Anda di halaman 1dari 8

Prosiding Seminar Nasional Teknologi Proses Kimia V 2003

ISSN 1410-9891

Model MILP untuk Urutan Destilasi


Tigor Nauli
Puslit Informatika LIPI, Jalan Cisitu, Sangkuriang, Bandung 40135
Tel. (022) 2504711, Fax. (022) 2504712, e-mail: tigor@lipi.go.id
Abstrak
Sistematika pemisahan sebuah campuran berkomponen banyak menjadi n buah produk
murni menggunakan cara destilasi akan memiliki banyak alternatif urutan. Jumlah kemungkinan
urutan pemisahan tersebut akan berbanding eksponensial dengan jumlah komponen yang terlibat
dan banyaknya separator yang digunakan dalam pemisahan.
Kriteria pemilihan urutan pemisahan yang terbaik dapat dipertimbangkan berdasarkan
ongkos (cost), ukuran unit (size), keselamatan kerja (proses safety), atau keamanan produk (food
safety). Prinsip pemilihannya adalah dengan melakukan optimasi terhadap struktur jaringan dari
suatu flowsheet destilasi, menggunakan formulasi mixed-integer linear programming (MILP).
Akan dicari aproksimasi linier dari suatu fungsi obyektif, f (x, y), dengan mempertahankan
batasan-batasan logik dari variabel-variabel biner yang dipilih. Kondisi proses dinyatakan
sebagai variabel kontinyu x, sedangkan setiap simpul pada jaringan menyatakan variabel biner y i.
Akan dilaporkan hasil penentuan urutan terbaik dari suatu destilasi campuran yang
mengandung empat komponen alkana. Model MILP yang dikembangkan pada penelitian ini telah
mencakup pengaruh perubahan suhu kontinyu pada pertimbangan ekonomis dari ongkos utilitas.
Perhitungan optimasi proses, yang dilakukan dengan bantuan sebuah program komputer,
akan menghasilkan sebuah urutan terbaik pemisahan. Disamping itu, program dapat pula
memperlihatkan urutan terbaik kedua dan seterusnya, berdasarkan masukan kriteria pembatasan
yang telah diperbaiki. Meskipun penelitian ini hanya tertuju pada proses d estilasi saja, namun
sesungguhnya model MILP dapat diterapkan pada berbagai proses pemisahan lainnya.
Abstract
Systematically separating a multi-component mixture into n individual product would
involve several alternative sequences. The number of possible sequences is exponentially
corresponds to the number of components and the number of separators.
Criteria for choosing the optimum separation sequence could be cost, unit size, process
safety, or food safety. The choice is selected from the network structure of distillation flowsheet
that is optimized by the formula of mixed-integer linear programming (MILP). The linear
approximations of the objective function, f(x, y), are determinate by retaining the logic constraints
of selected binary variables. The process environment is represented by continuous variable x,
while network nodes denote binary variable y i.
It would be reported the results of determining the optimum distillation sequence for a
mixture of four alkenes. The MILP model integrates the effect of continuous temperature exchange
to the fixed-charge costs.
The optimization process, which is aimed by a computer program, will produce an optimal
separation sequence. The program would also show the second and the third best solution after
alternating the constraints. Although the research focused on the distillation process, the MILP
model is applicable for any separation techniques.
1. Pendahuluan
Destilasi adalah sistem pemisahan yang akan memilah suatu campuran berkomponen banyak menjadi dua
atau lebih produk murni yang diinginkan. Urutan pemisahannya dapat berbentuk langsung (direct sequence),
dimana spesi yang lebih cepat menguap akan dipisahkan lebih dahulu, sebelum pemisahan spesi-spesi lainnya
dilakukan. Atau, dapat pula secara tak langsung, dimana sembarang spesi dapat dipisahkan terlebih dahulu,
sebelum dilakukan pemisahan terhadap spesi yang lebih cepat menguap.
Dalam merancang proses destilasi maka harus diperhatikan beberapa hal, seperti misalnya: 1) pemisahan
dapat berlangsung ideal bila titik didih komponen-komponen yang terdapat di dalam campuran tersebut (atau
volatilitas relatifnya) memiliki perbedaan yang nyata; 2) kemungkinan campuran yang akan dipisahkan bersifat
azeotrop, sehingga sistemnya tidak lagi sederhana; 3) campuran mengandung produk yang berbahaya atau

