Hasil Pencarian  ::  Simpan CSV :: Kembali

"Di dalam proses pengelasan yang dilaksanakan dengan Gas Tungsten Arc Welding (GTAW), tegangan busur merupakan salah satu parameter primer yang menentukan lebar dan kedalaman weld pool yang terbentuk pada logam selain arus las dan kecepatan pengelasan. Untuk mendapatkan pengelasan yang bermutu tinggi tegangan busur ini perlu dijaga pada nilai tertentu selama proses pengelasan berlangsung. Tesis ini membahas perancangan sistem pengendalian tegangan busur dengan sistem kendali yang berbasis neural network. Arsitektur yang digunakan adalah Neural Model Reference Adaptive Control. Hasil perancangan disimulasikan dengan menggunakan program Matlab Ver 5.3 dan kemudian dibandingkan dengan sistem kendali proporsional. Model busur yang digunakan pada simulasi ini berdasarkan percobaan yang dilakukan oleh D.J. Leith dari Universitas Glasgow, UK. Neural network yang digunakan sebagai pengendali dilatih dengan metode Levenberg marquardt secara off-line dan kemudian dilatih kembali dengan specialized training dengan algoritma rekursif kuadrat terkecil secara on-line. Saat proses simulasi tegangan busur di variasikan dengan bentuk segi empat dan arus las yang diterapkan dari 5 A sampai dengan 300 A. Hasil setiap arus yang diterapkan ditampilkan dan kemudian dianalisa respon waktunya.

---

In the gas tungsten are welding process, arc voltage is one of the primary parameter which will determine the width and penetration of weld pool on metal. To obtain high quality of welded bond, the arc voltage is necessary to be controlled to a fixed value in the welding process.

The thesis studies the design of an arc voltage control system based on a neural network using neural mode reference adaptive control architecture. The system is simulated on a computer using Matlab V 5.3, and the result is then compared to proportional control system.

The model used is based on the experiment by Leith at the University of Glasgow -UK. The Neural Network is first trained off-line using Levenberg marquardt method. Then the neural network is trained on-line using least square recursive algorithm in specialized training scheme.

In the simulation the welding current applied to the system is set over range 5 A and 300 A. The reference arc voltage is varied in square wave. The results of the simulation are shown."

"Penggunaan teknologi mesin vision pada proses pengelasan telah berkembang seiring dengan kebutuhan akan hasil pengelasan yang lebih konsisten dengan proses pengambilan posisi gerak yang lebih cepat. Aplikasi mesin vision untuk melakukan proses analisa obyek dengan pengambilan citra pada benda kerja atau tanpa adanya kontak langsung pada material diharapkan mampu untuk menghasilkan proses yang mudah dan cepat, selama tidak mengurangi sifat keakurasian agar mampu untuk dilakukan pada proses pengelasan. Dengan mengaplikasikan algoritma hough transform untuk pendeteksian garis serta didukung proses pengolahan citra yang baik, maka sekumpulan garis yang berhasil terdeteksi akan dapat dipilih jalur pengelasan yang efisien. Konsep pemilihan jalur pengelasan pada penelitian yang dilakukan adalah dengan membuat kombinasi antara jarak maksimal path terjauh yang dapat ditempuh dilanjutkan dengan pemilihan jarak minimum pada pergantian point to point saat melakukan gerakan non welding. Dari hasil pemilihan jalur pengelasan tersebut kemudian dirubah ke bentuk G-code yang telah dimodifikasi. Hasil penerapan pemilihan jalur pengelasan mampu untuk dilakukan dengan akurasi tidak lebih dari 0,02 mm.

---

The use of machine vision technology in the welding process has been developed along with the need for more consistent and more qualified welding results. The application of machine vision to perform object an the object itself making the whole processes fast while maintaining the accuracy. In this research, Hough Transform algorithm is used to detect the welding tracks candidate. Afterward, some modifications to the hough transform is carried to enable finding the exact welding tracks. Once the welding tracks are found, welding sequences (welding path) on the welding tracks are then generated by evaluating all the tracks to produce the longest possible welding path with minimum non-welding motion. When all the welding paths are generated, they are then converted to a form of G-code like format which are ready to be sent to the controller unit. The implemented tracks and their appropriate welding path with accuracy not more than 0.02 mm."

"Dalam dunia industri otomotif sepeda motor, swing arm merupakan salah satu komponen terpenting pada proses pabrikasinya. Hal tersebut diaplikasikan pada proses produksi pengelasan. Kebutuhan akan keberadaan jig sebagai alat bantu penopang pada proses produksi pengelasan sangatlah penting agar didapatkan hasil dari proses produksi swing arm sesuai dengan standar kualitas yang diharapkan. Proses mendesain jig swing arm harus disesuaikan dengan flow process yang diinginkan, dengan tetap mengacu pada standar kualitas dan standar dimensi drawing. Yang mana kesemuanya itu sangat menentukan terhadap kapasitas produksi yang diharapkan. Proses modifikasi terhadap jig sangat perlu dilakukan jika terdapat penyimpangan terhadap kualitas dan dimensi dari produk. Hal tersebut penting dilakukan agar tercipta perbaikan kualitas swing arm pada setiap tahapan prosesnya. Dengan kata lain memodifikasi jig mutlak harus dilakukan jika masih didapatkan penyimpangan terhadap standar-standar yang ada. Dengan adanya modifikasi ini diharapkan penyimpangan-penyimpangan terhadap kualitas dan dimensi drawing pada proses sebelumnya dapat dikurangi atau bahkan dapat dihilangi, sehingga akan menghasilkan kualitas produk swing arm yang lebih baik."