Hasil Pencarian  ::  Simpan CSV :: Kembali

"Penelitian ini menjelaskan tentang metode optimasi proses produksi dengan menggunakan metode desain parameter Taguchi dan Neural Network model. Metode Taguchi berfungsi untuk mengidentifikasi parameter proses yang optimum pada proses produksi dan Neural Network model berfungsi untuk memprediksi respon dari parameter proses tersebut. Kombinasi dari kedua model tersebut mampu mengidentifikasi faktor setting yang penting untuk membuat suatu desain setting kondisi operasional proses yang tahan terhadap segala macam sumber variasi (Robust Design), tanpa harus melakukan eksperimen aktual pada proses. Studi kasus yang mengilustrasikan metode tersebut menggunakan data historis dari mesin laminasi ekstrusi pada pabrik pembungkusan dengan menggunakan berat lapisan (grammatur) sebagai respon kualitas dari proses.

---

This research paper describes the methods of manufacturing process optimization, using the basis of Taguchi parameter design and Neural Network model. Taguchi experimental design used to predict the optimum process parameters in manufacturing process, while Neural Network model forecasts the responses from the process parameters. This combination approach identifies the important factor settings to develop a setting design for the optimum operating condition that can stand from noise variables (Robust Design), without conduct an actual experiment on process. A case study illustrates this approach, collects real production data from the laminating machine in a packaging plant using grammatur as quality response from the process."

"Penelitian ini menjelaskan bagaimana optimasi dari setiap kombinasi faktor dalam proses laminasi dapat dicapai dengan menggunakan metode Taguchi yang ditopang oleh model simulasi neural network. Model yang dibangun dari neural network memudahkan pencarian data eksperimen tanpa melakukan eksperimen tersebut secara aktual. Penulis juga menghitung berapa biaya kualitas dari proses tersebut pada keadaan awal dan keadaan sesudah dilakukan pendekatan optimasi dengan dua metode di atas. Dengan analisa yang didasari kedua metode tadi, maka dapat dianalisa seberapa besar nilai Taguchi Expected Loss dari proses tersebut. Penulis menghitung biaya produksi ini dengan menggunakan pendekatan Taguchi Loss Function sebagai basis kriteria biaya kualitas.

---

This study describes how the optimization of each combination in the process of lamination can be achieved by using the Taguchi method and combination with Neural Network. Model was built from neural network model to search for experimental data without performing the actual experiments. The author also calculates how much its quality costs of the process in the initial condition and circumstances after the optimization approach.

With both methods of analysis, it can analyze how much the value of Taguchi Expected Loss of the process. The author calculates the production cost by using the approach of Taguchi Loss Function as the basis of criteria of quality costs."

"Peningkatan kualitas merupakan satu aspek yang dapat meningkatkan kepuasan pelanggan. Untuk menghasilkan produk berkualitas tinggi, perlu diketahui faktor terkontrol yang mempengaruhi dan bagaimana faktor tersebut harus diatur. Untuk memecahkan masalah ini dilakukan eksperimen menggunakan metode Taguchi. Penelitian ini menjelaskan metode optimasi proses coating tablet dengan menggunakan metode desain parameter Taguchi dan Neural Network model. Metode Taguchi berfungsi untuk mengidentifikasi parameter proses yang optimum dan Neural Network model untuk memprediksi respon dari parameter proses. Kombinasi kedua pendekatan ini mampu mengidentifikasi parameter-parameter proses yang penting untuk merancang suatu desain penyetelan kondisi operasional proses yang tahan terhadap segala macam sumber variasi (Robust Design), tanpa harus melakukan eksperimen aktual pada proses.

---

The increasing quality of product is one of the main aspects that will increase the customer satisfaction. For Producing a high quality of product, we have to know control factors that influenced the process and how we can set them. This research paper describes the methods of manufacturing coating tablet process optimization, using the basis of Taguchi parameter design and Neural Network model.

