Hasil Pencarian  ::  Simpan CSV :: Kembali

"Saat ini proses pembuatan sabun dengan pemasakan terus-menerus (Continous Saponification), untuk mentransfer material caustic soda (NaOH) masih mengunakan pompa lube. Kapasitas pompa untuk mentransfer material liquid tersebut, kadangkala tidak sesuai dengan kapasitas yang diinginkan. Oleh sebab itu, untuk mengendalikan dosing NaOH akan di desain dengan merubah pompa lube ke pompa sentrifugal dengan pengendalian flow, dimana pengaturan flow menggunakan control valve. Pengendalian menggunakan kontrol PI dan Fuzzy Logic Control (FLC) dengan 3 perbedaan fungsi keanggotaan. Perbedaan tersebut yaitu dengan dua fungsi keanggotaan, tiga fungsi keanggotaan atau tujuh fungsi keanggotaan. Dalam hasilnya , dari simulasi menggunakan MATLAB 6.5. Pengendali Fuzzy Logic Control diperlihatkan hasil dan perpormansi yang lebih baik dari pengendali PI. Fuzzy Logic Control dengan tujuh fungsi keanggotaan memperlihatkan hasil dan performansi yang lebih baik dibandingkan dengan dua atau tiga fungsi keanggotaan. Untuk eksperimen respon transien, dengan set-point flow 0.58 liter/detik memperlihatkan hasil settling time 4.9 detik, maximum overshoot 1.72%, rise time 2 detik, error steady state 0.01 liter/detik dan peak amplitude dibandingka Fuzzy Logic Control dengan dua atau tiga fungsi keanggotaan. Perbandingan yang sama pada pengendali PI, Fuzzy Logic Control mempunyai perpormansi yang lebih baik dibandingkan dengan pengendali PI.

---

Until now the process for soap production with continous saponification, with caustic soda material (NaOH) the transfer is still using lube pump. The capacity of the pump for liquid material transfer some time didn t match with the capacity we need. Because of this problem, a controller for caustic soda dosing (NaOH) will be design by changing the lube pump to centrifugal pump with a flow controller. The flow control using control valve. The controller will be using PI control and Fuzzy Logic Control (FLC) with 3 different membership function. Is it with two membership function or seven membership fungcion. On the whole, from simulation using MATLAB 6/5/ The Fuzzy Logic Control shows a better result and performance compare to the PI controller. Fuzzy Logic Control with seven membership function shows a better result and performance compare to Fuzzy Logic Control with two or three membership function. For transien respon experiment, with flow set-point of 0.58 liter/second it shows result with settling time 4.9 second, maximum overshoot 1.72%, rise time 2 second, steady state error 0.01 liter/second and peak amplitude 0.592 liter/second. For transien respon of system with cahnging load, Fuzzy Logic Controller with seven membership function shows better performance with settling time, maximum overshoot, steady state error and peak amplitude than the Fuzzy Logic Controller with two or three membership function. The same comparison with PI controller, The Fuzzy Logic Controller have better performance than the PI controller."

"ABSTRAKTelah terbuat sistem pengendali posisi bola pada ball balancing menggunakanlogika fuzzy. Alat ini mengendalikan putaran motor yang dapat membuat bolabesi berubah posisi yang terbaca oleh sensor kawat nikelin. Untuk memerintahkanputaran motor kekanan atau kekiri semua telah diatur oleh komputer yangdihubungkan ke mikrocontroller dengan menggunakan komunikasi serial danmempunyai kecepatan pengiriman data (baudrate) 19200. Alat ini akanmenampilkan posisi bola pada Display dan menggunakan rangkaian DriverMotor DC yang berfungsi untuk memutar motor dc kekanan atau kekiri sesuaidengan perintah yang dikirim oleh mikrocontroller

---

ABSTRACTHave is made ball position controller system balancing ball use fuzzy logic. Thisappliance control motor rotation able to make iron ball change position read bynikelin strand of metal censor. To command to right motor rotation or to left allhave been arranged by interfaced to computer mikrocontroller by using serialcommunications and have speed of delivery data (baudrate) 19200. This appliancewill present ball position in Display and use functioning Driver Motor DCnetwork to turn around to right dc motor or to left as according to comand sent bymikrocontroller"

