Study Of The Influence Of 3D Printing Process Parameters On The Impact Strength Of Kenaf/PP Composite Materials

Salim, Muhammad Bahreisy (2025) Study Of The Influence Of 3D Printing Process Parameters On The Impact Strength Of Kenaf/PP Composite Materials. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5007211123-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only Download (5MB) | Request a copy

Abstract

Manufaktur aditif, khususnya Fused Deposition Modeling (FDM), memungkinkan produksi lapis demi lapis dengan limbah yang berkurang dan mendukung komposit serat alami seperti kenaf untuk aplikasi berkelanjutan. Namun, pengaruh parameter pencetakan 3D terhadap kekuatan impak komposit kenaf/PP masih kurang dieksplorasi. Penelitian ini bertujuan untuk membuat filamen komposit kenaf-polipropilena, mengidentifikasi kombinasi parameter pencetakan 3D yang optimal, mengevaluasi variabilitas kekuatan impak komponen cetak 3D, dan menilai komposit kenaf/PP sebagai alternatif material sintetis. Proses pencetakan menggunakan metode FDM dengan variasi parameter kerapatan isi (50%, 75%, 100%), kecepatan cetak (50 mm/s , 75 mm/s, 100 mm/s), dan ketebalan lapisan (0,1 mm, 0,15 mm, 0,2 mm). Material yang digunakan adalah komposit berbasis PP dengan kandungan serat kenaf 3% dan 5%. Proses fabrikasi spesimen dimulai dengan menimbang material dan kemudian mencampurnya secara menyeluruh. Campuran tersebut kemudian diproses menjadi filamen menggunakan ekstruder sekrup tunggal. Filamen kemudian digunakan sebagai bahan dasar dalam proses pencetakan 3D. Untuk menganalisis hubungan antara parameter pencetakan dan kekuatan impak, model Artificial Neuarl Network (ANN) dikembangkan menggunakan Matlab. Model JST kemudian dioptimalkan menggunakan Algoritma Genetika (GA) untuk menentukan kombinasi parameter pencetakan terbaik yang menghasilkan kekuatan impak maksimum. Hasil pengujian yang diperoleh dari ANOVA menunjukkan bahwa kecepatan pencetakan dan kerapatan pengisian merupakan parameter dengan pengaruh yang signifikan terhadap kekuatan impak. Dari proses pelatihan ANN, model yang dipilih menggunakan fungsi pelatihan trainbr dengan satu lapisan tersembunyi dari tujuh neuron, menggunakan fungsi aktivasi tansig pada lapisan tersembunyi dan purelin pada lapisan keluaran, mencapai MSE 0,05403. Optimasi dengan Algoritma Genetika menghasilkan pengaturan parameter optimal kecepatan pencetakan 100mm/s dan kerapatan pengisian 100%. Validasi statistik menggunakan uji-t satu sampel menunjukkan bahwa kekuatan impak rata-rata sebesar 3,375 kJ/m² dari eksperimen konfirmasi konsisten dengan nilai prediksi dari hasil optimasi. Penambahan serat kenaf ke PP secara signifikan meningkatkan kekuatan impaknya, dengan hasil eksperimen menunjukkan nilai rata-rata 2,472 kJ/m² untuk PP murni, dan peningkatan ini dikonfirmasi signifikan secara statistik oleh uji-t dua sampel.
====================================================================================================================================
Additive manufacturing, especially Fused Deposition Modeling (FDM), enables layer-by-layer production with reduced waste and supports natural fiber composites like kenaf for sustainable applications. However, the effect of 3D printing parameters on the impact strength of kenaf/PP composites remains underexplored. This study aims to fabricate kenaf-polypropylene composite filament, identify optimal 3D printing parameter combinations, evaluate the variability in impact strength of 3D-printed parts, and assess kenaf/PP composites as an alternative to synthetic materials. The printing process uses the FDM method with variations in infill density parameters (50%, 75%, 100%), printing speed (50 mm/s, 75 mm/s, 100 mm/s), and layer thickness (0.1 mm, 0.15 mm, 0.2 mm). The materials used were PP-based composites with 3% and 5% kenaf fibre content. The specimen fabrication process begins by weighing the materials and then thoroughly mixing them. The mixture is then processed into filament using a single screw extruder. The filament is then used as the base material in the 3D printing process. To analyse the relationship between printing parameters and impact strength, an Artificial Neural Network (ANN) model was developed using Matlab. The ANN model was then optimised using Genetic Algorithm (GA) to determine the best combination of printing parameters that resulted in maximum impact strength. The test results obtained from ANOVA showed that printing speed and filling density are the parameters with a significant effect on impact strength. From the ANN training process, the selected model used the trainbr training function with one hidden layer of seven neurons, employing the tansig activation function in the hidden layer and purelin in the output layer, achieving an MSE of 0.05403. Optimization with the Genetic Algorithm produced optimal parameter settings of 100 mm/s printing speed and 100% filling density. Statistical validation using the one-sample t-test showed that the average impact strength of 3.375 kJ/m² from the confirmation experiment was consistent with the predicted value from the optimization results. The addition of kenaf fibers to PP significantly enhances its impact strength, with experimental results showing an average value of 2.472 kJ/m² for neat PP, and this improvement was confirmed as statistically significant by the two-sample t-test.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	FDM, Komposit Serat Alami, Kenaf, Polipropilena, ANOVA, Artificial Neural Network, Genetic Algorithm, Kekuatan Impak, FDM, Natural Fiber Composite, Kenaf, Polypropylene, ANOVA, Artificial Neural Network, Genetic Algorithm, Impact Strength.
Subjects:	Q Science > QC Physics > QC173.4.C63 Composite materials
Divisions:	Faculty of Industrial Technology > Mechanical Engineering > 21201-(S1) Undergraduate Thesis
Depositing User:	Muhammad Bahreisy Salim
Date Deposited:	31 Jul 2025 04:08
Last Modified:	31 Jul 2025 04:08
URI:	http://repository.its.ac.id/id/eprint/123728

Actions (login required)

View Item