Karakterisasi Umur Pahat Pada Pembubutan Kering Dan Keras Baja AISI 1045 Menggunakan Pahat Karbida CVD Berlapis Chapter III VI
BAB III
METODE PENELITIAN
3.1.
Bahan
3.1.1. Benda Kerja
Bahan benda kerja yang digunakan untuk penelitian ini adalah baja AISI
1045 yang telah dilakukan proses pengerasan (hardening process) seperti terlihat
pada gambar 3.1. dan kadar komposisi baja AISI 1045 terlihat pada tabel 3.1.
Tabel 3.1. Komposisi Kimia Baja AISI 1045
C
Si
Mn
0.43 - 0.50%
0.1 – 0.35%
0.6 – 0.9%
Gambar 3.1. Benda Kerja Baja AISI 1045 setelah Dikeraskan
3.1.2. Mata Pahat
Mata pahat yang digunakan untuk penelitian ini digunakan pahat karbida
CVD bepelapis, dengan pelapis TiN-Al2O3-TiCN dengan kode SNMG 1204018
TT 8125 merek Taegutec buatan Negara Korea Selatan seperti pada gambar 3.2.
Berikut kondisi pemotongan yang direkomendasikan oleh pihak produksi mata
pahat, yaitu:
-
Kecepatan potong (Vc) = 250-340m/min
-
Pemakanan (f)
-
Kedalaman potong (a) = 1.2 – 5.0 mm
= 0.17 - 0.55 mm/rev
20
Universitas Sumatera Utara
Gambar 3.2. Pahat Karbida Insert
3.2.
Peralatan
3.2.1. Peralatan proses hardening
Peralatan – peralatan yang digunakan dalam proses pengerasan baja
(hardening) adalah sebagai berikut:
1. Tungku pemanas
Tungku pemanas berfungsi untuk memanaskan benda kerja (hardening
process) sebelum dilakukan proses pembubutan hingga suhu benda kerja
mencapai suhu 8300C seperti terlihat pada gambar 3.3. Berikut spesifikasi
tungku pemanas, yaitu:
- Model
: KL-280
- Negara pembuat
: Jepang
- Temperatur maksimum
: 12000C
- Dimensi dalam
: 210mm x 300mm x 150 mm
- Dimensi luar
: 550mm x 580mm x 650 mm
- Daya
: 2,7 kW
- Voltase
: 230 V
- Berat
: 60 kg
21
Universitas Sumatera Utara
Gambar 3.3. Tungku Pemanas
2. Brinell hardness tester
Brinell hardness tester merupakan alat uji kekerasan benda kerja dengan
pembebanan 500kg, 1500kg, dan 3000kg seperti terlihat pada gambar 3.4.
Proses pengujian dilakukan dengan mendongkrak tuas hidrolik hingga
meteran beban naik ke beban yang diinginkan. Bola indentor dengan besar
diameter 10mm akan menekan sampel benda kerja yang ingin diuji
kekerasannya. Berikut spesifikai alat uji kekerasan Brinnel, yaitu:
- Diameter indentor
: 10mm
- Sistem pembebanan : Hidrolik
- Berat pembebanan
: 500 kg, 1500kg, dan 3000kg
- Penyetel benda kerja : penyetelan ulir
- Pelepasan beban
: Penyetelan katup oli
Gambar 3.4. Brinell Hardness Tester
3. Mikroskop indentor
22
Universitas Sumatera Utara
Mikroskop indentor berfungsi untuk mengukur besar indentansi dari bola
indentor terhadap permukaan sampel baja AISI 1045, mikroskop tersebut
terlihat pada gambar 3.5. Berikut spesifikasi mikroskop indentor, yaitu:
- Pembesaran
: 20x – 50x
- Skala pengukuran
: Tertera pada lensa pembesaran.
Gambar 3.5. Mikroskop Indentor
4. Media Pendingin
Terdapat beragam media pendingin yang digunakan dalam dunia industri
antara lain : air, larutan/ air garam, minyak/ oli, polimer encer, dan bak
garam. Air dan oli merupakan media pendingin yang paling banyak dipakai
untuk mengeraskan baja karena mudah dalam proses pencelupannya.
Pendinginan dengan air lebih cepat dibandingkan dengan oli, sehingga
kemungkinan terjadinya retak lebih besar, oleh karena itu oli lebih banyak
digunakan sebagai media pendingin. Oli/minyak mempunyai kelebihan
diantaranya dapat digunakan pada berbagai temperatur secara efektif. Secara
umum, oli minyak mempunyai laju pendinginan yang lebih lambat
dibandingkan dengan air atau air garam. Oleh karena itu, media pendingin
ini dapat memberikan hasil quenching dengan distorsi dan retak yang lebih
kecil. Media pendingin yang digunakan untuk proses hardening baja AISI
1045 adalah oli bekas SAE 40 sebanyak 70 liter terlihat pada gambar 3.6.
23
Universitas Sumatera Utara
Gambar 3.6. Oli Bekas sebagai Media Pendingin
d
3.2.2. Peralatan proses pembubutan
Peralatan-peralatan yang digunakan dalam penelitian ini adalah sebagai
berikut:
1. Mesin Bubut Konvensional
Mesin bubut digunakan untuk menguji performansi mata pahat dengan cara
memotong benda kerja baja AISI 1045. Berikut spesifikasi mesin bubut
seperti pada gambar 3.7 yang digunakan , yaitu:
- Daya
: 15.7kW
- Diameter penjepitan maksimum
: 158mm
- Ukuran
: 530 x 1100
- Putaran kecepatan
: 35 – 2000 rpm
- Pemakanan
: 0.035 – 0.98 mm/rev
- Voltase
: 220/330 V
- Ampere
: 14/18.1 13.5/7.82 A
- Frekuensi
: 50 – 60 Hz
- Motor listrik
: Induksi motor 3 fasa
24
Universitas Sumatera Utara
Gambar 3.7. Mesin Bubut Konvensional
2. Tool Holder
Tool holder berfungsi sebagai dudukan mata pahat, mata pahat diklem
dengan menggunakan baut agar kuat dan kokoh pada saat memotong logam
terlihat pada gambar 3.8. Tool holder yang digunakan memiliki kode
MSDNN 2020K12. Berikut spesifikasi tool holder berdasarkan gambar 3.9,
yaitu:
- Dimensi h
: 20mm
- Dimensi b
: 20mm
- Dimensi L1
: 125mm
- Dimensi L2
: 34mm
- Dimensi h1
: 20mm
- Dimensi f
: 10mm
- Std re
: 0.8mm
Gambar 3.8. Tool Holder
25
Universitas Sumatera Utara
Gambar 3.9. Gambar Spesifikasi Tool Holder
3. Mikroskop Dino-Lite
Mikroskop Dino-Lite berfungsi untuk meneliti, mengukur dan memperbesar
penglihatan terhadap keausan pahat insert hingga pembesaran 690 – 900x
terlihat pada gambar 3.10. Pada mikroskop ini dihubungkan dengan software
Dinocapture versi 2.0. Berikut spesifikasi mikroskop, yaitu:
- Model
: AM4515T8 Dino-Lite Edge
- Penghubung
: USB 2.0
- Resolusi produk
: 1,3 Megapixels
- Pembesaran
: 700x – 900x
- Tipe LED
: Warna putih
- Fitur khusus
: Pembacaaan skala pembesaran
otomatis
- Penggantian penutup lensa
: Ya
- Penggunaan fungsi pengukuran
: Ya
- Berat Unit
: 3kg
- Dimensi Mikroskop
: 20cm (L) x 20cm (W) x 25cm (H)
26
Universitas Sumatera Utara
Gambar 3.10. Mikroskop Dino-Lite
4. Tachometer
Tachometer berfungsi untuk mengukur besar putaran spindle atau cekam dari
mesin bubut. Hal ini dilakukan untuk mengetahui besaran aktual yang
diberikan pada saat mesin bubut bekerja. Tachometer terlihat pada gambar
3.11. Berikut spesifikasi Tachometer, yaitu:
- Rentang pengujian rpm saat bersentuhan
: 2 hingga 20.000rpm
- Rentang pengujian rpm tanpa bersentuhan
: 2 hingga 99.999rpm
- Total rentang pengujian
: 1 hingga 99.999rpm
- Akurasi
: ±(0.05% + 1 digit)
- Resolusi
: 0.5 sec. (Over 120rpm)
- Pendeteksi jarak
: 50 hingga 500mm
- Konsumsi daya
: 45 mA
- Baterai
:9V
Gambar 3.11. Tachometer
3.3.
Metodologi Penelitian
27
Universitas Sumatera Utara
3.3.1. Desain eksperimen
Metode desain eksperimen yang digunakan pada penelitian ini adalah
metode eksperimental dengan perancangan data berdasarkan metode faktorial
(mn). Dalam hal ini “n” adalah jumlah variabel bebas dalam desain eksperimen
seperti kondisi pemotongan yaitu: kecepatan potong (vc), pemakanan (f),
kedalaman potong (a). Kode “m” adalah variasi magnitude dari kondisi
pemotongan, yaitu Low (L), dan High (H). Karena ada 3 variabel yang dapat
diubah harganya (v, f, dan a) dan satu variabel yang diamati (umur pahat) maka
paling sedikit diperlukan 8 kali percobaan[15] apabila untuk masing – masing
variabel hanya diubah pada besar nilai m, yaitu 2, maka metode faktorial
tersebut dapat ditulis mn = 23 = 8.
Kedelapan harga tersebut menempati pojok dari kubus percobaan dengan
tiga sisinya setaraf dengan sumbu v, f dan a terlihat pada gambar 3.12. Set
percobaan tersebut dapat dilengkapi dengan menentukan 4 buah titik percobaan
lagi dengan lokasi di sekitar titik tengah kubus, dengan menggunakan metode
faktorial mn, dengan asumsi salah satu variabel bebas, yaitu kedalaman potong
(a) di ambil sama besarannya untuk 4 buah titik percobaan, maka tersisa 2
variabel bebas yang divariasikan yaitu kecepatan potong (v) dan pemakanan (f).
Kode m adalah variasi magnitude dari kondisi pemotongan (v dan f), yaitu
Medium1 (Med 1), dan Medium2 (Med 2). Maka metode faktorial tersebut dapat
ditulis mn = 22 = 4. Maka keempat set percobaan diletakkan pada tengah kubus,
terlihat pada gambar 3.12.
Apabila kondisi pemotongan dan besar magnitude dipasangkan, maka
susunan data yang akan dilaksanakan pada penelitian ini dilihat pada tabel 3.2,
3.3 dan 3.4.
