TUGAS EKONOMI TEKNIK KIMIA

OPTIMUM DESIGN AND DESIGN STRATEGY

DISUSUN OLEH:
RIKA DAMAYANTI

(03111003021)

ANGGI SETIAWAN

(03111003039)

NYIMAS DAHLIA

(03111003057)

LIMANTO

(03111003071)

AMALIAH ANNISA

(03111003079)

AKHMAD ADE SUCITRO

(03111003087)

DOSEN PENGASUH : IR. H. ABDULLAH SALEH, M.S, M.ENG

JURUSAN TEKNIK KIMIA FAKULTAS TEKNIK

UNIVERSITAS SRIWIJAYA
INDRALAYA
2014

Optimum Design and Design Strategy

Sebuah desain optimum biasanya didasarkan pada kondisi yang paling menguntungkan.
Di hampir setiap kasus , kondisi optimum menjadi pertimbangan biaya atau keuntungan .
Dengan demikian , desain ekonomi yang optimal dapat didasarkan pada kondisi yang
menyebabkan biaya paling sedikit per unit waktu atau keuntungan maksimum per unit produksi .
Ketika salah satu variabel desain dirubah , sering ditemukan bahwa terjadi sedikit peningkatan
biaya untuk unit tertentu dan penurunan biaya untuk beberapa unit yang lain. Dengan kondisi
tersebut , total biaya menjadi minimum dan hal ini adalah desain optimal yang dibutuhkan. Jadi
biaya minimum dalam suatu operasi adalah tolak ukur desain optimum.
Meskipun pertimbangan biaya dan saldo ekonomi merupakan dasar dari sebagian besar
desain optimum . Ada kalanya faktor lain selain biaya dapat menentukan kondisi yang paling
menguntungkan . Misalnya, dalam operasi katalitik dalam reaktor , suhu operasi optimum
mungkin berbeda untuk setiap ukuran reaktor karena keseimbangan dan reaksi bertingkat
memiliki keterbatasan . Pengaruh temperatur dapat mempengaruhi pada konversi persentase
maksimum atau minimum jumlah produk akhir per unit waktu . Pada akhirnya, bagaimanapun ,
variabel biaya perlu dipertimbangkan , dan pengembangan desain operasi optimum biasanya
didasarkan pada penentuan desain ekonomi yang optimum .
a. Biaya tambahan (incremental cost)
Biaya tambahan ialah suatu biaya yang disediakan apabila suatu proses dinilai belum
mencapai desain yang optimum. Jadi biaya tambahan adalah biaya yang digunakan sebagai
cadangan biaya apabila suatu proses dinilai belum optimum. biaya tambahan akan digunakan
hingga desain optimum yang diinginkan dicapai.
b. Pertimbangan real
Desain optimum atau optimal adalah suatu kondisi yang diharapkan dalam suatu desain,
akan tetapi dalam kenyataannya kondisi desain optimum ini sangat jarang ditemui dalam
kehidupan nyata. Saat itulah perlu pertimbangan yang sesuai dengan kenyataan (real) dan praktis
yang harus diperhitungkan dengan tetap berpatokan pada desain optimal. Dengan artian bahwa
kondisi real harus diusahakan mendekati formulasi desain optimal yang telah dibuat. Sebagai
studi kasus bahwa seorang insinyur menghitung diameter pipa dalam suatu proses industri. Ia
mendapatkan bahwa desain optimal yang dibutuhkan untuk mengalirkan fluida dalam pipa
sebesar 2,54 masuk biaya standar (schedule pipa baja). Sedangkan yang diperjual belikan
biasanya skala 2 dan skala 3 (schedule pipa baja). Daripada harus membuat sendiri dengan biaya
yang begitu besar, maka akan seorang insinyur akan mempertimbangkan untuk membeli pipa
dengan skala 2 atau 3 daripada harus mengikuti desain optimal yang tidak ekonomis. Hal ini

dipertimbangkan bukan hanya ketika kita membangun industri akan tetapi untuk biaya perawatan
atau maintenance. Apabila suatu waktu terjadi kebocoran pada pipa dan mengharuskan
pergantian pipa, maka biaya yang dikeluarkan juga akan lebih besar daripada biaya perwatan jika
menggunakan pipa skala 2 dan 3 yang ada di pasaran.
c.

