PARAMETER MESIN EDM SINKING UNTUK MENGOPTIMALKAN RESPON PADA MATERIAL AISI H13 MENGGUNAKAN METODE TAGUCHI

  

PARAMETER MESIN EDM SINKING UNTUK MENGOPTIMALKAN

RESPON PADA MATERIAL AISI H13 MENGGUNAKAN METODE TAGUCHI

• – FUZZY

  1

  2 Eko Yudo , Diah Kusuma Pratiwi

  1 Teknik Mesin, Polman Babel, Kawasan Industri Air Kantung, Bangka, 33211

  2 Teknik Mesin Fakultas Teknik Universitas Sriwijaya, Palembang, 30139

  1

  email : yudamessi2207@gmail.com

  2

  email : pratiwi.diahkusuma@gmail.com

  

ABSTRACT

Technological developments in manufacturing and market demand vary across complex product

requirements and high degree of precision and hardness of high strength materials in which many non-

conventional machines such as EDM sinking are used for the manufacturing process. The purpose of this

study is to determine the contribution of EDM process parameters in order to be able to determine the

value of the right process parameter setting and simultaneously. Parameters varied current, on time, off

time and machining voltage. This study used an experimental design of the Taguchi method with an

orthogonal L16 44 matrix. The Taguchi-Fuzzy combination was used as an optimization method by

experimenting 2 times. The optimization results show that the contribution of each parameter on all

responses simultaneously is 41.35% current, 37.90% on time energy, 10.11% off time and 5% machining

voltage. KPA with a certain target, maximum LPM, LKE and KP are both obtained minimum values of

current 15A, energy on time 300 s, off time 5 s and machining voltage 12V.

  µ µ Keywords: EDM sinking, final cutting depth (KPA), electrode wear rate (LKE), material erosion rate (LPM), surface roughness (KP), Taguchi-Fuzzy method.

  

ABSTRAK

  Perkembangan teknologi di bidang manufaktur dan permintaan pasar bervariasi di antara persyaratan produk yang kompleks dan tingkat presisi dan kekerasan yang tinggi dari bahan dengan kekuatan tinggi dimana banyak mesin non-konvensional seperti EDM sinking digunakan untuk proses pembuatannya. Tujuan dari penelitian ini adalah untuk mengetahui kontribusi parameter proses EDM agar dapat mengetahui nilai parameter proses yang tepat dan sekaligus. Parameter bervariasi saat ini, tepat waktu, off time dan machining voltage. Penelitian ini menggunakan rancangan eksperimen metode Taguchi dengan matriks L16 44 ortogonal. Kombinasi Taguchi-Fuzzy digunakan sebagai metode optimasi dengan melakukan percobaan 2 kali. Hasil optimasi menunjukkan bahwa kontribusi masing- masing parameter pada semua tanggapan secara simultan adalah arus 41,35%, energi pasang 37,90%, waktu tempuh 10,11% dan tegangan mesin 5%. KPA dengan target tertentu, LPM maksimum, LKE dan KP keduanya memperoleh nilai minimum arus 15A saat ini, energi pada waktu 300s, off time 5s dan voltase mesin 12V

  

Kata kunci: EDM sinking, kedalaman pemotongan akhir (KPA), tingkat keausan elektroda (LKE),

tingkat erosi material (LPM), kekasaran permukaan (KP), metode Taguchi-Fuzzy.

1. PENDAHULUAN

  Mesin non konvensional EDM (Electrical Discharge Machining) merupakan mesin

yang menggunakan prinsip kerja melepas muatan listrik (electric discharge), pengikisan

yang terjadi karena adanya sejumlah loncatan bunga api listrik. Loncatan bunga api

listrik terjadi secara periodik pada celah di antara katoda (pahat) dengan anoda (benda

kerja) di dalam cairan dielektrik.

  Diproses EDM, pengaruh dari pemilihan parameter mesin untuk melakukan proses

pengikisan dalam mencapai kinerja pemesinan yang tepat sangatlah penting. Parameter

proses pemesinan yang biasa digunakan ditentukan bedasarkan buku manual mesin

bawaan dan pengalaman operator mesin tersebut. Pada proses EDM tidak dipengaruhi

oleh sifat mekanik benda kerja, tetapi dipengaruhi oleh sifat konduktifitas dan titik lebur

(melting point).

