Hasil Pencarian  ::  Simpan CSV :: Kembali

"Sampai saat ini salah satu usaha untuk meningkatkan kualitas garam dapur yang berasal dari garam dengan kualitas rendah adalah dengan proses pencucian garam dapur menggunakan larutan pencuci berupa air murni maupun dengan brine (larutan garam) kedua cara ini dapat mengurangi kandungan impurities Mg, Ca dan Fe namun belum efektif. Metode lain yang digunakan adalah dengan melarutkan kembali garam kotor dengan air hingga jenuh, kemudian zat-zat pengotor yang berasal dari tanah diendapkan terlebih dahulu lalu dipisahkan dari larutannya, untuk zat-zat pengotor seperti Mg, Ca dan Fe yang larut dalam larutan garam selanjutnya diendapkan dengan menambahkan larutan NaOH hingga mengendap dengan baik, selanjutnya endapan yang terjadi dipisahkan dari larutannya.Penelitian dilakukan untuk mengetahui berapa jumlah NaOH optimal yang dibutuhkan untuk pengendapan senyawa impurities dalam larutan sampel 24,8 %w/w sebanyak 20 ml. dengan memvariasikan jumlah mol NaOH sebanyak 0,0018 mol, 0,0024 mol, 0,003 mol, 0,0036 mol, 0,0042 mol yang digunakan untuk mengendapkan senyawa-senyawa Ca, Mg dan Fe. Selain itu diamati pula pengaruh penambahan NaOH terhadap pH garam. Penambahan 0,0036 mol NaOH cukup efektif dalam mengendapkan senyawa Mg, Ca pada garam. Penambahan larutan HCI diperlukan untuk menetralkan kembali menjadi pH garam murni. Jumlah larutan HCI yang dibutuhkan untuk menetralisasi larutan adalah 0,000486 mol.Hasil penelitian ini menunjukkan bahwa proses pemurnian dengan pengendapan dapat menghilangkan kandungan Mg sebesar 99.99% dan Ca sebesar 97.96 % tetapi tidak memperlihatkan penurunan Fe. Waktu rekristalisasi 30 hari dengan biaya pemakaian bahan habis pakai (NaOH dan HCI) R.p. 123.913,-/Ton garam, sedangkan dengan proses pencucian dapat menghilangkan kandungan Mg sebesar 60%, Ca sebesar 35% dan Fe 41.6% dengan total fixed aset yang sama."

"Krisis ekonomi yang berkepanjangan dalam beberapa tahun belakangan menyebabkan permintaan pasar akan polietilen (PE) berkurang. Kenyataan ini memaksa frain 3 di PT Petrokimia Nusantara Interindo untuk menurunkan kapasitas produksi rata-rata hingga 20 ton PE per jam. Sebelum krisis berlangsung, train 3 beroperasi di sekitar kapasitas rancang 42 ton PE per jam. Sehubungan dengan pengurangan laju produksi tersebut, dilakukan suatu studi berupa evaluasi terhadap sistem air pendingin di train 3 untuk memperkirakan sampai seberapa jauh laju alir air pendingin (TCW) dan air laut (SW) bisa dikurangi. Jika laju alir dapat diturunkan sampai suatu batas tertentu maka jumlah pompa yang beroperasi juga bisa dikurangi, sehingga pada akhirnya sejumlah energi listrik bisa dihemat.Langkah awal yang dilakukan adalah memastikan efisiensi TCW cooler pada sistem air pendingin dan menentukan korelasi antara laju produksi dengan panas yang dipindahkan di cooler. Studi selanjutnya difokuskan pada masalah perpindahan panas dari TCW ke SW di dalam cooler sebagai akibat dari pengurangan laju alir TCW maupun SW. Metoda penyelesaian yang digunakan adalah neraca panas dan persamaan Fourier pada kondisi tunak. Dalam hal ini perhitungan dan simulasi dilakukan dengan merujuk pada batas rancang aman suhu TCW dan SW yang ditentukan dalam spesifikasi proses cooler.Pengumpulan data dilakukan pada bulan Agustus dan November 2000. Data pengukuran yang dihimpun antara lain: laju produksi PE, laju alir TCW dan SW serta suhu TCW dan SW yang masuk dan keluar dari cooler.Hasil evaluasi menunjukkan bahwa efisiensi TCW cooler adalah 81 %, sedangkan panas yang dipindahkan dalam cooler berada pada kisaran 4462 kW per ton PE. Pada laju produksi 25 ton PE per jam dan laju alir SW sebesar 8650 ton per jam, laju alir TCW bisa dikurangi hingga 3200 ton per jam. Dengan demikian pemakaian dua pompa TCW bisa dikurangi menjadi satu pompa saja. Konsumsi listrik yang bisa dihemat akibat pengurangan tersebut adalah sebesar 595 kW.Pada laju produksi 25 ton PE per jam dan laju alir TCW 3200 ton per jam, laju alir SW juga bisa dikurangi sampai 4084 ton per jam. Akibat pengurangan tersebut masing-masing suhu TCW dan SW keluar dari TCW cooler akan meningkat sehingga mencapai 31,5 °C dan 36,65 °C, namun keduanya masih tetap di bawah batas rancang aman."