28
Universitas Sumatera Utara
Gambar 3.12. Kubus Percobaan
Tabel 3.2. Variasi Nilai Parameter Kondisi Pemotongan 23
Parameter
High
Low
v (mm/min)
375
250
f (mm/rev)
0,24
0,14
a (mm)
2,5
1,5
Tabel 3.3. Variasi Nilai Parameter Kondisi Pemotongan 22
Parameter
Medium1 (Med 1)
Medium2 (Med 2)
V (mm/min)
275
325
f (mm/rev)
0,17
0,21
a (mm) (konstan)
2
2
Tabel 3.4. Susunan Data Kondisi Pemotongan
29
Universitas Sumatera Utara
Run percobaan
v (mm/min)
f (mm/rev)
a(mm)
1
H
H
H
2
L
L
L
3
L
L
H
4
L
H
H
5
L
H
L
6
H
H
L
7
H
L
H
8
H
L
L
9
M1
M1
M
10
M1
M2
M
11
M2
M2
M
12
M2
M1
M
Tabel 3.5. Susunan Perencanaan Data Kondisi Pemotongan Aktual
Run percobaan
v (mm/min)
f (mm/rev)
a(mm)
1
372
0.24
2.5
2
256
0.14
1.5
3
256
0.14
2.5
4
256
0.24
2.5
5
256
0.24
1.5
6
372
0.24
1.5
7
372
0.14
2.5
8
372
0.14
1.5
9
301
0.17
2
10
301
0.21
2
11
342
0.21
2
12
342
0.17
2
Kondisi pemotongan pada tabel 3.4. dilaksanakan dengan merujuk pada kriteria
tertentu sebagaimana dimaksud oleh Standar ISO 3685 dan hasil survey, yaitu:
30
Universitas Sumatera Utara
1. Batas maksimum aus sisi (flank wear) yaitu VBmaks 0.3mm
2. Masa pakai pahat (umur pahat / tool life) minimum 5 menit dan
maksimum 20 menit
3. Kondisi pemotongan yang dihasilkan berada pada rentang yang akan
menghasilkan produk semi finish.
Setelah memperoleh data-data sebagaimana yang diharapkan pada tabel 3.4.,
maka setiap pencobaan kondisi pemotongan akan diplot (progress keausan pahat),
yaitu antara waktu permesinan (tc) versus kondisi pemotongan, dari seluruh run 1
hingga 12, akan ditarik kesimpulan berupa hasil analisis regresi dan varians yang
menghasilkan persamaan matematis umur pahat dengan fungsi variabel (v, f, a).
Untuk mendapatkan persamaan umur pahat tersebut diperlukan diagram alir
dalam metode penelitian. Diagram alir yang digunakan sebagai metodologi
penelitian terlihat pada gambar 3.13. dan gambar 3.14.
31
Universitas Sumatera Utara
Survey
Lapangan
Mulai
Tinjau Studi
Pustaka
Identifikasi
Masalah
Persiapan proses pembubutan:
-
Pahat
Benda Kerja
Survey
mesin
bubut
Pelakuan panas hardening pada
sampel benda kerja baja AISI
1045
tidak
Pabrikasi, set
up dan jalankan
mesin
Uji coba
mesin dengan
kondisi
ekstrim
tidak
Uji kekerasan
sampel benda
kerja
Ya
Penentuan
Kondisi
Pemesinan v, f,
a
Berhasil
Pelakuan panas
hardening 12
batang baja AISI
1045
A
Gambar 3.13. Diagram alir metodologi penelitian
32
Universitas Sumatera Utara
A
Proses
pembubutan
Pengumpulan data berupa:
-
Waktu pembubutan
Pengukuran keausan
pahat hingga VB 0.3mm
-
Menyusun data waktu
pembubutan dengan kondisi batas
Vb 0.11- 0.12 mm dan VB 0.220.26 mm
Melakukan analisa varians
(ANOVA) pada data waktu
pembubutan dengan
menggunakan software Design
Expert
Mengamati dan mengukur
kondisi mata pahat
Menghasilkan persamaan umur
pahat Taylor dengan variabel v, f,
a.
Kesimpulan
Selesai
Gambar 3.14. Sambungan diagram alir metodologi penelitian
33
Universitas Sumatera Utara
3.3.2. Software design expert dan ANOVA
Design Expert terlihat pada gambar 3.15 merupakan salah satu software
yang dirancang dan diprogram untuk membantu mendesain dan menafsirkan
percobaan dengan faktor atau variabel yang banyak. Software ini juga
menawarkan desain yang luas, termasuk rancangan variabel, variabel sebagian,
dan variabel dari perancangan campuran (composite design). Design Expert
mampu menganalisa data-data dari hasil percobaan dengan mencari hubungan
antara variabel bebas terhadap variabel terikat (respon), serta mampu melakukan
analisa regresi sederhana ataupun berganda sehingga menghasilkan suatu
persamaan disertai hasil analisa varians (ANOVA).
Dalam penelitian menggunakan eksperimen, misalnya untuk melihat ada
atau tidak adanya perbedaan nyata mengenai efek tiga perlakuan terhadap
respon, analisisnya dilakukan menggunakan analisis varians (ANOVA)
berdasarkan model dan desain eksperimen yang cocok untuk permasalahannya.
Banyak perlakuan yang dilibatkan dalam eksperimen kita pandang sebagai
peubah bebas (tepatnya menurut istilah dalam desain eksperimen adalah faktor)
sedangkan sebagai efek perlakuan merupakan peubah tak bebas atau respon.
Untuk penelitian ini, digunakan software design expert dengan
penggunaan free trial selama 30 hari untuk menganalisa regresi serta varians
dari hasil data eksperimen. Hasil data eksperimen terdapat sebanyak 12 kali
percobaan dengan variabel bebas terdiri atas 3 jenis yaitu, kecepatan potong (v),
pemakanan (f), dan kedalaman potong (a) serta 1 variabel terikat yaitu umur
pemakaian pahat (T). Semua variabel bebas dan terikat diubah terlebih dahulu
dalam bentuk skala logaritma.
Gambar 3.15. Cover Software Design Expert.
34
Universitas Sumatera Utara
BAB IV
HASIL ANALISIS DAN DISKUSI
4.1.
Kondisi Pemotongan dan Umur Pahat
Pada penelitian ini dilakukan proses pembubutan dengan 12 kondisi
pemotongan sesuai dengan urutan Tabel 3.5 pada BAB III, sehingga dihasilkan
data umur pahat dengan kondisi pemotongan terakhir terlihat pada Tabel 4.1. Pada
Tabel 4.1 terlihat kecepatan potong berubah, hal ini dikarenakan pada proses
permesinan terjadi pengurangan diameter, sehingga kecepatan potong menurun
dengan putaran mesin yang ditentukan.
Tabel 4.1. Hasil Eksperimen Umur Pahat pada Proses Pembubutan
Run
v
f
a
T
Aus Tepi, VB
(m/min)
(mm/rev)
(mm)
(min)
(mm)
1
214
0.24
2.5
4.9
0.32
2
120
0.14
1.5
20.9
0.27
3
114
0.14
2.5
13.5
0.27
4
81
0.24
2.5
9.7
0.30
5
138
0.24
1.5
10.0
0.30
6
193
0.24
1.5
7.2
0.37
7
160
0.14
2.5
9.1
0.45
8
123
0.14
1.5
14.9
0.25
9
118
0.17
2.0
8.0
0.33
10
117
0.21
2.0
6.8
0.31
11
116
0.21
2.0
7.9
0.41
12
117
0.17
2.0
9.3
0.26
Pengambilan data eksperimen dilakukan pada saat pengukuran mata pahat insert
mencapai keausan tepi maksimum (VBmaks) sebesar 0.3mm. Keausan tepi tersebut
terlihat saat lapisan coating pada pahat insert terkikis seperti terlihat pada Gambar
4.1, 4.2, dan 4.3. Dilihat dari tingkat keausan yang terjadi pada pahat insert
diperoleh Tabel hasil kondisi pemotongan pada daerah initial wear (keausan
35
Universitas Sumatera Utara
mula mula) dengan asumsi keausan tepi (VB) antara 0.11 – 0.12mm (Tabel 4.2)
dan Tabel hasil kondisi pemotongan pada daerah gradual wear (keausan bertahap)
dengan asumsi keausan tepi VB antara 0.22 – 0.24 mm (Tabel 4.4)
Gambar 4.1. Keausan Tepi Run 1
Gambar 4.2. Keausan Tepi Run 2
36
Universitas Sumatera Utara
Gambar 4.3. Keausan Tepi Run 10
Tabel 4.2. Kondisi Pemotongan pada Daerah Initial Wear
Run
V
f
a
T
(m/min)
(mm/rev)
(mm)
(min)
1
246
0.24
2.5
1.0
2
238
0.14
1.5
3.2
3
179
0.14
2.5
7.8
4
215
0.24
2.5
2.8
5
215
0.24
1.5
3.7
6
324
0.24
1.5
1.3
7
343
0.14
2.5
1.1
8
335
0.14
1.5
1.1
9
244
0.17
2.0
2.7
10
238
0.21
2.0
2.2
11
285
0.21
2.0
1.6
12
293
0.17
2.0
1.9
37
Universitas Sumatera Utara
Tabel 4.3. Hasil Logaritma Kondisi Pemotongan pada Daerah Initial Wear
Run
Log V
Log f
Log a
Log T
1
2.3915
-0.6198
0.3979
-0.0133
2
2.3768
-0.8539
0.1761
0.4978
3
2.2534
-0.8539
0.3979
0.8915
4
2.3329
-0.6198
0.3979
0.4489
5
2.3323
-0.6198
0.1761
0.5625
6
2.5108
-0.6198
0.1761
0.1217
7
2.5355
-0.8539
0.3979
0.0480
8
2.5253
-0.8539
0.1761
0.0443
9
2.3873
-0.7696
0.3010
0.4342
10
2.3767
-0.6778
0.3010
0.3528
11
2.4548
-0.6778
0.3010
0.1927
12
2.4663
-0.7696
0.3010
0.2666
Tabel 4.4. Kondisi Pemotongan pada Daerah Gradual Wear
Run
v
f
a
T
(m/min)
(mm/rev)
(mm)
(min)
1
236
0.24
2.5
4.3
2
130
0.14
1.5
19.5
3
131
0.14
2.5
12.1
4
180
0.24
2.5
4.7
5
148
0.24
1.5
9.2
6
218
0.24
1.5
6.2
7
312
0.14
2.5
2.2
8
138
0.14
1.5
14.1
9
137
0.17
2.0
7.3
10
136
0.21
2.0
6.2
11
173
0.21
2.0
6.2
12
156
0.17
2.0
8.0
38
Universitas Sumatera Utara
Tabel 4.5. Hasil Logaritma Kondisi Pemotongan pada Daerah Gradual Wear
4.2.
