Perpustakaan Digital ITB

Kebutuhan komponen berpresisi tinggi dengan permukaan kompleks, seperti sudu turbin, menuntut akurasi lintasan pahat dan konsistensi geometri. Kesalahan kontur dinamis pada sumbu penggerak dapat menurunkan kepresisian bentuk, kualitas permukaan, dan keandalan produk. Penelitian ini mengembangkan kerangka sistem siber-fisik terintegrasi untuk memodelkan dan mengidentifikasi kesalahan, menentukan kompensasi, serta memperkirakan degradasi komponen melalui pemodelan, deteksi anomali, diagnosis, kompensasi, dan prognostik mesin perkakas pada pemesinan permukaan kompleks yang akurat. Penelitian menggunakan pendekatan kuantitatif melalui kajian teoretis, simulasi, pengujian ballbar, pengukuran artefak, pemindaian optik, dan uji degradasi ball screw. Kesalahan kontur dimodelkan dengan matriks transformasi homogen orde tinggi, deteksi anomali menggunakan pembelajaran mesin, sedangkan prognostik ball screw berbasis arus servo, preload, backlash, dan kesalahan pemosisian sebagai indikator kondisi kesehatan komponen. Matriks transformasi homogen orde tinggi menghasilkan R² 0,9507 pada uji ballbar dan 0,99584 pada validasi silang simulasi, dengan Root Mean Squared Error 0,009154. Support Vector Regression mencapai R² 0,996825. Pergeseran chord ke sumbu-x negatif menunjukkan ketidakseimbangan servo; peningkatan loop gain menguranginya 50,9%. Preload ball screw turun dari 5,4 kN menjadi 1,8 kN, sedangkan backlash mencapai 0,030 mm. Arus motor servo menurun pada tahap penyesuaian awal dan relatif stabil setelah sekitar lima juta siklus, sehingga berpotensi menjadi indikator tidak langsung kondisi kesehatan ball screw. Kebaruan penelitian terletak pada integrasi pemodelan fisik, diagnosis berbasis pembelajaran mesin, kompensasi ketidakseimbangan servo, dan prognostik degradasi ball screw dalam kerangka sistem siber-fisik untuk mendukung pemeliharaan prediktif secara proaktif.