PREDIKSI KEAUSAN MATA BOR MESIN CNC DRILLING MENGGUNAKAN PEMODELAN PREDIKTIF BERBASIS CUTTING SPEED DAN FEEDING RATE

Abstract

Proses permesinan dalam industri manufaktur bergantung pada performa alat potong untuk menghasilkan produk dengan dimensi presisi tinggi. Selama proses berlangsung, alat potong mengalami keausan akibat gesekan terus-menerus dengan benda kerja. Keausan tersebut bersifat progresif dan sulit dimonitor secara langsung. Oleh karena itu, pendekatan prediktif dikembangkan sebagai alternatif pemantauan berbasis parameter proses. Dua parameter utama yang memengaruhi keausan adalah cutting speed dan feeding rate. Pemodelan prediktif dilakukan dengan memanfaatkan pendekatan Adaptive Neuro-Fuzzy Inference System (ANFIS) dan Multiple Linear Regression (MLR). Keduanya diimplementasikan dalam lingkungan simulasi MATLAB, dengan input berupa cutting speed dan feeding rate, serta output berupa flank wear. Model ANFIS menggunakan sistem fuzzy Sugeno berbasis aturan if–then yang dikombinasikan dengan jaringan saraf tiruan, sedangkan MLR mengandalkan persamaan regresi linier multipel. Tingkat akurasi evaluasi ditentukan menggunakan nilai Root Mean Square Error (RMSE). Hasil simulasi menunjukkan bahwa ANFIS memberikan prediksi yang lebih akurat, namun stabilitasnya lebih rendah dibanding MLR. Sementara itu, MLR tetap dapat diandalkan untuk data dengan variabel terbatas dan hubungan linier antar parameter. Model prediktif ini menunjukkan bahwa keausan mata bor dapat diestimasi dengan baik hanya melalui dua parameter proses utama.