Mesin Memutuskan Tindakannya Sendiri, Big Data sangat Membantu

SHARE THIS POST

Facebook
Twitter
LinkedIn
WhatsApp

Betapa unik mesin memutuskan tindakannya sendiri cara yang tepat untuk mencetak suatu komponen dengan bahan logam yang sulit dilas. Fasilitas big data sangat membantu.    

Fraunhofer IWS di Dresden  mengembangkan proses database dan material yang menyimpan semua detail komponen yang diproduksi. Basis data ini memungkinkan kesimpulan kompleks antara hasil pengelasan dan data yang sudah diperoleh. Mesin memutuskan tindakannya sendiri (Foto/©: Fraunhofer IWS, Dresden, Germany)

Penulis/editor: Rayendra L Toruan

TechnoMachiNews.id – Mencetak komponen seperti  bahan  nikel yang sulit dilas dan diproses dibandingkan dengan penggunaan metode tradisional/konvensional, memerlukan syarat dan sistem khusus. 

Syarat yang harus dipenuhi agar berlangsung baik maka perlu pengaturan suhu, bubuk, laju umpan, dan parameter secara benar dan teliti. 

“Contohnya, kami harus menyesuaikan semua sekrup yang dipasang dengan tepat,” ungkap Michael Müller, administrator proyek Fraunhofer IWS. “Inilah satu-satunya cara kami untuk menemukan resep yang tepat,”  lanjutnya. 

Dalam kerangka proyek besar yang dinamai oleh tim pakar  Fraunhofer denan mengerjakan proyek futureAM – Next Generation Additive Manufacturing, para insinyur merekam banyak data sensor dengan laju pengambilan sampel yang sangat tinggi untuk mencapai hasilnya. 

Namun, ini menghasilkan sejumlah besar data atau big data  yang sulit dipahami orang.

Untungnya, teknologi artificial intelligence (AI) atau kecerdasan buatan dapat belajar sendiri untuk memutuskan tindakan yang akan dilakukan.  

Oleh sebab itu, para ahli di  Fraunhofer menggunakan metode canggih dengan mengandalkan peran  kecerdasan buatan yakni AI dan pembelajaran mesin atau machine learning yang diteliti dengan memanfaakan peran big data.

Kelompok kerja itu dipimpin oleh Prof. Karol Kozak, Kepala Pengolahan Gambar dan Manajemen Data di Fraunhofer IWS. Tim pakar berusaha menemukan koneksi yang tersembunyi dari luapan banjir sinyal. 

Misalnya, teknologi algoritma yang melakukan analisis khusus menghubungkan nilai sensor yang diukur dengan basis data bubuk institut dan mengevaluasi parameter proses lebih lanjut. 

Secara bertahap, machine learning mempelajari untuk mampu  membuat keputusan sendiri dan selanjutnya bertindak. 

Misalnya, sistem yang terdiri dari AI,  teknologi algoritma, dan machine learning  menentukan sendiri Tindakan yang akan dikerjakan. Misanya pengaturan suhu, jika terjdi sedikit kenaikan suhu dalam proses pengelasan mesin masih menoleransi.

Termasuk, apakah sistem harus mengambil tindakan segera sebelum seluruh komponen berakhir atau berubah menjadi limbah?  

“Industri mencari bahan yang semakin lama semakin berbeda dan bagaimanapun, seringkali sulit untuk diproses,” tegas Prof. Frank Brückner, Manajer Unit Bisnis Generasi dan Percetakan di Fraunhofer IWS.

Bagaimana dengan mesin pesawat, apakah  lebih baik di depan mata para pekerja?

Mesin pesawat yang disebutkan di atas adalah contoh yang menggambarkan dengan tepat prospek. 

Mesin dapat bekerja lebih efisien dan pada suhu yang lebih tinggi maka sebagian besar bahan belum rusak pada suhu sekitar 1200 derajat. 

Peneliti mengakui bahwa ada bahan yang dapat menahan suhu tinggi seperti itu meski harganya sangat mahal dan sulit untuk diproses jika menggunakan  metode tradisional.

Di sinilah peran additive manufacturing atau manufaktur aditif untuk memecahkan dilema ini. 

Selain itu, ini dapat membantu mencapai desain yang lebih hemat biaya: 

“Menggunakan pengelasan penumpukan serbuk laser, kami dapat memasukkan serbuk yang berbeda ke dalam zona proses secara bersamaan atau berturut-turut dengan laju umpan yang dapat disesuaikan secara tepat,” jelas Michael Müller, administrator proyek Fraunhofer IWS.

Merancang seluruh komponen dan yang tunggal atau satu tidak terlalu efektif karena komponen tidak terkena panas yang sama di semua titik. 

“Sebaiknya, bahan yang mahal dan sangat tahan hanya digunakan di tempat yang benar-benar panas,” kata Michael Müller . 

“Di area lain, bahan yang lebih murah sudah cukup,” imbuh Michael Müller. 

Inilah tepatnya yang dapat dicapai dengan sistem manufaktur aditif – setelah mesin belajar memproses bahan  superalloy yang diperlukan. 

“Langkah selanjutnya adalah menggabungkan berbagai material berperforma tinggi dalam satu komponen,” urai  Michael Müller, administrator proyek Fraunhofer IWS. 

Dalam proyek futureAM, Fraunhofer IWS dan lima Institut Fraunhofer lainnya menggabungkan teknologi ini dan keahlian lebih lanjut untuk mendorong manufaktur aditif ke tingkat yang baru. Hasilnya? 

Baca: Lelehan Material Menjadi Produk, Komponen Begitu Rumit 

SHARE THIS POST

Facebook
Twitter
LinkedIn
WhatsApp
ARTIKEL TERKAIT