  

Gambar 1. Skema proses EDM sinking (Lin et al. 2002) Elektroda pada proses EDM berfungsi sebagai pahat pengikis, sehingga elektroda

tersebut akan mengalami keausan. Besarnya keausan elektroda dipengaruhi oleh jumlah

loncatan bunga api listrik dari elektroda menuju benda kerja. Jumlah bunga api listrik

yang diperlukan untuk mengikis hingga kedalaman yang diinginkan tergantung dari

lama dan besar energi yang dipancarkan pada setiap loncatan bunga api listrik. Loncatan

bunga api dalam mesin EDM sinking diatur dengan merubah parameter-parameter

proses mesin sesuai dengan hasil yang diinginkan, seperti laju keausan elektroda (LKE) dan laju pengikisan material (LPM) yang tepat atau optimal. Sebuah metode taguchi dikembangkan oleh Genichi Taguchi untuk meningkatkan

kualitas dari hasil produksi. Optimasi multi respon dapat dilakukan dengan

menggunakan metode Taguchi digabung dengan logika fuzzy. Logika Fuzzy pertama

kali diperkenalkan oleh Prof. Lotfi Zadeh seorang kebangsaan Iran yang menjadi guru

besar di University of California at Berkeley pada tahun 1965. Metode ini terbukti

berguna untuk mencari informasi yang tidak pasti dan samar-samar. Definisi

karakteristik respon seperti smaller the better, higher the better dan nominal the best

mengandung tingkat ketidakpastian tertentu dan ketidak jelasan. Oleh karena itu,

optimasi multi respon dengan logika fuzzy menjadi pertimbangan dalam penelitian ini.

  Metode Taguchi Fuzzy digunakan oleh (Tzeng & Chen 2007) untuk melakukan

penelitian mengenai optimasi multi parameter pada proses EDM berkecepatan tinggi.

Penelitian ini juga menghasilkan kombinasi setting optimal dari parameter-parameter

prosesnya, sehingga dapat meningkatkan prosentase Multiple Performance

Characteristics Index (MPCI) hingga 54,21 %.

  Penelitian tentang penentuan setting parameter proses pada EDM sinking dilakukan

untuk mengoptimalkan laju keausan alat potong/elektroda (LKE), laju pengikisan

material (LPM), kedalaman pemotongan akhir (KPA) dan kekasaran permukaan (KP).

Material yang digunakan adalah baja AISI H13. Parameter yang divariasikan adalah

current , energi time (on time & off time), machining voltage (gap voltage). Rancangan

percobaan ditetapkan berdasarkan metode Taguchi. Metode optimasi yang digunakan

adalah logika fuzzy.

  Tujuan penelitian ini berdasarkan perumusan masalah yang ada untuk mengetahui

besarnya kontribusi dari parametar proses current, energi time (on time & off time) dan

machining voltage (gap voltage) dalam mengurangi variasi respon dari laju keausan alat

potong/elektroda (LKE), laju pengikisan material (LPM), target kedalaman pemotongan

akhir (KPA) dan kekasaran permukaan (KP) secara serentak. Menentukan kombinasi

level parameter proses yang tepat pada proses pemesinan EDM sinking agar laju

keausan alat potong /elektroda (LKE) yang minimal, laju pengikisan material (LPM)

yang maksimal, memaksimalkan target kedalaman pemotongan akhir (KPA) dan

kekasaran permukaan (KP) yang minimal.

2. BAHAN DAN METODE PENELITIAN

  2.1 Bahan/material Penelitian Bahan atau material yang digunakan pada penelitian ini material baja AISI H13 dengan dimensi  25 x 19.

  

Gambar 2. Benda kerja

Tabel 1. Spesifikasi umum AISI H13 AISI H13 merupakan alat baja kombinasi yang sangat baik dari ketangguhan tinggi

dan kelelahan resistensi, AISI H13 kerja panas baja alat yang digunakan lebih dari yang

lain alat baja dalam aplikasi perkakas. Tabel 2. Sifat Baja Teknik AISI H13

  2.2 Elektroda/Pahat Material untuk elektroda atau pahat yang digunakan adalah tembaga. Dasar

pemilihan elektroda tembaga memiliki sifat konduktor yang baik dan bisa digunakan

  3

untuk semua jenis logam. Tembaga mempunyai massa Jenis 8,9 g/cm dengan titik leleh

  2 1.083 C dan tahanan jenis 0,0169 Ω mm /m.

  

Gambar 3. Elektroda (Pahat)

2.3 Metode Penelitian

  Penelitian dilakukan dengan beberapa tahap yang digunakan untuk pedoman

penelitian, langkah awal dimulai dari studi-studi literatur yang didapat dari jurnal

ilmiah. internet, handbook, text book ,manual book. Selanjutnya data-data studi

literature dipelajari dan dijadikan referensi untuk melakukan penelitian. Uraian langkah-

langkah tersebut tertuang pada diagram alir gambar 7.

