Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Dalam kehidupan sehari-hari sistem pendingin dapat dijumpai dengan mudah, baik dalam skala kecil maupun skala besar diberbagai bidang. Asmar [1] telah memodelkan sistem pendingin dua-tingkat dengan dua buah temperatur beban dan menggunakan propylene sebagai fluida-kerja. Kinerja sistem pendingin berkaitan erat dengan tekanan dan volume fluida-kerja yang digunakan sehingga dengan mengaturnya dapat diperoleh proses pendinginan yang efesien dengan temperatur yang dapat dipertahankan tetap. Dalam penelitian ini dibahas tentang perancangan pengendali fuzzy untuk mengendalikan volume refrigrant, tekanan dan temperatur pada sistem pendingin dua tingkat. Perancangan dan simulasi dilakukan dengan menggunakan perangkat lunak MATLAB versi 7.0 dan membandingkannya dengan hasil pengendalian Propotional Integrator (PI) ditinjau dari besarnya integral kuadrat error (ISE), settling time (ts), over shoot (OS) dan steady state error (SSE). Dari hasil simulasi diperoleh bahwa kinerja pengendalian fuzzy lebih baik daripada pengendali PI.

---

In daily life, small or big scale refrigeration system can be found easily in many sectors of application. Asmar[1] has presented a models of two-stage refrigeration system with two load temperature using propylene as the working fluid. Refrigeration system performance is tightly related with its pressure and the working fluid volume in use. Therefore with pressure and working fluid volume are controlled. The refrigeration process can be working efficiently and its working temperature may be maintained constant. In this research, we design a controller system using fuzzy logic for refrigerant volume control, pressure control and temperature control on two-stage refrigeration system. The design and simulation of the system with a fuzzy controller is done using MATLAB version 7 software. The result are compared with that using Proportional Integral (PI) controller, using performance criteria base on Integral of square of error (ISE), settling time (ts), overshoot (OS) and steady state error (SSE). From simulation result, it can be seen that the fuzzy logic controller performance is better than proportional integrator (PI) controller performance.

Abstrak :
Perkembangan ilmu dibidang kontrol diiringi pula dengan aplikasinya yang sejalan pada dunia industri. Sehingga, kendala-kendala aplikasi pada industri juga menjadi dasar dioptimasinya sistem-sistem pengendali. Salah satunya adalah sistem logika fuzzy (fuzzy logic) yang secara luas sudah banyak digunakan untuk pengendalian, sebagai salah satu alternatif selain PID kontroler. Fuzzy logic controller sebagai jawaban terhadap sistem yang membutuhkan output dengan ketelitian tinggi, yang tentunya sistem pengendaliannya cukup kompleks. Salah satu penerapan pengendali logika fuzzy di industri adalah untuk pengendalian tangki pengontro! density, yang merupakan sub sistem dalam suatu proses pengolahan bahan pembuatan atap asbes. Aplikasi pengendaliannya dilakukan terhadap target pencapaian set point density dan level kapasitas bahan pada tangki tersebut. Pengendalian sistem ini dapat dikatakan mempunyai multi input-multi output (MIMO), yaitu dengan set point input density dan level kapasitas, output yang diharapkan adalah tercapainya density dan level bahan sesuai yang ditargetkan pada tangki. Pencapaian salah satu set point akan mempengaruhi set point lainnya, dimana ketika pencapaian target density diupayakan maka level bahan juga terpengaruh atau berlaku sebaliknya. Pada tugas akhir ini, dibahas konsep dan rancangan proses dengan simulasi pengendalian pada tangki pengontrol density berbasis fuzzy logic controller dengan menggunakan simulink pada program matlab versi 6.1.

Abstrak :
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.

Abstrak :
Penulisan skripsi yang dikerjakan penulis merupakan usulan konsep perbaikan sistem pengadaan material pada PT. X. Sesuai dengan judul skripsi yang berjudul : ?Usulan konsep penyediaan material dengan menggunakan SAP RB?, maka penulis berupaya memberikan sumbangan pemikiran yang berupa usulan hasil analisa maupun buah pemikiran dari penulis. Proses penulisan skripsi yang dilakukan oleh penulis mencakup studi terhadap PT.X sendiri, yang mana dalam study tersebut dilalcukan dengan studi literatur yang dalam hal ini termasuk study terhadap laporan, kertas kerja, dll, maupun study lapangan yang dalam hal ini termasuk wawancara, maupun terjun ke lapangan (ikut melihat sistem secara langsung). Setelah dilakukan study terhadap PT. X sendiri maka penulis berupaya rnengadakan analisa analisa terhadap permasalahan yang melingkupi sistem yang ada tersebut. Sesuai dengan judul skripsi yang mengetengahkan SAP R/3 sebagai alat bantu, maka penulis setelah rnengadakan analisa sistem lalu berupaya mengadakan pembedahan terhadap SAP R/3, yang kebetulan pada saat itu juga penulis termasuk sebagai tenaga pernbantu dalam proyek penerapan SAP R/3 pada PT. X. Berdasarkan analisa perrnasalahan permasalahan yang telah dilalcukan dan pernbedahan terhadap SAP R/3 maka penulis berupaya memberikan solusi yang terbaik bagi permasalah permasalah sistem pengadaan material pada PT. X.

