Hasil Pencarian  ::  Simpan CSV :: Kembali

"Tesis ini membahas perancangan program simulasi sistem pengendalian dengan telmik pengendali PID, self tuning dan fuzzy, perangkat simulasi ini dapat mengirim dan menerima sinyal 1-5 Volt DC dari peralatan luar atau antar program simulasi dalam dua komputer yang berbeda dengan rnenggunakan antannuka ADC-DAC. Penurunan algoritma untuk ketiga teknik pengendalian dibahas dan kemudian diimplementasikan dengan hahasa pemprograman beroriemasi objek dan berbasis graphical user inlerface (GUI).Pada perangkat simulasi terdapat empat jenis proses sebagai visualisasi proses yang disimulasikan, yaitu proses temperatur, flow, tekanan dan level. Untuk mernasukkan parameter kendali disediakan fasilitas-fasilitas berbasis window. Pada pengendali PID terdapat fasilitas PID Parameter dengan nilai masukan parameter Proportional Band (PB), Time Integrator (Ti) dan Nme Derrivaiive (Td) dengan tiga Struktur yaitu paralel, seri dan campuran. Pada pengendali Self Tuning terdapat fasilitas Desired Pole sebagai masukan untuk aka: persamaan kutub yang akan dicapai dan Initialize untuk memasukkan model sistem dengan orde model maksimum sepuluh.Pada pengendali Fuzzy tersedia fasilitas Editor fuzzy untuk memasukkan basis pengetahuan yang terdiri dari dua input dan satu output dengan maksimum lima variabel linguistik dan maksimum 25 aturan. Untuk parameter proses terdapat fasilitas System Cofgigure dengan persamaan matematis berbentuk state variabel dengan sistem satu masukan satu keluaran maksimum berorde sepuluh, dengan tambahan Pasilitas non-linier bempa salurasi dan dead zone, Serta fasilitas waktu tunda. Selain itu pada perangkat ini terdapat recorder berbentuk graiis dan numerik. Melalui validasi dan uji coba didapat bahwa program simulasi bekelja dcngan baik dengan kesalahan yang cukup kecil dibandingkan dengan program Matlab 5.0 produksi Mathwork.

---

This thesis discuss the design of a simulation program for control system with PID, self-tuning dan lirzzy control techniques. The program is designed to have the capability to send and receive l-5 Volt DC signal from other devices or simulation programs on two different computer using ADC~DAC interface. Control Algorithms will be implemented using object oriented programming language and graphical user interface (GUI).The simulation program provides four kind of process to be visualized, i.e. temperature process, flow process, pressure process and level process. The program also provides several facilities to entered the control parameter. For PID controller, there are facilities to enter the three conditional PID parameter, i.e. Proportional Band, Time Integration and Time derivative with three different structure of PII), i.e. parallel, series and mixed. On self-tuning controller, there are facilities for desired pole enter and initialize to estimated system model with maximum order system of ten.On Fuzzy logic controller, there are facilities for to build the knowledge bases and niles. The knowledge bases have two input variable and one input variable with maximum of five linguistic variable and maximum of twenty tive rules. The system configure facilities is provided to entered the system parameters in the state variable model with maximum order of ten. There are also other facilities, such as nonlinear facilities, time delay facilities, and graphical and numeric recording facilities. Through validation and testing, the simulation program has resulted good performance with small error in comparation with Matlab 5.0 of MathWork."

"Proses dehidrasi gas merupakan salah satu proses yang umum dijumpai pada industri pengolahan gas. Unit dehidrasi gas ini tentu diharapkan dapat beroperasi pada kondisi produksi yang optimum sehingga dapat menghasilkan produk sales gas yang memberikan keuntungan bagi kedua belah pihak. Namun, adanya kandungan hidrokarbon dan uap air pada sales gas akan menyebabkan pembentukan hidrat yang bersifat korosif pada saluran pipa. Untuk mencegah hal tersebut, gas alam yang berasal dari reservoar perlu dikeringkan terlebih dahulu sebelum dijual sebagai sales gas. Oleh karena itu, dibutuhkan sistem pengendalian proses pada bagian-bagian yang penting pada unit dehidrasi gas agar kestabilan dan keselamatan proses produksi dapat terjaga. Sistem tersebut dirancang untuk menjaga keamanan operasi dan memastikan proses berjalan dengan optimal untuk mendapatkan kualitas produk sales gas yang baik. Selama ini pengendalian hanya dilakukan menggunakan pengendali Proporsional-Integral, akan tetapi belum optimal sehingga perlu digunakan pengendali Multivariabel MPC Model Predictive Control. Penyetelan pengendali menggunakan metode Non-Adaptif DMC dan fine tuning kemudian hasil penyetelan dengan metode yang lebih baik akan dibandingkan dengan pengendali PI. Evaluasi kineja pengendalian dilihat berdasarkan seberapa cepat respon pengendali dalam mengatasi perubahan set point dan menangani adanya gangguan serta berdasarkan nilai ISE Integral Square Error. Sebagai hasilnya, metode fine tuning lebih baik digunakan dengan konstanta penyetelan P Prediction Horizon, M Model Horizon, dan T Sampling Time yang optimum adalah 14, 5, dan 3, dengan nilai ISE pada perubahan set point pada pengendalian tekanan dan temperatur sebesar 55 dan 51, atau perbaikan kinerja pengendalian sebesar 11.29 dan 16.39 dibandingkan dengan kinerja pengendali PI.

