Hasil Pencarian  ::  Simpan CSV :: Kembali

"Penelitian ini bertujuan untuk melakukan optimisasi pada sistem rantai suplai LNG agar didapatkan biaya suplai yang paling murah dari kilang LNG hingga sampai ke FSRU (Floating Storage Regasification Unit) dan juga jumlah LNG yang seharusnya dipasok oleh setiap kilang dengan menggunakan metode optimasi. Metode optimasi harus menentukan fungsi objektif, variabel keputusan dan juga constrain. Untuk mendapatkan biaya suplai yang murah maka akan menggunakan harga dari ex kilang dan harus mendapatkan biaya transportasi yang murah. Kapasitas kapal yang akan digunakan pada penelitian ini adalah 150.000 m3 dan kecepatan 18 knot. Metode pengiriman yang digunakan pada penelitian ini adalah metode Hub and Spoke. Pada penelitian ini yang akan menjadi sumber yaitu Kilang Tangguh, Masela, Donggi Senoro dan Bontang dengan tujuannya FSRU yang terletak dipulau Jawa dan Sumatera. Yang sangat berpengaruh pada biaya suplai adalah jarak dari setiap kilang LNG menuju FSRU. Dan hasil yang didapatkan kilang Bontang menyuplai LNG ke FSRU Aceh 3,0 MTPA selama 20 tahun dengan biaya suplai tahun ke-1 6,3 $/MMBtu. Kilang Tangguh akan menggunakan 2 kapal untuk memasok LNG 2,1 MTPA ke FSRU Jawa Tengah dengan 35 biaya suplai ditahun ke-1 6,64 $/MMBtu dan 0,9 MTPA untuk FSRU Lampung dengan biaya suplai pada tahun ke-1 6,63 $/MMBtu. Kilang Masela akan menggunakan 3 kapal untuk memasok LNG ke FSRU Jawa Tengah 0,9 MTPA dengan biaya suplai pada tahun ke-4 9,50 $/MMBtu dan FSRU Jawa Barat 3 MTPA dengan biaya suplai pada tahun ke-4 yaitu 9,58 $/MMBtu. Kilang Donggi Senoro akan menggunakan 1 kapal untuk memasok LNG ke FSRU Lampung sebanyak 0,6 MTPA dengan biaya suplai pada tahun ke-1 yaitu sebesar 6,7 $/MMBtu.

---

This research aims to optimize the LNG supply chain system in order to get the lowest supply cost from the LNG plant to FSRU (Floating Storage Regasification Unit) and also the amount of LNG that is supposed to be supplied by each plant by using optimization methods. Optimization method must determine the objective function, decision variables and constrain. To get a low supply cost, low price of ex plant and transportation cost must be used. Vessels with capacity of 150,000 m3 and a speed of 18 knots will be used.

Shipping method used in this research is Hub and Spoke. In this study, the LNG source is Tangguh, Masela, Donggi Senoro and Bontang plant with the destination are FSRU located in Java and Sumatra. Supply cost is affected by distance of each LNG plant to the FSRU. From the results, it is obtained that Bontang LNG plant supply 3.0 MTPA to the FSRU Aceh for 20 years with supply cost in the first year $ 6.3 / MMBtu. Tangguh plant will use two ships to supply 2.1 MTPA LNG to Central Java FSRU with first year supply costs of $ 6.64 / MMBtu and 0.9 MTPA to Lampung FSRU with first year supply cost of $ 6.63 / MMBtu. Masela plant will use three ships to supply 0.9 MTPA LNG to the Central Java FSRU with the lowest costs in the 4th year of $ 9.50 / MMBtu and 3 MTPA to west Java FSRU 3 with the lowest supply cost in the 4th year of $ 9.58 / MMBtu. Donggi Senoro will use one ship to supply 0.6 MTPA LNG to Lampung FSRU with supply costs in the first year of $ 6.7 / MMBtu."

"ABSTRAKMMPC (Multivariable Model Predictive Control) digunakan untuk mengontrol suhu dan tekanan di kilang regasifikasi LNG untuk mengatasi masalah yang saling mempengaruhi variabel dan mengurangi jumlah pengontrol. Ada empat variabel yang dikontrol (variabel terkontrol, CV) dan empat variabel yang dimanipulasi variabel, MV). CV yang dikontrol adalah tekanan di tangki penyimpanan LNG yaitu tekanan keluaran vaporizer, suhu keluaran vaporizer, dan suhu gas ke pipa. MV dimanipulasi, yang masing-masing berpasangan dengan CV tersebut, adalah laju aliran produk tank top, laju aliran gas pipa, laju aliran air laut, dan pemanas tugas. Identifikasi Model empiris FOPDT (First Order Plus Dead-Time) akan dilakukan terhadap keempatnya pasang CV dan MV untuk menggambarkan interaksi antar variabel. FOPDT diperoleh digunakan sebagai pengontrol di MMPC dan menentukan pengaturan kinerja kontrol Parameter MMPC yaitu P (prediction horizon), M (control horizon), T (waktu sampling). Kinerja kontrol diukur dengan menggunakan metode ISE (Integral Square Error). Hasilnya, parameter MMPC (P, M, T) untuk kondisi regasifikasi LNG adalah optimum masing-masing adalah 330, 1, 1. Ukuran ISE dari pengontrol MMPC dalam setpoint pelacakan: 2.12 × 10-4; 23.834; 0,763; 0,085, dengan perkembangan kinerja pengontrol masing-masing 31.262%, 17%, 175%, 757% dibandingkan kinerja MPC.

