Optimasi Multirespon pada Proses Gurdi untuk Material S50C dengan Menggunakan Metode Taguchi-Grey Relational Analysis dan Cairan Pendingin

Transkripsi

1 JURNAL TEKNIK POMITS Vol. 2, No., (203) ISSN: ( Print) Optimasi Multirespon pada Proses Gurdi untuk Material S50C dengan Menggunakan Metode Taguchi-Grey Relational Analysis dan Cairan Pendingin Febryand J.Putra *, Bobby O. P. Soepangkat Laboratorium Proses Manufaktur, Jurusan Teknik Mesin, Fakultas Teknologi Industri, Institut Teknologi Sepuluh Nopember, Surabaya, Indonesia Abstrak Pada penelitian ini telah dilakukan optimasi multirespon dengan menggunakan gabungan metode Taguchigrey relational analysis (GRA) untuk proses gurdi dengan menggunakan baja S50C dan pahat HSS twist drill berdiameter 2 mm. Grey relational grade (GRG) yang dihasilkan dari GRA digunakan untuk proses optimasi multirespon. Parameter proses yang menghasilkan respon optimal ditentukan dengan menggunakan GRG sebagai indeks performansi. Kecepatan potong dan gerak makan, geometri sudut ujung pahat serta cairan pendingin digunakan sebagai parameter proses. Respon yang diamati adalah gaya tekan, torsi dan kekasaran permukaan. Hasil penelitian menunjukkan bahwa untuk memperoleh gaya tekan, torsi dan kekasaran permukaan yang minimum, cairan pendingin yang digunakan adalah jenis soluble cutting oil tanpa penambahan extreme pressure, kecepatan potong diatur sebesar 4,7mm/min, gerak makan diatur sebesar 0,07mm/put dan geometri sudut ujung pahat sebesar Kata kunci: grey relational analysis (GRA), optimasi, proses gurdi, Taguchi. I. PENDAHULUAN Proses gurdi merupakan salah satu proses utama dalam pembuatan lubang silindris pada benda kerja logam maupun non-logam. Material baja S50C dikenal memiliki sifat mampu mesin yang baik, yaitu mampu digunakan dalam berbagai proses pemesinan serta tahan aus. Putaran spindel pada mesin gurdi menghasilkan gerak potong yang bergerak secara rotasi. Gerak makan pada proses gurdi terjadi karena gerakan translasi pahat gurdi pada arah sumbu putarnya. Kinerja dari proses gurdi dapat dievaluasi berdasarkan beberapa karakteristik kualitas seperti kekasaran permukaan, tinggi burr, keausan tepi pahat, gaya tekan dan momen torsi. Pada proses pemesinan, ukuran kinerja proses gurdi tersebut biasanya juga dijadikan respon yang merupakan fungsi dari parameter-parameter proses atau faktor. Faktor yang dapat mempengaruhi kualitas atau kinerja proses gurdi adalah kecepatan potong, gerak makan, geometri sudut ujung pahat dan cairan pendingin. Metode Taguchi biasanya digunakan untuk melaksanakan eksperimen yang melibatkan banyak faktor dan level namun dengan jumlah eksperimen seminimal mungkin, sehingga dapat menekan biaya. Oleh karena itu, sangat dibutuhkan pemilihan desain eksperimen yang tepat pada metode Taguchi. Grey relational analysis (GRA) dapat digunakan untuk mengatasi kekurangan informasi yang tidak lengkap dan tidak jelas (Deng, 989). Melalui GRA, grey relational grade (GRG) diperoleh untuk mengevaluasi respon yang jumlahnya banyak. Sebagai hasilnya, optimasi dari respon yang berjumlah