Dasar-dasar Teknik Kimia

Prosiding Seminar Nasional Teknologi Proses Kimia V 2003


ISSN 1410-9891
korosif sehingga harus dipisahkan lebih awal dibandingkan dengan komponen lainnya; 4) perlu dihindarinya
kondisi ekstrim pada tekanan dan suhu dalam proses pemisahan yang direncanakan.
Meskipun faktor-faktor lingkungan harus pula mendapatkan perhatian khusus, namun kerapkali yang
menjadi pertimbangan dalam merancang proses pemisahan campuran dengan destilasi adalah mencari urutan
destilasi yang memiliki biaya operasi (relatif) paling murah. Disini akan dibicarakan penerapan teknik linear
programming dalam menentukan urutan pemisahan 4 komponen dalam suatu campuran alkana menggunakan
destilasi.
2. Tinjauan Pustaka
Sebelum dapat melakukan pemilihan terhadap urutan destilasi yang memiliki ongkos paling murah, maka
akan ditinjau model linier dari proses pemisahan campuran menggunakan destilasi, teknik optimasi perhitungan
yang dapat diterapkan , serta kriteria pemilihannya.
2.1. Metoda optimasi
Suatu problema yang akan dioptimasikan dapat dinyatakan secara matematis dalam bentujk hubungan
seperti berikut:
min f(x)
(1)
s.t. h(x) = 0
g(x) 0
x Rn
dimana f(x) adalah fungsi objektif, h(x) = 0 adalah satu set yang terdiri dari m persamaan dengan n variabel x,
dan g(x) 0 adalah satu set yang terdiri dari r pembatasan ketidaksamaan (inequality constraint). Secara umum,
banyaknya variabel n akan lebih besar dari banyaknya persamaan m, dan perbedaan (n m) disebut sebagai
derajat bebas optimasi.
Jika fungsi yang terlibat dalam problema optimasi merupakan fungsi linier dan variabel kontinyu x
memiliki nilai yang tidak negatif, maka problema tersebut dikategorikan sebagai problema linear programming
(LP). Sedangkan bila subset dari variabel dibatasi hanya boleh bernilai bulat (integer), yang umumnya adalah 0
1, maka problema tersebut dikategorikan sebagai mixed-integer linear programming (MILP) dan dinyatakan
sebagai:
min Z = aTy + cTx
s.t. By + Ax b
y {0,1}t x 0

(2)

dimana y berkaitan dengan sebuah vektor dari t buah variabel biner. Metoda baku untuk mencari solusi optimum
adalah dengan menggunakan algoritma simplex (Dantzig, 1963).
2.3. Model linier destilasi
Ditinjau kolom destilasi umpan tunggal yang dapat memisahkan secara tegas komponen ringan dan
komponen berat. Jika dianggap bahwa tekanan dan rasio refluks adalah tetap, maka diperoleh neraca bahan yang
linier terhadap laju alir umpan, sebagai:
di = i fi
(3)
bi = (1 i ) fi
dimana di dan bi menyatakan laju alir bahan dari komponen pada destilat dan bawah, dan i menyatakan fraksi
perolehan. Dengan asumsi bahwa fraksi i adalah tetap, maka persamaan (3) dapat direduksi menjadi suatu
persamaan linier.
Persamaan neraca bahan yang diberikan pada persamaan (3) dapat disederhanakan menjadi model dengan
laju alir umpan total pada setiap kolom.

Dasar-dasar Teknik Kimia

Prosiding Seminar Nasional Teknologi Proses Kimia V 2003


ISSN 1410-9891
xi
i Ckatas

x iF

i Ck

xi
i Ckbawah

Gambar 1. Modul untuk aliran total dengan pemisahan tunggal.