---

ABSTRACTMMPC (Multivariable Model Predictive Control) is used to control temperature and pressure in the LNG regasification plant to overcome the problem of interplaying variables and reducing the number of controllers. There are four controlled variables (controlled variable, CV) and four manipulated variablesvariable, MV). CV that is controlled is the pressure in the LNG storage tank, namely the vaporizer output pressure, the vaporizer output temperature, and the gas temperature to the pipe. MV manipulated, each of which is paired with the CV, is the tank top product flow rate, the pipeline gas flow rate, the seawater flow rate, and the heating duty. Identification of the FOPDT (First Order Plus Dead-Time) empirical model will be carried out on the four CV and MV pairs to describe the interactions between variables. The obtained FOPDT is used as a controller in the MMPC and determines the control performance settings for the MMPC parameters, namely P (prediction horizon), M (control horizon), T (sampling time). Control performance is measured using the ISE (Integral Square Error) method. As a result, the MMPC parameters (P, M, T) for the optimum LNG regasification conditions were 330, 1, 1. ISE size of the MMPC controller in the tracking setpoint: 2.12 × 10-4; 23,834; 0.763; 0.085, with the development of the controller performance respectively 31,262%, 17%, 175%, 757% compared to the performance of MPC."

"Peningkatan kebutuhan energi listrik di Pulau Sulawesi menjadi alasan perlunya penambahan sumber tenaga listrik baru, dengan luas wilayah 193,846 KM2 dan jumlah penduduk mencapai 16 juta jiwa, kebutuhan energi listrik di Pulau ini tumbuh 11% per tahun, dimana kebutuhan energi listrik sebesar 11,672 GWh pada tahun 2015 diperkirakan meningkat menjadi 30,308 GWh pada tahun 2024, sehingga Pulau Sulawesi berpotensi mengalami defisit energi listrik di beberapa daerahnya. Sesuai RUPTL tahun 2016-2025, PT X berencana memanfaatkan LNG sebagai bahan bakar pembangkit listrik (PLTG/MG) yang sedang dipersiapkan seiring dengan program 35.000 MW. Untuk itu, optimasi penting dilakukan untuk mendapatkan biaya distribusi LNG yang minimum. Metode penelitian yang digunakan menggunakan model optimasi perangkat lunak solver (Microsoft excel) dengan objective function meminimalkan biaya distribusi LNG.Dari hasil optimasi berdasarkan empat skenario distribusi LNG yang dipilih dan dari tiga sumber LNG yang akan di distribusikan ke tujuh lokasi pembangkit listrik berbahan bakar gas di Pulau Sulawesi dalam periode satu tahun didapatkan bahwa, metode transportasi yang menghasilkan biaya minimum adalah dengan menggunakan skenario Milk Run untuk masing-masing sumber LNG. Biaya transportasi terendah dari setiap sumber LNG didapatkan dari skenario 1 Bontang, yaitu dengan biaya transportasi diperoleh sebesar 0,81 USD/MMBTU sedangkan jumlah kapal yang digunakan pada metode Milk Run untuk seluruh sumber LNG berjumlah satu buah kapal LNG dengan kapasitas 19.500 m3.

---

Increasing the demand of electric energy in Sulawesi Island is the reason for the need for additional new power source, with the area of 193,846 KM2 and the total population reaches 16 million, the need of electric energy in this island grows 11% per year, where the need of electrical energy is 11,672 GWh in year 2015 is expected to increase to 30,308 GWh in 2024, so that Sulawesi Island has potential to deficit electrical energy in some areas. In accordance with RUPTL 2016-2025, PT X plans to utilize LNG as fuel for power plant (PLTG / MG) which is being prepared along with the 35,000 MW program. Therefore, optimization is important to obtain minimum LNG distribution costs. The research method used using software solver optimization model (Microsoft excel) with objective function minimize LNG distribution cost.

From the optimization results based on the four selected LNG distribution scenarios and from the three LNG sources that will be distributed to seven gas-fired power plant sites on Sulawesi Island within the one-year period it is found that the transportation method that generates the minimum cost is to use the Milk Run scenario for each LNG source. The lowest transportation cost of each LNG source is obtained from scenario 1 Bontang, with transportation cost is 0.81 USD / MMBTU while the number of vessels used in Milk Run method for all LNG sources amounts to one LNG vessel with capacity of 19,500 m3."