Hasil Pencarian  ::  Simpan CSV :: Kembali

"Produksi dimetil eter (DME) dapat menggunakan proses indirect. Pada proses indirect, terdapat proses yang penting, yaitu sintesis metanol dan sintesis DME. Untuk memastikan proses ini dapat berlangsung secara optimum, perlu dilakukan pengendalian. Pengendali yang digunakan adalah Model Predictive Control (MPC), yang menggunakan model FOPDT secara langsung dalam pengendaliannya. Untuk mendapatkan model FOPDT terbaik (IAE terkecil), dilakukan reidentifikasi sistem dari model sebelumnya, sedangkan proses optimasi dilakukan dengan penyetelan terhadap parameter-parameter pengendali MPC: waktu sampel (T), prediction horizon (P), dan control horizon (M). Pengendalian dilakukan pada unit heater, cooler, compressor, dan reaktor sistesis dimetil eter (pengendali konsentrasi). Hasil perancangan sistem pengendalian menggunakan MPC ini memberikan kinerja yang lebih baik dibandingkan dengan pengendai PI, dengan pengurangan kesalahan masing-masing unit sebagai berikut: 29,62% (IAE) dan 1,51% (ISE) untuk TC Heater 1; 51,69% (IAE) dan 79,04% (ISE) untuk TC Heater 2; 67,44% (IAE) dan 82,24% (ISE) untuk TC Cooler 1; 49,07% (IAE) dan 67,26% (ISE) untuk TC Cooler 2; 56,75% (IAE) dan 53,03% (ISE) untuk PC Compressor; 4,46% (IAE) dan 50,00% (ISE) untuk CC DME.

---

Production of dimethyl ether (DME) can use indirect process. In indirect process, there are two important processes which are methanol synthesis and DME synthesis. To ensure this process going optimally, controlling is needed. The controller that can be used is Model Predictive Control (MPC), which uses FOPDT model directly in controlling. To get the best FOPDT model (the least IAE), system reidentification is done from the previous model while the optimizing process is done by adjusting the parameters of MPC controllers: the time of sample (T), prediction horizon (P), and the control horizon (M). The controlling is done by units of heater, cooler, compressor, and reactor of dimethyl ether synthesis (the concentration controller). The result of this control system design using MPC provides better performance than PI controller by decreasing the errors for each unit as follows: 29,62% (IAE) and 1,51% (ISE) for TC Heater 1; 51,69% (IAE) and 79,04% (ISE) for TC Heater 2; 67,44% (IAE) and 82,24% (ISE) for TC Cooler 1; 49,07% (IAE) and 67,26% (ISE) for TC Cooler 2; 56,75% (IAE) and 53,03% (ISE) for PC Compressor; 4,46% (IAE) and 50,00% (ISE) for CC DME."

"Kemampuan produksi minyak di Indonesia semakin menurun sejak tahun 1997 hingga sekarang sedangkan kebutuhan produk minyak/ BBM menunjukkan kecenderungan yang semakin meningkat. Maka produk dimetil eter (DME) dapat digunakan sebagai sumber energi alternatif yang lebih ramah lingkungan dan berkelanjutan. Pada pabrik purifikasi DME ini, umpan dengan komposisi DME, metanol dan air akan dipisahkan sehingga diperoleh DME murni dengan konsentrasi 99%. Dalam proses produksinya, unit-unit proses mengalami banyak gangguan yang berdampak pada menurunnya efisiensi dan kestabilan operasi dan juga berpengaruh pada aspek keselamatan.Pada penelitian ini, pengendali Model Predictive Control (MPC) memiliki kinerja yang lebih baik dibanding pengendali PI dalam mengatasi gangguan dengan penurunan integral of absolute error (IAE) sebesar 40,08% hingga 96,26% dari pengendali PI. Parameter penyetelan (tuning) pada pengendali MPC yang berupa sampling time (T), prediction horizon (P), dan control horizon (M) dicari menggunakan metode non-adaptive dan fine tuning. Analisis kelaikan ekonomi pemasangan MPC menunjukkan bahwa payback period adalah sebesar 14,5 tahun dan 13,4 tahun serta net present value (NPV) sebesar -11juta rupiah dan -9,3 juta rupiah pada skenario gangguan umpan 5% dan 8% secara berturut-turut, sehingga penggantian pengendali dari PI menjadi MPC pada pabrik purifikasi DME secara ekonomi tidak menguntungkan.