Taguchi experimental design used to predict the optimum process parameters in manufacturing process, while Neural Network model forecasts the responses from the process parameters. This combination approach identifies the important factor settings to develop a setting design for the optimum operating condition that can stand from noise variables (Robust Design), without conduct an actual experiment on process."

"Penelitian ini menjelaskan tentang metode optimasi proses produksi dengan menggunakan metode desain parameter Taguchi. Tingginya tingkat kecacatan produk di proses dry laminating menunjukkan masih diperlukan adanya perbaikan sebagai salah satu bentuk usaha meningkatkan kualitas secara berkesinambungan. Hal inilah yang mendasari penelitian dengan metode Taguchi yang bertujuan untuk menurunkan tingkat kecacatan produk. Untuk mencapai tujuan tersebut, perlu diketahui faktor terkontrol yang berpengaruh dan bagaimana faktor tersebut harus diatur. Lima faktor yang diteliti adalah unwinder tension (13 kg/cm2, 15 kg/cm2), coating tension (12 kg/cm2, 14 kg/cm2), speed (110 meter/menit, 120 meter/menit), oven tension (14 kg/cm2, 16 kg/cm2), dan cooling roller (23°C, 25°C). Dari tingkat kecacatan tiap kondisi dilakukan analisis sehingga didapatkan faktor yang berpengaruh dan level yang memberikan hasil optimal yaitu unwinder tension pada 13 kg/cm2, coating tension pada 14 kg/cm2, speed pada 120 meter/menit, oven tension pada 16 kg/cm2, dan cooling roller pada 25°C.

---

This research paper describes the method of manufacturing process optimization using the Taguchi parameter design method. The high defect rate in dry laminating process shows that continuous improvement is still needed for the better quality of the process. Taguchi method is used to lower the amount of product defects. Therefore, it is important to discover the influential control factors and their optimal settings. Five factors which are used in the experiments are unwinder tension (13 kg/cm2, 15 kg/cm2), coating tension (12 kg/cm2, 14 kg/cm2), speed (110 meter/minute, 120 meter/ minute), oven tension (14 kg/cm2, 16 kg/cm2), and cooling roller (23°C, 25°C). From each level of defects condition, analysis was done to obtain the influential factors and level that give the optimal result which are unwinder tension at 13 kg/cm2, coating tension at 14 kg/cm2, speed at 120 meter/ minute, oven tension at 16 kg/cm2, and cooling roller at 25°C."

"Peningkatan kualitas produk adalah salah satu aspek yang akan memuaskan pelanggan. Salah satu cara untuk meningkatkan kualitas produk adalah dengan mengoptimasi hasil keluaran proses. Metode Taguchi telah menjadi metode yang memimpin rekayasa kualitas untuk optimasi proses. S/N Ratio yang digunakan oleh metode ini merepresentasikan efek faktorial dari variabel terkendali pada hasil keluaran, dan juga mempertimbangkan faktor pengganggu. Penelitian ini menggambarkan sebuah pendekatan berdasarkan desain eksperimental Taguchi untuk memprediksi parameter-parameter optimum proses pada proses laminasi ekstrusi dan meramalkan respons kualitas dari kombinasi parameter-parameter proses menggunakan Jaringan Syaraf Tiruan dengan data historis proses, yang dikumpulkan selama produksi normal. Jaringan Syaraf Tiruan adalah sebuah teknologi penting dari Intelegensi Tiruan yang mana telah banyak digunakan untuk memonitor proses manufaktur melalui pengenalan pola hasil keluaran. Jaringan Syaraf Tiruan dilatih dengan menggunakan data historis untuk memodelkan proses aktual, sehingga model ini dapat mengestimasi respons kualitas untuk penyetelan eksperimen. Kombinasi pendekatan ini mampu mengidentifikasi penyetelan parameterparameter penting untuk menjamin peningkatan proses. Sebuah studi kasus mengilustrasikan pendekatan ini, menggunakan data produksi aktual dari mesin laminasi ekstrusi pada pabrik pembuat kemasan dengan kekuatan ikatan sebagai respons kualitas yang akan dioptimasi. Hasil dari studi kasus ini membuktikan bahwa pendekatan ini dapat digunakan untuk meningkatkan pemahaman proses dan mengidentifikasi faktor-faktor signifikan. Batasan yang paling signifikan dari pendekatan ini ada pada ketersediaan data proses; bagaimanapun juga pengusaha pabrik dapat menggunakan pendekatan ini untuk mengoptimasi proses produksi tanpa eksperimen yang mahal dan memakan waktu.

