Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKPertumbuhan nilai produksi industri pipa dan sambungan (pengelasan) pipa dari Baja dan Besi pada tahun 2008 mengalami kenaikan pada tiap triwulannya hingga di akhir tahun mencapai Rp 1.113.795.291,00. Demikian juga pada tahun 2009 mengalami kenaikan tiap triwulannya. Pengelasan adalah proses fabrikasi atau pembentukan yang menyatukan material logam atau termoplastik. Inspeksi defect merupakan hal yang sangat vital dalam proses pengelasan. Manusia harus berusaha keras dan memang sulit untuk melakukan tugas ini. Hal ini terjadi karena visual manusia hanya mampu menangkap 60% s.d. 75% dari ketelitian defect yang ada.Penelitian ini mengembangkan suatu peralatan otomatis berbasis Machine Vision yang dapat membantu dalam proses pengelasan GMAW. Material pipa baja lunak JIS S45C, proses las GMAW arus DC dengan kecepatan kawat pengisi konstan, teknologi Machine Vision menggunakan kamera Charge Couple Device (CCD) memonitor perubahan tebal manik menjadi Input-nya, besarnya kecepatan robot bergerak secara orbital sebagai Output-nya. Metode jaringan saraf tiruan digunakan dalam proses kontrol kecepatan tersebut.Hasil dari pengamatan dan pengujian adalah modifikasi perangkat dengan gear rasio 1 : 2 berhasil meredam suara hentakan gear dan rel jalur las yang terjadi pada penelitian sebelumnya. Selama pengujian kecepatan yang terjadi lebih stabil. Lebar manik las yang diukur secara aktual dan pencitraan memiliki nilai rata-rata error -0.30 mm. Optimasi lebar dengan modeling jaringan saraf tiruan mencapai rata-rata error 0.005 mm. Hasil simulasi pengelasan dengan jaringan saraf tiruan didapatkan nilai rata-rata errornya mencapai 0.45 mm dari target lebar 4.5 mm.

---

ABSTRACTGrowth in industrial production value and a welding pipe of Steel and Iron in 2008, an increase in each quarterly until the end of the year reached Rp 1,113,795,291.00 and in 2009 too. Welding is a fabrication process or the formation of a metal or thermoplastic material together. Defect inspection is very vital in the process of welding. Humans have to work hard and are difficult to perform this task. This happens because the human visual only able to capture 60% to 75% of the accuracy of existing defects.

This study developed a Machine Vision-based automated equipment that can assist GMAW welding process. Mild steel pipe material JIS S45C, DC current GMAW welding process with filler wire speed constant, Machine Vision technologi using the camera Charge Couple Device (CCD) to monitor changes to a thick bead of his input, the magnitude of the orbital speed of the robot moves as its output. Artificial neural network methods used in the speed control process.

The results of observation and testing is a modification of the device with a gear ratio of 1: 2 managed to reduce the sound buffeting that occurred in previous studies. During the testing the speed was more stable. Weld bead width is measured using actual width and using image processing that had an average error -0.30 mm. Width optimization using artificial neural network modeling to achieve an average error 0.005 mm. Welding simulation with neural network modeling and controller achieves an average error of 0.45 mm."

