Studi Eksperimental Pengaturan Sudut Bahu Cekung Tool dan Optimasi Parameter Proses Friction Stir Welding dengan Metode Back Propagation Neural Network-Genetic Algorithm

Mulyadi, Mulyadi (2024) Studi Eksperimental Pengaturan Sudut Bahu Cekung Tool dan Optimasi Parameter Proses Friction Stir Welding dengan Metode Back Propagation Neural Network-Genetic Algorithm. Doctoral thesis, Institut Teknologi Sepuluh Nopember.

Text 02111960010001-Dissertation.pdf - Accepted Version Restricted to Repository staff only until 1 April 2026. Download (9MB) | Request a copy

Abstract

Friction Stir Welding (FSW) sampai saat ini masih menjadi pilihan untuk mengelas bahan paduan aluminium maupun non aluminium. Berdasarkan kebutuhan produk yang beraneka ragam bentuk, dimensi, material dan sifat mekanik maupun nonmekanik, tak kalah penting peningkatan kualitas sambungan bebas cacat, kekuatan Tarik, kekuatan Impak, dan Penetrasi pengelasan merupakan sebagian yang diharapkan dari hasil proses FSW. Untuk itu parameter proses menjadi hal utama yang sangat berpengaruh. Akan tetapi masing-masing parameter proses tersebut belum ada standar yang bisa diaplikasikan untuk semua material. Dalam FSW, sumber panas untuk melunakkan material induk berasal dari gesekan antara pin yang berputar dengan material benda kerja dan pemanasan adiabatik karena deformasi material, aliran sirkulasi ulang dari material plastis yang terjadi di dekat permukaan tool. Permasalahan yang sering terjadi dalam proses FSW adalah gaya penekanan terlalu rendah, temperatur material terlalu panas, temperatur material terlalu dingin, material lengket pada bahu tool, dan lain-lain. Akibat dari kondisi proses tersebut mengakibatkan terjadinya cacat dan kekuatan mekanik menurun, untuk mengurangi hal tersebut pengaturan parameter proses perlu dilakukan. Beberapa penelitian berkaitan dengan parameter proses telah diusulkan dalam dekade terakhir ini. Berdasarkan penelitian yang telah dilakukan, perubahan parameter proses sangat berpengaruh terhadap terjadinya cacat dan kekuatan mekanik hasil proses pengelasan. Akan tetapi, pengaturan parameter proses dari penelitian tersebut diatas tidak diikuti dengan pengaturan sudut bahu cekung tool. Sudut bahu cekung berfungsi membantu mengarahkan aliran material ke pusat dekat pin, sehingga aliran material yang berlebihan akibat panas tinggi yang keluar dari bahu tool dapat dikurangi. Oleh karena itu, pengaturan parameter proses sangat diperlukan agar tetap sesuai dengan kriteria yang diharapkan terutama untuk meminimalisir terjadinya cacat. Parameter proses yang mungkin diatur untuk meminimalisir terjadinya cacat adalah sudut bahu cekung. Penelitian yang mempertimbangkan sudut bahu cekung sudah diusulkan dalam dekade terakhir. Dari penelitian-penelitian tersebut belum ditemukan yang memilih sudut bahu cekung yang tepat berdasarkan metode optimasi. Penentuan sudut bahu cekung terbaik hanya berdasarkan pemilihan dari beberapa kasus yang sudah ditentukan terlebih dahulu. Salah satu metode optimasi berbasis kecerdasan buatan seperti algoritma genetika dianggap cukup baik karena dapat memperoleh global optimum dari suatu persamaan non-liner. Tetapi metode ini hanya mampu menjangkau parameter yang sudah ditetapkan sebelumnya. Belum ada penelitian yang dapat menjangkau parameter lain yang mungkin dapat menghasilkan kondisi lebih optimal. Agar algoritma genetika dapat menentukan besarnya sudut bahu cekung yang paling optimal, suatu persamaan yang menggambarkan hubungan antara parameter terpilih, dengan kualitas sambungan las harus dibangun terlebih dahulu. Artificial Neural Network (ANN) merupakan salah satu metode yang bisa memprediksi suatu variabel terikat berdasarkan variabel bebas yang mempengaruhinya. ANN digunakan untuk pemodelan dan memprediksi berbagai proses. Akan tetapi, metode ini belum diterapkan untuk pengaturan pasangan parameter proses FSW (sudut bahu cekung, kecepatan rotasi tool, kecepatan pengelasan, dan sudut kemiringan tool) untuk mendapatkan kualitas sambungan las (bebas cacat, kekuatan Tarik, kekuatan Impak, dan Penetrasi