Run
Log V
Log f
Log a
Log T
1
2.3723
-0.6198
0.3979
0.6334
2
2.1125
-0.8539
0.1761
1.2895
3
2.1186
-0.8539
0.3979
1.0839
4
2.2563
-0.6198
0.3979
0.6730
5
2.1702
-0.6198
0.1761
0.9656
6
2.3375
-0.6198
0.1761
0.7903
7
2.4947
-0.8539
0.3979
0.3432
8
2.1394
-0.8539
0.1761
1.1505
9
2.1375
-0.7696
0.3010
0.8654
10
2.1325
-0.6778
0.3010
0.7908
11
2.2382
-0.6778
0.3010
0.7954
12
2.1924
-0.7696
0.3010
0.9019
Analisis Varians (ANOVA)
Pada analisis ini ini digunakan metode RSM (Response Surface
Methodology), yaitu suatu metode gabungan antara teknik matematika dan teknik
statistik yang digunakan untuk membuat model dan menganalisis suatu respon y
yang dipengaruhi oleh beberapa variabel x yang tujuannya untuk mengoptimalkan
respon tersebut. Software Design Expert digunakan untuk mendapatkan
pecontohan dari beberapa hasil pelaksanaan eksperimen untuk menginvestigasi
pengaruh antara 3 parameter input, yaitu kecepatan potong (v), pemakanan
(mm/rev) dan kedalaman potong (mm) terhadap variabel respon, yaitu umur
pemakaian pahat dalam skala logaritma.
4.2.1. ANOVA untuk hasil kondisi pemotongan initial wear
Hasil data eksperimen dari proses pembubutan dalam skala logaritma
tertunjuk pada Tabel 4.3. Data eksperimen tersebut akan diregresi dan dianalisa
oleh software design expert. Hasil dari analisa varians akan ditunjukkan pada
Tabel 4.6. yang memperlihatkan model logaritma umur pahat (log T) tersebut
signifikan dengan nilai F = 15.58. Dengan catatan bahwa nilai p-value (Prob>F)
lebih besar daripada 0.05, maka pemodelan tersebut tidak signifikan. Hal ini
39
Universitas Sumatera Utara
dapat kita lihat pada Tabel 4.6. bahwa variabel A (Log v) memiliki pengaruh
yang signifikan terhadap pemodelan persamaan logaritma umur pahat sedangkan
B (Log f) dan C (Log a) tidak berpengaruh terlalu signifikan terhadap
pemodelan umur pahat.
persamaan logaritma umur pahat dari regresi oleh software design
Berikut
expert dijabarkan sebagai berikut:
= 6.881 − 2.889
− 0.784
.................... (4.1)
− 0.570
Berikut ini persamaan logaritma 4.1 dapat diubah menjadi persamaan umur
pahat Taylor dalam bentuk eksponensial, yaitu:
= 7,6 × 10 ×
.
×
.
×
.
................... (4.2)
Tabel 4.6. Hasil Analisis Varians untuk Logaritma Umur Pahat Initial Wear
Source
Sum of
Squares
DF
Mean
Square
F
Value
p-value
Prob > F
`
Model
0.66
3
0.22
15.58
0.0011
significant
A-Log v
0.63
1
0.63
45.06
0.0002
B-Log f
0.071
1
0.071
5.08
0.0543
C-Log a
0.030
1
0.030
2.12
0.1837
Residual
0.11
8
0.014
Cor Total
0.77
11
Std. Dev.
0.12
R-Squared
0.8539
Mean
0.32
Adj R-Squared
0.7991
C.V. %
36.92
Pred R-Squared
0.6217
PRESS
0.29
4.2.2. ANOVA untuk hasil kondisi pemotongan gradual wear
Hasil data eksperimen dari proses pembubutan dalam skala logaritma
tertunjuk pada Tabel 4.5. Data eksperimen tersebut akan diregresi dan dianalisa
oleh software design expert. Hasil dari analisa varians akan ditunjukkan pada
Tabel 4.7 dan Tabel 4.8 yang memperlihatkan model tersebut signifikan dengan
nilai F = 27.30. Dengan catatan bahwa nilai p-value (Prob>F) lebih besar
daripada 0.05 maka model tersebut tidak signifikan. Hal ini dapat kita lihat pada
Tabel 4.7. bahwa variabel A (Log v), C (Log a), AB (Log v x Log f) memiliki
40
Universitas Sumatera Utara
pengaruh yang signifikan terhadap pemodelan persamaan umur pahat. Berikut
persamaan logaritma umur pahat dari regresi oleh software design expert
dijabarkan sebagai berikut:
= −7.88222 + 4.27638
+ 5.66459
×
− 21.12731
− 4.71566
×
− 16.82498
+ 9.86417
×
.................................... (4.3)
Berikut ini persamaan logaritma 4.5 dapat diubah menjadi persamaan umur
pahat Taylor dalam bentuk eksponensial, yaitu:
10(
= 12.88 ×
.
×
) ( .
.
×
×
.
) ( .
×
.
×
)
×
.............. (4.4)
Tabel 4.7. Hasil Analisis Varians untuk Logaritma Umur Pahat Gradual Wear
Source
Sum of
Squares
DF
Mean
Square
F
Value
p-value
Prob > F
Model
0.68
6
0.11
27.30
0.0011
A-Log v
0.050
1
0.050
12.14
0.0176
B-Log f
4.806E004
1
4.806E004
0.12
0.7472
C-Log a
0.043
1
0.043
10.41
0.0233
AB
0.061
1
0.061
14.77
0.0121
AC
0.011
1
0.011
2.59
0.1683
BC
9.440E003
1
9.440E003
2.28
0.1915
Residual
0.021
5
4.141E003
Cor Total
0.70
11
Std. Dev.
0.064
RSquared
0.9704
Mean
0.86
Adj RSquared
0.9348
C.V. %
7.51
Pred RSquared
0.6031
PRESS
0.28
significant
41
Universitas Sumatera Utara
4.3.
Diskusi
4.3.1. Diskusi umur pahat saat initial wear
Persamaan 4.1 merupakan persamaan model linear dengan nilai F sebesar
15.58 menunjukkan model tersebut memiliki pengaruh yang signifikan terhadap
umur pahat. Sebagai tambahan parameter A juga memiliki pengaruh terhadap
persamaan 4.1. Pada Gambar 4.4. Normal Probability Plot menunjukkan bahwa
penyebaran dari data residual antara nilai logaritma umur pahat aktual terhadap
yang diprediksikan menyerupai suatu garis diagonal yang melintang dari sisi kiri
bagian bawah grafik menuju sisi kanan atas. Agar penyebaran dari nilai residual
mendekati normal, maka dipasangkan garis diagonal pada grafik tersebut. Pada
Gambar 4.5. Plot Perturbation menunjukkan dan membandingkan pengaruh
variabel logaritma kondisi pemotongan terhadap logaritma umur pahat dengan
memperhatikan sumbu x-nya yang merupakan besaran dari variabel kondisi
pemotongan dalam skala logaritma yang disamarkan dengan variabel kode oleh
software design expert, yaitu:
1.
Umur pahat semakin menurun dengan bertambahnya kecepatan
potong (A)
2.
Umur pahat semakin menurun dengan bertambahnya pemakanan (B)
3.
Umur pahat semakin menurun dengan bertambahnya kedalaman
potong (C)
Gambar 4.6 mengilustrasikan pengaruh dari dua faktor yaitu log v (A) dan log f
(B) terhadap log T dengan log a sebesar 0.287 yang dijaga konstan. Hal ini dapat
dilihat pada Gambar dengan kecepatan potong yang rendah dan pemakanan yang
rendah menghasilkan umur pahat yang tinggi dalam bentuk logaritma. Pada
Gambar 4.7 menjelaskan dengan penggunaan kecepatan potong yang sangat
tinggi dan pemakanan yang tinggi menyebabkan umur pahat menjadi singkat.
Dengan menggunakan kecepatan 179m/min (log v = 2.253) dan pemakanan 0.14
mm (log f = -0.854) serta kedalaman potong 2mm (log a = 0.287), menampilkan
warna kuning kemerahan yang menunjukkan umur pahat di atas 4 menit.
Dengan melakukan perhitungan umur pahat menggunakan formula Taylor hasil
software design expert maka dapat dilakukan perbandingan serta persen ralat
42
Universitas Sumatera Utara
dari hasil formula umur pahat terhadap umur pahat aktual yang terlihat pada
Tabel 4.8. dan Gambar 4.8.
Gambar 4.4. Normal Probability Plot (Initial Wear)
Gambar 4.5. Perturbation (Initial Wear)
43
Universitas Sumatera Utara
Gambar 4.6. Pengaruh Log v dan Log f terhadap Log T (Initial Wear)
Gambar 4.7. Grafik Pemetaan Hubungan Log v dan Log f terhadap Log T (initial
wear)
44
Universitas Sumatera Utara
Tabel 4.8. Perbandingan Umur Pahat Aktual dengan Umur Pahat Hasil
Perhitungan Formula dari Software Design Expert
No Run
Taktual
Tdesign expert
% Ralat
Run 1
1.0
1.7
43.0
Run 2
3.2
3.8
17.9
Run 3
7.8
6.5
-19.7
Run 4
2.8
2.5
-11.9
Run 5
3.7
3.4
-8.2
Run 6
1.3
1.0
-28.6
Run 7
1.1
1.0
-12.1
Run 8
1.1
1.4
22.4
Run 9
2.7
2.6
-4.4
Run 10
2.2
2.4
4.8
Run 11
1.6
1.4
-10.7
Run 12
1.9
1.5
-20.0
12
11
10
9
No Run
8
7
6
T hasil rumus Taylor
5
T aktual
4
3
2
1
0.00
2.00
4.00
6.00
8.00
10.00
Umur pahat (T), min
Gambar 4.8. Perbandingan Umur Pahat Aktual dengan Umur Pahat Perhitungan
45
Universitas Sumatera Utara
4.3.2. Diskusi umur pahat saat gradual wear
Persamaan 4.3 merupakan persamaan model dua faktor interaksi dengan
nilai F sebesar 27.3 menunjukkan model tersebut memiliki pengaruh yang
signifikan terhadap umur pahat. Sebagai tambahan parameter A, C dan AB dari
Tabel 4.7 juga memiliki pengaruh terhadap persamaan 4.3. Pada Gambar 4.9.
