Hasil Pencarian  ::  Simpan CSV :: Kembali

"Sistem tata udara presisi adalah sistem yang mengatur lingkungan udara yang cocok untuk peralatan ICT dalam kebinet ruang Datacenter yang khusus melayani penggunaan yang sangat penting dan kritis. Untuk mencegah kerusakan pada peralatan ICT dan pada media penyimpan akibat thermal shutdown, conductive anodic failures, hygroscopic dust failures, corrosion, dan short circuit, sistem tata udara presisi harus dapat mengendalikan temperatur dan kelembaban didalam kabinet, serta mampu beradaptasi terhadap perubahan temperatur akibat perubahan beban panas peralatan IT. Permasalahan yang dihadapi adalah bahwa sistem ini memiliki karakterisitik kompleks dan nonlinier yang sangat kuat yang sangat sukar dikendalikan oleh teknik kendali lanjut linier. Di dalam dissertasi ini diusulkan teknik kendali prediktif nonlinier baru yang disebut sebagai sistem kendali prediktif multi model berbasis supervisi untuk mengendalikan temperatur keluaran sistem tata udara presisi. Algoritma kendali tersusun dari tiga layer, yaitu layer optimasi kendali real-time untuk mengikuti perubahan sinyal acuan, layer adaptasi untuk menyesuaikan model PAC terhadap variasi beban panas, dan layer supervisi untuk menjamin kestabilan. Sistem PAC memiliki rancangan struktur baru yaitu penambahan kondenser sekunder yang berfungsi sebagai reheater untuk menurunkan RH keluaran evaporator. Prinsip kerja dan siklus kompresi uap sistem PAC diilustrasikan dalam psychrometric chart dan diagram enthalpi-tekanan. Model nonlinier sistem PAC diturunkan menggunakan teori pemodelan fisik berdasarkan prinsip konservasi energi dan kesetimbangan massa, dan kemudian dilinierisasi di sekitar titik kerja untuk mengembangkan model ruang keadaan orde-8 yang cocok untuk perancangan pengendali multivariabel. Kualitas model terlinierisasi dianalisa dari aspek respons transien, sifat controllability dan observability, dan interaksi antar variabel masukan-keluaran. Sebuah model nonlinier yang disebut sebagai multi model linier diusulkan dimana matriks parameter model diestimasi oleh algoritma identifikasi N4SID menggunakan himpunan data eksperimen masukankeluaran. Kontribusi utama dari dissertasi ini adalah multi model linier dapat diestimasi secara bertingkat dimana tiap tingkat identifikasi mempertahankan hubungan linier antar matriks parameter. Konsep model bertingkat ini juga mempermudah perancangan pengendali prediktif multi model dengan tetap mempertahankan optimasi kendali sebagai permasalahan quadratic programming. Mekanisme adaptasi pengendali prediktif dibentuk dengan memperbaharui model prediksi menggunakan algoritma N4SID rekursif. Untuk menjamin kestabilan sistem PAC dan menghindari fenomena bursting, algoritma deteksi ketidakcukupan eksitasi sinyal masukan dan monitoring sinyal diturunkan dalam persamaan rekursif, sehingga penambahan waktu komputasi tidak signifikan. Komputasi rekursif pada layer supervisi menjadi kontribusi terakhir. Kualitas model nonlinier hasil pemodelan fisik dan identifikasi bertingkat divalidasi melalui simulasi dan uji eksperimen baik secara kualitatif maupun kuantitatif. Sebagai indikator kinerja validasi model digunakan kriteria loss function dan kriteria final prediction error. Dari hasil uji simulasi dan eksperimen, hanya multi model linier menunjukkan kinerja model yang baik dari aspek kemampuan meniru karakteristik nonlinear sistem PAC dan nilai parameter analisa model yang baik, sehingga model ini cocok dipakai pada perancangan pengendali. Algoritma kendali yang diusulkan juga diverifikasi baik dalam kasus uji simulasi dan eksperimen, dan menunjukkan kemampuannya untuk menjejaki perubahan sinyal acuan.

---

Precision air conditioning (PAC) is a system that regulate air environment suitable for ICT equipments inside the cabinet of Datacenter room which serves very important and critical works. In order to overcome damage on ICT equipments and media storage due to thermal shutdown, conductive anodic failures, hygroscopic dust failures, corrosion, and short circuit, the PAC should be able to control the temperature and relative humidity inside the cabinet, and also able to adapt againts temperature change caused by interaction with humans, change of environment temperature, and change of heat load of ICT equipments.

