Hasil Pencarian  ::  Simpan CSV :: Kembali

Hasil Pencarian

Ditemukan 5251 dokumen yang sesuai dengan query
cover
Fadel
"Indonesia mengalami krisis ekonomi yang cukup berat sejak tahun 1997. Hal ini membawa darnpak serius terhadap seluruh sektor kehidupan termasuk sektor industri. lndustri skala kecil dan menengah terimbas krisis yang lebih kecil dibandingkan industri besar dan berbahan baku impor. Oleh karena itu perhatian terhadap industri keeil dan menengah barus tebih ditingkatkan agar penunjMg perekonomian nasional ini dapat tetap eksis. Diantara industri kecil tersebut adalah industri pengecoran logam dengan metoda cetllkan pasic Komponen utarna pada pengecoran logam dengan metoda cetak:an pasir adalah pola pengecoran logarn. Pola pengecoran logarn dibuat dari kayu dengan menggunakan mesin-mesin seperti mesin gergaj~ mesin ketam, dan mesin ampias. Mesin gergaji dan mesin ketam digunakan pada proses pemhentukan awal. sedMgkan mesin arnplas digunakan pada proses akhir untuk mendapatkan kekasaran pennukaan yang diinginkan. Mesin amplas terdiri dari 2 jenis yaitu mesin arnplas permukaan luar dan mesin arnplas permukaan dalarn. Industri pola pengecoran logarn membutubkan kedua jenis mesin tersebut untuk menghasilkan produk. dengan kualitas yang baik, tetapi kernarnpuan industri kecil sangat terbatas untuk menginvestasi kedua jenls mesin tersebut. Oleh karena itu perlu dipikirkan solusi agar industri poJa pengecoran logam dapat terus berproduksi dengan kualitas produk yang baik dan investasi yang tidak terialu besar. Mesln amplas serbaguna yang dapat menggantikan kedua jenis mes:in amplas yang ada saat ini merupakan alternatif pemecahan yang tepat. Dengan mesin ini, fungsi pengarnplasan permukaan tuar dan permukaan dalarn dapat ditakukan pada satu mesin."
Depok: Fakultas Teknik Universitas Indonesia, 2000
S37657
UI - Skripsi Membership  Universitas Indonesia Library
cover
Dharmawan Harsokoesoemo
Bandung: ITB Press, 1979
621.803 DAR d
Buku Teks  Universitas Indonesia Library
cover
Andi Adriansyah
"Paper ini memaparkan perancangan pengendali robot berbasis perilaku menggunakan Fuzzy, di mana parameter Fuzzy ditala secara otomatis menggunakan Particle Swarm Optimization (PSO) yang diistilahkan dengan Particle Swarm Fuzzy Controller (PSFC). Suatu fungsi tertentu dirancang untuk meningkatkan performa proses pencarian PSO. Fungsi tersebut mengubah harga bobot inersia menjadi berkurang secara sigmoid (Sigmoid Decreasing Inertia Weight). Empat buah perilaku robot dirancang menggunakan PSFC. Kemudian seluruh perilaku tersebut juga dikoordinasikan menggunakan PSFC. Beberapa simulasi pengendalian pergerakan robot dan percobaan dengan robot MagellanPro telah dilakukan untuk menguji performa algoritma yang dirancang. Algoritma lain, Genetic Fuzzy Controller (GFC) digunakan sebagai pembanding. Dari hasil pengujian dapat dikatakan bahwa pengendali yang dirancang memiliki kemampuan yang baik untuk menyelesaikan tugasnya pada suatu lingkungan nyata.
