BAB I PENDAHULUAN
BAB I PENDAHULUAN
1.1 Latar Belakang Transportasi fluida menggunakan sistem perpipaan adalah bagian yang penting dari infrastruktur masyarakat moderen. Fluida yang ditransportasikan tersebut dapat terdiri dari dua fase (two-phase), yang sering disebut aliran dua fase. Aliran dua fase ini digunakan secara ekstensif dalam pembangkit nuklir, industri kimia, pembangkit tenaga uap dan industri perminyakan. Contoh aliran dua fase pada pembangkit uap adalah pemanasan air menjadi uap dalam saluran pipa yang dipanaskan. Aliran ini sering disebut aliran dua fase uap dan air (gas and liquid). Permasalahan unik yang terjadi pada aliran dua fase adalah: a. Pola aliran, ketika fluida dua fase berada dalam satu aliran maka terdapat perbedaan distribusi dalam pipa yang mengakibatkan slip antar fase. Untuk itu, identifikasi pola aliran merupakan hal yang penting karena pola aliran tertentu akan diperoleh efisiensi produksi yang lebih dibanding dengan pola aliran lain, pola aliran tertentu dapat berbahaya dan pada perencanaan fasilitas aliran dua fase perlu mempertimbangkan pola aliran sebelum mengkaitkan dengan penurunan tekanan. b. Fluktuasi tekanan yang tinggi, adanya fluida yang lebih dari satu fase di dalam pipa cenderung meningkatkan fluktuasi tekanan lokal. Kebocoran pipa dapat disebabkan oleh korosi, perubahan/fluktuasi tekanan yang besar, kesalahan produk dan pengaruh eksternal. Kebocoran pipa ini harus segera dideteksi agar pemompaan dapat dihentikan, kerugian produk dan kerusakan lingkungan dapat dihindari dan sistem perpipaan dapat diperbaiki. Scott dan Barrufet (2003) berpendapat bahwa permasalahan khusus dari kebocoran pipa aliran dua fase adalah: a. Fluktuasi tekanan lokal yang disebabkan oleh pola aliran tertentu atau slip antar fase. Fluida dua fase yang mengalir di dalam pipa dapat memberikan pola aliran yang berbeda dan karakteristik slip antar fase. Hal ini sangat meningkatkan ketidakpastian dalam deteksi kebocoran, dimana karakteristik (pola aliran) harus ditentukan sebelum suatu titik kebocoran dapat dikenali.
Diskontinyu kecepatan superfisial likuid dan gas yang ditimbulkan pada titik kebocoran memperlihatkan indikasi sangat nyata dari suatu kebocoran. Perubahan kecepatan superfisial gas dan likuid juga mengubah liquid holdup dan mengakibatkan perubahan besarnya penurunan tekanan. b. Posisi kebocoran di sekeliling pipa. Apabila kebocoran terjadi pada bagian bawah pipa maka fase cair yang keluar dan apabila kebocoran terjadi pada bagian atas pipa maka fase gas yang keluar. Contoh aliran dalam pipa dengan pola aliran stratified, fenomena yang terjadi adalah likuid akan keluar akibat kebocoran di bagian
bawah pipa, sementara gas akan meninggalkan pipa
akibat pengaruh kebocoran pada bagian atas pipa (Gambar 1.1).
