OPTIMASI PARAMETER DALAM ANALISIS CREEP DAN FATIQUE TERHADAP MATERIAL MENGGUNAKAN ALGORITMA GENETIKA

Transkripsi

1 Optimalisasi Parameter alam Analisis Creep an Fatique Terhaap Material Menggunakan Algoritma Genetika OPTIMASI PARAMETER DALAM ANALISIS CREEP DAN FATIQUE TERHADAP MATERIAL MENGGUNAKAN ALGORITMA GENETIKA ABSTRAK Mike Susmikanti Pusat Pengembangan Informatika Nuklir (PPIN) - BATAN Kawasan Puspiptek, Serpong 1514, Tangerang Selatan mike@batan.go.i OPTIMASI PARAMETER DALAM ANALISIS CREEP DAN FATIQUE TERHADAPMATERIAL MENGGUNAKAN ALGORITMA GENETIKA. Dalam inustri, khususnya fasilitas nuklir, sifat an karakteristik material penting untuk ipelajari sehingga kualitas yang ipersyaratkan apat itingkatkan. Jenis kegagalan material antara lain meliputi creep an fatique. Pemoelan an simulasi merupakan penekatan untuk mengetahui sifat kekuatan material an apat iuji menggunakan analisis creep an fatique. Analisis ini merupakan faktor yang saling berkaitan alam stui sifat material. Penelitian ini meliputi penugaan optimasi parameter yang apat ipergunakan alam analisis creep an fatique terhaap material menggunakan penekatan algoritma genetika yang termasuk alam uji tak merusak. Algoritma genetika merupakan salah satu penekatan pencarian optimasi yang iasarkan mekanisme evolusi biologis. Teknik pencarian ilakukan terhaap sejumlah solusi yang mungkin terhaap fungsi tujuan optimal an sesuai engan batasan yang iberikan. Simulasi an pemoelan ini ipanang lebih efisien jika ibaningkan engan percobaan yang sulit ilakukan, engan waktu yang lama an biaya yang mahal. Selain itu kelebihan ari simulasi engan penekatan algoritma genetika apat iseliiki paa nilai-nilai parameter yang kontinyu alam suatu jangkauan jika ibaningkan alam percobaan yang ilakukan secara iskrit. Dari hasil pemoelan an simulasi yang ilakukan, iperoleh nilai parameter optimal stress an strain yang menekati hasil percobaan. Selanjutnya nilai parameter stress an strain yang optimal igunakan alam analisis creep an fatique untuk mengetahui sifat kekuatan material. Kata kunci: Algoritma Genetika, Creep, Fatique, Optimasi ABSTRACT PARAMETER OPTIMIZATION IN CREEPAND FATIGUE ANALYSIS OF MATERIAL USING GENETIC ALGORITHM. In the inustry, especially in nuclear facility, it is important to learn the require quality an characteristics of the material. The type of material failure inclue creep an fatigue. The analysis of creep an fatigue is interrelate factors in the stuy of material properties. In the analysis of creep an fatigue, the moeling an simulation can be use to etermine an teste, the nature an strength of the material. This research inclues optimization parameter estimation that can be use in the analysis of creep an fatigue of the material using a genetic algorithm approach which is inclue in non-estructive testing. Genetic algorithm is one approach to optimization base search mechanisms of biological evolution. This techniques one on a number of possible solutions to the optimal objective function an accoring to the given constraints. Simulation an moeling is consiere more efficient when compare to the experiments that may be ifficult, with long times an high cost. The avantages of the simulation approach in the genetic algorithm can be investigate parameter values in a continuous range rather than in experiments conucte iscrete. From the results of moeling an simulation, the estimates optimal parameter values of stress an strain were obtaine as experimental results. Furthermore, values of the optimal stress an strain parameters are use in the analysis to etermine the creep an fatigue strength properties of the material. Keywors: Genetic Algorithms, Creep, Fatique, Optimization PENDAHULUAN Dalam biang teknik nuklir, sifat an karakteristik material penting untuk ipelajari sehingga kualitas material apat terjamin mutunya. Dalam penelitian baik untuk bahan bakar nuklir, kelongsong bahan bakar nuklir an bejana reaktor, ilakukan pengkajian untuk mengetahui kekuatan material yang igunakan. Jenis kegagalan material antara lain meliputi creep an fatique selain korosi. Pemoelan an simulasi merupakan penekatan untuk mengetahui sifat kekuatan material an apat membantu pengujian terhaap analisis creep 151

