Hasil Pencarian  ::  Simpan CSV :: Kembali

"Penentuan parameter pengendali merupakan suatu hal penting untuk mendapatkan kinerja pengendali yang optimum (diantaranya, IAE atau Integral Absolute Error-nya minimum). Jenis pengendali dan jenis sistem atau proses yang akan dikendalikan sangat menentukan dalam penentuan konstanta pengendali. Korelasi untuk menentukan parameter-parameter pengendali yang didasarkan pada model FOPDT (First Order Plus Dead Time) yang ada, masih memiliki nilai error yang cukup besar sehingga diperlukan suatu korelasi baru yang lebih baik. Cara yang dilakukan adalah dengan metode tuning pada pengendali P & PI yang sudah ada, kemudian dilakukan trial & error. Trial & error yang dimaksudkan adalah dengan cara mengubah parameter yang sudah didapatkan dengan metode lain, sehingga mendapatkan IAE yang seminimum mungkin. IAE menunjukkan luas daerah antara perbedaan grafik variabel yang dikontrol dengan grafik input dalam hal ini perubahan disturbance, dengan demikian IAE minimum juga menunjukkan osilasi, overshoot, settling time, dan rise time yang minimum juga. Variasi parameter-parameter FOPDT digunakan untuk mendapatkan berbagai parameter-parameter pengendali yangoptimum, selanjutnya dibuat suatu korelasi.

---

The measurement of controller?s parameters is very important to get an optimum control?s work (minimum IAE or Integral Absolute Error).Type of controller, the system or the controlled process are the most important thing to measure control?s parameters. A correlation to measure the control?s parameters based on an existing FOPDT model (First Order Plus Dead Time) still have very big value of error. Because of that, we need to find a new correlation which have smaller error. New correlation method can be found by optimizing existing tuning method through trial and error. By doing trial and error we can get the most minimum IAE, and if we get a minimum IAE, then we also get a minimum overshoot, settling time, osilation and rise time of disturbance behaviour. Trial and error can be done by changing the existing tuning method for P & PI control. The variation of FOPDT?s models can also used to get an optimum control?s parameters then a correlation can be created forom those parameters."

"Pengendalian proses berarti suatu proses kimia yang bersifat dinamik dapat dikendalikan pada kondisi tertentu yang mampu memenuhi kebutuhan dari segi teknis, ekonomi dan lingkungan. Alat pengendali proses yang masih banyak dipakai adalah pengendali dengan mode PID dikarenakan kelebihannya dalam menghilangkan offset dan respon yang cepat dan stabil. Respon sistem dipengaruhi oleh harga parameter yang ada dalam pengendali yaitu Kc, Ti dan Td. Penentuan parameter tersebut menjadi penting untuk mendapatkan kinerja pengendali yang optimum terlihat dari nilai Integral Absolute Error atau IAE. Nilai IAE yang minimum akan menghasilkan efek positif terhadap parameter lain yang menunjukkan kinerja proses, seperti osilasi, overshoot dan settling time. Salah satu metode untuk menentukan parameter pengendali adalah dengan metode korelasi terhadap step respon sistem orde satu, seperti Ziegler Nichols. Namun demikian, korelasi tersebut masih dapat diperbaiki lagi, terutama untuk masukan yang berupa gangguan. Pencarian nilai Kc, Ti dan Td yang menghasilkan nilai IAE minimum dengan batasan tertentu dicari secara trial and error dengan menggunakan software MATLAB. Model sistem akan diubah dalam bentuk First Order with Dead Time (FOPDT) melalui respon lup terbuka. Harga parameter pengendali (Kc, Ti dan Td) yang diperoleh dari trial and error melalui respon lup tertutup dikorelasikan untuk mendapatkan generalisasi dari pengendali PID untuk respon REGULATORY. Metode korelasi baru yang dihasilkan berupa persamaan linier dengan nilai IAE yang lebih baik dari metode korelasi sebelumnya. Pengujian metode korelasi baru yang dibandingkan dengan metode sebelumnya memberikan hasil yang baik untuk respon REGULATORY dan tidak mengecewakan pula untuk respon SERVO. Aplikasi metode korelasi baru dengan alat pressure control yang ada pada Laboratorium Proses Operasi Teknik di Teknik Kimia FTUI juga memberikan nilai IAE terkecil dibandingkan dengan metode lainnya.

