PERANCANGAN SISTEM PENGENDALIAN TEMPERATURE PADA REBOILER METANOL RECOVERY MENGGUNAKAN FUZZY GAIN SCHEDULING-PID DI PT. ETERINDO NUSA GRAHA GRESIK (Agus Handrian F, Syamsul Arifin, Roekmono) Jurusan Teknik Fisika – Fakultas Teknologi Industri Institut Teknologi Sepuluh Nopember Kampus ITS, Keputih – Sukolilo, Surabaya 60111
Abstrak Distillation Column merupakan proses pemisahan yang paling banyak digunakan dan salah satu komponennya adalah reboiler. Distillation Column memisahkan suatu komponen campuran berdasarkan komposisi dari cairan dan uap dari bentuk awal yang berupa cairan.Temperaturepada reboiler perlu dikendalikan untuk menjaga kestabilan suhu keluaran metanol sehinggga tingkat kemurnian yang diinginkan dapat diperoleh.Untuk mendapatkan harga tuning Kp, Ki dan Kd dilakukan dengan metode T-L osilasi dan didapatkan nilai Kp = 13.4, Ki = 0.3 dan Kd = 49.2. Menggunakan pengendali fuzzy gain scheduling - PI didapatkan karakteristik respon output yang lebih baik dibandingkan dengan pengendali PID. Untuk pengendali PID didapatkan nilai maximum overshoot = 18,88 %, settling time = 74detik. Sedangkan untuk Fuzzy Gain Scheduling - PID didapatkan nilai Maximum overshoot = 0 %, settling time = 34detik. Kata Kunci: Temperature, Reboiler, Fuzzy Gain Scheduling - PID dengan pengendalian temperature metanol di pabrik yang belum menemukan parameter tunning yang tepat untuk pengendalian PID. Kondisi tersebut dirasa masih kurang optimal karena masih bisa terjadi kesalahan dan selisih antara temperature steam yang keluar dari reboiler dan temperature metanol yang dihasilkan. Oleh karena itu desain sistem pengendalian padaproses pemisahan akibat perubahan temperature dalam reboiler metanol recovery sangat dibutuhkan agar hasil keluaran temperature metanol yang diperolehdengan menerapkan kesetimbangan energi dapat terjagakestabilan temperaturenya. Fuzzy Logic Control, merupakan suatu metode pengendalian berbasis pengetahuan, logika dan aturan-aturan atau rule berdasarkan pengalaman (expert system). Pada Tugas Akhir ini, Fuzzy Logic Control, diimplementasikan sebagai gain chedulling pada sistem pengendali PID pada reboiler metanol recovery. Dengan demikian hasil yang diharapkan adalah menghasilkan sistem pengendalian yang lebih baik, serta metanol dapat mencapai temperature yang diinginkan dan menghasilkan metanol dengan tingkat kemurnian yang dibutuhkan.
I. PENDAHULUAN 1.1 Latar Belakang Dalam suatu proses pemisahan atau separation process yang menggunakan distillation column, seringkali terdapat permasalahan yang berkaitan dengan kestabilan hasil keluaran temperature yang dibutuhkan. Hal ini bisa disebabkan oleh kondisi awal temperature, yang dalam hal ini adalah metanol dari keluaran preheater dan hasil pemurnian yang kurang sesuai dengan kondisi tingkat kemurnian metanol yang diinginkan. Proses pemisahan dengan distillation column ini umumnya memanfaatkan perbedaan titik didih antara komponen-komponen dalam metanol yang akan dimurnikan..Dengan adanya proses perpindahan panas yang terjadi, terdapat kemungkinan yang bisa menyebabkan kurangnya tingkat kemurnian metanol yang diperoleh. Dampak langsung yang terjadi adalah kemurnian produk yang nilai ekonomisnya menjadi relatif rendah jika dibandingkan terhadap konsumsi energi yang diperlukan. Oleh karena itu temperature hasil proses pemisahan ini perlu dilengkapi dengan sistem pengendalian yang lebih baik. Hal ini juga diperkuat
1
II. TEORI PENUNJANG 3. 1 Distillation Column Distillation Columnmerupakan proses pemisahan yang paling banyak digunakan dan salah satu yang mudah dipahami dalam pengoperasiannya. Distillation Column memisahkan suatu komponen campuran berdasarkan komposisi dari cairan dan uap dari bentuk awal yang berupa cairan.Pengendalian pada sistem perlengkapan ini meliputi manipulasi kesetimbangan energi yang digunakan untuk menghasilkan tingkat kemurnian dan komposisi dari suatu produk. Bagian terpenting dari perlengkapan distillation column adalah main tower, dimana bagian ini memiliki 2 tujuan. Pertama adalah memisahkan feed menjadi bagian uap yang menaiki column dan bagian cair yang menuruni column. Kedua adalah mendapatkan campuran antara dua aliran yang berlawanan arah, hal ini untuk mendapatkan perpindahan yang lebih efektif pada komponen cairan yang turun.
