Hasil Pencarian  ::  Simpan CSV :: Kembali

"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."

"ABSTRAKMasalah penurunan produksi minyak bumi di Indonesia telah terjadi sejak tahun 2000. Negara Indonesia telah menjadi importir minyak bumi sejak tahun 2003 dengan nilai impor 100 ribu barel per hari yang terus meningkat dari waktu ke waktu hingga tahun 2014. Hal ini disebabkan oleh kebutuhan untuk energi dan bahan bakar di Indonesia terus meningkat. Masalah ini dapat diatasi dengan menggunakan Dimethyl Ether (DME) sebagai sumber bahan bakar alternatif dengan beberapa manfaat dibandingkan dengan bahan bakar fosil. Penelitian tentang desain pabrik DME terus dilakukan, salah satu studi yang dilakukan berjudul Produksi DME dari Gas Sintetis untuk Aditif Bahan Bakar Mesin Diesel dan Campuran LPG. Namun, hasil desain masih memerlukan kontrol proses untuk mencapai proses produksi yang optimal. Penelitian tentang sistem kontrol proses di pabrik ini telah dilakukan, tetapi masih belum menghasilkan sistem kontrol proses yang optimal. Sistem kontrol Multivariable Model Predictive Control (4x4) dapat diterapkan pada desain pabrik ini. Parameter MMPC (4x4) optimal dalam bentuk T, P, dan M dalam proses pemurnian DME dari campuran metanol secara berurutan adalah 25, 18, dan 41. Parameter ini merupakan hasil kombinasi dari metode Shridhar-Cooper dan fine tuning. Jika dibandingkan dengan MPC, MMPC (4x4) memberikan peningkatan kinerja kontrol dari 15,46% menjadi 94,7% bila dilihat dari IAE dan 10,31% hingga 97,726% bila dilihat dari ISE. Dengan demikian sistem MMPC (4x4) memberikan kinerja kontrol yang lebih baik dibandingkan dengan sistem MPC.

---

ABSTRACTThe problem of decreasing petroleum production in Indonesia has occurred since 2000. The Indonesian state has been an importer of petroleum since 2003 with an import value of 100,000 barrels per day which continues to increase from time to time until 2014. This is due to the need for energy and fuel in Indonesia continues to increase. This problem can be overcome by using Dimethyl Ether (DME) as an alternative fuel source with several benefits compared to fossil fuels. Research on the design of the DME plant continues to be carried out, one of the studies conducted was entitled Production of DME from Synthetic Gas for Diesel Engine Fuel Additives and LPG Blends. However, the design results still require process control to achieve optimal production processes. Research on the process control system at this plant has been carried out, but it has not yet produced an optimal process control system. The Multivariable Model Predictive Control (4x4) control system can be applied to this factory design. The optimal MMPC (4x4) parameters in the form of T, P, and M in the DME refining process from methanol mixtures respectively are 25, 18, and 41. These parameters are the result of a combination of the Shridhar-Cooper method and fine tuning. When compared to MPC, MMPC (4x4) gives an increase in control performance from 15.46% to 94.7% when viewed from IAE and 10.31% to 97.726% when viewed from ISE. Thus the MMPC system (4x4) provides better control performance compared to the MPC system."