---

Gas dehydration process is one of the most common processes in gas processing industry. To produce sales gas that could benefit both parties, an optimum operation condition have to be obtained. However, the presence of hydrocarbon and water vapor on sales gas will lead to the formation of hydrates that are corrosive to the pipeline. Natural gas originating from the reservoir needs to be drained first before being sold as a sales gas to prevent the formation of hydrates. Therefore, a process controlling system is required in the critical parts of gas dehydration unit in order to maintain the stability and safety of the production process. This system is designed to maintain the security of operations and ensure the process runs optimally to get good quality sales gas. Current control system are mostly using Proportional Integral controller, but MPC Model Predictive Control controller is more preferable to optimize the process control. Adjustment of the controller were done using the DMC Non Adaptive method and fine tuning. The best tunning result from those two methods then will be compared with the PI controller. Evaluation of control performance is based on how fast controller could overcoming set point changes, handling disturbance and ISE Integral Square Error value. As a result, fine tuning methods are better used with P Prediction Horizon , M Model Horizon , and T Sampling Time optimization constants of 14, 5, and 3, with ISE values for set point changes in pressure control and temperatures are 55 and 51, or improvement in control performance by 11.29 and 16.39 compared to PI controller performance."

"ABSTRAKFormaldehida merupakan senyawa kimia yang digunakan pada industri perekat. PT X merupakan produsen formaldehida di Jawa Timur. Sistem pengendali proses yang digunakan di PT X masih berbasis proportional integral (PI). Pengendali konvensional ini masih memiliki kekurangan. Multivariable model predictive control (MMPC) diajukan untuk meningkatkan kinerja sistem pengendali pada PT X. Model empiris dibuat menggunakan process reaction curve (PRC) dan perhitungan parameter first order plus dead time (FOPDT). Empat manipulated variable (MV) dan empat controlled variable (CV) membentuk 16 model empiris. Perhitungan parameter MMPC, meliputi sample time (T), prediction horizon (P), control horizon (M), dilakukan dengan metode Shridhar dan Cooper (1998) dan dioptimalkan dengan metode fine tuning. Kinerja pengendalian MMPC diuji dengan perubahan set point (SP) dan ketahanan atas gangguan (disturbance rejection). Empat pengendali yang diuji, yaitu pengendali tekanan evaporator (PIC-101), pengendali liquid percent level evaporator (LIC-101), pengendali laju alir steam (FIC-102), dan pengendali suhu udara (TIC-101). Nilai parameter MMPC meliputi T, P, dan M yang optimal berturut turut adalah 3, 62, dan 2. Pengendali MMPC dapat memberikan peningkatan kinerja pengendalian pada uji SP tracking dengan rata rata sebesar 33,24% untuk IAE dan 42,93% untuk ISE. Sedangkan, pada uji disturbance rejection, terdapat peningkatan kinerja dengan rata-rata sebesar 33,48% untuk IAE dan 58,08% untuk ISE.

---

ABSTRACT

Formaldehyde is chemical substances that is used in adhesive industry. PT X is formaldehyde producer in East Java. PT X is using proportional integral based control system. This conventional controller has several weaknesses. Multivariable model predictive control (MMPC) is used to increase the performance of control system at PT X. Empirical model is made with process reaction curve (PRC) followed by first order plus dead time (FOPDT) calculation. Four manipulated variable (MV) and four controlled variable (CV) will construct 16 empirical models. Calculation of MMPC parameter, which include sample time (T), prediction horizon (P), and control horizon (M), is done with Shridhar and Cooper method (1998) and optimized by fine tuning method. Performance of MMPC is tested by set point changes and disturbance rejection. Four controllers tested are evaporator pressure control (PIC-101), liquid percent level control (LIC-101), steam flow control (FIC-102), and air temperature control (TIC-101). The optimized parameter of MMPC which include T, P, and M are 3, 62, and 2 respectively. MMPC Controller can increase controller performance in SP tracking with average number of 33.24% for IAE and 42.93% of ISE. Meanwhile, in disturbance rejection, there is an increase in average of 33.485 for IAE and 58.08% for ISE."

"ABSTRAK

Pengendalian 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%.

---

ABSTRACT

Process 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%."