The problem encountered is that the PAC shows complex and highly nonlinear dynamics that is usually very difficult to control with linear advanced control systems. In this Dissertation, a new nonlinear predictive control called a supervision-based multi model predictive control to regulate the temperature outlet of PAC is presented. The proposed control algorithm consists of three layers, they are the optimization of real-time control layer for tracking the given set points, the adaptation layer for adjusting the PAC model againts variation of heat load, and the supervision layer for guarantee the closed loop stability.

The work mechanism and vapourcompression cycle for the PAC system are illustrated using psychrometric chart and enthalpypressure diagram. A nonlinear model is derived using physical modeling theory based on the conservation of mass and energy balance principles, and then linearized about operating points for developing a 8th order state space model suited for multivariable control design. The quality of linearized model is analyzed in terms of response transient, controllability, observability, and interaction between input-output variables. A nonlinear model called multi linear model is proposed where the model parameter matrices are estimated by N4SID algorithm using a set of input-output data.

The main contribution of this dissertation is that the multi linear model can be estimated using multi-stage subspace identification algorithm, where the relationship between model parameter matrices is still maintained linear. The concept of multi level models also simplify the design of multi model predictive controller retaining control optimization as a quadratic programming problem. The adaptation mechanism is performed by updating the prediction model using recursive N4SID algorithm.

In order to guarantee system stability and to overcome bursting phenomena, a detection algorithm of less excitation signal and signals monitoring are derived in recursive forms, so that the control algorithm needs no significant additional computing power. The recursive computation in supervision layer is the last contribution for this dissertation. Quality of nonlinear model from physical modeling and system identification is validated through simulation and experimental test both qualitatively and quantitatively. Loss function and final prediction error are choosed as a performance criteria of model validation.

From the simulation and experimental results, only the multi linear model shows good modeling performance in terms of ability to mimic the nonlinear behavior of PAC system and good parameter value of model analysis. The proposed control algorithm is also verified in case of simulation and experimental test showing its ability to track the set-point change."

"Sistem tata udara presisi atau yang lebih dikenal dengan Precision Air Conditioning (PAC) merupakan mesin refrigerasi yang bekerja berdasarkan konsep termodinamika. Sistem tata udara presisi digunakan di ruang pusat data untuk menjaga temperatur dan kelembaban di dalam kabinet agar peralatan IT di dalam kabinet tidak cepat rusak. Temperatur ideal yang harus dicapai di dalam kabinet berkisar antara 20º - 25ºC, sedangkan kelembaban relatif (RH) yang harus dijaga di dalam kabinet berkisar antara 45-55%. Namun untuk mencapai keadaan tersebut, dibutuhkan pengendalian sistem supaya sistem dapat bekerja dengan keluaran seperti yang diinginkan.Model predictive control merupakan salah satu metode pengendali prediktif yang populer digunakan di dunia indutri. Sistem tata udara presisi yang dikendalikan dalam penelitian ini merupakan sistem multi input single output (MISO) dengan masukan berupa kecepatan putaran kipas kompresor dan kecepatan aliran udara volumetrik, dan keluaran yang dikendalikan adalah suhu keluaran dari kondenser kedua yang menuju kabinet dari sistem tata udara presisi. Diuji tiga model sistem tata udara presisi, model linier, model nonlinier tanpa beban heat sensible peralatan IT, dan model nonlinier dengan beban sensible peralatan IT yang divariasikan dengan pendekatan model linier biasa hasil identifikasi PO-MOESP dan model linier dengan vektor bias hasil identifikasi menggunakan metode kuadrat terkecil.Hasil pengendalian MPC untuk ketiga plant sistem tata udara presisi menujukkan performa yang baik dalam pengendalian, dilihat dari keluaran sistem yang mengikuti trajektori acuan yang diberikan.

---

Precision Air Conditioning (PAC) is a refrigerant machine that works based on thermodynamics concept. PAC is in implemented data center in order to stabilize the temperature and the humidity in cabinet in order to prevent IT damage integrated in the cabinet. The desired ideal temperature for the cabinet is from 20oC to 25oC and the desired relative humidity (RH) is from 45-55%. However, to achieve such a state, it takes control of the system so that the system can work with the output as desired.