Gambar 1.1 Sketsa kebocoran pada pipa (Smogile dkk., 1987)
Permasalahan di atas mempunyai makna bahwa posisi kebocoran dan pola aliran dua fase sangat berpengaruh pada pendeteksian kebocoran pipa. Pendeteksian kebocoran pipa pada aliran dua fase akan lebih rumit apabila melibatkan distribusi fase di dalam pipa dan posisi kebocoran pada sekeliling pipa. Scott dan Barrufet (2003) juga menjelaskan bahwa deteksi kebocoran pipa aliran dua fase dengan metode analisa tekanan yang menggunakan parameter internal aliran masih perlu dikembangkan. Metode ini didasarkan pada perbedaan pengukuran tekanan sebelum dan sesudah terjadi kebocoran. Kebocoran akan 2
menyebabkan penyimpangan pengukuran tekanan dari kondisi normal dan dapat dideteksi sebagai kebocoran dengan menggunakan analisa statistik. Untuk melakukan deteksi kebocoran berdasarkan penurunan tekanan diperlukan pengetahuan tentang berbagai variabel yang mempengaruhi penurunan tekanan. Variabel ini akan menentukan akurasi dari pendeteksian kebocoran. Semakin lengkap data yang menjadi input sistem pendeteksian, maka akan semakin akurat deteksi kebocoran yang dihasilkan. Seperti dijelaskan sebelumnya, deteksi kebocoran pipa aliran dua fase melibatkan pola aliran dan penurunan tekanan yang meliputi parameter diameter pipa, konfigurasi pipa, slip antar fase, sifat fluida, dan laju aliran dari tiap-tiap fase. Parameter lainnya adalah batas transisi pola aliran, perubahan temperatur dan kondisi tekanan. Penyelesaian analitis yang akurat dari masalah ini adalah sulit meskipun banyak usaha telah dicoba untuk memperoleh metode yang tepat dalam prediksi pola aliran dan penurunan tekanan aliran dua fase. Usaha yang telah dilakukan ini bervariasi dari pendekatan korelasi empiris sampai semi empiris (model mekanistis). Pendekatan pertama didasarkan pada pengembangan korelasi empiris dari data bersifat percobaan. Pendekatan kedua didasarkan pada hukum-hukum fisika dasar. Han (1999) berpedapat bahwa pola aliran dan tekanan pada aliran dua fase tergolong dalam data random yang biasanya dianalisis dengan nilai mean dan root mean square, probability density function (PDF), autocorrelation function dan autospectral density function. Sementara itu, penerapan jaringan syaraf tiruan (JST) atau artificial neural networks (ANN) dalam memecahkan masalah yang sulit telah mendapatkan popularitas yang luas di bidang mekanika fluida. Ashforth dkk. dan Tzes (Goudinakis, 2004) memberikan pandangan dalam jenis aplikasi ANN yang telah dibutuhkan untuk bidang mekanika fluida. Teknik ini memiliki kemampuan untuk memperoleh, menyimpan, dan memanfaatkan pengetahuan dari pengalaman. Selain itu ANN dapat membedakan antara pola-pola yang kompleks (terdapat perbedaan kecil yang sulit diamati). ANN dapat digunakan untuk meniadakan subyektifitas dan kesalahan dalam identifikasi. Metode ini juga memberikan
3
keuntungan dapat mengurangi waktu komputasi untuk prediksi prilaku yang telah ada, algoritma yang sederhana dan murah (Goudinakis, 2004).
1.2 Rumusan dan Batasan Masalah Konsep
penelitian ini dapat dilihat pada Gambar 1.2.
Permasalahan
kebocoran pipa aliran dua fase terdiri dari fluktuasi tekanan, posisi kebocoran pipa pada keliling pipa dan penggunaan metode berbasis software untuk deteksi kebocoran pipa. Penggunaan DPT dimanfaatkan untuk memecahkan permasalahan aliran dua fase dalam identifikasi pola aliran dan kebocoran pipa. Penggabungan antara sinyal tekanan diferensial dengan ANN digunakan untuk identifikasi pola aliran dan kebocoran pipa aliran dua fase gas-likuid, oleh karena itu perlu dilakukan kajian untuk menentukan parameter input ANN yang sangat dapat memberi kontribusi pada unjuk kerjanya.