3. 3
Hukum Kesetimbangan Dasar yang digunakan untuk memodelkan reboiler metanol recovery ini adalah prinsip kesetimbangan massa dan energi. Sebagian besar proses yang terjadi pada plant dimodelkan dalam bentuk persamaaan matematis, sehingga proses yang terjadi di dalam plant bisa dijelaskan masksudnya secara fisis. Kesetmbangan Massa Pendekatan model matematis dimana massa yang terakumulasi merupakan selisih laju massa masuk dengan laju massa keluar. Dengan mengetahui massa yang terakumulasi didalam sistem maka mekanisme perubahan massa per satuan waktu dapat diketahui seperti berikut: [akumulasi massa per satuan waktu] = [massa masuk per satuan waktu] - [massa keluar per satuan waktu]
adalah laju aliran fluida dengan Dengan satuan volume per satuan waktu untuk aliran masuk sistem.Sedangkan adalah laju aliran fluida keluar sistem untuk satuan volume per satuan waktu dengan asumsi bahwa densitas konstan. Kesetimbangan Energi Pendekatan model matematis dimana energi yang terakumulasi sama dengan selisih antara energi total input per satuan waktu dengan energi total output persatuan waktu ditambah dengan Energi total yang dialirkan ke dalam sistem seperti berikut:.
Gambar 2.1 Distillation Column Dan Perlengkapannya 3. 2
Reboiler Cairan yang berada pada bagian bawah column dipanaskan kembali di dalam reboiler, dimana reboiler adalah salah satu perlengkapan distillation column yang memberikan perpindahan panas. Reboiler digunakan untuk menguapkan cairan yang masuk sehingga uap yang dihasilkan masuk kembali dan naik ke column, dan cairan sisanya akan tertinggal di bagian bawah column sebagai residu. Tangki reboiler vertical dan horizontal bekerja dengan sirkulasi natural, dimana aliran yang mengalir ke reboiler disebabkan oleh ketidakseimbangan tekanan hidrostatik antara cairan di dalam tower dan campuran di dalam tube reboiler.
[akumulasi energi per satuan waktu] = [energi masuk per satuan waktu] - [energi keluar per satuan waktu] + [energi steam per satuan waktu]
Dimana : A : luas penampang reboiler metanol recovery h : ketinggian reboiler metanol recovery : kalor spesifik : temperature fluida yang masuk : temperature fluida yang keluar : temperature fluida yang diinginkan Q : energi panas steam
2
Subtituusi persam maan pad da prinsipp keesetimbangan n massa ke persamaan pada prinsipp keesetimbangan n energi
Sehingga persaamaan ekivallen dengan peersamaan Penyederhanaaan persamaann
Dari persamaan p diiatas diketahuui persamaann laaplace adalah sebagai berikkut: 1
3.. 4
Kontrroler PID
Kontro oler PID adallahpengendalii ko onvensional yang y sering digunakan d daalam berbagaii un nit pengendaalian proses. Hal inidikaarenakan PID D m mempunyai struktur s yangg relatif sederhana dann peerformansi yaang baik padaa daerah operaasi yang luas.. Untukk mempercepaat respon makka dibutuhkann peengendali derrivative, sehin ngga kekuran ngan yang adaa paada pengendaali integral dapat d ditutupi. Jadi ketigaa m mode pengeendali Prop portional, In ntegral dann D Derivative masing-masing bergu una untukk reaksi sistem m mempercepat m, menghilaangkan offsett daan mendapattkan energi ekstra di saaat-saat awall peerubahan load d.
3. 5
Temperatture fluida yaang terlalu reendah akan menyebabkan koondisi hasil pemisahan p yaang masih dekaat dengan konndisi awal seb belum dipisahh.Sehingga metaanol yang diiperoleh massih terlalu seedikit jika dibandingkan denngan konsum msi energi stteam yang diguunakan untuk perpindahan panas pada metanol. m Sebaliknya bila Tempperature fluuida yang terlaalu tinggi akaan menyebabbkan tingkat kemurnian k metaanol yang dipperoleh kuran ng sempurnaa. Hal ini dikarenakan prosses pemisahaan yang mem manfaatkan perbbedaan titik diidih tidak akaan tercapai. KomponenK kom mponen dalam m crude mettanol yang seharusnya s terpiisah dan m masih dalam fase cair akan ikut menguap dan m mempengaruh hi kemurniann metanol ketik ka didinginkaan di condenseer. 3. 6
Logika Fuzzy F
Logika fuzzy dapatt mengatasi dinamika proses yang rumiit dan komplek, hal ini biisa didapat del matematiika seperti tanpa harus menngetahui mod padaa logika konvvensional. Gaagasan kuncinnya adalah mengembangkan suatu kerrangka yangg variabel utam manya ketiddakpastian presisi p (Impprecision). Dim mana suatu fuungsi yang mengekspresik m kan derajat kepeemilikan suatuu himpunan dilambangkann terhadap suatuu harga antarr 0 sampai 1.L Logika fuzzy mengolah inforrmasi dari vvariabel num merik menjaddi variabel linguuistik. Perkembaangan penggunaan logiika fuzzy adalaah PID-fuzzzy atau fuuzzy controoller.Fuzzy Conttroller menuunjukkan konntrol yang sttabil pada banyyak macam pproses non-linnear. Tetapi metode m ini mem miliki kelemaahan, yaitu banyaknya rule r base, sehinngga membuutuhkan banyyak biaya dan d waktu penyyesuaian jikaa terjadi peruubahan kondiisi proses. Selanjutnya diussahakan perrancangan yang lebih sedeerhana dan ppengendali yaang lebih effisien dari form mulasi fuzzy biasa tanpa kehilangan kestabilan. k Metoode baru yang disarankaan adalah Fuuzzy Gain Scheeduling. 3. 7
Gambarr 2.2 Diagram m Blok Kontrooler PID
Sistem P Pengendalian n Temperatture pada Reboiler Metanol Reccovery
hedulling Gain Sch
Pengendaali PID meruppakan pengenndali yang banyyak digunakkan di inddustri prosees karena bentuknya yaang sederhhana dan mudah diim mplementasikaan. Untuk mengatasi m perrmasalahan biasaanya adalah ddengan meng ggunakan mettode Fuzzy Gain n Scheduling--PID.
