{"title":"基于多层感知机的药芯弧焊数据监测过程分析","authors":"Adlian Jefiza, Diono Diono, Sumantri Lukito","doi":"10.30871/ji.v14i2.4538","DOIUrl":null,"url":null,"abstract":"Pengelasan FCAW sangat dipengaruhi oleh parameter pengelasan agar tidak terjadi cacat las seperti Undercut, Underfill dab Overlap. Parameter tersebut terdiri dari Tavel Speed, Arus DC, Tegangan DC dan Heat Input. Untuk monitoring data parameter tersebut sudah dirancang dan digunakan di Industri. Namun untuk memprediksi kemungkinan cacat las, dibutuhkan klasifikasi data monitoring pengelasan FCAW. Metode yang digunakan dalam klasifikasi adalah Multi Layer Perceptron (MLP). Data yang digunakan adalah 400 data untuk klasifikasi, dan 201 data untuk prediksi. Hasil klasifikasi menggunakan MLP memperoleh akurasi sebesar 98,99 % dengan RMSE sebesar 0,0624. Sedangkan untuk prediksi, berdasarkan 201 data terdapat 169 data normal dan 32 data cacat las.","PeriodicalId":17757,"journal":{"name":"JURNAL INTEGRASI PROSES","volume":"22 1","pages":""},"PeriodicalIF":0.0000,"publicationDate":"2022-10-31","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"Analisis Data Monitoring proses pengelasan FCAW (Flux Core Arc Welding) berbasis Multi Layer Perceptron\",\"authors\":\"Adlian Jefiza, Diono Diono, Sumantri Lukito\",\"doi\":\"10.30871/ji.v14i2.4538\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"Pengelasan FCAW sangat dipengaruhi oleh parameter pengelasan agar tidak terjadi cacat las seperti Undercut, Underfill dab Overlap. Parameter tersebut terdiri dari Tavel Speed, Arus DC, Tegangan DC dan Heat Input. Untuk monitoring data parameter tersebut sudah dirancang dan digunakan di Industri. Namun untuk memprediksi kemungkinan cacat las, dibutuhkan klasifikasi data monitoring pengelasan FCAW. Metode yang digunakan dalam klasifikasi adalah Multi Layer Perceptron (MLP). Data yang digunakan adalah 400 data untuk klasifikasi, dan 201 data untuk prediksi. Hasil klasifikasi menggunakan MLP memperoleh akurasi sebesar 98,99 % dengan RMSE sebesar 0,0624. Sedangkan untuk prediksi, berdasarkan 201 data terdapat 169 data normal dan 32 data cacat las.\",\"PeriodicalId\":17757,\"journal\":{\"name\":\"JURNAL INTEGRASI PROSES\",\"volume\":\"22 1\",\"pages\":\"\"},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2022-10-31\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"JURNAL INTEGRASI PROSES\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.30871/ji.v14i2.4538\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"JURNAL INTEGRASI PROSES","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.30871/ji.v14i2.4538","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
Analisis Data Monitoring proses pengelasan FCAW (Flux Core Arc Welding) berbasis Multi Layer Perceptron
Pengelasan FCAW sangat dipengaruhi oleh parameter pengelasan agar tidak terjadi cacat las seperti Undercut, Underfill dab Overlap. Parameter tersebut terdiri dari Tavel Speed, Arus DC, Tegangan DC dan Heat Input. Untuk monitoring data parameter tersebut sudah dirancang dan digunakan di Industri. Namun untuk memprediksi kemungkinan cacat las, dibutuhkan klasifikasi data monitoring pengelasan FCAW. Metode yang digunakan dalam klasifikasi adalah Multi Layer Perceptron (MLP). Data yang digunakan adalah 400 data untuk klasifikasi, dan 201 data untuk prediksi. Hasil klasifikasi menggunakan MLP memperoleh akurasi sebesar 98,99 % dengan RMSE sebesar 0,0624. Sedangkan untuk prediksi, berdasarkan 201 data terdapat 169 data normal dan 32 data cacat las.
求助内容：
应助结果提醒方式：
京公网安备 11010802042870号
