Metode desain eksperimen untuk pengembangan proses pencetakan 3D: jalur rekayasa dari penyaringan ortogonal dan pemodelan permukaan respons hingga kalibrasi jendela proses

Pendahuluan: mengapa optimasi parameter selalu berputar di tempat

Dalam penyetelan di lapangan untuk proses laser powder bed fusion (LPBF) logam dan sintering polimer, skenario yang paling umum adalah sebagai berikut: insinyur menaikkan daya laser dari 250 W menjadi 280 W, densitas meningkat 0,3%, lalu daya terus dinaikkan; pada 300 W, terbentuk lubang kunci, sehingga parameter kembali diturunkan. Setelah satu putaran, belasan spesimen telah dibuat, tetapi yang diperoleh hanyalah kurva pengalaman yang terfragmentasi; ketika mesin atau batch serbuk diganti, semuanya harus dimulai lagi. Masalahnya bukan karena insinyur kurang berupaya, melainkan karena metode perubahan satu faktor secara bergantian pada dasarnya tidak dapat menangani efek interaksi—daya dan kecepatan pemindaian bersama-sama menentukan densitas energi volumetrik, sementara ketebalan lapisan serbuk mengubah kondisi pembuangan panas kolam leleh. Ketiga faktor tersebut saling terkopel, sehingga mengubah satu variabel setiap kali tidak akan pernah memperlihatkan gambaran lengkap.

Desain eksperimen (Design of Experiments, DoE) menyediakan jalur rekayasa untuk menyelesaikan masalah kopling multifaktor tersebut: dengan jumlah spesimen seminimal mungkin, efek utama faktor, efek interaksi, dan permukaan respons dapat diestimasi sekaligus, serta jendela proses yang dapat dirilis dengan interval kepercayaan dapat diperoleh. Artikel ini menyajikan metode lengkap yang dapat diterapkan, mulai dari penyaringan ortogonal, pemodelan permukaan respons, hingga validasi jendela, untuk pengembangan proses pencetakan 3D.

I. Bedakan terlebih dahulu tiga jenis eksperimen: penyaringan, pemodelan, dan validasi

Pengembangan proses tidak dapat diselesaikan dengan satu eksperimen. Umumnya, proses ini dilakukan dalam tiga tingkat, dengan tujuan, jumlah faktor, dan jumlah spesimen yang berbeda pada setiap tingkat.

Tingkat pertama adalah eksperimen penyaringan, yang bertujuan memilih 2—4 faktor yang benar-benar signifikan dari 6—10 faktor kandidat. Faktor kandidat yang umum mencakup daya laser, kecepatan pemindaian, jarak pemindaian, ketebalan lapisan, suhu pemanasan awal, strategi pemindaian (lebar strip), sudut rotasi antarlapisan, dan laju aliran gas pelindung. Pada tahap penyaringan, desain faktorial fraksional atau desain Plackett-Burman dapat digunakan, dan 8—12 percobaan sudah cukup. Respons hanya berfokus pada dua indikator kasar, yaitu densitas dan kekasaran permukaan.

Tingkat kedua adalah eksperimen pemodelan, yang bertujuan membangun model permukaan respons berdasarkan 2—3 faktor utama hasil penyaringan. Desain yang umum digunakan adalah central composite design (CCD) atau desain Box-Behnken. CCD tiga faktor terdiri atas 6 titik aksial, 8 titik kubus, dan 6 pengulangan titik pusat, dengan total 20 percobaan. Respons diperluas menjadi empat indikator: densitas, kekuatan tarik, deviasi dimensi, dan kekasaran permukaan Ra.

Tingkat ketiga adalah eksperimen validasi, yaitu mencetak ulang 3—5 titik konfirmasi dalam area optimum yang diprediksi model untuk memeriksa apakah deviasi antara nilai prediksi model dan nilai pengukuran berada dalam ±5%. Setelah validasi lulus, batas jendela dipersempit sebesar 10% untuk dijadikan rentang parameter pada kartu proses produksi massal.

II. Eksperimen ortogonal: mencakup ruang terbesar dengan jumlah spesimen paling sedikit

Ketika jumlah faktor tidak banyak dan jumlah levelnya sama, tabel ortogonal adalah pilihan paling ekonomis. Sebagai contoh LPBF baja tahan karat 316L, diteliti tiga faktor tiga level: daya laser P, kecepatan pemindaian v, dan jarak pemindaian h. Desain faktorial penuh membutuhkan 27 percobaan, sedangkan tabel ortogonal L9(3^4) hanya memerlukan 9 percobaan.