Normal Probability Plot menunjukkan bahwa penyebaran dari data residual
antara nilai logaritma umur pahat aktual terhadap yang diprediksikan
menyerupai suatu garis diagonal yang melintang dari sisi kiri bagian bawah
grafik menuju sisi kanan atas. Agar penyebaran dari nilai residual mendekati
normal, maka dipasangkan garis diagonal pada grafik tersebut. Pada Gambar
4.10. Plot Perturbation saat gradual wear menunjukkan kesamaan terhadap
Gambar 4.5. Plot Perturbation saat initial wear.
Gambar 4.11, 4.12, dan 4.13 menunjukkan pengaruh dari dua kondisi
parameter terhadap umur pahat. Gambar 4.11 mengilustrasikan pengaruh dari
dua faktor yaitu log v (A) dan log f (B) terhadap log T dengan log a bernilai 0.25
yang dijaga konstan. Hal ini dapat dilihat pada Gambar 4.11 dengan kecepatan
potong yang rendah dan pemakanan yang rendah menghasilkan umur pahat yang
tinggi. Gambar 4.12 mengilustrasikan pengaruh dari dua faktor log v (A) dan log
a (C) terhadap log T dengan log f bernilai -0.72 dijaga konsta. Dari Gambar ini
dapat dilihat dengan kecepatan potong yang rendah dan kedalaman potong yang
rendah menghasilkan umur pahat yang tinggi. Gambar 4.13. menunjukkan
pengaruh dari dua faktor yaitu log f (B) dan log a (C) dengan log v bernilai 2.25
dijaga konstan. Dari Gambar tersebut dapat dilihat dengan pemakanan yang
tinggi dan kedalaman potong yang rendah, menghasilkan umur pahat yang
tinggi. Dengan melakukan perhitungan umur pahat menggunakan formula
Taylor hasil software design expert maka dapat dilakukan perbandingan serta
persen ralat dari hasil formula umur pahat terhadap umur pahat aktual yang
terlihat pada Tabel 4.9. dan Gambar 4.15.
46
Universitas Sumatera Utara
Gambar 4.9. Normal Probability Plot (Gradual Wear)
Gambar 4.10. Perturbation (Gradual Wear)
47
Universitas Sumatera Utara
Gambar 4.11. Pengaruh Log v dan Log f terhadap Log T (Gradual Wear)
Gambar 4.12. Pengaruh Log v dan Log a terhadap Log T (Gradual Wear)
48
Universitas Sumatera Utara
Gambar 4.13. Pengaruh Log f dan Log a terhadap Log T (gradual wear)
Gambar 4.14. Grafik Pemetaan Hubungan Log v dan Log f terhadap Log T
(Gradual Wear)
49
Universitas Sumatera Utara
Tabel 4.9. Perbandingan Umur Pahat Aktual dengan Umur Pahat Hasil
Perhitungan Formula dari Software Design Expert
No Run
Taktual
Tdesign expert
% Ralat
Run 1
4.3
4.7
7.8
Run 2
19.5
17.9
-9.0
Run 3
12.1
11.4
-6.6
Run 4
4.7
4.2
-12.8
Run 5
9.2
8.7
-5.7
Run 6
6.2
6.3
2.5
Run 7
2.2
2.2
0.3
Run 8
14.1
14.7
3.8
Run 9
7.3
9.2
20.3
Run 10
6.2
6.8
9.3
Run 11
6.2
5.7
-8.8
Run 12
8.0
7.5
-6.3
12
11
10
9
No. Run
8
7
6
T rumus
5
T aktual
4
3
2
1
0.00
5.00
10.00
15.00
20.00
25.00
Umur pahat (T), min
Gambar 4.15. Perbandingan Umur Pahat Aktual dengan Umur Pahat Perhitungan
50
Universitas Sumatera Utara
4.4.
Optimasi Kondisi Pemotongan
Akhir ini, fungsi dari desirability optimasi variabel bebas pada respon
surface methodology telah dilakukan pada optimasi respon. Manfaat dari optimasi
respon surface membantu untuk mencari harga optimal dari parameter kondisi
pemotongan untuk memberikan umur pahat yang optimal selama melakukan
proses pembubutan kering dan keras pada baja AISI 1045. Proses optimasi
dilakukan pada software design expert yang mana data tersebut tersusun pada
Tabel 4.10 dan 4.12 yang menunjukkan pembatasan untuk optimasi kondisi
parameter pemotongan dalam skala logaritma untuk initial wear dan gradual
wear. Tabel 4.11 dan 4.13 menunjukkan hasil optimasi umur pahat skala
logaritma untuk initial wear dan gradual wear.
Pada Tabel 4.11 ditunjukkan hasil optimasi dari logaritma umur pahat
untuk initial wear yaitu sebesar 0.893 dengan variabel bebas, yaitu log v bernilai
2.253, log f bernilai -0.853, dan log a bernilai 0.259. Maka hasil dari anti log
tersebut dapat ditulis menjadi v: 179 m/min, f: 0.14 mm/rev, a: 1.8 mm dan T:
7.8 menit.
Pada Tabel 4.13 ditunjukkan hasil optimasi dari logaritma umur pahat
untuk gradual wear yaitu sebesar 1.323 dengan parameter lain, yaitu log v
bernilai 2.042, log f bernilai -0.874, dan log a bernilai 0.342. Maka hasil dari anti
log tersebut dapat ditulis menjadi v: 110 m/min, f: 0.13 mm/rev, a: 2.2 mm dan
T: 21 menit.
Tabel 4.10. Pembatasan untuk Optimasi Kondisi Parameter Pemotongan
dalam Skala Logaritma untuk Intial Wear
Kondisi
Goal
Lower limit
Upper limit
A:Log v
is in range
2.253
2.535
B:Log f
is in range
-0.854
-0.62
C:Log a
is in range
0.176
0.398
Log T
maximize
-0.0133029
0.891454
51
Universitas Sumatera Utara
Tabel 4.11. Hasil Optimasi Umur Pahat Skala Logaritma untuk Initial Wear
Number
Log v
Log f
Log a
Log T
Desirability
1
2.253
-0.853
0.259
0.893
1.000
2
2.253
-0.834
0.177
0.924
1.000
3
2.260
-0.844
0.178
0.911
1.000
4
2.254
-0.798
0.177
0.895
1.000
5
2.254
-0.836
0.216
0.900
1.000
6
2.256
-0.845
0.229
0.896
1.000
7
2.253
-0.822
0.180
0.913
1.000
8
2.256
-0.849
0.204
0.913
1.000
9
2.253
-0.852
0.253
0.895
1.000
10
2.253
-0.854
0.260
0.893
1.000
Selected
Tabel 4.12. Pembatasan untuk Optimasi Variabel Kondisi Ppemotongan
dalam Skala Logaritma untuk Gradual Wear
Kondisi
Goal
Lower limit
Upper limit
A:Log v
is in range
2
2.5
B:Log f
is in range
-0.9
-0.5
C:Log a
is in range
0.1
0.4
Log T
maximize
0.343244
1.28947
Tabel 4.13. Hasil Optimasi Umur Pahat Skala Logaritma untuk Gradual
Wear
Number
Log v
Log f
Log a
Log T
Desirability
1
2.042
-0.874
0.342
1.323
1.000
2
2.010
-0.736
0.193
1.289
1.000
3
2.026
-0.859
0.199
1.506
1.000
4
2.028
-0.696
0.129
1.308
1.000
5
2.009
-0.872
0.340
1.397
1.000
6
2.009
-0.748
0.120
1.460
1.000
Selected
52
Universitas Sumatera Utara
Tabel 4.14. Sambungan Hasil Optimasi Umur Pahat Skala Logaritma untuk
Gradual Wear
Number
Log v
Log f
Log a
Log T
Desirability
7
2.043
-0.750
0.143
1.338
1.000
8
2.001
-0.832
0.219
1.487
1.000
9
2.020
-0.849
0.215
1.479
1.000
10
2.029
-0.733
0.127
1.372
1.000
53
Universitas Sumatera Utara
BAB V
KESIMPULAN DAN SARAN
5.1.
Kesimpulan
Berdasarkan hasil penelitian, analisa dan diskusi persamaan umur pahat
maka dapat diambil kesimpulan, yaitu:
1. Telah dihasilkan 2 model matematis sebagai alternatif bagi rumus umur
pahat Taylor yang dihasilkan secara metode statistik.
2. Persamaan umur pahat Taylor tersebut, yaitu:
a. Persamaan umur pahat Taylor untuk initial wear dengan VB 0.11 –
0.12mm.
= 7,6 × 10 ×
.
.
×
.
×
..................... (5.1)
b. Persamaan umur pahat Taylor untuk gradual wear dengan VB 0.22 –
0.24mm.
= 12.88 ×
10(
.
×
.
×
) ( .
.
×
×
) ( .
.
×
×
)
..... (5.2)
3. Kedua persamaan tersebut dapat digunakan untuk formulasi kecepatan
potong (v), pemakanan (f) dan kedalaman potong (a) antara 5 – 20menit
sepanjang antara: v = 160 – 290 m/min, f = 0.14 – 0.24 mm/rev, a = 1.5 –
2.5 mm.
4. Untuk hasil yang optimal digunakan kondisi pemotongan sebagai berikut:
c. Initial wear dengan VB 0.11 – 0.12mm
v: 179 m/min, f: 0.14 mm/rev, a: 1.8 mm dan T: 7.8 menit.
d. Gradual wear dengan VB 0.22 – 0.24mm
v: 110 m/min, f: 0.13 mm/rev, a: 2.2 mm dan T: 21 menit.
5.2.
Saran
Adapun saran dari penulis untuk penelitian mengenai proses pembubutan
kering dan keras terhadap baja AISI 1045, yaitu:
1. Untuk penelitian seperti ini diharapkan menggunakan mesin produksi
dengan pengontrolan komputer, yaitu mesin CNC. Agar dalam proses
54
Universitas Sumatera Utara
eksperimen, besar kecepatan potong dapat berjalan konstan, Hal ini
dikarenakan mesin CNC menggunakan motor Servo.
2. Untuk penelitian ini diharapkan menggunakan alat ukur kekasaran
permukaan (surface roughness profilometer) untuk mendapatan besaran
kekasaran dari benda kerja yang dibubut.
3. Kondisi pemotongan yang disumbangkan kepada IKM untuk selanjutnya
diikuti dengan perhitungan produktifitas, tidak saja dari aspek MRR, tetapi
juga dari aspek ongkos produksi.
