M E S I N

Jurnal Teknik Mesin Vol. 22, No. 2, Oktober 2007 ISSN 0852-6095

Diterbitkan oleh : Program Studi Teknik Mesin,

Fakultas Teknologi Industri - ITB

Surat ijin : STT No. 964/DIT-JEN/PPG/STT/1982.

MESIN Vol. 22 No. 2 i

DAFTAR ISI

M E S I N

Jurnal Teknik Mesin

Vol. 22, No. 2, Oktober 2007 ISSN 0856-6095

Sigit Yoewono Martowibowo dan Adriansyah Kelompok Keahlian Teknik Produksi FTI – Institut Teknologi Bandung

Ringkasan

Electro Discharge Machining Wire Cut (EDM Wire Cut) adalah satu di antara proses pemesinan nonkonvensional yang banyak digunakan di industri manufaktur. Perkembangan teknologi menuntut proses ini untuk dapat menghasilkan produk berkualitas dengan produktivitas tinggi. Untuk menjawab tuntutan tersebut, dapat dilakukan optimisasi terhadap proses pemesinan yang melibatkan beragam variabel terkait. Dalam melakukan optimisasi kondisi pemesinan diperlukan suatu algoritma yang menggunakan suatu model matematika untuk menghitung nilai optimum dari variabel-variabel proses. Saat ini terdapat berbagai macam teknik dan metode optimisasi yang dapat dipilih, diantaranya adalah Algoritma Genetik. Pada penelitian ini akan dilakukan optimisasi parameter proses pemesinan EDM Wire Cut menggunakan Algoritma Genetik, sehingga diperoleh kombinasi nilai variabel input mesin yang menghasilkan kondisi pemotongan optimum dengan feed rate dan kekasaran permukaan sebagai parameternya optimisasi. Variabel input yang dimaksud adalah no load voltage, capacitor, on time, off time, dan servo voltage. Hasil optimisasi menggunakan Algoritma Genetik kemudian dibandingkan dengan hasil dari metode optimisasi yang berbeda dan memperlihatkan bahwa Algoritma Genetik dapat dijadikan metode alternatif untuk optimisasi proses pemesinan.

1. PENDAHULUAN

Proses pemesinan merupakan proses yang tidak bisa dipisahkan dari industri manufaktur. Seiring dengan kemajuan teknologi, banyak produk yang semakin sulit untuk dikerjakan dengan proses pemesinan konvensional. Untuk mengatasi masalah itu maka dikembangkanlah proses pemesinan nonkonvensional. Proses pemesinan nonkonvensional memiliki beberapa kelebihan seperti dalam hal ketelitian, ketepatan, kualitas, kemampuannya untuk memotong benda kerja

berkekuatan tinggi dan bentuk yang kompleks. Selain kelebihan tersebut, proses ini juga memiliki kekurangan yaitu produktivitasnya yang rendah dibandingkan dengan proses pemesinan konvensional [1].

Proses nonkonvensional terdiri atas beberapa jenis, satu diantaranya adalah Electro Discharge Machining Wire Cut (EDM Wire Cut) yang sering digunakan dalam pembuatan dies dan mold.

Perkembangan teknologi menuntut proses pemesinan untuk dapat menghasilkan produk berkualitas dengan produktivitas tinggi. Untuk menjawab tuntutan tersebut, dapat dilakukan optimisasi terhadap proses pemesinan yang melibatkan beragam variabel terkait, dalam hal ini adalah variabel input dari mesin EDM Wire Cut.

Dalam melakukan optimisasi kondisi pemesinan diperlukan suatu algoritma yang menggunakan model matematika untuk menghitung harga optimum dari variabel-variabel proses sehingga tujuan pemesinan dapat tercapai. Saat ini terdapat berbagai macam teknik dan metode optimisasi yang dapat dipilih, diantaranya adalah Algoritma Genetik.

