Hasil Pencarian  ::  Simpan CSV :: Kembali

"Penentuan parameter pengendali merupakan suatu hal penting untuk mendapatkan kineija pengendali yang optimum (diantaranya, IAE atau Iniegral Absolute Error-nya minimum). Jenis pengendali yang digunakan dan jenis sistem atau proses yang akan dikendalikan sangat menentukan dalam penentuan konstanta pengendali.Korelasi untuk menentukan parameter-parameter pengendali yang didasarkan pada model FOPDT (First Order Plus Dead Time) yang ada, masih merniliki nilai error yang cukup besar sehingga diperlukan sualu korelasi baru yang lebih balk (IAE yang dihasilkan minimum). Cara yang dilakukan adalah dengan metode tuning yang sudah ada, kemudian dilakukan trial & error. Trial & error yang dimaksudkan adalah dengan cara memperbesar dan memperkecil parameter yang sudah didapatkan dengan metode lain, sehingga mendapatl-can IAE yang seminimum mungkin. IAE (Integral Absolute Error) menunjukkan luas daerah antara perbedaan graiik variabel yang dikontrol dengan gralik input dalam hal ini perubahan ser poini, dengan demikian IAE minimum juga menu.njukka.n osilasi, overshoot, settling time, dan rise time yang minirmun juga. Variasi parameter-parameter FOPDT (K, 1, 0) digunakan untuk mendapatkan berbagai parameter-parameter pengendali yang optimum, selanjutnya dibuat suatu korelasi.Hubungan antara parameter-parameter pengendali yang diperoleh (KC, ri, rp) dengan parameter penyetelan hasil pendekatan Metode FOPDT (K, 1, 9), basil korelasinya adalah:if KL- = ; rl = l .l200*2'+l.8665; 'rn = 0_6409*9+2.4525 Dengan IAE rata-rata untuk 20 percobaan (model sistem) sebesar 42188.(IAE metode Cohencoon = 203528, metode Lopez = 109923, metode Dahlin = 917386, metode Ziegler Nichols = 17.1066) Salah satu contoh penerapan korelasi baru pada alat Pressure Conlrol (Laboratorium Dasar Proses Operasi Departemen TGP, FTUI) juga memberikan basil kinerja pengendali yang lebih baik."

"ABSTRAKFormaldehida merupakan senyawa kimia yang populer dengan banyak kegunaan, dengan jumlah kebutuhan yang cenderung terus bertambah. PT X merupakan salah satu produsen formaldehida yang masih memiliki permasalahan terkait kapasitas produksinya. PT X masih menggunakan pengendali Proportional-Integral (PI) yang masih mempunyai ruang untuk peningkatan produksinya. Model Predictive Control (MPC) digunakan untuk mengoptimalisasikan parameter pengendalian proses produksi formaldehida di PT X. Model empiris dibuat untuk diterapkan pada pengendali MPC berdasarkan Process Reaction Curve (PRC) dengan menggunakan pendekatan First Order Plus Dead Time (FOPDT). Kinerja pengendali diuji menggunakan set point (SP) tracking dan disturbance rejection. Ada empat pengendali yang diuji, yaitu pengendali laju alir steam (FIC-102), pengendali temperatur udara (TIC-101), pengendali level evaporator (LIC-101), dan pengendali tekanan evaporator (PIC-101). Didapatkan hasil model empirik FOPDT untuk masing-masing pengendali, dengan nilai parameter pengendalian Prediction Horizon (P), Control Horizon (M), dan Sampling Time (T) yang optimal secara berurutan: (1, 2, dan 1) pada FIC-102, (62, 21, dan 1) pada TIC-101, (50, 10, dan 6) pada PIC-101, dan (70, 21, dan13) untuk LIC-101. Terjadi perbaikan kinerja berdasarkan uji perubahan nilai set point baik dihitung melalui IAE maupun ISE sebesar 26,9% dan 8,03% untuk FIC-102, 15,37% dan 32,51% untuk TIC-101, 13,37% dan 25,9% pada PIC-101, serta 23,35% dan 6,71% pada LIC-101. Pada uji disturbance rejection juga terjadi perbaikan kinerja baik dihitung melalui IAE maupun ISE sebesar 96,4% dam 99.74% untuk FIC-102, 13,37% dan 25,9% untuk TIC-101, 54,25% dan 76,67% pada PIC-101, serta 15,96% dan 4,4% pada LIC-101.