Jika diasumsikan bahwa perolehan adalah 100%, maka pada setiap kolom k akan dapat dihitung fraksi dari
umpan yang terdapat pada bagian atas dan bawah kolom, melalui persamaan berikut (lihat Gambar 1):

katas =

F
i

iCkatas

kbawah =

xiF

iCk

F
i

iCkbawah

F
i

(4)

iCk

xiF

dimana
adalah fraksi mol komponen i dalam campuran asal, sedangkan Ck, Ckatas, dan Ckbawah adalah
komponen-komponen yang berada dalam umpan, luaran atas, dan luaran bawah dari kolom k.
Dengan model neraca bahan semacam ini, maka penggunaan panas pada condenser dan reboiler dapat
dimodelkan dalam bentuk variabel-variabel tersebut. Jika dianggap condenser dan reboiler memiliki beban yang
sama, maka penggunaan panas pada kolom k dapat dinyatakan sebagai fungsi linier:
Qk = K k Fk

(5)

dimana Fk adalah aliran bahan pada kolom k dan Kk adalah tetapan yang diturunkan dari perhitungan langsung.
2.4. Pengaruh suhu pada destilasi
Biaya operasional kolom mencakup biaya tetap (yang berkaitan dengan investasi), biaya variabel (yang
menyangkut penggunaan alat) dan ongkos pemakaian utilitas. Untuk mempertahankan linieritas dari model,
maka diasumsikan hanya biaya tetap kolom saja yang bervariasi terhadap tekanan, atau condenser bervariasi
terhadap suhu. Korelasi suhu condenser dan biaya tetap kolom dapat dituliskan dalam persamaan berikut (Raman
dan Grossmann, 1993):

T T A TM
Ak (1 y k )
k 1 + C
(6)

T A + T M
k 0

yk = 0,1

dimana TC adalah suhu condenser, TA adalah suhu air pendingin, TM adalah suhu minimum exchanger, dan
adalah tetapan biaya.
Selain persamaan neraca bahan (4), diperlukan pembatasan yang berkaitan dengan perpindahan panas.
Relasi antara suhu reboiler dan condeser, serta limitnya dalam bentuk suhu air pendingin (cooling water) dan
udara panas (steam), dapat dituliskan sebagai persamaan berikut:

(7)
k KOL

k
k
dimana T R dan TC adalah suhu reboiler dan condenser pada kolom k, TRC adalah perbedaan suhu di dalam
kolom, TU dan TA adalah suhu udara panas dan air pendingin.
Untuk memperhitungkan perpindahan panas, maka didefinisikan QXkj untuk menyatakan banyaknya
panas yang berpindah diantara condenser kolom k dan reboiler kolom j. Serta didefinisikan variabel biner zkj
yang berharga 1 bila condenser kolom k memberi panas ke boiler kolom j, atau berharga 0 bila sebaliknya.
Pembatasan yang menyangkut perpindahan panas tersebut adalah:
T Rk = TCk + T RC
T Rk TU T M
TCk T A + TM

Dasar-dasar Teknik Kimia

Prosiding Seminar Nasional Teknologi Proses Kimia V 2003


ISSN 1410-9891
QX kj k z kj 0
TCk

T Rj

+ TM kj (1 zkj )

k , j KOL , k j

(8)

dimana kj dan kj adalah nilai-nilai batas.


Neraca bahan harus tetap dipertahankan dengan adanya perpindahan panas QXkj serta pemakaian panas
(QUk) dan pemakaian air dingin (QAk) yang diakumulasi oleh Qk pada setiap kolom. Persamaan yang berkaitan
dengan hal ini adalah:
QX kj + QAk = Q k

jKOL\ k
(9)
k KOL
QX jk + QU k = Q k

j KOL\ k

2.5. Penerapan model MILP


Model MILP untuk penentuan urutan destilasi suatu campuran yang mengandung n komponen terdiri dari
sejumlah set (kumpulan), yaitu:
1.
2.
3.
4.
5.

PA = { s | s adalah spesi atau produk antara }


KOL = { k | k adalah kolom pada jaringan }
KUc = { kolom k yang memiliki umpan dari campuran asal }
KUs = { kolom k yang memiliki umpan dari spesi s }
KPs = { kolom k yang menghasilkan spesi s }

dengan fungsi objektif, yaitu:


min C =

+ k Fk + C P QU k + C D QAk ]

(10)

k KOL

dimana C adalah biaya (cost) keseluruhan destilasi yang melibatkan sejumlah kolom, CP adalah ongkos
pemanasan pada reboiler, dan CD adalah ongkos pendinginan pada condenser.
Pembatasan-pembatasan yang digunakan pada model ini yang berkaitan dengan neraca bahan dan
variabel biner y, adalah:
s.t.
Fk = Ftot
(11)

kKU c

s PA

(12)

