Hasil Pencarian  ::  Simpan CSV :: Kembali

"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."

"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."