---

ABSTRACT

Formaldehyde is a chemical compound known for its many uses, with the increase of its demand. PT X is one of the producers of formaldehyde that has problems related to its production capacity. PT X right now still uses Proportional-Integral (PI) that still have rooms of improvements. Model Predictive Control (MPC) is used to optimize the process control parameters of formaldehyde production in PT X. The empirical model is made for the MPC based on the Process Reaction Curve (PRC) using First Order Plus Dead Time (FOPDT). The control performance is tested using set point (SP) tracking and disturbance rejection. There are four controls that were tested, which are steam flow control (FIC-102), air temperature control (TIC-101), evaporator level control (LIC-101), and evaporator pressure control (PIC-101). Thus, the results of the empirical FOPDT model for each control is obtained, with the value of Prediction Horizon (P), Control Horizon (M), and Sampling Time (T) parameters are optimal and its value respectively are: (1, 2, and 1) for FIC-102 , (62, 21, and 1) for TIC-101, (50, 10, and 6) for PIC-101, and (70, 21, and 13) for LIC-101. The performance improvement based on the set point change test calculated through the IAE and ISE are 26.9% and 8.03% for FIC-102, 15.37% and 32.51% for TIC-101, 13.37% and 25, 9% for PIC-101, and 23.35% and 6.71% for LIC-101. Based on the disturbance rejection test it is also improvements on the performance both calculated through the IAE and ISE of 96.4% and 99.74% for FIC-102, 13.37% and 25.9% for TIC-101, 54.25% and 76.67% for PIC-101, and 15,96% and 4.4% on the LIC-101."

"Kebutuhan energi di dunia semakin meningkat. Hal ini mendorong terbentuknya penelitian berbasisi Energi Baru dan Terbarukan (EBT) salah seperti biomassa dan salah satunya adalah biohidrogen. Unit penting dalam proses pembuatan biohidrogen adalah gasifier dan char combustor. Gasifier adalah unit reaksi pembentukan biohidrogen. Untuk mengoptimasi kinerja unit proses awal pabrik bioidrogen dari biomassa ini maka akan dipasangkan sistem pengendalian dengan metode MPC. Pengendali MPC bergantung pada model empirik FOPDT yang diperoleh dengan melakukan identifikasi sistem.

Pemodelan empirik melalui PRC menghasilkan pengendali MPC yang tidak lebih baik dari pengendali PI. Setelah dilakukan MPC tuning dan reidentifikasi, kinerja MPC menjadi lebih baik dibandingkan PI. Hal tersebut ditunjukkan dengan nilai IAE yang kecil. Untuk IAE pada pengendalia suhu gasifier nilaie IAE nya 184,47 dengan kenaikan performa pengendalia 100% disbanding PI, untuk char combustor IAEnya sebesar 61,12 dengan kenaikan performa pengendali sebesar 78,9% dan pada unit cooler IAEnya menjadi 12,76 dengan kenaikan kinerja pengendali 81,11%. Hal tersebut menjadikan kinerja pengendali meningkat 70% hingga 80% dan ketigaya dapat bekerja dengan baik pada proses menyeluruh.

---

Need of energy source increasing each year. It lead researcher to find another source of newable and renewabale energy such biomass energy based as an example biohydrogen. The important proses unit in biohydrogen plant is gasifier and char combustor. Gasifer is reactor that produce biohydrogen from biomethane. To optimize plant performance, plant will utilize with proses control equipment with MPC method. MPC controller depend on empirical model from system identification.