---

The increased quality of a product is one of the main aspects that will satisfy customer. One way to improve the quality of a product is to optimize the process output. The Taguchi Method has been a leading tool in quality engineering for process optimization. The S/N ratio as utilized in this method represents the factorial effects of control variables to outputs while also taking noise factors into consideration. This research paper describes an approach based on Taguchi experimental design to predict the optimum process parameters in extrusion laminating process and forecasts the responses at these parameters using Neural Networks (NN) with historical process data, collected during normal production. NN are an important technology of Artificial Intelligence which have been widely used for manufacturing process monitor using output pattern recognition. NN is trained by using historical data in order to model the actual process, so that the model is able to estimate process response for the experimental settings. This combination approach identifies the important factor settings to ensure the process improvement. A case study illustrates this approach, using real production data from the laminating machine in a packaging plant with bonding strength as the quality response to be optimized. The result proved that this technique can be used to gain process understanding and identify significant factors. The most significant limitation of this technique relies on process data availability; however manufacturers may use this technique to optimize processes without expensive and time-consuming experimentation."

"Penelitian ini mengimplementasikan metode Taguchi untuk merancang parameter penyetelan proses pencetakan tablet dengan satu respon kualitas, yaitu berat tablet (mg). Tidak diketahuinya parameter penyetelan yang optimal pada proses pencetakan tablet salah satu perusahaan farmasi di Indonesia menyebabkan timbuknya variasi berat tablet yang tinggi dan kapabilitas proses yang rendah.Faktor yang diteliti adalah machine speed (rpm) dan filling volume (mm3). Orthogonal array L9digunakan untuk melihat pengaruh dari kedua faktor terhadap berat tablet. Kemudian digunakan pareto anova dan perhitungan main effect untuk melihat signifikansi kontribusi kedua faktor terhadap berat tablet dan untuk melihat pada level berapa kedua faktor memberikan hasil yang optimal. Perhitungan dan analisis menunjukan bahwa faktor machne speed (rpm) dan filling volume (mm3) yang disetel pada level dua memberikan hasil terbaik.

---

This research implements Taguchi Method to design setting parameter of tablet compression process with one quality response; tablet weight. Tablet compression process in one of the pharmacy manufacturer was found capable for weight because the optimum condition is not yet defined. Two process factors are investigated, including machine speed (rpm) and filling volume (mm3). TheTaguchi’s L9 array is adopted to investigate the effects of the two process factors concurrently. Then, the pareto anova and main effect analysis is implemented to determine thecombination of optimal factor levels, which is found as level 2 for both factors."

"Energi pada bangunan memiliki kebutuhan energi yang sangat besar, yang berarti untuk memenuhi energi tersebut diperlukan sumber daya yang besar. Dengan demikian penghematan energi pada bangunan akan menurunkan dampak terhadap lingkungan juga. Membuat bangunan hijau atau bangunan berkinerja tinggi menjadi salah satu langkah yang tepat untuk menurunkan kebutuhan energi pada bangunan. Melakukan pengamatan lingkungan sekitar merupakan hal yang penting dalam merancang sebuah bangunan hijau. Dalam pengamatan tersebut hal-hal yang perlu diperhatikan adalah temperatur, kelembaban, radiasi matahari, keadaan bangunan sekitar, keadaan langit,dan banyak lagi. Hal-hal tersebut akan sangat berguna untuk menentukan rancangan bangunan berkinerja tinggi. Tahap selanjutnya yang perlu dilalu dalam mendesain bangunan hijau adalah tahap pembuatan konsep bangunan, sehingga dapat terlihat bentuk bangunan tersebut. Dengan adanya bentuk bangunan sudah dapat dilakukan penentuan material pada selimut bangunan ataupun hal-hal berpengaruh lainnya untuk menurunkan kebutuhan energi. Selanjutnya akan dicari hal yang paling mempengaruhi penurunan energi pada bangunan dengan menggunakan metode Taguchi. Pada akhirnya akan didapatkan pengoptimalan energi tertinggi dari hasil penggunaan metode Taguchi tersebut.

