Deteksi Keausan Pahat Karbida Berdasarkan Cutting Noise pada Proses Pembubutan Menggunakan Metode ANN (Artificial Neural Network)

Pemantauan kondisi pahat merupakan salah satu aspek yang penting untuk mengetahui tingkat kualitas dan kepresisian dalam produksi dalam dunia manufaktur khususnya pada proses turning (bubut). Sistem deteksi keausan pahat yang dapat digunakan untuk meminimalisisai kerusakan produk dengan cara melihat dari cutting noise yang dihasilkan pada proses permesinan bubut karena sinyal suara tersebut sangat akurat dalam menentukan pahat yang telah aus. Penelitian ini meneliti tentang membuat sistem deteksi keausan pahat insert karbida DCMT 070204 yang digunakan dalam mesin CNC ProTurn 9000 dengan material yang digunakan adalah baja ST42. Parameter yang digunakan dalam perekaman adalah dengan frekuensi sampelnya sebesar 44100 Hz dan dengan panjang sinyal sebesar 1024 dengan banyak sampel pelatihan sebanyak 110 sampel dan validasi sebanyak 54 sampel. Sinyal suara yang diterima dari mikrofon akan menampilkan plot data berupa time domain dan dilakukan FFT agar menjadi frequency domain kemudian akan diproses menggunakan software Matlab diantaranya ekstraksi fitur dan pemilihan fitur. Pada penelitian ini didapatkan 33 fitur terpilih dan dengan neuron 33 sebagai data input dalam metode ANN(Artificial Neural Network) Backpropagation. Setelah semua proses selesai dilakukan maka akan didapatkan hasil penyimpulan kondisi pahat yakni didapatkan akurasi latih 74% dan akurasi validasi 68% berdasarkan data cutting noise.