Gambar 1.2 Skema konseptual penelitian
Tekanan diferensial aliran fluida didefinisikan sebagai perbedaan tekanan statis pada jarak tertentu. Tekanan diferensial merupakan variabel utama dalam 4
penelitian ini dan dapat diukur dengan menggunakan differential pressure transducer (DPT). Dari uraian di atas, pertanyaan mendasar yang dapat dijadikan permasalah dalam penelitian ini adalah: a. Bagaimana karakteristik tekanan diferensial untuk berbagai pola aliran dua fase gas-likuid. b. Bagaimana karakteristik tekanan diferensial pada kebocoran pipa. c. Bagaimana identifikasi pola aliran dan kebocoran pipa aliran dua fase menggunakan sensor DPT dan ANN. Batasan masalah yang digunakan dalam penelitian ini adalah: 1. Tidak terjadi perpindahan kalor ke fluida dan dari fluida ke lingkungan (adiabatis). 2. Orentasi pipa adalah horisontal, sehingga nilai g sin 0o adalah nol. 3. Sifat-sifat fluida adalah konstan. 4. Pola aliran dua fase yang diteliti adalah stratified, plug dan slug. 5. Bentuk kebocoran adalah lingkaran dengan diameter 7 mm. 6. Tekanan aliran fluida pada sisi masukan dan sisi keluaran pipa uji kebocoran diasumsikan selalu tetap. 7. Lingkungan kebocoran tidak menimbulkan tekanan balik ke dalam pipa.
1.3 Keaslian Upaya identifikasi pola aliran dua fase menggunakan respon sensor yang berbasis pada metode obyektif telah dilakukan di masa lalu. Dua parameter yang biasa dimonitor untuk menentukan pola aliran adalah fluktuasi tekanan lokal dan fluktuasi fraksi hampa. Peneliti-peneliti yang mendorong ke arah penggunaan parameter yang berfluktuasi adalah Jones dan Zuber (1975), Matsui (1984) dan Tutu (1982). Sinyal deret waktu yang dikumpulkan dianalisis secara statistik untuk menyimpulkan informasi yang diinginkan. Analisis statistik yang digunakan adalah rata-rata (mean), standar deviasi (SD), coefficient of skewness (CoS), power spectral density (PSD) dari sinyal tekanan dan probability density function (PDF) dari sinyal fluktuasi fraksi hampa. Metode ini membutuhkan deret waktu yang lama untuk melakukan perhitungan yang akurat dan tidak selalu memberikan 5
indikasi obyektif untuk mengidentifikasi pola aliran dalam pipa (Goudinakis, 2004). Berdasarkan alasan ini, metode kecerdasan buatan diperlukan untuk mengidentifikasi pola aliran. Penggunaan sensor fluktuasi tekanan lokal mutlak dan fluktuasi tekanan differensial telah dilakukan oleh Matsui (1984), Matsui (1986), Lin dan Hanratty (1987), Spedding dan Spence (1993), Xie (2004), Wilkens dan Thomas (2008), Sun dan Zheng (2008) dan Zhou dkk. (2003). Para peneliti ini hanya menggunakan karakteristik statistik untuk mengidentifikasi pola aliran. Penggunaan jaringan syaraf untuk identifikasi pola aliran telah diteliti oleh Mi dkk.(1998), (2001), Julia, dkk. (2008) dan Tsoukalas dkk. (1997) yang meggunakan data yang diperoleh dari sensor fraksi hampa jenis impedansi. Penelitian tersebut berkaitan dengan aliran vertikal dan parameter yang digunakan untuk melatih jaringan saraf adalah mean dan standard deviation yang ditentukan dari sinyal fraksi hampa. Sementara, Wu dkk. (2001) menggunakan piezo-resistance differential pressure transducer dan ANN untuk memantau aliran horisontal. Wavelet dan Teori Fraktal digunakan untuk mengekstrak sinyal tekanan agar diperoleh sembilan korelasi dimensi fraktal. Scott dan Barrufet (2003) membagi dan menjelaskan metode deteksi kebocoran pipa menjadi berbasis hardware dan software. Metode deteksi kebocoran pipa aliran dua fase dapat menggunakan adalah real time transient method dan pressure point analysis. Sementara, Colombo dkk. (2009) telah membuat daftar penelitian deteksi kebocoran pipa dengan pengkelompokan teori, studi kasus, laboratorium dan pengujian lapangan. Berdasarkan alasan ini terdapat peluang penelitian laboratorium yang dilengkapi dengan ANN untuk mendeteksi kebocoran pipa aliran dua fase. Letak keaslian yang pertama dari penelitian ini adalah metode identifikasi pola aliran dua fase yang menggunakan parameter karakterisstik power spectral density sinyal fluktuasi tekanan diferensial dan ANN di dalam pipa mendatar. Sinyal fluktuasi tekanan diferensial yang diukur pada jarak tertentu diubah dalam domain frekuensi dan dikarakteristikan secara statistik. Letak keaslian yang kedua adalah penggunaan pendeteksian kebocoran pipa aliran dua fase gas-likuid yang 6
menggunakan pengukuran tekanan diferensial dan ANN. Sepanjang studi pustaka yang telah dilakukan, hal tersebut belum diteliti oleh peneliti terdahulu.
