Hasil Pencarian  ::  Simpan CSV :: Kembali

"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."

"Optimalisasi pabrik regasifikasi liqufied natural gas LNG penting dilakukan untuk meminimilasi biaya, khususnya biaya operasional. Oleh karena itu penting untuk memilih desain pabrik regasifikasi LNG dan mendapatkan kondisi operasi yang optimum serta mempertahankan kondisi operasi yang optimum tersebut melalui implementasi model predictive control MPC. Kriteria optimalnya adalah minimumnya jumlah energi yang digunakan dan atau integral of square error ISE. Hasilnya, disain yang optimum adalah menggunakan skema 2 dengan penghematan energi sebesar 40. Sedangkan kondisi operasi yang optimum terjadi jika suhu keluaran vaporizer sebesar 6oC. Untuk mempertahankan kondisi optimum tersebut diperlukan MPC dengan setelan parameter P prediction horizon , M control horizon dan T sampling time sebagai berikut: pengendali tekanan tangki penyimpanan: 90, 2, 1; tekanan produk: 95, 2, 1; suhu vaporizer: 65, 2, 2; dan suhu heater: 35, 6, 5, dengan nilai ISE pada set point tracking masing-masing 0,99, 1792,78, 34,89 dan 7,54, atau peningkatan kinerja pengendalian masing-masing sebesar 4,6 , 63,5 , 3,1 dan 58,2 dibandingkan kinerja pengendali PI. Penghematan energi yang dapat dilakukan pengendali MPC saat terjadi gangguan pada kenaikan suhu air laut 1oC adalah 0,02 MW dan pengendali MPC juga mengurangi error terhadap kualitas produk sebesar 34,25 dibandingkan dengan menggunakan pengendali PI.

---

Optimization of liquified natural gas LNG regasification plant is important to minimize costs, especially operational costs. Therefore, it is important to select the LNG regasification plant design and obtain optimum operating conditions while maintaining the optimum operating conditions through the implementation of model predictive control MPC. The optimal criterion is the minimum amount of energy used and or the integral of square error ISE.

As a result, the optimum design is to use scheme 2 with an energy savings of 40 . While the optimum operating conditions occur if the vaporizer output temperature is 6oC. In order to maintain the optimum conditions, MPC is required with parameter setting P prediction horizon, M control horizon and T sampling time as follows tank storage pressure controller 90, 2, 1 product pressure 95, 2, 1 temperature vaporizer 65, 2, 2 and temperature heater 35, 6, 5, with ISE value at set point tracking respectively 0.99, 1792.78, 34.89 and 7.54, or improvement of control performance respectively 4.6, 63.5 , 3.1 and 58.2 compared to PI controller performance.

The energy savings that MPC controllers can make when there is a disturbance in sea temperature rise of 1oC is 0.02 MW and MPC controller also reduces error to product quality by 34.25 compared to the PI controller."

"Penyimpanan Liquified Natural Gas (LNG) dapat terjadi Boil-off Gas (BOG) karena suhu lingkungan lebih tinggi dari suhu LNG sehingga berpengaruh terhadap kuantitas dan kualitas LNG. Banyaknya BOG yang terbentuk disepanjang rantai suplai, berubah terhadap waktu. Penelitian ini bertujuan mengetahui banyaknya BOG yang terbentuk dan perubahan kualitas LNG seperti wobbe index, methane number dan heating value yang terintegrasi disepanjang rantai suplai serta untuk mengetahui pengaruh jarak shipping. Metode yang digunakan yaitu proses simulasi dengan sistem dinamik menggunakan software UniSim Design R390.1. Dari hasil yang didapat, Pada proses loading LNG, BOG yang terjadi sebanyak 2.966 m3 atau sekitar 2,7% dari total LNG yang dibawa. Pada shipping 4.118 m3 atau sekitar 4%. dan pada unloading LNG 2.545 m3, sekitar 2,63% dari sisa LNG setelah proses shipping. Semakin lama waktu shipping maka dapat meningkatkan nilai heating value dan Wobbe index serta menurunkan methane number.

---

Storage of Liquified Natural Gas (LNG) can occur Boil-off Gas (BOG) because the ambient temperature is higher than the temperature of LNG, it affects on the quantity and quality of LNG. The number of BOGs that are formed along the supply chain changes with time. This study aims to determine the amount of BOG formed and changes in LNG quality such as the Wobbe index, methane number and integrated heating value along the supply chain and also to determine the effect of shipping distance.

