Hasil Pencarian  ::  Simpan CSV :: Kembali

"Tingginya kandungan gas CO₂ pada cadangan gas alam di Indonesia merupakan tantangan yang cukup berdampak bagi proses produksi dan pemanfaatan cadangan gas alam tersebut. Untuk meningkatkan aspek teknis dan terhindar dari masalah-masalah operasional pada proses penghilangan gas CO₂, salah satu aspek yang dapat ditingkatkan adalah sistem pengendalian yang diaplikasikan ke sistem tersebut. Adanya variabel disturbance pada suatu sistem dapat menurunkan kinerja sistem pengendali yang digunakan. Dalam mengatasi masalah tersebut, aplikasi pengendali multi-loop PI dengan melibatkan disturbance model dinilai mampu meningkatkan kinerja sistem pengendalian dan mengeliminasi efek dari variabel disturbance tersebut. Dengan demikian, penelitian ini bertujuan untuk memperoleh disturbance model berdasarkan first order plus dead time (FOPDT) yang telah diverifikasi dan memperoleh kinerja pengendalian yang optimal dengan melibatkan model tersebut ke dalam sistem pengendali multi-loop PI. Dalam memperoleh kinerja pengendalian yang optimal dilakukan proses tuning dengan menggunakan metode biggest log modulus tuning (BLT) dan fine tuning, untuk dibandingkan dengan kinerja pengendalian multivariable model predictive control (MMPC) oleh Wahid, Meizvira dan Wiranoto (2018) pada sistem linear dan non-linear. Disturbance model dirancang berdasarkan perubahan variabel disturbance laju alir gas alam dengan membuat setpoint controlled variable (CV) tidak berubah, yaitu tekanan gas alam umpan sebesar 511,4 psia dan laju alir make-up water sebesar 10,5 psig. Hasil disturbance model yang paling merepresentasikan sistem yang dikendalikan adalah yang diperoleh menggunakan metode Solver. Dengan melakukan uji perubahan setpoint dan variabel disturbance, diketahui bahwa pengendali multi-loop PI-fine tuning menghasilkan kinerja pengendalian yang lebih baik daripada sistem pengendali MMPC, PI re-tuning dan multi-loop PI-BLT, baik pada sistem linear maupun non-linear. Hal ini menunjukkan bahwa penyusunan pengendali multi-loop PI pada sistem linear dengan melibatkan disturbance model dapat digunakan sebagai dasar dalam meningkatkan kinerja pengendalian pada sistem non-linear.

---

The high content of CO₂ in natural gas reserves in Indonesia is a challenge that has quite an impact on its production and utilization process. To improve the technical aspects and avoid operational problems in the CO₂ gas removal, one aspect that can be improved is the applied control system. The existence of a disturbance variables in a system may downgrade the performance of the used control system. To overcome this problem, the application of a multi-loop PI controller which involves disturbance model is considered to be able to improve the performance of the control system and eliminate the effects of the disturbance. Thus, this study aims to obtain a disturbance model based on the verified first order plus dead time (FOPDT), to be applied to the design of a linear multi-loop PI control system. To obtain optimal control performance of multivariable model predictive control model (MMPC) which has been conducted by Wahid, Meizvira and Wiranoto (2018), both on linear and non-linear system. The disturbance model is designed based one changes in the natural gas flow rate as disturbance variable by setting the setpoint of all controlled variables (CV) unchanged), which are the feed natural gas pressure on 511,4 psig, and make-up water flow rate on 10,5 psig. Through setpoint and disturbance variable change tests, it is known that the multi-loop PI-fine tuning controller produces better control performance than MMPC, PI re-tuning and multi-loop PI-BLT control system, both on linear and non-linear systems. Thus, by involving the disturbance model on linear multi-loop PI controller system design might be a bases for improving control system performance in non-linear system."

"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)."

"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."

"ABSTRACTPenyetelan ulang pengendali proportional integral dilakukan pada pabrik penghilangan CO2 pengolahan gas alam lapangan Subang. Penyetelan ulang ini dilakukan untuk meningkatkan kinerja pengendali pada pabrik tersebut. Pengendali pada pabrik yang diteliti pada penelitian ini adalah pengendali tekanan gas umpan PIC 1101, pengendali laju alir air FIC 1102, dan pengendali laju alir sirkulasi amina FIC 1103. Metode penyetelan ulang pengendali yang diusulkan adalah metode Ziegler-Nichols PRC, Wahid-Rudi-Victor WRV, Cohen-coon, setelan hasil autotuner pada simulator, dan fine tuning. Dari hasil pengujian terhadap setiap metode penyetelan yang diusulkan, didapatkan hasil setelan yang memberikan hasil paling baik untuk setiap pengendali, yaitu setelan fine tuning. Penyetelan menggunakan fine tuning berhasil meningkatkan kinerja pengendali PIC 1101 sebesar 77,42, FIC 1102 sebesar 90.59 dan FIC 1103 sebesar 13,06 untuk penurunan nilai setpoint SP sebesar 5. Sementara untuk kemampuan pengendali mengatasi gangguan didapatkan peningkatan kinerja pengendali PIC ndash; 1101 sebesar 86,04, FIC 1102 sebesar 90,8 dan FIC 1103 sebesar 24,8.