pengelasan) secara serempak. Oleh karena itu, penentuan parameter optimal pada proses FSW untuk mengoptimalkan kualitas sambungan las dengan menggunakan metode gabungan Back Propagation Neural Network (BPNN) dan Genetic Algorithm (GA) diusulkan dalam penelitian ini. Hasil penelitian menunjukkan, parameter-proses kecepatan rotasi tool, kecepatan pengelasan, dan sudut kemiringan tool dalam FSW memberikan dampak signifikan terhadap karakteristik termomekanik sambungan las, terutama pada kekuatan Tarik, kekuatan Impak, dan Penetrasi las. Namun, peran krusial juga dimainkan oleh sudut bahu cekung dalam menentukan aliran material dan distribusi panas, berkontribusi secara besar pada kekuatan Tarik dan kekuatan Impak sambungan las. Meskipun demikian, pengaruh sudut bahu cekung pada Penetrasi las tidak sebesar pada kekuatan sambungan, karena tekanan tool dan kedalaman penetrasi tool lebih dominan. Metode gabungan BPNN-GA telah berhasil mencapai kondisi optimum dengan nilai-nilai parameter proses yang mencakup kecepatan rotasi tool sebesar 2.192 rpm, kecepatan pengelasan sebesar 36,3 mm/min, sudut kemiringan tool sebesar 3,4º, dan sudut bahu cekung sebesar 9º. Selain itu, prediksi kinerja yang diperoleh meliputi kekuatan Tarik sebesar 18,8 Kgf/mm², kekuatan Impak sebesar 0,7 joule/mm², dan Penetrasi las sebesar 4,6 mm. Hasil eksperimen konfirmasi menunjukkan hasil yang dapat dipercaya dengan tingkat kepercayaan sebesar 95%. Sebagai rekomendasi praktis, penggunaan alat dengan desain insert direkomendasikan dalam pengelasan panjang, terutama pada produksi skala besar, untuk memaksimalkan efisiensi produksi dan meminimalkan waktu henti. Meski begitu, dalam situasi di mana kekuatan dan stabilitas alat lebih kritis, terutama pada frekuensi rendah penggantian pin, desain tanpa insert mungkin lebih direkomendasikan, terutama jika alat yang lebih kuat dapat menjamin konsistensi kualitas sambungan sepanjang proses pengelasan.
=================================================================================================================================
Friction Stir Welding (FSW) is still an option for welding aluminium and non-aluminium alloy materials. Based on the needs of products of various shapes, dimensions, materials, and mechanical and non-mechanical properties, it is no less important to improve the quality of defect-free joints. Tensile strength, impact strength, and welding penetration are some of the expected results of the FSW process. For this reason, process parameters are the main thing that is very influential. However, each of these process parameters has no standard that can be applied to all materials. In FSW, the heat source to soften the parent material comes from friction between the rotating pin and the workpiece material and adiabatic heating due to material deformation and the re-circulation flow of plasticized material that occurs near the tool surface. Problems that often occur in the FSW process are pressing force too low, material temperature too hot, material temperature too cold, sticky material on the tool shoulder, and others. As a result of these process conditions resulting in defects and decreased mechanical strength, to reduce this process, parameter settings need to be made. Several studies related to process parameters have been proposed in the last decade. Based on the research that has been conducted, changes in process parameters greatly affect the occurrence of defects and the mechanical strength of the welding process results. However, the setting of process parameters from the above research was not followed by setting the concave shoulder angle of the tool. The concave shoulder angle helps direct the material flow to the centre near the pin, so that excessive material flow due to high heat coming out of the tool shoulder can be reduced. Therefore, setting process parameters is necessary to keep it in accordance with the expected criteria, especially to minimise the occurrence of defects. The process parameter that may be adjusted to minimise the occurrence of defects is the concave