This paper describes the design of robots controllers based on behaviour using Fuzzy, in which the Fuzzy parameters are automatically tuned using the Particle Swarm Optimization (PSO) which is termed the Particle Swarm Fuzzy Controller (PSFC). A particular function is designed to improve the performance of PSO search process. That particular function changes the value of the inertia weight, so it‟s decreased in sigmoid (Sigmoid Decreasing Inertia Weight). Four types of robots behaviour are designed and coordinated using the PSFC. Some simulation of the robot movement control and experiments with the robot MagellanPro have been conducted to test the performance of the algorithm that have been designed. Another algorithm, Genetic Fuzzy Controller (GFC) is used as a comparison. From the test results, it can be said that the controllers that have been designed have a good ability to accomplish its task in a real environment.
"
Universitas Mercu Buana, Fakultas Teknologi Industri, Program Studi Teknik Elektro, 2010
PDF
Artikel Jurnal  Universitas Indonesia Library
cover
Abdul Kadir
Jakarta : Djambatan, 1986
621.316 ABD m
Buku Teks SO  Universitas Indonesia Library
cover
Abdul Kadir
Jakarta : Djambatan, 1986
621.316 ABD m
Buku Teks SO  Universitas Indonesia Library
cover
Abdul Kadir
Jakarta: Djambatan, 1981
621.316 ABD m
Buku Teks SO  Universitas Indonesia Library
cover
Dahmir Dahlan
Jakarta: Citra Harta Prima, 2012
621.82 DAH e
Buku Teks SO  Universitas Indonesia Library
cover
Yeny Pusvyta
"Perancangan dan pengembangan mesin uji tarik prototip-3 dilakukan untuk menyempurnakan mesin uji tarik prototip-2 yang perancangannya masih belum sesuai standar. Berdasarkan studi literatur menurut standar ASTM E-8M tentang kecepatan pembebanan pengujian tarik dan ukuran spesimen dilakukan perubahan atau chuck dan sistem pembebanan pada mesin uji tarik prototip-2. Untuk memenuhi target desain industri, dilakukan survey mengenai kenyamanan penggunaan mesin uji tarik yang menjadi masukan perancangan penyempurnaan mesin. Performa mesin dilihat dari pengujian penarikan putusnya beberapa spesimen silindris dan lembaran di daerah gage length, serta bentuk grafik yang mirip dengan spesimen yang diuji dengan mesin uji tarik standar.

Design and develop tensile test machine prototype-3 held for perfecting tensile test machine prototype-2 not in accordance with the standard. According to ASTM E-8M about load speed of tensile testing by changing the specimen size or chuck and loading system in tensile machine prototype-2. Survey conducted in order to achieve industrial design target, focusing on the comfort in using the tensile machine which became consideration in re-dsign the tensile machine. The engine performance can be seen from frcture of some round tension and sheet specimen in gage length area and chart from similar from specimen which retested with standard tensile machine."
Depok: Fakultas Teknik Universitas Indonesia, 2010
T27597
UI - Tesis Open  Universitas Indonesia Library
cover
M. Iswandi
"Penggunaan mesin deteksi ulir & packing selama ini mengakibatkan filter menjadi reject/rework. Filter reject/rework tersebut dibagi menjadi tiga jenis yaitu : sablon rusak, cat rusak dan body penyok. Setelah dilakukan penelitian dilapangan, ternyata ada dua faktor yang menjadi penyebab filter reject/rework yaitu : kapasitas mesin yang tidak sama sehingga mesin overload dan sistem rnekanik dari mesin deteksi ulir sendiri. Dari permasalahan tersebut dilakukan perancangan mesin deteksi ulir & packing baru untuk menyempumakan mesin deteksi ulir & packing sebelumnya. Desain dikembangkan dari dua faktor penyebab filter reject, prinsip kerjanya masih menggunakan sistem yang lama. Ada empat modiiikasi yang clibuat dimesin baru yaitu : mesin deteksi ulir digabung dengan oven pengering, mesin mengatur incoming filter, rod transfer dibuat atas dan bawah, clamp centering menggunakan sistem roll. Dengan pembuatan mesin sistem mekanik baru hasil modifikasi diharapkan, filter reject /rework bisa berkurang, kelebihan yang lain harganya lebih murah, hanya 44% dari harga mesin sebelumnya."