banyak dapat diubah menjadi optimasi dari satu GRG (Lin dan Lin, 2002). Haq et al. (2008) meneliti pengaruh dari faktor proses kecepatan potong, gerak makan dan sudut ujung pahat terhadap respon kekasaran permukaan, gaya tekan dan torsi. Material yang digunakan adalah Al/SiC metal matrix composite. Metode optimasi yang digunakan adalah gabungan metode Taguchi dengan GRA. Hasil yang didapat menunjukkan bahwa sudut ujung pahat memiliki kontribusi sebesar 43,2%, kecepatan potong memiliki kontribusi sebesar 28,64% dan gerak makan memiliki kontribusi sebesar 26,2% untuk mengurangi total variasi terhadap respon secara serentak. Seting kombinasi yang tepat untuk meminimalkan respon secara serentak adalah sudut ujung pahat diasah pada 90 0, gerak makan diatur pada 0,2 mm/put dan kecepatan potong diatur pada 87,96 m/min. Sales et al. (2002) meneliti pengaruh tambahan extreme pressure pada cairan pendingin. Extreme pressure yang ditambahkan adalah klorin dan sulfur. Metode optimasi yang digunakan adalah metode regresi. Hasilnya adalah penambahan extreme pressure klorin dan sulfur mampu menurunkan laju keausan tepi pahat sebesar 24,73%, momen torsi sebesar 2,5% dan gaya tekan sebesar 9,09%. Suatu penelitian mengenai seting faktor pada proses gurdi untuk meminimalkan respon momen torsi, gaya tekan dan kekasaran permukaan telah dilakukan. Faktor-faktor yang divariasikan adalah cairan pendingin, kecepatan potong, gerak makan dan geometri sudut ujung pahat. II. METODE EKSPERIMEN DAN FASILITAS YANG DIGUNAKAN. Bahan Penelitian a. Benda kerja Material yang digunakan dalam penelitian ini adalah baja S50C yang memiliki kekerasan 24 HRC. Baja S50C biasanya digunakan sebagai bahan baku pembuatan komponen mesin seperti roda gigi, poros serta konstruksi mesin. b. Pahat gurdi Pahat gurdi yang digunakan dalam penelitian ini terbuat dari material HSS (high speed steel). Pahat yang digunakan adalah jenis twist drill dengan dua mata potong. Detail geometri pahat ini adalah:

2 JURNAL TEKNIK POMITS Vol. 2, No., (203) ISSN: ( Print) 2 Diameter 2 mm Sudut bebas samping 9 0 Sudut puntir 30 0 c. Cairan pendingin Cairan pendingin yang digunakan dalam penelitian ini adalah jenis soluble cutting oil. Pada proses drilling, direkomendasikan perbandingan antara air dan soluble cutting oil adalah 20: (Drozda, 983). III. SKEMA NUMERIK. Optimasi dengan Metode Taguchi-Grey Langkah-langkah proses optimasi dengan metode Taguchi-grey ditunjukkan pada Gambar. Karakteristik untuk semua respon adalah semakin kecil semakin baik. 2. Peralatan Penelitian a. Mesin gurdi radial konvensional dengan merek KMR- 700DS. Mesin ini memiliki putaran mesin rpm dan gerak makan 0,07, 0,3 dan 0,22 mm/putaran. b. Dinamometer merek KISTLER tipe Pengukuran momen torsi dan gaya tekan menggunakan dinamometer. c. Surface roughness tester merek mitutoyo untuk mengukur kekasaran permukaan pada lubang. 