Ilab Gunadarma

Senin, 06 November 2017

TABEL PERBANDINGAN JURNAL 1 DENGAN JURNAL 2


JURNAL 1
JURNAL 2
JUDUL
OPTIMASI PARAMETER MESIN LASER CUTTING TERHADAP KEKASARAN DAN LAJU PEMOTONGAN PADA SUS 316L MENGGUNAKAN TAGUCHI GREY RELATIONAL ANALYSIS METHOD

FAKTOR PENENTU SIFAT WARNA TANDAN BUAH SEGAR (TBS) SAWIT UNTUK MEMODELKAN KANDUNGAN MINYAK MENGGUNAKAN EVALUASI NONDESTRUKTIF
DOWNLOAD

SUMBER
Program Studi Teknik Industri, Fakultas Teknik, Universitas Diponegoro
Departemen Teknologi Industri Pertanian, Fakultas Teknologi Pertanian, Institut Pertanian Bogor
PERMASALAHAN
Semakin banyak dibutuhkan sheet metal yang bermacam-macam sehingga kualitas laju pemotongan produk juga harus ditingkatkan
Mengoptimalkan hasil panen dengan menentukan sifat warna TBS pada kandungan minyak
LATAR BELAKANG
Optimasi parameter yang digunakan pada proses manufaktur untuk mengoptimasi parameter CNC laser cutting, yaitu titik fokus sinar laser, tekanan gas cutting dan cutting speed untuk mengurangi variasi terhadap respon kekasaran dan laju pemotongan pada material SUS 316L. Masing-masing parameter memiliki 3 level dan menggunakan matriks orthogonal L9 (34). Metode ANOVA dan Taguchi digunakan untuk menganalisis data hasil percobaan. Optimasi kekasaran minimum permukaan dan laju pemotongan maksimum pada proses laser cutting dilakukan dengan menggunakan Grey relational analysis.
Kelapa sawit adalah salah satu komoditi unggulan dalam industri perkebunan di Indonesia. Potensi ini dapat dimaksimalkan dengan mengoptimalkan hasil panen. Tandan buah segar (TBS) sawit umumnya dipanen setelah umur pohon mencapai 3 tahun atau lebih. Namun pemanenan ini memiliki kelemahan yang dipengaruhi oleh faktor seperti angin, hujan, gangguan hewan, dan hama penyakit. Akibatnya hasil panen tidak optimal.
Maka digunakannya teknik tidak merusak menggunakan model deep neural network.
TUJUAN
Untuk mengoptimasi parameter CNC laser cutting, yaitu titik fokus sinar laser, tekanan gas cutting, dan cutting speed untuk mengurangi variasi terhadap repon kekasaran laju pemotongan pada material SUS 316L.
Untuk menemukan metode terbaik untuk merekam TBS sehingga informasi yang didapat dari citra hasil rekaman dapat dikorelasikan secara akurat dengan kematangan dan kandungan minyaknya
METODE PENELITIAN
Taguchi Grey Relational Analysis Method
Teknik pemeriksaan tidak merusak dengan tipe sistem machine-vision dengan model deep neural network
HASIL dan PEMBAHASAN
Penelitian menggunakan material SUS 316L dengan tebal 10mm
Parameter yang digunakan, yaitu parameter titik fokus sinar laser dengan nilai -14mm; -17mm dan -20 mm, parameter tekanan gas cutting dengan nilai 23 bar; 20 bar dan 17 bar, parameter cutting speed dengan nilai 0.6 m/menit; 0.4 m/menit dan 0.2 m/menit. Proses pemotongan menggunakan mesin CNC laser cutting TruLaser 3030 L20 milik PT. Dempo Laser Metalindo dengan bentuk pemotongannnya berdimensi 30x30 mm.

Terdapat 4 metode yang memiliki korelasi baik antara informasi warna pada citra kandungan minyak sampel, yaitu 10m_UV, 10 m_VIS2, 10m_IR2, dan 2 m_IR2 yang masing-masing memliki nilai koefisien korelasi (R2) antara hasil prediksi dengan nilai kandungan minyak yang terukur, masing masing sebesar 1; 1; 1 dan 0,981. Komponen warna yang paling dominan dalam penentuan kandungan minyak TBS dari keempat perlakuan tersebut adalah rasio warna terhadap B (RB) untuk perlakuan 10 m_UV, nilai H dan S dari warna citra pada perlakuan 10 m_Vis2, nilai I dan S dari warna citra pada perlakuan 10 m_IR2, dan nilai RB, H, dan B dari citra TBS pada perlakuan 2m_IR2.
KESIMPULAN
Jadi pada titik fokus sinar laser dengan nilai -14 mm, tekanan gas cutting dengan nilai 17 bar dan cutting speed dengan nilai 0.6 m/min. tekanan gas cutting dan cutting speed memiliki konstribusi dalam mengurangi variasi dari respon kekasaran dan laju pemotongan yaitu untuk titik fokus sinar laser memiliki konstribusi 29.01% dan tekanan gas cutting memiliki konstribusi paling besar dengan 50.36%. Sedangkan cutting speed tidak memiliki konstribusi yang signifikan dalam mengurangi variasi dari respon kekasaran dan laju pemotongan.
Dari hasil perekaman citra TBS pada empat konfigurasi perekaman, yaitu 10 m_UV, 10 m_Vis2, 10 m_IR2, dan 2 m_IR2. Berdasarkan nilai koefisien korelasi (R2) antara hasil prediksi dengan nilai kandungan minyak yang terukur, masing masing sebesar 1; 1; 1 dan 0,981 dan rasio warna R terhadap B (RB) untuk perlakuan 10 m_UV, nilai H dan S dari warna citra pada perlakuan 10 m_Vis2, nilai I dan S dari warna citra pada perlakuan 10 m_IR2, dan nilai RB, H, dan B dari citra TBS pada perlakuan 2m_IR2.

Tidak ada komentar:

Posting Komentar