Dimana parameter kendali berubah secara otomatis.Hal ini terjadi jika perubahan kondisi operasi yang menyebabkan kinerja kendali menurun, dimana dapat diketahui dari nilai error dan derror.Metode ini dinamakan Fuzzygain schedulingPID. Pada aplikasi ini, fuzzy berfungsi menghitung secara otomatis parameter kontrol PID (Kp, Ti dan Td), berdasarkan kondisi signal error (E) dan perubahan error (ΔE). Secara umum, diagram fuzzy PID gain scheduling kendali dapat digambarkan seperti berikut.
Sehingga untuk Gain Proses adalah sebagai berikut: 1
1 1 . .
.
.
.
3. 2
Model Matematis Temperature Transmitter
Pengukuran pada sensor temperatur di Reboiler Metanol Recovery menggunakan prinsip perbedaan antara temperature fluida maksimum dan temperature fluida minimum dalam reboiler. Setelah diperoleh nilai perbedaan temperature tersebut maka data perhitungan ini dikirim dalam bentuk sinyal elektrik sebesar 4-20 mA. Nilai GainTransmitter :
Gambar 2.3 Diagram Blok Sistem Kontrol Fuzzy Gain Scheduling-PID 20 4 16 0.4 100 60 40 Sehingga Gain Untuk Temperature Transmiter :
Variabel tambahan yang akan dijadikan variabel penjadwal pada dasarnya harus terkorelasi atau berhubungan dengan titik kerja atau kondisi proses yang dikontrol. Variabel tersebut dapat saja berupa output proses itu sendiri atau variabel input lain yang secara langsung mempengaruhi dinamika proses. Dalam bentuknya yang sederhana, metode kontrol gain scheduling ini dapat direalisasikan dalam sebuah tabel yang berisi himpunan parameter PID untuk berbagai kondisi yang mungkin terjadi selama pengontrolan proses berlangsung.
. .
3. 3
Fungsi transfer control valve dan actuator dapatdidekati dengan persamaan orde satu dengan asumsi bahwa control valve yang digunakan mempunyaikarakteristik aliran yang liniersebagai berikut:
III. PERANCANGAN DAN METODOLOGI Pemodelan Matematis Reboiler 3. 1
Gain Control Valve:
Dasar yang digunakan untuk memodelkan reboiler metanol recovery ini adalah prinsip kesetimbangan massa dan energi. Sehingga proses yang terjadi di dalam plant bisa dijelaskan masksudnya secara fisis.
0.78 15
/ 3
GainActuator:
Untuk kondisi plant: : : : : :
Katup Pengendali (control valve)
/
0.28 / 160.84 / 1.389 / 0.8 / 0.6 /
/
/
4
15 20 12 16
3 4 0.75
0.065
Sehingga diperoleh gain total control valve:
Karakteristik dari tiap persamaan sistem untuk closedloop adalah pada bagian denumerator dari transfer function maka persamaan karakteristik sistem untuk kontroler PID adalah:
. / 0.065 . 0.75 0.04875
1
Sehingga gain untuk control valve adalah sebagai berikut:
Sehingga didapat susunan sebagai berikut: 2349.86
0.04875 4.3 1 3. 4
0
1486.16
222.83
1
4.70418
0
Perhitungan kriteria kestabilan untuk analisa sistem kontrol dimana sistem dikatakan stabil jika akar-akar karakteristik berada di sebelah kiri sumbu imajiner dan sebaliknya kurang stabil jika berada di sebelah kanan sumbu imajiner. Pada hubungan kestabilan di sumbu imajiner, diperoleh ω. Sehingga subtitusi ω pada persamaan diatas menjadi sebagai berikut:
Penentuan Parameter Tunning PID
Untuk mendapatkan sistem control yang memiliki hasil yang stabil dan kualitas pengendalian yang optimal, maka parameter dalam controller PID juga harus ditentukan terlebih dahulu. Hal yang perlu dilakukan adalah mendapatkan variabel nilai gain dengan mendapatkan kestabilan dari suatu sistem. Kestabilan sistem dapat dicari dengan menentukan persamaan karakteristik dan pole-pole pada fungsi transfernya.