Tujuan dari penelitian ini adalah untuk mengetahui korelasi dari variabel input mesin EDM Wire Cut terhadap parameter proses pemesinan dan melakukan optimisasi menggunakan Algoritma Genetik sehingga diperoleh harga variabel input yang menghasilkan feed rate (kecepatan makan) dan kekasaran permukaan optimum. Kemudian hasil optimisasi tersebut dibandingkan dengan hasil dari metode yang berbeda, untuk mengetahui kebenaran dari metode yang digunakan.

Untuk mencapai tujuan penelitian ini maka ditentukan beberapa batasan masalah, yaitu:

• Optimisasi melibatkan lima variabel input mesin EDM Wire Cut.
• Parameter proses pemesinan yang dioptimisasi adalah feed rate dan kekasaran permukaan.
• Pengujian dilakukan menggunakan material benda kerja Baja Karbon Medium ASSAB 760 (AISI 1148, SIS 1650).
• Proses pemotongan benda kerja dilakukan dengan modus gerak sirkular.

2. PEMESINAN EDM WIRE CUT

EDM (Electrical Discharge Machining) merupakan proses pemesinan nonkonvensional yang digunakan untuk memotong material yang sangat keras dan kuat. Untuk dapat dikerjakan dengan EDM, material benda kerja harus bersifat konduktor, sehubungan dengan prinsip kerja EDM yang menggunakan loncatan bunga api listrik antara elektroda dan benda kerja. Mekanisme kerja EDM secara skematik diperlihatkan pada gambar 1. Proses EDM adalah proses pengerjaan material yang memanfaatkan loncatan bunga api listrik yang terjadi secara periodik pada celah antara pahat dengan benda kerja dengan media cairan dielektrik.

Gambar 1. Mekanisme Kerja EDM

Berdasarkan hal tersebut, maka terdapat 3 komponen utama dari EDM yaitu:

Benda kerja

Benda kerja yang dapat dikerjakan oleh proses EDM tidak terlalu dipengaruhi oleh kekerasan material. Namun syarat utamanya adalah harus dapat menghantarkan arus listrik, bersifat konduktor.

Elektroda

Elektroda yang digunakan pada proses EDM terbuat dari logam dan non logam. Sama seperti benda kerja, syarat dari elektroda yang dapat digunakan adalah harus bisa menghantarkan arus listrik. Pada EDM Wire Cut, elektroda berupa kawat dengan diameter 0,05-0,33 mm. Kawat dengan diameter kurang dari 0,1 mm terbuat dari tungsten atau molybdenum, sedangkan kawat dengan diameter lebih dari 0,1 mm terbuat dari kuningan.

Cairan dielektrik

Fungsi dari cairan dielektrik pada proses EDM adalah sebagai pendingin elektroda dan benda kerja, dalam keadaan terionisasi bertindak sebagai konduktor sehingga memungkinkan terjadinya loncatan bunga api listrik, media pendingin dalam proses quenching pada permukaan benda kerja, mendorong geram keluar dari celah antara elektroda dan benda kerja, dan memberikan isolasi bagi celah antara elektroda dan benda kerja. Agar fungsi tersebut dapat dicapai maka cairan dielektrik harus disirkulasikan dalam suatu sistem yang terdiri atas pompa, penampung, dan penyaring.

Pada proses EDM Wire Cut, benda kerja dicekam di meja kerja kemudian dipotong menggunakan pulsa-pulsa loncatan bunga api listrik melalui kawat tipis yang berfungsi sebagai elektroda. EDM Wire Cut menghasilkan permukaan yang halus karena elektroda kawat akan melewati seluruh penampang benda kerja yang dipotong dan erosi dari bunga api listrik terjadi sepanjang elektroda kawat. EDM Wire Cut dapat menghasilkan ketelitian dimensi sebesar ± 0,02 mm. EDM Wire Cut dapat menghasilkan kehalusan permukaan R^a < 13 µm. Semakin kecil diameter kawat maka hasil permukaan yang diperoleh semakin halus. EDM Wire Cut menghasilkan permukaan yang sangat halus walaupun pada pengerjaan pengasaran, bahkan ada yang dapat menghasilkan kualitas yang mirip dengan kaca.