2 Prosiing Pertemuan Ilmiah Ilmu Pengetahuan an Teknologi Bahan 2012 Serpong, Oktober 2012 ISSN an fatique. Analisis creep an fatique merupakan faktor yang saling berkaitan alam stui sifat material. Penelitian ini meliputi penugaan optimasi parameter yang apat ipergunakan alam analisis creep an fatique terhaap material menggunakan penekatan algoritma genetika yang termasuk alam uji tak merusak (Non Destructive Texture). Sistem kecerasan buatan untuk optimasi saat ini telah banyak iterapkan alam berbagai biang antara lain alam sistem esain, sistem manajemen mutu an sistem pengawasan yang menggunakan algoritma genetika. Algoritma genetika merupakan salah satu penekatan pencarian nilai optimasi baik nilai maksimum ataupun minimum yang iasarkan mekanisme evolusi biologis. Teknik pencarian alam algoritma genetika ilakukan terhaap sejumlah penyelesaian yang mungkin terhaap fungsi tujuan yang optimal an sesuai engan batasan yang iberikan. Simulasi an pemoelan ini ipanang lebih efisien jika ibaningkan engan percobaan yang mungkin sulit ilakukan, engan waktu yang lama an biaya yang mahal. Selain itu kelebihan ari simulasi engan penekatan algoritma genetika apat iseliiki untuk nilai-nilai parameter yang berkesinambungan alam suatu jangkauan tertentu jika ibaningkan alam eksperimen yang ilakukan secara iskrit. Pemilihan metoe seleksi alam algoritma genetika untuk optimasi terhaap fungsi tujuan an penugaan parameter stress an strain alam analisis creep an fatique, ilakukan engan metoe seleksi yang merupakan bagian rangkaian langkah-langkah yang ilakukan alam algoritma genetika. Dalam proses persilangan iniviu igunakan persilangan banyak titik. Dalam penelitian ini terlebih ahulu ilakukan penugaan parameter optimasi nilai stress an strain yang apat iberikan terhaap material sesuai engan fungsi tujuan an batasan yang iberikan. Simulasi menggunakan algoritma genetika iharapkan akan lebih efisien alam menentukan stress an strain optimal yang apat iberikan. Hasil pemoelan an simulasi yang ilakukan, igunakan sebagai penugaan hasil percobaan. Nilai parameter stress an strain yang telah iperoleh, igunakan alam analisis creep an fatique untuk mengetahui sifat kekuatan atau ketahanan material yang akan igunakan. Dari hasil pemoelan an simulasi yang ilakukan, iperoleh nilai stress an strain yang optimal yang nilainya menekati hasil percobaan, sesuai engan fungsi tujuan an batasan yang iberikan. Berikutnya iperoleh analisis perhitungan creep an fatique. Metoologi penelitian ini meliputi kajian permasalahan, pembuatan program menggunakan MATLAB serta penerapan pemoelan an simulasi terhaap material tertentu. TEORI Algoritma Genetika Algoritma genetika merupakan salah satu penekatan pencarian optimasi secara heuristik yang iasarkan mekanisme evolusi biologis secara menyeluruh. Teknik pencarian ilakukan terhaap sejumlah solusi yang mungkin yang isebut engan populasi. Nilai yang terapat alam satu populasi isebut engan istilah kromosom. Populasi awal ibangun secara acak, seangkan populasi berikutnya merupakan hasil evolusi kromosom-kromosom melalui iterasi yang isebut generasi. Paa setiap generasi, kromosom akan melalui proses evaluasi melalui fungsi kesesuaian (fitness). Nilai fitness kromosom menunjukkan kualitas kromosom alam populasi. Generasi berikutnya terbentuk ari proses penyilangan (crossover). Selain proses penyilangan, operasi kromosom apat juga menggunakan proses mutasi. Populasi generasi baru ibentuk engan cara memilih nilai fungsi kesesuaian kromosom inuk an anak, serta menolak kromosom