2349.86
1486.16
2349.86 ω 1
4.70418
222.83
1
1486.16ω
222.83 ω
1486.16ω
222.83ω
4.70418 1
0
4.70418
2349.86ω
0
0
Persamaan diatas dapat dibagi menjadi 2 pada bagian real dan imajiner sebagai berikut: Untuk bagian real: 1
1486.16ω
0
Untuk bagian imajiner:
Gambar 3.1 Diagram Blok Sistem Closed Loop
222.83ω
Pada penggunaan metode ini, hal yang paling diutamakan adalah mencari nilai ultimate gain (Ku). Nilai Ku dicari sedemikian rupa dengan melakukan settingparametercontroller sehingga dengan nilai tersebut sistem control menghasilkan respon yang berosilasi secara kontinyu dan berkelanjutan karena dengan semakin besar Ku, maka respon sistem akan mencapai kondisi osilasi. Berikut ini adalah persamaan matematis pada sistem closed loop:
2349.86ω
0
Sehingga dapat diperoleh nilai ω sebagai berikut: 2349.86ω ω ω ω
222.83
222.83 2349.86 √0.094826764 0.307939546
Untuk nilai Pu adalah: 2 ω
1 .
6.28 0.307939546
. .
1
4.70418
.
. .
.
20.39361323
.
Dari persamaan matematis tersebut di atas didapat, bahwa persamaan karakteristik sistem adalah; 2349.86 1486.16 222.83 1 4.70418 2349.86 1486.16 222.83 1
Nilai Ku sebagai berikut: 1
4.70418 4.70418
0
5
1486.16 0.307939546 139.9276488
0
139.9276488 4.70418
tersebut merepresentasikan karakteristik dari pengendali. Dalam perancangan Fuzzy Gain SchedullingPID terdapat dua masukan, pertama yaitu nilai error yang diperoleh dari nilai keluaran transmitter dan dibandingkan dengan nilai masukan awal kontroler.Kedua adalah deltaerror yang diperoleh dari nilai error yang ditunda dan dibandingkan dengan nilaierror yang baru. Sedangkan keluaran ada tiga, yaitu nilai parameter Kp, Ki, Kd dimana nilai-nilai keluaran dari Fuzzy Gain Schedulling-PID ini nantinya akan dikalikan dengan nilai error dan digabungkan untuk mendapatkan nilai sinyal yang diperlukan untuk masukan control valve. Sedangkan untuk metode pengambilan keputusan menggunakan metode inferensi Max-min (Mamdani) dengan data aturan sistem AND yang dalam aturannya menggunakan aturan operasi minimum mamdani, dan defuzzifikasi COA (Center of Area).
29.74538576 Didapatkan: Gu = 29.74538576 Pu = 20.39361323 3. 5
Perancangan Kontroler Dengan Fuzzy Gain Schedulling-PID
Untuk mengolah data masukan dibutuhkan beberapa fungsi meliputi fungsi fuzzifikasi yang akan mengubah nilai crisp (nilai aktual) menjadi nilai fuzzy (nilai kabur). Selain itu, dibutuhkan pula fungsi defuzzifikasi, yaitu fungsi untuk memetakan kembali nilai fuzzy menjadi nilai crisp yang menjadi output/nilai solusi permasalahan. Langkah-langkah yang dilakukan untuk perancangan kontroler dengan Fuzzy Gain Schedulling-PID menggunakan software Matlab adalah sebagai berikut: 1. Menentukan parameter tuning PID terbaik berdasarkan simulasi pada simulink. 2. Menetapkan data input dan output. 3. Fuzzifikasi 4. Membuat aturan fuzzy yang akan digunakan dalam operasi fuzzy. 5. Metode Pengambilan Keputusan (Inferensi/ Rule Evalution). 6. Strategi Defuzzifikasi.
3. 5. 3 Fuzzifikasi Proses memetakan masukan dan keluarandari variabel crips kedalam variabel linguist. Tidak ada aturan yang baku dalam pemilihan fungsi keanggotaan himpunan fuzzy, tapi penggunaan fungsi keanggotaan harus mewakili karakteristik himpunan fuzzy yang dibutuhkan. Fungsi keanggotaan yang digunakan adalah bentuk segitiga, baik untuk keluaran maupun masukan dan memiliki tambahan bentuk trapesium sebagai nilai batas range yang digunakan. Berikut adalah tampilan fungsi keanggotan yang dipakai dalam perancangan fungsi keanggotaan dari error: Gambar dibawah dapat menunjukkan nilai range masukan yang mewakili nilai error temperatur proses yang terjadi yaitu bernilai -40 oC sampai 40 oC dari set point 100 oC.