---

Oil and gas production in Indonesia always decreasing since 1997 until now, and yet the need of oil and fuel product show increasing trajectory. Dimethyl ether (DME) can be used as altenative energy source, it is environmentally safe and sustainable. In this DME purification plant, feed stream containing DME, methanol, and water mixture is separated to obtain DME with 99% purity. In its production process, process unit in DME plant must get disturbances that will affect to the decreasing of process efficiency, operation stability and even safety aspect.

In this research, Model Predictive Control (MPC) has better performance than PI controller in order to overcome disturbances with error (IAE) reduction ranging from 40,08% up to 96,26% than PI controller. Tuning parameters in MPC controller, which are sampling time (T), prediction horizon (P) and control horizon (M), are estimated by both non-adaptive and fine tuning method. Economic feasibility analysis on MPC controller implementation shows that the payback period is 14,5 years and 14,3 years, then NPV -11 million rupiah and -9,3 million rupiah in disturbance scheme of 5% and 8% respectively . Hence, it is not economically feasible to change PI controller into MPC controller on dimethyl ether purification plant."

"Dimetil eter DME sebagai energi alternatif yang bersih telah mendapat perhatian dalam beberapa tahun terakhir. Produksi DME dengan distilasi reaktif memiliki potensi untuk menghemat biaya kapital dan penggunaan energi. Meski begitu, kombinasi sistem reaksi dan distilasi dalam satu kolom membuat proses distilasi reaktif menjadi sistem multivariabel yang kompleks dengan perilaku proses yang sangat non linear dan adanya interaksi antar variabel proses yang kuat. Studi ini menginvestigasi pengendalian proses distilasi reaktif DME dengan multivariable Model Predictive Control MPC berdasarkan struktur pengendalian suhu dua titik untuk menjaga kemurnian kedua aliran produk. Model proses diestimasi dengan model first-order plus dead time. Kemurnian DME dan air masing-masing dijaga dengan mengendalikan suhu tahap 5 di zona rektifikasi dan suhu tahap 47 pelucutan. Hasil simulasi menunjukkan bahwa nilai integral of squared error ISE untuk perubahan set point suhu tahap 5 dan 47 dapat dikurangi masing-masing 19,89 dan 18,26 untuk sistem dengan pengendali multivariable MPC dibandingkan dengan pengendali PI konvensional. Selain itu, pengendali multivariable MPC mampu menangani interaksi lup pengendalian yang ditunjukkan oleh respon yang lebih stabil dan tidak berosilasi.

---

Dimethyl ether DME as an alternative clean energy has attracted a growing attention in the recent years. DME production via reactive distillation has potential for capital cost and energy requirement savings. However, combination of reaction and distillation on a single column makes reactive distillation process a very complex multivariable system with high non linearity of process and strong interaction between process variables. This study investigates a multivariable model predictive control MPC based on two point temperature control strategy for the DME reactive distillation column to maintain the purities of both product streams. The process model is estimated by a first order plus dead time model. The DME and water purity is maintained by controlling stage 5 temperature in rectifying section and stage 47 in stripping section, respectively. The results show that the integral of squared error ISE values for the set point tracking in stages 5 and 47 temperatures can be reduced, respectively, 19.89 and 18.26 for the system under multivariable MPC controller compared to the conventional PI controllers. In addition, the MPC controller is able to handle the loop interactions that is shown by more stable and non oscillatory responses."

"Hidrogen merupakan salah satu zat/gas yang sangat banyak kegunaannya, terutama dalam industri kimia. Banyaknya unit pada sebuah pabrik membuat banyak gangguan yang akan terjadi pada suatu proses pabrik, gangguan tersebut akan berdampak kepada keefektifan dan kestabilan operasi pabrik tersebut yang juga berpengaruh kepada lingkungan sekitar. Kompresor dan steam reformer merupakan unit-unit yang penting dalam pabrik biohidrogen dari biomassa. Kompresor berguna untuk mencapai tekanan tinggi pada kondisi operasi selanjutnya sedangkan Steam Reformer merupakan proses utama dari pabrik ini yang berguna untuk menghasilkan gas H2. Model Predictive Control (MPC) merupakan suatu pengendali yang dapat bekerja dengan basis model yang diharapkan akan menghasilkan kinerja yang lebih baik daripada pengendali lainnya. Pemodelan proses dilakukan dengan menggunakan model empirik sedangkan proses optimasi dilakukan dengan penyetelan terhadap paramter-parameter pengendali MPC seperti waktu sampel (T), prediction horizon (P), dan control horizon (M). Hasil pengendalian tekanan kompresor dan suhu steam reformer adalah pengendali MPC memiliki kinerja yang lebih baik dari pada pengendali PI dengan melakukan reidentifikasi sistem untuk mendapatkan pemodelan yang sesuai.