---

Energy in a building requires a considerable amount of energy which is fulfilled by great resource. Thus, energy saving in building will also reduce the environmental impact. Creating green building or high-utilization building is one of proper solution to reduce energy needed in building. Observation about surrounding environment is significant while designing green building. Things to be concerned while doing observation are temperature, humidity, sunlight radiation, surrounding building condition, sky condition and others. Those abovementioned are also useful for consideration of high-utilization building design. The next stage for designing green building is concept generation of the building to determine the material needed or other particular things that reduce energy needed. The most influencing factor for reducing energy in building will be found by Taguchi method. Finally, the most optimized energy solution can be obtained by Taguchi Method."

"Backpropagation neural network backpropagation adalah salah satu algoritma machine learning yang dapat digunakan untuk melakukan klasifikasi data. Klasifikasi data dilakukan dalan serangkaian proses training dan testing. Pada akhir proses testing yang juga merupakan akhir dari proses backpropagation, akan didapatkan nilai recognition rate. Nilai recognition rate merupakan nilai yang menandakan banyaknya data yang berhasil diklasifikasi dengan benar pada proses testing terhadap seluruh testing dataset. Recognition rate erat kaitannya dengan masalah underfitting, overfitting, local minima, dan local maxima. Keempat masalah ini menyebabkan nilai recognition rate yang didapatkan kurang optimal. Namun biasanya untuk menangani keempat masalah ini dilakukan pengaturan pada beberapa paramter, misalnya learning rate, momentum, jumlah layer, jumlah nodes, weights, dan lain-lain. Pada tulisan ini akan dijelaskan program optimasi yang melakukan pengaturan pada nilai inisialisasi weights untuk menangani keempat tersebut. Program ini melakukan inisialisasi weights menggunakan genetic algorithm pada backpropagation yang mengimplementasikan k-fold crossvalidation. Untuk menguji dan membandingkan program optimasi terhadap program implementasi backpropagation yang tidak dioptimasi program non-optimasi, digunakan empat dataset, yaitu iris flower dataset, seeds dataset, wine dataset, dan EEG dataset buatan. Pada akhir pengujian didapatkan hasil bahwa program optimasi berhasil mendapatkan nilai recognition rate lebih tinggi pada iris flower dataset, yaitu 97.33 pada program optimasi dan 96.67 pada program non-optimasi. Kemudian didapatkan pula nilai recognition rate yang lebih tinggi pada seeds dataset, yaitu 93.33 pada program optimasi dan 92.86 pada program non-optimasi. Lalu didapatkan pula nilai recognition rate yang lebih tinggi pada EEG dataset buatan, yaitu 37.5 pada program optimasi dan 35.94 pada program non-optimasi. Sedangkan pada wine dataset didapatkan nilai recognition rate yang sama antara program optimasi dan program non-optimasi, yaitu 99.44.

