OPTIMASI THICKNESS DAN RADIUS FILLET PADA DESAIN CRASH BOX UNTUK MENINGKATKAN CRASHWORTHINESS DAN MAMPU MANUFAKTUR DENGAN MACHINE LEARNING GAUSSIAN PROCESS REGRESSION (ML-GPR)

Penelitian ini menganalisis pengaruh variasi radius fillet dan ketebalan dinding
terhadap performa crashworthiness serta kemudahan manufaktur pada desain
crash box multi-corner. Crash box yang dianalisis memiliki penampang 20
sudut dengan variasi desain, radius fillet 1 mm, 2 mm, dan 3 mm, serta
ketebalan dinding 1 mm, 2 mm, dan 3 mm. Simulasi dilakukan menggunakan
SolidWorks Simulation dengan metode Drop Test–Velocity pada variasi
kecepatan impak 40 km/jam, 70 km/jam, dan 100 km/jam serta sudut tumbukan
0° dan 45°. Parameter crashworthiness yang dihitung meliputi Energy
Absorption (EA), Specific Energy Absorption (SEA), Mean Crushing Force
(MCF), Peak Crushing Force (PCF), dan Crushing Force Efficiency (CFE).
Selain itu, Manufacturing Index digunakan untuk menilai tingkat kemudahan
manufaktur berdasarkan radius fillet dan ketebalan dinding. Hasil simulasi
menunjukkan bahwa peningkatan ketebalan dinding cenderung meningkatkan
EA, SEA, MCF, dan PCF, sedangkan radius fillet berpengaruh terhadap
kestabilan respons struktur dan tingkat kemudahan manufaktur. Pemodelan
Gaussian Process Regression menghasilkan nilai R² Test sebesar 0,7956, MAE
sebesar 0,0589, dan RMSE sebesar 0,0770. Hasil Bayesian Optimization
menunjukkan bahwa desain B-20-3-2 merupakan desain optimum dengan
Mean Score sebesar 0,6310, Std Score sebesar 0,0435, dan Manufacturing
Index sebesar 1,2.