Hasil Pencarian  ::  Simpan CSV :: Kembali

"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."

"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."

"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."

"ABSTRAKSaat ini Indonesia masih mengalami defisit BBM sehingga diperlukan pembangunan kilang minyak baru dan optimasi proses pada kilang yang sudah ada. Terdapat unit operasi sekunder berupa VDU vacuum distillation unit untuk mengolah produk residu atmosferik dari CDU crude distillation unit . Dalam rangka menjaga kestabilan operasi diperlukan sistem pengendalian yang tepat dan optimum. Oleh karena itu, dalam penelitian ini akan dilihat apakah pengendali Multi Variabel Model Predictive Control MMPC lebih baik dibandingkan dengan pengendali konvensional prorportional-integral, PI dan pengendali lanjut model predictive control, MPC untuk mengendalikan kombinasi laju alir umpan dan suhu bottom stage kolom distillasi. Pengujian kinerja dilakukan dengan melakukan perubahan set-point 50 pada laju alir umpan dan penurunan suhu sampai dengan 354 oC yang merupakan batas bawah pada simulasi ini. Perbandingan dengan studi sebelumnya diukur menggunakan nilai ISE integral square error -nya. Pada penelitian ini didapatkan ISE untuk laju alir umpan dan suhu bottom stage sebesar 351,78 dan 4,25 secara berurutan. Hasil tersebut mengindikasikan adanya peningkatan ISE pengendalian laju alir sebesar 21,13 . dan peningkatan ISE pengendalian suhu Bottom Stage adalah 26,59 .

---

ABSTRACTCurrently, Indonesia is still experiencing a fuel deficit, so it is necessary to build a new refinery and process optimization at an existing refinery. There is a secondary operating unit of VDU vacuum distillation unit to process the atmospheric residue product from CDU crude distillation unit . In order to maintain the stability of the operation required a proper control system and optimum. Therefore, in this research will be seen whether Multi Variable Model Predictive Control MMPC controller is better than conventional prorportional integral, PI and Model Predictive Control MPC controller to control the combination of feed flow rate, bottom stage temperature of the distillation coloumn. The performance test was performed by changing the set point to 50 of its original for the feed flow rate and bottom stage temperature is set to 354 oC which is the minimum allowed temperature in this simulation. Comparison with previous study is measured using ISE integral square error . In this study, ISEs obtained for feed flow rate and bottom stage temperature are 351.78 and 4.25 respectively. These results indicate an increase in ISE flow rate control by 21.13 . and the increase in ISE Bottom Stage temperature control is 26.59 "

"ABSTRAKMMPC (Multivariable Model Predictive Control) digunakan untuk mengontrol suhu dan tekanan di kilang regasifikasi LNG untuk mengatasi masalah yang saling mempengaruhi variabel dan mengurangi jumlah pengontrol. Ada empat variabel yang dikontrol (variabel terkontrol, CV) dan empat variabel yang dimanipulasi variabel, MV). CV yang dikontrol adalah tekanan di tangki penyimpanan LNG yaitu tekanan keluaran vaporizer, suhu keluaran vaporizer, dan suhu gas ke pipa. MV dimanipulasi, yang masing-masing berpasangan dengan CV tersebut, adalah laju aliran produk tank top, laju aliran gas pipa, laju aliran air laut, dan pemanas tugas. Identifikasi Model empiris FOPDT (First Order Plus Dead-Time) akan dilakukan terhadap keempatnya pasang CV dan MV untuk menggambarkan interaksi antar variabel. FOPDT diperoleh digunakan sebagai pengontrol di MMPC dan menentukan pengaturan kinerja kontrol Parameter MMPC yaitu P (prediction horizon), M (control horizon), T (waktu sampling). Kinerja kontrol diukur dengan menggunakan metode ISE (Integral Square Error). Hasilnya, parameter MMPC (P, M, T) untuk kondisi regasifikasi LNG adalah optimum masing-masing adalah 330, 1, 1. Ukuran ISE dari pengontrol MMPC dalam setpoint pelacakan: 2.12 × 10-4; 23.834; 0,763; 0,085, dengan perkembangan kinerja pengontrol masing-masing 31.262%, 17%, 175%, 757% dibandingkan kinerja MPC.

