Sistem Pendeteksi Kepatahan Mata Bor pada Mesin Cetak PCB berdasarkan Analisa Getaran Spindle menggunakan Teensy Board

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.

[img] Text
07111340000016-Undergraduate_Thesis.pdf
Restricted to Repository staff only

Download (4MB) | Request a copy

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)
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 > T Technology (General)
Divisions: Faculty of Industrial Technology > Electrical Engineering > (S1) Undergraduate Theses
Depositing User: Putra Trimardian Asri
Date Deposited: 01 Mar 2018 02:15
Last Modified: 01 Mar 2018 02:15
URI: http://repository.its.ac.id/id/eprint/49620

Actions (login required)

View Item View Item