Desain spesifiknya adalah: P pada 200/240/280 W, v pada 800/1000/1200 mm/s, dan h pada 0,09/0,11/0,13 mm. Setelah eksperimen disusun menurut L9, satu kelompok spesimen kubus berukuran 10×10×10 mm dicetak untuk setiap kombinasi level. Densitas diukur menggunakan metode Archimedes, sementara kekasaran permukaan Ra juga dicatat.

Pengolahan data dapat menggunakan analisis rentang untuk menentukan urutan dengan cepat: hitung respons rata-rata setiap faktor pada setiap level, dengan rentang R = maks(respons rata-rata) − min(respons rata-rata). Semakin besar R, semakin signifikan pengaruh faktor tersebut. Jika diperoleh R(P)=2,1%, R(v)=1,4%, dan R(h)=0,6%, maka urutan pengaruhnya adalah daya > kecepatan > jarak. Selanjutnya lakukan analisis varians (ANOVA) dan gunakan uji F untuk menentukan signifikansi: faktor dengan nilai F lebih besar dari nilai kritis dan nilai p lebih kecil dari 0,05 masuk ke putaran pemodelan berikutnya.

Keterbatasan eksperimen ortogonal adalah asumsi bahwa tidak terdapat interaksi antarfaktor. Jika dicurigai ada kopling kuat antara daya dan kecepatan—karena densitas energi volumetrik E = P/(v·h·t) sendiri merupakan hubungan perkalian—maka pada tahap pemodelan harus digunakan desain permukaan respons, bukan terus memaksakan penggunaan tabel ortogonal.

III. Metode permukaan respons: dari titik diskret menuju permukaan kontinu

Inti metode permukaan respons (RSM) adalah menggunakan polinomial kuadratik untuk menyesuaikan hubungan antara respons dan faktor:

Y = β0 + Σβi·xi + Σβii·xi² + Σβij·xi·xj + ε

Di dalamnya, suku silang βij merupakan ekspresi kuantitatif dari efek interaksi. Dengan desain CCD sebagai contoh, parameter utama skema tiga faktor adalah jarak aksial α. Untuk desain rotatable, α = 2^(k/4) = 2^(3/4) ≈ 1,682 (k adalah jumlah faktor). Titik aksial berada pada ±1,682 dalam ruang berkode, titik kubus berada pada ±1, dan titik pusat diulang 6 kali untuk mengestimasi galat murni.

Setelah fitting selesai, tiga pengujian harus dilakukan. Pertama, uji lack-of-fit; nilai p lebih besar dari 0,05 menunjukkan bahwa bentuk model tidak menyimpang secara signifikan dari data. Kedua, koefisien determinasi R² dan R² terkoreksi; selisih keduanya harus kurang dari 0,2, jika tidak, kemungkinan terjadi overfitting. Ketiga, pemeriksaan normalitas residu dan homogenitas varians. Dalam praktik, R² sering mencapai 0,95 tetapi R² terkoreksi hanya 0,86; dalam kondisi ini, suku kubik yang tidak signifikan harus dihapus sebelum fitting ulang dilakukan.

Optimasi multirespons merupakan tantangan dalam pencetakan 3D: densitas harus dimaksimalkan, kekasaran harus diminimalkan, dan deviasi dimensi harus mendekati nol, padahal ketiga sasaran tersebut sering saling bertentangan. Dalam rekayasa, fungsi desirabilitas digunakan untuk memetakan setiap respons ke rentang 0—1, lalu rata-rata geometrik diambil untuk memperoleh desirabilitas gabungan D. Kombinasi parameter ditentukan pada titik dengan D maksimum. Bobot dialokasikan berdasarkan prioritas penerimaan pelanggan; misalnya, untuk komponen kedirgantaraan, bobot densitas dapat ditetapkan 0,5, kekasaran 0,3, dan deviasi dimensi 0,2.