---

Hydrogen is one of the substances / gases that used by people, especially in the chemical industry. The number of units in a factory making many distractions that will occur in a process plant, the interference will affect the effectiveness and stability of the plant's operations that also affect the surrounding environment. Compressors and a steam reformer are the important units in biohidrogen from biomass plant. The compressor is useful for achieving high-pressure operating conditions while Steam Reformer next is the main process of this plant are useful to produce H2 gas.

Model Predictive Control (MPC) is a controller that can work with the base model is expected to has better performance than other controllers. Process modeling is done by using the empirical model while the optimization process is done by setting the parameter-MPC controller parameters such as sample time (T), prediction horizon (P), and the control horizon (M). The results of the compressor pressure control and temperature control of steam reformer is the MPC controller has better performance than the PI controller by performing system reidentification to obtain appropriate model."

"ABSTRAKMasalah penurunan produksi minyak bumi di Indonesia telah terjadi sejak tahun 2000. Negara Indonesia telah menjadi importir minyak bumi sejak tahun 2003 dengan nilai impor 100 ribu barel per hari yang terus meningkat dari waktu ke waktu hingga tahun 2014. Hal ini disebabkan oleh kebutuhan untuk energi dan bahan bakar di Indonesia terus meningkat. Masalah ini dapat diatasi dengan menggunakan Dimethyl Ether (DME) sebagai sumber bahan bakar alternatif dengan beberapa manfaat dibandingkan dengan bahan bakar fosil. Penelitian tentang desain pabrik DME terus dilakukan, salah satu studi yang dilakukan berjudul Produksi DME dari Gas Sintetis untuk Aditif Bahan Bakar Mesin Diesel dan Campuran LPG. Namun, hasil desain masih memerlukan kontrol proses untuk mencapai proses produksi yang optimal. Penelitian tentang sistem kontrol proses di pabrik ini telah dilakukan, tetapi masih belum menghasilkan sistem kontrol proses yang optimal. Sistem kontrol Multivariable Model Predictive Control (4x4) dapat diterapkan pada desain pabrik ini. Parameter MMPC (4x4) optimal dalam bentuk T, P, dan M dalam proses pemurnian DME dari campuran metanol secara berurutan adalah 25, 18, dan 41. Parameter ini merupakan hasil kombinasi dari metode Shridhar-Cooper dan fine tuning. Jika dibandingkan dengan MPC, MMPC (4x4) memberikan peningkatan kinerja kontrol dari 15,46% menjadi 94,7% bila dilihat dari IAE dan 10,31% hingga 97,726% bila dilihat dari ISE. Dengan demikian sistem MMPC (4x4) memberikan kinerja kontrol yang lebih baik dibandingkan dengan sistem MPC.

---

ABSTRACTThe problem of decreasing petroleum production in Indonesia has occurred since 2000. The Indonesian state has been an importer of petroleum since 2003 with an import value of 100,000 barrels per day which continues to increase from time to time until 2014. This is due to the need for energy and fuel in Indonesia continues to increase. This problem can be overcome by using Dimethyl Ether (DME) as an alternative fuel source with several benefits compared to fossil fuels. Research on the design of the DME plant continues to be carried out, one of the studies conducted was entitled Production of DME from Synthetic Gas for Diesel Engine Fuel Additives and LPG Blends. However, the design results still require process control to achieve optimal production processes. Research on the process control system at this plant has been carried out, but it has not yet produced an optimal process control system. The Multivariable Model Predictive Control (4x4) control system can be applied to this factory design. The optimal MMPC (4x4) parameters in the form of T, P, and M in the DME refining process from methanol mixtures respectively are 25, 18, and 41. These parameters are the result of a combination of the Shridhar-Cooper method and fine tuning. When compared to MPC, MMPC (4x4) gives an increase in control performance from 15.46% to 94.7% when viewed from IAE and 10.31% to 97.726% when viewed from ISE. Thus the MMPC system (4x4) provides better control performance compared to the MPC system."