"Pengontrol aliran banyak digunakan di berbagai industri, seperti di industri perminyakan untuk mengalirkan minyak dari minyak lepas pantai ke darat atau digunakan untuk distribusi minyak. Pengontrol aliran yang paling banyak digunakan dalam industri adalah pengontrol berbasis PID konvensional yang diimplementasikan menggunakan PLC. PLC banyak digunakan dalam industri karena kekompakannya, memiliki konektivitas standar dan memiliki keandalan yang tinggi. Dalam penelitian ini, pengontrol non-konvensional, yaitu pengontrol Neuro-Fuzzy, diterapkan pada pabrik prototipe yang mengandung air sebagai agen alirannya. Pabrik prototipe terdiri dari tangki air, pompa air, katup gerbang, katup kontrol, flow meter, dan sistem perpipaan. Kontroler Neuro-Fuzzy dalam penelitian ini dirancang berdasarkan algoritma ANFIS, dengan input berupa kesalahan dan perubahan kesalahan dari variabel proses yang diamati, dalam hal ini aliran air pada pipa keluaran pabrik prototipe. Pengontrol dioperasikan di lingkungan MATLAB/SIMULINK pada PC, yang memperoleh informasi laju aliran berasal dari flow meter yang terhubung ke PLC. PLC berkomunikasi dengan pengendali melalui fasilitas OPC. Output dari pengontrol, yang berupa bukaan katup kontrol, akan dikirim ke PLC melalui OPC, oleh karena itu PLC dapat mengontrol bukaan katup sesuai dengan laju aliran air yang diinginkan. Setelah menjalani proses pelatihan, pengendali berbasis ANFIS yang dikembangkan diuji dengan berbagai titik setel debit air untuk mendapatkan informasi kinerjanya. Dari penelitian ini ditemukan bahwa pengontrol berbasis ANFIS adalah pengontrol dengan kinerja yang baik, yang memiliki waktu naik rata-rata 16,88 detik, waktu penyelesaian 30,68 detik, dan dengan overshoot 0% dan 35,65%, dan memiliki relatif kecil kesalahan 2,59%.

---

Flow control is widely used in various industries, such as in the oil industry to flow oil from offshore to onshore oil or used for oil distribution. The most widely used flow controller in the industry is conventional PID-based controller which is implemented using PLC. PLCs are widely used in industry because of their compactness, standard connectivity and high reliability. In this study, a non-conventional controller, the Neuro-Fuzzy controller, is applied to a prototype plant that contains water as its flow agent. The prototype plant consists of a water tank, a water pump, a gate valve, a control valve, a flow meter, and a piping system. The Neuro-Fuzzy controller in this study was designed based on the ANFIS algorithm, with input in the form of errors and error changes of the observed process variables, in this case the flow of water in the prototype factory output pipe. The controller is operated in a MATLAB / SIMULINK environment on a PC, which gets flow rate information from a flow meter connected to the PLC. PLC communicates with controllers through OPC facilities. The output from the controller, which is the control valve opening, will be sent to the PLC via OPC, therefore the PLC can control the valve opening according to the desired flow rate. After undergoing the training process, the ANFIS-based controller that was developed was tested with various water discharge set points to obtain performance information. From this study it was found that ANFIS-based controller is a controller with good performance, which has an average rise time of 16.88 seconds, a completion time of 30.68 seconds, and with 0% and 35.65% overshoot, and has relatively small errors 2.59%."

"Beragam kebutuhan industri, membuat jenis-jenis proses pada industri pengolahan menjadi beragam dengan berberapa parameter input dan output, salah satunya adalah proses thermal mixing yang menggunakan sistem multi input multi output. Thermal mixing atau continuous stirred-tank reactor mengendalikan 2 aliran dengan temperatur berbeda kedalam tanki pencampur sehingga mendapat temperatur dan ketinggian tangki sesuai yang diinginkan. pada penelitian ini telah dirancang sistem pengendali berbasis logika fuzzy pada pengendalian temperatur dan level. Penelitian ini sistem logika fuzzy menngunakan 2 input dan 1 output unutk masing-masing parameter pengendalian. 2 input fuzzy set menggunakan nilai error dan change of error. Setiap fuzzy set menngunakan 7 membership function yaitu negative big (NB), negative medium (NM), negative small (NS), zero (Z), positive small (PS), positive medium (PM), dan positive big (PB). Sistem dapat melakukan pengendalian temperatur dan level sesuai yang diinginkan. Sistem ini menggunakan simulasi berbasis aplikasi MATLAB Simulink. Berdasarkan hasil simulasi, dapat disumpulkan bahwa pengendalian menggunakan fuzzy logic controller lebih baik dibandingkan pengendalian PID. Hasil pengendalian fuzzy memiliki rata-rata rise time dan settling time yang lebih cepat dan tidak memiliki overshoot.