"ABSTRAKPengendalian proses pemisahan metanol-air pada produksi dimethyl ether (DME) dari gas sistesis menggunakan pengendali Model Predictive Control (MPC) jenis single-input single-output (SISO) telah menunjukkan hasil yang lebih baik dibandingkan dengan penggunaan pengendali Propotional-Integral (PI). Namun, penerapan pengendali MPC tunggal ini membuat proses produksi DME menjadi tidak ekonomis dikarenakan biaya modal pengendali MPC lebih besar dibandingkan pengendali PI. Pada penelitian ini, dirancang pengendali Multivariable Model Predictive Control (MMPC 4x4) dengan empat variabel masukan atau variabel yang dimanipulasikan (manipulated variable, MV) dan empat variabel keluaran atau variabel yang dikendalikan (controlled variable, CV). Pengendali MMPC diusulkan untuk mengurangi jumlah pengendali yang digunakan (empat MPC) serta mengatasi interaksi antar-variabel yang akan memengaruhi kinerja pengendalian. Perancangan pengendali meliputi identifikasi interaksi antar-variabel melalui pemodelan empirik first-order plus dead time (FOPDT) dan penyetelan pengendali. Empat CV tersebut meliputi suhu kondensor, suhu keluaran cooler, level kondensor, dan level kolom, sedangkan empat MV-nya meliputi beban kondensor, beban cooler, laju alir produk distilat, dan laju alir produk bawah. Hasilnya menunjukkan bahwa interaksi antar variabel yang teridentifikasi meliputi seluruh variabel yang terlibat, sehingga didapatkan matriks 4x4 yang berisi 16 model FOPDT. Nilai parameter pengendali berupa sampling time (T), prediction horizon (P), dan control horizon (M) yang memberikan kinerja pengendalian yang optimum berturut-turut adalah 2, 24, dan 10. Penggunaan MMPC memberikan kinerja pengendalian yang lebih baik dibandingkan dengan MPC, yang ditunjukkan oleh penurunan IAE sebesar 7% hingga 72% dan penurunan ISE sebesar 14% sampe 83%.

---

ABSTRACTProcess control of separating methanol-water from the production of dimethyl ether (DME) from synthesis gas using the Model Predictive Control (MPC) controller of single-input single-output (SISO) type has shown better results compared to the use of Propotional-Integral (PI) controllers. However, the application of this single MPC controller made the DME production process uneconomical because the MPC controllers capital cost was greater than the PI controller. In this study, a Multivariable Model Predictive Control (MMPC 4x4) controller was designed with four input variables or manipulated variables (manipulated variables, MV) and four controlled variables (controlled variables, CV). The MMPC controller is proposed to reduce the number of controllers used (four MPC) and overcome inter-variable interactions that will affect control performance. The design of the controller includes the identification of inter-variable interactions through first-order plus dead time (FOPDT) empirical modeling and controller adjustments. The four CVs include condenser temperature, cooler output temperature, condenser level, and column level, while the four MVs include condenser load, cooler load, distillate product flow rate, and bottom product flow rate. The results show that the interactions between the variables identified include all the variables involved, resulting in 16 FOPDT models. The control parameter values ​​in the form of sampling time (T), prediction horizon (P), and control horizon (M) that provide optimum control performance are 2, 24, and 10. The use of MMPC provides better control performance compared to MPC, which is indicated by a decrease in IAE of 7% to 72% and a decrease in ISE of 14% to 83%."

"ABSTRAKDimethyl ether products (DME) can be used as alternative energy sources that are more environmentally friendly and sustainable. In this DME purification plant, the feed with DME, methanol and water composition will be separated so that pure DME is obtained with a concentration of 99. In this study, Multivariable Model Predictive Control is used to control the process of DME purification plant. The performance of MMPC in both DME and methanol purification process has been conducted in previous research with separate system. This research is proposed towards the stability of both system when combined and its economic analysis when compared with standard MPC and PID Controller. The consideration when combining DME purification process and methanol purification process is the bottom product of DME purification column where it also acts as methanol purification column feed. Valve conductance needs to be adjusted accordingly to satisfy both systems. Retuning MMPC parameters is based on Wahid-Utomo (2019) and Wahid-Brillianto (2019) tuning parameters. The results of retuning yield a better control performance throughout the entire purification process. The retuning parameters value for T, P, and M are 10, 40, and 50 for DME purification process and 1, 40, and 50 for methanol purification process. The improvement on IAE are from 35.31% to 56.24% for DME purification and 20.06% to 94.91% for methanol purification process. Furthermore, installing MMPC proved to be economically feasible with a positive NPV of Rp 10,216,077 when compared to PI controller.