3. 5. 1 Menentukan Parameter Tuning PID Terbaik Berdasarkan Simulasi Pada Simulink. Nilai-nilai parameter tunning PID yang telah didapatkan dengan perhitungan dipakai sebagai nilai range maksimal untuk Fuzzy Gain Schedulling-PID. Parameter PID yang menggunakan metode osilasi untuk mencari tingkat kestabilan yang baik ini akan dijadwal sehingga nilai keluaran pada Fuzzy Gain Schedulling-PID akan mendapatkan respon yang diinginkan. Penjadwalan nilai parameter bermula dari nila minimal yaitu 0 sampai nilai maksimal yaitu nilai parameter PID itu sendiri. 3. 5. 2 Menetapkan Data Input Dan Output. Kontroler logika fuzzy tidak memerlukan persamaan matematis yang rumit, yang diperlukan adalah data input dan output yang benar, dimana data
Gambar 3.5 Fungsi Keanggotaan Variabel Error
6
Jumlah membership function yang digunakan adalah 5, yaitu 2 berbentuk trapesium sebagai batas dari minimal dan maksimal dan 3 berbentuk segitiga sebagai pemerkecil error. Berikut adalah tampilan yang dipakai dalam perancangan fungsi keanggotaan dari delta error:
Gambar diatas dapat menunjukkan nilai range keluaran pengendali Fuzzy Gain SchedullingPID yang mewakili nilai variabel parameter Kp. Nilai range yang digunakan untuk variabel ini didapatkan dari perhitungan nilai parameter PID dengan metode osilasi untuk mencari kestabilan yang telah dilakukan sebelumnya. Berikut adalah tampilan yang dipakai dalam perancangan fungsi keanggotaan dari Ki:
Gambar 3.6 Fungsi Keanggotaan Variabel Delta Error Gambar diatas dapat menunjukkan nilai range masukan yang mewakili nilai delta error temperatur proses yang terjadi yaitu bernilai -5 oC sampai 5 oC dari set point 100 oC. Jumlah membership function yang digunakan sama dengan yang digunakan untuk masukan error sebelumnya, yaitu 3 berbentuk segitiga untuk pemerkecil delta error dan 2 berbentuk trapesium sebagai batas range sesuai dengan keluaran proses yang terjadi. Perancangan untuk membership function delta error dengan bentuk dan susunan seperti ini dimaksudkan untuk mengatasi kurangnya tingkat kestabilan yang terjadi pada respon keluaran proses. Pada tahap selanjutnya dilakukan pemetaan nilai crisp keluaran berupa parameter Kp, Ki dan Kd. Data pada proses pengendalian berbentuk crisp, dan dengan fuzzifikasi ini, nilai crisp yang teramati dipetakan ke nilai fuzzy yang bersesuaian dengan rentang kerja (range) setiap variable masukannya. Berikut adalah tampilan yang dipakai dalam perancangan fungsi keanggotaan dari Kp:
Gambar 3.8 Fungsi Keanggotaan Parameter Ki Gambar 3.8 dan gambar 3.9 dapat menunjukkan nilai range keluaran pengendali Fuzzy Gain Schedulling-PID yang mewakili nilai variabel parameter Kid dan Kd. Nilai range yang digunakan untuk variabel ini juga didapatkan dari perhitungan nilai parameter PID dengan metode osilasi untuk mencari kestabilan yang telah dilakukan sebelumnya. Berikut adalah tampilan yang dipakai dalam perancangan fungsi keanggotaan dari Kd:
Gambar 3.9 Fungsi Keanggotaan Parameter Kd 3. 5. 4 Membuat Aturan Dalam Operasi Fuzzy. Dalam pemembuatan aturan fuzzy diperlukan pemahaman tentang sistem yang akan dibangun dengan logika fuzzy. Pembuatan aturan logika fuzzy biasanya dikembangkan dari operators experience atau experimental data.
Gambar 3.7 Fungsi Keanggotaan Parameter Kp
7
Pada penelitian ini didasarkan pada hubungan antara input dan output pada proses yang terjadi di plant sesuai dengan pengalaman operator yang menguasai pengendaliannya. Dimana untuk singkatan-singkatan pada tabel yang digunakan sebagai keterangan adalah sebagai berikut: NB = Negatif Besar, NK= Negatif Kecil, Z = Zero, PK = Positif Kecil, PB = Positif Besar, S = Steady, K = Kecil, B = Besar. Gambar 3.10 Basis Aturan Logika Fuzzy Pada Matlab
Tabel 3.1 Rule Base Untuk Parameter Kp
3. 5. 5 Metode Pengambilan Keputusan Proses pengambilan keputusan yang sering disebut sebagai proses inferensi, adalah langkah untuk mendapatkan sinyal pengendali logika fuzzy sesuai basis aturan yang ada. Nilai masukan (error, delta error) yang diperoleh dari keluaran proses dan set point diolah untuk menentukan aturan mana yang digunakan. Terdapat dua metode inferensi fuzzy yang paling sering digunakan dalam kendali logika fuzzy, yaitu:
Tabel 3.2 Rule Base Untuk Parameter Ki
Metode inferensi max – min (mamdani) Metode max – dot
Tabel 3.3 Rule Base Untuk Parameter Kd
Pada Tugas Akhir ini, metode pengambilan keputusan yang digunakan adalah metode max-min. Pada metode max-min, dalam penerapannya menggunakan aturan operasi minimum mamdani. Proses pengambilan keputusan diawali ketika logika fuzzy mendapat masukan nilai error temperature dan delta error, berikut adalah mengubahnya ke dalam nilai logika fuzzy berdasarkan fungsi keanggotaan yang telah dibuat sebelumnya, dan disesuaikan dengan variabel linguistiknya.
Setelah mendapatkan fungsi keanggotaan perlu dibuat adanya perancangan basis aturan (rule base). Basis aturan (rule base) meliputi kumpulan aturan kontroler logika fuzzy untuk menyatakan aksi pengendali agar mencapai tujuan yang diharapkan. Pembuatan aturan dari logika fuzzy pada penelitian ini didasarkan pada pengaruh nilai parameter PID (Kp, Ki dan Kd) terhadap respon pengendalian. Adapun aturan dalam menentukan nilai parameter PID adalah dapat ditunjukkan dengan desain basis aturan logika fuzzy pada FIS editor matlab dimana basis aturan terdiri dari 25 aturan.
