Asri, Putra Trimardian (2018) Sistem Pendeteksi Kepatahan Mata Bor pada Mesin Cetak PCB berdasarkan Analisa Getaran Spindle menggunakan Teensy Board. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
07111340000016-Undergraduate_Thesis.pdf - Accepted Version Download (4MB) | Preview |
Abstract
Pemanfaatan Computer Numerical Control (CNC) adalah salah satu bentuk penerapan teknologi industri yang membuat hasil produksi lebih presisi dan akurat. CNC juga dapat diterapkan pada proses pencetakan Printed Circuit Board (PCB) menggantikan proses pelarutan secara kimiawi yang tidak ramah lingkungan. Akan tetapi penggunaan pencetak PCB berbasis CNC memiliki risiko yakni patahnya mata bor. Pada penelitian ini telah dibuat suatu sistem pendeteksian kepatahan mata bor berdasarkan analisa getaran. Sensor yang digunakan untuk dapat mendeteksi getaran adalah MEMS accelerometer yang mempunyai kemampuan pengukuran sampai 3,6g. Untuk dapat mengenali kepatahan mata bor, perlu dilakukan pengolahan sinyal dengan menggunakan Fast Fourier Transform. Lebar spektrum frekuensi yang digunakan adalah 0-1000Hz. Pola spektrum frekuensi tersebut digunakan sebagai input Artificial Neural Network untuk dapat mengenali kepatahan mata bor. Pemrosesan Fast Fourier Transform dan Artificial Neural Network dilakukan pada Teensy 3.2 development board. Hasil eksperimen dengan kecepatan putaran spindle 30000 RPM menunjukkan bahwa Artificial Neural Network dapat mendeteksi kepatahan mata bor dengan tingkat keberhasilan 80%. Penggunaan jenis PCB yang lebih keras dapat meningkatkan keberhasilan menjadi 91.67%. Sistim ini diharapkan dapat diterapkan pada CNC sebagai pencetak PCB sehingga dapat lebih efisien pada konsumsi daya dan waktu.
=======================================================================================================
Utilization of Computer Numerical Control (CNC)
is one
ap
plication of
industrial technology that makes
the product
more precise and accurate.
CNC can also be
used to fabricate
Printed Circuit Board (PCB)
as a
substitute for
chemical dissolution process
which
is not environmental
ly
friendly. However,
CNC
-
based PC
B printers
are prone to
tool breakage.
In this research, tool breakage detection system based on vibration
analysis has been created. The sensor used to detect vibration is a MEMS
accelerometer that has a measurement c
apability up to 3,6g. To
recognize
the
tool breakage, it is necessary to do signal processing
by implementing
Fast Fourier Transform. The width of the frequency spectrum pattern
between 0
-
1000Hz is used as an Artificial Neural Network
input with one
hidden layer
to recognize the tool breakage.
Fast Fourier Transform and
Artific
ial Neural Network processing are
performed on Teensy 3.2
development board. Experimental result
s
with 30000RPM spindle speeds
indicate that Artific
ial Neural Network can detect
tool breakage w
ith 80%
success rate.
The us
e on harder PCB types increase
s
the success rate to
91.67%.
Implementation of the system on the CNC as PCB printer will
improve efficiency
in power consumption and time.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Additional Information: | RSE 621.398 1 Asr s-1 3100018074545 |
| Uncontrolled Keywords: | artificial neural network, fast fourier transform, kepatahan mata bor, pencetak PCB |
| Subjects: | Q Science > QA Mathematics > QA76.87 Neural networks (Computer Science) T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK7871.674 Detectors. Sensors |
| Divisions: | Faculty of Electrical Technology > Electrical Engineering > 20201-(S1) Undergraduate Thesis |
| Depositing User: | Putra Trimardian Asri |
| Date Deposited: | 01 Mar 2018 02:15 |
| Last Modified: | 17 Jun 2020 03:38 |
| URI: | http://repository.its.ac.id/id/eprint/49620 |
Actions (login required)
 |
View Item |