Prosedur untuk menentukan desain optimal

Menentukan faktor apa saja yang harus dioptimalkan.
total biaya per unit produksi
Keuntungan
jumlah akhir produk per unit waktu
persen konversi

Prosedurnya dapat dibedakan menjadi dua yang pertama adalah prosedur dengan satu
variabel. Prosedur yang melibatkan satu variabel tunggal dilakukan ketika proses
mengoptimalkan suatu desain dilakukan hanya terhadap satu variabel tunggal. Contohnya ialah
metode grafis untuk mengetahui ketebalan isolasi yang optimal. Dengan demikian desain optimal
dapat lebih mudah didapatkan.
Selain prosedur yang melibatkan satu variabel, ada juga variabel yang melibatkan lebih
dari satu variabel tunggal. Prosedur ini disebut dengan prosedur dengan duat atau lebih variabel.
Ketika pengoptimalan suatu desain dititik beratkan dengan dua variabel atau lebih, membuat
desain optimal lebih rumit. Namun , pendekatan umum adalah sama seperti ketika hanya satu
variabel yang terlibat. Jadi, pendekatan dengan satu variabel maupun dengan 2 variabel atau
lebih dalam mengoptimalkan suatu desain memiliki prosedur yang sama akan tetapi pada 2 atau
lebih variabel menggunakan pengulangan data dengan variabel yang berbeda.
Comparison Of Graphical And Analytical Methods
Dalam penentuan kondisi optimum, hasil akhir dapat diperoleh berdasarkan metode
grafik ataupun analitik. Apabila dalam penyederhaan fungsi analitik total memerlukan persamaan
matematika yang rumit maka dapat diselesaikan dengan metode grafik. Metode grafik memiliki
keuntungan yang nyata dibandingkan dengan metode analitik

di mana bentuk kurva

menunjukkan titik penting dari operasi pada atau mendekati kondisi optimum. Jika maksimum
atau minimum terjadi pada titik di mana kurva datar dengan perubahan slope bertahap, maka hal
ini akan memungkinkan terjadinya penyebaran dalam pemilihan kondisi akhir, dan perlu
menaikkan biaya analisis. Sebaliknya, jika maksimum atau minimum pada kurva puncak, hal ini
pada dasarnya untuk operasi pada kondisi optimum yang tepat.

The Break-Even Chart For Production Schedule And Its Significance For Optimum
Analysis
Break-even point adalah suatu keadaan di mana biaya total produksi sama dengan
pendapatan total. Produksi optimum harus diatur pada angka produksi yang lebih tinggi dari
break-even point (dapat dilihat pada gambar di bawah ini).

Optimum Production Rates In Plant Operation

Untuk menentukan optimum rate of production (disebut juga sebagai economic lot size)
dapat dilakukan melalui sebuah analisis biaya yang dilibatkan pada kondisi yang berbeda-beda
dan pertimbangan dari beberapa faktor yang mempengaruhi keterangan-keterangan pabrik.
Berikut ini beberapa faktor yang memperngaruhi kecepatan produksi antara lain waktu operasi
per hari, perminggu, atau perbulan; beban pada peralatan; dan tersedianya pasar penjualan.
The total product cost per unit of time dibagi menjadi dua bagian yakni operating costs
dan organization costs. Operating costs tergantung pada kecepata produksi dan termasuk biaya
untul labor, bahan mentah, tenaga, panas, barang serupa dan persediaan yang mana adalah fungsi
dari bahan yang diproduksi. Sedangkan organization costs tergantung pada biaya gaji tenaga
kerja, fisik peralatan, dan perawatan atau pegadaan fasilitas yang harus dibiayai berdasarkan
jumlah produksi bahan. Organization costs ialah biaya independen dari rate of production.