Model predictive control is a predictive control method which is popularly used in industries world. Precision air conditioning system are controlled in this study is a multi-input single output (MISO) system with input in the form of fan rotation speed of the compressor and the air volumetric flow rate, and the controlled output is the temperature of the output of the second condenser to the cabinet of the precision air conditioning system. Tested three models of precision air conditioning system, linear models, nonlinear models without the burden of sensible heat IT equipment, and nonlinear models with variation of sensible heat IT equipment load with ordinary linear model approach to the identification of PO-MOESP and linear models with bias the results of identification using the method least squares.

MPC control results for the third plant of PAC systems showed good performance in control, viewed from the system output to follow a given reference trajectory."

"Model sistem tata udara presisi dimodelkan sebagai sebuah sistem multivariable dengan dua output yaitu temperature dan kelembaban dan dua input yaitu kecepatan putaran motor dan bukaan valve. Pada model ini ada masalah coupling diantara input dan outputnya. Model Predictive Control (MPC) adalah salah satu cara untuk mengatasi masalah coupling dalam sistem multivariable. Pengendali MPC dirancang tanpa constraints untuk menentukan agoritma yang handal.Dari hasil simulasi nampak bahwa parameter-parameter pengendali yang terbaik adalah horizon Hp=10, Hu=4, matrik pembobotan R=0.1, dan Q=3. Dengan parameter ini respon keluarannya mengikuti sinyal set point.

---

Precision Air Conditioning model is defined as a multivariable system with two outputs Temperature and humidity and two inputs, the speed of motor compressor and valve opening. There will be a coupling problem between inputs and outputs. Model Predictive control (MPC) is a way to counter a coupling problems in multivariable system. MPC controller is designed without constraints addition to determine the reliable algorithm.

From the simulation result, it can be seen that the best parameters controller are horizon Hp=10, Hu=4, weighting matrix R=0.1 and Q=3. In this parameter, the output response equal to the trajectory or set point signal."

"Penelitian ini bertujuan untuk merancang sebuah sistem control dari sebuah robot inverted pendulum menggunakan Model Predictive Control. Dalam penelitian akan digunakan sensor sudut dan posisi sebagai data masukkan untuk komputasi nilai keluaran yang optimal yang perlu diberikan kepada servo dan motor. Komputasi akan dilakukan di komputer yang dihubungkan dengan robot menggunakan protokol komunikasi UART. Program pada komputer juga akan menampilkan kondisi robot. Model Dinamika yang digunakan akan disimulasikan terlebih dahulu sebelum digunakan. Robot dapat mengirimkan data dari sensor dan menjalankan keluaran optimal yang sudah dikomputasi.

---

This research is aimed to design a control system from inverted pendulum robot using Model Predictive Control. This research will be using angular and position sensor as input for computing the optimal output for the motor and servo. The computation will be done by a computer that is connected with the robot using UART Communication Protocol. The program that is runned by the computer will also display the robot condition. Dynamics model that will be used will be simulated first before real application. The inverted pendulum robot is able to send data from sensor to the computer and run the optimal output that has been computed."

"Model Predictive Control is an important technique used in the process control industries. It has developed considerably in the last few years, because it is the most general way of posing the process control problem in the time domain. The Model Predictive Control formulation integrates optimal control, stochastic control, control of processes with dead time, multivariable control and future references. The finite control horizon makes it possible to handle constraints and non linear processes in general which are frequently found in industry. Focusing on implementation issues for Model Predictive Controllers in industry, it fills the gap between the empirical way practitioners use control algorithms and the sometimes abstractly formulated techniques developed by researchers. The text is firmly based on material from lectures given to senior undergraduate and graduate students and articles written by the authors"