1.4 Tujuan Penelitian Penelitian ini akan mengembangkan kemampuan yang ditawarkan oleh ANN untuk mengidentifikasi pola aliran dan kebocoran pipa pada aliran dua fase dengan menggunakan sensor DPT. Perhatian utama dari penelitian ini adalah penggolong/analisis sinyal tekanan diferensial. Untuk menjawab rumusan masalah yang telah ditetapkan maka tujuan penelitian ini adalah: a. Mengetahui karakteristik fluktuasi tekanan diferensial untuk berbagi pola aliran dua fase gas-likuid. b. Mengidentifikasi pola aliran dua fase dengan menggunakan hasil analisis data fluktuasi tekanan diferensial sensor DPT dan ANN. c. Mengetahui karakteristik tekanan diferensial pada kebocoran pipa. d. Mengidentifikasi kebocoran pipa aliran dua fase dengan menggunakan sensor DPT dan ANN.
1.5 Manfaat Penelitian Salah satu cara untuk mengidentifikasi pola aliran adalah penggunaan metode analisis statistik dari sinyal fluktuasi tekanan lokal. Metode ini jauh lebih cocok diaplikasikan di industri karena tidak memerlukan persyaratan untuk bahan pipa tetapi hanya memasangan sensor tekanan. Hal ini juga menghapus segala keterbatasan kondisi operasi dari metode visualisasi. Alasan penggunaan sensor tekanan adalah kuat, murah, dan relatif berkembang sehingga lebih mungkin untuk diterapkan dalam sistem industri (Goudinakis, 2004). Selain membahas aliran dua fase, penelitian ini juga menerapkan ilmu kecerdasan buatan dan statistik nonlinier yang sedang dikembangkan dewasa ini. Pengembangan ilmu pengetahuan tentang pola sinyal spektral dan statistik nonlinier merupakan kebutuhan rekayasa dan melengkapi metode yang tidak dapat ditangani dengan analisa teori (analitik) dan numerik. Sebagai contoh
7
spektral di bidang kedokteran, spektral detak jantung digunakan untuk memprediksi kondisi jantung normal atau tidak normal. Hasil penelitian ini dapat diaplikasikan pada industri kimia, perminyakan, refrigerasi dan pembangkit uap, dan nuklir dimana banyak ditemukan aliran dua fase. Metode ini juga dapat digunakan oleh bidang perawatan untuk memperbaiki dan menanggulangi kebocoran fluida berbahaya. Kebocoran pipa dapat mengakibatkan berbagai kerugian, antara lain: 1. Membahayakan jiwa manusia. 2. Kerugian produksi dan kenaikkan biaya pemompaan akibat terbuangnya produk dari pipa. 3. Menimbulkan kerusakan dan kerugian biaya untuk membersihkan fluida yang berbahya pada lingkungan. 4. Pada transportasi fluida di bawah laut, produk dapat tercemar oleh air laut akibat tekanan di luar pipa lebih besar dari pada tekanan dalam pipa. Dengan demikian, kebocoran pada pipa menjadi perhatian publik dan berkaitan dengan dampak lingkungan yang ditimbulkannya. Metode ini merupakan inovasi teknologi yang mempunyai nilai jual pada industri. Tema ini dapat mendorong pengembangan berbagai macam metode deteksi kebocoran pipa yang didasarkan pada variabel proses, seperti tekanan, laju aliran, dan temperatur.
8
BAB II TINJAUAN PUSTAKA
