<![CDATA[Abstract The growth in industrial production’s value and welding pipe of Steel and Iron, was increased in each quarterly until the end of the year of 2008 reached Rp 1,113,795,291.00, as well as in year 2009. Welding is a fabrication process to join metals or thermoplastic materials. Inspection of defects is very important in the process of welding. Humans have limitation to perform this task. This happens because the human visual only able to capture 60% to 75% of the accuracy of existing defects. This study developed a Machine Vision-based automated equipment that can assist GMAW welding process. This experiment used mild steel pipe material JIS S45C, DC current GMAW welding process with filler wire speed constant, Machine Vision technologi using the camera Charge Couple Device (CCD) to monitor changes of weld bead width. Artificial neural network methods used for welding parameter optimization.One of the result of this experiment is a modification of the device with a gear ratio of 1:2 that can reduce the sound buffeting occurred in previous studies. During the experiment the speed was more stable. Weld bead width was measured using actual width and image processing which had an average error -0.30 mm. Weld bead width optimization using artificial neural network modeling achieved an average error 0.005 mm. Keywords: Welding parameter optimization, Gas Metal Arc Welding (GMAW), weld bead width, Machine Vision, Artificial Neural Network Abstrak Pertumbuhan nilai produksi industri pipa dan sambungan (pengelasan) pipa dari Baja dan Besi pada tahun 2008 mengalami kenaikan pada tiap triwulannya hingga di akhir tahun mencapai Rp 1.113.795.291,00. Demikian juga pada tahun 2009 mengalami kenaikan tiap triwulannya. Pengelasan adalah proses fabrikasi atau pembentukan yang menyatukan material logam atau termoplastik. Inspeksi defect merupakan hal yang sangat vital dalam proses pengelasan. Manusia harus berusaha keras dan memang sulit untuk melakukan tugas ini. Hal ini terjadi karena visual manusia hanya mampu menangkap 60% s.d. 75% dari ketelitian defect yang ada. Penelitian ini mengembangkan suatu peralatan otomatis berbasis Machine Vision yang dapat membantu dalam proses pengelasan Gas Metal Arc Welding (GMAW). Penelitian ini menggunakan material pipa baja lunak JIS S45C, proses las GMAW arus DC dengan kecepatan kawat pengisi konstan, teknologi Machine Vision menggunakan kamera Charge Couple Device (CCD) memonitor perubahan tebal manik las. Metode jaringan syaraf tiruan (artificial neural network) digunakan dalam proses optimasi parameter pengelasan. Salah satu dari hasil pengujian ini adalah modifikasi perangkat dengan gear rasio 1:2 berhasil meredam suara hentakan gear dan rel jalur las yang terjadi pada penelitian sebelumnya. Selama pengujian kecepatan yang terjadi lebih stabil. Lebar manik las yang diukur secara aktual dan pencitraan memiliki nilai rata-rata error -0.30 mm. Optimasi lebar dengan modeling jaringan syaraf tiruan mencapai rata-rata error 0.005 mm. Kata kunci: Optimasi parameter pengelasan, Gas Metal Arc Welding (GMAW), lebar manik las, Machine Vision, Jaringan syaraf tiruan]]>
Copyrights © 2012
