OPTIMASI PEMROGRAMAN DAN PRODUKTIVITAS PADA MESIN CNC EIDEVON DIY PRO ENGRAVER 3018 DENGAN ER 11 UNTUK PROSES UKIR PRESISI
DOI:
https://doi.org/10.32493/strg.v3i1.54327Keywords:
CNC Engraver 3018, optimasi parameter, G-code, produktivitas, ukir presisiAbstract
Teknologi Computer Numerical Control (CNC) memiliki dua keunggulan utama, yaitu akurasi dan kemampuan desain yang rumit. Fokus utama penelitian adalah menentukan parameter optimal pemotongan (kecepatan spindle, feed rate, dan depth of cut) yang menghasilkan kualitas ukiran terbaik pada material kayu, akrilik, dan aluminium, sekaligus meningkatkan efisiensi waktu produksi. Metode yang digunakan adalah eksperimen berbasis Design of Experiment (DoE) dengan pendekatan Full Factorial Design dan analisis Taguchi untuk optimasi multi- respon. Hasil penelitian menunjukkan bahwa kombinasi parameter optimal untuk kayu adalah kecepatan spindle 8.000 RPM, feed rate 600 mm/min, dan depth of cut 1.0 mm, yang mengurangi waktu produksi sebesar 34,9% (dari 22 menit menjadi 14,31 menit) dengan akurasi dimensi ±0,1 mm dan kekasaran permukaan (Ra) 3,1 µm. Pada material akrilik, parameter terbaik adalah 10.000 RPM, 400 mm/min, dan 0,5 mm, yang meminimalkan risiko retak dan meleleh. Selain itu, penggunaan sistem kendali berbasis Arduino terbukti meningkatkan fleksibilitas dan kemudahan pengoperasian mesin. Implikasi penelitian ini mencakup penyediaan modul praktikum bagi mahasiswa Teknik Mesin Universitas Pamulang serta rekomendasi untuk industri kreatif skala kecil. Temuan ini memberikan kontribusi signifikan dalam peningkatan efisiensi dan kualitas proses ukir CNC, dengan potensi aplikasi yang lebih luas pada material lainnya melalui penelitian lanjutan
References
Abdelkader, B. (n.d.). Machine Tool Elements, Study, and Design. Retrieved from https://www.researchgate.net/publication/384997576
Abougarair, A. J., & Tabet, M. A. (2023). Practical work for exploring the capabilities and benefits of CNC technology. International Robotics & Automation Journal, 9(2), 55–60. https://doi.org/10.15406/iratj.2023.09.00264
Bangse, K., Wibolo, A., & Wiryanta, I. K. E. H. (2020). Design and fabrication of a CNC router machine for wood engraving. Journal of Physics: Conference Series, 1450(1), 012094. https://doi.org/10.1088/1742-6596/1450/1/012094
Fatriyana, M. (2020). CNC program and programming of CNC machine. Journal of Mechanical Science and Engineering, 7(2), 19–23.
Hamzaçebi, C., Li, P., Pereira, P. A. R., & Navas, H. (2020). Taguchi method as a robust design tool. In Quality Control – Intelligent Manufacturing, Robust Design and Charts (pp. 1–19).
Juraev, M., Abrorov, A., Akhmedova, K., & Abdullayev, S. (2024). Optimization of CNC machining tool paths using reinforcement learning techniques. Applied Mechanics and Materials, 923, 39–48.
Kalbande, M., Gaidhani, Y., Panse, T., & Dafre, K. (2024). Automatic miniature CNC plotter machine. In 2024 2nd International Conference on Sustainable Computing and Smart Systems (ICSCSS) (pp. 1–4). IEEE.
Lesmana, B., Heryana, G., & Jatira. (2023). Perancangan sistem kendali mesin CNC (Computer Numerical Control) laser cutting CO₂ 2-axis berbasis Arduino Uno. Journal of Applied Mechanical Technology, 2(2), 28–33. https://doi.org/10.31884/jamet.v2i2.43
López, E. J., Limon Leyva, P. A., Ambrosio López, A., Ochoa Estrella, F. J., Delfín Vázquez, J. J., Lucero Velázquez, B., & Martínez Molina, V. M. (2024). Mechanics 4.0 and mechanical engineering education. Machines, 12(5). https://doi.org/10.3390/machines12050320
Pajaziti, A., Tafilaj, O., Gjelaj, A., & Berisha, B. (2025). Optimization of toolpath planning and CNC machine performance in time-efficient machining. Machines, 13(1), 65.
Petrakov, Y. V., & Ezenduka, J. M. (2022). Simulating turning cycles on CNC lathe machines. Mechanics and Advanced Technologies, 6(1), 7–13.