Gambar 2. Prinsip Kerja EDM Wire Cut

Permukaan yang sangat halus dapat dihasilkan walaupun benda kerja yang diproses berukuran besar [2]. Prinsip kerja EDM Wire Cut dapat dilihat pada gambar 2. Untuk menghasilkan bentuk produk yang diinginkan, meja tempat benda kerja dan kolom digerakkan oleh motor servo pada sumbu x dan y sesuai dengan lintasan potong yang telah diprogram. Cairan dielektrik tidak merendam benda kerja, melainkan disemprotkan oleh nosel dan cairan dielektrik yang digunakan adalah air.

Pada mesin EDM Wire Cut terdapat beberapa variabel input yang harus diperhatikan, karena kombinasi nilai dari variabel input yang diatur pada mesin akan mempengaruhi kondisi proses pemesinan dan produk yang dihasilkan. Variabel-variabel tersebut adalah:

• No load voltage

Tegangan listrik yang diberikan pada rangkaian EDM, besarnya diwakili oleh angka 0-8. Satu satuan sama dengan 25 volt.

• Capacitor

Semakin besar nilainya, bunga api listrik semakin tinggi serta permukaan yang dihasilkan akan semakin kasar. Besarnya kapasitansi dari kapasitor yang digunakan, diwakili oleh angka 1-9. Satu satuan sama dengan 0.6 µF.

• On time

Periode terjadinya arus listrik antara elektroda dan benda kerja, semakin kecil nilai on time maka waktu terjadinya bunga api listrik semakin kecil. Nilai on time dibatasi oleh nilai capacitor, sehingga tidak mungkin memasukan nilai on time lebih besar dari nilai capacitor. Besarnya diwakili oleh angka 0-9. Satu satuan sama dengan 100 µs.

• Off time

Periode antara dua pulsa tegangan pengerosian material yang berturutan. Pada periode ini capacitor akan diisi oleh tegangan pengisian Vo. Besar daya pengisian ditentukan juga oleh nilai off time, besarnya diwakili oleh angka 1-199. Satu satuan sama dengan 5 µs.

• Servo voltage

Merupakan tegangan yang diatur untuk mencegah terjadinya hubungan singkat antara benda kerja dan elektroda, nilainya berkisar antara 1-63. Satu satuan sama dengan 2 volt.

• Wire tension

Nilai tegangan kawat dalam satuan gram unit, besarnya kurang dari 2499 gram unit.

• Wire feed

Kecepatan lintasan kawat relatif terhadap benda kerja, besarnya berkisar antara 1-10 m/min.

Pada penelitian ini nilai wire tension dan wire feed tidak divariasikan karena pada penelitian sebelumnya kedua variabel input ini tidak memberikan pengaruh yang berarti terhadap proses pemesinan [3].

3. ALGORITMA GENETIK

Optimisasi mengatasi masalah minimalisasi atau maksimalisasi sebuah fungsi dengan beberapa variabel yang biasanya memiliki batasan tertentu. Banyak permasalahan di bidang teknik yang sulit dan kompleks tidak dapat diselesaikan oleh teknik optimisasi konvensional. Saat ini Algoritma Genetik tengah mendapat perhatian karena kemampuannya menyelesaikan masalah optimisasi dengan baik.

Algoritma Genetik merupakan algoritma yang sering digunakan untuk menyelesaikan permasalahan dalam dunia teknik. Algoritma Genetik ini biasanya digunakan pada optimisasi, penjadwalan, dan keperluan teknik lainnya. Algoritma ini banyak digunakan karena praktis dan mudah untuk dioperasikan.

Algoritma Genetik adalah metode optimisasi yang berbasis pada mekanisme seleksi alam dan genetik pada individu. Evolusi merupakan suatu mekanisme perubahan yang sangat lambat pada alam. Seleksi alam dan mutasi genetik merupakan hal yang sering dijumpai pada proses evolusi. Pada dasarnya seleksi alam dan mutasi genetik merupakan bentuk penyesuaian dari individu untuk dapat beradaptasi dan bertahan hidup di alam. Hal inilah yang menjadi ide awal dari Algoritma Genetik.