Operating costs dibagi menjadi dua jenis yakni: (1) pengeluaran minimum untuk bahan
mentah, labor, tenaga, dan lainnya, sisanya konstan dan harus dibayar dalam setiap unit produksi
selama bahan baku diproduksi; (2) pengeluaran ekstra (tambahan) ialah untuk meningkatan
kecepatan produksi (disebut juga sebagai superproduction costs), contohnya biaya tambahan
yang disebabkan terjadinya overload pada fasilitas tenaga prduksi, penambahan labor, atau
pengurangan efisiensi dari konversi. Berikut adalah persamaan untuk superproduction costs :

Total Product Cost (CT) Per Unit Production :

Di mana :
h = operating costs yang kosntan per unit of production;
Oc = organization costs per unit of time.
Persamaan yang mengikuti persamaan 12 di atas adalah sebagai berikut :

Di mana :
CT = total product cost per unit of time

r = profit per unit of production

R = profit per unit of time
S = selling price per unit of production
Optimum Production Rate For Minimum Cost Per Unit Of Production
Perlunya mengetahui kecepatan produksi adalah untuk memberikan biaya paling sedikit
pada basis dari satu unit bahan yang diproduksi, hal ini akan menunjukkan harga jual yang mana
perusahaan akan memaksa untuk berhenti beroperasi atau tetap beroperasi pada kerugian. The
optimum rate Po giving the minimum cost per unit of production ditunjukkan pada persamaan
berikut :

The optimum rate (persamaan 17)

akan memberikan maximum profit per unit of

production apabila harga penjualan tetap konstan.

Optimum Production Rate For Maximum Total Profit Per Unit Of Time
The production rate for maximum profit per unit of time berbeda sekali dengan the
production rate for minimum cost per unit of production. Hal ini dikarenakan pada dunia bisnis
biasanya jumlah pendapatan lebih dalam suatu periode waktu lebih penting dibandingkan dengan
jumlah pendapatan untuk setiap unit produk yang terjual.
Pada saat harga jual konstan maka optimum rate akan memberikan maximum profit per
unit of time :

Kondisi Optimum pada Operasi Siklik

Banyak proses yang dilakukan dengan menggunakan operasi siklik yang melibatkan
shutdowns periodik untuk pemakaian, pembersihan, atau reaktivasi. Jenis
operasi terjadi ketika produk tersebut dihasilkan oleh proses batch atau ketika
tingkat produksi berkurang dengan waktu. Dalam operasi batch yang benar, tidak ada produk
yang diperoleh sampai unit ini ditutup selama pemakaian. Dalam operasi semi siklik, produk
disampaikan terus menerus sementara unit beroperasi, namun tingkat pengiriman
berkurang dengan waktu. Analisis operasi siklik dapat dilakukan dengan mudah dengan
menggunakan waktu untuk satu siklus sebagai dasar.
Biaya tahunan Total = biaya operasi dan shutdown / siklus x siklus / tahun + biaya tetap tahunan
Produksi tahunan = (produksi / siklus) (siklus / tahun)
Siklus / tahun = operasi + waktu shutdown digunakan / tahun : operasi + waktu shutdown / siklus
Operasi siklus semi kontinyu
Operasi semi siklik sering ditemui dalam industri kimia, dan insinyur desain harus
memahami metode untuk menentukan waktu siklus optimum dalam jenis operasi. Waktu siklus
optimum dapat ditentukan untuk kondisi seperti jumlah maksimum produksi per unit waktu atau
biaya minimum per unit produksi.
Formasi skala penguapan
Selama waktu evaporator beroperasi , padatan sering deposit pada permukaan
perpindahan panas , membentuk skala . Pembentukan berkelanjutan skalamenyebabkan
peningkatan bertahap dalam perlawanan terhadap aliran panas dan , akibatnya , penurunan laju
perpindahan panas dan laju penguapan. Dengan kondisi tersebut , unit penguapan harus ditutup
dan dibersihkan setelah operasi waktu optimum, dan siklus ini kemudian diulang.
Siklus waktu untuk biaya minimum per unit dari perpindahan panas
Ada banyak situasi yang berbeda yang dapat mempengaruhi biaya minimum per unit
panas yang ditransfer dalam operasi penguapan. Total biaya untuk satu pembersihan dan
persediaan biaya dapat diasumsikan konstan tidak peduli berapa banyak waktu didih digunakan.
Total biaya termasuk
1

Biaya tetap pada peralatan dan tetap biaya overhead,

Steam, bahan, dan biaya penyimpanan yang proporsional dengan jumlah pakan dan
penguapan,

Biaya untuk tenaga kerja langsung selama operasi penguapan yang sebenarnya, dan

Biaya pembersihan.