Result of empirical modeling with PRC method is MPC model that has not better performance than PI method controller. But, after MPC tuning and reidentification of empirical model, the MPC controller have better performance than PI method. It proven by smaller IAE number. In gasifier IAe humber is 184.47%, it has 100% increases of performances char combustor temperature control the IAE number is 61,12%, it performance is increase in 78%. IAE number in cooler is 12,67 it performance is increase 81,18% . It make proses control performance increase for 70% up to 80%. Proses Control work very well in overall 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."

"Produksi kelapa sawit yang semakin meningkat akan menghasilkan limbah yang banyak seperti Tandan Kosong Kelapa Sawit (TKKS). Furfural dapat dihasilkan dari bahan baku TKKS dengan metode hidrolisis asam. Reaktor hidrolisis asam digunakan untuk menghasilkan furfural. Suhu, tekanan, dan level dalam reaktor menjadi variabel yang perlu dikendalikan untuk menghasilkan kualitas produk yang baik. Sistem pengendalian yang optimum diperlukan untuk menjaga kestabilan pada saat proses produksi furfural. Proses produksi furfural yang diamati adalah pada pilot plant furfural di Departemen Teknik Kimia Universitas Indonesia dengan kapasitas produksi 100 L per hari. Sebelum memproduksi furfural, dilakukan terlebih dahulu simulasi menggunakan simulator Aspen Plus pada keadaan steady-state. Kemudian mengubah ke keadaan dinamik ketika sudah berjalan dengan lancar dengan simulator Aspen Plus Dynamics. Pada penelitian ini ditujukan untuk mendapatkan model proses produksi furfural pada pilot plant furfural dengan menggunakan simulator proses, mendapatkan model First Order Plus Dead Time (FOPDT) yang terbaik untuk pengendalian reaktor hidrolisis asam proses produksi furfural pada pilot plant furfural, dan mendapatkan parameter penyetelan pengendalian yang optimum untuk pengendalian reaktor hidrolisis asam proses produksi furfural pada pilot plant furfural. Pengendali Proporsional-Integral (PI) adalah jenis pengendali yang digunakan. Model FOPDT yang terbaik untuk seluruh variabel adalah Model Solver dengan nilai Kp sebesar 3,711,  sebesar 98,457, dan  sebesar 3,641 untuk variabel suhu; nilai Kp sebesar -0,023,  sebesar 11,681, dan  sebesar 0,494 untuk variabel tekanan; nilai Kp sebesar -0,121,  sebesar 1954,788, dan  sebesar 32,958 untuk variabel level. Metode penyetelan yang terbaik untuk seluruh variabel adalah closed loop Ziegler-Nichols dengan nilai Kc sebesar 18,14 dan Ti sebesar 0,1 untuk variabel suhu; nilai Kc sebesar 309,71 dan Ti sebesar 0,2 untuk variabel tekanan; nilai Kc sebesar 3219,33 dan Ti sebesar 0,2 untuk variabel level.

---

The increasing production of palm oil will produce a lot of waste, such as Oil Palm Empty Fruit Bunches (OPEFB). Furfural can be produced from OPEFB raw materials by acid hydrolysis method. An acid hydrolysis reactor is used to produce furfural. Temperature, pressure, and level in the reactor are variables that need to be controlled to produce good product quality. An optimum control system is needed to maintain stability during the furfural production process. The furfural production process observed was in a furfural pilot plant at the Department of Chemical Engineering, University of Indonesia with a production capacity of 100 L per day. Before producing furfural, a simulation was carried out using the Aspen Plus simulator at steady-state conditions. Then change to the dynamic state when it is running smoothly with the Aspen Plus Dynamics simulator. This research aims to obtain a model of the furfural production process in a furfural pilot plant using a process simulator, to obtain the best First Order Plus Dead Time (FOPDT) model for controlling acid hydrolysis reactors in the furfural production process in a furfural pilot plant, and to obtain the optimal control parameter settings. optimum for controlling acid hydrolysis reactor furfural production process in furfural pilot plant. Proportional-Integral (PI) controller is the type of controller used. The best FOPDT model for all variables is the Solver Model with Kp values of 3.711,  of 98.457, and  of 3.641 for the temperature variable; the Kp value is -0.023,  is 11.681, and  is 0.494 for the pressure variable; the Kp value is -0.121,  is 1954.788, and  is 32.958 for the level variable. The best tuning method for all variables is closed loop Ziegler-Nichols with a Kc value of 18.14 and a Ti value of 0.1 for the temperature variable; the value of Kc is 309.71 and Ti is 0.2 for the pressure variable; the Kc value is 3219.33 and Ti is 0.2 for the level variable."

