MODEL PENDEKATAN DAN PEMELAJARAN MESIN UNTUK PARAMETER DESAIN TURBOMACHINE FAN BLADE

• Main Author: Adhikaputera, Bagas
• Format: Final Project
• Language: Indonesia
• Subjects: Teknik (Rekayasa, enjinering dan kegiatan berkaitan)
• Online Access: https://digilib.itb.ac.id/gdl/view/52033
• Institution: Institut Teknologi Bandung

Desain turbomachine fan blade modern pada umumnya memiliki variabel parameter desain berdimensi tinggi, berkisar antara 20 hingga 250 dimensi. Parameter desain ini berguna untuk kepentingan desain aerodinamik, struktur, dan manufaktur. Namun, hal ini diketahui memiliki cost yang sangat tinggi pada proses desain dan memiliki fleksibilitas yang rendah karena membutuhkan tenaga komputasional yang besar. Dewasa ini model pendekatan (surrogate model) memiliki peran penting dalam studi parametrik berupa optimasi, eksplorasi desain, dan analisis sensitivitas yang sebelumnya menjadi tantangan dan sulit dilakukan secara komputasional. Dengan memprediksi model black box, surrogate model dipercaya sebagai metode yang mutakhir untuk menurunkan cost dan memberikan fleksibilitas yang lebih luas. Pada tugas akhir ini terdapat tiga surrogate model yang ditampilkan dan dibandingkan, yaitu; Kriging, Support Vector Regression (SVR), dan Gradient Boosting Regression (GBR), serta Linear Regression sebagai benchmark untuk analisis data. Perbandingan dilakukan dengan Root Mean Squared Error (RMSE) dan R-squared (R2)dalam boxplot dengan 30 iterasi. RMSE yang ditampilkan telah dinormalisasi dengan Interquartile Range (IQR) dan R2 dengan 1 R2 agar mempermudah visualisasi untuk perbandingan. Dari semua hasil, Kriging adalah model yang menghasilkan hasil prediksi paling baik namun membutuhkan tenaga komputasional yang besar. SVR memiliki performa kedua terbaik dengan hasil yang cukup baik dan menunjukkan tendensi untuk overfitting pada data training yang besar. Terakhir, GBR gagal menunjukkan hasil yang diharapkan karena memiliki hasil yang relatif buruk bahkan dibandingkan dengan benchmark Linear Regression