Penggunaan Metode Particle Swarm Optimization (PSO) pada Optimasi Multirespon Gaya Tekan dan Momen Torsi Penggurdian Material Komposit Glass Fiber Reinforce Polymer (GFRP) yang ditumpuk dengan Material Stainless Steel (SS)

Abstract

The Particle Swarm Optimization (PSO) method is one of the methods used for multirespon optimization in the manufacturing process. In this research, the material used is Glass fiber reinforced polymer (GFRP) composite material which is stacked with stainless steel material. The machining process used is a drilling process conducted on a vertical CNC machine Brother TC-22A-O. The thrust force and torque is the response used to evaluate the performance of the drilling process. The quality characteristics of this response "the smaller the better". The aim of this study was to identify the combination of process parameters to achieve the performance characteristics required in drilling process the GFRP-SS material using Particle Swarm Optimization methode (PSO). The three process parameters i.e. point angle, spindle speed, and feeding speed is used as a process parameter. Point angle was set at two different levels, while the other two were set at three different levels. Therefore, the 2 x 3 x 3 factorial is used as the experimental design. The experiments were replicated two times. The minimum thrust force and torque could be obtained by using point angle, spindle speed, and feeding speed are 118o, 2330 rpm, and 65 mm/minrespectively.

Analisis Tata Letak Produksi CNC Batik dengan Group Technology dan Particle Swarm Optimization

“…PSO ini dijalankan dengan iterasi tertentu hingga mencapai pemberhentian, sehingga diperoleh solusi yang terletak pada global best. Persamaan ini disimulasikan dalam ruang dengan dimensi tertentu dengan sejumlah iterasi, sehingga di setiap iterasi posisi partikel akan semakin mengarah ke fungsi yang dituju, dalam penelitian ini adalah minimasi total traveled distance [13].…”

“…Hal ini bertujuan untuk mengurangi frekuensi perpindahan material, maupun meminimalkan jarak tempuh pada saat aktivitas perpindahan material tersebut. Penelitian oleh Daya et al [13] dilakukan pada penentuan tata letak dalam aliran proses produksi menggunakan metode BLOCPAN. Metode ini mampu menyelesaikan permasalahan tata letak fasilitas, dengan memperhitungkan jarak perpindahan material, dan tata letak akhir.…”

Peramalan Inflasi Dengan Metode Particle Swarm Optimization – Extreme Learning Machine

“…Jika seekor burung menemukan jalan yang tepat (optimal) atau posisi terbaik yang pernah dilaluinya untuk menuju ke sumber makan (dapat direpresentasikan sebagai nilai fungsi tujuan), maka sisa anggota kelompok yang lain juga akan mengikuti jalan tersebut meskipun lokasi mereka jauh di kelompok tersebut. Meskipun pada kawanan burung relatif kurang canggih dengan kemampuan terbatas yang dimilikinya, namun kemampuan tersebut mampu mencapai tujuan akhir dari penyelesaian terkait pola perilaku dan interaksi melalui berbagai sumber informasi [9].…”

Improved Accuracy of Naïve Bayes Algorithm and Support Vector Machine Using Particle Swarm Optimization for Menstrual Cup Sentiment Analysis on Twitter

“…From these weaknesses, it is necessary to add Particle Swarm Optimization feature selection to improve its performance. Particle Swarm Optimization is an optimization algorithm with the aim of producing an optimum response value by determining process parameters (Sateria et al, 2019). Particle Swarm Optimization is considered quite easy to use because it doesn't require many lines of programming code and complicated mathematical operators.…”