Hasil Pencarian  ::  Simpan CSV :: Kembali

"Pengembangan anoda korban paduan aluminium dilakukan dengan meneliti efekdari penambahan Cu terhadap efisiensi kinerja anoda korban. Untuk melindungistruktur secara optimum, dibutuhkan nilai potensial anoda korban yang lebihrendah daripada nilai potensial struktur. Semakin besar perbedaan potensial antaraanoda korban dengan struktur yang akan dilindungi maka semakin baik strukturtersebut terlindungi. Jika perbedaan potensial terlalu jauh akan menyebabkanoverpotensial yang memicu terjadinya Stress Corrosion Cracking SCC .Untuk itu dilakukan penambahan unsur Cu sebesar 0.5 dan 1 terhadap paduanAl-5Zn. Pengujian yang dilakukan yaitu uji OES untuk melihat unsur yangterkandung, uji polarisasi dengan output kurva siklik, metalografi dengan OM,SEM, uji visual korosi pitting, dan potential measurement. Berdasarkan hasilOES, sampel Al-5Zn mengandung matriks Al sebesar 94.9 wt dan Zn sebesar4.90 wt , sampel Al-5Zn-0.5Cu mengandung matriks Al 93.4 wt ; Zn >5.16wt ; Cu 0.571 wt , sampel Al-5Zn-1Cu mengandung matriks Al 93.7 wt ; Zn4.82 wt ; dan Cu 1.28 wt .Nilai potensial breakdown Eb dan potensial proteksi Ep didapat dari pengujianpolarisasi dengan urutan nilai Eb dan Ep dari paling kecil yaitu sampel Al-5Zn,Al-5Zn-0.5Cu, dan Al-5Zn-1Cu. Berdasarkan nilai Eb, sampel anoda korban yangpaling efisien yaitu sampel Al-5Zn-1Cu karena nilai potensialnya sebesar -0.83VSCE.

---

Development of aluminum alloy sacrificial anode is done by examining the effectof the addition of Cu to the efficiency of the performance of the sacrificial anode.To protect its optimum structure requires sacrificial anode potential value lowerthan the potential value of the structure. The greater the difference in potentialbetween the sacrificial anode structure to be protected, the better the structure isprotected. If the potential system is not in the ideal range will cause over potentialthat trigger stress corrosion cracking SCC .Tests conducted OES is test to see elements contained, the polarization test withcyclic output curve, metallographic with OM, SEM, visual test pitting corrosion,and potential measurement. Based on the results of OES, Al 5Zn samplescontaining matrix Al of 94.9 wt and 4.90 wt of Zn, Al 5Zn sample contains amatrix of Al 0.5Cu 93.4 wt Zn 5 16 wt 0571 wt Cu, Al 5Zn samplecontainingmatrix 1Cu Al 93.7 wt Zn 4.82 wt and 1 28 wt Cu.The potential value of breakdown Eb and the protection potential Ep obtainedfrom testing the polarization in the order of Eb and Ep smallest of which samplesAl 5Zn, Al 5Zn 0.5Cu, and Al 5Zn 1Cu. Based on the value Eb, sample the mostefficient sacrificial anodes which samples Al 5Zn 1Cu because the potential valueof 0.83 VSCE."

"Leadframe merupakan salah satu komponen penting dalam pembuatan sirkuit terpadu. Aplikasi ini membutuhkan spesifikasi kompleks seperti kekuatan tarik dan konduktivitas listrik yang tinggi serta koefisien ekspansi termal yang rendah untuk memastikan performa yang baik. Hal tersebut menjadikan kandidat material yang layak digunakan untuk aplikasi ini menjadi sangat terbatas. Salah satu material yang umum digunakan dalam pembuatan leadframe adalah paduan tembaga. Namun, pengembangan material tersebut untuk memenuhi spesifikasi yang dibutuhkan bukanlah hal yang mudah. Penemuan kandidat paduan tembaga ini membutuhkan banyak uji coba hingga ditemukan kombinasi unsur paduan dan jenis pemrosesan yang optimal. Oleh karena itu, dibutuhkan sebuah pendekatan baru yang dapat mempercepat proses penemuan paduan tembaga baru dengan kombinasi sifat mekanis, elektrik, dan termal yang optimal. Salah satu solusi yang ditawarkan untuk mengatasi permasalahan ini adalah menggunakan metode ML. Pada penelitian ini enam buah model yang terdiri atas lima model ML klasik dan satu model DL dibangun untuk melakukan prediksi struktur material (model P2S) dan prediksi properti material (model S2P). Berdasarkan nilai koefisien determinasi (R2 ) ditemukan dua model P2S dan S2P terbaik adalah BPNN dan XGB. Kemudian, masing-masing model tersebut diintegrasikan untuk membentuk MLDS. Hasil MLDS menunjukkan bahwa program yang dibangun menggunakan model XGB memiliki fluktuasi (standar deviasi) yang lebih rendah dan dapat digunakan untuk memberikan rekomendasi paduan tembaga baru untuk aplikasi leadframe yang sejalan dengan literatur.

---

The leadframe is one of the crucial components in the manufacturing of Integrated Circuits (ICs). This application requires complex specifications such as high tensile strength and electrical conductivity, as well as low thermal expansion coefficients to ensure optimal performance. These requirements significantly limit the potential materials suitable for this application. One of the materials commonly used in the production of leadframes is copper alloys. However, developing this material to meet the necessary specifications is not easy. Discovering a suitable copper alloy candidate involves a lot of trial and error to find the optimal combination of alloying elements and processing methods. Therefore, a new approach is needed to accelerate the discovery process of new copper alloys with an optimal combination of mechanical, electrical, and thermal properties. One proposed solution to address this issue is the use of machine learning methods. In this study, six models consisting of five classical machine learning models and one deep learning model were developed to predict material structure (P2S model) and material properties (S2P model). Based on the coefficient of determination (R²) values, the best P2S and S2P models were found to be BPNN and XGB, respectively. These models were then integrated to form a Machine Learning Design System (MLDS). The results of the MLDS showed that the program built using the XGB model has lower fluctuation (standard deviation) and could be used to recommend new copper alloys for leadframe applications in line with the literature."