Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Fluid Catalytic Cracking (FCC) merupakan metode perengkahan minyak nabati menjadi fraksi yang lebih sederhana dan menghasilkan produk biofuel. Grup riset AIR mengembangkan sebuah teknologi sistem FCC skala bench untuk mengolah minyak kelapa sawit menjadi bahan bakar nabati. Salah satu komponen sistem FCC adalah FCC furnace. FCC furnace merupakan tempat terjadinya proses pembakaran dan memberikan perpindahan panas yang tinggi di seluruh sistem FCC, terutama untuk memanaskan striper. Pengujian pertama menggunakan 2 kg bricket biochar dan pengujian kedua menggunakan 1kg bricket biochar dan 1kg biochar halus. Tujuan penelitian ini untuk melakukan optimasi online menggunakan model ANN dan optimasi PSO pada FCC furnace. Optimasi pemodelan ANN dan Optimasi PSO dapat memprediksi temperatur maksimum striper terjadi dengan menggunakan 1 kg bricket biochar dan 1 kg biochar halus. Dengan menggunakan optimasi online, temperatur striper actual mencapai 131.25 oC ,dan perbedaan pada setiap temperatur distabilkan dibawah 100 oC. Pemodelan algoritma optimasi online dapat berjalan dengan baik namun belum dapat meningkatkan temperatur aktual striper mencapai temperatur striper PSO maksimum dengan baik. ......Fluid Catalytic Cracking (FCC) is a method of cracking vegetable oil into simpler fractions and producing biofuel products. The AIR research group developed a bench-scale FCC system technology to process palm oil into biofuels. One component of the FCC system is the FCC furnace. The FCC furnace is where the combustion process occurs and provides high heat transfer throughout the FCC system, especially for heating the striper. The first test used 2 kg of biochar bricks and the second test used 1 kg of biochar bricks and 1 kg of fine biochar. The purpose of this study is to carry out online optimization using the ANN model and PSO optimization on the FCC furnace. ANN modeling optimization and PSO optimization can predict the maximum temperature of the striper that occurs using 1 kg of biochar bricket and 1 kg of fine biochar. By using online optimization, the actual striper temperature reaches 131.25 oC, and the difference at each temperature is stabilized below 100 oC. Online optimization algorithm modeling can run well but has not been able to increase the actual temperature of the striper to reach the maximum PSO striper temperature properly.

Abstrak :
Fluid Catalytic Cracking (FCC) adalah suatu proses konversi yang digunakan untuk mengubah fraksi hidrokarbon berbahan bakar tinggi agar dapat menjadi produk bahan bakar lainnya. Untuk menjalankan sistem kendali FCC diperlukan Supervisory Control And Data Acquisition (SCADA). Sistem SCADA yang digunanakan untuk mengontrol, mengakuisisi, serta memonitori regenerator FCC dengan menggunakan Blynk sebagai HMI, laptop sebagai MTU dan arduino sebagai RTU. Dalam proses FCC dibutuhkan temperatur optimum pada regenerator, maka dari itu data yang diambil dioptimasi menggunakan Artificial Neural Network. Hasil training ANN didapatkan nilai koefisien korelasi sebesar 84.08%, nilai MSE berada pada kisaran 10-2 dan nilai error sebesar 0.053. Dari hasil tersebut menunjukan besarnya keakuratan ANN dalam mempelajari data. Dengan menggunakan Genetic Algorithm (GA) didapatkan hasil optimasi temperatur regenerator sebesar 765.32oC pada laju aliran massa ejektor 0.0067 kg/s, laju aliran massa regenerator 0.0043 kg/s dan bukaan katup ejektor “50” atau 7500 step pada motor stepper. ......Fluid Catalytic Cracking (FCC) is a conversion process used to convert high-fuel hydrocarbon fractions into other fuel products. To run the FCC control system, Supervisory Control And Data Acquisition (SCADA) is required. The SCADA system is used to control, acquire, and monitor FCC regenerators using Blynk as HMI, laptops as MTU and Arduino as RTUs. In the FCC process, the optimum temperature needed for the regenerator, therefore the data taken is optimized using Artificial Neural Network. ANN training results obtained a correlation coefficient of 84.08%, the MSE value is in the range of 10-2 and an error value of 0.053. From these results shows the accuracy of ANN in studying data. By using Genetic Algorithm (GA), the result of optimization of regenerator temperature is 765.32oC at ejector mass flow rate of 0.0067 kg/s, regenerator mass flow rate of 0.0043 kg/s and valve opening of "50" or 7500 step stepper motors.