Depok: Fakultas Teknik Universitas Indonesia, 2005
S37838
UI - Skripsi Membership  Universitas Indonesia Library
cover
Fernanda Hartoyo
"Bejana tekan merupakan peralatan yang sebagai penampung fluida cair maupun gas dengan temperatur yang memiliki perbedaan dengan lingkungan yang ada di sekitarnya yang memiliki kemungkinan kegagalan yang tinggi yang dapat berpengaruh pada banyak faktor. Kegagalan bejana tekan dapat disebabkan karena adanya fenomena korosi seragam yang menyebabkan keluarnya fluida berbahaya dari peralatan yang memiliki tekanan karena adanya penipisan pada dinding bejana tekan. Hal ini dapat dihindari dengan melakukan inspeksi menggunakan risk-based inspection (RBI) yang mampu meningkatkan keamanan bejana tekan berbasis risiko yang dilakukan pada suatu peralatan berdasarkan prioritas risiko yang mempermudah dalam melakukan inspeksi dengan memperhatikan Probability of Failure dan Consequence of Failure. Salah satu metode untuk menganalisis risiko pada bejana tekan adalah dengan menggunakan metode pembelajaran mesin berbasis deep learning yang akan mengembangkan model penilaian risiko kegagalan bejana tekan minyak dan gas akibat korosi seragam yang dapat mempersingkat waktu, meningkatkan akurasi, efisien dalam melakukan pengolahan data, serta lebih lebih hemat biaya dengan menawarkan akurasi perhitungan yang tinggi. Penelitian menghasilkan program prediksi risiko bejana tekan dengan menggunakan klasifikasi pembelajaran mesin berbasis deep learning untuk memprediksi kegagalan pada peralatan bejana tekan akibat korosi seragam dengan menggunakan metode Risk Based Inspection dengan beberapa parameter model seperti random state senilai 25, learning rate sebesar 0.001, dengan layer berjumlah 3 dan dense 64,32,16, test size sebesar 20% dan batch size sebesar 32, dan epoch dengan nilai 150 menghasilkan akurasi model sebesar 93% yang didapatkan dari validasi confusion matrix. Nilai akurasi 93% bersumber dari 300 data yang didapatkan dari pembuatan dataset dengan berlandaskan standard API RBI 581.

A pressure vessel is an equipment that acts as a container for a liquid or gas with a different temperature from the surrounding environment, a high probability of failure, which can affect many factors. Pressure vessel failure can be caused by uniform corrosion, causing the dangerous liquid to be discharged from the pressure vessel due to thinning the pressure vessel wall. Pressure vessel failure can prevent failure by performing Risk Based Inspection (RBI), improving the safety and reliability of pressure vessels based on the risk performed on the equipment are based on risk priority. RBI facilitates the execution of tests that consider the probability of failure and the consequences of failure. One risk analysis method in pressure vessels is to use deep learning based machine learning to develop a failure risk assessment of pressure vessels due to uniform corrosion. This method can shorten the time, increase accuracy, be efficient in data processing, and be more cost-effective by offering high calculation accuracy. In this study, a risk prediction program of a pressure vessel is completed using a deep learning based machine learning classification to predict failure of pressure vessel using the Risk based Inspection method. This program which obtained the following model parameters such as random state of 25, a learning rate of 0.001, with three layers and dense 64,32,16, test size of 20% and batch size of 32, and an epoch with a value of 150, resulted in a model accuracy of 93% obtained from the validation of the confusion matrix. Program with accuracy of 93% comes from 300 dataset based on the RBI 581 API standard."
Depok: Fakultas Teknik Universitas Indonesia, 2022
S-pdf
UI - Skripsi Membership  Universitas Indonesia Library
<<   1 2 3 4 5 6 7 8 9 10   >>