|
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.
|
Senin, 06 November 2017
TABEL PERBANDINGAN JURNAL 1 DENGAN JURNAL 2
Langganan:
Posting Komentar (Atom)
Tidak ada komentar:
Posting Komentar