"ABSTRAKSelama ini DME (dimetil eter) disintesis dari metanol dalam satu reaktor dan dimurnikan dalam dua kolom distilasi sehingga biaya produksinya tinggi karena reaktor dan kolom ini menyumbang 50-70% dari total biaya produksi. Dengan proses distilasi reaktif, konversi metanol dapat ditingkatkan dengan signifikan sekaligus memurnikan produk DME pada waktu yang sama, sehingga memangkas biaya produksi DME dengan signifikan pula. Akan tetapi, dua proses (reaksi dan separasi) yang terjadi dalam satu kolom menyebabkan berkurangnya katup pengendalian yang berfungsi sebagai aktuator pada sistem pengendalian. Akibatnya, unit ini bersifat sangat non-linear, dan perancangan sistem pengendalian unit distilasi reaktif menjadi tantangan tersendiri. Penelitian ini ingin menemukan konfigurasi pengendalian PI yang optimum untuk mengatasi gangguan. Parameter konfigurasinya meliputi pemilihan manipulated variable (MV) yang dapat berupa laju alir umpan atau laju alir pemanas pada reboiler, dan controlled variable (CV) yang dapat berupa suhu talam yang paling sensitif atau laju produksi DME. Konfigurasi tersebut juga disertai penyetelan (tuning) pada pengendali PI dengan metode penyetelan Auto Tuning Variation. Pemilihan CV dan MV menghasilkan dua kemungkinan struktur pengendalian (control structure, CS), yakni CS 1 dan CS 2. Hasil simulasi menunjukkan talam 5 memiliki suhu yang paling sensitif sehingga suhu talam ini dipilih sebagai CV. Simulasi dinamiknya menunjukkan bahwa CS 2 lebih baik dari pada CS 1, karena CS 1 gagal menangani gangguan sebesar -5%, sedangkan CS 2 mampu menangani gangguan hingga ±25%.

---

ABSTRACT

Conventionally, DME was synthesized from methanol and purified using two distillation columns, which contributes about 50-70% to the cost of production. Using reactive distillation process, the conversion of methanol can be enhanced greatly and purifying the DME at the same time, thus reducing the cost of production, significantly. The two processes (reaction and separation) occurred in the same column reduce the number of control valves as the actuator for control system. This makes reactive distillation column is very non-linear in terms of controllability, and therefore the design of control system of such column can be quite a challenge. In this research, the optimum PI controller configuration will be obtained. The parameters for this configuration are the choice of manipulated variable (MV) that can be the feed flow rate or steam flow rate in reboiler and the controlled variable (CV) that can be the most sensitive tray temperature or the production rate. The configuration also including the PI controller tuning by using Auto Tuning Variation (ATV) method. The CV-MV pairing choice results two possible control structures, namely CS 1 and CS 2. The result showed that the tray #5 was the most sensitive tray temperature and selected as CV. The dynamic simulation showed that CS 1 failed to handle -5% disturbance change, while CS 2 succesfully handle up to ±25% disturbance change."

"ABSTRAKDimethyl ether products (DME) can be used as alternative energy sources that are more environmentally friendly and sustainable. In this DME purification plant, the feed with DME, methanol and water composition will be separated so that pure DME is obtained with a concentration of 99. In this study, Multivariable Model Predictive Control is used to control the process of DME purification plant. The performance of MMPC in both DME and methanol purification process has been conducted in previous research with separate system. This research is proposed towards the stability of both system when combined and its economic analysis when compared with standard MPC and PID Controller. The consideration when combining DME purification process and methanol purification process is the bottom product of DME purification column where it also acts as methanol purification column feed. Valve conductance needs to be adjusted accordingly to satisfy both systems. Retuning MMPC parameters is based on Wahid-Utomo (2019) and Wahid-Brillianto (2019) tuning parameters. The results of retuning yield a better control performance throughout the entire purification process. The retuning parameters value for T, P, and M are 10, 40, and 50 for DME purification process and 1, 40, and 50 for methanol purification process. The improvement on IAE are from 35.31% to 56.24% for DME purification and 20.06% to 94.91% for methanol purification process. Furthermore, installing MMPC proved to be economically feasible with a positive NPV of Rp 10,216,077 when compared to PI controller.

