Hasil Pencarian  ::  Simpan CSV :: Kembali

"Dalam penelitian ini telah dikembangkan sistem pengelasan otomatis Tungsten Inert Gas (TIG) dengan menggunakan sensor vision pada pengelasan pipa aluminum. Penelitian ini mempelajari proses pengelasan cerdas pipa paduan aluminum 6063S-T5 dalam posisi tetap dengan obor las (welding torch) bergerak dan menggunakan mesin las AC. Model Jaringan Syaraf Tiruan (neural network) untuk pengendalian kecepatan pengelasan telah dikembangkan agar dapat bekerja secara otomatis. Untuk melatih Jaringan Syaraf Tiruan ini diperlukan cukup banyak data dari penelitian sehingga memerlukan waktu dan dana yang cukup besar. Penelitian ini menawarkan proses baru untuk memperkirakan dan mengendalikan penetrasi pengelasan dalam pengelasan pipa paduan aluminum. Penetrasi las diperkirakan dengan menggunakan metode perkiraan secara hibrida yaitu dengan mengombinasikan simulasi pengelasan dan pengamatan visual menggunakan sensor vision. Dari hasil eksperimen didapatkan bahwa sistem pengendalian cukup efektif untuk mendeteksi kolam las (molten pool) dan menghasilkan pengelasan yang baik.

---

This research has developed an automatic welding system Tungsten Inert Gas (TIG) using sensor vision on aluminum pipe welding. This research studied the process of intelligent welding of alloy pipe aluminum 6063S-T5 in a fixed position with a welding torch to move and use the AC welding machines. The neural network model to control the speed of the welding has been developed in order to work automatically. The neural network train need quite a lot of data from studies that require time and substansial funds. This research offers a new process for estimating and controlling welding penetration in welding of aluminum alloy pipe. Weld penetration was estimated by using the approximate hybrid method that combines the simulations of welding and visual inspection using sensor vision. The experiment results that the control system is effective enough to detect the molten pool and produce a good weld."

"Dalam penelitian ini telah dikembangkan sistem pengelasan otomatis Tungsten Inert Gas (TIG) dengan menggunakan sensor vision pada pengelasan pipa aluminum. Penelitian ini mempelajari proses pengelasan cerdas pipa paduan aluminum 6063S-T5 dalam posisi tetap dengan obor las (welding torch) bergerak dan menggunakan mesin las AC. Model Jaringan Syaraf Tiruan (neural network) untuk pengendalian kecepatan pengelasan telah dikembangkan agar dapat bekerja secara otomatis. Untuk melatih Jaringan Syaraf Tiruan ini diperlukan cukup banyak data dari penelitian sehingga memerlukan waktu dan dana yang cukup besar. Penelitian ini menawarkan proses baru untuk memperkirakan dan mengendalikan penetrasi pengelasan dalam pengelasan pipa paduan aluminum. Penetrasi las diperkirakan dengan menggunakan metode perkiraan secara hibrida yaitu dengan mengombinasikan simulasi pengelasan dan pengamatan visual menggunakan sensor vision. Dari hasil eksperimen didapatkan bahwa sistem pengendalian cukup efektif untuk mendeteksi kolam las (molten pool) dan menghasilkan pengelasan yang baik.

---

This research has developed an automatic welding system Tungsten Inert Gas (TIG) using sensor vision on aluminum pipe welding. This research studied the process of intelligent welding of alloy pipe aluminum 6063S-T5 in a fixed position with a welding torch to move and use the AC welding machines. The neural network model to control the speed of the welding has been developed in order to work automatically. The neural network train need quite a lot of data from studies that require time and substansial funds. This research offers a new process for estimating and controlling welding penetration in welding of aluminum alloy pipe. Weld penetration was estimated by using the approximate hybrid method that combines the simulations of welding and visual inspection using sensor vision. The experiment results that the control system is effective enough to detect the molten pool and produce a good weld."