55
Universitas Sumatera Utara
Universitas Sumatera Utara
METODE PENELITIAN
3.1.
Bahan
3.1.1. Benda Kerja
Bahan benda kerja yang digunakan untuk penelitian ini adalah baja AISI
1045 yang telah dilakukan proses pengerasan (hardening process) seperti terlihat
pada gambar 3.1. dan kadar komposisi baja AISI 1045 terlihat pada tabel 3.1.
Tabel 3.1. Komposisi Kimia Baja AISI 1045
C
Si
Mn
0.43 - 0.50%
0.1 – 0.35%
0.6 – 0.9%
Gambar 3.1. Benda Kerja Baja AISI 1045 setelah Dikeraskan
3.1.2. Mata Pahat
Mata pahat yang digunakan untuk penelitian ini digunakan pahat karbida
CVD bepelapis, dengan pelapis TiN-Al2O3-TiCN dengan kode SNMG 1204018
TT 8125 merek Taegutec buatan Negara Korea Selatan seperti pada gambar 3.2.
Berikut kondisi pemotongan yang direkomendasikan oleh pihak produksi mata
pahat, yaitu:
-
Kecepatan potong (Vc) = 250-340m/min
-
Pemakanan (f)
-
Kedalaman potong (a) = 1.2 – 5.0 mm
= 0.17 - 0.55 mm/rev
20
Universitas Sumatera Utara
Gambar 3.2. Pahat Karbida Insert
3.2.
Peralatan
3.2.1. Peralatan proses hardening
Peralatan – peralatan yang digunakan dalam proses pengerasan baja
(hardening) adalah sebagai berikut:
1. Tungku pemanas
Tungku pemanas berfungsi untuk memanaskan benda kerja (hardening
process) sebelum dilakukan proses pembubutan hingga suhu benda kerja
mencapai suhu 8300C seperti terlihat pada gambar 3.3. Berikut spesifikasi
tungku pemanas, yaitu:
- Model
: KL-280
- Negara pembuat
: Jepang
- Temperatur maksimum
: 12000C
- Dimensi dalam
: 210mm x 300mm x 150 mm
- Dimensi luar
: 550mm x 580mm x 650 mm
- Daya
: 2,7 kW
- Voltase
: 230 V
- Berat
: 60 kg
21
Universitas Sumatera Utara
Gambar 3.3. Tungku Pemanas
2. Brinell hardness tester
Brinell hardness tester merupakan alat uji kekerasan benda kerja dengan
pembebanan 500kg, 1500kg, dan 3000kg seperti terlihat pada gambar 3.4.
Proses pengujian dilakukan dengan mendongkrak tuas hidrolik hingga
meteran beban naik ke beban yang diinginkan. Bola indentor dengan besar
diameter 10mm akan menekan sampel benda kerja yang ingin diuji
kekerasannya. Berikut spesifikai alat uji kekerasan Brinnel, yaitu:
- Diameter indentor
: 10mm
- Sistem pembebanan : Hidrolik
- Berat pembebanan
: 500 kg, 1500kg, dan 3000kg
- Penyetel benda kerja : penyetelan ulir
- Pelepasan beban
: Penyetelan katup oli
Gambar 3.4. Brinell Hardness Tester
3. Mikroskop indentor
22
Universitas Sumatera Utara
Mikroskop indentor berfungsi untuk mengukur besar indentansi dari bola
indentor terhadap permukaan sampel baja AISI 1045, mikroskop tersebut
terlihat pada gambar 3.5. Berikut spesifikasi mikroskop indentor, yaitu:
- Pembesaran
: 20x – 50x
- Skala pengukuran
: Tertera pada lensa pembesaran.
Gambar 3.5. Mikroskop Indentor
4. Media Pendingin
Terdapat beragam media pendingin yang digunakan dalam dunia industri
antara lain : air, larutan/ air garam, minyak/ oli, polimer encer, dan bak
garam. Air dan oli merupakan media pendingin yang paling banyak dipakai
untuk mengeraskan baja karena mudah dalam proses pencelupannya.
Pendinginan dengan air lebih cepat dibandingkan dengan oli, sehingga
kemungkinan terjadinya retak lebih besar, oleh karena itu oli lebih banyak
digunakan sebagai media pendingin. Oli/minyak mempunyai kelebihan
diantaranya dapat digunakan pada berbagai temperatur secara efektif. Secara
umum, oli minyak mempunyai laju pendinginan yang lebih lambat
dibandingkan dengan air atau air garam. Oleh karena itu, media pendingin
ini dapat memberikan hasil quenching dengan distorsi dan retak yang lebih
kecil. Media pendingin yang digunakan untuk proses hardening baja AISI
1045 adalah oli bekas SAE 40 sebanyak 70 liter terlihat pada gambar 3.6.
23
Universitas Sumatera Utara
Gambar 3.6. Oli Bekas sebagai Media Pendingin
d
3.2.2. Peralatan proses pembubutan
Peralatan-peralatan yang digunakan dalam penelitian ini adalah sebagai
berikut:
1. Mesin Bubut Konvensional
Mesin bubut digunakan untuk menguji performansi mata pahat dengan cara
memotong benda kerja baja AISI 1045. Berikut spesifikasi mesin bubut
seperti pada gambar 3.7 yang digunakan , yaitu:
- Daya
: 15.7kW
- Diameter penjepitan maksimum
: 158mm
- Ukuran
: 530 x 1100
- Putaran kecepatan
: 35 – 2000 rpm
- Pemakanan
: 0.035 – 0.98 mm/rev
- Voltase
: 220/330 V
- Ampere
: 14/18.1 13.5/7.82 A
- Frekuensi
: 50 – 60 Hz
- Motor listrik
: Induksi motor 3 fasa
24
Universitas Sumatera Utara
Gambar 3.7. Mesin Bubut Konvensional
2. Tool Holder
Tool holder berfungsi sebagai dudukan mata pahat, mata pahat diklem
dengan menggunakan baut agar kuat dan kokoh pada saat memotong logam
terlihat pada gambar 3.8. Tool holder yang digunakan memiliki kode
MSDNN 2020K12. Berikut spesifikasi tool holder berdasarkan gambar 3.9,
yaitu:
- Dimensi h
: 20mm
- Dimensi b
: 20mm
- Dimensi L1
: 125mm
- Dimensi L2
: 34mm
- Dimensi h1
: 20mm
- Dimensi f
: 10mm
- Std re
: 0.8mm
Gambar 3.8. Tool Holder
25
Universitas Sumatera Utara
Gambar 3.9. Gambar Spesifikasi Tool Holder
3. Mikroskop Dino-Lite
Mikroskop Dino-Lite berfungsi untuk meneliti, mengukur dan memperbesar
penglihatan terhadap keausan pahat insert hingga pembesaran 690 – 900x
terlihat pada gambar 3.10. Pada mikroskop ini dihubungkan dengan software
Dinocapture versi 2.0. Berikut spesifikasi mikroskop, yaitu:
- Model
: AM4515T8 Dino-Lite Edge
- Penghubung
: USB 2.0
- Resolusi produk
: 1,3 Megapixels
- Pembesaran
: 700x – 900x
- Tipe LED
: Warna putih
- Fitur khusus
: Pembacaaan skala pembesaran
otomatis
- Penggantian penutup lensa
: Ya
- Penggunaan fungsi pengukuran
: Ya
- Berat Unit
: 3kg
- Dimensi Mikroskop
: 20cm (L) x 20cm (W) x 25cm (H)
26
Universitas Sumatera Utara
Gambar 3.10. Mikroskop Dino-Lite
4. Tachometer
Tachometer berfungsi untuk mengukur besar putaran spindle atau cekam dari
mesin bubut. Hal ini dilakukan untuk mengetahui besaran aktual yang
diberikan pada saat mesin bubut bekerja. Tachometer terlihat pada gambar
3.11. Berikut spesifikasi Tachometer, yaitu:
- Rentang pengujian rpm saat bersentuhan
: 2 hingga 20.000rpm
- Rentang pengujian rpm tanpa bersentuhan
: 2 hingga 99.999rpm
- Total rentang pengujian
: 1 hingga 99.999rpm
- Akurasi
: ±(0.05% + 1 digit)
- Resolusi
: 0.5 sec. (Over 120rpm)
- Pendeteksi jarak
: 50 hingga 500mm
- Konsumsi daya
: 45 mA
- Baterai
:9V
Gambar 3.11. Tachometer
3.3.
Metodologi Penelitian
27
Universitas Sumatera Utara
3.3.1. Desain eksperimen
Metode desain eksperimen yang digunakan pada penelitian ini adalah
metode eksperimental dengan perancangan data berdasarkan metode faktorial
(mn). Dalam hal ini “n” adalah jumlah variabel bebas dalam desain eksperimen
seperti kondisi pemotongan yaitu: kecepatan potong (vc), pemakanan (f),
kedalaman potong (a). Kode “m” adalah variasi magnitude dari kondisi
pemotongan, yaitu Low (L), dan High (H). Karena ada 3 variabel yang dapat
diubah harganya (v, f, dan a) dan satu variabel yang diamati (umur pahat) maka
paling sedikit diperlukan 8 kali percobaan[15] apabila untuk masing – masing
variabel hanya diubah pada besar nilai m, yaitu 2, maka metode faktorial
tersebut dapat ditulis mn = 23 = 8.
Kedelapan harga tersebut menempati pojok dari kubus percobaan dengan
tiga sisinya setaraf dengan sumbu v, f dan a terlihat pada gambar 3.12. Set
percobaan tersebut dapat dilengkapi dengan menentukan 4 buah titik percobaan
lagi dengan lokasi di sekitar titik tengah kubus, dengan menggunakan metode
faktorial mn, dengan asumsi salah satu variabel bebas, yaitu kedalaman potong
(a) di ambil sama besarannya untuk 4 buah titik percobaan, maka tersisa 2
variabel bebas yang divariasikan yaitu kecepatan potong (v) dan pemakanan (f).
Kode m adalah variasi magnitude dari kondisi pemotongan (v dan f), yaitu
Medium1 (Med 1), dan Medium2 (Med 2). Maka metode faktorial tersebut dapat
ditulis mn = 22 = 4. Maka keempat set percobaan diletakkan pada tengah kubus,
terlihat pada gambar 3.12.
Apabila kondisi pemotongan dan besar magnitude dipasangkan, maka
susunan data yang akan dilaksanakan pada penelitian ini dilihat pada tabel 3.2,
3.3 dan 3.4.
