Studi Kasus

Pengukuran keausan pada pahat gurdi high speed steel

HSS twist drill dengan diameter 12 mm.
Proses gurdi dengan menggunakan mesin CNC VMC 200
Definisi keausan pahat yang diukur adalah keausan tepi
Asumsi proses penggurdian tanpa media pendingin,
pengaruh getaran pahat gurdi dianggap konstan.
 Variabel

Variabel respon adalah nilai keausan pahat dengan satuan mm

Variabel proses seperti ditunjukkan pada Tabel 1.

Tabel 1. Variabel Proses

Level Prediktor Titik
Variabel Proses
Rendah Tinggi Tengah
Kecepatan spindel (rpm) 450 900 700
Kecepatan makan (m/min) 30 90 60
Sudut ujung pahat (°) 70 80 75
Rancangan Orde Pertama
Variabel Asli Variabel Koding Respon
Prediktor Prediktor
1 2 3 X1 X2 X3 Y
900 90 80 1 1 1 0.387
450 90 80 -1 1 1 0.341
450 30 80 -1 -1 1 0.284
450 90 70 -1 1 -1 0.294
900 30 70 1 -1 -1 0.302
900 90 70 1 1 -1 0.308
900 30 80 1 -1 1 0.336
450 30 70 -1 -1 -1 0.279
700 60 75 0 0 0 0.263
700 60 75 0 0 0 0.231
700 60 75 0 0 0 0.243
700 60 75 0 0 0 0.254
Rancangan Orde Kedua
Variabel Asli Variabel Koding Respon Variabel Asli Prediktor Variabel Koding Respon
Prediktor Prediktor Prediktor
1 2 3 X1 X2 X3 Y 1 2 3 X1 X2 X3 Y
950 90 80 1 1 1 0.387 700 60 75 0 0 0 0.263
450 90 80 -1 1 1 0.341 700 60 75 0 0 0 0.231
450 30 80 -1 -1 1 0.284 700 60 75 0 0 0 0.243
450 90 70 -1 1 -1 0.294 700 60 75 0 0 0 0.254
950 30 70 1 -1 -1 0.302 700 60 75 0 0 0 0.233
950 90 70 1 1 -1 0.308 700 60 75 0 0 0 0.201
950 30 80 1 -1 1 0.336 700 60 75 0 0 0 0.220
450 30 70 -1 -1 -1 0.279 700 60 75 0 0 0 0.237
280 60 75 -1.68 0 0 0.256 700 60 75 0 0 0 0.240
1120 60 75 1.68 0 0 0.322
700 10 75 0 -1,68 0 0.259
700 110 75 0 1,68 0 0.318
700 60 67 0 0 -1,68 0.270
700 60 83 0 0 1,68 0.279
Orde Pertama
Pvalue < a
ada lack of fit
model orde 1 tidak sesuai
Response Surface Regression: y versus x1; x2; x3
The analysis was done using coded units. Estimated Regression Coefficients for y using data in
Estimated Regression Coefficients for y uncoded units

Term Coef SE Coef T P Term Coef

Constant 0,29350 0,01232 23,821 0,000 Constant 0,293500
x1 0,01687 0,01509 1,118 0,296 x1 0,0168750
x2 0,01613 0,01509 1,069 0,316 x2 0,0161250
x3 0,02063 0,01509 1,367 0,209 x3 0,0206250

S = 0,0426814 PRESS = 0,0298248

R-Sq = 34,75% R-Sq(pred) = 0,00% R-Sq(adj) = 10,28%

Analysis of Variance for y

Source DF Seq SS Adj SS Adj MS F P
Regression 3 0,007761 0,007761 0,002587 1,42 0,307
Linear 3 0,007761 0,007761 0,002587 1,42 0,307
x1 1 0,002278 0,002278 0,002278 1,25 0,296
x2 1 0,002080 0,002080 0,002080 1,14 0,316
x3 1 0,003403 0,003403 0,003403 1,87 0,209
Residual Error 8 0,014574 0,014574 0,001822
Lack-of-Fit 5 0,013999 0,013999 0,002800 14,61 0,026
Pure Error 3 0,000575 0,000575 0,000192
Total 11 0,022335
Orde Kedua
Pvalue > a
Tidak ada lack of fit
model orde 2 tidak sesuai
Uji
Kenormalan
Residual
Mean=0
Residual
berdistribusi normal
Response Optimization
Parameters

Goal Lower Target Upper Weight Import

y Minimum 0,15 0,15 0,387 1 1

Global Solution

x1 = -0,356364
x2 = -0,322424
x3 = -0,186667

Predicted Responses

y = 0,228230 , desirability = 0,669914

Composite Desirability = 0,669914