3. 5. 6 Defuzzifikasi Defuzzifikasi adalah proses pengubahan kembali besaran fuzzy yang ditampilkan dalam bentuk himpunan-himpunan dengan fungsi keanggotaannya untuk menjadi bentuk data crisp (nilai sebenarnya/ nilai tegas). Proses pengubahan data fuzzy menjadi data crispdiperlukan karena plant hanya mengenal nilai tegas yang sesungguhnya sebagai besaran untuk
8
regulasi prosesnya. Metode defuzzifikasi yang digunakan adalah metode centroid. Metode centroid ini juga dikenal sebagai metode COA (Center of Area) atau metode Center of Gravity. Pada metode ini nilai crisp keluarannya diperoleh berdasarkan titik berat dari kurva hasil proses pengambilan keputusan. Pada Tugas Akhir ini, aksi pengendali PID yang dihasilkan oleh logika fuzzy mewakili besarnya nilai parameter Kp, Ki dan Kd yang masuk ke PID Controller. Besarnya parameter Kp, Ki dan Kd selalu berubah – ubah sesuai dengan kondisi keluaran temperature dalam Reboiler Metanol Recovery.
Berikut ini adalah tabel parameter-parameter tunning close loop dengan acuan ultimate gain (Gu) dan Periode Ultimate (Pu) untuk metode Tyreus Luben: Gu = 29.74538576 Pu = 20.39361323 Tabel 4.1 Parameter Hasil Tunning Close Loop Osillation Mode Kontrol PID Tyreus Luben
Ti 2.2 PU
Td 0.16 PU
Sehingga nilai-nilai parameter tunning PID adalah berikut ini:
BAB IV PENGUJIAN DAN ANALISA HASIL SIMULASI
Tabel 4.2 Parameter Tunning TL Pada Matlab:
Pada Bab ini akan ditunjukkan hasil pengujian beserta analisanya. Data-data respon keluaran yang telah didapatkan dari simulasi kemudian dianalisa dan dibahas berdasarkan teori dasar.Bagian ini adalah hasil dari pelaksanaan prosedur dari perancangan pada Bab III, kemudian dari hasil tersebut diambil beberapa kesimpulan untuk menjawab permasalahan yang telah dirumuskan yang pada akhirnya tercapai pada tujuan yang telah ditetapkan pada Bab I. 4. 1
Kp 0.45 GU
Kp 13.4 Ti 44.9 Ki 0.3 Td 3.3 Kd 49.2 Dari tabel diatas didapatkan parameter tunning PID untuk Mode Kontrol PIDTyreus Luben, dan nilai parameter-parameter yang dibutuhkan untuk Blok Kontroler PID pada Matlab. 4. 2
Pengujian Pengendali PID
Penyajian hasil simulasi ditampilkan dalam bentuk grafik respon keluaran sistem, sinyal keluaran kontroller dan prosentase error. Sistem yang telah dirancang diuji dengan lima pengujian, yaitu uji respon masukan step, uji tracking setpoint, dan uji beban.
Tuning Parameter PID
Pengendalian temperatur dengan menggunakan controller PID perlu diketahui nilai gain Kp, Ti ,dan Td nya. ada beberapa cara dalam mencari nilai PID. Pada penelitian kali ini menggunakan cara osilasi dan menggunakan metode Tyreus Luben. Untuk mendapatkan kinerja sistem kendali yang memiliki performansi yang handal dan kestabilan pengendalian yang optimal, maka parameter dalam pengendali juga harus memiliki nilai yang optimal.
Uji Respon Masukan Step Pada pengujian ini kondisi sistem ideal tanpa adanya gangguan diberikan masukan step dengan setpoint yang sesuai dengan kondisi operasi normal sistem yang diinginkan yaitu temperature 100 oC.
Metode Osilasi Tyreus Luben (T - L) Untuk metode Tyreus Lubenosilasi dilakukan dengan metode closed loop oscillation. Pada saat menggunakan metode ini, hal yang dilakukan adalah mencari nilai ultimate gain (Gu) dan Periode Ultimate (Pu) seperti yang telah dijelaskan pada Bab sebelumnya. sehingga dengan nilai tersebut sistem kendali menghasilkan respon yang berosilasi secara kontinyu dan berkelanjutan.
Gambar 4.5 Respon Sistem Pengendali PID Dengan TL Closed Loop
9
Dari hasil simulasi dengan temperatur akhir sebesar 100 oC diperoleh maximumovershoot pada temperatur keluaran reboiler mencapai 18.88 0C dengan nilai-nilai yang lain seperti berikut:
4. 3
Pengujian dan Analisa Performansi Kendali Fuzzy Gain Scheduling-PID
Uji performansi kendali Fuzzy Gain Scheduling-PID dilakukan dengan menjalankan simulasi pada software Simulink Matlab.Berikut merupakan gambar tampilan simulasi pengendalian temperature Reboiler Metanol Recovery menggunakan Fuzzy Gain Scheduling-PID.
Max. Overshoot = 18.88 % Settling Time = 74 s Error Steady state = 0.1205 % Uji Beban (Load)
Uji Respon Masukan Step
Pada pengujian ini, sistem yang dirancang diberi perubahan nilai beban dari nilai mass flow steam, dimana sistem pengujian beban ini berhubungan langsung pada proses pada reboiler metanol recovery yang menghasilkan temperature keluaran. Pada pengujian temperature ini dilakukan dengan penambahan dan pengurangan sesaat dengan memanipulasi laju aliran steam. Pengujian beban yang dilakukan ini diharapkan mendapatkan nilai temperature yang tetap dan tidak terlalu berubah dari set point.
