Sistem Pendeteksi Kepatahan Mata Bor pada Mesin Cetak PCB Berdasarkan Analisa Getaran Spindle Menggunakan Teensy Board

Abstract

Pemanfaatan Computer Numerical Control (CNC) adalah salah satu bentuk penerapan teknologi industri yang membuat hasil produksi lebih presisi dan akurat. CNC juga dapat diterapkan pada proses pencetakan Printed Circuit Board (PCB) menggantikan proses pelarutan secara kimiawi yang tidak ramah lingkungan. Akan tetapi penggunaan pencetak PCB berbasis CNC memiliki risiko yakni patahnya mata bor. Pada penelitian ini telah dibuat suatu sistem pendeteksian kepatahan mata bor berdasarkan analisa getaran. Sensor yang digunakan untuk dapat mendeteksi getaran adalah MEMS accelerometer yang mempunyai kemampuan pengukuran sampai 3,6g. Untuk dapat mengenali kepatahan mata bor, perlu dilakukan pengolahan sinyal dengan menggunakan Fast Fourier Transform. Lebar spektrum frekuensi yang digunakan adalah 0-1000Hz. Pola spektrum frekuensi tersebut digunakan sebagai input Artificial Neural Network untuk dapat mengenali kepatahan mata bor. Pemrosesan Fast Fourier Transform dan Artificial Neural Network dilakukan pada Teensy 3.2 development board. Hasil eksperimen dengan kecepatan putaran spindle 30000 RPM menunjukkan bahwa Artificial Neural Network dapat mendeteksi kepatahan mata bor dengan tingkat keberhasilan 80%. Penggunaan jenis PCB yang lebih keras dapat meningkatkan keberhasilan menjadi 91.67%. Sistim ini diharapkan dapat diterapkan pada CNC sebagai pencetak PCB sehingga dapat lebih efisien pada konsumsi daya dan waktu.