---

Process control is defined as controlling dynamic chemical processes at certain condition to meet technical, economical and environmental requirements. PID is the most popular controller because of its fast and stable response as well as its ability in omitting offset. Response of controlled variable is affected by the values of controller parameters such as, Kc, Ti and Td. The determination of the parameter values is important to achieve an optimum controller performance as indicated by those of Integral Absolute Error or IAE. Minimum IAE value results positive effect on other parameters, which indicates the process performance, such as oscillation, overshoot, and settling time. The value of controller parameter can be determined using correlation method on step response of first order system such as, Ziegler-Nichols correlation. However, the correlation still can be improved, especially for REGULATORY response (load changes). Computer software MATLAB can be used to find Kc, Ti, and Td values, which result in minimum IAE through trial and error method. System model is transformed into FOPDT through opened loop response. The value of controller parameter (Kc, Ti, and Td) obtained from trial and error is later correlated to get generalization of PID controller for REGULATORY response. The new correlation method is a linier equation with better IAE than other methods. The result of the test which compare the new correlation method to other method result in good REGULATORY response and fair SERVO response. The application of new correlation method in pressure control device in POT Laboratory of Chemical Engineering Department, University of Indonesia shows that IAE of the new correlation method is the smallest compared to other methods."

"Model Predictive Control (MPC)-Single Input Single Output (SISO) digunakan untuk mengoptimalisasi parameter pengendalian pada penghilangan CO2 di lapangan Subang. MPC-SISO digunakan untuk mengendalikan laju aliran amina, laju aliran makeup water, dan tekanan gas umpan untuk mempertahankan konsentrasi CO2 pada keluaran sweet gas. Model empiris dibuat untuk diterapkan di MPC controller berdasarkan kurva reaksi proses (PRC) dengan menggunakan pendekatan first order plus dead time (FOPDT) berbasis SISO (Single Input-Single Output). Namun, bila terdapat disturbance pada feed gas, seperti perubahan laju air dan konsentrasi CO2, maka dibutuhkan penyesuaian kembali berupa re-tuning agar produk sweet gas yang dihasilkan tetap terjaga kualitasnya. Metode Ziegler-Nichols, Tyreus-Luyben dengan Bode Diagram, serta fine-tuning digunakan dalam mengamati respons pengendali PIC-1101, FIC-1102, dan FIC-1103 terhadap adannya disturbance. Dengan simulasi dinamik yang dilakukan, maka didapatkan nilai FOPDT berbasis SISO untuk tiap pengendali dengan metode fine-tuning yang terbaik untuk penyetelan SP (PIC-1101 ISE = 721300 dan IAE = 2764, FIC-1102 ISE = 113.1 dan IAE = 701, dan FIC-1103 ISE = 2262000 dan IAE = 19430). Untuk menangani gangguan berupa laju alir dan konsentrasi, metode Ziegler-Nichols merupakan metode yang terbaik untuk pengendali PIC-1101 (ISE = 2.409 dan IAE = 5.723 untuk laju alir dan ISE = 0 dan IAE = 0 untuk konsentrasi CO2) dan FIC-1102 (ISE = 0.00001392 dan IAE = 0.1663 untuk laju alir dan ISE = 0 dan IAE = 0 untuk konsentrasi CO2) serta fine-tuning untuk FIC-1103 (ISE = 2.382 dan IAE = 63.41 untuk laju alir dan ISE = 8.693e+04 dan IAE = 8.361e+03 untuk konsentrasi CO2).