Algoritma Genetik merupakan bagian dari sekelompok teknik optimisasi yang dikenal dengan nama algoritma evolusioner (evolutioner algorithms), pada kelompok ini terdapat tiga tipe utama, yaitu algoritma genetik, pemrograman evolusioner, dan strategi evolusi. Diantara ketiga tipe tersebut, Algoritma Genetik paling luas digunakan terutama untuk optimisasi masalah yang kompleks [4,5,6]. Secara umum langkah-langkah yang dilakukan untuk menyelesaikan masalah dengan menggunakan Algoritma Genetik adalah:

• Pembuatan sebuah populasi yang terdiri atas kromosom-kromosom.
• Pengevaluasian masing-masing kromosom dalam populasi.
• Pembuatan kromosom baru dengan memasangkan kromosom-kromosom yang telah ada, mutasi dan crossover ketika kromosom induk telah dipasangkan.
• Penghilangan anggota populasi untuk menyediakan tempat bagi kromosom baru.
• Pengevaluasian kromosom baru dan memasukkan dalam populasi.

Proses di atas berlangsung berulang-ulang hingga diperoleh nilai yang paling mendekati nilai optimum.

Ketika bekerja, Algoritma Genetik tidak memberikan solusi baru. Solusi yang ditampilkan oleh Algoritma Genetik merupakan hasil dari kombinasi fitur-fitur unggulan dalam proses yaitu kromosom yang memiliki paling besar. Fitur-fitur ini nilai fungsi fitness diperoleh setelah proses evaluasi pada populasi.

4. STUDI KASUS

Seperti telah disebutkan sebelumnya, pada EDM Wire Cut ada 5 (lima) variabel input yang akan mempengaruhi feed rate dan kekasaran permukaan untuk pemesinan dengan modus gerak sirkular. Variabel-variabel tersebut adalah no load voltage, capacitor, on time, off time dan servo voltage. Jumlah parameter yang banyak ini mempengaruhi tingkat kesulitan optimisasi. Agar suatu metode dikatakan valid maka diperlukan pembanding. Pada makalah ini, metode Algoritma Genetik dibandingkan dengan metode Taguchi.

Gambar 3. Modus Gerak Sirkular

Pengambilan data yang dilakukan pada penelitian ini adalah pemotongan dengan modus gerak sirkular pada mesin EDM Wire Cut CNC. Kemudian dilihat pengaruhnya terhadap parameter proses pemesinan. Berikut adalah program NC yang digunakan untuk pemotongan sirkular:

G92 X0 Y0; G91 G42 G1 X-0.5 D1; Y0.5; G3 Y-14. J-7; G1 X0.5; M30;

Data yang diperoleh dari pengujian kemudian diolah untuk menghasilkan persamaan korelasi antara kelima variabel input dengan feed rate dan kekasaran permukaan. Persamaan yang diperoleh adalah:

Persamaan feed rate

\[\begin{aligned} y_f &= -0.9984 + 0.019x_1 + 0.1154x_2 + 0.2124x_3 \\ &- 0.0171x_4 - 0.0113x_5 \end{aligned} \tag{1}\]

Persamaan kekasaran permukaan

\[y_k = -0.2306 + 0.1609x_1 + 0.0193x_2 + 0.1097x_3 -0.0071x_4 - 0.0523x_5\] (2)

yang mana

\(y_f = feed \ rate\)

\(y_k\) = kekasaran permukaan

\(x_1 = no \ load \ voltage\)

\(x_2 = capacitor\)

\(x_3 = on time\)

\(x_4 = off time\)

\(x_5 = servo\ voltage\)

4.1 Pembuatan Model Algoritma Genetik

Dari persaman korelasi (1) dan (2) maka ditentukan fungsi fitness untuk proses optimisasi yang berbeda, yaitu:

Kondisi feed rate terbesar Fungsi

fitness: \[f(x) = y_f\] .(3)

Kondisi kekasaran permukaan terkecil

fitness: \[f(x) = \frac{1}{y_k}\] .(4)

Kondisi optimum Fungsi

fitness: \[f(x) = \frac{y_f}{y_k}\] .(5)

Setelah fungsi fitness ditentukan, selanjutnya adalah memilih nilai dari parameter Algoritma Genetik. Parameter ini akan mempengaruhi proses optimisasi dan hasil dari proses tersebut. Nilai yang dipilih adalah:

Jumlah bit = 10

Jumlah bit dapat disesuaikan dengan kondisi parameter yang akan dioptimisasi. Dengan menggunakan 10 bit, kecermatan yang bisa diperoleh adalah \(1/(2^{10}-1)\) atau 0,001. Jumlah kromosom harus selalu genap karena pada proses crossover kromosom-kromosom akan dipasangkan.

Jumlah populasi = 100

Jumlah populasi yang besar memastikan terjadinya keragaman solusi acak, tapi proses menjadi lebih lama karena jumlah data yang diolah lebih banyak. Jumlah populasi yang biasa digunakan pada penelitian dengan Algoritma Genetik antara 100-200.

Probabilitas pindah silang = 0.5

Besaran probabilitas pindah silang berada pada jangkauan 0-1, tapi biasanya dipilih antara 0,4-0,8 karena jika nilainya 0 atau 1 maka proses pindah silang tidak terjadi.

Probabilitas mutasi = 0.05

Nilai probabilitas mutasi yang besar akan mengakibatkan proses generasi menjadi divergen, untuk menghindarinya maka dipilih nilai yang kecil.

Maksimum generasi = 100

Proses optimisasi Algoritma Genetik dibatasi hanya sampai 100 kali generasi saja. Jika nilai fitness terbaik belum tercapai, maksimum generasi dapat diperbesar.

4.2 Hasil Optimisasi Algoritma Genetik

Dari hasil pengolahan data menggunakan Algoritma Genetik diperoleh kombinasi nilai variabel input mesin yang akan menghasilkan kondisi feed rate terbesar, kekasaran permukaan terkecil, dan optimum. Hasil ini kemudian akan dibandingkan dengan hasil optimisasi dengan metode Taguchi untuk mengetahui kebenaran dari metode yang digunakan. Hasil yang diperoleh adalah:

• Kondisi feed rate terbesar

No load voltage = 8 Capacitor = 9 On time = 6 Off time = 1 Servo voltage = 1

Feed rate = 1,438 mm/min

Kekasaran permukaan= 1,8 m

Gambar 4. Grafik feed rate terbesar

Hasil tersebut menunjukkan bahwa untuk mendapatkan kondisi pemotongan dengan feed rate terbesar maka variabel input mesin yang memiliki korelasi positif harus diperbesar, sedangkan yang memiliki korelasi negatif harus diperkecil. Hasil ini juga menunjukkan bahwa kondisi pemotongan ini akan menghasilkan produk dengan kekasaran permukaan yang besar. Kondisi ini dicapai setelah generasi ke 15 dengan nilai fitness terbaik 1,4382.

• Kondisi kekasaran permukaan terkecil

No load voltage = 5 Capacitor = 6 On time = 4 Off time = 27 Servo voltage = 10 Feed rate = 0,063 mm/min Kekasaran permukaan= 0,4 m

Hasil di atas menunjukkan bahwa untuk mendapatkan kondisi pemotongan dengan kekasaran permukaan terkecil maka variabel input mesin yang memiliki korelasi positif harus diperkecil, sedangkan yang memiliki korelasi negatif harus diperbesar. Hasil ini juga menunjukkan bahwa kondisi pemotongan ini akan menghasilkan produk dengan kekasaran permukaan baik namun waktu pemotongan akan sangat lama. Kondisi ini dicapai setelah generasi ke 25 dengan nilai fitness terbaik 2,4166.