"Sistem perpipaan merupakan salah satu yang sering digunakan diindustri seperti industri petrokimia untuk mentransmisikan bahan dasar berupa minyak, air maupun gas. Jenis pengelasan yang cocok untuk sistem perpipaan adalah pengelasan pipa orbital. Dalam penelitian ini dilakukan pengelasan pipa orbital dengan pengelasan Gas Tungsten Arc Welding (GTAW) tanpa logam pengisi (autogenous) pada pipa baja tahan karat tipe SS316L. Dimensi dari material uji adalah diameter luar 114 mm dan ketebalan 3 mm. Empat metode pengelasan diterapkan untuk mencari metode yang terbaik untuk menghasilkan kualitas lasan. Metode pengelasan diantaranya metode konvensional, arus pulsa, urutan pengelasan dan kontrol artificial neural network (ANN). Keempat metode ini dilakukan dengan alat pengelasan pipa orbital secara fully mechanized yang dijalankan oleh operator las. Kualitas hasil lasan meliputi geometri las (lebar manik dan kedalaman penetrasi), distorsi pada pipa, struktur makro, struktur mikro dan sifat mekanik (kekuatan tarik dan kekerasan mikro). Tahap pertama membandingkan pengelasan dengan metode konvensional dan kontrol ANN terhadap kualitas hasil lasan. Kemudian tahap kedua adalah membandingkan pengelasan dengan metode arus pulsa, urutan pengelasan dan kontrol ANN. Terakhir adalah mencari metode pengelasan serta parameter pengelasan yang optimal untuk menghasilkan kualitas lasan yang optimal.Hasil penelitian ini menunjukkan bahwa pengelasan dengan metode kontrol ANN lebih baik daripada metode konvensional. Dilihat dari segi lebar manik lebih stabil dengan metode kontrol ANN yaitu 10±0,6 mm. Tetapi untuk kedalaman penetrasi lebih baik menggunakan metode konvensional. Kemudian untuk distorsi yang terjadi lebih kecil menggunakan metode kontrol ANN yang kurang dari 200 µm. Struktur mikro yang terbentuk untuk kedua metode ini hampir sama untuk daerah tengah lasan. Kekuatan tarik maksimal untuk setiap posisi pipa lebih stabil menggunakan metode kontrol ANN. Sedangkan kekerasan mikro lebih kecil jika menggunakan metode kontrol ANN.Perbandingan kualitas hasil lasan dengan metode arus pulsa, urutan pengelasan dan kontrol ANN menunjukkan bahwa metode kontrol ANN lebih baik dalam beberapa aspek. Aspek lebar manik menunjukkan metode kontrol ANN menghasilkan lebar manik yang lebih seragam yaitu 10±0,6 mm. Namun untuk kedalaman penetrasi lebih baik dengan metode arus pulsa. Distorsi pipa dengan metode kontrol ANN juah lebih kecil dibandingkan dengan kedua metode lainnya. Selanjutnya untuk struktur mikro yang teramati tidak jauh berbeda antara ketiga metode pengelasan. Kekuatan tarik maksimal untuk metode kontrol ANN lebih stabil untuk setiap posisi pipa dan kekerasan mikro terendah terjadi di daerah lasan dengan metode kontrol ANN.Metode optimasi yang diterapkan adalah response surface method (RSM) dan Taguchi method. Selain itu digunakan juga analysis of variance (ANOVA) untuk mengetahui tingkat signifikasi parameter pengelasan. Respon dari optimasi adalah kekuatan tarik yang maksimum, distorsi pipa yang minimum dan lebar manik yang ditargetkan 10 mm. Hasil metode optimasi menunjukkan bahwa metode kontrol ANN menghasilkan kualitas lasan yang paling baik diantara metode pengelasan lainnya. Metode kontrol ANN dengan parameter arus pengelasan 106 A dan kecepatan awal pengelasan 1,5 mm/d dapat menghasilkan kekuatan tarik maksimum sebesar 670 MPa, distorsi melintang, distorsi aksial, keovalan dan tapers masing-masing adalah 126 µm, 252 µm, 94 µm dan 168 µm serta lebar manik sebesar 9,97 mm.

---

The piping system is one that is often used in industries such as the petrochemical industry to transmit basic materials in the form of oil, water and gas. The type of welding suitable for piping systems is orbital pipe welding. In this study, welding of orbital pipes with Gas Tungsten Arc Welding (GTAW) welding without filler metal (autogenous) was carried out on stainless steel pipes of type SS316L. The dimensions of the test material are 114 mm outside diameter and 3 mm thickness. Four welding methods were applied to find the best method to produce quality welds. Welding methods include conventional methods, pulse current, welding sequences and artificial neural network (ANN) control. These four methods are carried out with an fully mechanized orbital pipe welding device operated by a welding operator. The quality of the welds includes weld geometry (bead width and penetration depth), pipe distortion, macrostructure, microstructure and mechanical properties (tensile strength and microhardness). In the first stage, comparing welding with conventional methods and ANN control on the quality of the welds. Then the second stage is to compare welding with pulse current method, welding sequence and ANN control. The last is to find the optimal welding method and welding parameters to produce optimal weld quality.