Akurasi dan Hasil Sensitivitas

Biaya karena pajak , nilai waktu dari uang , modal, efisiensi atau inefisiensi operasi , dan
pemeliharaan khusus adalah contoh dari faktor-faktor yang belum ditekankan. Faktor-faktor
tersebut mungkin memiliki cukup penting pengaruh pada kondisi optimum bahwa mereka harus
diperhitungkan untuk analisis akhir.
Dinamika Fluida
Investasi untuk pipa dan alat kelengkapan pipa dapat mencapai bagian penting dari total
investasi untuk pabrik kimia. Hal ini diperlukan, untuk memilih ukuran pipa dengan total biaya
minimum. Untuk setiap kondisi aliran, penggunaan diameter pipa akan berbeda yang
menyembabkan peningkatan biaya untuk setiap sistem perpipaan.
Perpindahan Panas (Laju alir optimum air pendingin didalam kondensor)
Pada sebuah kondensor dengan menggunakan air sebagai media pendingin, air pendingin
dapat di sirkulasi dengan dua cara yaitu dialirkan dengan kecepatan tinggi, namun air pendingin
hanya mengalami sedikit perubahan temperatur; dan dialirkan dengan kecepatan rendah, air
pendingin akan mengalami perubahan temperatur yang besar. Perbedaan temperatur
mempengaruhi perpindahan panas. Maka dengan melakukan penambahan jumlah air maka akan
berdampak pada penurunan jumlah panas yang dibutuhkan pada daerah perpindahan panas dan
mengurangi investasi awal dan biaya tetap. Dan di sisi lain hal ini akan meningkatkan biaya
untuk pengunaan air. Maka laju alir optimum air pendingin terjadi pada titik total biaya
minimum untuk air pendingin dan biaya tetap dari peralatan.
Terdapat beberapa notasi yang umum digunakan, yaitu:
w

= Laju alir dari air pendingin (lb/h)

cp

= Kapasitas panas air pendingin (Btu lb-1 oF-1)

t1

= Temperatur air pendingin masuk kedalam kondensor (oF)

t2

= Temperatur air pendingin keluar dari kondensor (oF)

= Koefisien konstan keseluruhan perpindahan panas yang ditentukan pada kondisi

optimum (Btu h-1 ft-2 oF-1)

= Daerah perpindahan panas (ft2)

At,,,

= Log perbedaan temperatur rata-rata pada kondensor (oF)

Hy

= Jam operasi kondensor per tahun (h/year)

CW
= Biaya air pendingin diasumsikan berbanding lurus dengan jumlah air yang di supply
($/lb)
CA

= Biaya instalasi heat exchanger per ft2 perpindahan panas ($/ft2)

K
= Biaya perbaikan tahunan, termasuk maintenance, dinyatakan dalam fraksi biaya awal
untuk peralatan yang selesai dipasang

Dengan laju perpindahan panas (Btu/hr) :

q=w c p ( t 2t 1) =UA At ,,=

UA ( t 2 t 1 )
ln(

( t 't 1)
)
( t 't 2)

(51)

Dengan w :
w=

q
c p ( t 2t 1 )

(52)

Kondisi perancangan diatur pada nilai q dan t 1, dan kapasitas panas umumnya dapat
dianggap 1 Btu lb-1 oF-1. Namun persamaan (52) menunjukan bahwa laju alir air pendingin tetap
jika temperatur air yang meninggalkan kondensor (t2) tidak berubah. Dengan kondisi seperti ini,
laju optimum dapat ditentukan langsung dari nilai optimum t2.
Dengan biaya tahunan untuk air pendingin (wHyCw) :
w H y C w=

q H yCw
c p ( t 2t 1 )

(53)

Biaya tetap tahunan untuk kondensor AKFCA dan biaya total tahunan untuk air pendingin
di tambah dengan biaya tetap adalah:
Total Annual Variable Cost =

q H yCw
+ A K F CA
c p ( t 2t 1 )

Dengan menyubstitusi A dari persamaan (51), maka:

(54)

Total Annual Variable Cost =

q H y Cw
+
c p ( t 2t 1 )

( t ' t1 )
)
( t ' t2 )
UA ( t 2t 1 )

q K F C A ln(

(55)

Laju optimum air pendingin terjadi ketika biaya total tahunan minimum, yaitu dengan
mendiferensiasi persamaan diatas maka didapatkan pesamaan:

(t ' t2, opt .) U H y C w

1+ln
=
( t ' t 2, opt . )
(t ' t1 ) K F c p C A
( t 't1 )

(56)

Nilai optimum t2 dapat ditemukan dengan menggunakan persamaan (56) dengan

menggunakan metoda trial & error, dan persamaan (52) dapat digunakan untuk menentukan laju
alir optimum air pendingin. Metoda trial & error dapat digantikan dengan menggunakan gambar
11-6 yang mana merupakan plot dari persamaan (56)

Example Optimum cooling-water flow rate in condenser. A condenser for a distillation unit
must be designed to condense 5000 lb (2268 kg) of vapor per hour. The effective condensation
temperature for the vapor is 170F (350 K). The heat of condensation for the vapor is 200 Btu/lb
(4.65 x 105 J/kg). Cooling water is available at 70F (294 K). The cost of the cooling water is
$0.097 per 1000 gal ($25.60 per 1000 m3). The overall heat-transfer coefficient at the optimum
conditions may be taken as 50 Btu/(h)(ft2)(oF) (284 J/m2 . s . K). The cost for the installed heat
exchanger is $34 per square foot of heat-transfer area ($366 per square meter of heat-transfer
area) and annual fixed charges including maintenance are 20 percent of the initial investment.
The heat capacity of the water may be assumed to be constant at 1.0 Btu/(lbrF) (4.2 kJ/kg . K). If

the condenser is to operate 6000 h/yr, determine the cooling-water flow rate in pounds per hour
and in kilograms per hour for optimum economic conditions.
Solution
U = 50 Btu/(h)(ft2)(oF)
Hy = 6000 h/year
KF = 0.20
cP = 1.0 Btu/(lb)(oF)

cA = $34/ft2
Cw=

0.097
=$ 0.0000116 /lb
(1000)(8.33)

U H yCw
K F c p CA =

( 50 )( 6000 ) ( 0.0000116 )
=0.512
(0.20)(1.0)(34)
Temperatur keluar optimum dari kondensor dapat ditemukan dengan menggunakan metode trial
& error dengan menggunakan persamaan (56) atau menggunakan gambar 11-6
Dengan menggunakan gambar 11-6, ketika absis 0.512

t
t1
t2,opt

=170oF
= 70oF
= 128oF

( t ' t 2,opt . )
=0.42
( t' t 1 )
Dimana :

Dengan menggunakan persamaan (52), pada kondisi ekonomi optimum adalah:

w=

( 5000 )( 200 )
4
lbwater
kgwater
=
=17,200
(7,800
)
h
h
c p ( t 2t 1 ) (1.0)(12870)

Mass Transfer (Optimum Reflux Ratio)

Desain unit destilasi yang biasanya didasarkan pada spesifikasi tingkat pemisahan yang
iperlukan feed dipasok ke unit yang komposisi, suhu, dan laju alirannya diketahui. Engineer
harus menentukan ukuran kolom dan rasio refluks yang diperlukan untuk spesifikasi. Rasio
refluks meningkat, jumlah tahapan teoritis yang diperlukan untuk pemisahan menurun.

Seperti yang ditunjukkan pada Gambar. 11-7, rasio refluks optimum terjadi pada titik
dimana sum'of biaya tetap dan biaya operasi minimum. Sebagai kasar pendekatan, rasio refluks
optimum biasanya jatuh pada kisaran 1,1-1,3 kali rasio refluks minimum.
The Strategy Of Linearization For Optimization Analysis
Dalam analisis sebelumnya untuk kondisi optimum, strategi umum untuk mendirikan
sebuah turunan parsial dari variabel dependen dimana kondisi optimum mutlak ditentukan.
Prosedur ini mengasumsikan bahwa maksimum absolut atau minimal terjadi dalam batas-batas
operasi dicapai dan terbatas pada kondisi yang relatif sederhana dimana batasi kendala tidak
terlampaui. Namun, masalah industri sering melibatkan Program terbaik untuk memenuhi
kondisi yang ada dalam situasi optimal pada kondisi batas titik maksimum atau minimum.
Sebuah contoh sederhana adalah produsen yang harus menentukan bagaimana mencampur bahan
baku menjadi campuran akhir yang memenuhi spesifikasi dasar sekaligus memberikan
keuntungan yang maksimal dalam hal biaya.
Dalam hal ini, batasan dasarnya adalah bahan baku yang tersedia, spesifikasi produk, dan
jadwal produksi, sedangkan tujuan keseluruhannya adalah untuk memaksimalkan keuntungan.
LINEAR PROGRAMMING FOR OBTAINING OPTIMUM CONDITIONS
Salah satu strategi untuk menyederhanakan pendekatan untuk masalah pemrograman
berbasis pada pengungkapan kendala dan tujuan dalam bentuk linear matematika. " garis lurus "
atau ekspresi linear dinyatakan secara matematis sebagai:

EXAMPLE OF APPROACH IN LINEAR PROGRAMMING

Sebagai contoh untuk menggambarkan metode dasar yang terlibat dalam pemrograman
linear untuk menentukan kondisi optimum, dengan mempertimbangkan masalah berikut. untuk
membuat bir dengan persen alcohol 4 persen, sedangkan stok yang tersedia hanya 3 persen dan
4,5 persen maka dilakukan pencampuran kedua alcohol dengan menambahkan air untuk
mendapatkan persen alcohol yang diinginkan,dengan mempertimbangkan masalah biaya yang se
minimal mungkin untuk menhasilkan produk yang seoptimal mungkin.
RATIONAL APPROACH TO PROBLEMS INVOLVING LINEAR PROGRAMMING
Rasionalisasi sistematis masalah yang diselesaikan dengan program linear dapat dibagi
menjadi langkah-langkah berikut :
1. Penjelasan sistematis keterbatasan atau kendala. Misalnya Untuk pembuatan bir
kendalanya adalah sebagai berikut :
a. Total volume produk adalah 100 galon, atau Vw +Va +Vb = 100 galon
b. Produk harus mengandung 4 persen alkohol, atau
c. Volume air dan Beer B harus nol atau lebih besar dari nol, sementara volume
Beer A harus 10 gal lebih
2. Penjelasan sistematis tujuan. Dalam contoh pembuatan bir, bertujuan
meminimalkan biaya bahan
3. Kombinasi dari kondisi kendala dan fungsi untuk memilih hasil terbaik dari
banyak kemungkinan.
Salah satu cara untuk melakukan ini adalah dengan menggunakan Pendekatan intuitif
dimana setiap kemungkinan akan dianggap memberikan solusi, dengan trial and error, hasil
terbaik. Pendekatan ini akan efektif untuk contoh pembuatan bir karena kesederhanaannya.
Namun, Pendekatan intuitif tidak memuaskan untuk situasi yang paling praktis, dan linear
pemrograman dapat digunakan. Perhitungan umum secara komputer diperlukan untuk solusi
akhir. Jika solusi sangat sederhana komputerisasi tidak diperlukan, program linear mungkin tidak
akan dibutuhkan. Untuk menggambarkan prinsip-prinsip dasar, contoh pembuatan bir
dipecahkan dalam pemrograman linear termasuk solusi intuitif, grafis solusi, dan solusi
komputer.
Linear Programming Graphical Solution.

Linear Programming Computer Solution.

Sebuah prosedur iterasi harus digunakan untuk solusi komputer mengizinkankomputer
untuk membuat perhitungan kemungkinan diulang sampai minimum tujuan C dicapai. satu
pendekatan untuk solusi komputer hanya melibatkan memecahkan empat dari tiga matriks
dengan masing-masing variabel alternatif yang ditetapkan sama dengan nol, diikuti oleh instruksi
bahwa kombinasi yang diinginkan adalah yang memberikan total biaya terendah. Logika
komputer, dimana diagram komputer, program, serta solusi dapat dikembangkan secara
langsung.
Computer logic for linear programming solution to brewery example
Komputer harus memecahkan situasi linierisasi di mana ada empat variabel dan tiga
kendala nol untuk memenuhi fungsi tujuan tertentu biaya minimum. Di bawah ini kondisi, salah
satu variabel mutt menjadi nol. Dengan demikian, salah satu metode untuk pendekatan komputer
adalah untuk mengatur masing-masing variabel pada gilirannya sama dengan nol, dihasilkan tiga
dari tiga matriks, dan menentukan solusi akhir untuk membuat biaya minimum. dari total satu
solusi komputer dengan instruksi untuk menangani tiga dari empat matriks, pendekatan ini akan
disederhanakan dengan mengulangi empat kali solusi dengan faktor-faktor penentu kasus
standar tiga persamaan dan tiga tidak diketahui dengan masing-masing empat variabel
alternatingly ditetapkan sama dengan nol.
GENERALIZATION OF STRATEGY FOR LINEAR PROGRAMMING