28
Universitas Sumatera Utara
Gambar 3.12. Kubus Percobaan
Tabel 3.2. Variasi Nilai Parameter Kondisi Pemotongan 23
Parameter
High
Low
v (mm/min)
375
250
f (mm/rev)
0,24
0,14
a (mm)
2,5
1,5
Tabel 3.3. Variasi Nilai Parameter Kondisi Pemotongan 22
Parameter
Medium1 (Med 1)
Medium2 (Med 2)
V (mm/min)
275
325
f (mm/rev)
0,17
0,21
a (mm) (konstan)
2
2
Tabel 3.4. Susunan Data Kondisi Pemotongan
29
Universitas Sumatera Utara
Run percobaan
v (mm/min)
f (mm/rev)
a(mm)
1
H
H
H
2
L
L
L
3
L
L
H
4
L
H
H
5
L
H
L
6
H
H
L
7
H
L
H
8
H
L
L
9
M1
M1
M
10
M1
M2
M
11
M2
M2
M
12
M2
M1
M
Tabel 3.5. Susunan Perencanaan Data Kondisi Pemotongan Aktual
Run percobaan
v (mm/min)
f (mm/rev)
a(mm)
1
372
0.24
2.5
2
256
0.14
1.5
3
256
0.14
2.5
4
256
0.24
2.5
5
256
0.24
1.5
6
372
0.24
1.5
7
372
0.14
2.5
8
372
0.14
1.5
9
301
0.17
2
10
301
0.21
2
11
342
0.21
2
12
342
0.17
2
Kondisi pemotongan pada tabel 3.4. dilaksanakan dengan merujuk pada kriteria
tertentu sebagaimana dimaksud oleh Standar ISO 3685 dan hasil survey, yaitu:
30
Universitas Sumatera Utara
1. Batas maksimum aus sisi (flank wear) yaitu VBmaks 0.3mm
2. Masa pakai pahat (umur pahat / tool life) minimum 5 menit dan
maksimum 20 menit
3. Kondisi pemotongan yang dihasilkan berada pada rentang yang akan
menghasilkan produk semi finish.
Setelah memperoleh data-data sebagaimana yang diharapkan pada tabel 3.4.,
maka setiap pencobaan kondisi pemotongan akan diplot (progress keausan pahat),
yaitu antara waktu permesinan (tc) versus kondisi pemotongan, dari seluruh run 1
hingga 12, akan ditarik kesimpulan berupa hasil analisis regresi dan varians yang
menghasilkan persamaan matematis umur pahat dengan fungsi variabel (v, f, a).
Untuk mendapatkan persamaan umur pahat tersebut diperlukan diagram alir
dalam metode penelitian. Diagram alir yang digunakan sebagai metodologi
penelitian terlihat pada gambar 3.13. dan gambar 3.14.
31
Universitas Sumatera Utara
Survey
Lapangan
Mulai
Tinjau Studi
Pustaka
Identifikasi
Masalah
Persiapan proses pembubutan:
-
Pahat
Benda Kerja
Survey
mesin
bubut
Pelakuan panas hardening pada
sampel benda kerja baja AISI
1045
tidak
Pabrikasi, set
up dan jalankan
mesin
Uji coba
mesin dengan
kondisi
ekstrim
tidak
Uji kekerasan
sampel benda
kerja
Ya
Penentuan
Kondisi
Pemesinan v, f,
a
Berhasil
Pelakuan panas
hardening 12
batang baja AISI
1045
A
Gambar 3.13. Diagram alir metodologi penelitian
32
Universitas Sumatera Utara
A
Proses
pembubutan
Pengumpulan data berupa:
-
Waktu pembubutan
Pengukuran keausan
pahat hingga VB 0.3mm
-
Menyusun data waktu
pembubutan dengan kondisi batas
Vb 0.11- 0.12 mm dan VB 0.220.26 mm
Melakukan analisa varians
(ANOVA) pada data waktu
pembubutan dengan
menggunakan software Design
Expert
Mengamati dan mengukur
kondisi mata pahat
Menghasilkan persamaan umur
pahat Taylor dengan variabel v, f,
a.
Kesimpulan
Selesai
Gambar 3.14. Sambungan diagram alir metodologi penelitian
33
Universitas Sumatera Utara
3.3.2. Software design expert dan ANOVA
Design Expert terlihat pada gambar 3.15 merupakan salah satu software
yang dirancang dan diprogram untuk membantu mendesain dan menafsirkan
percobaan dengan faktor atau variabel yang banyak. Software ini juga
menawarkan desain yang luas, termasuk rancangan variabel, variabel sebagian,
dan variabel dari perancangan campuran (composite design). Design Expert
mampu menganalisa data-data dari hasil percobaan dengan mencari hubungan
antara variabel bebas terhadap variabel terikat (respon), serta mampu melakukan
analisa regresi sederhana ataupun berganda sehingga menghasilkan suatu
persamaan disertai hasil analisa varians (ANOVA).
Dalam penelitian menggunakan eksperimen, misalnya untuk melihat ada
atau tidak adanya perbedaan nyata mengenai efek tiga perlakuan terhadap
respon, analisisnya dilakukan menggunakan analisis varians (ANOVA)
berdasarkan model dan desain eksperimen yang cocok untuk permasalahannya.
Banyak perlakuan yang dilibatkan dalam eksperimen kita pandang sebagai
peubah bebas (tepatnya menurut istilah dalam desain eksperimen adalah faktor)
sedangkan sebagai efek perlakuan merupakan peubah tak bebas atau respon.
Untuk penelitian ini, digunakan software design expert dengan
penggunaan free trial selama 30 hari untuk menganalisa regresi serta varians
dari hasil data eksperimen. Hasil data eksperimen terdapat sebanyak 12 kali
percobaan dengan variabel bebas terdiri atas 3 jenis yaitu, kecepatan potong (v),
pemakanan (f), dan kedalaman potong (a) serta 1 variabel terikat yaitu umur
pemakaian pahat (T). Semua variabel bebas dan terikat diubah terlebih dahulu
dalam bentuk skala logaritma.
Gambar 3.15. Cover Software Design Expert.
34
Universitas Sumatera Utara
BAB IV
HASIL ANALISIS DAN DISKUSI
4.1.
Kondisi Pemotongan dan Umur Pahat
Pada penelitian ini dilakukan proses pembubutan dengan 12 kondisi
pemotongan sesuai dengan urutan Tabel 3.5 pada BAB III, sehingga dihasilkan
data umur pahat dengan kondisi pemotongan terakhir terlihat pada Tabel 4.1. Pada
Tabel 4.1 terlihat kecepatan potong berubah, hal ini dikarenakan pada proses
permesinan terjadi pengurangan diameter, sehingga kecepatan potong menurun
dengan putaran mesin yang ditentukan.
Tabel 4.1. Hasil Eksperimen Umur Pahat pada Proses Pembubutan
Run
v
f
a
T
Aus Tepi, VB
(m/min)
(mm/rev)
(mm)
(min)
(mm)
1
214
0.24
2.5
4.9
0.32
2
120
0.14
1.5
20.9
0.27
3
114
0.14
2.5
13.5
0.27
4
81
0.24
2.5
9.7
0.30
5
138
0.24
1.5
10.0
0.30
6
193
0.24
1.5
7.2
0.37
7
160
0.14
2.5
9.1
0.45
8
123
0.14
1.5
14.9
0.25
9
118
0.17
2.0
8.0
0.33
10
117
0.21
2.0
6.8
0.31
11
116
0.21
2.0
7.9
0.41
12
117
0.17
2.0
9.3
0.26
Pengambilan data eksperimen dilakukan pada saat pengukuran mata pahat insert
mencapai keausan tepi maksimum (VBmaks) sebesar 0.3mm. Keausan tepi tersebut
terlihat saat lapisan coating pada pahat insert terkikis seperti terlihat pada Gambar
4.1, 4.2, dan 4.3. Dilihat dari tingkat keausan yang terjadi pada pahat insert
diperoleh Tabel hasil kondisi pemotongan pada daerah initial wear (keausan
35
Universitas Sumatera Utara
mula mula) dengan asumsi keausan tepi (VB) antara 0.11 – 0.12mm (Tabel 4.2)
dan Tabel hasil kondisi pemotongan pada daerah gradual wear (keausan bertahap)
dengan asumsi keausan tepi VB antara 0.22 – 0.24 mm (Tabel 4.4)
Gambar 4.1. Keausan Tepi Run 1
Gambar 4.2. Keausan Tepi Run 2
36
Universitas Sumatera Utara
Gambar 4.3. Keausan Tepi Run 10
Tabel 4.2. Kondisi Pemotongan pada Daerah Initial Wear
Run
V
f
a
T
(m/min)
(mm/rev)
(mm)
(min)
1
246
0.24
2.5
1.0
2
238
0.14
1.5
3.2
3
179
0.14
2.5
7.8
4
215
0.24
2.5
2.8
5
215
0.24
1.5
3.7
6
324
0.24
1.5
1.3
7
343
0.14
2.5
1.1
8
335
0.14
1.5
1.1
9
244
0.17
2.0
2.7
10
238
0.21
2.0
2.2
11
285
0.21
2.0
1.6
12
293
0.17
2.0
1.9
37
Universitas Sumatera Utara
Tabel 4.3. Hasil Logaritma Kondisi Pemotongan pada Daerah Initial Wear
Run
Log V
Log f
Log a
Log T
1
2.3915
-0.6198
0.3979
-0.0133
2
2.3768
-0.8539
0.1761
0.4978
3
2.2534
-0.8539
0.3979
0.8915
4
2.3329
-0.6198
0.3979
0.4489
5
2.3323
-0.6198
0.1761
0.5625
6
2.5108
-0.6198
0.1761
0.1217
7
2.5355
-0.8539
0.3979
0.0480
8
2.5253
-0.8539
0.1761
0.0443
9
2.3873
-0.7696
0.3010
0.4342
10
2.3767
-0.6778
0.3010
0.3528
11
2.4548
-0.6778
0.3010
0.1927
12
2.4663
-0.7696
0.3010
0.2666
Tabel 4.4. Kondisi Pemotongan pada Daerah Gradual Wear
Run
v
f
a
T
(m/min)
(mm/rev)
(mm)
(min)
1
236
0.24
2.5
4.3
2
130
0.14
1.5
19.5
3
131
0.14
2.5
12.1
4
180
0.24
2.5
4.7
5
148
0.24
1.5
9.2
6
218
0.24
1.5
6.2
7
312
0.14
2.5
2.2
8
138
0.14
1.5
14.1
9
137
0.17
2.0
7.3
10
136
0.21
2.0
6.2
11
173
0.21
2.0
6.2
12
156
0.17
2.0
8.0
38
Universitas Sumatera Utara
Tabel 4.5. Hasil Logaritma Kondisi Pemotongan pada Daerah Gradual Wear
4.2.