shoulder angle. Research considering the concave shoulder angle has been proposed in the last decade. None of these studies have selected the right concave shoulder angle based on optimisation methods. The determination of the best concave shoulder angle is only based on the selection of some predetermined cases. One of the artificial intelligence-based optimisation methods, such as the genetic algorithm, is considered quite good because it can obtain the global optimum of a non-linear equation. But this method is only able to reach the parameters that have been set beforehand. There has been no research that can reach other parameters that might produce more optimal conditions. In order for the genetic algorithm to determine the most optimal concave shoulder angle, an equation describing the relationship between the selected parameters and the quality of the weld joint must first be constructed. An artificial neural network (ANN) is one of the methods that can predict a dependent variable based on the independent variables that affect it. ANN is used for modelling and predicting various processes. However, this method has not been applied to the setting of FSW process parameter pairs (concave shoulder angle, tool rotation speed, welding speed, and tool tilt angle) to obtain weld joint quality (defect-free, tensile strength, impact strength, and welding penetration) simultaneously. Therefore, the determination of optimal parameters in the FSW process to optimise the quality of welded joints by using the combined method of the Back Propagation Neural Network (BPNN) and Genetic Algorithm (GA) is proposed in this study. The results show that the process parameters of tool rotation speed, welding speed, and tool tilt angle in FSW have a significant impact on the thermomechanical characteristics of welded joints, especially on tensile strength, impact strength, and weld penetration. However, a crucial role is also played by the concave shoulder angle in determining material flow and heat distribution, contributing greatly to the tensile strength and impact strength of welded joints. However, the influence of concave shoulder angle on weld penetration is not as great as that on joint strength, as tool pressure and tool penetration depth are more dominant. The combined BPNN-GA method has successfully achieved optimum conditions with process parameter values that include tool rotation speed of 2,192 rpm, welding speed of 36.3 mm/min, tool tilt angle of 3.4º, and concave shoulder angle of 9º. In addition, the performance predictions obtained include a tensile strength of 18.8 kg/mm2, an impact strength of 0.7 joules/mm2, and a weld penetration of 4.6 mm. The results of the confirmation experiments showed reliable results with a confidence level of 95%. As a practical recommendation, the use of tools with an insert design is recommended in long welds, especially in large-scale production, to maximise production efficiency and minimise downtime. However, in situations where tool strength and stability are more critical, especially at low frequencies of pin replacement, an insertless design may be more recommended, especially if a stronger tool can ensure consistency of joint quality throughout the welding process.

Item Type:	Thesis (Doctoral)
Uncontrolled Keywords:	FSW, parameter proses, bebas cacat, BPNN-GA, eksperimen konfirmasi, process parameters, defect-free, confirmatory experiment.
Subjects:	T Technology > T Technology (General) > T57.62 Simulation T Technology > TA Engineering (General). Civil engineering (General) > TA418.16 Materials--Testing. T Technology > TA Engineering (General). Civil engineering (General) > TA480.A6 Aluminum alloys. T Technology > TN Mining engineering. Metallurgy > TN879.6 Welding
Divisions:	Faculty of Industrial Technology and Systems Engineering (INDSYS) > Mechanical Engineering > 21001-(S3) PhD Thesis
Depositing User:	MULYADI MULYADI
Date Deposited:	11 Feb 2024 15:33
Last Modified:	11 Feb 2024 15:33
URI:	http://repository.its.ac.id/id/eprint/106751

Actions (login required)

View Item