"Penggunaan komponen pasif pada sistem suspensi kendaraan mempunyai beberapa kelemahan, yaitu sistem tidak dapat menyesuaikan dengan kondisi permukaan jalan yang mengurangi kenyamanan serta keamanan dalam berkendara. Untuk mengatasi masalah tersebut dapat dilakukan dengan menambahkan komponen aktif pada sistem suspensi pasif, yang kemudian lebih dikenal dengan sistem suspensi semi-aktif. Sumber tenaga eksternal tidak diperlukan pada suspensi semi-aktif, sehingga hanya perlu mengubah damping koefisien pada damper. Dengan mengendalikan output berupa suspension deflection dari gangguan eksternal berupa kontur jalan pada model kendaraan full car diperlukan pengendali yang prediktif. Salah satu pengendali prediktif yang umum digunakan dan sudah teruji adalah Model Predictive Control (MPC). MPC digunakan untuk mengendalikan sistem suspensi semi-aktif hasil dari identifikasi sistem dengan metode identifikasi least square bertingkat. Pada laporan skripsi ini diajukan metode simulasi untuk hasil kinerja dari sistem yang akan diuji dengan menggunakan perangkat lunak MATLAB. Sedangkan untuk pengambilan data dan melihat hasil kinerja simulasi pada model kendaraan dengan menggunakan simulator Carsim.

---

The use of passive components in vehicle suspension systems has several disadvantages, one of them is the system cannot adjust to road surface conditions that reduce comfort and safety in driving. To overcome this problem can be done by adding active components to the passive suspension system, which is then better known as a semi-active suspension system. External power sources are not required for semi-active suspensions, so only need to change the damping coefficient on the damper. By controlling the output in the form of suspension deflection from external disturbances in the form of road contours on a full car vehicle model, a predictive controller is needed. One predictive controller that is commonly used and tested is the Model Predictive Control (MPC). MPC is used to control the semi-active suspension system as a result of identifying the system with the multistage least square identification method. In this thesis report, a simulation method is proposed for the performance results of the system to be tested using MATLAB software. Meanwhile, to data collecting and see the performance results on vehicle models using the Carsim simulator."

"Pengendalian level fluida di dalam tabung dan pengendalian aliran fluida antar beberapa tabung merupakan permasalahan dasar dalam industri proses. Masukan aliran fluida ke dalam tabung dan antar tabung haruslah dijaga pada kondisi tertentu sehingga keluaran sistem bisa sesuai dengan yang diinginkan. Berbagai macam pengendali dirancang untuk mengendalikan level fluida ini dengan baik, sehingga error yang dihasilkan pun semakin bisa diminimalisir. Pengendali PID dan MPC merupakan contoh pengendali yang bisa digunakan dalam mengontrol level fluida tersebut.Di dalam seminar tesis ini akan dirancang pengendali PID (Proportional-Integral-Derivative) dan Model Predictive Control (MPC) untuk mengendalikan level fluida di dua tangki terhubung. Sebelum pengendali PID dan MPC ini dirancang, model non-linier terlebih dahulu dibentuk bedasarkan sistem dua masukan aliran fluida dan dua keluaran sistem berupa ketinggian level fluida pada kedua tabung. Model non-linier sistem multivariabel (Two Input Two Output - TITO) ini kemudian dilinierisasi pada titik kerja yang dipilih untuk memperoleh nilai ruang keadaan A, B, C dan D yang kemudian digunakan untuk membentuk fungsi alih sistem. Selain proses linierisasi, identifikasi dengan metode Kuadrat Terkecil juga dilakukan untuk menghasilkan model linier sistem yang baru sebagai pendekatan dalam mengontrol model non-linier sistem dengan MPC.Dalam sistem multivariabel coupled-tanks ini masih terdapat interaksi yang kuat antar variabel masukan-keluaran, sehingga fungsi alih dekopler pun dirancang untuk mengurangi atau menghilangkan efek kopling antar variabel masukan-keluaran ini. Pengendali PID dan MPC yang dirancang akan digunakan dalam simulasi untuk mengendalikan model linier/fungsi alih (dengan dekopler) dan model non-linier sistem.Hasil simulasi pengendali PID dan MPC untuk model linier menunjukkan respon sistem yang baik, dimana waktu settling-nya cenderung relatif kecil. Juga hasil simulasi pengendali PID dan MPC untuk model non-linier, meskipun menunjukkan respon sistem yang cenderung lambat, masih bisa dikatan relatif baik. Setelah membandingkan hasil simulasi sistem dengan pengendali PID dan MPC yang dirancang, maka MPC merupakan pengendali yang lebih baik digunakan untuk mengendalikan sistem multivariabel coupled-tanks ini.