---

Backpropagation neural network backpropagation is one of machine learning algorithms that can be used to classify data. The data classification is done in a series of trainig and testing processes. At the end of testing process that is also the end of backpropagation process, the algorithm will produce recognition rate value. Recognition rate value indicates the total of correctly classified data in testing process againts all data in testing dataset. Recognition rate value related to underfitting, overfitting, local minima, and local maxima problems. However, to handle these problems adjusting some parameters are necessary to be done. These parameters are learning rate, momentum, number of layers, number of nodes, weights, etc. In this writting will be explained an optimization program that adjusts the initialization values of weights to handle those four problems. This program initializes weights using genetic algorithm on backpropagation implementing k fold crossvalidation. To test and compare the optimization program with a program that implements backpropagation without optimization non optimzation program four datasets will be used, those are iris flower dataset, seeds dataset, wine dataset, and artificial EEG dataset. At the end of the test, the results show that optimization program obtained higher recognition rate value on iris flower dataset, that is 97.33 on optimization program againts 96.67 on non optimization program. Other than that, optimization program obtained higher recognition rate value on seeds dataset, that is 93.33 on optimization program againts 92.86 on non optimization program. Also, optimization program obtained higher recognition rate value on artificial EEG dataset, that is 37.5 on optimization program againts 35.94 on non optimization program. However, the optimization program obtained an equal recognition rate value on wine dataset, that is 99.44."

"ABSTRAKTeknologi ekstraksi tanaman obat yang telah umum digunakan pada industri obat herbal memiliki kekurangan dari segi efisiensi waktu ekstraksi, beban pemeliharaan alat yang tinggi, konsumsi pelarut yang banyak dan tidak hemat energi. Metode ektraksi dengan ultrasonik menawarkan suatu proses yang berdasarkan hasil dari beberapa penelitian dianggap lebih sederhana dan efisien. Proses ultrasonik dipengaruhi oleh beberapa faktor yaitu: suhu, power dan frekuensi, intensitas, waktu, preparasi, jenis pelarut, dan jumlah pelarut yang digunakan. Pada penelitian ini digunakan frekuensi 20 kHZ, amplitudo 32% dan intensitas sebesar 0,5. Desain percobaan pada penelitian ini menggunakan metode Taguchi yang mengaplikasikan model Orthogonal Array dan RSM dengan model Central Composite Design(CCD). Ada tiga variable independen dalam penelitian ini yaitu waktu, rasio pelarut terhadap sampel dan kadar etanol, dimana masing- masing memiliki 3 level dan respon dari penelitian ini diukur dari persentase yield yang dihasilkan, banyaknya kandungan total fenol dan total flavonoid yang terdapat dalam ekstrak.  Hasil penelitian menunjukkan bahwa semakin tinggi kadar etanol, semakin besar kadar total fenol dan flavonoid yang dihasilkan namun yield semakin rendah. Namun, rasio solvet yang semakin besar menghasilkan kadar yield yang tinggi, namun variabel ini tidak berpengaruh pada respon yang lain. Hasil penelitian ini juga menunjukkan bahwa faktor waktu tidak memberikan dampak yang signifikan terhadap  ketiga respon. 

---

ABSTRACTThe conventional medicinal plant extraction technologies that have been applied widely in herbal medicine industries neglect some matters i.e the time efficiencies, low cost maintenance, less  solvent and low energy consumption. An ultrasound- assisted extraction process which offered the modest and more effective outcome based on  several research influenced by some variables  such as temperature, power and frequency, intensity, extraction time, preparation process, type and quantity of solvent. This research used an ultrasound equipment which was set at frequency 20 kHz, amplitude 32% and the 0,5 of intensity. Moringa leaves have many chemical contents such as protein, vitamins A, B and C, beta carotene, phenolic acid, lignin, carbohydrates, fibre, and flavonoids whose pharmacological activities are as wound healing, anti-anemia, anti-inflammatory, antipyretic, analgesic, and antimicrobial. The experimental design of this research employed Taguchi method with 9 runs based on Orthogonal Array (OA) model and 40 runs of RSM experiments constructed by Central Composite Design (CCD) with 2 replications. There were 3 independent variables introduced namely extraction time, solvent-to-solid ratio, and ethanol concentration for each has 3 levels and the experiment responses are yield percentage, total phenolic content, and total flavonoid content of the extract.  The output showed that the more ethanol concentration used the more phenolic and flavonoid content generated, however the yield production decreases. On the other hand the higher the ratio creates the high yield yet this variables showing no impact towards two other responses. The result of this study also revealed that extraction time has no effect on all the responses."