Seminar Nasional IENACO – 2014 ISSN 2337-4349 248 MONITORING KEAUSAN PAHAT MENGGUNAKAN ARTIFICIAL NEURAL NETWORKS PADA PROSES TURNING Heri Widiantoro 1* , Ahmad Atif Fikri 1** , Muslim Mahardika 1*** 1 Jurusan Teknik Mesin dan Industri, Fakultas Teknik Universitas Gadjah Mada. Jalan Grafika No.2 55281, Yogyakarta, Indonesia. *E-mail: h.widiantoroazka@gmail.com **E-mail: ahmadatiffikri@gmail.com ***E-mail: muslim_mahardika@yahoo.com Abstrak 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% . Kata kunci: ANN, backpropagation, online monitoring, turning 1. PENDAHULUAN Kemajuan teknologi yang berkembang seperti online monitoring akan memberikan kontribusi terhadap proses permesinan dan optimasi proses produksi. Perlunya monitoring pada proses pemotongan logam meliputi monitoring mesin, dinamika proses pemotongan, alat potong dan benda kerja untuk mengoptimalkan kinerja dari sistem. Sebuah monitoring kondisi alat potong bertujuan (Dimla,1999) mendeteksi kesalahan pada pemotongan dan pahat pada mesin, memeriksa dan menjaga stabilitas proses permesinan, menjaga toleransi permesinan sehingga produk yang dihasilkan dapat memenuhi standar yang ditetapkan dengan memperhitungkan keausan pahat serta menghindari kerusakan mesin akibat kegagalan sistem. Online monitoring digunakan untuk memprediksi keausan pahat secara dini sehingga kontrol kualitas dari produk dapat tetap terjaga dan proses permesinan menjadi optimal. Kerugian akibat keausan pahat seperti permukaan komponen tidak rata, chipping dan perawatan mesin tidak terjadwal dapat berdampak pada membengkaknya biaya produksi. Dengan adanya online monitoring ini diharapkan kondisi pahat segera dideteksi tingkat keausannya karena pahat merupakan faktor penting dalam proses pemotongan logam. Flank wear dipilih sebagai dasar untuk kriteria kegagalan pahat serta paling mudah untuk diukur tingkat keausannya. Kemampuan monitoring keausan pahat sangat penting untuk mencapai kemungkinan pemanfaatan pahat secara maksimum. Tingkat keausan pahat sulit ditentukan mengingat fakta bahwa keausan pahat menyebabkan perubahan material kecil dalam prosesnya sehingga diperlukan pemilihan sensor yang tepat baik secara fungsi, ekonomis, pengidentifikasian kondisi alat, dan penggunaan informasi. Salah satunya pada penelitian ini akan menggunakan mikrofon sebagai sensor suara dalam membangun ANN Backpropagation menggunakan software Matlab. 1.1 Mekanisme Keausan Pahat Secara umum kegagalan pahat dapat mengakibatkan keausan, deformasi plastik, atau fracture. Terjadinya keausan tergantung pada material yang digunakan dan kondisi pemotongan,