---

The control of liquid level in tanks and flow between tanks is a basic problem in the process industries. The amount of liquid flowed into tanks and the flow of liquid between tanks has to be maintained at certain conditions in order to meet the desired performances. Many controllers have been designed to control the liquid level in tanks with the intention of reducing errors during and or after control process. PID controller and MPC are two of many controllers that could be designed to control the liquid level in tanks.

In this Master's thesis, PID (Proportional-Integral-Derivative) controller and Model Predictive Control (MPC) are designed to control the liquid levels in two coupled tanks. Before designing PID controller and MPC, the complete nonlinear dynamic model of the plant needed to be introduced for a case involving two input flows of liquid and two output variables, which are the level of the liquid in two tanks.

This multivariable (Two Input Two Output - TITO) nonlinear model would be then linearised based on selected operating point in order to obtain the value of state-space variables A, B, C and D. These values are converted to transfer function form. Besides that, system identification with Least Square method is also used to yield a new state-space model as an approach model to control the nonlinear model with MPC. Due to the high interactions between input-output variables, decoupler needed to be designed with the aim of reducing or eradicate these between input-output variables coupling effects. Afterwards, the designed PID controller and MPC will be used in simulation in controlling the linear model/transfer function (with decoupler) and the nonlinear model of the coupled-tanks multivariable system.

The result of simulation using PID controller and MPC in controlling the linear model of the system shows good performance in terms of rise time and settling time. In Addition, the result of simulation using nonlinear model, despite the slow system's response, shows satisfactory performance in terms of steady-state behavior, in which the output signals eventually meets the desired reference signals. After comparing the results of system simulation both with PID Controller and MPC, the writer may then infers that MPC is the better one to control this coupled-tanks multivariable system."

"Generalized Predictive Control merupakan suatu metode perancangan pengendali swatala berbasis model proses, yaitu model proses digunakan secara eksplisit untuk mendisain pengendali dengan meminimumkan suatu fungsi kriteria. Oleh karena itu, untuk mendapatkan performa pengendali yang baik diperlukan juga metode identifikasi model yang baik pula. Pada percobaan ini dilakukan perancangan dan implementasi pengendali swatala pada Pressure Process Rig (Feedback 38-714) dengan menggunakan metode Recursive Least Square sebagai estimator dan Generalized Predictive Control sebagai aturan sintesa parameter pengendali. Pada percobaan dilakukan pengendalian dengan horizon, N , yang tetap sebesar 3. Pada percobaan pertama dilakukan simulasi pengendalian model linear Pressure Process Rig dengan menggunakan nilai faktor pembobot, hGPC. sebesar 4 dan faktor pelupaan, hRLS, sebesar 0,9999. Simulasi ini menunjukkan keberhasilan pengendalian model linear Pressure Process Rig karena keluaran sistem yang dihasilkan dapat mengikuti pergerakan setpoint dan juga galat tunak dapat hilang dalam waktu yang singkat. Percobaan berikutnya merupakan pengendalian sistem nyata Pressure Process Rig dengan menggunakan beberapa nilai hGPC dan hRLS yang divariasikan. Dari hasil percobaan diketahui bahwa nilai hGPC sebesar 2 dan nilai hRLS sebesar 0,9999 merupakan nilai yang tepat digunakan agar performa pengendali dapat maksimal. Dengan nilai ini pengendali dapat melakukan fungsinya secara maksimal, yang ditandai dengan kecilnya nilai settling time. Dari percobaan ini juga diketahui bahwa semakin kecil nilai faktor pembobot, hGPC maka semakin cepat tanggapan sistem, selain itu apabila nilai faktor pelupaan, hRLS, semakin mendekati satu maka pergerakan theta semakin tidak terpengaruh oleh derau."

