OPTIMASI PARAMETER PROSES PEMESINAN ECM (ELECTROCHEMICAL MACHINING) SKALA LABORATORIUM DENGAN METODE TAGUCHI-GREY RELATIONAL ANALYSIS (GRA)

Authors

  • Galang Sandy Prayogo Jurusan teknik Mesin Politeknik Negeri Banyuwangi
  • Nuraini Lusi Politeknik Negeri Banyuwangi
  • Nuraini Lusi Politeknik Negeri Banyuwangi

DOI:

https://doi.org/10.32832/ame.v8i1.4082

Keywords:

ECM, optimasi multirespon, Taguchi methods, Grey Relational Analysis

Abstract

Pemesinan elektrokimia (ECM) adalah metode pemesinan non konvensional yang unik  dalam proses pembentukan benda kerja untuk parameter optimal karena  memeiliki keuntungan seperti tidak adanya keausan pada pahat (tool), sifat lapisan permukaan setelah pengerjaan mirip dengan bahan inti dan kualitas serta akurasi permukaan meningkat bersamaan dengan peningkatan laju pelepasan material. Keuntungan lain dari permesinan elektrokimia, yaitu tentang ekologi sehingga menciptakan minat industri dalam berbagai elemen manufaktur yang terbuat dari bahan dengan sifat khusus seperti pada pembuatan turbine blade. Dalam penelitian ini akan dilakukan eksperimen tentang optimasi parameter proses pemesinan ECM seperti voltage, konsentrasi jenis cairan elektrolit, dan gap width terhadap respon kekasaran permukaan dan material removal rate (MRR). Metode penelitian yang digunakan adalah metode multirespon dengan DOE (design of experiment) Taguchi dan Grey Relational Analysis (GRA). Hasil penelitian menunjuukan bahwa setting kombinasi variabel-variabel proses yang signifikan untuk memaksimalkan MRR dan meminimalkan kekasaran permukaan berdasarkan hasil optimasi dengan menggunakan metode Taguchi-GRA adalah kombinasi faktor voltage pada 48 Volt , konsentrasi elektrolit pada 150 g/l, dan gap width pada 2 mm. Variabel proses yang memiliki kontribusi terbesar terhadap variasi respon adalah yaitu voltage sebesar  65,18%,  kemudian variable gap width sebesar 23,55%, dan kontribusi oleh konsentrasi elektrolit oleh adalah sebesar 11,22%.

References

Athreya, S., & Venkatesh, Y. D. (2012). Application of Taguchi method for optimization of process parameters in improving the surface roughness of lathe facing operation. International Refereed Journal of Engineering and Science, 1(3), 13–19.

Bisht, B., Vimal, J., & Chaturvedi, V. (2013). Parametric Optimization of Electrochemical Machining Using Signal-To-Noise (S/N) Ratio. International Journal of Modern Engineering Research, 3(4), 1999–2006.

Chakradhar, D., & Gopal, A. V. (2011). Multi-Objective Optimization of Electrochemical machining of EN31 steel by Grey Relational Analysis. International Journal of Modeling and Optimization, 1(2), 113–117. https://doi.org/10.7763/IJMO.2011.V1.20

Das, M. K., Kumar, K., Barman, T. K., & Sahoo, P. (2014). Optimization of surface roughness and MRR in electrochemical machining of EN31 tool steel using grey-Taguchi approach. Procedia Materials Science, 6, 729–740.

Li, Z. Y., Wei, X. T., Guo, Y. B., & Sealy, M. P. (2015). State-of-art, challenges, and outlook on manufacturing of cooling holes for turbine blades. Machining Science and Technology, 19(3), 361–399.

Sohrabpoor, H., Khanghah, S. P., Shahraki, S., & Teimouri, R. (2016). Multi-objective optimization of electrochemical machining process, 1683–1692. https://doi.org/10.1007/s00170-015-7448-9

Soni, S. K., & Thomas, B. (2017). A comparative study of electrochemical machining process parameters by using GA and Taguchi method. IOP Conference Series: Materials Science and Engineering, 263(6), 8–15. https://doi.org/10.1088/1757-899X/263/6/062038

Tang, L., & Guo, Y.-F. (2013). Experimental Study of Special Purpose Stainless Steel on Electrochemical Machining of Electrolyte Composition. Materials and Manufacturing Processes, 28(4), 457–462. https://doi.org/10.1080/10426914.2012.746784

Downloads

Published

2022-03-08

How to Cite

Prayogo, G. S., Lusi, N., & Lusi, N. (2022). OPTIMASI PARAMETER PROSES PEMESINAN ECM (ELECTROCHEMICAL MACHINING) SKALA LABORATORIUM DENGAN METODE TAGUCHI-GREY RELATIONAL ANALYSIS (GRA). AME (Aplikasi Mekanika Dan Energi): Jurnal Ilmiah Teknik Mesin, 8(1), 1–8. https://doi.org/10.32832/ame.v8i1.4082

Issue

Section

Artikel