---

Abstrak :
Tesis ini membahas tentang Pengendali Logika Fuzzy sistem Thermal Mixing. Salah satu contoh proses thermal mixing yang cukup sederhana dan mewakili adalah Proses Pencampuran Air Panas dan Air Dingin. Sistem pencampuran air panas dan air dingin ini terdiri atas sebuah tangki dengan dua buah pipa saluran masukan dan sebuah saluran keluaran. Level dan temperatur air akan diukur dengan menggunakan tranduser. Sistem pencampuran air panas dan air dingin ini merupakan sistem yang multivariabel dengan empat masukan dan dua keluaran. Dari pemodelan yang diperoleh dapat dilihat bahwa sistem pencampuran ini merupakan sistem non linier. Sifat non linier sistem ini merupakan suatu kendala yang harus dikendalikan untuk mendapatkan hasil yang diinginkan yaitu temperatur dan level air tertentu. Konfigurasi sistem yang digunakan pada pengujian ini adalah maksimum tinggi air dalam tangki 2 m, luas alas tangki 2 m2, luas penampang pipa air 0,05 m2, tinggi level air awal 1 m, suhu air awal dalam tangki 27°C. Untuk melihat tanggapan sistem pengendalian proses pencampuran air panas dan air dingin dengan menggunakan pengendali logika fuzzy maka harus dilakukan berbagai pengujian dengan berbagai macam kondisi. Pengujian ini dilakukan dengan menggunakan fasilitas Simulink versi 4 pada program Matlab versi 6.0.0.88 Release 12. ......This thesis studies a fuzzy logic controller to the process of thermal mixing. An example of a simple thermal mixing process that represent it was a cold and hot water mixing process. The cold and hot water mixing system consist of a tank which connected to two water pipe inputs and a water pipe output. Water level and temperature were measured with transducers. The cold and hot water mixing process was a multivariable system with four inputs and two outputs. From mathematical models, the mixing system is a non linear system. The non linearity of this system is the constraint that has to be controlled to achieve the temperature and level set points. The system configuration used in the examination are 2 m of maximum water level in tank, base area of tank is 2 m2, cross section area of outlet pipe is 0.05 m2 initial water level is 1 m and initial water temperature is 27°C. The responds system of the mixing process control using fuzzy logic controller was tested in some variants conditions. The tests were simulations using the Simulink version 4 facility in Matlab version 6.0.0.88 release 12 program.

Abstrak :
Kecepatan rotasi mesin uap Skala kecil dapat dikendalikan dengan pengendali proporsionai-plus-integral (PI) atau pengendali logika fuzzi, FLC (Fuzzy Logic Controller) berbasis komputer. Untuk mengendalikan kecepatan mesin dengan pengendali PI perlu diturunkan fungsi alih mesin dan dihitung parameter-parameter pengendali yaitu Kp dan K1. Sedang untuk pengendalian dengan FLC tidak perlu melakukan penurunan fungsi alih, tetapi perlu proses fuzzifikasi, membuat basis aturan, proses penalaran, dan defuzzifikasi. Kestabilan sistem dengan pengendali PI dan parameter-parameter pengendali dianalisis dengan prosedur Tempat Kedudukan Akar. Respons sistem kedua pengendali dan dipantau pada monitor komputer dengan program yang ditulis dalam bahasa pemrograman Pascal 7.0/DOS, Delphi 5 dan Fuzzytech 5.12. Respons sistem pengendalian dengan pengendali PI dan FLC dapat dibandingkan untuk mengetahui kelebihan dan kekurangannya. ......The speed of a small scale steam engine can be controlled by a computer based proportional-plus-integral (PI) controller, or fuzzy logic controller (FLC). To regulate the engine speed by PI controller, the transfer function of the engine and the gain parameters of the controller, the proportional gain, Kp and the integral gain, KI must be derived. On the other hand the speed regulation by PLC, all of the factors mentioned above neet not be derived, but a fuzzification process, a construction of the rule base, a fuzzy reasoning dan a defuzzification process must be implemented. The stability of the PI controlled system and the parameters of the controller are analyzed by the root locus procedure. System responses of the two controlled systems are processed and monitored on the computer screen by a program written in Pascal 7.O,DOS, Delphi 5 and Fuzzytech 5.12. The system responses are compared to show their strengths and weaknesses.

Abstrak :
Dalam togas skripsi ini akan dibahas mengenai aplikasi pengendali berbasis pengetahuan, pada pengendalian kemudi kapal laut dari posisi awal menuju sembarang titik tujuan dengan sudut heading awal kapal yang berbeda-beda. Dimana pengendali berbasis pengetahuan yang digunakan adalah Pengendali Logika Fuzzy (Fuzzy Logic Controller). Penerapan pengendali tersebut dilakuan dengan menggunakan perangkat lunak Matlab 5.3. Basis pengetahuan FLC (Fuzzy Logic Controller) yang dirancang berdasarkan atas pengetahuan nahkoda kapal dalam mengendalikan daun kemudi (rudder) kapal laut secara manual. Komponen-komponen yang dipergunakan dalam membentuk pengendalian tersebut dikelompokan menjadi 2 bagian yakni input (masukan) yang terdiri dari posisi kapal pada koordinat x, posisi kapal pada koordinat y dan sudut heading kapal serta output (keluaran) yang berupa sinyal kendali yang akan menggerakan rudder kapal. Dengan memetakan setiap kombinasi dari ketompok input maka basis pengetahuan yang diperoleh terdiri dari dua rates dua puluh lima aturan.