"Agrobisnis di Indonesia merupakan sektor yang memiliki peran yang sangat penting dalam perindustrian nasional. Pangsa nilai tambahnya dalam industri nonmigas sebesar 80,70%, kesempatan kerja 74,90% dan efek pengganda nilai tambah sebesar 3.23. (LRPTN, ITB Bandung, 2005). Tongkol jagung merupakan salah satu limbah padat pertanian yang mengandung pentosan sehingga memiliki nilai ekonomis untuk diolah menjadi produk yang lebih bermanfaat. Tongkol jagung akan memberikan nilai ekonomis yang tinggi jika dikonversi menjadi furfural. Proses pembuatan furfural dengan bahan baku tongkol jagung dilakukan dengan kombinasi proses Batch dan kontinyu dengan reaksi utama adalah hidrolisis yang diikuti dengan reaksi dehidrasi menggunakan katalis asam sulfat. Reaktor yang digunakan adalah reaktor stirred barch (berpengaduk) yang dioperasikan pada tekanan 2 bar dan tcmperatur 128 oC selama 70 menit. Pemurnian furfural menggunakan azeotropik distillation dan dehydration column guna mendapatkan furfural berkemurnian tinggi yaitu 99%. Stirred Reactor yang digunakan adalah reaktor yang telah digunakan dalam pengolahan furfural dengan menggunakan SupraYield Technology®. Teknologi ini lebih unggul dan lebih ekonomis dibandingkan teknologi konvensional. Pada perancangan awal pendirian pabrik furfural ini akan dipilih di Propinsi Jawa Timur tepatnya di Kawasan Industri Gresik karena alasan ketersediaan bahan baku dan distribusi pasar. Berdasarkan simulasi dengan software SuperPro Designer® diperoleh bahwa untuk mendapatkan produksi furfural 183 kg/batch berdasarkan proyeksi permintaan pasar tahun 2008, maka dibutuhkan bahan baku yaitu tongkol jagung sebesar 900 kg/barch (4.9 kg/Kg furfural) dan asam sulfat 36% sebesar 84 kg/batch (0.45 kg/Kg furfural). Untuk kapasilas produksi sebesar 362 ton/tahun, total investasi yang dibutuhkan untuk membangun sebuah pabrik furfural di Indonesia adalah US$ 2.855.773,00 dengan dengan biaya manufaktur sebesar US$ 189.86S,00. Parameter kelayakan untuk pabrik furfural dengan kapasitas 362 ton/tahun adalah NPV US$ 2.873.820,29, IRR 15 %, PBP 4 tahun 9 bulan."

