MODEL ANFIS DAN MLR UNTUK MEMPREDIKSI KEAUSAN MATA BOR PADA MESIN CNC DRILLING DENGAN INPUT CUTTING SPEED DAN FEEDING RATE

Abstract

Proses permesinan pada industri sangat bergantung pada kinerja alat untuk menghasilkan produk dengan ukuran presisi. Selama proses berlangsung, alat dapat mengalami keausan akibat gesekan. Keausan seringkali sulit untuk dimonitor secara langsung karena terjadi secara bertahap. Pendekatan dengan prediksi keausan dikembangkan untuk monitoring dengan parameter cutting speed dan feeding rate. Penelitian dilakukan pada proses drilling untuk mendapatkan model dengan tingkat akurasi yang tinggi. Tingkat keausan diprediksi menggunakan model Adaptive Neuro Fuzzy Inference System (ANFIS) dan dibandingkan dengan Multiple Linear Regresion (MLR) menggunakan simulasi MATLAB. Parameter Cutting Speed dan Feeding Rate sebagai input, dan output berupa Flank wear. Data set input output dari referensi data-set digunakan untuk training dan testing. Simulasi ANFIS fuzzy sugeno menggunakan aturan if-then untuk memodelkan hubungan output-input dan neuro-network untuk merepresentasikan prediksi nilai output. Simulasi MLR menggunakan teknik regresi linear untuk memprediksi nilai output. Tingkat keakurasian dihitung menggunakan RMSE. Hasil dari simulasi prediksi flank wear menunjukan model ANFIS lebih akurat namun kurang stabil dibanding MLR. Model MLR masih relevan digunakan pada data dengan parameter terbatas dan parameter input yang saling mempengaruhi. Prediksi keausan berbasis dua input menunjukan keakuratan model mampu memprediksi nilai keausan dengan input sederhana.