  

Gambar 7. Diagram Alir Penelitian

2.4.1 Pemilihan matrik ortogonal

  Pemilihan derajat kebebasan pada matriks ortogonal harus bernilai sama atau lebih

besar dari pada total derajat kebebasan parameter proses dan level yang telah

ditetapkan.

  4

  3 Polarity +

  

Tabel 3. Total derajat kebebasan

No Parameter Proses Jumlah Level (k) υ fl (k-1)

  1 Current (A)

  4

  3

  2 On time (B)

  3

  2 HV Voltage

  3 Off time (C)

  4

  3 Total derajat kebebasan

  12 Total derajat kebebasan parameter dan level yang digunakan adalah 12, sehingga

  

matriks ortogonal yang memenuhi syarat untuk dijadikan sebagai rancangan percobaan

adalah L16 4

  4 memiliki 4 kolom dan 16 baris.

  2

  1 HV Ampere

  

Tabel 1. Parameter & level proses

  20

  Level Parameter Proses

  1

  2

  3

  4 A Current

  10

  15

  25 B On time 100 150 200 300 C Off time

  12 Tabel 2. Parameter konstan Parameter Konstan Nilai

  5

  10

  15

  20 D Machining voltage

  6

  8

  10

4 Rancangan percobaan matriks ortogonal L16 4

  Tabel 4. Matrik ortogonal L

  2

  2 2 1,548 1,495 0,040 0,033 9,677 10,104 8,692 8,660

  2

  1

  2

  1 1 1,576 1,451 0,041 0,024 5,561 5,350 6,850 6,849

  1

  1

  1

  2

  1

  2

  1

  2

  1

  1

  1

  4

  15

  4

  3

  2

  4

  16

  4

  KPA LKE LPM KP

  1

  3

  Data hasil pengujian dapat dilihat pada tabel 5 dimana setiap respon dilakukan duakali pengulangan percobaan atau replikasi.

  

Tabel 5. Hasil pengujian

  Ke- Parameter proses Respon

  Current On time Off time Machining voltage

  3

  3

  3

  11

  1

  3 4 1,393 1,394 1,169 0,879 34,804 35,623 7,685 7,640

  10

  3

  2

  4 3 1,545 1,509 0,391 0,407 42,430 48,292 9,261 9,042

  3

  9

  3

  1 2 1,403 1,327 0,086 0,233 19,402 21,895 9,175 9,257

  12

  3

  4

  2 1 1,466 1,281 0,056 0,066 32,882 34,582 9,727 9,530

  3

  3 2 1,512 1,418 0,033 0,051 26,752 23,104 5,470 7,541

  3 3 1,461 1,452 0,026 0,033 12,028 15,043 6,399 6,395

  2

  5

  2

  1

  2 3 1,435 1,461 0,272 0,233 23,046 21,444 7,003 7,169

  6

  2

  1 4 1,417 1,417 0,130 0,066 12,755 14,931 8,315 8,158

  4

  7

  2

  3

  4 1 1,388 1,417 0,070 0,062 27,601 27,282 6,131 6,179

  8

  2

  1

  2

  16

  1

  1

  4

  4

  4

  5

  2

  2

  3

  3

  6

  2

  2

  1

  4

  4

  3

  4

  1

  4

  4 Eksperimen A B C D

  1

  1

  1

  1

  2

  3

  1

  2

  2

  2

  3

  1

  7

  2

  3

  2

  3

  1

  2

  12

  3

  4

  1

  4

  13

  4

  1

  4

  2

  14

  3

  11

  3

  4

  1

  8

  2

  4

  3

  2

  9

  3

  1

  3

  4

  10

  3

  2

3. HASIL DAN PEMBAHASAN

3.1 Hasil Pengujian

  13

  4

  1

  4 2 1,401 1,484 2,610 2,361 61,465 58,245 8,694 8,604

  14

  4

  2

  3 1 1,478 1,501 0,973 1,119 52,357 40,421 9,832 9,767

  15

  4

  3

  2 4 1,468 1,426 0,712 1,585 40,617 41,826 9,538 9,817

  16

  4

  4

  1 3 1,514 1,374 0,224 0,235 45,966 27,556 11,09 11,122

3.2 Rasio S/N

  1. Untuk respon KPA yang memiliki Karakteristik kualitas dengan nilai atau target tidak nol dan terbatas. Atau dengan kata lain nilai yang mendekati suatu nilai yang ditentukan adalah yang terbaik (nominal is the best)

     

  Nilai rasio S/N yang diperoleh untuk masing-masing respon yang diamati pada masing-masing kombinasi setting parameter ditunjukkan pada tabel 6.