"Dalam simulasi ini, dilakukan pemodelan dan simulasi Proton Exchange Membrane (PEM) fuel cell dengan pendekatan 3 dimensi 2 fasa, yaitu fasa gas dan fasa padatan dengan bentuk channel serpentine. Persamaan model yang diturunkan meliputi persamaan kontinuitas, persamaan momentum, persamaan energi persamaan transport ion dan persamaan current density. Kesemua persamaan ini dibedakan antara fasa padatan dan fasa gas. Fasa padatan terjadi pada GDL, Catalyst dan membrane baik disisi anode maupun cathode. Scdangkan fasa gas hanya terjadi pada Gas Channel anode dan Gas channel cathode. Penyelesaian numeris model menggunakan perangkat lunak MATLAB™ 6.0. Karena terlalu sulitnya melakukan pemecahan dengan menggunakan MATLABTM pada daerah perhitungan 3 dimensi 2 fasa dan dalam geometri yang komplek, maka model disederhanakan menjadl 2 buah model I dimensi, yaitu model pada sumbu y (lebar) dan model pada sumbu z{ketebalan). Hasil model dari penyederhanaan model kesumbu y dldapat profil kecepatan. konsentrasi, tekanan, temperatur. current density, tegangan ionik. Model 1 dimensi kearah sumbu y ini hanya dapat diselesaikan pada lebar 50 cm, jika melebihi lebar ini model tidak dapat diselesaikan karena menghasilkan sebuah matrik Jacobian dari metoda Newton-Raphson yang singular, hal ini disebabkan karena persamaan current density yang sangat stiff. Sedangkan hasil dari penyederhanaan model kesumbu z..."

"Untuk mengatasi masalah kerak kalsium karbonat CaCO3 yang terbenluk dari air sadah dimana merupakan suatu gangguan besar dalam proses di industri dibutuhkan banyak metode altematif sehingga pada penerapannya efektif dan efesien. Salah satu metode yang saat ini sedang berusaha dikembangkan walaupun masih kontroversial adalah pengolahan air sadah dengan metode magnelisasi. Dalam penelitian ini yang pertama-tama dilakukan adalah preparasi sampel yaitu membuat air sadah yang merupakan campuran dari 0.01 M CaCl; dan 0.01 M Na2CO3. Selanjutnya pengujian kuantitatif dilakukan dengan mencampurkan laruran pernbentuk air sadah kedalam beaker glass yang diberi perlakuan dan tanpa perlakuan magnetisasi untuk mendapatkan pengaruh magnetisasi terhadap endapan CaCO; yang terbentuk dan dilakukan pengujian terhadap konsentrasi ion Ca” di larutan hasil uji pengendapan tersebut. Uji kuantitatif lainnya adalah adalah uji total padatan terlarut dengan magnetisasi 5 menit dan tanpa magnetisasi dimana total padatan terlarulnya diukur selama 30 menit. Uji kualitatif dilakukan dengan uji foto mikroskop oplik dengan tujuan untuk mengetahui perbedaan struktur klistal dan jumlah partikel dari air sadah dengan dan tanpa magnetisasi 10 menit. Pengujian dengan menggunakan X -Ray Diffraksi dilakukan untuk melihat dengan pasti struktur kristal yang terbentuk dari air sadah dengan dan tanpa perlakuan magnetisasi. Hasil penelitian menunjukkan bahwa terdapat hubungan antara berat endapan kalsium karbonat yang terbentuk dengan waktu magnetisasi. Dimana semakin lama magnetisasi makajumlah endapan semakin kecil sementara uji ion Cal' pada larutan tersebut menunjukkan bahwa semakin lama magnetisasi, konsentrasi ion Ca” di larutan semakin besar. Uji foto mikroskop optik menunjukkan bahwa magnetisasi mempengaruhi struktur dan jumlah kristal CaCO3. Uji X - Ray Diffraksi menunjukkan bahwa jenis kristal CaCO; yang terbentuk endapan adalah kalsit."