IV. Kalibrasi jendela proses: mengubah titik optimum menjadi rentang yang dapat dirilis

Menemukan titik optimum hanyalah langkah pertama; produksi massal membutuhkan suatu rentang. Metode yang layak adalah menggunakan plot kontur tumpang tindih (overlay contour plot): ambang kelulusan setiap respons digambar sebagai kontur—densitas ≥ 99,5%, Ra ≤ 12 μm, dan deviasi dimensi ≤ ±0,1 mm—kemudian area tumpang tindih seluruh kontur digunakan sebagai jendela proses.

Setelah jendela ditentukan, margin keselamatan harus disediakan. Praktik yang disarankan adalah mempersempit batas jendela ke arah dalam sebesar 10%. Sebagai contoh, jika model memberikan rentang daya layak 235—265 W, maka kartu proses mencantumkan 238—262 W. Alasannya adalah variasi batch serbuk, pergeseran kemurnian gas pelindung, dan penurunan daya sistem optik dapat membuat titik proses aktual bergerak perlahan. Menyediakan margin dapat meningkatkan indeks kapabilitas proses Cpk dari 1,0 menjadi lebih dari 1,33.

Validasi jendela menggunakan konfirmasi tiga batch: setiap batch terdiri atas 5 komponen, dengan satu kelompok dicetak masing-masing di pusat jendela, di sisi dalam batas atas, dan di sisi dalam batas bawah. Jika tiga batch berturut-turut seluruhnya lulus dan pergeseran nilai rata-rata antarbatch lebih kecil dari 1/3 simpangan baku respons, jendela dapat dinyatakan stabil. Data validasi juga harus dicatat dalam buku catatan proses sebagai dasar penelusuran pada tahap berikutnya.

V. Kesalahan umum dan daftar periksa

Kesalahan pertama: menganggap jumlah spesimen sebagai keseluruhan biaya. Padahal, 9 eksperimen ortogonal ditambah 20 eksperimen CCD memiliki biaya spesimen jauh lebih rendah daripada 30 kali perubahan satu faktor secara buta, sekaligus menghasilkan model yang dapat digunakan kembali.

Kesalahan kedua: mengabaikan efek blok. Jika 20 eksperimen CCD diselesaikan dalam tiga hari, perubahan kondisi mesin, batch serbuk, serta suhu dan kelembapan lingkungan akan tercampur ke dalam residu. Praktik yang benar adalah memasukkan tanggal sebagai faktor blok ke dalam desain, atau mengatur pengulangan titik pusat di dalam setiap blok untuk memantau drift.

Kesalahan ketiga: hanya melihat densitas. Titik proses dengan densitas mencapai 99,5% belum tentu memenuhi persyaratan sifat mekanik, karena cacat lack-of-fusion dapat diremehkan dalam pengujian densitas. Disarankan untuk setidaknya menguji kekuatan tarik dan elongasi secara bersamaan, serta menambahkan pemeriksaan metalografi mikro dan sampling CT industri bila diperlukan.

Daftar periksa pelaksanaan: apakah level faktor mencakup rentang operasi peralatan yang stabil; apakah pengulangan titik pusat telah dijadwalkan untuk mengestimasi galat murni; apakah uji lack-of-fit telah dilakukan; apakah bobot multirespons konsisten dengan kriteria penerimaan pelanggan; apakah jendela menyisakan margin 10%; dan apakah batch validasi mencakup batas jendela.

Kesimpulan

Desain eksperimen mengubah pengembangan proses pencetakan 3D dari coba-coba berbasis pengalaman menjadi kegiatan rekayasa yang terukur dan dapat direproduksi: eksperimen ortogonal menyelesaikan penyaringan faktor dalam 9—12 percobaan, metode permukaan respons membangun model kuadratik yang mencakup efek interaksi dengan sekitar 20 percobaan, fungsi desirabilitas menyelesaikan konflik multiobjektif, dan kontur tumpang tindih menghasilkan jendela proses yang dapat dirilis dengan margin keselamatan. Bagi platform manajemen siklus hidup seperti lantu3D, yang perlu berjalan dari desain blueprint hingga penyerahan produk fisik, nilai DoE tidak terbatas pada penyetelan parameter—DoE mengendapkan pengetahuan proses menjadi model parameter yang dapat dicari, digunakan kembali, dan diverifikasi, sehingga setiap pengembangan proses menjadi titik awal bagi pengembangan berikutnya, bukan awal baru dari nol.