The method used is a dynamic system simulation process using UniSim Design R390.1 software. From the results obtained, in the LNG loading process, the BOG that occurred was 2,966 m3 or about 2.7% of the total LNG carried. At shipping 4,118 m3 or about 4%. and on LNG unloading of 2,545 m3, around 2.63% of the remaining LNG after the shipping process. The longer shipping time can increase the heating value and Wobbe index and reduce the methane number."

"Gas alam diubah menjadi LNG (Liquefied Natural Gas) untuk memudahkan dalam pendistribusian gas alam jarak jauh. LNG ini memiliki volume sekitar 1/600 dari volume gas alam sehingga dapat mengangkut jauh lebih banyak dibandingkan pada saat berbentuk gas alam. Sebelum pendistibusiannya ke konsumen, LNG tersebut akan diubah kembali menjadi gas. Proses diubahnya LNG kembali ke bentuk gas disebut sebagai regasifikasi. Pada proses regasifikasi dibutuhkan alat penukar kalor sebagai alat penukar kalor. Penelitian ini bertujuan untuk mendapatkan hasil sebuah rancangan alat penukar kalor pada proses regasifikasi LNG dengan mempertimbangkan aspek termal dan mekanik. Metode yang digunakan untuk aspek termal adalah metode kern sedangkan untuk aspek mekanik menggunakan TEMA (Turbular Exchanger Manufacturer Association) sebagai standar. Pada metode kern akan didapat diameter sebesar 2.03 m dengan panjang dari tube sebesar 6 m, diameter dalam tube 0.037 m dan diameter luar tube 0.04 m berdasarkan standarnya. Selain itu, didapatkan juga besar diameter shell yang akan menjadi acuan pada bagian mekanik menggunakan TEMA sehingga mendapatkan dimensi pada bagian shell seperti ketebalan shell sebesar 2.43 x 10-2 m, ketebalan tube sheet sebesar 0.112 m, diameter nozzle 0.254 m, dan diameter luar shell 2.08 m. Untuk hasil akhir merupakan sebuah design dari alat penukar kalor sesuai dengan metode yang digunakan dengan kapasitas 7 kg/s. "

"Kelebihan produksi gas bumi dari lapangan-lapangan gas di Kalimantan Timur disebabkan oleh alokasi contracted demand yang sebelumnya untuk ekspor telah berakhir. Kontradiktif dengan hal itu pemenuhan kebutuhan akan gas bumi nasional masih mengalami kekurangan (defisit). Hal ini disebabkan oleh infrastruktur transportasi gas bumi di Indonesia yang belum memadai dan kurang menariknya harga jual gas bumi domestik jika dibandingkan harga jual gas bumi untuk ekspor.Salah satu pemasok gas bumi di daerah Kalimantan Timur berasal dari tipe cadangan gas stranded. Produksi Lapangan X yang menjadi obyek dalam penulisan ini merupakan bagian dalam pemasok gas bumi untuk daerah Kalimantan Timur yang berasal dari jenis cadangan gas stranded. Dalam mengembangkan lapangannya, kontraktor memiliki kendala dalam mencapai parameter keekonomian yang ditentukan. Internal Rate of Return (IRR) lebih besar dari Minimum Attractive Rate of Return (MARR) sebesar 20% dan Bagian Pemerintah (Government Take) sebesar 30% digunakan sebagai ukuran (yardsticks) minimum ambang ekonomi dalam pengembangan Lapangan X.Analisis keekonomian Lapangan X dilakukan dalam rangka mempertahankan tingkat indikator keekonomian yang harus dicapai. Harga Gas (Gas Price), Biaya Operasi (Operating Cost) dan bagian antara pemerintah dengan kontraktor (Sharing Split) merupakan variabel PSC yang dianalisis untuk mendapatkan harga jual gas bumi yang memberikan pencapaian terhadap parameter keekonomian Lapangan X. Hasil dari analisis uji variabel PSC mendapatkan metode Uji Model Harga Gas Bumi dengan menggunakan model formula yang dilakukan eskalasi setiap tahunnya dan uji model Sharing Split sebagai metode terbaik yang dapat dipilih untuk pencapaian IRR masingmasing sebesar 20,6% dan 20,8% serta Government Take (GT) sebesar 37,4% dan 32,2%.Harga jual gas bumi yang dapat memberikan pencapaian ukuran (yardsticks) minimum keekonomian Lapangan X sebesar US$ 5,32-6,74/ MMBTU diberlakukan sebelum adanya perubahan titik serah terima gas bumi dan US$ 5,36-6,79/ MMBTU setelah adanya perubahan titik serah terima gas bumi. Jika dibandingkan dengan harga yang berlaku di pasaran (market), maka harga tersebut dapat digunakan sebagai harga jual gas bumi yang kompetitif untuk industri Pupuk.