Masalah dasar dalam pemrograman linear adalah untuk memaksimalkan atau

meminimalkan linear. Ada berbagai strategi yang dapat dikembangkan untuk menyederhanakan
metode solusi, beberapa di antaranya dapat menyebabkan algoritma yang memungkinkan metode
nomor plugging atau murni solusi yang baik disesuaikan untuk solusi mesin.
Dalam pemrograman linear, variabel xr... x, biasanya dibatasi ( atau dapat diubah ) ke
nilai nol atau lebih besar. Ini dikenal sebagai sebuah nonnegativity pembatasan xi
GENERALIZATION OF LINEAR PROGRAMMING APPROACH
FOR ALGORITHM SOLUTION
Untuk mengizinkan solusi efisien untuk masalah pemrograman linear, sebuah algoritma
dapat dikembangkan. Sebuah algoritma, pada dasarnya, hanyalah sebuah tujuan matematika
metode untuk memecahkan masalah dan murni mekanis sehingga dapat diajarkan ke nonprofesional atau diprogram untuk komputer. Algoritma dapat terdiri dari serangkaian langkahlangkah berulang atau iterasi. Untuk mengembangkan bentuk pendekatan untuk solusi
pemrograman linear-, himpunan pertidaksamaan linear yang membentuk kendala, yang ditulis
dalam bentuk "sama dengan atau kurang dari" persamaan
Metode yang digunakan untuk memungkinkan generasi solusi ekstrim-point secara
efisien cara untuk memungkinkan pendekatan yang cepat dan efektif untuk kondisi optimum.
THE SIMPLEX ALGORITHM
Dasar metode simpleks adalah generasi solusi ekstrim-point dengan memulai pada satu
titik ekstrim solusi yang layak diketahui dan kemudian lanjut ke titik ekstrim tetangga. Aturan
khusus diikuti yang menyebabkan generasi setiap titik ekstrim baru untuk menjadi perbaikan
terhadap fungsi tujuan yang diinginkan. Ketika titik ekstrim tercapai tidak ada perbaikan lebih
lanjut, ini mewakili optimal solusi yang layak. Dengan demikian, algoritma simplex adalah
proses berulang-ulang yang dimulai pada satu titik ekstrim solusi yang layak, tes titik ini untuk
optimalitas, dan algoritma dapat ditampilkan untuk hasil akhir dan efisien dengan optimal solusi.
Strategi Pemrograman Dinamis Untuk Optimasi Analisis
Konsep pemrograman dinamis didasarkan pada pengubahan seluruh putusan yang
melibatkan banyak variable menjadi serangkaian masalah sederhana dimana tiap-tiap masalah
tersebut hanya mengandung variable dalam jumlah kecil. Masalah optimalisasi yang melibatkan
banyak variable biasanya lebih sering menemukan kendala sehingga harus disederhanakan atau
dipecah menjadi urutan masalah yang hanya melibatkan satu variable. Karakteristik dari proses
ini adalah bahwa penentuan satu variable akan menyisakan masalah yang tersisa dengan variable
yang lebih sedikit. Pendekatan komputasi didasarkan pada prinsip optimalitas yang menyatakan
bahwa kebijakan yang optimal memiliki sifat yang tidak peduli bagaimana keadaan awal dan
keputusan awal, keputusan yang tersisa harus merupakan suatu kebijakan yang optimal yang
berkaitan dengan pernyataan yang dihasilkan dari keputusan pertama.