lain yang tiak memenuhi syarat, sehingga ukuran populasi (jumlah kromosom) konstan. Setelah melalui beberapa generasi atau iterasi, maka algoritma ini akan konvergen ke kromosom terbaik [1]. Analisis Stress an Strain Dalam percobaan, pengujian kekuatan material, umumnya ilakukan uji-tarik (tensile-test). Pengujian stress (tegangan) ilakukan terhaap penampang lintang spesimen material apabila ikenakan suatu gaya atau beban. Seangkan pengujian strain (regangan) ilakukan terhaap material engan panjang awal tertentu sehingga iperoleh perubahan panjang material tersebut. Tegangan (stress) an regangan (strain) iefinisikan sebagai Persamaan (1) an Persamaan (2) [2], F... (1) A 0 l... (2) l 0 A 0 = Luas penampang lintang awal spesimen material sebelum imulainya pengujian l 0 = Panjang awal ari material yang iamati l Perubahan panjang sesuah iberikan gaya atau beban sebesar F Melalui analisis strain an stress apat iketahui nilai beban maksimal yang apat iberikan an seberapa besar perubahan panjang yang terjai, untuk mencegah terjainya patahan (fracture). 152

3 Optimalisasi Parameter alam Analisis Creep an Fatique Terhaap Material Menggunakan Algoritma Genetika Analisis Creep an Fatique Fatique merupakan kerusakan struktural progresif an lokal yang terjai ketika material ibebani oleh beban siklik. Nilai maksimum nominal stress harus kurang ari batas tegangan tarik, an mungkin i bawah batas tegangan luluh material. Jika beban beraa i atas ambang tersebut iatas, maka retak (crack) mikroskopik akan mulai terbentuk i permukaan. Akhirnya retak akan mencapai ukuran kritis an struktur akan patah. Kekuatan fatique merupakan maksimum stress alam suatu siklus inyatakan alam Persamaan () an Persamaan (4) [2], max min a... () 2 max min m 2... (4) a = Stress sebenarnya m = Stress rata-rata max = Stress maksimum min = Stress minimum Rancangan ketahanan fatique untuk pelat, inyatakan alam Persamaan (5), sehingga nilai iameter apat ihitung untuk esain suatu spesimen, FL... (5) = Stress sebenarnya F = Beban L = Panjang spesimen = Diameter Paa umumnya, spesimen iuji paa penerapan stress yang berbea. Hasilnya inyatakan alam kurva S-N (kurva Wohler) paa Gambar 1 untuk alat baja an campuran alumunium [, 4]. Creep merupakan kecenerungan bahan paat bergerak perlahan secara permanen i bawah pengaruh tekanan. Hal ini terjai sebagai akibat ari paparan jangka panjang untuk tingkat stress yang tinggi yang beraa i bawah kekuatan luluh material. Stress Terapan (kilopsi) Alat Baja Umur fatigue 00 siklus paa stress terapan psi Campuran aluminum 00 Jumlah Siklus Gambar 1. Kurva S-N (Kurva Wohler) Enurance limit = psi 000 Stress (psi) Gambar 2. Parameter Larson-Miller Creep akan lebih parah paa bahan yang terkena panas untuk waktu yang lama, an ekat titik lebur. Creep selalu meningkat terhaap suhu. Tingkat eformasi ini aalah akibat ari sifat material, waktu pemaparan, paparan suhu an beban struktural yang iberikan. Kurva creep alam keaaan steay-state inyatakan alam Persamaan (7) [2], strain Creep rate = time... (7) Parameter Larson-Miller (L.M.) seperti paa Gambar 2 igunakan untuk hubungan stress, suhu an elta-waktu alam satu kurva. Salah satu kurva parameter L.M. inyatakan alam Persamaan (8) [, 4], T L. M. ( )( A log t)... (8) T = Kelvin t = Waktu (jam) A = Konstanta material tertentu METODE PERCOBAAN 2 4 Parameter Larson-Miller Tahapan algoritma genetika yang itempuh meliputi tahapan sebagai berikut [5]: 1. Teknik pengkoean gen kromosom yang merupakan bagian kromosom, irepresentasikan alam bentuk kumpulan bit (binary igit), bilangan riel atau lainnya untuk operator genetika. Dalam hal ini igunakan seeretan bit. 2. Proseur Inisialisasi. Ukuran populasi tergantung masalah yang ipecahkan an jenis operator genetika yang iterapkan. Setelah ukuran populasi itentukan, ilakukan inisialisasi kromosom secara acak, engan memperhatikan aerah penyelesaian an batasan permasalahan yang iberikan.. Fungsi Evaluasi. Dalam melakukan evaluasi kromosom aa ua hal yaitu evaluasi fungsi tujuan an konversi kealam fungsi fitness (penekatan terbaik). 4. Seleksi, bertujuan memberikan kesempatan reprouksi lebih besar bagi anggota populasi terbaik. 15