---

Over production of natural gas from gas fields in East Kalimantan is caused by the termination in allocation of previous contracted demand for exports. Contradictory to that, the needs of natural gas is still lacking (deficit). This is due to inadequacy of natural gas transportation infrastructure and less interesting selling price of domestic natural gas than the selling price of natural gas for export.

One of the supply of natural gas in the East Kalimantan region is derived from the type of stranded gas reserves. Production of Field X which become object in this paper is a one of the suppliers of natural gas to East Kalimantan region derived from the type of stranded gas reserves. In developing their field, the contractor has a constraint in achieving the economic parameters defined. Internal Rate of Return (IRR) greater than the Minimum Attractive Rate of Return (MARR) by 20% and Government share (Government Take) by 30% is used as a measure (yardsticks) of minimum economic threshold in development of Field X.

Economic analysis of Field X conducted in order to maintain the level of the economic indicators to be achieved. Gas prices, Operating Costs and part of the government and the contractor (Sharing Split) is a PSC variable analyzed to obtain the sale price of natural gas that yields to the economic parameters of Field X. The results of PSC variable test analysis showed the method of Model Price Gas Test done using a model formula which escalates each year and Sharing Split Test Model as the best methods that can be selected for achieving 20.6% and 20.8% of IRR and 37.4% and 32.2 % of Government Take respectively.

The selling price of natural gas that can give attainment of Field X's economical minimum yardsticks is US $ 5.32 to 6.74/ MMBTU applied before the delivery point changes and about US $ 5.36 to 6.79/ MMBTU after changes in the delivery point of natural gas. When compared with the prevailing price in the market then this price can be used as the selling price of natural gas is competitive for fertilizer industry."

"Dalam penelitian ini akan dilakukan pengembangan formula perhitungan harga Gas Bumi melalui pipa gas yang digunakan sebagai umpan pada Kilang LPG High Recovery. Penentuan harga gas bumi untuk kilang LPG di Indonesia saat ini menggunakan basis energi yang terkandung dalam gas bumi dan belum memasukkan faktor komposisi gas. Prinsip keadilan dianggap telah tercapai dengan keseragaman harga gas bumi padahal dalam prakteknya perhitungan berdasarkan komposisi LPG yang ada pada gas bumi bisa mendapatkan keuntungan baik bagi produsen maupun offtaker gas. Metode yang digunakan adalah dengan menghitung harga gas dari sisi produsen sebagai willingness to sell WTS dan harga gas dari sisi offtaker gas sebagai willingness to pay WTP. Titik temu harga gas dibuat dalam suatu formula yang dikembangkan terindeks pada harga LPG Aramco dan Minyak Mentah Indonesia ICP. Usulan harga gas baru dilakukan dengan mengembangkan formula harga awal gas = A 0.5 P-P1 - C-C1 menjadi harga gas = a x A b x B c x C dimana : A = Harga dasar gas Base Price , B = Harga LPG Aramco dikurangi Cost Processing LPG Biaya Capex, Opex, depresiasi , C = Harga kondensat mengacu pada 75 harga minyak mentah Indonesia, a = fraksi komponen C1 dan C2 dalam persen, b = fraksi komponen C3 dan C4 dalam persen, c = fraksi kondensat dalam persen, a b c = 100. Dari hasil perhitungan sensitivitas didapat kenaikan harga gas linear terhadap kenaikan harga LPG Aramco sehingga lebih menguntungkan baik bagi produsen maupun offtaker gas.

---

In this research, we will develop the formula for calculating the price of Natural Gas through gas pipeline which is used as feed for LPG High Recovery Plant.The determination of natural gas price for LPG refinery in Indonesia currently uses the energy base contained in natural gas and has not yet entered the gas composition factor. The principle of justice is considered to have been achieved with the uniformity of natural gas prices whereas in practice the calculations based on the existing LPG composition on natural gas can benefit both the producers and offtakers of gas.