"Salah satu unit proses yang sulit untuk dilakukan pemodelanannya secara matematis adalah unit proses ammonia converter. Dalam unit proses ini produk yang dihasilkan dipengaruhi berbagai macam proses seperti proses reaksi kimia, proses quenching, serta perpindahan kalor, yang kesemuanya dipengaruhi oleh setting laju alir pada aliran feed, by-pass, quench dan interchanger dalam ammonia converter. Dengan banyaknya proses yang terjadi, perubahan kondisi pada aliran masukan akan sangat berpengaruh terhadap produk yang dihasilkan, sehingga dibutuhkan pengubahan setting laju alir dalam ammonia agar produk tetap sesuai dengan spesifikasi yang diinginkan, oleh karena itu dibutuhkan suatu alat untuk memprediksi kondisi operasi ammonia converter yang dapat mengikuti perilaku alami dari unit proses ammonia converter tersebut. Metode jaringan syaraf tiruan backpropagation dan jaringan regresi dapat digunakan untuk memprediksi setting laju alir dalam ammonia converter jika diketahui data historis kondisi operasi dan setting laju alir yang sudah ada pada unit ammonia converter tersebut. Dalam penelitian ini dilakukan perancangan jaringan syaraf tiruan dengan menggunakan backpropagation dan jaringan regresi yang kemudian dilakukan proses pembelajaran, validasi dan simulasi dengan data historis yang didapat dari unit Ammonia Converter 105-D pada periode Juli - Agustus 2004. Unit ini merupakan unit proses sintesis ammonia milik PT. Pupuk Sriwidjaya (Persero). Dari penelitian diperoleh hasil bahwa untuk memprediksi setting laju alir dalam ammonia converter, dibutuhkan 4 buah jaringan syaraf tiruan paralel yang digunakan untuk memprediksi masing-masing laju alir dalam ammonia converter. Jaringan backpropagation 3 layer (lapisan) dengan 10 neuron pada layer input, 5 neuron pada hidden layer dan 1 neuron pada layer output menghasilkan kesalahan rata-rata hasil simulasi sebesar 0.85 %. Sedangkan jaringan regresi 3 layer dengan 4 neuron pada layer input, 4 neuron pada hidden layer dan 1 neuron pada layer outputnya menghasilkan kesalahan rata-rata hasil simulasi sebesar 0.523 %. Dengan hasil tersebut maka jaringan regresi dapat melakukan prediksi setting laju alir dalam ammonia converter lebih baik dibandingkan jaringan backpropagation."

"Model Predictive Control (MPC) merupakan sistem pengendalian yang menggunakan model berdasarkan data hasil pengukuran keluaran (output) saat ini atau masa sebelumnya untuk memprediksi nilai dari variabel proses (input) pada masa yang akan datang. Pada penelitian ini, sistem pengendalian MPC digunakan untuk menangani pengendalian proses variabel jamak dalam unit operasi Continous Stirred Tank Reactor (CSTR) dengan reaksi pembuatan propylene glycol. Model dinamik sesuai dengan kondisi operasi yang dapat mewakili interaksi antara variabel jamak dibuat untuk diterapkan pada sistem pengendali. Sistem pengendalian proses disimulasikan dengan menggunakan perangkat lunak Unisim R390.1. Simulasi pengendalian proses dilakukan untuk menghasilkan performa pengendalian yang optimum dan untuk mengendalikan variable jamak yang saling berinteraksi dalam sistem pada CSTR. Optimasi pada sistem pengendalian dilakukan dengan cara tuning terhadap parameter-parameter MPC seperti model horizon (N), waktu sampel (T), prediction horizon (P), dan control horizon (M).Hasil dari simulasi menunjukkan Model F sebagai model dinamik terbaik pada pengendali MPC multivariable mampu menangani jangkauan perubahan setpoint dalam rentang perubahan yang kecil dari 0,33 ke 0,331 dengan IAE sebesar 0,10602. Secara keseluruhan, pengendali MPC belum dapat mengendalikan sistem CSTR secara optimum berdasarkan nilai IAE, namun pengendali MPC lebih mampu menjaga kestabilan sistem dibandingkan dengan pengendali PI.Model Predictive Control (MPC) are control system which use model based on value output variable at present or past to predict value of future process variable. In this research, MPC control system use to handle multivariable process control in unit operation Continous Stirred Tank Reactor (CSTR) with propylene glycol reaction system. Dynamics model based on operating condition which representative interaction between multivariable are made to implement in control system. Process control system simulating in Unisim R390.1 software. The simulation of process control aims to achieve optimum performance of controller and to control interaction between multivariable in CSTR system. Optimasion will be doing in system control with MPC parameters tuning such as model horizon (N), time sampling (T), prediction horizon (P), and control horizon (M).