3. Rancangan Eksperimen Rancangan eksperimen dan metode Taguchi telah digunakan untuk menentukan jumlah eksperimen yang harus dilakukan. Jumlah derajat kebebasan menentukan pemilihan matriks ortogonal yang tepat. Pada penelitian ini cairan pendingin memiliki dua level, sedangkan kecepatan potong, gerak makan dan sudut ujung pahat masing-masing memilik tiga level. Nilai level pada masing-masing faktor ditunjukkan pada Tabel. Oleh karena itu, matriks ortogonal yang digunakan adalah L 8 (2 x3 3 ) dan ditunjukkan pada Tabel 2. Untuk mengatasi faktor gangguan yang terjadi selama proses penggurdian, eksperimen dilakukan secara acak dengan replikasi sebanyak tiga kali. Tabel. Nilai Faktor pada Masing-Masing Level Faktor/variabel proses level level 2 level 3 A Cairan pendingin Soluble oil Soluble oil + khlorine + sulfur - B Kecepatan potong mm/menit 3,86 25,66 4,7 C Gerak makan mm/put 0,07 0,3 0,22 D Sudut ujung pahat derajat 02º 8º 34º Kombinasi Faktor ke- Tabel 2. Matriks Ortogonal L 8 Faktor A B C D Gambar. Langkah-Langkah Optimasi a. Rasio S/N Rasio S/N (singal to noise) digunakan untuk memilih faktor-faktor yang memiliki kontribusi pada pengurangan variasi suatu respon. Rasio S/N untuk karakteristik semakin kecil semakin baik dirumuskan dengan persamaan sebagai berikut (Lin dan Lin, 2002): S/N -0 n log i 2 yi n () b. Normalisasi Rasio S/N Proses normalisasi adalah mengubah data menjadi bernilai 0 s ampai da n menyamakan satuan. Normalisasi rasio S/N untuk karakteristik semakin kecil semakin baik dirumuskan dengan persamaan sebagai berikut (Datta dan Mahaprata, 200): XX ii (kk) max kk XX ii (kk) XX ii (kk) max kk XX ii (kk) min XX ii (kk) kk c. Menghitung Deviation Sequence Deviation sequence adalah selisih absolut dari nilai terbesar hasil normalisasi, yaitu selisih antara dengan data yang telah dinormalisasi. Penentuan deviation sequence dilakukan dengan menggunakan persamaan berikut (Datta dan Mahaprata, 200): 0,ii (kk) XX ii (kk) XX ii (kk) (3) d. Grey Relational Coefficient(GRC) GRC menunjukkan hubungan antara kondisi yang ideal (terbaik) dengan kondisi aktual dari respon yang dinormalisasi. GRC bernilai antara 0 sampai dimana angka m enunjukkan kondisi ideal. (2)

3 JURNAL TEKNIK POMITS Vol. 2, No., (203) ISSN: ( Print) 3 Persamaan yang digunakan untuk mendapatan GRC adalah (Datta dan Mahapatra, 200): ξ ii (kk) mmmmmm +ζζ mmmmmm (4) 0,ii (kk)+ζζ mmmmmm mmmmmm min ii mmmmmm max ii min 0,ii (kk) kk max 0,ii (kk) kk ζζ distinguishing coefficient Nilai distinguishing coefficient yang digunakan pada umumnya adalah 0,5 (Tosun et al., 2004). e. Kombinasi Faktor untuk Respon Optimal Penentuan kombinasi faktor terbaik dilakukan dengan membuat tabel dan grafik respon dari GRG. Tabel respon GRG ditunjukkan pada Tabel 3. Tabel 3. Tabel Respon GRG Level Level 2 Level j Parameter Y - Y j Parameter 2 Y 2 - Y 2j - Parameter i Y i - Y ij Max-Min Q Q j Y ij adalah nilai rata-rata GRG yang dikelompokkan berdasarkan parameter i dan level j. Grafik respon GRG dibuat berdasarkan tabel respon untuk memudahkan pemilihan level yang menghasilkan respon yang optimal. Semakin tinggi nilai GRG maka level tersebut adalah level yang menghasilkan respon yang optimal. f. Prediksi Nilai GRG Hasil Optimasi Nilai prediksi GRG berdasarkan kombinasi