The method used is to calculate the gas price from the producer side as willingness to sell WTS and gas price from the side offtaker gas as willingness to pay WTP. The gas price meeting point is made in a formulation developed indexed on LPG Aramco and Indonesian Crude Prices ICP.

The proposed new gas price is made by developing the preliminary gas pricing formula A 0.5 P P1 C C1 into the gas price ax A b x B c x C where A Gas base price, B Aramco LPG Price minus Cost Processing LPG Cost of Capex, Opex, depreciation , C Condensate price refers to 75 of Indonesia crude oil price. a fraction of components C1 and C2 in percent, b fraction of C3 and C4 components in percent, c fraction of condensate in percent, a b c 100 . From the calculation of sensitivity, gas prices rose linearly to Aramco LPG price increase so it is more profitable for both the producers and the gas offtaker."

"Hidrogen merupakan salah satu gas yang memiliki banyak kegunaan. Salah satunya pada industri kimia. Pada pabrik biohidrogen, unit kompresor merupakan salah satu unit yang penting dalam pabrik biohidrogen dari biomassa. Kompresor berfungsi untuk mencapai tekanan tinggi pada kondisi operasi selanjutnya. Multivariable model predictive control (MMPC) digunakan untuk mengendalikan proses pada pabrik. Untuk mendapatkan pengendalian yang optimal, perlu dilakukan penyetelan. Penyetelan akan dilakukan pada Matlab-Simulink yang diintegrasikan dengan Aspen Plus Dynamics. Sistem pengendalian akan dibuat pada Simulink dan simulasi proses akan dilakukan pada Aspen Plus Dynamic. Penyetelan ini dilakukan dungeon metode Genetic Algorithm dungeon metode pencarian seleksi turnamen. Setelah itu, hasil penyetelan akan dijalankan juga dengan unisim design agar kinerja pengendalian dapat dibandingkan dengan penelitian sebelumnya. Model first order plus dead time (FOPDT) digunakan sebagai model prediksi MMPC. Pada penelitian ini, model FOPDT yang digunakan di MMPC pada Matlab harus dihasilkan dengan cara satuan tekanan keluaran kompresor terlebih dahulu diubah menjadi satuan persentase karena MMPC pada Matlab akan menginterpretasikan variabel-variabel perhitungan dalam satuan persen. Parameter time sampling (T), prediction horizon (P), dan control horizon (M) terbaik yang diperoleh dari metode penyetelan seleksi turnamen pada simulasi dengan unisim untuk perubahan set-point (SP) yaitu 1 detik, 18, dan 3. Untuk uji gangguan parameter T, P, dan M yang diperoleh dengan penyetelan fine tuning terbaik yaitu 1 detik, 341, dan 121. Pada simulasi Matlab-Simulink-Aspen Plus Dynamics, parameter T, P, dan M yang terbaik yaitu 0,05 detik, 18, dan 2 untuk perubahan SP dan 0,05 detik, 7, dan 1 untuk perubahan gangguan.

---

Hydrogen is one of the gases that has many uses, including in the chemical industry. In a biohydrogen plant, the compressor unit is one of the important units in the biomass-based biohydrogen plant. The compressor unit works to achieve high pressure for further operational conditions. Multivariable Model Predictive Control (MMPC) is used to control the processes in the plant. To obtain optimal control performance, tuning process is necessary. The tuning process will be conducted in Matlab-Simulink integrated with Aspen Plus Dynamics. The control system will be designed in Simulink, and the process simulation will be executed in Aspen Plus Dynamics. The tuning was done using the Genetic Algorithm with tournament selection search method. Subsequently, the tuning results will also be implemented in Unisim Design to compare the control performance with previous research. The First Order Plus Dead Time (FOPDT) model is applied as the prediction model for MMPC. In this study, the FOPDT model used in MMPC in Matlab must be generated by converting the compressor output pressure unit into a percentage unit due to the MMPC in Matlab will interpret the calculation variables in percent units. For the set-point change, the best time sampling (T), prediction horizon (P), and control horizon (M) parameters that were obtained from the tournament selection tuning method in the simulation with Unisim design are 1 second, 18, and 3. For disturbance testinwere obtainedest parameters are 1 second, 341, and 121 that obtained by fine-tuning method. In the Matlab-Simulink-Aspen Plus Dynamics simulation, the best parameters T, P, and M for set-point changes are 0.05 seconds, 18, and 2, and for disturbance changes are 0.05 seconds, 7, and 1."

