Perpustakaan Digital ITB

Ballscrew merupakan komponen utama pada sistem gerak makan mesin CNC yang berperan penting dalam menjaga akurasi posisi dan kualitas pemesinan. Seiring bertambahnya waktu operasi, ballscrew mengalami keausan yang menyebabkan penurunan preload dan peningkatan backlash, sehingga menurunkan kinerja sistem secara keseluruhan. Pemantauan kondisi ballscrew secara konvensional umumnya memerlukan pembongkaran mesin, yang tidak efisien dan sulit diterapkan pada lingkungan industri. Oleh karena itu, penelitian ini bertujuan untuk melakukan pemantauan keausan ballscrew tanpa pembongkaran mesin serta menganalisis beberapa pendekatan berbasis data eksperimen dalam memodelkan keausan ballscrew berdasarkan jumlah putaran. Data yang digunakan dalam penelitian ini terdiri dari data arus servo motor terhadap jumlah putaran ballscrew, yang dikonversikan menjadi indikator preload, serta data keausan ballscrew yang diperoleh melalui pengukuran laser. Pemodelan degradasi dilakukan menggunakan tiga metode berbasis data, yaitu regresi polinomial, Support Vector Regression (SVR), dan Gaussian Process Regression (GPR). Masing-masing metode diterapkan untuk memodelkan preload, keausan, serta model gabungan preload dan keausan sebagai fungsi dari jumlah putaran ballscrew. Hasil penelitian menunjukkan bahwa jumlah putaran ballscrew merupakan parameter yang efektif dalam merepresentasikan degradasi sistem gerak makan. Regresi polinomial mampu menggambarkan tren degradasi pada rentang data eksperimen, namun memiliki keterbatasan dalam prediksi jangka panjang. SVR menunjukkan performa yang lebih stabil dan tahan terhadap noise data, sedangkan GPR memberikan keunggulan tambahan berupa estimasi ketidakpastian prediksi melalui interval kepercayaan. Secara keseluruhan, pendekatan berbasis data, khususnya GPR, memiliki potensi yang baik untuk diterapkan dalam pemantauan kondisi dan perawatan prediktif ballscrew pada mesin CNC.