---

A variety of industrial needs, making the types of processes in the processing industry to be diverse with several input and output parameters, one of which is a thermal mixing process that uses a multi-input multi output system. Thermal mixing or continuous stirred-tank reactor controls 2 streams with different temperatures into the mixing tank so that the temperature and height of the tank are as desired. In this research a fuzzy logic based controller system has been designed for controlling temperature and level. This study uses a fuzzy logic system using 2 inputs and 1 output for each control parameter. 2 fuzzy input sets use error and change of error values. Each fuzzy set uses 7 membership functions, namely negative big (NB), negative medium (NM), negative small (NS), zero (Z), positive small (PS), positive medium (PM), and positive big (PB). The system can control the temperature and level as desired. This system uses a simulation based on the MATLAB Simulink application. Based on the simulation results, it can be concluded that the control using fuzzy logic controller is better than PID control. Fuzzy control results have a faster average rise time and settling time and do not have overshoot."

"ABSTRAKStyrene Acrylic adalah sebuah produk kimia yang digunakan sebagai bahan baku adhesive, coating dan cat. Untuk memproduksi Styrene Acrylic diperlukan sebuah reaktor yang berfungsi sebagai wadah dimana reaksi antar bahan-bahan dasar Styrene Acrylic terjadi. Reaksi yang terjadi dalam reaktor harus terkendali agar dapat mengikuti resep formula yang sudah ditentukan. Salah satu faktor yang utama yang harus dikendalikan adalah suhu dalam reaktor. Suhu dalam reaktor harus sesuai dengan formula yang telah ditetapkan agar kualitas dari produk sesuai dengan yang diinginkan. Toleransi eror suhu dalam reactor hanya diperbolehkan sebesar 5?C. Selain untuk menjaga kualitas produk, pengendalian suhu reaktor juga berdampak pada alasan kemanan pabrik. Reaksi kimia dan proses produksi Styrene Acrylic memiliki sifat yang nonlinear, sehingga diperlukan pengendali yang dapat mengendalikan sistem nonlinear dengan toleransi eror yang kecil. Fuzzy logic diharapkan dapat memenuhi kebutuhan pengendalian suhu reaktor, sehingga suhu reaktor dapat mengikuti trajektori suhu yang didapat dari resep formula yang mana ditentukan sebagai setpoint.Skripsi ini membahas tentang pemodelan dan desain pengendali yang baik untuk model proses Styrene Acrylic plant. Proses ini dimodelkan dengan metode matematis yang diterapkan menggunakan C-Mex. lalu di simulasikan menggunakan Simulink Matlab yang digunakan untuk mendesain pengendali PID konvensional dan fuzzy logic. Pengendali PID di-tuning menggunakan metode Ziegler Nichols yang mana performanya akan dibandingkan dengan performa pengendali fuzzy logic yang didesain dengan 9 aturan.

---

ABSTRACTStyrene Acrylic is a chemical product used as raw material for adhesives, coatings and paints. To produce Styrene Acrylic requires a reactor that serves as a container in which the reaction between the basic ingredients of Styrene Acrylic occurs. The reactions that occur in the reactor must be controlled in order to follow a prescribed formula. One of the main factors that must be controlled is the temperature in the reactor. The temperature in the reactor shall be in accordance with the prescribed formula for the quality of the product to be as desired. Tolerance of temperature error in the reactor is only allowed at ± 5⁰C. In addition to maintaining product quality, reactor temperature control also has an impact on manufacturers' safety reasons. Chemical reactions and Styrene Acrylic production processes have nonlinear properties, so controllers are required to control nonlinear systems with small error tolerance. Fuzzy logic is expected to meet the reactor temperature control requirement, so that the reactor temperature can follow the temperature trajectory obtained from the formula or recipe which is set as setpoin.This thesis discusses the modeling and design of a good controller for the Styrene Acrylic plant process model. This process is modeled by a mathematical method applied using C-Mex. Then simulated using Simulink Matlab which is used to design conventional PID controller and fuzzy logic. The PID controller is tuned using the Ziegler Nichols method whose performance will be compared to the performance of a fuzzy logic controller designed with 9 rules."