---

ABSTRACTA proportional ndash integral controller retuning is performed on CO2 removal plant in natural gas processing Subang field. Retuning is performed to increase controller performance on the plant. Retuning will be performed on feed gas pressure controller PIC ndash 1101, make up water flow controller FIC 1102 , and amine circulation flow controller FIC 1103 on the plant. Retuning methods used are Ziegler ndash Nichols PRC, Wahid Rudi Victor WRV, Cohen coon, tuning from simulator autotuner, and fine tuning method. Result of this research shows that retuning that gives the highest improvement for the controllers is tuning with fine tuning method for every controller. Retuning with fine tuning can give 77,42 improvement for PIC ndash 1101, 90,59 improvement for FIC 1102, and 13,06 improvement for FIC ndash 1103 for 5 setpoint SP reduction. While for controller capability to handle disturbance, fine tuning can give 86,04 improvement for PIC ndash 1101, 90,8 improvement for FIC ndash 1102, and 24,8 improvement for FIC 1103."

"ABSTRACTModel Predictive Control MPC digunakan untuk mengoptimalisasi parameter pengendalian pada penghilangan CO2 di lapangan Subang. MPC 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 fisrt order plus dead time FOPDT . Parameter pengendalian Prediction Horizon P , Control Horizon M dan Sampling Time T yang optimal dihasilkan secara berurutan: 91, 32 dan 1 pada PIC-1101, 34, 10 dan 5 pada FIC-1102 dan 40, 10 dan 5 pada FIC-1103. Hasil penyetelan pengendali dengan metode MPC yang optimal kemudian dibandingkan dengan pengendali yang ada dilapangan yang menggunakan pengendali Proportional ndash; Integral PI . Pengkuran kinerja pengendalian secara keseluruhan diwakilkan oleh nilai Integral Square Error ISE . Berdasarkan nilai ISE, penggunaan MPC dapat memperbaiki kinerja pengendalian sebesar 14,02 pada PIC-1101, 76,74 pada FIC-1102, dan 16,31 pada FIC-1103.

---

ABSTRACTA model predictive control MPC is used for optimazing the control parameters on CO2 Removal in Subang Field. The MPC is used for controlling the amine flow rate, makeup water flowrate, and feed gas pressure to maintain CO2 concentration in sweet gas. Empirical models are made to appllied in MPC controller based on process reaction curve PRC from fisrt order plus dead time FOPDT approach. The Prediction Horizon P , Control Horizon M and Sampling Time T of control parameters are produced sequentially 91, 32 and 1 on PIC 1101, 34, 10 and 5 on FIC 1102 and 40, 10 and 5 on FIC 1103. The result of control setting by MPC method is then compared with current controller that is Proportional Integral PI to get optimal tuning result. The overall performance control performance is represented by the Integral Square Error ISE value. Based on ISE values, the use of MPC can improve performance by 14.02 in PIC 1101, 76.74 in FIC 1102, and 16.31 in FIC 1103."

"Telah dibuat sistem dual reservoir (Duress), sistem ini bertujuan untuk mempelajari proses siklus pendingin sekunder pada reaktor PWR. Pengendali yang digunakan adalah Proporsional Integral (PI) dengan pertimbangan bahwa kendali PI telah digunakan pada kendali steam generator PLTN sesungguhnya. Kemudian juga diterapkan pengendali prediktif berbasis model untuk membandingkan hasil kendali PI dan prediktif. Pada kendali PI untuk mendapatkan parameter Kc dan Ti digunakan Ciancone correlation. Sedang pada kendali prediktif digunakan konsep projected desired trajectories (PDT). Uji kendali yang dilakukan pada penelitian ini meliputi pengendalian SISO untuk hubungan tiap katup ke resevoir, pengendalian dua masukan dan dua keluaran, dan uji pengendalian terkoordinasi. Pengendalian tekoordinasi membuat skenario pengendalian level air seperti pada steam generator yaitu skenario pengendalian normal dan pengendalian saat terjadi kegagalan pada salah satu pompa. Hasil pengujian menunjukkan pengendali prediktif berbasis model yang diterapkan pada sistem dual reservoir mampu menghasilkan kinerja yang lebih baik dibandingkan dengan pengendali PI.

