Monitoring Keausan Pahat Menggunakan Artificial Neural Networks pada Proses Turning

Abstract

Dalam penelitian ini dikembangkan sebuah sistem monitoring dengan menggunakan Artificial Neural Networks (ANN) Backpropagation untuk memprediksi keausan cutting tool (pahat) sehingga diharapkan dapat meningkatkan produktifitas dan mencegah lebih dini kerugian akibat keausan pahat seperti permukaan komponen tidak rata, pahat rusak (chipping) dan perawatan mesin tidak terjadwal yang dapat berdampak pada membengkaknya biaya produksi. Sinyal suara selama proses pemotongan akan ditangkap oleh microphone dan diproses menggunakan software LabVIEW berupa time domain dan frequency domain. Sinyal yang diterima oleh LabVIEW kemudian difilter sehingga nilai yang muncul merupakan sinyal dari proses pemotongan dan bukan noise dari luar. Sinyal tersebut digunakan sebagai informasi untuk menentukan pola atau karakteristik ketika pahat aus dan digunakan untuk membangun jaringan ANN Backpropagation. Arsitektur ANN Backpropagation dengan menggunakan fungsi aktivasi sigmoid biner (logsig), 2 neuron pada input layer, 500 neuron pada hidden layer dan 2 neuron pada output layer (2 × 500 × 2) mampu mengenali kondisi pahat selama proses pemotongan dengan memberikan hasil kinerja sebesar 92%