Run
Log V
Log f
Log a
Log T
1
2.3723
-0.6198
0.3979
0.6334
2
2.1125
-0.8539
0.1761
1.2895
3
2.1186
-0.8539
0.3979
1.0839
4
2.2563
-0.6198
0.3979
0.6730
5
2.1702
-0.6198
0.1761
0.9656
6
2.3375
-0.6198
0.1761
0.7903
7
2.4947
-0.8539
0.3979
0.3432
8
2.1394
-0.8539
0.1761
1.1505
9
2.1375
-0.7696
0.3010
0.8654
10
2.1325
-0.6778
0.3010
0.7908
11
2.2382
-0.6778
0.3010
0.7954
12
2.1924
-0.7696
0.3010
0.9019
Analisis Varians (ANOVA)
Pada analisis ini ini digunakan metode RSM (Response Surface
Methodology), yaitu suatu metode gabungan antara teknik matematika dan teknik
statistik yang digunakan untuk membuat model dan menganalisis suatu respon y
yang dipengaruhi oleh beberapa variabel x yang tujuannya untuk mengoptimalkan
respon tersebut. Software Design Expert digunakan untuk mendapatkan
pecontohan dari beberapa hasil pelaksanaan eksperimen untuk menginvestigasi
pengaruh antara 3 parameter input, yaitu kecepatan potong (v), pemakanan
(mm/rev) dan kedalaman potong (mm) terhadap variabel respon, yaitu umur
pemakaian pahat dalam skala logaritma.
4.2.1. ANOVA untuk hasil kondisi pemotongan initial wear
Hasil data eksperimen dari proses pembubutan dalam skala logaritma
tertunjuk pada Tabel 4.3. Data eksperimen tersebut akan diregresi dan dianalisa
oleh software design expert. Hasil dari analisa varians akan ditunjukkan pada
Tabel 4.6. yang memperlihatkan model logaritma umur pahat (log T) tersebut
signifikan dengan nilai F = 15.58. Dengan catatan bahwa nilai p-value (Prob>F)
lebih besar daripada 0.05, maka pemodelan tersebut tidak signifikan. Hal ini
39
Universitas Sumatera Utara
dapat kita lihat pada Tabel 4.6. bahwa variabel A (Log v) memiliki pengaruh
yang signifikan terhadap pemodelan persamaan logaritma umur pahat sedangkan
B (Log f) dan C (Log a) tidak berpengaruh terlalu signifikan terhadap
pemodelan umur pahat.
persamaan logaritma umur pahat dari regresi oleh software design
Berikut
expert dijabarkan sebagai berikut:
= 6.881 − 2.889
− 0.784
.................... (4.1)
− 0.570
Berikut ini persamaan logaritma 4.1 dapat diubah menjadi persamaan umur
pahat Taylor dalam bentuk eksponensial, yaitu:
= 7,6 × 10 ×
.
×
.
×
.
................... (4.2)
Tabel 4.6. Hasil Analisis Varians untuk Logaritma Umur Pahat Initial Wear
Source
Sum of
Squares
DF
Mean
Square
F
Value
p-value
Prob > F
`
Model
0.66
3
0.22
15.58
0.0011
significant
A-Log v
0.63
1
0.63
45.06
0.0002
B-Log f
0.071
1
0.071
5.08
0.0543
C-Log a
0.030
1
0.030
2.12
0.1837
Residual
0.11
8
0.014
Cor Total
0.77
11
Std. Dev.
0.12
R-Squared
0.8539
Mean
0.32
Adj R-Squared
0.7991
C.V. %
36.92
Pred R-Squared
0.6217
PRESS
0.29
4.2.2. ANOVA untuk hasil kondisi pemotongan gradual wear
Hasil data eksperimen dari proses pembubutan dalam skala logaritma
tertunjuk pada Tabel 4.5. Data eksperimen tersebut akan diregresi dan dianalisa
oleh software design expert. Hasil dari analisa varians akan ditunjukkan pada
Tabel 4.7 dan Tabel 4.8 yang memperlihatkan model tersebut signifikan dengan
nilai F = 27.30. Dengan catatan bahwa nilai p-value (Prob>F) lebih besar
daripada 0.05 maka model tersebut tidak signifikan. Hal ini dapat kita lihat pada
Tabel 4.7. bahwa variabel A (Log v), C (Log a), AB (Log v x Log f) memiliki
40
Universitas Sumatera Utara
pengaruh yang signifikan terhadap pemodelan persamaan umur pahat. Berikut
persamaan logaritma umur pahat dari regresi oleh software design expert
dijabarkan sebagai berikut:
= −7.88222 + 4.27638
+ 5.66459
×
− 21.12731
− 4.71566
×
− 16.82498
+ 9.86417
×
.................................... (4.3)
Berikut ini persamaan logaritma 4.5 dapat diubah menjadi persamaan umur
pahat Taylor dalam bentuk eksponensial, yaitu:
10(
= 12.88 ×
.
×
) ( .
.
×
×
.
) ( .
×
.
×
)
×
.............. (4.4)
Tabel 4.7. Hasil Analisis Varians untuk Logaritma Umur Pahat Gradual Wear
Source
Sum of
Squares
DF
Mean
Square
F
Value
p-value
Prob > F
Model
0.68
6
0.11
27.30
0.0011
A-Log v
0.050
1
0.050
12.14
0.0176
B-Log f
4.806E004
1
4.806E004
0.12
0.7472
C-Log a
0.043
1
0.043
10.41
0.0233
AB
0.061
1
0.061
14.77
0.0121
AC
0.011
1
0.011
2.59
0.1683
BC
9.440E003
1
9.440E003
2.28
0.1915
Residual
0.021
5
4.141E003
Cor Total
0.70
11
Std. Dev.
0.064
RSquared
0.9704
Mean
0.86
Adj RSquared
0.9348
C.V. %
7.51
Pred RSquared
0.6031
PRESS
0.28
significant
41
Universitas Sumatera Utara
4.3.
Diskusi
4.3.1. Diskusi umur pahat saat initial wear
Persamaan 4.1 merupakan persamaan model linear dengan nilai F sebesar
15.58 menunjukkan model tersebut memiliki pengaruh yang signifikan terhadap
umur pahat. Sebagai tambahan parameter A juga memiliki pengaruh terhadap
persamaan 4.1. Pada Gambar 4.4. Normal Probability Plot menunjukkan bahwa
penyebaran dari data residual antara nilai logaritma umur pahat aktual terhadap
yang diprediksikan menyerupai suatu garis diagonal yang melintang dari sisi kiri
bagian bawah grafik menuju sisi kanan atas. Agar penyebaran dari nilai residual
mendekati normal, maka dipasangkan garis diagonal pada grafik tersebut. Pada
Gambar 4.5. Plot Perturbation menunjukkan dan membandingkan pengaruh
variabel logaritma kondisi pemotongan terhadap logaritma umur pahat dengan
memperhatikan sumbu x-nya yang merupakan besaran dari variabel kondisi
pemotongan dalam skala logaritma yang disamarkan dengan variabel kode oleh
software design expert, yaitu:
1.
Umur pahat semakin menurun dengan bertambahnya kecepatan
potong (A)
2.
Umur pahat semakin menurun dengan bertambahnya pemakanan (B)
3.
Umur pahat semakin menurun dengan bertambahnya kedalaman
potong (C)
Gambar 4.6 mengilustrasikan pengaruh dari dua faktor yaitu log v (A) dan log f
(B) terhadap log T dengan log a sebesar 0.287 yang dijaga konstan. Hal ini dapat
dilihat pada Gambar dengan kecepatan potong yang rendah dan pemakanan yang
rendah menghasilkan umur pahat yang tinggi dalam bentuk logaritma. Pada
Gambar 4.7 menjelaskan dengan penggunaan kecepatan potong yang sangat
tinggi dan pemakanan yang tinggi menyebabkan umur pahat menjadi singkat.
Dengan menggunakan kecepatan 179m/min (log v = 2.253) dan pemakanan 0.14
mm (log f = -0.854) serta kedalaman potong 2mm (log a = 0.287), menampilkan
warna kuning kemerahan yang menunjukkan umur pahat di atas 4 menit.
Dengan melakukan perhitungan umur pahat menggunakan formula Taylor hasil
software design expert maka dapat dilakukan perbandingan serta persen ralat
42
Universitas Sumatera Utara
dari hasil formula umur pahat terhadap umur pahat aktual yang terlihat pada
Tabel 4.8. dan Gambar 4.8.
Gambar 4.4. Normal Probability Plot (Initial Wear)
Gambar 4.5. Perturbation (Initial Wear)
43
Universitas Sumatera Utara
Gambar 4.6. Pengaruh Log v dan Log f terhadap Log T (Initial Wear)
Gambar 4.7. Grafik Pemetaan Hubungan Log v dan Log f terhadap Log T (initial
wear)
44
Universitas Sumatera Utara
Tabel 4.8. Perbandingan Umur Pahat Aktual dengan Umur Pahat Hasil
Perhitungan Formula dari Software Design Expert
No Run
Taktual
Tdesign expert
% Ralat
Run 1
1.0
1.7
43.0
Run 2
3.2
3.8
17.9
Run 3
7.8
6.5
-19.7
Run 4
2.8
2.5
-11.9
Run 5
3.7
3.4
-8.2
Run 6
1.3
1.0
-28.6
Run 7
1.1
1.0
-12.1
Run 8
1.1
1.4
22.4
Run 9
2.7
2.6
-4.4
Run 10
2.2
2.4
4.8
Run 11
1.6
1.4
-10.7
Run 12
1.9
1.5
-20.0
12
11
10
9
No Run
8
7
6
T hasil rumus Taylor
5
T aktual
4
3
2
1
0.00
2.00
4.00
6.00
8.00
10.00
Umur pahat (T), min
Gambar 4.8. Perbandingan Umur Pahat Aktual dengan Umur Pahat Perhitungan
45
Universitas Sumatera Utara
4.3.2. Diskusi umur pahat saat gradual wear
Persamaan 4.3 merupakan persamaan model dua faktor interaksi dengan
nilai F sebesar 27.3 menunjukkan model tersebut memiliki pengaruh yang
signifikan terhadap umur pahat. Sebagai tambahan parameter A, C dan AB dari
Tabel 4.7 juga memiliki pengaruh terhadap persamaan 4.3. Pada Gambar 4.9.
