Electronic Theses and Dissertation

Perkembangan teknologi manufaktur aditif, khususnya mesin 3D printer, telah membawa inovasi baru dalam dunia produksi. Namun, pemantauan kondisi mesin menjadi penting untuk memastikan kualitas produk yang baik, waktu dan biaya produksi yang efisien. Penelitian dilakukan dengan memonitoring proses manufaktur pada beberapa layer dengan fitur desain yang berbeda. Pengambilan data dilakukan pada beberapa layer dengan variasi bentuk fitur desain. Metode analisis sinyal yang digunakan meliputi analisis domain waktu dan frekuensi, serta analisa statistik dengan menghitung nilai crest factor dan skewness. Hasil analisis menunjukkan bahwa nilai crest factor dan skewness mengalami perubahan yang signifikan pada beberapa fitur desain tertentu. Fitur diagonal sudut 45° pada layer 1 dan 7 serta fitur diagonal sudut 135° pada layer 15 menunjukkan perubahan nilai crest factor yang paling signifikan. Sementara itu, fitur diagonal sudut 45 pada layer 1 dan 7 menunjukkan perubahan nilai skewness yang paling signifikan. Penelitian ini memberikan gambaran tentang penggunaan sinyal suara dalam pemantauan kondisi mesin 3D Printing dengan fitur desain yang berbeda. Hasil penelitian dapat menjadi acuan bagi pengembangan monitoring dan perawatan mesin 3D Printing dengan fitur desain yang lebih kompleks di masa depan.

The development of additive manufacturing technology, particularly 3D printers, has brought new innovation to the production industry. However, machine condition monitoring is crucial to ensure good product quality, efficient production time, and cost. The research was conducted by monitoring the manufacturing process on several layers with different design features. Data was collected on several layers with variations in the shape of the design features. Signal analysis methods used include time and frequency domain analysis, as well as statistical analysis by calculating crest factor and skewness values. The results of the analysis showed that crest factor and skewness values underwent significant changes in certain design features. The 45° diagonal feature on layers 1 and 7 and the 135° diagonal feature on layer 15 showed the most significant crest factor changes. Meanwhile, the 45° diagonal feature on layers 1 and 7 showed the most significant skewness value changes. This research provides an overview of the use of sound signals in monitoring the condition of 3D Printing machines with different design features. The results of this study can serve as a reference for the development of monitoring and maintenance of 3D Printing machines with more complex design features in the future.