Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Paduan super berbasis besi-nikel biasanya mengandung lebih dari delapan elemen paduan dan umum digunakan dalam aplikasi aerospace seperti pada komponen cakram turbin menjadikan perubahan komposisi dapat menyebabkan perubahan sifat mekanis yang signifikan. Paduan super ini mengandung 15–60% besi dan 25–45% nikel dan digunakan dalam bilah dan cakram mesin yang memerlukan sifat ekspansi termal rendah. Paduan super berbasis besi ini menarik untuk dipelajari karena karakteristik temperatur tinggi dan koefisien ekspansi termal yang rendah tetapi di sisi lain menawarkan harga yang lebih ekonomis. Dalam aplikasi temperatur tinggi kekuatan tarik akan berubah sesuai dengan temperaturnya sehingga rentan terjadi kegagalan. Sementara dalam aplikasi seperti turbin yang dalam penggunaannya sering ditemukan kegagalan karena bekerja pada putaran yang tinggi dan lingkungan abrasif dibutuhkan nilai kekerasan yang sesuai. Sehingga dibutuhkan sebuah solusi yang kompetitif dan efisien dalam proses desain dan rekayasa paduan super berbasis besi-nikel. Metode pembelajaran mesin deep learning regresi dapat menjadi solusi dalam memberikan prediksi kekuatan tarik, kekerasan dan titik lebur yang presisi untuk aplikasi tertentu sehingga tidak dibutuhkan eksperimen yang memakan waktu. Dalam penelitian ini dilakukan variasi parameter berupa arsitektur model, learning rate, test size, random state, batch size, dan epoch dalam rangka mencari parameter optimum bagi model C2P besi-nikel. Nilai akurasi optimum yang dihasilkan dengan matriks R2 sebesar 98,2% dan matriks RRMSE 4,12%. Nilai ini didapat menggunakan parameter yaitu 4 hidden layers dengan noda (128,128,128,128), learning rate sebesar 10-3, test size sebesar 0,2, random state sebesar 25, batch size sebesar 64, dan epoch sebesar 250. ......Iron-nickel-based superalloys typically contain more than eight alloying elements and are commonly used in aerospace applications such as in turbine disc components where compositional changes can lead to significant changes in mechanical properties. This superalloy contains 15–60% iron and 25–45% nickel and is used in engine blades and discs where low thermal expansion properties are required. This iron-based super alloy is interesting to study because of its high temperature characteristics and low coefficient of thermal expansion, but on the other hand offers a more economical price. In high temperature applications the tensile strength will change according to the temperature so that it is susceptible to failure. Meanwhile, in applications such as turbines where failure is often found due to working at high rotations and an abrasive environment, an appropriate hardness value is required. So that a competitive and efficient solution is needed in the design and engineering process of iron-nickel-based super alloys. The deep learning regression machine learning method can be a solution in providing precise predictions of tensile strength, hardness and melting point for certain applications, eliminating the need for time-consuming experiments. In this study, various parameters were carried out in the form of model architecture, learning rate, test size, random state, batch size, and epoch in order to find the optimum parameters for the iron-nickel C2P model. The optimum accuracy value generated by the R2 matrix is 98.2% and the RRMSE matrix is 4.12%. This value is obtained using parameters, namely 4 hidden layers with dense (128,128,128,128), learning rate of 10-3, test size of 0.2, random state of 25, batch size of 64, and epoch of 250.

Abstrak :
Paduan super merupakan material yang memiliki performa baik dalam mempertahankan sifat mekanisnya pada temperatur tinggi. Paduan super berbasis nikel setidaknya memiliki kandungan nikel sebesar 38–76% dan paduan super berbasis besi-nikel memiliki kandungan 15–60% besi serta 25–45% nikel yang umum digunakan pada industri aviasi. Dalam kondisi operasinya, komponen tersebut terpapar temperatur yang sangat tinggi sehingga memengaruhi kekuatan tarik dan titik leburnya. Selain itu, perputaran kecepatan tinggi dan lingkungan yang abrasif menjadi alasan dibutuhkan nilai kekerasan yang tinggi. Oleh karena itu, modifikasi material tersebut diperlukan agar dapat menunjang kebutuhan sifat minimal pada aplikasi mesin turbin gas. Machine learning (ML) dan deep learning (DL) menjadi pilihan yang solutif dalam proses desain rekayasa sifat kekuatan tarik, kekerasan, dan titik lebur material tersebut karena tidak membutuhkan waktu yang panjang. Pada penelitian ini, dua model ML dan satu model DL digunakan untuk menentukan model yang dapat menghasilkan prediksi sifat material yang terbaik. Beberapa parameter divariasikan untuk mencari nilai akurasi prediksi yang paling optimal. Model ANN menjadi pilihan tepat untuk memprediksi sifat-sifat material paduan super. Model tersebut diaplikasikan untuk memodifikasi komposisi INCONEL-718 dan berhasil meningkatkan nilai kekuatan tarik menjadi 1592 MPa, kekerasan menjadi 152 HRB, dan titik lebur menjadi 1665ºC. ......Superalloys are materials that preserve their mechanical properties well at high temperatures. Nickel-based superalloys have at least 38-76% nickel, whereas iron-nickel-based superalloys contain 15-60% iron and 25-45% nickel and are widely utilized in the aviation industry. These components are subjected to extremely high temperatures during operation, which affects their tensile strength and melting point. Furthermore, high rotating speeds and an abrasive environment demand high hardness values. As a result, material modification is required to meet the minimum requirements for gas turbine engine applications. Machine learning (ML) and deep learning (DL) are acceptable alternatives in the engineering design process for predicting the tensile strength, hardness, and melting point properties of these materials because they do not require a long time. Two ML models and one DL model are utilized in this research to discover which model can generate the best predictions of material properties. Several parameters are adjusted to achieve the best prediction accuracy. The ANN model is the best option for predicting superalloy material properties. This model is implemented to INCONEL-718 and successfully increasing the tensile strength to 1592 MPa, hardness to 152 HRB, and melting point to 1665ºC.