Qk K k Fk = 0

k KOL

(13)

Fk A yk 0

k KOL

(14)

Fk , Qk , k 0, yk = 0,1

k KOL

(15)

k KUs

s
k Fk

=0

kKPs

dimana Ftot adalah laju aliran pada campuran asal, k adalah fraksi perolehan spesi s pada kolom k, dan A
adalah batas atas (upper bound) dari laju alir, yang dapat dipilih besarnya sama dengan Ftot. Sedangkan
pembatasan yang berkaitan dengan penggunaan suhu adalah ketidaksamaan (6) hingga (9), dimana
QXkj 0, z kj = 0,1
j,k KOL, j k
(16)
s

3. Metodologi
Dalam penelitian ini formulasi mixed-integer linear programming (MILP) akan diterapkan pada suatu
campuran alkana dengan menggunakan data biaya operasional suatu separator.
3.1. Penyusunan model MILP
Untuk memisahkan 4 komponen melalui destilasi satu tahap dapat disusun sebuah jaringan pemisahan
seperti yang terdapat pada Gambar 2. Pada masing-masing dari 10 kolom yang terdapat dalam jaringan ini,
ditentukan sebuah variabel y (yang bernilai 0 atau 1) untuk menyatakan kemungkinan keterlibatan kolom itu
pada jaringan dan sebuah variabel F yang menyatakan laju alir umpan melewati kolom. Notasi A/BCD (Y1)
menyatakan bahwa pemisahan di kolom 1 menghasilkan komponen A dan fraksi campuran BCD.

Dasar-dasar Teknik Kimia

Prosiding Seminar Nasional Teknologi Proses Kimia V 2003


ISSN 1410-9891
F4
F1

B/CD
(Y4)

A/BCD
(Y1)

F5

BC/D
(Y5)

ABCD

F2

AB/CD

F8

A/BC

F9

AB/C

F10

C/D

(Y2)

F6
F3

(Y8)

B/C

(Y6)

(Y9)

ABC/D
(Y3)

F7

(Y7)

A/B

(Y10)

Gambar 2. Jaringan pemisahan empat komponen dari suatu campuran alkana.


Pembatasan-pembatasan dari model yang berkaitan dengan neraca bahan dihitung menggunakan
persamaan (13) dan (12). Neraca bahan pada simpul awal jaringan adalah sesuai dengan persamaan (11), yaitu:
F1 + F2 + F3 = 1000

(17)

Sedangkan untuk kolom pertama, neraca bahannya dapat diturunkan dari persamaan (12) sebagai:
F4 + F5 1BCD F1 = 0

(18)

dimana 1BCD adalah fraksi BCD pada kolom 1 tersebut.


Pembatasan-pembatasan yang berhubungan dengan spesi-spesi lainnya, yaitu: BCD (Y1), ABC (Y3), CD (Y4,
Y2), BC (Y5, Y6), dan AB (Y2, Y7), ditentukan dengan cara yang sama seperti persamaan (18).
Ketidaksamaan yang berkaitan dengan variabel biner y dan aliran bahan F, disusun dari persamaan (14)
dan (15). Sedangkan pembatasan yang berkaitan dengan penggunaan panas, Q, ditentukan melalui persamaan
(13) dengan memasukkan nilai k = 1, , 10, serta memperhitungkan adanya peralihan panas sesuai persamaan
(9). Biaya penggunaan separator diperhitungkan dari banyaknya panas yang berpindah menuruti pembatasan (6).
3.2. Bahan penelitian
Telah dipilih sebuah campuran alkana yang mengandung empat komponen dengan komposisi seperti
yang tercantum pada Tabel 1. Konsentrasi masing-masing komponen dinyatakan dalam persentase atau fraksi
molar, dan diasumsikan bahwa tidak terjadi reaksi diantara keempat komponen tersebut.