"Pada sistem kendali konvensional, batasan-batasan seperti amplitudo dan slew rate sinyal kendali tidak diperhitungkan pada proses pengendalian. Hal ini tentu dapat menyebabkan hasil kendali menjadi kurang baik, terutama jika terjadi pemotongan paksa terhadap sinyal kendali sebelum masuk ke plant. Untuk mengatasi hal tersebut dirancanglah suatu pengendali MPC. Dengan MPC, keluaran proses yang akan datang dapat diprediksi dan batasan-batasan yang ada tidak diabaikan sehingga keluaran sistem menjadi bagus. Selain keluaran sistem menjadi bagus, adanya batasan juga dapat membuat kinerja alat menjadi optimal. Pada skripsi ini, sistem yang akan dikendalikan dengan metode MPC dengan constraints adalah Coupled-Tank Basic Process Rig 38-100. Model yang digunakan pada perancangan pengendali berbentuk ruang keadaan yang didapat dengan menggunakan metode Kuadrat Terkecil berdasarkan pada data masukan dan data variabel keadaan alat. Masukan sistem adalah tegangan pompa pada tangki pertama dan keluaran yang akan dikendalikan adalah ketinggian air pada tangki kedua. Dari uji eksperimen terbukti bahwa metode pengendali MPC dengan constraints memberikan hasil yang lebih baik dibandingkan dengan metode Aturan Kendali Ruang Keadaan. Hal tersebut dapat terlihat dari tanggapan sistem, dimana tanggapan sistem dengan menggunakan metode MPC lebih cepat serta tidak adanya overshoot maupun undershoot pada keluaran sistem saat terjadi perubahan nilai trayektori acuan.

---

In conventional control system, constraints, such as amplitude and slew rate of input signal are not computed in control process. This matter of course can make the control result become worst, especially when force cutting occur to input signal before it enters to the plant. To solve those problems, a MPC controller is designed. With MPC, process output can be predicted and the existence of constraints will not be ignored and, as the result, it makes output system become well. Besides improve output system quality, the existence of the constraints can also make the device works at optimum condition everytime.

In this following final thesis, system that will be controlled by MPC with constraints method is Coupled-Tank Basic Process Rig 38-100. Model that is used in controller design has state space form. This model is formed by using Least Squares method based on input and state variable data. Input system is pump in first tank and output that will be controlled is water level in second tank.

Experiments prove that MPC with constriants give better result than State Controller method. With MPC, system response become faster and there are no overshoot nor undershoot when the set point change."

"Turbo expander TE dan Model Predictive Control MPC diusulkan untuk digunakan pada unit depropanizer untuk meningkatkan recovery propana dan memperbaiki kinerja pengendalian di unit tersebut. Model yang digunakan dalam MPC adalah model first-order plus dead time FOPDT, yang diuji kinerja pengendaliannya menggunakan pengujian perubahan set point SP dan gangguan, dengan ukuran kinerjanya menggunakan integral of absolute error IAE. Hasilnya menunjukkan bahwa penggunaan TE pada depropanizer mampu meningkatkan recovery propana sebesar 8,44 dari 82,11 menjadi 90,55. Sedangkan untuk struktur pengendalian, digunakan pengendalian tekanan pada TE menggunakan pengendali proportional-integral, PI, pengendalian komposisi propana pada aliran distilat menggunakan MPC dan pengendalian tekanan kolom depropanizer menggunakan MPC. Setelah melakukan pengujian perubahan SP didapatkan bahwa kinerja pengendali MPC pada pengendali komposisi dan pengendali tekanan depropanizer dapat memperbaiki kinerja pengendali PI sebesar 1,62 dan 93,40. Sedangkan pada pengujian terjadinya gangguan didapatkan bahwa kinerja pengenali MPC pada pengendali komposisi dan pengendali tekanan depropanizer dapat memperbaiki kinerja pengendali PI sebesar 60,54 dan 6-,21 sehingga pengendali MPC lebih baik dibandingkan pengendali PI untuk digunakan pada pengendali komposisi dan pengendali tekanan pada depropanizer yang menggunakan Turbo Expander.

---

Turbo expander TE and Model Predictive Control MPC is suggested for depropanizer unit to increase propane recovery and improve control performance of the unit. The model used in the MPC is first order plus dead time FOPDT, which tested the performance of the control using set point and disturbance change test with measurement of the performance using integral of absolute error IAE. As a result, use of TE in the depropanizer able to increase recovery of propane of 8,44 from 82.11 to 90.55. As for the control structure, pressure control is use on the TE using proportional integral control, composition control in the distillate flow using MPC, and pressure control in depropanizer column using MPC.

After doing SP changed test, the result showed performance of MPC controller at composition control and pressure control in depropanizer can improve performance compared by PI controller of 1.62 and 93.40. and then for disturbance rejection test, the result showed the MPC controller perfromance can improve PI controller performance at composition control and pressure control in depropanizer is able to improve PI controller performance by 60.54 and 60.21. So that, MPC controller is better than PI controller if it use at composition controller and pressure controller in depropanizer unit with Turbo Expander."