---

ABSTRACT

Produk Dimethyl ether (DME) dapat digunakan sebagai sumber energi alternatif yang lebih ramah lingkungan dan berkelanjutan. Di pabrik pemurnian DME ini, umpan dengan komposisi DME, metanol, dan air akan dipisahkan sehingga DME murni diperoleh dengan konsentrasi 99. Dalam penelitian ini, Multivariable Model Predictive Control digunakan untuk mengontrol proses pabrik pemurnian DME. Kinerja MMPC dalam proses pemurnian DME dan metanol telah dilakukan dalam penelitian sebelumnya dengan sistem terpisah. Penelitian ini diusulkan terhadap stabilitas kedua sistem ketika dikombinasikan dan analisis ekonominya bila dibandingkan dengan MPC dan PID controller. Pertimbangan saat menggabungkan proses pemurnian DME dan proses pemurnian metanol adalah produk dasar kolom pemurnian DME di mana juga bertindak sebagai umpan kolom pemurnian metanol. Valve conductance perlu disesuaikan untuk memenuhi kedua sistem. Retuning parameter MMPC didasarkan pada parameter tuning Wahid-Utomo (2019) dan Wahid-Brillianto (2019). Hasil retuning menghasilkan kinerja kontrol yang lebih baik di seluruh proses pemurnian. Nilai parameter retuning untuk T, P, dan M adalah 10, 40, dan 50 untuk proses pemurnian DME dan 1, 40, dan 50 untuk proses pemurnian metanol. Peningkatan IAE adalah dari 35,31% menjadi 56,24% untuk pemurnian DME dan 20,06% menjadi 94,91% untuk proses pemurnian metanol. Selain itu, menginstal MMPC terbukti layak secara ekonomi dengan NPV positif sebesar Rp 10.216.077 jika dibandingkan dengan pengontrol PI.

"

"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."

"Dengan semakin menipisnya cadangan dan produksi minyak di Indonesia, dibutuhkan sumber energi alternatif yang dapat menggantikan pemakaian BBM. Salah satunya adalah dimetil eter (DME). DME dapat digunakan sebagai substitusi bahan bakar diesel serta LPG. Selama ini DME disintesis dari metanol dan dimurnikan dalam dua kolom distilasi, dimana kolom ini menyumbang 50-70% dari total ongkos produksi. Dengan menggunakan proses distilasi reaktif, konversi metanol dapat ditingkatkan dengan signifikan sekaligus memurnikan produk DME pada waktu yang sama, sehingga dapat memangkas ongkos produksi DME dengan signifikan. Kendala dari penerapan distilasi reaktif adalah rumitnya gabungan fenomena perpindahan dan reaksi kimia yang terjadi pada zona reaksi. Pada penelitian ini dibuat simulasi CFD zona reaksi kolom distilasi reaktif untuk sintesis DME dari metanol menggunakan bantuan piranti lunak COMSOL Multiphysics. Hasil simulasi digunakan untuk menentukan pengaruh tinggi zona, komposisi umpan, dan temperatur umpan terhadap komposisi keluaran dari produk gas zona reaksi, konversi metanol, dan profil temperatur sepanjang zona. Hasil simulasi menunjukkan peningkatan konversi yang signifikan dengan peningkatan tinggi zona dan temperatur umpan, sementara komposisi umpan mempengaruhi kemurnian DME yang keluar dari zona secara signifikan. Gabungan ketiga parameter pada keadaan optimum menghasilkan konversi total metanol sebesar 99%.

---

With the decreasing amount of oil supply and production in Indonesia, a utilization of alternative energy is highly on demand. One of the promising energy source is dimethyl ether (DME). DME can be used as a diesel fuel and LPG substitute. Conventionally, DME is synthesized from methanol and purified using two distillation columns, which contributes about 50-70% to the cost of production. By using reactive distillation process, the conversion of methanol can be enhanced greatly while purifying the DME at the same time, thus cutting the cost of production significantly. The problem to apply this process is the complicated behavior from transport phenomena and chemical reaction inside the reaction zone. Therefore, in this research a reaction zone inside reactive distillation column is simulated using CFD software, with synthesis of DME from metanol as a base case. The simulation is done using COMSOL Multiphysics. The purpose of this research is to know the influence of zone height, feed composition, and feed temperature to the gas product of reaction zone, methanol conversion, and the temperature profile across the zone. Simulation results show a significant increase in conversion by increasing the zone height and feed temperature, while the feed composition greatly affect the gas product composition. Combination of this three parameter at its optimum value results in methanol total conversion about 99%."