---

ABSTRACTMMPC (Multivariable Model Predictive Control) is used to control temperature and pressure in the LNG regasification plant to overcome the problem of interplaying variables and reducing the number of controllers. There are four controlled variables (controlled variable, CV) and four manipulated variablesvariable, MV). CV that is controlled is the pressure in the LNG storage tank, namely the vaporizer output pressure, the vaporizer output temperature, and the gas temperature to the pipe. MV manipulated, each of which is paired with the CV, is the tank top product flow rate, the pipeline gas flow rate, the seawater flow rate, and the heating duty. Identification of the FOPDT (First Order Plus Dead-Time) empirical model will be carried out on the four CV and MV pairs to describe the interactions between variables. The obtained FOPDT is used as a controller in the MMPC and determines the control performance settings for the MMPC parameters, namely P (prediction horizon), M (control horizon), T (sampling time). Control performance is measured using the ISE (Integral Square Error) method. As a result, the MMPC parameters (P, M, T) for the optimum LNG regasification conditions were 330, 1, 1. ISE size of the MMPC controller in the tracking setpoint: 2.12 × 10-4; 23,834; 0.763; 0.085, with the development of the controller performance respectively 31,262%, 17%, 175%, 757% compared to the performance of MPC."

"Dimetil eter (DME) merupakan senyawa yang potensial untuk dikembangkan menjadi bahan bakar berkelanjutan. Unit purifikasi metanol-air merupakan salah satu unit pada sintesis DME yang penting untuk dikendalikan agar metanol dapat dialirkan kembali ke proses sehingga efisiensi pabrik secara keseluruhan dapat meningkat. Penggunaan multivariable model predictive control (MMPC) pada proses ini dapat meningkatkan kinerja pengendalian dan menurunkan biaya modal dalam pembelian pengendali. Hal ini disebabkan karena MMPC dapat mengendalikan beberapa variabel dengan satu pengendali. Penyetelan MMPC yang dilakukan dengan Matlab melalui seleksi turnamen pada 888 kombinasi data tiap perubahan CV menunjukkan bahwa sampling time MMPC memiliki pengaruh yang sangat besar terhadap kinerja pengendalian. Nilai sampling time yang terlalu kecil akan menghasilkan sensitivitas yang terlalu besar dan menyebabkan perubahan parameter lainnya, yaitu prediction horizon dan control horizon, menjadi sulit dipahami karena polanya cukup acak. Metode penyetelan MMPC yang diusulkan berhasil mendapatkan nilai-nilai IAE dan ISE yang optimum dan secara umum dapat memperbaiki kekurangan dari penyetelan penelitian sebelumnya. Dari penelitian ini diperoleh pengendalian yang cukup optimum pada T=0,5; P=20; dan M=2.

---

Dimethyl ether (DME) is a compound that has the potential to be developed into a sustainable fuel. The methanol-water purification unit is important unit to be controlled in DME synthesis, to make sure that methanol can be flowed back into the process then increase the overall efficiency of the plant. The importance of using multivariable model predictive control (MMPC) in this process is to improve process control performance and reduce capital costs in purchasing controllers. It is because MMPC can control several variables with one controller. MMPC tuning performed with Matlab through tournament selection on 888 data combinations for each CV change shows that the MMPC sampling time has a very large influence on control performance. A sampling time value that is too small will result in a very high sensitivity and causes changes in other parameters, namely the prediction horizon and control horizon, to be difficult to understand because the pattern is quite random. The proposed MMPC tuning method has succeeded in obtaining optimum IAE and ISE values ​​and in general can correct the shortcomings of previous research settings. The best control was obtained at T=0.5; P=20; and M=2.

"

"

Gas alam merupakan sumber energi ketiga yang paling banyak digunakan di Indonesia, setelah minyak bumi dan batubara. Agar lebih mudah ditranportasikan, gas alam diubah menjadi LNG kemudian diubah kembali melalui proses regasifikasi LNG. Diperlukan sistem pengendali agar proses regasifikasi LNG dapat berjalan lancar. Multivariabel model predictive control (MMPC) merupakan pengendali tingkat lanjut yang dapat digunakan pada sistem regasifikasi LNG. Terdapat tiga parameter pada MMPC, yaitu sampling time (Ts), prediction horizon (P), dan control horizon (M).  Pada penelitian ini, dilakukan penyetelan MMPC untuk mendapatkan parameter MMPC dengan menggunakan metode minimalisasi nilai integral of square error (ISE). Kinerja pengendalian MMPC dengan tuning minimalisasi nilai ISE kemudian dibandingkan dengan pengendalian MMPC hasil fine-tuning (trial and error) dan didapatkan bahwa kinerja MMPC dengan tuning minimalisasi nilai ISE lebih baik. Selain itu, proses tuning dengan minimalisasi nilai ISE lebih mudah dilakukan dibanding fine-tuning (trial and error) karena dapat berjalan secara otomatis.