4 Prosiing Pertemuan Ilmiah Ilmu Pengetahuan an Teknologi Bahan 2012 Serpong, Oktober 2012 ISSN Aa beberapa metoa seleksi, ipilih metoe pengambilan sampel secara stokastik engan pengembalian. Seleksi menentukan iniviu mana yang ipilih untuk rekombinasi an bagaimana anak terbentuk ari iniviu terpilih. Bertujuan memberi kesempatan reprouksi lebih besar bagi anggota populasi yang memiliki fitness tinggi. Langkah yang ilakukan aalah pencarian nilai fitness. Masingmasing iniviu alam waah seleksi akan menerima probabilitas reprouksi yang tergantung ari nilai obyektif irinya terhaap nilai obyektif semua iniviu alam seleksi tersebut. Nilai fitness igunakan paa tahap seleksi berikutnya. 5. Proses Penyilangan (Cross over). Terapat beberapa operator genetika untuk melakukan penyilangan, alam hal ini ilakukan penyilangan banyak titik. Paa penyilangan ini, m posisi penyilangan k i (k = 1, 2,,N-1, i =1, 2,,m)engan N= panjangkromosom iseleksi secara ranom an tiak iperbolehkan aa posisi yang sama, serta iurutkan naik. Variabel itukar antar kromosom paa titik tersebut untuk menghasilkan anak. 6. Mutasi. Setelah mengalami proses penyilangan, paa offspring (anak) apat ilakukan mutasi. Variabel offspring imutasi engan menambahkan nilai ranom yang sangat kecil (ukuran langkah mutasi), engan probabilitas yang sangat renah. Peluang mutasi (pm) iefinisikan sebagai presentasi ari jumlah total gen paa populasi yang mengalami mutasi. Dalam hal ini igunakan mutasi biner yaitu mengganti satu atau beberapa nilai gen ari kromosom. Aapun langkah mutasi sebagai berikut : - Hitung jumlah gen paa populasi (panjang kromosom ikalikan engan ukuran populasi) - Pilih secara acak gen yang akan imutasi - Tentukan kromosom ari gen yang terpilih untuk imutasi - Ganti nilai gen ( 0 ke 1, atau 1 ke 0) ari kromosom yang akan imutasi tersebut 7. Penentuan parameter kontrol algoritma genetika meliputi ukuran populasi (popsize), peluang crossover (pc) an peluang mutasi (pm). Nilai parameter itentukan berasarkan permasalahan yang akan iselesaikan. Digunakan rekomenasi Grefenstette yang merekomenasi rata-rata fitness setiap generasi yaitu popsize = 0, pm = 0,01 akan tetapi iambil pc = 0,25 ikarenakan untuk mengantisipasi agar iperoleh aanya sejumlah penyilangan. HASIL DAN PEMBAHASAN Dengan program yang ibuat menggunakan MATLAB [2,6], tahap pertama ilakukan simulasi optimasi analisis stress an strain terhaap campuran aluminium yang mempunyai panjang awal sebesar 2,0 in engan iameter 0,505 inch. Beban yang iberikan berkisar antara 0 lb hingga 0 lb. Penentuan parameter kontrol alam algoritma genetika meliputi ukuran populasi (popsize) sebesar 0, peluang crossover (pc) sebesar 0,25 an peluang mutasi (pm) sebesar 0,01. Perubahan panjang iasumsikan antara 0 inch hingga 0, inch. Simulasi ilakukan terhaap fungsi tujuan stress an strain seperti paa Persamaan (1) an Persamaan (2) engan batasan jangkauan beban yang iberikan an perubahan panjang yang iamati. Simulasi ilakukan sampai iperoleh nilai optimal melalui pengulangan sebanyak 50 generasi. Diperoleh nilai stress an strain sehingga fungsi tujuan optimal yaitu mencapai nilai maksimum yang inyatakan alam nilai fitness untuk stress an strain tersebut. Dari hasil simulasi, iperoleh beban optimal alam statistik tiap generasi yang sesuai engan fungsi tujuan an nilai batasan yang iberikan menuju nilai konvergen inyatakan alam Tabel 1. Terlihat bahwa variabel beban F fitness, konvergen atau stabil paa nilai 9572 lb an variabel stress fitness, konvergen paa psi. Seangkan variabel perubahan panjang konvergen paa nilai 0,2976 in an variabel strain fitness