Normal Probability Plot menunjukkan bahwa penyebaran dari data residual
antara nilai logaritma umur pahat aktual terhadap yang diprediksikan
menyerupai suatu garis diagonal yang melintang dari sisi kiri bagian bawah
grafik menuju sisi kanan atas. Agar penyebaran dari nilai residual mendekati
normal, maka dipasangkan garis diagonal pada grafik tersebut. Pada Gambar
4.10. Plot Perturbation saat gradual wear menunjukkan kesamaan terhadap
Gambar 4.5. Plot Perturbation saat initial wear.
Gambar 4.11, 4.12, dan 4.13 menunjukkan pengaruh dari dua kondisi
parameter terhadap umur pahat. Gambar 4.11 mengilustrasikan pengaruh dari
dua faktor yaitu log v (A) dan log f (B) terhadap log T dengan log a bernilai 0.25
yang dijaga konstan. Hal ini dapat dilihat pada Gambar 4.11 dengan kecepatan
potong yang rendah dan pemakanan yang rendah menghasilkan umur pahat yang
tinggi. Gambar 4.12 mengilustrasikan pengaruh dari dua faktor log v (A) dan log
a (C) terhadap log T dengan log f bernilai -0.72 dijaga konsta. Dari Gambar ini
dapat dilihat dengan kecepatan potong yang rendah dan kedalaman potong yang
rendah menghasilkan umur pahat yang tinggi. Gambar 4.13. menunjukkan
pengaruh dari dua faktor yaitu log f (B) dan log a (C) dengan log v bernilai 2.25
dijaga konstan. Dari Gambar tersebut dapat dilihat dengan pemakanan yang
tinggi dan kedalaman potong yang rendah, menghasilkan umur pahat yang
tinggi. Dengan melakukan perhitungan umur pahat menggunakan formula
Taylor hasil software design expert maka dapat dilakukan perbandingan serta
persen ralat dari hasil formula umur pahat terhadap umur pahat aktual yang
terlihat pada Tabel 4.9. dan Gambar 4.15.
46
Universitas Sumatera Utara
Gambar 4.9. Normal Probability Plot (Gradual Wear)
Gambar 4.10. Perturbation (Gradual Wear)
47
Universitas Sumatera Utara
Gambar 4.11. Pengaruh Log v dan Log f terhadap Log T (Gradual Wear)
Gambar 4.12. Pengaruh Log v dan Log a terhadap Log T (Gradual Wear)
48
Universitas Sumatera Utara
Gambar 4.13. Pengaruh Log f dan Log a terhadap Log T (gradual wear)
Gambar 4.14. Grafik Pemetaan Hubungan Log v dan Log f terhadap Log T
(Gradual Wear)
49
Universitas Sumatera Utara
Tabel 4.9. Perbandingan Umur Pahat Aktual dengan Umur Pahat Hasil
Perhitungan Formula dari Software Design Expert
No Run
Taktual
Tdesign expert
% Ralat
Run 1
4.3
4.7
7.8
Run 2
19.5
17.9
-9.0
Run 3
12.1
11.4
-6.6
Run 4
4.7
4.2
-12.8
Run 5
9.2
8.7
-5.7
Run 6
6.2
6.3
2.5
Run 7
2.2
2.2
0.3
Run 8
14.1
14.7
3.8
Run 9
7.3
9.2
20.3
Run 10
6.2
6.8
9.3
Run 11
6.2
5.7
-8.8
Run 12
8.0
7.5
-6.3
12
11
10
9
No. Run
8
7
6
T rumus
5
T aktual
4
3
2
1
0.00
5.00
10.00
15.00
20.00
25.00
Umur pahat (T), min
Gambar 4.15. Perbandingan Umur Pahat Aktual dengan Umur Pahat Perhitungan
50
Universitas Sumatera Utara
4.4.
Optimasi Kondisi Pemotongan
Akhir ini, fungsi dari desirability optimasi variabel bebas pada respon
surface methodology telah dilakukan pada optimasi respon. Manfaat dari optimasi
respon surface membantu untuk mencari harga optimal dari parameter kondisi
pemotongan untuk memberikan umur pahat yang optimal selama melakukan
proses pembubutan kering dan keras pada baja AISI 1045. Proses optimasi
dilakukan pada software design expert yang mana data tersebut tersusun pada
Tabel 4.10 dan 4.12 yang menunjukkan pembatasan untuk optimasi kondisi
parameter pemotongan dalam skala logaritma untuk initial wear dan gradual
wear. Tabel 4.11 dan 4.13 menunjukkan hasil optimasi umur pahat skala
logaritma untuk initial wear dan gradual wear.
Pada Tabel 4.11 ditunjukkan hasil optimasi dari logaritma umur pahat
untuk initial wear yaitu sebesar 0.893 dengan variabel bebas, yaitu log v bernilai
2.253, log f bernilai -0.853, dan log a bernilai 0.259. Maka hasil dari anti log
tersebut dapat ditulis menjadi v: 179 m/min, f: 0.14 mm/rev, a: 1.8 mm dan T:
7.8 menit.
Pada Tabel 4.13 ditunjukkan hasil optimasi dari logaritma umur pahat
untuk gradual wear yaitu sebesar 1.323 dengan parameter lain, yaitu log v
bernilai 2.042, log f bernilai -0.874, dan log a bernilai 0.342. Maka hasil dari anti
log tersebut dapat ditulis menjadi v: 110 m/min, f: 0.13 mm/rev, a: 2.2 mm dan
T: 21 menit.
Tabel 4.10. Pembatasan untuk Optimasi Kondisi Parameter Pemotongan
dalam Skala Logaritma untuk Intial Wear
Kondisi
Goal
Lower limit
Upper limit
A:Log v
is in range
2.253
2.535
B:Log f
is in range
-0.854
-0.62
C:Log a
is in range
0.176
0.398
Log T
maximize
-0.0133029
0.891454
51
Universitas Sumatera Utara
Tabel 4.11. Hasil Optimasi Umur Pahat Skala Logaritma untuk Initial Wear
Number
Log v
Log f
Log a
Log T
Desirability
1
2.253
-0.853
0.259
0.893
1.000
2
2.253
-0.834
0.177
0.924
1.000
3
2.260
-0.844
0.178
0.911
1.000
4
2.254
-0.798
0.177
0.895
1.000
5
2.254
-0.836
0.216
0.900
1.000
6
2.256
-0.845
0.229
0.896
1.000
7
2.253
-0.822
0.180
0.913
1.000
8
2.256
-0.849
0.204
0.913
1.000
9
2.253
-0.852
0.253
0.895
1.000
10
2.253
-0.854
0.260
0.893
1.000
Selected
Tabel 4.12. Pembatasan untuk Optimasi Variabel Kondisi Ppemotongan
dalam Skala Logaritma untuk Gradual Wear
Kondisi
Goal
Lower limit
Upper limit
A:Log v
is in range
2
2.5
B:Log f
is in range
-0.9
-0.5
C:Log a
is in range
0.1
0.4
Log T
maximize
0.343244
1.28947
Tabel 4.13. Hasil Optimasi Umur Pahat Skala Logaritma untuk Gradual
Wear
Number
Log v
Log f
Log a
Log T
Desirability
1
2.042
-0.874
0.342
1.323
1.000
2
2.010
-0.736
0.193
1.289
1.000
3
2.026
-0.859
0.199
1.506
1.000
4
2.028
-0.696
0.129
1.308
1.000
5
2.009
-0.872
0.340
1.397
1.000
6
2.009
-0.748
0.120
1.460
1.000
Selected
52
Universitas Sumatera Utara
Tabel 4.14. Sambungan Hasil Optimasi Umur Pahat Skala Logaritma untuk
Gradual Wear
Number
Log v
Log f
Log a
Log T
Desirability
7
2.043
-0.750
0.143
1.338
1.000
8
2.001
-0.832
0.219
1.487
1.000
9
2.020
-0.849
0.215
1.479
1.000
10
2.029
-0.733
0.127
1.372
1.000
53
Universitas Sumatera Utara
BAB V
KESIMPULAN DAN SARAN
5.1.
Kesimpulan
Berdasarkan hasil penelitian, analisa dan diskusi persamaan umur pahat
maka dapat diambil kesimpulan, yaitu:
1. Telah dihasilkan 2 model matematis sebagai alternatif bagi rumus umur
pahat Taylor yang dihasilkan secara metode statistik.
2. Persamaan umur pahat Taylor tersebut, yaitu:
a. Persamaan umur pahat Taylor untuk initial wear dengan VB 0.11 –
0.12mm.
= 7,6 × 10 ×
.
.
×
.
×
..................... (5.1)
b. Persamaan umur pahat Taylor untuk gradual wear dengan VB 0.22 –
0.24mm.
= 12.88 ×
10(
.
×
.
×
) ( .
.
×
×
) ( .
.
×
×
)
..... (5.2)
3. Kedua persamaan tersebut dapat digunakan untuk formulasi kecepatan
potong (v), pemakanan (f) dan kedalaman potong (a) antara 5 – 20menit
sepanjang antara: v = 160 – 290 m/min, f = 0.14 – 0.24 mm/rev, a = 1.5 –
2.5 mm.
4. Untuk hasil yang optimal digunakan kondisi pemotongan sebagai berikut:
c. Initial wear dengan VB 0.11 – 0.12mm
v: 179 m/min, f: 0.14 mm/rev, a: 1.8 mm dan T: 7.8 menit.
d. Gradual wear dengan VB 0.22 – 0.24mm
v: 110 m/min, f: 0.13 mm/rev, a: 2.2 mm dan T: 21 menit.
5.2.
Saran
Adapun saran dari penulis untuk penelitian mengenai proses pembubutan
kering dan keras terhadap baja AISI 1045, yaitu:
1. Untuk penelitian seperti ini diharapkan menggunakan mesin produksi
dengan pengontrolan komputer, yaitu mesin CNC. Agar dalam proses
54
Universitas Sumatera Utara
eksperimen, besar kecepatan potong dapat berjalan konstan, Hal ini
dikarenakan mesin CNC menggunakan motor Servo.
2. Untuk penelitian ini diharapkan menggunakan alat ukur kekasaran
permukaan (surface roughness profilometer) untuk mendapatan besaran
kekasaran dari benda kerja yang dibubut.
3. Kondisi pemotongan yang disumbangkan kepada IKM untuk selanjutnya
diikuti dengan perhitungan produktifitas, tidak saja dari aspek MRR, tetapi
juga dari aspek ongkos produksi.
55
Universitas Sumatera Utara
Universitas Sumatera Utara