"Kebutuhan gas bumi di Indonesia terus meningkat dan salah satu cara efektif untuk mengangkut gas bumi adalah dengan melakukan proses regasifikasi LNG. Untuk optimasi, sistem pengendali terus dipelajari. Namun, masih memungkinkan untuk sistem terpengaruh dengan gangguan yang menurunkan kinerja pengendali. Untuk mengatasi hal tersebut, multi-loop PI menawarkan pengendali yang mampu mengurangi gangguan dengan mengantisipasinya melalui pengembangan model. Oleh karena itu, penelitian ini bertujuan untuk mengidentifikasi model gangguan berdasarkan first order plus dead time (FOPDT) dan melakukan verifikasi model, serta melakukan de-tuning dengan metode biggest log modulus tuning (BLT) dan menganalisis kinerja pengendali terhadap multivariable model predictive control (MMPC) yang dikembangkan oleh Wahid dan Phenica (2020) pada sistem linier dan nonlinier. Model gangguan berupa suhu dan laju aliran umpan dirancang untuk model set point berdasarkan empat variabel terkontrol, yaitu tekanan tangki storage LNG yang dipertahankan pada 16,5 psia, tekanan keluaran vaporizer pada 444 psia, suhu keluaran vaporizer pada 6˚C, dan suhu gas keluaran heater pada 30˚C. Hasil penelitian menunjukkan bahwa nilai terbaik dari model gangguan FOPDT diperoleh dengan metode Solver. Pengandali muti-loop PI dengan penyetelan BLT memberikan kinerja terbaik dibandingkan dengan multi-loop PI dengan penyetelan Ziegler Nichols ketika diterapkan pada proses regasifikasi LNG linier dan nonlinier. Selain itu, muti-loop PI-BLT pada proses linier menghasilkan kinerja yang lebih baik dibandingkan dengan MMPC pada proses nonlinier. Namun, ketika multi-loop PI-BLT dan MMPC keduanya diterapkan pada proses nonlinier, MMPC masih lebih baik.

---

The demand for natural gas in Indonesia continues to increase over time, and one effective way to transport natural gas is to carry out the LNG regasification process. For optimization, the control system for this process is continuously being studied, yet it is still possible for the system to comply with disturbances that scale down the performance. To overcome this, an approach using multi-loop PI controller offers a control system that reduces disturbance by anticipating it through developing a model. Therefore, this study identifies the disturbance model based on first order plus dead time (FOPDT) and verify the model, as well as performs de-tuning with biggest log modulus tuning (BLT) method and analyzes the performance of the controller against multivariable model predictive control (MMPC) developed by Wahid and Phenica (2020) in linear and nonlinear system. The disturbance model of inlet temperature and feed flow rate is designed for a set point model based on four controlled variables, namely the pressure of the LNG storage tank which is maintained at 16.5 psia, the vaporizer outlet pressure at 444 psia, the vaporizer outlet temperature at 6˚C, and the gas heater outlet temperature at 30˚C. The results showed that the best value of the FOPDT disturbance model was obtained by the Solver method. Muti-loop PI controller with BLT tuning provides the best control performance compared to multi-loop PI with Ziegler Nichols tuning when applied to linear and nonlinear LNG regasification processes. Furthermore, muti-loop PI-BLT in linear process yields better performance compared to MMPC. However, when multi-loop PI-BLT and MMPC are both applied to nonlinear processes, MMPC is still exceptional."