---

Model Predictive Control (MPC) - Single Input Single Output (SISO) is used to optimize the control parameters for CO2 removal in the Subang field. MPC-SISO is used to control amine flow rate, makeup water flow rate, and feed gas pressure to maintain CO2 concentrations in sweet gas output. Empirical models are made to be applied in the MPC controller based on the process reaction curve (PRC) using the first order plus dead time (FOPDT) approach based on SISO (Single Input-Single Output). However, if there are any disturbances in the gas feed, such as flow rate and CO2 concentration, then re-tuning is necessary so that the sweet gas product is maintained in its best quality. The Ziegler-Nichols method, Tyreus-Luyben method with Bode Diagrams, and Fine-Tuning method are used in observing the response of the PIC-1101, FIC-1102, and FIC-1103 controllers to disturbance. With the dynamic simulation carried out, the SISO-based FOPDT values ​​for each controller are obtained with the best fine-tuning method for SP settings (PIC-1101 ISE = 721300 and IAE = 2764, FIC-1102 ISE = 113.1 and IAE = 701, and FIC-1103 ISE = 2262000 and IAE = 19430). To deal with disturbances of flow rate and CO2 concentration, the Ziegler-Nichols method is the best method for controlling PIC-1101 (ISE = 2.409 and IAE = 5.723 for flow rates and ISE = 0 and IAE = 0 for CO2 concentration) and FIC-1102 (ISE = 0.00001392 and IAE = 0.1663 for flow rate and ISE = 0 and IAE = 0 for CO2 concentration) and fine-tuning for FIC-1103 (ISE = 2.382 and IAE = 63.41 for flow rate and ISE = 8.693e + 04 and IAE = 8.361e + 03 for CO2 concentration)."

"Penentuan parameter pengendali merupakan suatu hal penting untuk memperoleh kinerja pengendali yang optimum (diantaranya, IAE atau Integral Absolute Error-nya minimum). Pada penelitian ini, jenis pengendali yang ditinjau adalah pengendali P dan PI karena pengendali ini lebih murah dibanding pengendali PID, serta lebih efektif pada sistem sederhana yang tidak membutuhkan keakuratan yang tinggi. Korelasi untuk menentukan parameter pengendali berdasarkan model FOPDT (First Order Plus Dead Time) yang ada saat ini masih menghasilkan error yang cukup besar, sehingga diperlukan suatu korelasi baru yang lebih baik Penentuan korelasi baru ini menggunakan metode tuning pada pengendali P & PI yang sudah ada, kemudian dilakukan trial & error. Trial & error dilakukan dengan memperbesar dan memperkecil parameter yang sudah didapatkan dari metode lain sampai diperoleh IAE yang paling minimum. IAE menunjukkan luas daerah antara perbedaan grafik variabel yang dikontrol dengan grafik input berupa perubahan set point, sehingga IAE minimum menunjukkan osilasi, overshoot, settling time, dan rise time yang minimum juga. Variasi parameter-parameter FOPDT (K, ?, ?) digunakan untuk mendapatkan berbagai parameter-parameter pengendali yang optimum, yang selanjutnya digunakan untuk membuat suatu korelasi baru."

"Kebutuhan energi dunia terus meningkat dari tahun ke tahun, dan pembakaran bahan bakar fosil juga mempunyai pengaruh negatif terhadap lingkungan karena adanya emisi gas CO2. Hidrogen mempunyai energi hasil pembakaran yang besar per satuan massa (141,86 kJ/g) sehingga penggunaannya sebagai bahan bakar cukup potensial. Indonesia adalah salah satu negara yang memiliki potensi yang sangat besar dalam pengembangan energi terbarukan sebagai sumber energi nasional dan biomassa adalah yang paling potensial untuk menjadi energi alternatif.Sehubungan dengan hal tersebut, maka dibuatlah suatu perencanaan pabrik pembuatan hidrogen dari biomass. Pada penelitian kali ini akan dijelaskan pengendalian pada Gasifier dan Char Combustor. Untuk mendapatkan kinerja yang optimum, dilakukan penyetelan pengendali dengan metode Ziegler Nichols, Lopez, dan Default, kemudian membandingkan karakteristik pengendalian seperti nilai IAE (Integral Absolute Error) ISE (Integral Square Error), Offset, dan rise time dari ketiga jenis penyetelan tersebut.Hasilnya pengendalian yang optimum pada unit Char Combustor adalah dengan metode penyetelan pengendali Ziegler Nichols dengan masing-masing nilai Kp dan Ti-nya adalah 0.77 dan 0.49.. Sedangkan metode yang paling optimum pada pengendalian suhu gasifier metode Lopez dengan nilai Kp dan Ti masing-masing 0.13 dan 1.46 dan untuk concentration control adalah metode Zieger Nichols dengan nilai Kp dan Ti masing-masing 180 dan 0.58.

