Perpustakaan Digital ITB

Tegangan sisa yang timbul selama proses pengelasan dapat menurunkan integritas struktural, akurasi dimensi, dan performa kelelahan komponen las secara signifikan. Meskipun analisis elemen hingga Finite Element Analysis telah banyak digunakan untuk memprediksi tegangan sisa akibat pengelasan, optimasi parameter pengelasan masih memerlukan biaya komputasi yang tinggi karena setiap evaluasi desain membutuhkan simulasi termo-mekanik. Studi ini mengusulkan kerangka kerja optimasi berbasis data yang mengintegrasikan metode elemen hingga, Latin Hypercube Sampling (LHS), feature importance berbasis permutasi dari Random Forest, dan Algoritma Genetika (Genetic Algorithm) untuk mengidentifikasi dan mengoptimalkan parameter pengelasan paling berpengaruh secara efisien guna meminimalkan tegangan sisa pada pengelasan sambungan tumpul satu lintasan AA6061-T6. Metode ini juga digunakan dikarenakan hubungan parameter-parameter terhadap tegangan sisa adalah non linear. Model elemen hingga termal-mekanik tiga dimensi dibangun di ABAQUS menggunakan sumber panas ellipsoid ganda Goldak. Parameter yang dikaji meliputi (groove angle, root face, root gap, heat input), suhu awal, dan urutan pengelasan. Latin Hypercube Sampling digunakan untuk membangkitkan serangkaian titik desain yang tersebar merata. Selanjutnya, model Random Forest dengan feature importance berbasis permutasi diterapkan untuk mengukur besarnya pengaruh setiap parameter terhadap tegangan sisa. Didapat parameter urutan pengelasan dan suhu awal yang paling berpengaruh, kemudian dioptimalkan menggunakan algoritma genetika yang terhubung langsung dengan model elemen hingga. Didapat hasil konvergen pada generasi ke 8 dengan hasil suhu awal sebesar 223 ?C, urutan pengelasan progresif, dan parameter lainnya berada pada rentang LHS.