---

Dual reservoir system (DURESS) has been developed, the system aims to study the process of secondary cooling cycles in PWR reactors. The controller used is Proportional Integral (PI) with the consideration that PI control has been used in actual control of the nuclear power plant steam generator. Then also applied the model-based predictive control to compare the results of PI control and input. In PI control, to obtain the parameters Kc and Ti are used Ciancone correlation. While predictive control uses the projected desired trajectories (PDT) concept.

Control tests conducted in the study include SISO control for each valve to reservoir relationship, control of two inputs and two outputs, and coordinated control test. Coordinated Control created scenarios such as controlling water levels in steam generators of normal controls and control scenario during a failed pump. Test results show that model-based predictive control applied to the dualreservoir system is able to produce better performance than PI controller."

"Pada tahun 2015, Indonesia diproyeksikan mengalami defisit bahan bakar minyak sebesar 562.000 barrel/ hari. Untuk menutupi defisit tersebut diperlukan upaya luar biasa berupa pembangunan terminal transit bahan bakar minyak impor atau pembangunan kilang baru dan modifikasi kilang eksisting dengan kapasitas pengolahan sebesar minimal 300.000 barrel/ hari guna menjaga ketahanan energi nasional. Disain kilang yang ada harus dipasang dengan sistem pengendalian untuk menghindari gangguan pada proses yang berdampak pada keefektifan dan kestabilan operasi pabrik. Pada awalnya minyak bumi akan diproses pada bagian Crude Distillation Unit (CDU) untuk mendapatkan produk straight run. Unit ini sangat menentukan rate produk sehingga perlu diterapakan konfigurasi sistem pengendalian yang optimum. Jenis pengendali yang akan diterapkan pada penelitian ini adalah pengendali PI (Proportional - Integral) karena dapat menangani hampir setiap situasi pengendalian proses di dalam skala industri. Telah banyak rancangan kilang dengan model konfigurasi tertentu dan metode pengendali tertentu, misalnya kilang dengan dominasi produk bensin dengan pengendali PID dan kilang dengan dominasi produk kerosene dengan pengendali PI. Pengendalian proses kolom distilasi ini dilakukan dengan mensimulasikan secara dinamik pada perangkat lunak Aspen Hysys v.8. Penyetelan pengendali dilakukan untuk mendapatkan parameter kinerja alat kendali yang optimum yaitu dihitung berdasarkan metode Ziegler - Nichols, Lopez dan fine tunning. Sebagai hasilnya, pada pengendali laju alir diesel dan light naphta, pengendali tekanan pada reboiler, dan pengendali temperatur feed masukan kolom distilasi digunakan penyetelan Lopez. Sedangkan untuk pengendali laju alir AGO (atmospheric gas oil) dan level kondenser digunakan penyetelan fine tuning.

---

By 2015, Indonesia is projected in deficit of fuel oil by 562.000 barrels/ day. To cover that deficit, Indonesia requires a tremendous efforts such as the construction of a transit terminal which is imported fossil fuels or the construction of new refineries and modification of the existing refinery with a processing capacity of at least 300.000 barrels/ day in order to maintain national energy security. The design of the existing refinery has to be fitted with a control system to avoid interruptions that have an impact on the effectiveness and stability of plant operations. At first, crude oil will be processed at the Crude Distillation Unit (CDU) to obtain straight run products. This unit will determine the rate of product that needs to be applied an optimum configuration of system control. PI controller (Proportional - Integral) will be applied to the system control because it can handle almost any situation in process control in industrial scale. Have many designs refineries with a particular configuration model and specific control methods, such as a refinery with a petrol product dominance with a PID controllers and refineries with kerosene product dominance with a PI controller. The distillation column of process control is done by simulating the plant dynamically in Aspen Hysys v.8 software. Adjustments made to obtain the optimum performance parameters of control device that is calculated based on Ziegler - Nichols, Lopez and fine tunning methods. As a result, the diesel and light naphtha flowrate controllers, reboiler pressure controller, and input feeds temperature of a distillation column controller used Lopez adjustment. As for the AGO (atmospheric gas oil) flowrate controller and the level of conndenser controller used fine tuning adjustment."

"ABSTRACTGas alam yang diambil dari sumbernya masih memiliki sejumlah senyawa pengotor yang harus dihilangkan, yang salah satunya adalah gas asam seperti CO2 dan H2S. Proses yang paling umum digunakan untuk menghilangkan gas asam adalah dengan absorpsi yang dilangsungkan di kolom absorpsi. Untuk mendukung kelancaran proses tersebut, perlu diterapkan sistem pengendalian pada proses. Pada penelitian ini, akan diterapkan penggunaan multivariable model predictive control MMPC untuk mengendalikan proses absorpsi. MMPC adalah salah satu pengendali tingkat lanjut advanced control yang diharapkan dapat memberikan performa yang lebih baik dalam menjaga kestabilan proses, dan dapat mengatasi interaksi antarvariabel pada proses absorpsi yang memiliki sistem multiple input multiple output MIMO . Pasangan variabel yang teridentifikasi memiliki interaksi adalah tekanan gas dan laju alir make up water masuk absorber. Dengan menggunakan MMPC, didapatkan nilai ISE yang lebih baik daripada pengendali PI yang digunakan di lapangan sebesar 42,6 untuk pengendalian tekanan dan 65,04 untuk pengendalian laju alir. MMPC pun memberikan respon yang lebih baik dalam mengatasi interaksi antarvariabel.