---

World energy demand continues to increase from year to year, and the burning of fossil fuels also have a negative impact on the environment due to the emission of CO2. Hydrogen energy has great combustion per unit mass (141.86 kJ / g), so its use as a fuel is potential. Indonesia is one country that has a huge potential in the development of renewable energy as a source of national energy, and biomass are the most potential to become an alternative energy. In connection with this, the factory is planning to make hydrogen from biomass.

This paper will describe the process control in Gasifier and Char combustor. To get optimum performance, controllers tuned with with Ziegler Nichols method, Lopez, and Default, then compare the characteristics of such control value IAE (Integral Absolute Error) ISE (Integral Square Error), offset, and the rise time of the three types of settings.

The result is optimum control on Char combustor unit is a controller with Ziegler Nichols tuning method with its Kp and Ti each valued 0.77 and 0.49. While most optimum method of Gasifier temperature control is Lopez method with its Kp and Ti each valued 0.13 and 1.46, thus the most optimum method for concentration control is a Zieger Nichols method with its Kp and Ti each valued 180 and 0.58."

"Laju pertumbuhan penduduk Indonesia memaksa konsumsi akan bahan bakar terus meningkat, karena saat ini bahan bakar telah menjadi salah satu kebutuhan utama masyarakat modern di Indonesia. Sebagian besar bahan bakar tersebut berasal dari minyak bumi yang dalam satu dekade ini produksinya mengalami penurunan di dalam negeri. Oleh sebab itu peluang pengembangan energi alternatif harus terus di kembangkan di Indonesia, salah satunya dengan membuat Pabrik Dimetil Eter (DME) dengan bahan baku utama gas sintesis. Gas sintesis ini diperoleh dari gas alam melalui proses autotermal reforming. Indonesia sendiri memiliki cadangan gas alam yang lebih besar ketimbang minyak bumi. DME dipilih karena merupakan bahan bakar alternatif yang ramah lingkungan. Proses pembuatan DME secara indirect melibatkan sintesis metanol, dehidrasi metanol, purifikasi DME hingga purifikasi metanol untuk di recylce. Dalam penelitian ini akan dijelaskan sistem pengendalian pada proses purifikasi DME hingga purifikasi metanol. Unit-unit yang ada pada proses purifikasi DME ialah unit heater, unit distilasi DME, unit cooler, unit flash drum dan unit storage tank, sedangkan pada proses purifikasi metanol terdapat unit distilasi metanol, unit cooler dan unit pompa. Pengendalian pada kedua proses purifikasi itu penting untuk menjaga proses tetap pada kondisi optimumnya. Proses purifikasi DME dan Metanol ini mengandalkan Unit Distilasi yang memiliki temperatur operasi hingga 190oC dan tekanan hingga 1950 kPa. Sistem pengendalian yang dipilih untuk proses ini ialah jenis pengendali Proportional Integral (PI) karena dapat menangani hampir setiap situasi kontrol proses di dalam skala industri. Penelitian ini menggunakan pemodelan penyetelan pengendali Ziegler Nichols dan Lopez, lalu dibandingkan nilai parameter kinerja pengendalinya yaitu Offset, Rise Time, Time of First Peak, Settling Time, Periode osilasi, Decay Ratio, Overshoot, Deviasi maksimum, Integral Absolute Error (IAE) dan Integral Square Error (ISE) dari kedua jenis penyetelan tersebut. Hasil penelitian ini dapat digunakan untuk penentuan variabel input dan output yang optimum pada proses purifikasi DME dan Metanol yang dapat diterapkan pada pabrik DME.

---

Increases of Indonesia’s population makes consumption of fuel was high, because nowadays fuel become primary needs for modern people in Indonesia. Fuel in Indonesia is mostly from petroleum, which is has slowly production in one decade behind. Therefore, chance in alternative energy must be develop in Indonesia, one of them is making Industry of Dimethyl Ether (DME) from synthetic gas feed. Synthetic gas was get from natural gas in autothermal reforming process. Indonesia has more reserve natural gas than petroleum. The another benefit from DME is friendly for our environment as alternative fuel. Indirect process in production of DME consists of synthesis methanol, dehidration methanol, purification DME and purification methanol for recycle.