"Dengan berkembangnya konstruksi perkotaan dan kebutuhan industri, maka semakin diperlukannya pipa yang panjang. Untuk Kebutuhan industri diperlukannya sistem pengendalian yang kuat, adaptif, efisien, dan ramah lingkungan untuk memenuhi kebutuhan yang sangat besar. Pada penelitian ini telah dirancang suatu sistem kendali berbasis kecerdasan buatan dengan logika fuzzy pada pengendalian debit air berbasis PLC .Dalam penelitian ini sistem logika fuzzy menggunakan 2 input fuzzy set yaitu error dan perubahan error. Setiap Fuzzy set menggunakan 5 fungsi keanggotaan yaitu negatif besar (NB), negatif medium(NM), zero(ZO), positif medium(PM), positif besar(PB). Sistem dapat melakukan pengendalian debit sesuai yang dibutuhkan.Sistem ini berada pada sebuah komputer yang berfungsi sebagai pusat pengendalian dan mengambil data dari OPC server dimana data tersebut diambil dari PLC menggunakan komunikasi ethernet yang langsung terhubung dengan plant. Sistem pengendalian berbasis logika fuzzy dioperaasikan pada prototype plant dalam skala lab, dan analisis performa diverivikasi secara eksperimental. Data secara langsung dapat diambil dan dilihat menggunakan SIMULINK MATLAB. Berdasarkan hasil eksperimen dapat simpulkan pengendalian menggunakan logika fuzzy lebih baik dibanding pengendalian konvesional PID. Hasil pengendalian menggunakan logika fuzzy lebih cepat mencapai steady state yaitu 24.24 sekon tanpa adanya overshoot dibandingkan dengan menggunakan PID yaitu 48.6 sekon dengan overshoot sebesar 16.2%.

---

With the development of urban construction and industrial needs, the need for long pipes is increasing. For industrial needs, a control system that is strong, adaptive, efficient, and environmentally friendly is needed to meet huge needs. In this study, a control system based on artificial intelligence has been designed with fuzzy logic for PLC-based water flow control. In this study, the fuzzy logic system uses 2 fuzzy set inputs, namely error and error change. Each Fuzzy set uses 5 membership functions, namely large negative (NB), medium negative (NM), zero (ZO), medium positive (PM), large positive (PB). The system can control the discharge as needed.

This system is located on a computer that functions as a control center and retrieves data from the OPC server where the data is retrieved from the PLC using ethernet communication which is directly connected to the plant. The fuzzy logic-based control system was operated on a prototype plant on a lab scale, and the performance analysis was verified experimentally. Direct data can be retrieved and viewed using SIMULINK MATLAB. Based on the experimental results, it can be concluded that controlling using fuzzy logic is better than conventional PID control. The result of controlling using fuzzy logic reaches a steady state faster, which is 24.24 seconds without overshoot, compared to using PID, which is 48.6 seconds with an overshoot of 16.2%."

"Dengan berkembangnya pembangunan perkotaan dan kebutuhan industri, semakin pipa panjang diperlukan. Untuk kebutuhan industri diperlukan suatu sistem system pengendalian yang kuat, adaptif, efisien, dan ramah lingkungan untuk memenuhi kebutuhan yang sangat besar. Pada penelitian ini telah dirancang sebuah sistem kendali berdasarkan kecerdasan buatan dengan logika fuzzy pada kontrol aliran air berdasarkan PLC. Pada penelitian ini sistem logika fuzzy menggunakan 2 input himpunan fuzzy yaitu error dan perubahan kesalahan. Setiap himpunan fuzzy menggunakan 5 fungsi keanggotaan yang bernilai negatif besar (NB), negatif sedang (NM), nol (ZO), positif sedang (PM), besar positif (PB). Sistem dapat melakukan kontrol debit sesuai kebutuhan. Sistem ini terletak pada komputer yang berfungsi sebagai pusat kendali dan mengambil data dari server OPC tempat data diambil dari PLC menggunakan komunikasi Ethernet yang terhubung langsung ke plant. Sistem kontrol berbasis logika fuzzy dioperasikan pada pabrik prototipe pada skala lab, dan analisis kinerja diverifikasi secara eksperimental. Data dapat langsung diambil dan dilihat menggunakan MATLAB SIMULINK. Berdasarkan hasil percobaan dapat disimpulkan kontrol menggunakan logika fuzzy lebih baik dari kontrol konvensional PID. Hasil kontrol menggunakan logika fuzzy mencapai kondisi tunak lebih cepat yaitu 24,24 detik tanpa overshoot dibandingkan dengan menggunakan PID yaitu ID 48,6 detik dengan overshoot 16,2%.