Gambar 5. Grafik kekasaran permukaan terkecil

• Kondisi optimum

No load voltage = 5 Capacitor = 9 On time = 6 Off time = 1 Servo voltage = 10 Feed rate = 1,279 mm/min Kekasaran permukaan= 0,8 m

Kombinasi nilai variabel input mesin yang diperoleh untuk kondisi pemotongan optimum adalah kombinasi nilai dari kondisi pemotongan feed rate terbesar dengan kekasaran permukaan terkecil. Kondisi pemotongan ini akan menghasilkan produk dengan kekasaran permukaan yang relatif rendah namun waktu pengerjaannya masih cukup cepat. Kondisi ini dicapai setelah generasi ke 25 dengan nilai fitness terbaik 2,4611.

Gambar 6. Grafik optimum

4.3 Perbandingan Hasil Optimisasi

Pada penelitian terdahulu [7,8] telah dilakukan optimisasi proses pemesinan EDM Wire cut dengan menggunakan metode Taguchi. Hasil dari optimisasi tersebut akan dibandingkan dengan hasil optimisasi menggunakan Algoritma Genetik. Perbandingan ini akan merupakan proses validasi untuk kedua metode optimisasi yang digunakan. Berikut adalah perbandingan hasil dari kedua metode tersebut:

• Kondisi feed rate terbesar

Tabel 1 menunjukkan perbandingan antara kombinasi nilai variabel input dari metode Taguchi dan Algoritma Genetik untuk kondisi feed rate terbesar. Kombinasi nilai variabel input yang diperoleh untuk kedua metode menunjukkan hasil yang serupa, secara teoritik kedua kombinasi sama-sama menghasilkan feed rate yang terbesar. Kombinasi nilai variabel input keduanya juga sesuai dengan kecenderungan yang ada pada grafik hubungan antara variabel input terhadap feed rate[7,8,9].

Tabel 1. Perbandingan kondisi feed rate terbesar

• Kondisi kekasaran permukaan terkecil

Tabel 2 menunjukkan perbandingan antara kombinasi nilai variabel input dari metode Taguchi dan Algoritma Genetik untuk kondisi kekasaran permukaan terkecil. Kombinasi nilai variabel input hasil metode Taguchi berbeda dengan hasil Algoritma Genetik. Secara teoritik jika mengacu pada persamaan korelasi kekasaran permukaan dan grafik hubungan variabel input dengan kekasaran permukaan [7,8,9], maka kombinasi yang diperoleh dari metode Taguchi akan menghasilkan kekasaran permukaan yang lebih besar dibandingkan dengan metode Algoritma Genetik. Sedangkan kombinasi yang diperoleh dari metode Algoritma Genetik sesuai dengan grafik hubungan variabel input dengan kekasaran permukaan [7,8,9].

Tabel 2. Perbandingan kondisi kekasaran permukaan terkecil

5. KESIMPULAN

Kecenderungan nilai variabel input mesin EDM wire cut terhadap feed rate dan kekasaran permukaan adalah:

• Peningkatan no load voltage akan meningkatkan feed rate dan kekasaran permukaan
• Peningkatan capacitor akan meningkatkan feed rate dan kekasaran permukaan
• Peningkatan on time akan meningkatkan feed rate dan kekasaran permukaan
• Peningkatan off time akan menurunkan feed rate dan kekasaran permukaan
• Peningkatan servo voltage akan meningkatkan feed rate dan kekasaran permukaan sampai nilai tertentu kemudian menurun.

Pada penelitian ini telah dilakukan optimisasi menggunakan Algoritma Genetik terhadap lima variabel input mesin sekaligus, yaitu no load voltage, capacitor, on time, off time, dan servo voltage. Kombinasi nilai variabel input untuk kondisi feed rate terbesar, kekasaran permukaan terkecil, dan optimum adalah seperti diperlihatkan pada tabel 3.

Tabel 3. Kombinasi nilai variabel input mesin