The research will explain about control system in purification DME and purification methanol. Purification DME consists of heater, distillation column of DME, cooler, flash drum and storage tank, furthermore purification methanol consists of distillation column of methanol, cooler and pump. Controlling both of purification process is really important to keep the process in optimum condition. Purification process of DME and methanol used distillation column in temperature up to 190oC and pressure up to 1950 kPa.

Type of control system in this research is Proportional Integral (PI) controller, it is because the controller can handle much process control condition in industry scale. This research used tuning model Ziegler Nichols and Lopez, then compares the performance parameter of Offset, Rise Time, Time of First Peak, Settling Time, Osilation Period, Decay Ratio, Overshoot, Maximum Deviation, Integral Absolute Error (IAE) and Integral Square Error (ISE) by both tuning model. The result of this research can be use to define optimum input and output variable in Purification process of DME and Methanol that can applied in Industry of DME."

"Kinerja pabrik pengolahan gas alam berperan penting untuk menjaga agar dapat mencukupi permintaan gas Indonesia yang meningkat dari tahun ke tahun. Gangguan dalam proses pada pabrik-pabrik tersebut tidak bisa dihindarkan, terutama pada pabrik yang sudah lama beroperasi, proses dalam unit pengolahan gas pun bersifat dinamik. Oleh karena itu, proses tersebut perlu dikendalikan agar berjalan pada kondisi operasi yang optimum. Salah satu solusinya adalah dengan melakukan penyetelan ulang atau re-tuning pengendali pabrik. Dalam studi ini, penyetelan ulang pengendali Proportional Integral (PI) sebuah unit CO2 removal dilakukan berbasis model linear dan sistem multi input multi output (MIMO) menggunakan metode penyetelan Open Loop Ziegler Nichols (ZN), Closed Loop Tyreus Luyben (TL) dan Fine Tuning. Pengecekan pemasangan variabel pada pengendali juga dilakukan dengan menggunakan analisis Relative Gain Array (RGA). Ditinjau dari nilai Integral Square Error (ISE), pengendali dengan setelan fine tuning memberikan pengendalian yang lebih baik dibandingkan pengendali dengan setelan Open Loop Ziegler Nichols dan Closed Loop Tyreus Luben, dengan ISE untuk pengendali PIC 1101, FIC 1102 dan FIC 1103 sebesar 0.3122, 0.2028 dan 0.01944 untuk uji coba set-point dan 0.03681, 0.1116 dan 0.3009 untuk uji coba disturbance. Berdasarkan analisis RGA, pemasangan Controlled Variable (CV) dan Manipulated Variable MV yang di lapangan sudah tepat, yakni CV1-MV1, CV2-MV2 dan CV3-MV3.

---

Indonesian domestic natural gas demand has been increasing since the last couple of years, thus maintaining natural gas production is vital to fulfill the country’s ever so demanding industrial and energy needs. Optimization is key in maintaining production in natural gas processing plants, especially the performance of its operating units. A solution for optimization is the retuning of process controllers of existing plants to better handle process disturbance. This research studies the retuning of a CO2 Removal plant using linear modelling with Ziegler Nichols (ZN), Tyreus Luben (TL) and Fine-Tuning method. Analysis of controller pairing is also done in this study using the Relative Gain Array (RGA) method. The performance of the controller will be evaluated using the Integral Square Error (ISE) value during set-point and disturbance testing. The study has shown that ZN and TL tuning method are not capable of stabilizing the process of a multiple input multiple output system. Fine Tuning method resulted in the best performance with an ISE value of 0.3122, 0.2028 dan 0.01944 on set-point testing, and 0.03681, 0.1116 dan 0.3009 on disturbance testing for controllers PIC 1101,FIC 1102, and FIC 1103.RGA Analysis have shown that the plant controller has been paired correctly based on the recommended pairing, which is CV1-MV1, CV2-MV2 and CV3-MV3"