---

With the development of urban development and industrial needs, more and more long pipes are needed. For industrial needs, a strong, adaptive, efficient, and environmentally friendly control system is needed to meet enormous needs. In this research, a control system based on artificial intelligence has been designed with fuzzy logic on water flow control based on PLC. In this study, the fuzzy logic system uses 2 input fuzzy sets, namely error and error change. Each fuzzy set uses 5 membership functions with large negative values ​​(NB), medium negative (NM), zero (ZO), moderate positive (PM), large positive (PB). The system can perform discharge control as needed. This system is located on a computer that functions as a control center and retrieves data from the OPC server where data is retrieved from the PLC using Ethernet communication that is connected directly to the plant. Fuzzy logic based control system is operated in a prototype factory on a lab scale, and performance analysis experimentally verified. Data can be directly retrieved and viewed using MATLAB SIMULINK. Based on the experimental results, it can be concluded that the control using fuzzy logic is better than conventional PID control. The results of the control using fuzzy logic reached steady state faster, namely 24.24 seconds without overshooting compared to using PID, namely ID48.6 seconds with 16.2% overshoot."

"One of the oldest essential oils that has been passed on through centuries in Indonesia and admitted to be having an excellent fixative quality for fragrances is patchouli oil. This oil is commonly extracted from the leaves of tropical Pogostemon Cablin Benth shrubs. The content of patchouli oil in the leaves has ranged from 2.5 -5 , however industrial practices only obtained the oil yield around 2.5 -3.5 . For the purpose of enhancing the patchouli oil recovery and quality attained from the conventional method of steam distillation, the author includes vacuum application to the steam distillation equipment and raw material pretreatment to the process of oil recovery. The steam distillation operated for 4 hours with a 50-gram-dried-ground patchouli leaves been the raw material for each process conducted. The oil yielded from the conventional steam distillation was 3.85 with patchouli alcohol content of 57.84 . Meanwhile, for vacuum steam distillation and the distillation with caustic soda pretreatment have yield and patchouli alcohol content of 3.31 , 50.97 and 3.95 , 63.10 , respectively. The process with caustic soda pretreatment could enhanced the oil yield and patchouli oil content, but the product contaminated with unwanted components. On the other hand, the vacuum steam distillation resulted lower yield and patchouli content. Although, its application had proven to have more concentrated organic components through GC-MS technology analysis, which indicated purer oil recovery.

---

Salah satu minyak atsiri tertua yang telah diwariskan selama berabad-abad di Indonesia dan diakui memiliki kualitas fiksatif yang sangat baik untuk wewangian adalah minyak nilam. Minyak ini biasanya diekstraksi dari daun tropis Pogostemon Cablin Benth semak. Kandungan minyak nilam dalam daun telah berkisar dari 2,5 5, namun praktik industri hanya memperoleh hasil minyak sekitar 2,5 3,5. Untuk tujuan meningkatkan pemulihan dan kualitas minyak nilam yang diperoleh dari metode konvensional penyulingan uap, penulis memasukkan aplikasi vakum ke peralatan penyulingan uap dan pra-perawatan bahan baku untuk proses pemulihan minyak. Distilasi uap dioperasikan selama 4 jam dengan 50 gram daun nilam kering menjadi bahan baku untuk setiap proses yang dilakukan. Minyak yang dihasilkan dari distilasi uap konvensional adalah 3,85 dengan kandungan alkohol nilam 57,84. Sementara itu, untuk destilasi uap vakum dan distilasi dengan pretreatment soda kaustik memiliki hasil dan kandungan alkohol nilam masing-masing sebesar 3,31, 50,97 dan 3,95, 63,10. Proses dengan pretreatment soda kaustik dapat meningkatkan hasil minyak dan kandungan minyak nilam, tetapi produk terkontaminasi dengan komponen yang tidak diinginkan. Di sisi lain, distilasi uap vakum menghasilkan rendemen dan kandungan nilam yang lebih rendah. Meskipun, aplikasinya telah terbukti memiliki komponen organik yang lebih terkonsentrasi melalui analisis teknologi GC MS, yang mengindikasikan pemulihan minyak yang lebih murni."