  2 log

  1

    n i i n y

     

     

  4. Untuk respon KP yang memiliki karakteristik kualitas semakin kecil semakin baik (smaller is better) S/N= -

  2 ) / 1 ( log

  1

    n i i n y

  S/N= -    

  S/N= -    

  3. Untuk respon LPM yang memiliki karakteristik kualitas semakin besar semakin baik (larger is better).

  2 log

  1

    n i i n y

     

  S/N= -    

  2. Untuk respon LKE yang memiliki karakteristik kualitas semakin kecil semakin baik (smaller is better).

  2 ) ( log

  Rasio S/N merupakan rancangan yang digunakan untuk melakukan transformasi

pengulangan data ke dalam suatu nilai ukuran variasi yang timbul. Nilai rasio S/N

tergantung pada jenis karakteristik kualitas dari masing-masing parameter respon

(Soejanto 2009). Perhitungan nilai rasio S/N pada penelitian ini dilakukan dengan cara

sebagai berikut:

   n i i n y y

     

  1

  

Tabel 6. Rasio S/N masing masing respon

  1 2 28,021 19,879 22,409 -19,291

  4

  13

  2 1 20,421 23,430 25,463 -19,672

  4

  3

  12

  3

  4 2 27,811 -8,294 30,310 -18,740

  3

  11

  4 3 35,641 8,352 29,096 -19,231

  2

  3

  10

  1

  14

  1

  4

  No Respon

  

Tabel 8. FRG ( Fuzzy Reasoning Grade)

  Hasil proses defuzzification yang berupa nilai FRG untuk tiap-tiap kombinasi faktor

ditunjukkan pada Tabel 8. FRG akan digunakan sebagai variabel respon yang mewakili

parameter respon KPA, LKE, LPM dan KP secara serentak.

  20,421 -8,294 11,818 -20,911

  295,024 30,710 30,310 -14,695 Minimal

  1 3 23,301 13,853 25,362 -20,911 Sumber: Hasil hitungan Maksimal

  4

  4

  16

  2 4 33,618 3,201 27,794 -19,716

  3

  4

  15

  3 1 39,364 0,422 27,536 -19,824

  2

  3 4 69,415 -1,763 27,199 -17,687

  3

  Ke- Parameter proses Rasio S/N respon

  2

  4

  3 3 47,194 29,085 18,852 -16,120

  3

  1

  3

  2 2 36,698 30,425 14,449 -16,713

  1

  4

  2

  1 1 31,598 30,710 11,818 -15,785

  1

  1

  1

  KPA LKE LPM KP

  Current On time Off time

Machining

voltage

  1

  4 4 31,294 19,703 20,741 -14,695

  9

  2

  3 2 28,924 28,716 23,844 -17,604

  4

  2

  8

  4 1 24,694 13,688 23,907 -18,766

  3

  7

  5

  1 4 295,024 18,306 18,459 -17,905

  2

  2

  6

  2 3 38,037 11,065 22,343 -17,009

  1

  2

  FRG KPA LKE LPM KP 1 31,598 30,710 11,818 -16,713 0,428 2 36,698 30,425 14,449 -18,766 0,386 3 47,194 29,085 18,852 -16,120 0,542 4 31,294 19,703 20,741 -14,695 0,564 5 38,037 11,065 22,343 -17,009 0,470 6 295,024 18,306 18,459 -18,443 0,602 7 24,694 13,688 23,907 -15,785 0,547 8 28,924 28,716 21,853 -14,816 0,628 9 69,415 -1,763 27,199 -17,687 0,435

  10 35,641 8,352 29,096 -19,231 0,438 11 28,021 19,879 22,409 -19,291 0,474 12 20,421 23,430 25,463 -19,672 0,490 13 25,270 -7,567 29,447 -18,407 0,342 14 39,364 0,422 27,536 -19,824 0,380 15 33,618 3,201 27,794 -19,716 0,407 16 23,301 13,853 25,362 -20,911 0,536 Sumber: Hasil perhitungan

  Penentuan kombinasi parameter terbaik diawali dengan membuat tabel parameter

proses dari FRG. Perhitungan nilai FRG pada masing-masing level dari parameter

proses ditunjukkan pada tabel 9.