 

---

Natural gas is the third most widely used energy source in Indonesia, after oil and coal. To make it easier to transport, natural gas is converted into LNG and then converted back through the LNG regasification process. A control system is needed so that the LNG regasification process can overcome the disturbances that arise. Multivariable model predictive control (MMPC) is an advanced controller that can be used in LNG regasification systems. There are three parameters in MMPC, namely sampling time (Ts), prediction horizon (P), and control horizon (M). In this study, the MMPC was tuned to obtain the MMPC parameters by using the integral of square error (ISE) minimization method. The performance of the MMPC control by tuning the ISE minimization value was then compared with the MMPC control with the results of fine-tuning (trial and error) and it was found that the performance of the MMPC by tuning the minimization of the ISE value was better. In addition, the tuning process by minimization of the ISE value is easier to do than fine-tuning (trial and error) because it can run automatically.

 

"

"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."

"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."

"Skenario produksi minyak yang dilakukan Dewan Energi Nasional pada 2050 menunjukan tren penurunan, terutama dipengaruhi oleh rendahnya kegiatan eksplorasi migas dan tingkat keberhasilan eksplorasi yang dilakukan oleh perusahaan minyak Oleh karena itu, DME dapat digunakan sebagai alternatif sumber energi yang lebih ramah lingkungan dan berkelanjutan. Pada pabrik purifikasi DME, umpan diseparasi menghasilkan DME murni dengan konsentrasi 99%. Untuk menjalankan proses ini dalam keadaan optimal, maka diperlukan pengendali. Penelitian mengenai pengendali pada proses ini sudah pernah dilakukan, namun masih menggunakan model dengan pendekatan FOPDT sehingga orde proses masih tidak sesuai dengan aktualnya. Model Auto-Regressive eXogenous merupakan model yang menggambarkan hubungan antara data masukan dengan data keluaran berdasarkan metode least-square sehingga sederhana dan fleksibel serta estimasinya mendekati dengan nilai sebenarnya. Penggunaan model ARX dapat digunakan secara luas seperti pada penggunaan energi, pabrik kimia, dan kilang minyak sejak tahun 1980-an. Oleh karena itu, penelitian ini melakukan identifikasi model ARX pada pengendali MMPC serta melakukan verifikasi model dan menganalisis kinerja dari MMPC tersebut. Hasilnya didapatkan model ARX proses dan model ARX gangguan memiliki tingkat ketepatan dengan data sebesar 93-99% dan 70-97% dengan nilai RMSE 39-99% lebih kecil dari model FOPDT. Kinerja dari MMPC dengan parameter pengendalian terbaik yaitu T=5, P=20, dan M=20 menghasilkan peningkatan nilai IAE dan ISE sebesar 18-99.99% pada perubahan set point namun belum optimal dalam mengatasi gangguan pada suhu keluaran pendingin dan suhu kolom dengan nilai IAE dan ISE yang tinggi dan tidak menunjukkan peningkatan.

---

Oil production scenario carried out by the National Energy Council in 2050 shows a decreased trend, mainly influenced by low oil and gas exploration activities and the success rate of exploration activities carried out by oil companies. Therefore, DME can be used as an alternative energy source that is more environmentally friendly and sustainable. In the DME purification plant, the feed was separated to produce pure DME with a concentration of 99%. To run this process in optimal conditions, a controller is needed. Research on controllers in this process has been carried out, but still uses FOPDT model approach so the process order is still not in accordance with the actual order. Auto-Regressive eXogenous model is a model that describes the relationship between input and output data based on least-square method so the estimate close to the actual value. The application of ARX model can be widely used such as in energy uses, chemical plants, and oil refineries since 1980s. Therefore, this study identifies ARX model on the MMPC controller as well as verifying the model and analyzing its performance. The result obtained that the process ARX model and the disturbance ARX model have fit percentage with data reach 93-99% and 70-97% with RMSE value 39-99% smaller than FOPDT model. The performance of MMPC with best control parameters T=5, P=20, and M=20 has improved IAE and ISE value with 18-99.99% when set point changed but still not optimal for controlling disturbance in cooler output temperature and column temperature with a high IAE and ISE value and not showing improvement."