"This paper proposes microstrip slot antenna fed by matching network of microstrip line to increase widebandwidth. The microstrip line composed of multi tuning stubs is used to control slots antenna's real impedance to match with the impedance characteristic of feeding line so that it could enhance the bandwidth...."

"Telah dibuat software simulasi sistem kendali PI pH control berbasis PC (Personal Computer) dengan menggunakan Visual Basic 6 yang dikembangkan oleh Microsoft Corporation. Software ini dapat mengendalikan pH suatu larutan agar tetap netral atau pH = 7. Dengan software ini nantinya dapat diharapkan dapat mengurangi kerusakan hardware pada plant sebenarnya. Metoda Tuning sistem kendali dilakukan dengan membandingkan antara original Ziegler-Nichols dan no overshoot Ziegler-Nichols agar diperoleh respon yang baik dari sistem kendali. Dari data percobaan dapat diketahui respon pengendali pH dengan metoda original Ziegler - Nichols menghasilkan overshoot osilasi maksimum sebesar 25%, sedangkan dengan modifikasi metoda Ziegler-Nichols no overshoot respon yang dihasilkan tidak sepenuhnya menghilangkan overshoot."

"Spektral dekomposisi memberikan sebuah arti baru dalam penggunaan data seismik dan Discrite Fourier Transform (DFT) untuk penggambaran dan pemetaan ketebalan lapisan fungsi waktu dan ketidak selarasan geologi meliputi survey seismic 3-D yang luas. Dengan mentranformasikan data seismik ke domain frekuensi dengan DFT, amplitudo spektrumnya mengindikasikan variasi ketebalan lapisan fungsi waktu sedangkan spektrum phase nya mengindikaskan ketidakselararan geologi secara lateral. Sementara itu, geostatistik menyediakan teknik integrasi antara data sumur (?hard data?) dan data seismik ("soft data"). Lebih dari satu dekade, khususnya ketika mengintergrasikan data seismik 3-D dan data sumur, teknik geostatistik telah diterima sebagai teknologi untuk karakterisasi reservoar minyak bumi.Penelitian ini dilakukan dengan membuat suatu metode untuk estimasi ketebalan reservoar batupasir dengan mengintegrasikan metode spektral dekomposisi dan teknik geostatistik. Model sintetik lapisan membaji digunakan untuk membuktikan teori spektral dekomposisi. Setelah sukses dalam karakterisasi model sintetik, kemudian metode ini digunakan pada data riil dengan mengintegasi teknik geostatistik untuk kuantifikasi ketebalan reservoir batupasir. Dari metode spektral dekomposisi diperoleh attribut frekuensi tuning yang mempunyai korelasi terbalik dengan ketebalan reservoar pada sumur-sumur kontrol. Dengan teknik geostatistik, attribut frekuensi tuning digunakan sebagai preditor untuk mengestimasi ketebalan reservoar batupasir diluar sumur kontrol.Dua model kasus dengan berbeda koefisien korelasi digunakan untuk menguji metode ini. Untuk validasi, kemudian digunakan dua data sumur sebagai blind test di masing-masing kasus untuk mengetahui keakuratan estimasi ketebalan reservoar batupasir dengan metode ini dibandingkan dengan metode konvensional kriging data sumur saja. Hasilnya memperlihatkan bahwa metode ini memberikan hasil yang lebih akurat dibandingkan dengan metode konvensional. Sehingga metode ini dapat menjadi salah satu alternatif untuk kuantifikasi ketebalan reservoar.

---

Spectral decomposition provides a novel means of utilizing seismic data and the Discrete Fourier Transform (DFT) for imaging and mapping temporal bed thickness and geologic discontinuities over large 3-D seismic surveys. By transforming the seismic data into the frequency domain via the DFT, the amplitude spectra delineate temporal bed thickness variability while the phase spectra indicate lateral geologic discontinuities. Meanwhile, geostatistics provide data integration techniques between wells data (?hard data?) and seismic data (?soft data?). For more than a decade, geostatistical techniques, especially when incorporating 3-D seismic data, have been an accepted technology to characterize petroleum reservoirs.

The research was done by building a methodology for estimating sandstone reservoir thickness by integrating spectral decomposition and geostatistical techniques. Wedge synthetic model used for proving spectral decomposition theory. After having a successfully in characterization on synthetic model then the methodology applied to the real data with geostatistical techniques for quantify sandstone reservoir thickness. From spectral decomposition method, we got attribute tuning frequency which have inverse correlation with sandstone reservoir thickness in control wells. With geostatistic technique, collocated cokriging, attribute frequency tuning used as predictor for quantifying sandstone reservoir thickness away from the wells.

Two difference cases with difference correlation coefficient used for testing this method. For validation, then two wells used as blind test for every case to understand the accurateness of this method compare to conventional method using kriging wells data only. This method gave an accurate results compare to conventional kriging method. And this method can be used an alternative method for quantify reservoir thickness."