The results of this study indicate that the welding with the ANN control method is better than the conventional method. In terms of bead width, it is more stable with the ANN control method, which is 10±0.6 mm. But for the depth of penetration it is better to use conventional methods. Then for smaller distortion, use the ANN control method which is less than 200 m. The microstructure formed for both methods is almost the same for the center of the weld. The maximum tensile strength for each pipe position is more stable using the ANN control method. While the micro hardness is smaller when using the ANN control method.

Comparison of weld quality with pulse current, welding sequence and ANN control method shows that the ANN control method is better in several aspects. The bead width aspect shows that the ANN control method produces a more uniform bead width of 10±0.6 mm. However, the penetration depth is better with the pulse current method. The pipe distortion with the ANN control method is much smaller than the other two methods. Furthermore, the observed microstructure is not much different between the three welding methods. The maximum tensile strength for the ANN control method is more stable for each pipe position and the lowest microhardness occurs in the weld area with the ANN control method.

The optimization methods applied are the response surface method (RSM) and the Taguchi method. In addition, analysis of variance (ANOVA) is also used to determine the level of significance of welding parameters. The response of the optimization is maximum tensile strength, minimum pipe distortion and a targeted bead width of 10 mm. The results of the optimization method show that the ANN control method produces the best weld quality among other welding methods. The ANN control method with a welding current parameter of 106 A and an initial welding speed of 1.5 mm/s can produce a maximum tensile strength of 670 MPa, transverse distortion, axial distortion, ovality and tapers respectively 126 m, 252 m, 94 m and 168 m and a bead width of 9.97 mm."

"Kendaraan berat seperti truk dan bus menggunakan jenis rem udara untuk mengurangi kecepatan sebagai bagian penting untuk keselamatan. Udara dialirkan ke silinder yang berfungsi sebagai penggerak untuk mendorong poros rem saat terjadi pengereman. Dorongan tersebut berakibat mengembangnya memperluas sepatu rem (brake-shoe) di dalam drum rem (drum-brake) untuk menciptakan aksi pengereman. Namun, kendaraan Listrik (EV) memiliki prioritas utama untuk menghemat energi yang tersimpan dalam baterai. Sistem pengereman memiliki karakteristik waktu reaksi yang terdiri dari reaksi sistem rem dan reaksi pengemudi. Reaksi sistem rem untuk kendaraan besar terutama yang menggunakan pneumatik tergolong lambat sementara reaksi pengemudi, selama dioperasikan oleh manusia akan selalu memiliki waktu yang tetap. Karenanya penelitian ini bertujuan untuk meningkatkan kinerja sistem pengereman terutama Bis listrik secara optimal. Strategi yang dilakukan adalah dengan membuat penyederhanaan sistem menjadi lebih ringkas, lebih ringan, menerapkan kendali yang tepat, menyematkan teknologi cerdas untuk melihat potensi penerapan sistem baru di masa mendatang. Karakteristik sistem pengereman udara (konvensional) dan sistem elektrik yang berbeda memerlukan manipulasi kendali dengan Pulse Width Modulation (PWM) untuk membuat pengereman sesuai standard. Hasilnya mengurangi waktu reaksi sistem rem yang disebabkan oleh hambatan transmisi sistem udara sampai 30%. Penelitian ini menambahkan metode cerdas yang disebut kontrol fuzzy untuk mendapatkan karakteristik sistem baru yang lebih halus dari sisi dinamiknya dibandingkan dengan sistem konvensional. Selanjutnya, metode smart menggunakan kecerdasan buatan (AI) Convolutional Neural Network (CNN) disematkan dengan memanfaatkan sebuah kamera stereo untuk membantu deteksi obyek didepan pengemudi dan memberikan respon yang lebih cepat dalam sinyal pengereman. Penerapan metode tersebut dapat mengurangi waktu reaksi pengemudi saat pengereman sampai dengan 80%. Sebagai tambahan, sistem ini mengurangi tahapan dalam proses pengereman konvensional yang berakibat pada pengurangan berat sistem hingga 90% dari sebelumnya serta penurunan konsumsi energi listriknya mencapai 40%.