  

Tabel 9. Rata rata FRG

  Parameter proses Level 1 Level 2 Level 3 Level 4

  Current 0,480 0,562 0,459 0,416 On Time 0,419 0,452 0,474 0,555 Off time 0,510 0,438 0,496 0,473 Machining Voltage / gap voltage

  0,461 0,458 0,497 0,502 Rata-rata: 0,478

  Sumber: Hasil perhitungan

  Kemudian hasil FRG diplot menggunakan aplikasi Minitab. Plot untuk nilai FRG

pada masing-masing level dari parameter proses, yaitu Current (A), On Time (s), Off

time (s) dan Machining Voltage/gap voltage (V) ditunjukkan pada gambar 12.

  

Gambar 12. Hasil plot FRG masing masing level proses Berdasarkan nilai rata-rata dari FRG dan plotting nilai tersebut pada masing-masing

level parameter proses, dapat ditentukan nilai level untuk kombinasi variabel yang

menghasilkan respon yang optimum. Kombinasi parameter tersebut ditunjukkan pada

tabel 10.

  

Tabel 10. Kombinasi parameter proses untuk respon optimum

  Parameter proses Level Nilai level

  Current (A) Level 2

  15 Ampere

  On time ( µ s) Level 4 300 s Off time ( s) Level 1 5 s µ

  Machining Voltage/gap voltage (V) Level 4

  12 Volt Sumber: Plot nilai FRG

  Analisis variansi (ANOVA) digunakan untuk mengetahui parameter proses yang

memiliki kontribusi dalam mengurangi variasi respon KPA, LKE, LPM dan KP benda

kerja secara serentak. Pada penelitian ini, ANOVA dilakukan pada FRG yang

merupakan parameter respon yang mewakili keseluruhan respon seperti ditunjukkan

pada tabel 11.

  

Tabel 11. Anova pada FRG

SS’

  

Source DF SS MS F % Kontribusi (ρ)

Current

  3 0,044703 0,014901 37,67 0,043515 41,35

  On time

  3 0,041074 0,013691 34,61 0,039886 37,90

  Off time

  3 0,011831 0,003944 9,97 0,010643 10,11

  Machining Voltage

  3 0,006449 0,002150 5,43 0,005261 5,00

  Error

  3 0,001187 0,000396 5,64 Total 15 0,105243

  100 Sumber: Analysis of Variance for SN ratios

4. KESIMPULAN

  1. Kombinasi level parameter proses yang tepat pada EDM sinking secara signifikan terhadap KPA, LKE, LPM dan KP secara serentak adalah parameter proses:  Current 15A.

   Energy on time 300s.  Energy off time 5s.

   Machining voltage (gap voltage) 12V.

  2. Kontribusi dari parameter proses yang berpengaruh secara signifikan untuk memaksimalkan target KPA, memaksimalkan LPM dan meminimalkan LKE serta KP secara serentak adalah:  Current memiliki kontribusi sebesar 41,35%.

   Energy on time memiliki kontibusi sebesar 37,90%.  Energy off time memiliki kontribusi sebesar 10,11%.  Machining voltage (gap voltage) memiliki kontribusi hanya sebesar 5%.

5. DAFTAR PUSTAKA

  Kusumadewi, S. & Purnomo, H., 2010. Aplikasi Logika Fuzzy untuk Pendukung Keputusan kedua ed., Yogyakarta: Graha Ilmu. Lin, C.L., Lin, J.L. & Ko, T.C., 2002. Optimisation of the EDM Process Based on the Orthogonal Array with Fuzzy Logic and Grey Relational Analysis Method. journal of Advance Manufacturing Technology , pp.271–277.

  Lin, C.L., Lin, J.L. & Ko, T.C., 2002. Optimisation of the EDM Process Based on the Orthogonal Array with Fuzzy Logic and Grey Relational Analysis Method. journal of Advance Manufacturing Technology , pp.271–277.

  Lin, J.L. & Lin, C.L., 2002. The use of the orthogonal array with grey relational analysis to optimize the electrical discharge machining process with multiple performance characteristics. International Journal of Machine Tools & Manufacture , 42, pp.237–244. Lin, J.L. & Lin, C.L., 2005. The use of grey-fuzzy logic for the optimization of the manufacturing process. Journal of Materials Processing Technology 160, 160, pp.9–14. Lin, J.L. & Lin, C.L., 2005. The use of grey-fuzzy logic for the optimization of the manufacturing process. Journal of Materials Processing Technology 160, 160, pp.9–14. Lin, J.L. et al., 2000. Optimization of the electrical discharge machining process Technology , 102, pp.48–55.

  Soejanto, I., 2009. Desain Eksperimen dengan Metode Taguchi Pertama., Yogyakarta: Graha Ilmu.