---

ABSTRACT

Produk Dimethyl ether (DME) dapat digunakan sebagai sumber energi alternatif yang lebih ramah lingkungan dan berkelanjutan. Di pabrik pemurnian DME ini, umpan dengan komposisi DME, metanol, dan air akan dipisahkan sehingga DME murni diperoleh dengan konsentrasi 99. Dalam penelitian ini, Multivariable Model Predictive Control digunakan untuk mengontrol proses pabrik pemurnian DME. Kinerja MMPC dalam proses pemurnian DME dan metanol telah dilakukan dalam penelitian sebelumnya dengan sistem terpisah. Penelitian ini diusulkan terhadap stabilitas kedua sistem ketika dikombinasikan dan analisis ekonominya bila dibandingkan dengan MPC dan PID controller. Pertimbangan saat menggabungkan proses pemurnian DME dan proses pemurnian metanol adalah produk dasar kolom pemurnian DME di mana juga bertindak sebagai umpan kolom pemurnian metanol. Valve conductance perlu disesuaikan untuk memenuhi kedua sistem. Retuning parameter MMPC didasarkan pada parameter tuning Wahid-Utomo (2019) dan Wahid-Brillianto (2019). Hasil retuning menghasilkan kinerja kontrol yang lebih baik di seluruh proses pemurnian. Nilai parameter retuning untuk T, P, dan M adalah 10, 40, dan 50 untuk proses pemurnian DME dan 1, 40, dan 50 untuk proses pemurnian metanol. Peningkatan IAE adalah dari 35,31% menjadi 56,24% untuk pemurnian DME dan 20,06% menjadi 94,91% untuk proses pemurnian metanol. Selain itu, menginstal MMPC terbukti layak secara ekonomi dengan NPV positif sebesar Rp 10.216.077 jika dibandingkan dengan pengontrol PI.

"

"Dimetil eter DME sebagai energi alternatif yang bersih telah mendapat perhatian dalam beberapa tahun terakhir. Produksi DME dengan distilasi reaktif memiliki potensi untuk menghemat biaya kapital dan penggunaan energi. Meski begitu, kombinasi sistem reaksi dan distilasi dalam satu kolom membuat proses distilasi reaktif menjadi sistem multivariabel yang kompleks dengan perilaku proses yang sangat non linear dan adanya interaksi antar variabel proses yang kuat. Studi ini menginvestigasi pengendalian proses distilasi reaktif DME dengan multivariable Model Predictive Control MPC berdasarkan struktur pengendalian suhu dua titik untuk menjaga kemurnian kedua aliran produk. Model proses diestimasi dengan model first-order plus dead time. Kemurnian DME dan air masing-masing dijaga dengan mengendalikan suhu tahap 5 di zona rektifikasi dan suhu tahap 47 pelucutan. Hasil simulasi menunjukkan bahwa nilai integral of squared error ISE untuk perubahan set point suhu tahap 5 dan 47 dapat dikurangi masing-masing 19,89 dan 18,26 untuk sistem dengan pengendali multivariable MPC dibandingkan dengan pengendali PI konvensional. Selain itu, pengendali multivariable MPC mampu menangani interaksi lup pengendalian yang ditunjukkan oleh respon yang lebih stabil dan tidak berosilasi.

---

Dimethyl ether DME as an alternative clean energy has attracted a growing attention in the recent years. DME production via reactive distillation has potential for capital cost and energy requirement savings. However, combination of reaction and distillation on a single column makes reactive distillation process a very complex multivariable system with high non linearity of process and strong interaction between process variables. This study investigates a multivariable model predictive control MPC based on two point temperature control strategy for the DME reactive distillation column to maintain the purities of both product streams. The process model is estimated by a first order plus dead time model. The DME and water purity is maintained by controlling stage 5 temperature in rectifying section and stage 47 in stripping section, respectively. The results show that the integral of squared error ISE values for the set point tracking in stages 5 and 47 temperatures can be reduced, respectively, 19.89 and 18.26 for the system under multivariable MPC controller compared to the conventional PI controllers. In addition, the MPC controller is able to handle the loop interactions that is shown by more stable and non oscillatory responses."

