
This research focuses on the drilling process on Natural Fiber Reinforced Sandwich Composites with data obtained from experiments conducted by the Department of Mechanical Engineering, Dr. M.G.R Educational and Research Institute University, Maduravoyal, Chennai�600095, Tamilnadu, India in 2014. Due to the optimization results, it is seen that they can still be improved, therefore research is carried out to optimize the drill process. Optimization is carried out to obtain minimal compressive force and torque on the workpiece. This optimization uses input variations of spindle speed, feeding, point angle of tool and work samples from a drill process. The modeling method used is Backpropagation Neural Network (BPNN) to model the relationship between the response (the magnitude of the compressive force and torque). The network generated by BPNN is then used for the GA and SA methods in order to obtain the minimum possible compressive force and torque. In general, the more data used by BPNN, the optimization results will be better. The results of this study will be compared with reference papers (Rajamanickam, 2014). The minimum result obtained from the experiment using BPNN for compressive forces is with 3 hidden layers, each 5, 2, 5 neurons, with activation functions tansig, tansig, tansig and obtained MSE 0,00045 while for torsion is with 3 hidden layers, each 3, 7, 4 neurons, and obtained MSE 0,00654. The minimum results obtained from the experiment using BPNN-GA with the input parameters used are spindle speed 500 rpm, feeding 0,2693 mm/rev, point angle of tool 60°, and the work sample used is work sample 1, work sample 1 is Natural Fiber Reinforced Sandwich Composites material with mechanical properties tensile strength of 71,73 MPa, tensile modulus 1736 MPa, tensile strain at break 9.5%, flexural strength 133,11 MPa, flexural modulus 2894 MPa, flexural strain at break 7%, compressive strength of 122,21 MPa, impact energy of 11 Joules, the response parameters of the compressive force are 77,2964 N and the torque is 4.2495 Nm. While the minimum results obtained from the experiment using BPNN-SA, the input parameters used are spindle speed 500 rpm, feeding 0,2586 mm/rev, point angle of tool 60°, and the work sample used is work sample 1, work sample 1 is Natural Fiber Reinforced Sandwich Composites material with mechanical properties tensile strength of 71,73 MPa, tensile modulus 1736 MPa, tensile strain at break 9.5%, flexural strength 133,11 MPa, flexural modulus 2894 MPa, flexural strain at break 7%, compressive strength of 122,21 MPa, impact energy of 11 Joules, the response parameter of the compressive force is 77,2207 N while the torque is 4,2506 Nm.

Item Type:	Thesis (Other)
Additional Information:	RSM 621.952 Erl o-1 2022
Uncontrolled Keywords:	Drilling, Backpropagation Neural Netwok, Genetic Algorithm, Simulated Annealing, Natural Fiber Reinforced Sandwich Composites
Subjects:	T Technology > TJ Mechanical engineering and machinery > TJ1260 Drilling and boring.
Divisions:	Faculty of Industrial Technology and Systems Engineering (INDSYS) > Mechanical Engineering > 21201-(S1) Undergraduate Thesis
Depositing User:	Mr. Marsudiyana -
Date Deposited:	14 Feb 2025 08:43
Last Modified:	14 Feb 2025 08:43
URI:	http://repository.its.ac.id/id/eprint/118750

Actions (login required)

View Item