level dari faktor untuk menghasilkan respon yang optimal dapat dirumuskan sebagai berikut (Lin dan Lin, 2002): o γ γ m + i (γ i γ m ) (5) γ m nilai rata-rata dari keseluruhan GRG γ i rata-rata GRG pada level optimal jumlah parameter yang mempengaruhi respon secara signifikan µ dugaan rata-rata GRG pada kombinasi prediksi optimal n banyaknya pengamatan efektif (8) eff JJJJJJJJJJh tttttttttt eeeeeeeeeeeeeeeeeeee + jjjjjjjjjjh dddddddddddddd kkkkkkkkkkkkkkkkkk ffffffffffff ffffffffffff uuuuuuuuuu mmmmmmmmmmmmmm rrrrrrrr rrrrrrrr b. Interval Keyakinan Eksperimen Konfirmasi Interval keyakinan untuk eksperimen konfirmasi dihitung dengan menggunakan persamaan sebagai berikut (Ross, 2008): CI F. MS + 2 α ;; υ E E n r eff (9) r jumlah pengulangan dalam eksperimen konfirmasi IV. HASIL DAN PEMBAHASAN. Hasil Eksperimen Hasil pengukuran untuk momen torsi, gaya tekan dan kekasaran permukaan ditunjukkan pada Tabel 4. Tabel 4. Data Hasil Eksperimen No Cool ant Faktor V F PA Momen Torsi (Nm) Gaya Tekan (N) Kekasaran Permukaan (µm) 254, , , , , , ,7 5 6, , , , , ,3 00 8, , , , , , , ,0 23 4, , , , , , , , , , , , , , ,90 2. Rasio S/N Perhitungan rasio S/N dilakukan dengan menggunakan persamaan. Hasil perhitungan rasio S/N untuk masing-masing respon ditunjukkan pada Tabel Interval Keyakinan a. Interval Keyakinan Kondisi Optimum Interval keyakinan (-α) 00% untuk kondisi optimum dihitung dengan menggunakan persamaan sebagai berikut (Ross, 2008): CI F α ;; υ E n. MS eff E prediksi CI µ CI prediksi µ prediksi + µ (6) (7)

4 JURNAL TEKNIK POMITS Vol. 2, No., (203) ISSN: ( Print) 4 Tabel 5. Rasio S/N No SN Mz SN Fz SN Ra -48,08-63,3562-0, , ,044-2, , ,788-7, , ,9429-5, , ,6073-8, , ,306-4, ,582-60,8279-8, , ,2830-5, ,480-67,6978-5, ,967-63,9860-5,500-52,49-66,4994-2, ,46-68,4704-6, ,2220-6,634-7, ,00-66,4802-3, , ,5993-7, , ,7576-4, , ,204-8, ,934-68,4889-7, Normalisasi Rasio S/N Perhitungan normalisasi rasio S/N dilakukan dengan menggunakan persamaan 2. Hasil perhitungan normalisasi rasio S/N untuk masing-masing respon ditunjukkan pada Tabel 6. Tabel 6. Normalisasi Rasio S/N No Norm Mz Norm Fz Norm Ra 0, , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , Deviation Sequence Perhitungan deviation sequence dilakukan menggunakan persamaan 3. Hasil perhitungan deviation sequence untuk masing-masing respon ditunjukkan pada Tabel 7. Tabel 7. Deviation Sequence No delta_mz delta_fz delta_ra 0, , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , GRC dan GRG Perhitungan GRC didasarkan pada nilai deviation sequence dan dihitung dengan menggunakan persamaan 4. GRG merupakan rata-rata dari nilai GRC pada masing-masing respon. Hasil perhitungan GRC dan GRG untuk masing-masing respon ditunjukkan pada Tabel 8. Tabel 8. GRC dan GRG No GRC_Mz GRC_Fz GRC_Ra GRG 0, , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , Tabel Kombinasi Faktor untuk Kombinasi Optimum Nilai rata-rata GRG hasil perhitungan dengan menggunakan perangkat lunak Minitab 6 digunakan untuk menentukan kombinasi level dari faktor yang menghasilkan kombinasi optimum. Nilai rata-rata