The Results show that Model F as the best model in MPC multivariable can control the change of setpoint in short length from 0,33 to 0,331 with 0,10602 IAE. Overall, MPC controller can?t controlled CSTR system with optimum result based on IEA value, but MPC can make system more stabile than PI controller."

"Kolom destilasi merupakan salah satu unit operasi yang paling banyak digunakan di dunia industri dan memerlukan pengendalian proses yang lebih lanjut karena memiliki sistem multi input multi oputput (MIMO) atau sistem multivariable yang sulit untuk dikendalikan. Model predictive control (MPC) merupakan salah satu pengendali alternatif yang dikembangkan untuk mengatasi pengendalian yang memiliki sistem MIMO dengan interaksi diantara lup-lup yang dikendalikannya. Penelitian ini bertujuan untuk mendapatkan model dinamik dari pengendalian proses pada kolom destilasi menggunakan MPC serta mendapatkan kinerja pengendali MPC yang optimum. Pengendalian proses kolom desitlasi dilakukan dengan mensimulasikan model dinamik dari kolom destilasi pada perangkat lunak UNISIM R390.1. Proses optimasi dilakukan dengan tuning terhadap parameter-parameter pengendali MPC seperti sampling time (T=1-240 s), prediction horizon (P=1-400), dan control horizon (M=1-400). Hasil simulasi dari pengendalian dengan MPC selanjutnya akan diuji dan dibandingkan dengan hasil pengendalian PI, menggunakan parameter pengujian Integral Absolute Error (IAE). Pengendali MPC memberikan kinerja lebih baik dibandingkan dengan pengendali PI untuk range set point 0,95 sampai 0,94 pada komposisi produk destilate menggunakan model 1 yang dimodifikasi dengan IAE 0,0584 untuk pengendali MPC dan 0,0782 untuk IAE pengendali PIDistillation columns are widely used in chemical industry as unit operation and required advance process control because it has multi input multi output (MIMO) or multivariable system, which is hard to be controlled. Model predictive control (MPC) is one of alternative controller develoved for MIMO system due to loops interaction to be controlled. This study aimed to obtain dynamic model of process control on a distillation column using MPC, and to get the optimum performance of MPC controller. Process control in distillation columns performed by simulating the dynamic models of distillation columns by UNISIM R390.1 software. The optimization process was carried out by tuning the MPC controller parameters such as sampling time ( t = 1 ? 240 s), prediction horizon (p = 1-400), and the control horizon (M=1-400). The comparison between the simulation result of MPC obtained with the simulation result of PI controller is presented and Integral Absolut Error (IAE) was used as comparison parameter. Then, result indicate that the performance of MPC is better then PI controller for set point range 0.95 to 0.94 on destillate product composition using a modified model 1 with IAE 0.0584 for MPC controller and 0.0782 for PI controller."