"Kemampuan produksi minyak di Indonesia semakin menurun sejak tahun 1997 hingga sekarang sedangkan kebutuhan produk minyak/ BBM menunjukkan kecenderungan yang semakin meningkat. Maka produk dimetil eter (DME) dapat digunakan sebagai sumber energi alternatif yang lebih ramah lingkungan dan berkelanjutan. Pada pabrik purifikasi DME ini, umpan dengan komposisi DME, metanol dan air akan dipisahkan sehingga diperoleh DME murni dengan konsentrasi 99%. Dalam proses produksinya, unit-unit proses mengalami banyak gangguan yang berdampak pada menurunnya efisiensi dan kestabilan operasi dan juga berpengaruh pada aspek keselamatan.Pada penelitian ini, pengendali Model Predictive Control (MPC) memiliki kinerja yang lebih baik dibanding pengendali PI dalam mengatasi gangguan dengan penurunan integral of absolute error (IAE) sebesar 40,08% hingga 96,26% dari pengendali PI. Parameter penyetelan (tuning) pada pengendali MPC yang berupa sampling time (T), prediction horizon (P), dan control horizon (M) dicari menggunakan metode non-adaptive dan fine tuning. Analisis kelaikan ekonomi pemasangan MPC menunjukkan bahwa payback period adalah sebesar 14,5 tahun dan 13,4 tahun serta net present value (NPV) sebesar -11juta rupiah dan -9,3 juta rupiah pada skenario gangguan umpan 5% dan 8% secara berturut-turut, sehingga penggantian pengendali dari PI menjadi MPC pada pabrik purifikasi DME secara ekonomi tidak menguntungkan.

---

Oil and gas production in Indonesia always decreasing since 1997 until now, and yet the need of oil and fuel product show increasing trajectory. Dimethyl ether (DME) can be used as altenative energy source, it is environmentally safe and sustainable. In this DME purification plant, feed stream containing DME, methanol, and water mixture is separated to obtain DME with 99% purity. In its production process, process unit in DME plant must get disturbances that will affect to the decreasing of process efficiency, operation stability and even safety aspect.

In this research, Model Predictive Control (MPC) has better performance than PI controller in order to overcome disturbances with error (IAE) reduction ranging from 40,08% up to 96,26% than PI controller. Tuning parameters in MPC controller, which are sampling time (T), prediction horizon (P) and control horizon (M), are estimated by both non-adaptive and fine tuning method. Economic feasibility analysis on MPC controller implementation shows that the payback period is 14,5 years and 14,3 years, then NPV -11 million rupiah and -9,3 million rupiah in disturbance scheme of 5% and 8% respectively . Hence, it is not economically feasible to change PI controller into MPC controller on dimethyl ether purification plant."

"Produksi dimetil eter (DME) dapat menggunakan proses indirect. Pada proses indirect, terdapat proses yang penting, yaitu sintesis metanol dan sintesis DME. Untuk memastikan proses ini dapat berlangsung secara optimum, perlu dilakukan pengendalian. Pengendali yang digunakan adalah Model Predictive Control (MPC), yang menggunakan model FOPDT secara langsung dalam pengendaliannya. Untuk mendapatkan model FOPDT terbaik (IAE terkecil), dilakukan reidentifikasi sistem dari model sebelumnya, sedangkan proses optimasi dilakukan dengan penyetelan terhadap parameter-parameter pengendali MPC: waktu sampel (T), prediction horizon (P), dan control horizon (M). Pengendalian dilakukan pada unit heater, cooler, compressor, dan reaktor sistesis dimetil eter (pengendali konsentrasi). Hasil perancangan sistem pengendalian menggunakan MPC ini memberikan kinerja yang lebih baik dibandingkan dengan pengendai PI, dengan pengurangan kesalahan masing-masing unit sebagai berikut: 29,62% (IAE) dan 1,51% (ISE) untuk TC Heater 1; 51,69% (IAE) dan 79,04% (ISE) untuk TC Heater 2; 67,44% (IAE) dan 82,24% (ISE) untuk TC Cooler 1; 49,07% (IAE) dan 67,26% (ISE) untuk TC Cooler 2; 56,75% (IAE) dan 53,03% (ISE) untuk PC Compressor; 4,46% (IAE) dan 50,00% (ISE) untuk CC DME.