Tabel 1. Komposisi campuran


Komponen
n-pentana (A)
n-heksana (B)
n-heptana (C)
isobutana (D)

(fraksi molar)
0.15
0.20
0.25
0.40

Untuk dapat menghitung semua kemungkinan urutan pemisahan, maka dibutuhkan data dari 10 buah separator
(kolom) yang memiliki kemampuan pemisahan satu tahap (single step separation). Biaya operasional, perbedaan
suhu antara reboiler dan condenser, serta tetapan neraca panas dari masing-masing separator yang akan
digunakan dalam model pemisahan ini, tercantum pada Tabel 2.
Tabel 2. Biaya pemisahan dan tetapan penggunaan panas

Dasar-dasar Teknik Kimia

Prosiding Seminar Nasional Teknologi Proses Kimia V 2003


ISSN 1410-9891
k

Separator

1
2
3
6
7
4
5
10
9
8

A/BCD
AB/CD
ABC/D
A/BC
AB/C
B/CD
BC/D
A/B
B/C
C/D

Biaya operasional
k, tetap
k, berubah
(103 Rp)
(103 Rp jam/kmol)
122
0.52
50
0.30
70
0.22
102
0.58
44
0.11
33
0.16
60
0.19
99
0.43
32
0.20
58
0.19

Perbedaan suhu
TRC
(oK)
25
20
35
20
15
15
30
15
10
25

Tetapan penggunaan
panas, Kk,
(106 kJ/kgmol)
0.018
0.046
0.031
0.014
0.039
0.035
0.041
0.012
0.026
0.044

Sedangkan ongkos pemakaian utilitas pemanas dan pendingin yang dibebankan pada masing-masing tahap
pemisahan tertera pada Tabel 3.
Tabel 3. Ongkos pemakaian utilitas
Utilitas
Air pendingin ( CD )
Udara panas ( CP )

(103 Rp/106 kJ)


1.1
19.0

Pada keadaan awal, laju alir umpan (Ftot) ditetapkan sebesar 1000 kmol/jam, udara panas (steam) tersedia pada
490 oK, air pendingin pada 320 oK, dan TM = 10 oK. Tetapan fungsi biaya tetap, , ditentukan sebesar 0.2.
3.3. Solusi dari model MILP
Solusi dari model MILP dapat dicari dengan menggunakan paket software yang dikhususkan untuk
penyelesaian linear program, seperti misalnya yang populer adalah LINDO atau GAMS. Namun dengan alasan
ketersediaan dan penggunaan yang interaktif, maka solusi untuk memperoleh urutan destilasi terbaik dicari
dengan menggunakan modul Solver dari Microsoft Excel 97. Sebelum dilakukannya pengolahan data, maka
variabel, fungsi objektif, pembatasan, dan persamaan yang membentuk model MILP beserta data biaya dan
tetapan neraca panas dari ke-10 separator, ditempatkan pada sebuah spreadsheet.
Hasil hitung aplikasi ini akan berupa besarnya biaya dari suatu urutan pemisahan tertentu, nomor-nomor
kolom yang terdapat pada urutan itu, dan nilai laju alir bahan pada setiap tahapan dalam urutan tersebut.
Pencarian solusi dibatasi pada 100 iterasi dengan presisi hitung sebesar 1 x 10-6 dan toleransi 5 %.
4. Hasil dan Pembahasan
Solusi dari model MILP yang telah disusun, menghasilkan urutan optimum destilasi seperti yang terlihat
pada Gambar 3. Separator yang terlibat dalam urutan optimum ini adalah yang memiliki variabel y = 1, yaitu:
separator 3 (pemisah ABC/D), separator 7 (pemisah AB/C) dan separator 10 (pemisah A/B).

Dasar-dasar Teknik Kimia

Prosiding Seminar Nasional Teknologi Proses Kimia V 2003


ISSN 1410-9891

Gambar 3. Sebagian luaran program untuk urutan optimum destilasi.


Urutan optimum destilasi ini memerlukan biaya pemisahan sebesar Rp 1,827,360. Nilai tersebut merupakan
biaya pemisahan yang terendah dibandingkan dengan 4 kemungkinan urutan destilasi lainnya.
ABCD

1000

ABC/D

600

[3]

AB/C

350

[7]
400

A/B

(Rp 1,827,360)

[10]
250

Gambar 4. Urutan optimum destilasi.