GRG ditunjukkan pada Tabel 9. Tabel 9. Nilai Rata-Rata GRG Parameter Proses Level Level 2 Level 3 Selisih Coolant Kecepatan Potong Gerak Makan Point Angle Rata-Rata Grafik yang digunakan untuk memudahkan penentuan kombinasi level yang menghasilkan respon yang optimum ditunjukkan pada Gambar 2. GRG Rata-Rata 0,90 0,80 0,70 0,60 0,50 0,40 0,30 Coolant Cuting Speed Feeding Point Angle ratarata Level Proses Gambar 2. Grafik Nilai Rata-Rata GRG Nilai rata-rata GRG pada setiap level yang memiliki nilai terbesar dipilih sebagai penentu kombinasi level

5 JURNAL TEKNIK POMITS Vol. 2, No., (203) ISSN: ( Print) 5 dari faktor untuk respon optimum. Kombinasi level tersebut ditunjukkan pada Tabel 0. Tabel 0. Kombinasi Faktor untuk Respon Optimum Parameter Proses Tingkat Level Nilai Level Coolant Kecepatan Potong 3 Gerak Makan Point Angle 2 Soluble Cutting Oil 4,7 mm/min 0,07 mm/put 8 º 7. Analisis Variansi Analisis variansi (ANAVA) digunakan untuk mengetahui variabel proses yang memiliki pengaruh secara signifikan terhadap respon dan besarnya kontribusi faktor terhadap total variasi dari respon. Pada penelitian ini, analisis variansi dilakukan pada GRG yang mewakili keseluruhan respon. Hasil perhitungan ANAVA ditunjukkan pada Tabel. Tabel. ANAVA Parameter Proses DF SS MF F Coolant V f PA Error Total 0, , ,5 2 0, ,0445 4,66 2 0, , ,72 2 0, , ,08 0 0, , ,5037 Hasil minus pada persen kontribusi dimutlakkan atau menjadi 0% yang artinya tidak menunjukkan adanya kontribusi terhadap total variasi respon secara serentak. 8. Interval Keyakinan Perhitungan prediksi nilai GRG dengan menggunakan persamaan 5 dijabarkan sebagai berikut: Dengan demikian, rata-rata GRG pada kombinasi optimimum (GRG prediksi) untuk interval keyakinan 95% adalah 0,8848 ± 0,05837 atau 0,826 GRG prediksi 0, Ekperimen Konfirmasi Eksperimen konfirmasi dilakukan untuk memvalidasi hasil yang telah diperoleh. Hal ini dilakukan dengan membandingkan interval keyakinan rata-rata GRG prediksi dengan interval keyakinan ratarata GRG eksperimen konfirmasi. Eksperimen konfirmasi dilakukan dengan tiga kali replikasi dan menggunakan seting level pada kombinasi yang menghasilkan respon yang optimum. Hasil eksperimen konfirmasi dapat dilihat pada Tabel 2. Tabel 2. Hasil Ekperimen Konfirmasi Setting Faktor Momen Torsi (Nm) Gaya Tekan (N) Kekasaran Permukaan (µm) ,7 Kombinasi Optimum , ,25 Rata-Rata ,36 Interval keyakinan untuk eksperimen konfirmasi dihitung dengan menggunakan persamaan 9. Hasil perhitungan interval keyakinan untuk eksperimen konfirmasi adalah sebagai berikut: CI 2 4,96 0, ,5 3 CI 2 ±0,0923 Dengan demikian, rata-rata GRG eksperimen konfirmasi dengan interval keyakinan 95% adalah 0,8677 ± 0,0923 atau 0,775 GRG konfirmasi 0,96. Hasil plot interval keyakinan 95% rata-rata GRG optimasi dan eksperimen konfirmasi ditunjukkan pada Gambar 3 berikut: Interval Keyakinan 95% GRG Optimasi dan Eksperimen Konfirmasi 95% CI for the Mean, 0,9600 Dengan demikian, nilai GRG yang dihitung untuk menghasilkan respon yang optimum dari kombinasi faktor adalah 0,8848. Perhitungan banyaknya