Hasil Pencarian  ::  Simpan CSV :: Kembali

"Indonesia tengah menghadapi tantangan terus-menerus dengan meningkatnya permintaan bahan bakar fosil dan masalah lingkungan yang menyertai seperti emisi rumah kaca, sehingga sumber energi alternatif yang berpotensi mengurangi kerugian ini harus dikembangkan. Salah satu kemungkinan untuk mengatasi kelemahan ini adalah melalui pemanfaatan Dimethyl Ether (DME). Salah satu bagian penting dalam proses produksi DME adalah proses purifikasi metanol melalui kolom distilasi, dimana perolehan kembali metanol yang tinggi menghasilkan produksi DME yang lebih tinggi. Karena kolom distilasi sifatnya kompleks dan nonlinier, pendekatan yang berbeda dari pemodelan parametrik konvensional dicoba untuk memberikan model proses yang lebih akurat. Pendekatan ini menggunakan pendekatan pemodelan statistik, dimana diimplementasikan model Auto-Regressive Exogenous (ARX). Model ARX dibandingkan dengan model FOPDT yang dikembangkan oleh Wahid dan Brillianto (2020) dengan nilai root mean square error (RMSE) antara data model simulasi dan data proses aktual. Hasil penelitian menunjukkan bahwa model ARX mampu memberikan representasi yang lebih baik dari proses aktual dengan peningkatan akurasi dalam hal nilai RMSE mulai dari 22,22% hingga 99,28% untuk 14 dari 16 pasangan model proses (4 ✕ 4). Tiga set model (FOPDT, ARX, dan Mixed yang berisi model ARX dan FOPDT terbaik berdasarkan nilai RMSE-nya) diimplementasikan dalam MMPC 4 ✕ 4 dengan 2 variabel disturbance yang terukur. Hasil akhir menunjukkan bahwa kontroler set model Mixed memberikan hasil kontrol terbaik untuk pengujian set-point dan disturbance rejection, dengan peningkatan dalam hal nilai IAE mulai dari 14,3% hingga 95,81% dan dalam hal nilai ISE mulai dari 37,39% hingga 99,95%.

---

As Indonesia faces the constant challenge of rising fossil fuel demands and environmental issues attached such as greenhouse emissions, an alternative energy source that could potentially mitigate these disadvantages should be developed. One possibility to counteract these disadvantages is through the utilization of Dimethyl Ether (DME). One important section in the DME production process is the recovery of methanol through a distillation column, where high recovery of methanol yields higher DME production. As the distillation column is highly complex and nonlinear, a different approach to conventional parametric modelling is attempted to provide a more accurate process model. This approach uses a statistical modelling approach, in which the Auto-Regressive Exogenous (ARX) model is implemented. The ARX model is compared to that of the FOPDT models developed by Wahid and Brillianto (2020) with the root mean square error (RMSE) value between the simulated model data and actual process data. The results show that the ARX model is able to provide better representation of the actual process with fitness improvements in term of RMSE value ranging from 22.22% to 99.28% for 14 of the 16 process model pairs (4 ✕ 4). Three model sets (FOPDT, ARX, and Mixed which contains the best ARX and FOPDT model based on their RMSE value) are implemented in a 4 ✕ 4 MMPC with 2 measured disturbance variables. The final result shows that the Mixed model set controller provides the best control result for both set-point and disturbance rejection testing, with improvements in term of IAE value ranging from 14.3% to 95.81% and in term of ISE value ranging from 37.39% to 99.95%."

"Penilitian ini meninjau kinerja pengendalian MPC dengan model empirik Auto-Regressive Exogenous pada proses produksi formaldehid di PT. X. MPC digunakan untuk mengendalikan laju alir umpan steam, tekanan evaporator, temperatur udara, dan ketinggian cairan evaporator. Hasil dari penelitian ini dibandingkan dengan penelitian Wahid dan Salman (2020) yang menggunakan pengendali MPC dengan model FOPDT. Kinerja pengendalian diukur menggunakan parameter IAE dan ISE dengan dua jenis pengujian, yaitu set-point tracking dan disturbance rejection. Hasil menunjukkan bahwa model yang diidentifikasi memiliki nilai fit to estimation lebih dari 95% dan mampu merepresentasikan data aktual dengan nilai kesalahan (RMSE) lebih kecil daripada model FOPDT. Parameter pengendali yang optimum secara berurutan (T, P, dan M) adalah (10,10,2) untuk FIC-102, (10,30,2) untuk PIC-101, (10,10,2) untuk TIC-101, dan (10,60,2) untuk LIC-101. Terdapat perbaikan kinerja pengendalian berdasarkan parameter IAE dan ISE, pada uji SP tracking sebesar 86,63% dan 85,56% untuk FIC-102, 74,36% dan 87,28% untuk PIC-101, 56,27% dan 20,45% untuk TIC-101, serta 87,35% dan 84,65% untuk LIC-101. Sedangkan untuk disturbance rejection perbaikannya sebesar 95,85% dan 96,75% untuk FIC-102, 85,95% dan 96,81% untuk PIC-101, 43,06% dan -30,0% pada TIC-101, serta -85,06% dan -539,13% pada LIC-101. Berdasarkan hasil penelitian, pengendali dengan model ARX memberikan kinerja pengendalian yang lebih baik karena dapat merepresentasikan proses aktual secara lebih akurat.

---

This study reviews the performance of MPC control with the Auto-Regressive Exogenous empirical model in the formaldehyde production process at PT. X. MPC is used to control the steam feed flow rate, evaporator pressure, air temperature, and evaporator liquid level. The results of this study were compared with the research of Wahid and Salman (2020) which used MPC controllers with the FOPDT model. Control performance is measured using IAE and ISE parameters with two types of tests, namely set-point tracking and disturbance rejection. The results show that the identified model has a fit to estimation value of more than 95% and is able to represent actual data with an error value (RMSE) smaller than the FOPDT model. The optimum control parameters sequentially (T, P, and M) are (10,10,2) for FIC-102, (10,30,2) for PIC-101, (10,10,2) for TIC-101 , and (10,60,2) for LIC-101. There is an improvement in control performance based on IAE and ISE parameters, in the SP tracking test of 86.63% and 85.56% for FIC-102, 74.36% and 87.28% for PIC-101, 56.27% and 20,45% on TIC-101, and 87.35% and 84.65% on LIC-101. Meanwhile, for disturbance rejection, the improvements are 95.85% and 96.75% for FIC-102, 85.95% and 96.81% for PIC-101, 43.06% and -30.0% on TIC-101, and -85.06% and -539.13% on LIC-101. Based on the research results, the controller with the ARX model provides better control performance because it can represent the actual process more accurately."