Dalam urutan yang optimum ini (seperti terlihat pada Gambar 4), campuran ABCD mula-mula dipisahkan
menjadi dua buah fraksi melalui kolom 3, yaitu fraksi yang mengandung campuran ABC dan fraksi yang
mengandung campuran D. Selanjutnya, dari fraksi yang mengandung campuran ABC dapat dipisahkan
komponen C nya melalui kolom 7, dan dari porsi sisanya dapat dipisahkan komponen A dari komponen B
melalui kolom 10.
Pada masing-masing tahap pemisahan dalam urutan optimum tersebut dapat terlihat neraca bahan dari
setiap kolom. Aliran campuran ABCD sebesar 1000 kmol/jam menuju kolom 3, akan terpisah menjadi dua
bagian. Campuran ABC akan mengalir sebesar 600 kmol/jam menuju kolom 7, sedangkan komponen D akan
terpisah dari campuran sebesar 400 kmol/jam. Komponen C mengalir keluar sebesar 250 kmol/jam dari kolom 7.
Sedangkan, campuran AB mengalir sebesar 350 kmol/jam menuju kolom 10 untuk dipisahkan menjadi
komponen A dan komponen B.
Karena solusi optimum diberikan oleh y3 = y7 = y10 = 1, maka dapat pula dipilih kemungkinan biner
lainnya dengan membuat ketidaksamaan berikut:
y3 + y7 + y10 2
(19)
Penyelesaian model MILP dengan penambahan ketidaksamaan (19) sebagai pembatasan baru, akan
menghasilkan solusi terbaik kedua, yang ditunjukkan oleh Gambar 5, dengan biaya pemisahan sebesar
Rp 2,011,110. Atau sekitar 10 % lebih tinggi dari biaya urutan optimum destilasi.

Dasar-dasar Teknik Kimia

Prosiding Seminar Nasional Teknologi Proses Kimia V 2003


ISSN 1410-9891
ABCD

1000

ABC/D

600

[3]

A/BC

450

[6]
400

B/C

(Rp 2,011,110)

[9]
150

Gambar 5. Solusi terbaik kedua untuk urutan destilasi.


Dengan cara yang sama, solusi terbaik ketiga dapat diperoleh dari penyelesaian model MILP dengan
penambahan ketidaksamaan berikut ini:
y3 + y6 + y9 2
(20)
Hasilnya akan terlihat pada Gambar 6 dengan biaya pemisahan sebesar Rp 2,282,955 atau sekitar 25 % lebih
tinggi dari biaya urutan optimum destilasi.
ABCD

1000

A/BCD

850

[1]

BC/D

450

[5]
150

B/C

(Rp 2,282,955)

[9]
400

Gambar 6. Solusi terbaik ketiga untuk urutan destilasi.


Dari Gambar 4, 5, dan 6, dapat terlihat bahwa urutan optimum destilasi adalah juga urutan yang memiliki
aliran bahan yang terkecil (1,950 kmol/jam) dibandingkan dengan urutan terbaik kedua (2050 kmol/jam) atau
urutan terbaik ketiga (2300 kmol/jam). Hal ini sangat sesuai dengan logika umum pemisahan yang
menginginkan jumlah alir bahan yang minimum. Ketiga solusi terbaik destilasi menunjukkan suatu urutan
pemisahan langsung, dimana pada setiap tahap terjadi pemisahan secara komponen demi komponen.
Penerapan model MILP yang sama pada data separator yang lain, dapat memberikan solusi (urutan) yang
berbeda dari yang sudah diperoleh ini. Dengan penetapan fungsi objektif dan persamaan-persamaan pembatasan
yang tepat, maka metoda MILP ini dapat pula diterapkan pada berbagai macam proses pemisahan lainnya,
seperti misalnya pada ekstraksi n komponen dengan menggunakan pelarut.
5. Kesimpulan
1.
2.

Dari penelitian ini dapat disimpulkan bahwa:


Model MILP dapat diterapkan pada penentuan urutan optimum destilasi.
Urutan destilasi dengan biaya termurah kedua, ketiga, dan seterusnya, dapat diperoleh dengan
penambahan ketidaksamaan pada variabel-variabel biner yang berperan dalam solusi sebelumnya.
Daftar Pustaka

1.
2.

Dantzig, G.B. (1963), Linear Programming and Extensions, Princeton University Press, New Jersey.
Raman, R., dan Grossmann, I.E. (1993), Symbolic Integration of Logic in Mixed Integer Linear
Programming Techniques for Process Synthesis, Computers and Chemical Engineering, 17, 909.

Dasar-dasar Teknik Kimia