Uji performansi yang dilakukan adalah dengan memberikan masukan berupa besaran step yang dalam hal ini berupa temperatur 100 oC dan load sebesar 60 oC yang berasal dari temperatur keluaran preheater, nilai ini sesuai dengan data operasi plant pada saat kondisi normal. Karakteristik performansi pengendalian temperatur ketika tanpa gangguan.
Gambar 4.8 Grafik Uji Respon Closed Loop Menggunakan FGS-PID
Gambar 4.6 Respon PID Uji Beban Naik
Dari hasil simulasi dengan temperatur akhir sebesar 100 oC diperoleh temperatur keluaran reboiler nilai-nilai seperti berikut:
Pada pengujian beban pada pengendalian temperature dilakukan penambahan dan pengurangan saat detik ke-180 pada laju aliran steam yang menuju reboiler sebesar 25 %, sehingga nantinya temperature fluida dalam reboiler metanol recovery akan berubah.
Max. Overshoot = Settling Time = 34 s Error Steady state = 0,0626 % Dari pengujian diperoleh hasil bahwa pengendalian yang menggunakan kendali fuzzy Gain Schedulling-PID mempercepat respon untuk mencapai kestabilan yang dalam hal ini direpresentasikan dengan nilai Settling Time dan Error Steady state. Sedangkan perancangan Fuzzy Gain Scheduling-PID jugamenghitung ulang parameter PID berdasarkan kondisi error (E) dan perubahan error (ΔE) yang terjadi.
Gambar 4.7 Respon PID Uji Beban Turun
10
Hal ini membuktikan bahwa kendali Fuzzy Gain Scheduling-PID mempunyai kelebihan dibandingkan dengan algoritma PID biasa. Adanya tambahan fuzzy ini diharapkan pengendali lebih responsive terhadap kestabilan di plant (mampu melakukan tuning adaptif dengan perubahan plant) sehingga kestabilan sistem tetap terjaga.
4. 4
Uji ResponSinyal Step Pabrik
Pada pengujian ini, akan dilakukan pengujian respon sistem pengendalian temperature Reboiler menggunakan PID controller, yaitu controller yang ada di lapangan saat ini, dengan menggunakan nilainilai dari DCS.Demikian pula dengan tuning Kp, Ki dan Kd yang dilakukan pada PID controller diberikan setpoint yang sama, yaitu temperatur100 o C.
Uji Beban (Load) Pada pengujian temperature untuk FGS-PID ini juga dilakukan dengan penambahan dan pengurangan sesaat dengan memanipulasi laju aliran steam seperti pada PID Pengujian beban yang dilakukan ini diharapkan mendapatkan nilai temperature yang tetap dan tidak terlalu berubah dari set point.
Gambar 4.11 Grafik Simulasi Uji Sinyal Step Pada gambar di atas adalah respon keluaran dengan menggunakan PID controller untuk tunning yang dilakukan oleh pabrik, dan garis hijau adalah setpoint yang harus dicapai pengendali. Pada respon ini selain memiliki maksimum overshoot yang tinggi juga memiliki error steadystate yang harus dihilangkan sehingga proses keluaran dapat terjaga kestabilannya.
Gambar 4.9 Respon FGS-PID Uji Beban Naik Pada pengujian beban pada pengendalian temperature dilakukan penambahan dan pengurangan saat detik ke-180 pada laju aliran steam yang menuju reboiler sebesar 25 %, sehingga nantinya temperature fluida dalam reboiler metanol recovery akan berubah.
4. 5
Uji TrackingSetpoint Naik dan Turun
Uji ini digunakan untuk mengetahui sejauh mana kemampuan pengendali dalam mengatasi kondisi pada saat diberikan gangguan internal berupa perubahan setpoint. Pada Uji trackingsetpoint ini, akan diuji performa dari sistem pengendalian temperatur yang telah didesain, baik dengan Fuzzy logic control, maupun dengan PID controller yang telah ada di lapangan. Uji TrackingSetpointturun dilakukan dengan mememberikan set point 100 oC kemudian diubah menjadi 80 oC, dan uji trackingsetpoint naik dilakukan menaikkan 100 oC menjadi 120 oC. Adapun hasil respon tracking naik dan turun setpoint adalah ditunjukkan pada gambar berikut:
Gambar 4.10 Respon FGS-PID Uji Beban Turun
11
Mode kontrol PID secara teori memang memiliki respon sistem yang lebih baik daripada mode kontrol PID pabrik, namun dengan nilai maximum overshoot 19,59 % masih dapat dikatakan bahwa untuk aplikasi ini, desain Fuzzy Gain Schedulling-PID yang dirancang tetap lebih baik. Pada tabel berikut ditampilkan nilai untuk masing-masing karakteristik respon dengan menggunakan berbagai mode kontrol. Tampak bahwa Fuzzy Gain Schedulling-PID dengan konfigurasi rule base dan membership function didalamnya mampu mengatur nilai respon variabel temperatur. Tampak pada hasil tabel, Fuzzy Gain Schedulling-PID memiliki keunggulan dimana tidak terjadi maximumovershoot, dan respon berjalan relatif lebih cepat bila dibandingkan mode kontrol PID teori apalagi PID pabrik. Konfigurasi rule base dan membership function dari Fuzzy Gain Schedulling-PID ini adalah, nilai keluaran sinyal yang diberikan sesuai dengan error dan delta error yang diterima. Artinya adalah bahwa algoritma kontrol yang telah dibangun sesuai, sehingga sinyal kontrol sebagai sinyal keluaran dapat diberikan lebih cepat sebagai akibat tidak adanya proses matematika yang dilakukan. Dengan memberikan sinyal kontrol tertentu dalam menanggapi error dan delta error dari keluaran proses, system dapat memberikan keuntungan waktu pencapaian settling time yang relatif cepat bila dibandingkan mode kontrol pembanding yang lainnya. Fungsi alih untuk masing masing komponen pada mode kontrol PID berperan sebagai operasi matematika oleh sinyal error yang masuk ke dalam kontroler. Sedangkan pada Fuzzy Gain SchedullingPID, sinyal kontrol ditentukan terlebih dahulu dengan mengacu hasil keluaran yang didapatkan terlebih dahulu dari kontroler PID sehingga diketahui range sinyal masukan kontrol untuk mencapai set point masing - masing proses variabel.