"Penyetelan ulang pengendali proporsional-integral dilakukan pada proses produksi formaldehida di PT X. Penyetelan ulang dilakukan untuk meningkatkan kinerja controller, karena penyetelan pengendali PI pada pabrik seringkali masih menggunakan metode ziegler-nichols close-loop yang kurang optimal. Model proses akan diestimasi dengan first order plus dead time model (FOPDT), dan kemudian parameter pengendali disetel ulang menggunakan Ziegler-Nichols (PRC), Wahid-Rudi-Victor (WRV), Cohen-Coon, autotuning, dan fine tuning. Kinerja pengendali diuji menggunakan set point (SP) tracking dan disturbance rejection. Integral of square error (ISE) akan digunakan sebagai indikator kinerja. Ada tiga pengendali yang diuji, yaitu, pengendali laju alir steam (FIC-102), pengendali temperatur udara (TIC-101), dan pengendali level tangki (LIC-102). Metode fine tuning memberikan kinerja pengendali yang paling baik untuk FIC-102 dan TIC-101, sedangkan metode autotuning memberikan kinerja pengendali yang lebih baik untuk LIC-102 dibandingkan dengan setelan di lapangan. Peningkatan kinerja untuk set point (SP) tracking adalah 81,59% (FIC-102), 94,11% (TIC-101), dan 85,61% (LIC-102). Sedangkan peningkatan kinerja untuk disturbance rejection adalah 95,5% (FIC-102), 94,53% (TIC-101), dan 93,16% (LIC-102). Pengujian penurunan kapasitas produksi sebesar 12,5% juga dilakukan, dan didapatkan bahwa controller masih mampu mencapai SP. Dengan demikian, penyetelan ulang pengendali PI berfungsi dengan baik.

---

A proportional-integral controller retuning is performed on formaldehyde production process at PT X. Retuning is carried out to improve the control performance, because PI controller in the factory often still uses ziegler-nichols close-loop tuning method which is not optimal. The process model is estimated by a first order plus dead time model (FOPDT), and then the controller parameters is tuned using the Ziegler-Nichols (PRC), Wahid-Rudi-Victor (WRV), Cohen-Coon, autotuning, and fine tuning. The control performance is tested using set point (SP) tracking and disturbance rejection with integral of square error (ISE) as performance indicator. There are three controllers that are tested, i.e., the steam flow controller (FIC-102), air temperature controller (TIC-101), and tank level controller (LIC-102). Fine tuning method give the better control performance for FIC - 102 and TIC-101, while autotuning method gives the better control performance for LIC-102 compared to the previous settings in the field. Performance improvement for set point (SP) tracking are 81.59% (FIC-102), 94.11% (TIC-101), and 85.61% ( LIC-102). While performance improvement for the disturbance rejection are 95.5% (FIC-102), 94.53% (TIC-101), 93.16% ( LIC-102). A test using reduction in production capacity of 12.5% was also carried out, and it was found that the controller was still able to reach SP. Thus, retuning PI controllers work well."

"Kebutuhan gas bumi di Indonesia terus meningkat dan salah satu cara efektif untuk mengangkut gas bumi adalah dengan melakukan proses regasifikasi LNG. Untuk optimasi, sistem pengendali terus dipelajari. Namun, masih memungkinkan untuk sistem terpengaruh dengan gangguan yang menurunkan kinerja pengendali. Untuk mengatasi hal tersebut, multi-loop PI menawarkan pengendali yang mampu mengurangi gangguan dengan mengantisipasinya melalui pengembangan model. Oleh karena itu, penelitian ini bertujuan untuk mengidentifikasi model gangguan berdasarkan first order plus dead time (FOPDT) dan melakukan verifikasi model, serta melakukan de-tuning dengan metode biggest log modulus tuning (BLT) dan menganalisis kinerja pengendali terhadap multivariable model predictive control (MMPC) yang dikembangkan oleh Wahid dan Phenica (2020) pada sistem linier dan nonlinier. Model gangguan berupa suhu dan laju aliran umpan dirancang untuk model set point berdasarkan empat variabel terkontrol, yaitu tekanan tangki storage LNG yang dipertahankan pada 16,5 psia, tekanan keluaran vaporizer pada 444 psia, suhu keluaran vaporizer pada 6˚C, dan suhu gas keluaran heater pada 30˚C. Hasil penelitian menunjukkan bahwa nilai terbaik dari model gangguan FOPDT diperoleh dengan metode Solver. Pengandali muti-loop PI dengan penyetelan BLT memberikan kinerja terbaik dibandingkan dengan multi-loop PI dengan penyetelan Ziegler Nichols ketika diterapkan pada proses regasifikasi LNG linier dan nonlinier. Selain itu, muti-loop PI-BLT pada proses linier menghasilkan kinerja yang lebih baik dibandingkan dengan MMPC pada proses nonlinier. Namun, ketika multi-loop PI-BLT dan MMPC keduanya diterapkan pada proses nonlinier, MMPC masih lebih baik.