pengamatan efektif (n eff ) dilakukan dengan menggunakan persamaan 8, kemudian perhitungan interval keyakinan untuk kondisi optimum dilakukan sesuai dengan persamaan 6. Hasil perhitungan n eff adalah sebagai berikut: n eff ( ) n eff 4,5 Perhitungan interval keyakinan dihitung dengan persamaan 6 memerlukan nilai F dan MS E. Nilai F adalah F (0.05;;2) 4,96 dan nilai MS E berdasarkan Tabel adalah MS E 0, Interval keyakinan untuk kondisi optimum adalah sebagai berikut: 4,96 0, CI 4,5 CI ±0,05837 Data,0 0,9 0,8 0,7 0,6 Prediksi 0,8848 0,9430 0,8360 0,8677 Konfirmasi Gambar 3. Plot Interval Keyakinan 95% Hasil Optimasi dan Eksperimen Konfirmasi Berdasarkan Gambar 3, nilai rata-rata eksperimen konfirmasi berada didalam interval nilai prediksi. Dengan demikian, dapat disimpulkan bahwa seting kombinasi level faktor pada kondisi optimum yang telah didapat adalah valid. 0,7754

6 JURNAL TEKNIK POMITS Vol. 2, No., (203) ISSN: ( Print) 6 V. KESIMPULAN Dari penelitian yang telah dilakukan dapat disimpulkan bahwa seting faktor yang menghasilkan respon-respon gaya tekan, torsi dan kekasaran perumakaan yang minimum adalah: a. Cairan pendingin menggunakan soluble cutting oil tanpa penambahan extreme pressure. b. Kecepatan potong diatur sebesar 4,7 mm/min. c. Gerak makan diatur sebesar 0,07 mm/put. d. Geometri sudut ujung pahat sebesar 8 0. Kesimpulan dari eksperimen ini berlaku secara khusus untuk material baja S50C dengan menggunakan pahat HSS berdiameter 2 mm. VI. UCAPAN TERIMA KASIH Penulis mengucapkan terima kasih kepada Laboratorium Proses Pemesinan Manufaktur Jurusan Teknik Mesin FTI ITS yang telah membantu menyediakan sarana dan prasarana selama proses penelitian ini. VII. PUSTAKA Datta, S. dan Mahapatra, S. S. (200), Modeling, Simulation and Parametric Optimization of Wire EDM Process using Response Surface Methodology Coupled with Grey-Taguchi Technique, International Journal of Engineering, Science and Technology, Vol. 2, No. 5, hal Deng, J. (989), Introduction to Grey System, Journal of Grey System, Vol, hal 24. Haq, N. A., Marimuthu, P. dan Jeyapul, R. (2008), Multi response optimization of machining parameters of drilling Al/SiC metal matrix composite using grey relational analysis in the Taguchi method, The International Journal of Advanced Manufacture Technology, Vol. 37, hal Lin, J. L. dan Lin, C. L. (2002), The Use of Orthogonal Array with Grey Relational Analysis to Optimize the Electrical Discharge Machining Process with Multiple Performance Characteristics, International Journal of Machine Tools and Manufacture, Vol 42, hal Ross, P. J. (2008), Taguchi Techniques for Quality Engineering, McGraw Hill Companies, Inc., Taiwan. Tosun, N., Cogun, C. dan Tosun, G. (2004), A Study on Kerf and Material Removal Rate in Wire Electrical Discharge Machining based on Taguchi Method, Journal of Materials Processing Technology, Vol. 52, hal Sales, W. F., G. Guimaraes, A. R. Machado dan E. O. Uzugwu (2002), Cooling ability of cutting fluid and measurement of chip-tool interface temperature, industrial lubrication and tribology, Vol.54. hal