---

Heavy vehicles such as trucks and buses use this type of air brake to reduce speed as an important part of safety. Air is flowed to the cylinder which functions as a driving force to push the brake shaft during braking. This impulse results in expanding the brake-shoe in the drum-brake to create the braking action. However, Electric vehicles (EV) have top priority to save energy stored in batteries. The braking system has a characteristic reaction time consisting of the brake system reaction and the driver's reaction. The reaction of the brake system for large vehicles, especially those using pneumatics, is relatively slow, while the reaction of the driver, as long as it is operated by humans, will always have a fixed time. Therefore, this study aims to improve the performance of the braking system, especially electric buses, optimally. The strategy taken is to make system simplification more concise, lighter, apply precise control, embed smart technology to see the potential for implementing new systems in the future. The different characteristics of the air braking system (conventional) and the electrical system require manipulation of the control with Pulse Width Modulation (PWM) to make braking system fit to the standard. The result is to reduce brake system reaction time caused by air system transmission resistance by up to 30%. This research adds an intelligent method called fuzzy control to obtain the characteristics of the new system which is smoother in terms of dynamics compared to conventional systems. Furthermore, the smart method using artificial intelligence (AI) Convolutional Neural Network (CNN) is embedded by utilizing a stereo camera to help detect objects in front of the driver and provide faster response in braking signals. The application of this method can reduce the driver's reaction time during braking by up to 80%. In addition, this system reduces the steps in the conventional braking process which results in a reduction in system weight by up to 90% from the previous one and a reduction in electrical energy consumption by up to 40%."

"Perusahaan telekomunikasi tergolong perusahaan teknologi komunikasi informasi (TIK) yang memiliki tipikal biaya tinggi, untuk penyediaan dan pemeliharaan infrastruktur. Munculnya over the top (OTT) tanpa investasi infrastruktur yang mahal, kini marak digunakan, mengakibatkan banyak layanan telekomunikasi menjadi usang. Itu terjadi karena OTT secara pragmatis mampu menggantikan layanan telekomunikasi. Berkaca pada kemampuan konektivitas dan jangkauan, telekomunikasi perlu menciptakan pasar baru dengan memberikan perhatian khusus pada kota pintar yang dibangun dari koneksi internet yang masif. Model bisnis operasional telekomunikasi saat ini berbasis pelanggan manusia, sedangkan kota pintar merupakan multi service digital (non human), sehingga diperlukan proses bisnis baru untuk mengelola pelanggan kota pintar (non human). Penelitian ini menyajikan transformasi proses bisnis dalam domain pelanggan dalam operasi sistem yang kompleks dari sebuah perusahaan telekomunikasi. Kebaruan penelitian adalah metode business process reengineering (BPR) yang dikombinasikan dengan soft systems methodology (SSM) dan enterprise knowledge development (EKD) untuk mendefinisikan, memetakan, memodelkan, dan memproyeksikan proses bisnis baru. Hasilnya adalah tujuh model enterprise architecture (EA) untuk mengelola pelanggan baru kota pintar. Pada akhirnya diharapkan dapat meningkatkan daya saing telekomunikasi. Studi ini menghasilkan terobosan model strategi bagi transformasi proses bisnis telekomunikasi dalam domain yang berpusat pada pelanggan (customer-centric) antara lain (1) Request to answer, (2) Order to payment, (3) Usage to payment, (4) Request to change, (5) Termination to confirm, (6) Problem to solution, dan (7) Complaint to solution.

---

The telco is an information communications technology (ICT) company that has a typical high cost, for the provision and maintenance of the infrastructure. The emergence of over the top (OTT) without expensive infrastructure investments is now being massively used, which has resulted in many telco services becoming obsolete. It occurs because OTT is pragmatically able to substitute similar services. Reflecting on the capabilities of connectivity and coverage, telco needs to create a new market by paying special attention to smart cities that are constructed from massive internet connections. The current telco operational business model is based on human customers, whereas smart cities are a multi-service digital (non-human), so a new business process is required to manage smart city (non-human) customers. This research presents the transformation of business processes in the customer domain in the complex systems operations of a telco company. The research novelty is the business process reengineering (BPR) method combined with soft systems methodology (SSM) and enterprise knowledge development (EKD) to define, map, model, and project a new business process. The result is seven models of enterprise architecture (EA) for managing new smart city customers. In the end, it is expected to increase telco competitiveness. This study produces a breakthrough strategic model for the transformation of telecommunication business processes in a customer-centric domain: (1) request to answer, (2) order to payment, (3) usage to payment, (4) request to change, (5) termination to confirm, (6) problem to solution, dan (7) complaint to solution."