Gambar 4.12. Hasil Respon Pada Uji TrackingTurunSetpoint
Gambar 4.13 Hasil Respon Pada Uji TrackingNaikSetpoint Gambar diatas merupakan hasil dari simulasi close loop dengan menggunakan kontroler Fuzzy Gain Schedulling-PID (ditunjukkan pada warna biru) dan kontroler - kontroler pembanding, yaitu mode kontrol PID yang dilakukan pabrik (ditunjukkan pada warna merah) dan PID secara teori (ditunjukkan pada warna hijau). Tampak pada grafik kontroler berbasis Fuzzy Gain Schedulling-PID memiliki keunggulan dengan tidak adanya maximumovershoot, itu dikarenakan konfigurasi dari rule base dan membership function yang digunakan didalamnya. Untuk mode kontrol PID memiliki grafik respon yang masih memiliki maksimum overshoot, sehingga tampak pada grafik kedua respon sistem memiliki maksimum overshoot yang hamper sama ketika set point dinaikkan atau diturnnkan. Hal ini sangat berbeda pada maksimum overshoot yang terjadi pada awal respon.
Tabel 4.3 Karakteristik Respon Fuzzy Gain Schedulling-PID
12
No
Max. Overshoot (%)
Setling Time (s)
Peak Time (s)
Ess (%)
1
-
34
-
0,0626
Mode Kontrol PID (Pabrik) No
Max. Overshoot (%)
Setling Time (s)
Peak Time (s)
Ess (%)
2
40.235
319
82
0,2783
Smith, A. Carlos, “Principles and Practice of Automatic Process Control”, John Wiley & Son.Inc,1997.
Stephanopoulos, George, “Chemical Process Control An Introduction to Theory and Practice” Hall International.Inc, 1984.
Mode Kontrol PID (Teori) No
Max. Overshoot (%)
Setling Time (s)
Peak Time (s)
Ess (%)
3
18.888
74
13
0,0005
DATA PENULIS Nama : Agus Handrian Firmanto TTL : Gresik, 18Agustus 1987 Alamat : Jl.Kpt. Dulasim 2E No. 22, Gresik Riwayat Pendidikan SDN Sidomoro I Gresik SLTPN I Gresik SMU Negri I Gresik Politeknik Elektronika Negeri Surabaya ITS Teknik Fisika ITS Email :
[email protected]
V. KESIMPULAN 5. 1
Kesimpulan
Dari keseluruhan metodologi, pengujian, analisa serta pembahasan yang telah dilakukan dapat disimpulkan debagai berikut: 1. Telah dilakukan pemodelan dan perancangan sistem pengendali temperature methanol pada reboiler methanol recovery dengan Fuzzy Gain Scheduling-PID diPT. Eterindo Nusa Graha Gresik. yang mampu memenuhi target yang diberikan. 2. Berdasarkan simulasi hasil real plant didapatkan maksimum overshoot = 40.235 % , time settling 321 s, ess = 0.2783 % 3. Berdasarkan simulasi hasil rancangan FGS-PID didapatkan maksimum overshoot = - % , time settling 34 s, ess = 0.0626 % 4. Performansi FGS-PID lebih baik daripada PID yaitu dapat dilihat dari segi settling time yang lebih cepat dan maksimum overshoot yang lebih kecil. DAFTAR PUSTAKA
sumur minyak dan gas dengan menggunakan kontroler pid di PT. Pertamina EP Region Jawa, Field Subang – Tambun, Surabaya 2009. Ogata, Katshuiko, “Teknik Kontrol Automatik I’’, Prentice Hall Inc, 1996.
Liptak G.Bela : Instrument Engineers Handbook4th – Process Control and Optimization “, 2006. Gunterus, Frans,”Falsafah Dasar Sistem Pengendalian Proses”, Elex Media Komputindo, Jakarta.,1994 Nusantoro Djoko, Perancangan sistem pengendalian level pada monitoring produksi
13
