Norcahyo, Rachmadi (2017) Optimasi Multi Respon Proses Gurdi Carbon Fiber Reinforced Polymer (CFRP) Dengan Metode Backpropagation Neural Network–Particle Swarm Optimization (BPNN-PSO). Masters thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
2115201001-Master-Theses.pdf - Published Version Download (5MB) | Preview |
Abstract
Penggunaan material komposit di industri penerbangan telah mengalami peningkatan yang cukup signifikan. Material komposit dipilih karena memiliki kekuatan yang tinggi dengan berat yang rendah, sifat mampu bentuk yang baik, ketahanan terhadap korosi dan keausan yang tinggi, serta arah kekuatan yang dapat dikendalikan. Proses perakitan komponen yang terbuat dari komposit dengan komponen lainnya umumnya dilakukan dengan menggunakan mur, baut dan keling. Proses perakitan ini membutuhkan lubang yang dihasilkan dari proses gurdi. Lubang hasil penggurdi yang tidak sesuai dengan spesifikasi akan menyebabkan terjadinya kegagalan pada sambungan. Untuk menghasilkan lubang yang sesuai dengan spesifikasi, dibutuhkan pemilihan parameter proses penggurdian yang tepat dengan melakukan optimasi terhadap karakteristik kualitas yang kritis (KKK) atau critical to quality characteristics (CTQs) dari lubang. CTQs dari lubang hasil proses gurdi antara lain adalah gaya tekan, torsi, delaminasi lubang masuk dan delaminasi lubang keluar. Spesifikasi dari keempat CTQs tersebut adalah semakin kecil semakin baik (smaller is better). Agar spesifikasi dari keempat CTQs tersebut tercapai, maka perlu dilakukan optimasi multirespon.
Metode optimasi yang digunakan pada penelitian ini adalah gabungan antara metode backpropagation neural network dengan metode particle swarm optimisation (BPNN-PSO). Parameter-parameter proses gurdi yang divariasikan adalah geometri ujung pahat, kecepatan spindel dan kecepatan makan. Geometri ujung pahat yang digunakan adalah x type dan brad & spur. Kecepatan spindel divariasikan sebesar 1000 rpm, 2000 rpm dan 3000 rpm. Kecepatan makan divariasikan sebesar 50 mm/min, 150 mm/min dan 250 mm/min. Rancangan percobaan ditetapkan dengan menggunakan rancangan faktorial 2 x 3 x 3, dan replikasi dilakukan sebanyak 3 kali. Material komposit yang digunakan adalah carbon fiber reinforced polymer (CFRP). Parameter-parameter respon yang dioptimasi pada penelitian ini adalah gaya tekan, torsi, delaminasi lubang masuk dan delaminasi lubang keluar. Gaya tekan dan torsi diukur dengan dinamometer, sedangkan delaminasi diukur dengan cara membuat perbandingan antara diameter maksimum delaminasi yang diamati dengan diameter lubang nominal.
Pengembangan jaringan BPNN menghasilkan arsitektur jaringan 3-12-4, yang memiliki arti jaringan terdiri dari 3 input layer, 1 hidden layer dengan 12 neuron dan 4 output layer. Fungsi-fungsi aktivasi yang digunakan pada hidden layer, output layer dan pelatihan BPNN secara berturut-turut adalah tansig, purelin, dan trainlm. Optimasi PSO menghasilkan kombinasi dari parameter-parameter proses yang dapat meminimalkan respon secara serentak, yaitu geometri ujung pahat x type, kecepatan spindel sebesar 2993 rpm dan kecepatan makan sebesar 79 mm/menit. Hasil eksperimen konfirmasi dengan menggunakan pengaturan parameter proses tersebut mampu menghasilkan nilai respon yang minimum, sesuai dengan nilai respon hasil prediksi BPNN.
=================================================================
Carbon fiber reinforced polymer (CFRP) composite materials usage in the aircraft structural component, such as wings and rudder, have increased significantly. Drilling of these composite structure is essential to install fasteners for assembly. Thrust force, torque, hole entry delamination and hole exit delamination are some responses that used to evaluate the performance of drilling process. The quality characteristic of these responses are “smaller-is-better.” The aim of this experiment is to identify the combination of process parameters for achieving required multiple performance characteristic in drilling process of CFRP composite materials. The three important process parameters such as drill geometry, spindle speed and feeding speed were used as input parameters. Drill type was set at two different levels, while the other two were set at three different levels. Hence, a 2 x 3 x 3 full factorial was used as design experiments, the experiments were replicated three times. The optimization was conducted by using the combination of backpropagation neural network method and particle swarm optimisation method (BPNN-PSO). The architecture of developed BPNN network had 3 input layers, 1 hidden layer with 12 neurons and 4 output layers. The activation functions of hidden layer, output layer and network training were tansig, purelin and trainlm respectively. The minimum thrust force, torque, hole entry delamination and hole exit delamination could be obtained by using x type drill geometry, spindle speed and feed speed of 2993 rpm and 79 mm/min respectively.
| Item Type: | Thesis (Masters) |
|---|---|
| Additional Information: | RTM 621.952 Nor o |
| Uncontrolled Keywords: | BPNN-PSO, CFRP, drilling process, multi response optimization. |
| Subjects: | T Technology > TJ Mechanical engineering and machinery T Technology > TS Manufactures |
| Divisions: | Faculty of Industrial Technology > Mechanical Engineering > 21101-(S2) Master Thesis |
| Depositing User: | Rachmadi Norcahyo |
| Date Deposited: | 07 Dec 2017 07:57 |
| Last Modified: | 06 Mar 2019 03:02 |
| URI: | http://repository.its.ac.id/id/eprint/47350 |
Actions (login required)
 |
View Item |