---

Production of dimethyl ether (DME) can use indirect process. In indirect process, there are two important processes which are methanol synthesis and DME synthesis. To ensure this process going optimally, controlling is needed. The controller that can be used is Model Predictive Control (MPC), which uses FOPDT model directly in controlling. To get the best FOPDT model (the least IAE), system reidentification is done from the previous model while the optimizing process is done by adjusting the parameters of MPC controllers: the time of sample (T), prediction horizon (P), and the control horizon (M). The controlling is done by units of heater, cooler, compressor, and reactor of dimethyl ether synthesis (the concentration controller). The result of this control system design using MPC provides better performance than PI controller by decreasing the errors for each unit as follows: 29,62% (IAE) and 1,51% (ISE) for TC Heater 1; 51,69% (IAE) and 79,04% (ISE) for TC Heater 2; 67,44% (IAE) and 82,24% (ISE) for TC Cooler 1; 49,07% (IAE) and 67,26% (ISE) for TC Cooler 2; 56,75% (IAE) and 53,03% (ISE) for PC Compressor; 4,46% (IAE) and 50,00% (ISE) for CC DME."

"Pelumas merupakan senyawa yang digunakan untuk mengurangi gaya gesek dan keausan antar komponen yang berkontak satu sama lain. Base oil merupakan komponen penting dalam pelumas sehingga pemilihan base oil dapat menentukan sifat dari pelumas tersebut. Kolom distilasi pada proses separasi base oil ester memiliki potensi bahaya yang cukup tinggi sehingga perlu adanya pengendalian pada unit tersebut. Pada penelitian ini, Multivariable Model Predictive Control (MMPC) digunakan sebagai pengendali tingkat lanjut untuk mengendalikan 4 pasangan manipulated variable (MV) dan controlled variable (CV) pada unit distilasi. Penyetelan pengendali dilakukan dengan pemodelan first order plus derivative time (FOPDT) dengan metode Smith, Wade, Lilja, dan Solver yang dilanjutkan dengan penentuan parameter MMPC. Penentuan parameter MMPC dengan metode fine-tuning menghasilkan prediction horizon (P) sebesar 375, control horizon (M) sebesar 245, dan sampling time (T) sebesar 1. Pengendalian dengan MMPC 4×4 hasil fine-tuning mampu mengurangi nilai Integrated Absolute Error (IAE) sebesar 3,31 – 80,40% dan nilai Integrated Squared Error (ISE) sebesar 2,77 – 81,33% dibandingkan hasil pengendalian PI pada pengujian set point tracking. Selain itu, pengendalian MMPC juga dapat mengurangi nilai IAE sebesar 3,17 – 77,48% dan nilai ISE sebesar 23,83 – 88,44% dibandingkan hasil pengendalian PI pada pengujian disturbance rejection.

---

Lubricants are compounds used to reduce friction and wear between components in contact with each other. Base oil is an important component in lubricants so that the selection of base oil can determine the nature of the lubricant. The distillation column in the ester base oil separation process has a high potential hazard, so it is necessary to control the unit. In this study, Multivariable Model Predictive Control (MMPC) is used as an advanced controller to control 4 pairs of manipulated variables (MV) and controlled variables (CV) in the distillation unit. Controller tuning is done by first order plus derivative time (FOPDT) modeling with Smith, Wade, Lilja, and Solver methods followed by MMPC parameter determination. The determination of MMPC parameters with the fine-tuning method results in a prediction horizon (P) of 375, a control horizon (M) of 245, and a sampling time (T) of 1. Control with MMPC fine-tuning results can reduce the Integrated Absolute Error (IAE) value by 3.31 – 80,40% and the Integrated Squared Error (ISE) value by 2.77 – 81,33% compared to the PI control results in the set point tracking test. In addition, MMPC  control can also reduce the IAE value by 3.17 – 77,48% and the ISE value by 23.83 – 88,44% compared to the PI control results in the disturbance rejection test."