Pengaruh Kecepatan Screw, Feeder, dan Temperatur Pemanas terhadap Proses Ekstrusi Bijih Plastik Daur Ulang Menggunakan Mesin Extruder
Bibliographic record
Abstract
Limbah plastik berbasis polyethylene terephthalate (PET) dari botol bekas merupakan salah satu penyumbang utama pencemaran lingkungan akibat volumenya yang tinggi dan proses dekomposisi yang lambat. Pencemaran dari limbah ini memerlukan penanganan berbasis teknologi daur ulang. Salah satu metode pengolahannya adalah proses ekstrusi yang mengubah limbah menjadi bijih plastik yang dapat digunakan kembali. Penelitian ini bertujuan untuk mengevaluasi pengaruh variasi kecepatan screw, kecepatan feeder, dan temperatur pemanas pada proses ekstrusi terhadap kualitas bijih plastik hasil daur ulang. Metode eksperimen dilakukan dengan menggunakan mesin extruder, memvariasikan kecepatan screw, kecepatan feeder, dan temperatur pemanas, serta menjaga kecepatan pemotongan tetap. Evaluasi dilakukan terhadap rasio screw/feeder dan efisiensi pemotongan yang dihitung dari rasio kecepatan pemotong terhadap kecepatan feeder. Penilaian kualitas bijih dilakukan melalui pengamatan visual homogenitas dan stabilitas bentuk produk. Hasil menunjukkan bahwa rasio screw/feeder antara 2,0–2,5 menghasilkan bijih dengan bentuk paling seragam dan stabil. Efisiensi pemotongan paling tinggi didapat hanya 15% memengaruhi kualitas bijih plastik yang menunjukkan kesesuaian laju aliran material antara kecepatan feeder dan kecepatan pemotong. Perhitungan kecepatan pemotong ideal diperoleh sebesar 128 rpm, sedangkan kecepatan konstan extruder ini adalah 140 rpm dinilai terlalu tinggi sehingga berpotensi menimbulkan cacat produk dan ukuran yang bervariasi. Kombinasi parameter optimal diperoleh pada kecepatan screw 25 rpm, feeder 10 rpm, dan temperatur 220°C. Pengaturan parameter proses yang seimbang diperlukan dalam menghasilkan bijih plastik berkualitas tinggi dari limbah PET daur ulang. Temuan ini berkontribusi dalam pengembangan teknologi ekstrusi plastik daur ulang yang efisien dan ramah lingkungan.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.002 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; both teacher heads agree on what is shown here.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".