ANALISIS PENGARUH KEDALAMAN PEMAKANAN PROSES PEMBUBUTAN RATA TERHADAP GETARAN YANG DITIMBULKAN

Muh Fachrul, Amin Aminuddin

Sari


Hasil dan kualitas dari proses produksi pada mesin bubut di pengaruhi oleh faktor getaran yang terjadi selama proses pembubutan. Penelitian ini menganalisa sinyal getaran yang terjadi selama proses pembubutan menggunakan mesin bubut konvensional yang terekam pada sensor akselerometer guna mendapatkan parameter terbaik dalam proses pembubutan. Dalam hal ini empat variasi kedalaman pemakan dan empat variasi kecepatan pemakanan. Pada tahap proses pembubutan, fitur magnitudo di rekam pada sensor akselerometer terhadap kerapatan spektral daya sinyal. Metode Root mean square error (RMS) dihitung untuk melakukan studi prediksi getaran dengan variasi kedalaman dan kecepatan pemakanan. hasil sinyal pada percobaan dengan kedalaman 0,05mm, nilai RMS berada pada rentang 116,61-145,73mV. Pada kedalaman 1mm menunjukkan nilai RMS pada rentang 157,17-167,52, kondisi sinyal pada kedalaman 1,5 menunjukan nilai RMS 180,12190,178, kondisi sinyal pada kedalaman 2 menunjukan nilai RMS 199,69-212,075. Dari hasi data penelitian Dapat disimpulkan bahwa semakin besar kedalaman pemakanan semakin besar nilai RMS pada getaran yang di hasilkan.


Teks Lengkap:

Tidak berjudul

Referensi


O. M. Nado, R. Poeng, and R. Lumintang, “ANALISIS PENGARUH KONDISI PEMOTONGAN TERHADAP PEMAKAIAN DAYA LISTRIK PADA MESIN BUBUT BV 20,” 2021. [Online]. Available: https://ejournal.unsrat.ac.id/index.php/jtmu/index

M. Fachrul, A. Y. Aminy, and A. Hayat, “Characteristic of Vibration Signal from Cutting Tool Against Steel ST60 for CNC Turning Monitoring System,” EPI International Journal of Engineering, vol. 5, no. 1, pp. 37–43, Feb. 2022, doi: 10.25042/epi-ije.022022.06.

N. Ambhore, D. Kamble, S. Chinchanikar, and V. Wayal, “Tool Condition Monitoring System: A Review,” Mater Today Proc, vol. 2, no. 4–5, pp. 3419–3428, 2015, doi: 10.1016/j.matpr.2015.07.317.

S. Swain, I. Panigrahi, A. K. Sahoo, A. Panda, and R. Kumar, “Effect of Tool Vibration on Flank Wear and Surface Roughness During High-Speed Machining of 1040 Steel,” Journal of Failure Analysis and Prevention, vol. 20, no. 3, pp. 976–994, Jun. 2020, doi: 10.1007/s11668-020-00905-x.

T. Mohanraj, S. Shankar, R. Rajasekar, N. R. Sakthivel, and A. Pramanik, “Tool condition monitoring techniques in milling process — a review,” Journal of Materials Research and Technology, vol. 9, no. 1, pp. 1032–1042, Jan. 2020, doi: 10.1016/j.jmrt.2019.10.031.

C. Zhang, X. Yao, J. Zhang, and H. Jin, “Tool Condition Monitoring and Remaining Useful Life Prognostic Based on a Wireless Sensor in Dry Milling Operations,” Sensors, vol. 16, no. 6, p. 795, May 2016, doi: 10.3390/s16060795.

J. Zhou, P. Li, Y. Zhou, B. Wang, J. Zang, and L. Meng, “Toward New-Generation Intelligent Manufacturing,” Engineering, vol. 4, no. 1, pp. 11–20, Feb. 2018, doi: 10.1016/j.eng.2018.01.002.


Refbacks

  • Saat ini tidak ada refbacks.


.Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.