---

The demand for natural gas in Indonesia continues to increase over time, and one effective way to transport natural gas is to carry out the LNG regasification process. For optimization, the control system for this process is continuously being studied, yet it is still possible for the system to comply with disturbances that scale down the performance. To overcome this, an approach using multi-loop PI controller offers a control system that reduces disturbance by anticipating it through developing a model. Therefore, this study identifies the disturbance model based on first order plus dead time (FOPDT) and verify the model, as well as performs de-tuning with biggest log modulus tuning (BLT) method and analyzes the performance of the controller against multivariable model predictive control (MMPC) developed by Wahid and Phenica (2020) in linear and nonlinear system. The disturbance model of inlet temperature and feed flow rate is designed for a set point model based on four controlled variables, namely the pressure of the LNG storage tank which is maintained at 16.5 psia, the vaporizer outlet pressure at 444 psia, the vaporizer outlet temperature at 6˚C, and the gas heater outlet temperature at 30˚C. The results showed that the best value of the FOPDT disturbance model was obtained by the Solver method. Muti-loop PI controller with BLT tuning provides the best control performance compared to multi-loop PI with Ziegler Nichols tuning when applied to linear and nonlinear LNG regasification processes. Furthermore, muti-loop PI-BLT in linear process yields better performance compared to MMPC. However, when multi-loop PI-BLT and MMPC are both applied to nonlinear processes, MMPC is still exceptional."

"Untuk meningkatkan kinerja pengendali PI, maka pengendali PI dibuat adaptif dengan menambahkan pengendali fuzzy. Pengendali fuzzy akan menghitung nilai ΔKp dan ΔKi, sehingga nilai Kp dan Ki di pengendali PI akan terus diperbaharui seiring dengan masukan error di pengendali fuzzy maupun PI. Dengan potensi tersebut, pengendali ini akan diterapkan pada salah satu sistem multivariabel yang ada di proses industri kimia, yaitu kolom distilasi. Model kolom distilasi yang digunakan dalam simulasi ini adalah model kolom distilasi linier 2 × 2 McAvoy dan Weischedel seperti yang ditunjukkan dalam Marlin. Simulasi akan dilakukan dengan piranti MATLAB/Simulink dengan bahasa pemrograman C (C MEX S-function). Parameter kinerja pengendali yang digunakan adalah overshoot, settling time, dan IAE (integral absolute error). Berdasarkan hasil pengujian perubahan set point dan gangguan, pengendali fuzzy-PI berhasil meningkatkan kinerja pengendali yang berupa penurunan nilai IAE. Hal ini disebabkan karena Kp dan Ki yang berubah sesuai kondisi sistem, walaupun perubahan yang terlihat tidak signifikan karena penyetelan parameter Kp dan Ki awal yang sudah agresif.

---

To improve the PI controller performance, the PI controller is made to be adaptive by adding a fuzzy controller. The fuzzy controller will calculate the values of ΔKp and ΔKi, so that the values of Kp and Ki in the PI controller will always be updated based on the error input in both PI and fuzzy controller. With these potentials, this controller will be implemented in one of the multivariable systems in chemical processes, which is distillation column. The distillation column model used in this simulation is linear distillation column 2 × 2 by McAvoy and Weischedel as mentioned in Marlin. The simulation will be done with the MATLAB/Simulink software and the program routines are made with C (C MEX S-function). Verification of the control performance improvement will be reviewed from three parameters, which are overshoot, settling time, and IAE (integral absolute error). Based on the set point and disturbance change test, the fuzzy-PI controller succeeded in improving the control performance, which can be seen by the lower values of IAE. This is due to the change in the values of Kp and Ki based on the systems condition, even though the change did not seem to be significant because of the initial values of Kp and Ki used is already aggressive enough.

"