Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Paduan ingat bentuk berbasis tembaga adalah salah satu alternatif yang lebih murah dan mudah untuk difabrikasi dibandingkan dengan paduan ingat bentuk komersial berbasis Ni-Ti. Penggunaan paduan Cu-Zn-Al sebagai paduan ingat bentuk memiliki kelemahan berupa sifat ingat bentuk rendah dan kecenderungan membentuk stabilitas martensit yang dapat dihindari dengan perlakuan panas dan metode pencelupan. Maka, penelitian ini mempelajari pengaruh metode pencelupan terhadap karakteristik fasa martensit yang terbentuk dan pemulihan regangan dari paduan dengan komposisi Cu-25,8Zn-4,8Al wt.%. Sampel paduan hasil fabrikasi pengecoran gravitasi diberikan perlakuan panas berupa homogenisasi pada temperatur 850 oC dengan tujuan mendapatkan struktur mikro fasa yang lebih homogen sebelum dilakukan betatizing pada temperatur 850oC selama 30 menit diikuti dengan proses pencelupan dengan variasi pencelupan langsung (direct quench, DQ) dan pencelupan naik (up-quench, UQ). Karakteriasi komposisi paduan dilakukan menggunakan Optical Emission Spectroscopy (OES), observasi struktur mikro fasa yang terbentuk menggunakan mikroskop optik dan Scanning Electron Microscope- Energy Dispersive X-Ray Spectroscopy (SEM-EDS), pengujian X-ray Diffractory (XRD), pengujian kekerasan microvickers, pengujian Differential Scanning Calorymetry (DSC) untuk mendapatkan temperatur transformasi, serta pengujian bending untuk mendapatkan nilai pemulihan regangan. Struktur mikro paduan hasil pengecoran dan homogenisasi terdiri atas dua fasa yaitu α [A1] dan β[D03]. Metode pencelupan langsung dan pencelupan naik menghasilkan struktur mikro dengan dua fasa β’ [M18R] dan α[A1]. Nilai pemulihan regangan yang didapatkan dari pencelupan langsung dan pencelupan naik masing-masing adalah 29.6% dan 40%. ......Copper-based shape memory alloys are one of the cheaper and easier alternatives to fabricate compared to commercial shape memory Ni-Ti alloys. Usage of copper-based memory alloy such as Cu-Zn-Al ternary alloy includes several disadvantages such as low shape memory effect and the tendency to form martensite stabilization which can be nullified using heat treatment and varying quenching method. Thus, this research studied the effects of quenching method on the characteristics of the formed martensitic phase and the strain recovery of Cu-25,8Zn-4,8Al wt.%. As-cast samples formed by gravitation casting were given heat treatment homogenization at 850 ᵒC for 2 hours before solution treated at 850 ᵒC for 30 minutes followed by quenching with varying method such as direct quenching (DQ) and up-quenching (UQ). Characterization the alloys composition were done using Optical Emission Spectroscopy (OES), microstructural observartion using optical microscope and Scanning Electron Microscope- Energy Dispersive X-Ray Spectroscopy (SEM-EDS), X-ray Diffractory (XRD) test, microvickers hardness test, Different Scanning Calorymetry (DSC) test to obtain temperature transformation, and bending test to observe the strain recovery. As-cast and as-homogenized microstructure consist of binary phase α [A1] and β[D03]. Direct quenching and up-quenching method resulted in a microstructure with two phases [M18R] and [A1]. The strain recovery values obtained from direct quenching and up-quenching were 29.6% and 40%, respectively.

Abstrak :
Penelitian ini mengkaji penggunaan model Jaringan Saraf Tiruan (Artificial Neural Networks - ANN) untuk memprediksi temperatur awal transformasi martensit (Ms) pada paduan Cu-Al-Mn. Model ANN yang terdiri dari satu lapisan input, dua lapisan tersembunyi, dan satu lapisan output ini menggunakan metode gradient descent digunakan dalam proses pelatihan secara iteratif. Dengan memanfaatkan data dari Shape Memory Materials Database yang disediakan oleh NASA GRC secara open access, studi ini mengembangkan model regresi linear yang memprediksi suhu transformasi martensit awal (Ms) pada paduan Cu-Al-Mn. Evaluasi efektivitas dan akurasi model dilakukan dengan menggunakan dua paduan, yaitu paduan Cu- 24,12Al-3,13Mn (% atomik) dan Cu-25,92Al-3,6Mn (% atomik), dimana temperatur transformasi martensit awal (Ms) dari kedua paduan ini telah diperoleh. Secara khusus, studi ini menghasilkan sebuah persamaan yang bisa digunakan untuk memprediksi Ms. Persamaan yang diperoleh dari hasil pelatihan model ANN dengan validasi menggunakan data paduan yang spesifik, telah menunjukkan kemampuannya dalam mengkorelasikan variabel yang relevan dengan hasil yang diinginkan namun dengan beberapa limitasi. ......This study examined the use of an Artificial Neural Network (ANN) model to predict the Martensite Start (Ms) transition temperatures in Cu-Al-Mn alloys. The ANN model which consisted of an input layer, two hidden layers, and an output layer, utilized the gradient descent method for iterative training processes. Utilizing data from the Shape Memory Materials Database provided by NASA GRC with open access, this study developed a linear regression model that predicts the starting temperature of martensitic transformation (Ms) in Cu-Al-Mn alloys. The effectiveness and accuracy of the model were evaluated using two alloys, namely the Cu-24.12Al-3.13Mn (at. %) and Cu-25.92Al-3.6Mn (at. %) alloys, from which the Martensite Start (Ms) transition temperature were obtained. Specifically, this study produced a linear regression equation that can be used to predict Ms. The equation, derived from the ANN model training results with validation using specific alloy data, has demonstrated its capability to correlate relevant variables with the desired outputs under various limitations.