"Pada skripsi ini, akan dilalcukan pemodelan sistem kardiovaskular manusia dengan menggunakan prinsip-prinsip dasar fisika. Model matematis yang diperoleh selanjutnya akan disimulasikan dengan menggunakan program Matlab 6.5.Kemudian, juga dimodelkan dan disimulasikan proses regulasi tekanan darah yang terjadi pada sistem kardiovaskulan Simulasi akau dilakukan dengau mcnggunakan gabungan model sistem kardiovaskular dan model sistem regulasi tekanan darah.Selanjumya, dirancang dan disimulasikan suatu pacu jantung rare-adaptif berbasis Jaringan Syaraf Tiruan Jaringan Syaraf Tiruan berfnmgsi untuk menenlukan besamya periode impuls yang dikeluarkan pacu jantung. Jaringan Syaraf Tiruan yang digunakan terdiri dari tiga layer. Perancangan dilakukan dalam dua tahapan, yaitu proses pelatihan dan proses pengujian. Pada pelatihan, digunakan data basil simulasi sistem kardiovaskular yang telah dilengkapi dengan sistem regulasi sebagai data pelatihan, dan digunakan algoritma backpropagation sebagai algoritma pelatihan. Pada pengujian, akan dilihat kinerja pacu jantung berbasis Jaringan Syaraf Tiruan ketika digunakan pada sistem kardiovaskular.Hasil perancangan menunjukkan perfonna pacu jannmg yang mendekati fungsi denyut jantung tubuh sebenarnya."

"ABSTRAKPerubahan karakteristik pada Heat Exchanger akibat adanya endapankotoran yang melapisi pennukaan perpindahan panas, membuat sistemrnenjadi sulit untuk dikendalilcan. Untuk mengatasi masalah tersebut dipilih pengendali PID (Proporsional. Integral dan Diferensial) sebagai pengendali sistem, dengan bantuan Jaringan Syaraf Tiruan (JST) untuk menentukau parameter pengendalinya. Proses belajar JST menggunakan algoritma backpropagation dengan arsitektur jaringan yang terdiri dari tiga lapis neuron. Pada proses belajar dilakukan cara pelatihan dengan memberikan bobot yang berbeda pada tiap Iapisannya dan dicari pola keluaran yang paling mendekati pola target yang ditetapkan. Pada penelitian ini program sirnulasi dibuat dalam bahasa pernrogratnan Pascal. Dari basil simulasi dapat dilihat bahwa JST mampu rnenentukan parameter pengendali PID yang dapat memperbaiki karakteristik sistem, bila terjadi perubahan pada parameter proses."

"Sistem Pengaturan Lampu Lalu Lintas Terdistribusi adalah sebuah sistem lampu lalu lintas yang ditujukan untuk memenuhi kebutuhan akan kinerja pengaturan lampu lalu lintas yang cerdas dengan pengambilan data secara real-time. Sistem ini dapat melakukan penjadwalan dan pengaturan jaringan banyakpersimpangan secarareal-time yang tidak bisa dilakukan oleh sistem pengaturan lampu lalu lintas konvensional. Penerapan klasifikasi di dalam sistem ini digunakan untuk meningkatkan akurasi dari pengenalan mobil. Proses klasifikasi diimplementasikan menggunakan tiga algoritma Jaringan Syaraf Tiruan, yakni Backpropagation, FLVQ, dan FLVQ-PSO. Berdasarkan hasil ujicoba, dapat ditunjukkan bahwa algoritma Backpropagationmemiliki performa akurasi yang lebih baik dibandingkan dua algoritma JST yang lainnya.

---

AbstractDistributed Traffic Light Control System is a traffic light system intended to meet the need for setting the performance of intelligent traffic lights with real-time data capturing. The system can perform scheduling and network settings of multi-junction in real time that can not be done by a conventional traffic light settings system. Application of classification within this system is used to improve the accuracy of the car recognition. Classification process is implemented using three neural network algorithms, namely Backpropagation, FLVQ, and FLVQ-PSO. Based on the test results, it can be shown that the Backpropagation algorithm performs better accuracy than the other two algorithms."

"Sistem Pengaturan Lampu Lalu Lintas Terdistribusi adalah sebuah sistem lampu lalu lintas yang ditujukan untuk memenuhi kebutuhan akan kinerja pengaturan lampu lalu lintas yang cerdas dengan pengambilan data secara real-time. Sistem ini dapat melakukan penjadwalan dan pengaturan jaringan banyakpersimpangan secarareal-time yang tidak bisa dilakukan oleh sistem pengaturan lampu lalu lintas konvensional. Penerapan klasifikasi di dalam sistem ini digunakan untuk meningkatkan akurasi dari pengenalan mobil. Proses klasifikasi diimplementasikan menggunakan tiga algoritma Jaringan Syaraf Tiruan, yakni Backpropagation, FLVQ, dan FLVQ-PSO. Berdasarkan hasil ujicoba, dapat ditunjukkan bahwa algoritma Backpropagationmemiliki performa akurasi yang lebih baik dibandingkan dua algoritma JST yang lainnya."