konvergen paa 0,1488 [7]. Hal ini menekati nilai percobaan [2]. Selanjutnya ilakukan analisis fatique, untuk jangka waktu 1 tahun, engan nilai siklus per tahun, N = (1 siklus/menit)(60 menit/jam) (24 jam/hari) (65 hari/tahun) = 5,256 x 10 5 siklus per tahun. Dari kurva S-N (kurva Wohler) [, 4], iperoleh bahwa stress tiak boleh melebihi Psi. Minimal iameter paa stress maksimal sesuai Persamaan (9): 40000psi (9) iperoleh = 0,54 inch an minimal iameter hasil simulasi stress optimal Psi, sesuai Persamaan (10) Tabel 1. Statistik Optimasi stress an strain Generasi F fitness fitness l fitness fitness ,2976 0, ,2976 0, ,2976 0, ,2976 0, ,2976 0, ,2976 0, ,2976 0, ,2976 0, ,2976 0, ,2976 0,1488 Tabel 2. Hasil optimasi analisis fatique alumunium jangka waktu 1 tahun Maksimum Stress (psi) (in) , , ,51 154

5 Optimalisasi Parameter alam Analisis Creep an Fatique Terhaap Material Menggunakan Algoritma Genetika Tabel. Hasil Optimasi Analisis Creep Alumunium selama 5 tahun paa 00 o C Waktu (jam) Maks. Stress (psi) LM (in) <0 0 14,12 0,55 > ,1 0, psi (10) iperoleh iameter = 0,51 inch. Jika iasumsikan faktor aman sama aalah 2 [2], maka maksimum stress yang iizinkan menjai 40000/2 = Psi, sesuai Persamaan (11) psi (11) iperoleh minimum iameter = 0,67 inch, untuk mencegah terjainya kegagalan atau patahan material yang inyatakan paa Tabel 2. Dalam analisis creep, jika campuran alumunium igunakan (tanpa memperhatikan waktu-pecah), selama 5 tahun paa 00 o C (steay state) an beban 0 lb, maka waktu t = (24 jam/hari)(65 hari/tahun)(5 tahun) = 4800 jam. Nilai parameter Larson-Miller untuk waktu < 0 jam iperoleh, sesuai Persamaan (12) L. M. ( )(20 log 4800) =14,12... (12) Sesuai kurva Larson-Miller, stress tiak boleh melebihi psi an iasumsikan faktor aman aalah 2, maka tingkat maksimum stress yang iizinkan menjai 20000/2 = 0 psi. Penampang minimal A = F/= 9572 /0 = 1,914 in 2. 2 = A/= 1,914(0.17) = 0,608 an iperoleh minimum iameter = 0,7799 inch, Nilai parameter Larson-Miller untuk waktu > 0 jam yaitu 4800 jam iperoleh, sesuai Persamann (1) L. M. ( )(50 log 4800) = 1,1... (1) Sesuai kurva Larson-Miller, stress tiak boleh melebihi 0 psi. Jika iasumsikan faktor aman aalah 2, maka tingkat maksimum stress yang iizinkan menjai 0/2 = 5000 psi, maka penampang minimal A = F/= 9572 lb/0psi = 0,9572 in 2. 2 = A/ = 0,9572(0.17) = 0,04. Diperoleh minimum iameter = 0,5508 in. Hasil analisis creep inyatakan paa Tabel, KESIMPULAN Simulasi menggunakan algoritma genetika telah ilakukan alam analisis creep an fatique terhaap campuran aluminium. Diperoleh nilai stress an strain terbaik sesuai fungsi tujuan an batasan yang iberikan. Selanjutnya ilakukan analisis creep an fatique untuk jangka waktu tertentu terhaap material agar iperoleh minimal iameter untuk mencegah terjainya kegagalan atau patahan material. Simulasi ini apat ikembangkan untuk optimisasi parameter campuran terhaap sifat material an analisis kegagalan material lainnya. DAFTAR ACUAN [1] ASKELAND, DONALD R., PRADEEP, PHULE P., The Science an Engineering of Materials, Nelson, A Division of Thomson, Canaa, (2006) [2] KUSUMADEWI, SRI, Artificial Intelligence (Teknik an Aplikasinya), Penerbit Graha Ilmu, Yogyakarta, (200) []. JOHN GILBERT KAUFMAN, Parametric Analyses of High Temperature Data for Aluminum Alloys, ASM International, (2012) [4]. GEORGE J. HEIMERL, Time Temperature Parameters an an Aplication to Rupture an Creep of Aluminium Alloys, National Avisory Commitee for Aeronautics Technical Note 915, Langley, (2012) [5]. KUSWADI, SON., Kenali Ceras (Teori an Aplikasi Praktisnya), Penerbit ANDI, Yogyakarta, (2007) [6]. CAO, Y. J., WU, Q. H., Int. J. Elect. Enging. Euc., 6 (1999) 19-15, [7]. MIKE SUSMIKANTI, Optimasi Penugaan Parameter alam Analisis Stress an Strain Terhaap Material Menggunakan Algoritma Genetika, Seminar Nasional Aplikasi Teknologi Informasi (SNATI), Yogyakarta, (2012) 155