---

ABSTRACTRaw natural gas contains impurities that need to be removed before it can be utilized as energy source. One of the impurities is sour gas, which includes CO2 and sulphur compound such as H2S. The most common process used to remove sour gas is absorption, which is carried out in an absorption column. One of the essential step to support the operation is applying control strategy on the process. In this research, multivariable model predictive control MMPC will be applied as the controller for absorption process. MMPC is classified in advanced control category, and is expected to give a better performance in handling the process, and is able to overcome intervariable interaction that is prone to happen in multiple input multiple output MIMO system. The identified intervariable interaction is between the pressure of gas feed in and the flow of make up water to absorber. By implementing MMPC, the ISE of controller rsquo s performance are improved from the PI controller that is currently used in the plant. The improvement for ISE is 42,6 for pressure control and 65,04 for flow control. MMPC implementation also shows a better response in handling intervariable interaction in the process."

"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."

"Proses dehidrasi gas merupakan salah satu proses yang umum dijumpai pada industri pengolahan gas. Unit dehidrasi gas ini tentu diharapkan dapat beroperasi pada kondisi produksi yang optimum sehingga dapat menghasilkan produk sales gas yang memberikan keuntungan bagi kedua belah pihak. Namun, adanya kandungan hidrokarbon dan uap air pada sales gas akan menyebabkan pembentukan hidrat yang bersifat korosif pada saluran pipa. Untuk mencegah hal tersebut, gas alam yang berasal dari reservoar perlu dikeringkan terlebih dahulu sebelum dijual sebagai sales gas. Oleh karena itu, dibutuhkan sistem pengendalian proses pada bagian-bagian yang penting pada unit dehidrasi gas agar kestabilan dan keselamatan proses produksi dapat terjaga. Sistem tersebut dirancang untuk menjaga keamanan operasi dan memastikan proses berjalan dengan optimal untuk mendapatkan kualitas produk sales gas yang baik. Selama ini pengendalian hanya dilakukan menggunakan pengendali Proporsional-Integral, akan tetapi belum optimal sehingga perlu digunakan pengendali Multivariabel MPC Model Predictive Control. Penyetelan pengendali menggunakan metode Non-Adaptif DMC dan fine tuning kemudian hasil penyetelan dengan metode yang lebih baik akan dibandingkan dengan pengendali PI. Evaluasi kineja pengendalian dilihat berdasarkan seberapa cepat respon pengendali dalam mengatasi perubahan set point dan menangani adanya gangguan serta berdasarkan nilai ISE Integral Square Error. Sebagai hasilnya, metode fine tuning lebih baik digunakan dengan konstanta penyetelan P Prediction Horizon, M Model Horizon, dan T Sampling Time yang optimum adalah 14, 5, dan 3, dengan nilai ISE pada perubahan set point pada pengendalian tekanan dan temperatur sebesar 55 dan 51, atau perbaikan kinerja pengendalian sebesar 11.29 dan 16.39 dibandingkan dengan kinerja pengendali PI.

---

Gas dehydration process is one of the most common processes in gas processing industry. To produce sales gas that could benefit both parties, an optimum operation condition have to be obtained. However, the presence of hydrocarbon and water vapor on sales gas will lead to the formation of hydrates that are corrosive to the pipeline. Natural gas originating from the reservoir needs to be drained first before being sold as a sales gas to prevent the formation of hydrates. Therefore, a process controlling system is required in the critical parts of gas dehydration unit in order to maintain the stability and safety of the production process. This system is designed to maintain the security of operations and ensure the process runs optimally to get good quality sales gas. Current control system are mostly using Proportional Integral controller, but MPC Model Predictive Control controller is more preferable to optimize the process control. Adjustment of the controller were done using the DMC Non Adaptive method and fine tuning. The best tunning result from those two methods then will be compared with the PI controller. Evaluation of control performance is based on how fast controller could overcoming set point changes, handling disturbance and ISE Integral Square Error value. As a result, fine tuning methods are better used with P Prediction Horizon , M Model Horizon , and T Sampling Time optimization constants of 14, 5, and 3, with ISE values for set point changes in pressure control and temperatures are 55 and 51, or improvement in control performance by 11.29 and 16.39 compared to PI controller performance."