D4 Teknik Mekatronika

Permanent URI for this collectionhttps://repository.polibatam.ac.id/handle/PL029/1764

Browse

Now showing 1 - 3 of 3

Analisis Crack Pada Robot Exoskeleton Lower Limb
(Politeknik Negeri Batam, 2024) Fadjri Al, Fadhil Muhammad; Sutopo Pamungkas, Daniel; Hanifah, Widiastuti
Kegagalan yang disebabkan oleh kelelahan material sangat membahayakan karena kelelahan bisa mengakibatkan patah yang terjadi tanpa diawali deformasi pada material tersebut. Oleh karena itu tidak terdeteksi secara visual. Beberapa hal yang dapat mengakibatkan kelelahan pada material lebih cepat, yaitu beban maksimum yang cukup tinggi dan siklus penerapan tegangan yang cukup besar. Pada proses perancangan robot exoskeleton lower limb, kekuatan dan keamanan dari robot tersebut merupakan hal yang harus menjadi perhatian utama. Alasannya pada bagian setiap Link Joint, pada perancangan mekanisme Link Joint merupakan hal yang penting. Kenyamanan dan keamanan struktur ditentukan dari geometri dan jenis material yang digunakan. Analisis untuk struktur mekanik Link Joint yang mengalami keretakan dapat dilakukan dengan metode Fracture Mechanics. Metode menghasilkan nilai SIF (Stress Intensity Factor) yaitu intensitas stress yang terdapat pada bagian ujung crack (retak) atau retakan akibat akumulatif beban. Penelitian dilakukan untuk mengetahui tegangan kritis dan perkiraan umur pakai berdasarkan pengujian yang dilakukan. Pengujian yang dipakai untuk mengetahui keretakan (Crack) pada mekanisme setiap Link Joint sebagai analisis penelitian ini akan menggunakan perangkat lunak berbasis Finite Element Method (Metode elemen hingga), yaitu Solidworks 2020. Kata kunci: Robot Exoskeleton Lower Limb, keretakan, SIF (Stress Intensity Factor).
Perancangan Sistem Buka Tutup Pada Mesin Kotak Pemilihan Kawat Otomatis
(Tryadi Wicaksono, 2024-09-12) Wicaksono,Tryadi
Penelitian ini telah dilakukan dengan merancang mesin otomatisasi untuk kotak pemilihan kawat, dengan fokus pada integrasi teknik mesin dan teknologi otomatisasi untuk meningkatkan efisiensi proses produksi. Metode pengembangan meliputi analisis mendalam terhadap spesifikasi teknis, desain konseptual yang inovatif, simulasi komputer untuk validasi kinerja. Tujuan utama adalah menghasilkan mesin otomatisasi yang handal dan efisien, sehingga dapat meningkatkan daya saing perusahaan dalam pasar industri yang semakin kompetitif. Penelitian ini telah melibatkan serangkaian pengujian yang komprehensif untuk memastikan kinerja optimal mesin. Pengujian presisi servo dilakukan untuk mengevaluasi kemampuan mesin dalam mengontrol gerakan dengan akurasi tinggi dan konsistensi. Pengujian umur pakai bertujuan untuk memverifikasi keandalan mesin dalam jangka waktu panjang, dengan memeriksa ketahanan komponen terhadap kondisi operasional yang berkelanjutan. Sementara itu, pengujian keausan dan ketahanan mekanis dilakukan untuk menjamin bahwa mesin dapat mengatasi gesekan dan keausan selama penggunaan normal di lingkungan produksi. Hasil dari penelitian menunjukan bahwa system buka tutup pada mesin wire selection dapat berjalan. motor servo yang digunakan dalam pembuatan alat tidak terlalu baik dalam hal durabilitas dan Tingkat akurasi yang tidak terlalu presisi.
Uncontrolled Environments Face Recognition based on Transfer Learning Technique for Secure Automatic Door Access System
(Atlantis Press, 2024-12-25) Rinaldi, Anggi; Akbar, Andrianur, Ikram, Muhammad; Fahruzi, Iman; Fahruzi, Iman
Over the past four decades, artificial intelligence technology, particularly in artificial neural networks and related methods, has advanced rapidly. Deep learning, a major branch of artificial intelligence, has proven its effectiveness in addressing various problems, especially those involving large-scale data such as images, text, and sound. One notable application of deep learning is in developing automated door systems. These systems offer several benefits, including reducing direct contact with door handles, which is increasingly important for cleanliness and health concerns. This research proposes using deep learning, specifically transfer learning techniques, to detect facial expressions of individuals approaching the door. By recognizing these facial expressions, the system can automatically activate a motor to open the door if the input matches the system’s criteria. During the development phase, we employed the MobileNetV2 architecture for facial expression detection. Testing was conducted with the ESP32 device, and the model was trained and validated over 25 epochs. The experiments revealed that the model achieved a maximum accuracy of 53%. This research contributes to creating more efficient and user-friendly automated door systems. By leveraging deep learning technology, we aim to enhance safety and comfort for users.