"Ester base oil merupakan pelumas alami yang telah diterima secara luas dikarenakan kemampuan pelumasannya yang tinggi, serta keunggulan seperti kinerja suhu rendah, indeks viskositas yang tinggi, pengurangan gesekan yang sangat baik, dan sifat anti aus. Proses sintesis ester base oil melibatkan dua tahapan utama, yaitu oligomerisasi dan esterifikasi. Penelitian ini bertujuan untuk mendapatkan rancangan serta mendesain pengendalian proses pada proses pre- treatment oligomerisasi pabrik ester base oil dengan multivariable model predictive control (MMPC) 4x4. Metode yang digunakan untuk mendapatkan model first order plus dead time (FOPDT) 4x4 adalah dengan cara dilakukan identifikasi sistem menggunakan metode Smith, metode Wade, dan metode Solver. Selanjutnya, ditentukan model FOPDT terbaik dengan membandingkan nilai root- mean-square error (RMSE) terkecil dari setiap metode. Metode tuning yang digunakan untuk MMPC adalah metode Shridhar-Cooper dilanjutkan dengan fine- tuning untuk mendapatkan nilai parameter P (prediction horizon), M (control horizon), dan T (sampling time). Parameter MMPC tersebut akan diuji berdasarkan respon kinerja pengendali terhadap pengujian set point (SP) tracking dan pengujian disturbance rejection. Kinerja MMPC juga akan dibandingkan dengan kinerja pengendali propotional-integral (PI) dengan perhitungan integral absolute error (IAE) dan integral square error (ISE). Hasil identifikasi sistem didapatkan model FOPDT terbaik menggunakan metode Smith yaitu M1V3, M2V1 ; metode Wade yaitu M1V2, M2V3, M2V4, M4V2 ; metode Solver yaitu M1V1, M1V4, M2V2, M3V1, M3V2, M3V3, M3V4, M4V1, M4V3, M4V4. Metode fine-tuning pada penyetelan MMPC menghasilkan parameter P, M, T terbaik masing-masing sebesar 350, 300, dan 2. Pada pengujian SP ttacking, MMPC menunjukkan kinerja terbaik dalam pengendalian suhu sedangkan kinerja pengendali PI lebih baik dalam pengendalian laju alir. Pada pengujian disturbance rejection, kinerja MMPC lebih baik dibandingkan pengendali PI dengan perbaikan kinerja pengendalian sebesar 7,16% - 61,35% untuk nilai IAE dan 13,96% - 88,60% untuk nilai ISE.

---

Ester base oil is a natural lubricant widely accepted due to its high lubricating ability, as well as advantages such as low-temperature performance, high viscosity index, excellent friction reduction, and anti-wear properties. The synthesis process of ester base oil involves two main stages, namely oligomerization and esterification. This research aims to obtain a design and design process control in the pre-treatment process of oligomerization in the ester base oil plant with multivariable model predictive control (MMPC) 4x4. The method used to obtain the first-order plus dead time (FOPDT) 4x4 model is by identifying the system using Smith's method, Wade's method, and Solver's method. Furthermore, the best FOPDT model is determined by comparing the smallest root-mean-square error (RMSE) values from each method. The tuning method used for MMPC is the Shridhar-Cooper method followed by fine-tuning to obtain the parameter values P (prediction horizon), M (control horizon), and T (sampling time). These MMPC parameters will be tested based on controller performance responses to set point (SP) tracking testing and disturbance rejection testing. The performance of MMPC will also be compared with proportional-integral (PI) controllers using integral absolute error (IAE) and integral square error (ISE) calculations. The results of the system identification obtained the best FOPDT model using Smith's method, namely M1V3, M2V1; Wade's method, namely M1V2, M2V3, M2V4, M4V2; Solver's method, namely M1V1, M1V4, M2V2, M3V1, M3V2, M3V3, M3V4, M4V1, M4V3, M4V4 .The fine-tuning method in MMPC tuning resulted in the best P, M, T parameters of 350, 300, and 2 respectively. In SP tracking testing, MMPC showed the best performance in temperature control while PI controller performance was better in flow rate control. In disturbance rejection testing, MMPC performance was better than PI controllers with performance improvement ranging from 7.16% to 61.35% for IAE values and 13.96% to 88.60% for ISE values."

"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."