Penggunaan pemrograman dinamis biasanya berhubungan dalam hal desain seperti

indusri kimia dimana fungsi obyektif dapat diperoleh dengan membagi seluruh system menjadi
serangkaian tahapan.
Rumus umum untuk sebuah permasalahan yang menggunakan dinamika pemrograman
disajikan dalam bentuk yang telah disederhanakan, ditunjukkan pada gambar. 11-11. Berdasarkan
istilah yang tersaji pada gambar 11-11a masing-masing variable xi+1, xi, dan di dapat diganti
dalam bentuk vector-vektor karena ada beberapa komponen yang terlibat dalam input dan output
serta beberapa variable juga terlibat.
Untuk operasi tahap tunggal ( Single-stage operations ), output adalah sebuah fungsi
input.
Xi = hi( Xi+1, di)

(88)

Demikian pula untuk individual stage, fungsi obyektif Pi

Pi =gi ( xi+l , xi , di )

(89)

Berdasarkan persamaan (88)

Pi = gi ( Xi+ 1 , di )

(90)

Untuk proses multistage sederhana ditunjukkan pada Gambar. 11-llb, strategi desain
proses untuk mengoptimalkan operasi secara keseluruhan dapat dinyatakan sebagai
Fi (Xi+1) = max [ gi ( xi+1 , di ) + Fi-1(Xi) ] = max [ Qi ( Xi+1, di ]

(91)

Untuk,
Xi = hi(xi+l, di)

i = 1,2,, n-subject to f0 = 0

Simbol Fi (Xi+1) menunjukkan bahwa maksimum ( atau optimum ) kembali atau

keuntungan dari proses tergantung pada input ke prose situ, dan istilah atau symbol dalam
kurung siku Eq. (91) mengacu pada fungsi yang sedang dioptimasikan. Dengan demikian,
istilah Qi ( Xi+1, di ) melambangakan gabungan kembali dari semua tahapan dan harus sama
dengan pengembalian dari tahap i, atau gi (Xi + 1, d,), ditambah pengembalian maksimal dari
tahap sebelumnya 1 sampai i - 1, atau fi-i (xi).
Dalam menjalankan prosedur penerapan dinamika pemrograman untuk masalah
rancangan pabrik yang tepat, tiap input Xi + 1 dianggap sebagai parameter. Dengan demikian,
masalah pada setiap tahap adalah menemukan nilai optimal variable d untuk semua nilai yang
memungkinkan dari variable yang diinput. Dengan menggunakan pendekatan dinamika
pemrograman yang melibatkan n tahap , total n optimasi harus dilakukan. Pendekatan ini dapat

dibandingkan dengan pendekatan biasa dimana nilai-nilai optimum dari semua tahapan dan
keputusan akan dibuat melalui analisa probabilitas kombinasi dasar.

Sebuah
Contoh

Sederhana Dari Dinamika Pemrograman

Sebagai gambaran, prosedur umum dan metode analisis yang digunakan dalam dinamika
pemrograman, mempertimbangkan contoh masalah desain ( dapat dlilihat dalam tabel 10 ).
Prosedur umum terdiri dari beberapa langkah sebagai berikut :
1. Membentuk urutan tahap tunggal di mana proses tersebut akan dibagi. Hal ini akan
ditampilkan sebagai tahap 1 sampai 5 pada Tabel 10.
2. Tentukan unit yang akan digunakan untuk menyatakan fungsi keuntungan untuk setiap tahapan
individual dan keseluruhan proses. Dalam kasus ini, pernyataan masalah memperjelas bahwa
unit yang tepat untuk tujuan ini adalah laba selama periode lima tahun operasi, dan unit ini
akan digunakan sebagai solusi masalah.
3. Untuk setiap tahap, tentukan input yang mungkin, keputusan, dan output. Ini ditunjukkan pada
Tabel 11.
4. Untuk setiap tahap dan untuk setiap kombinasi input, bentuk tahapan untuk output .
5. Bentuk pengembalian optimal dari keseluruhan proses dan dari setiap tahap melalui penerapan
prinsip yang ditunjukkan pada Pers. (91).
Langkah-langkah (l), (2), dan (3) selesai, untuk contoh ditunjukkan dalam Tabel 10 dan
11. Untuk melaksanakan langkah-langkah (4) dan (5), perlu untuk mengasumsikan sejumlah
tingkat diskrit untuk setiap variabel. Besarnya subdivisi untuk masing-masing variabel
keputusan, tentu saja, merupakan kendala yang dikenakan pada solusi sistem, tetapi kendala ini
sangat berguna untuk mempersempit wilayah yang harus mendapat perhatian paling besar untuk
optimasi.
Tahap output dibentuk dalam urutan untuk subproses dari tahap 1, tahap l-tahap 2, tahap
l-tahap 2 tahap 3, tahap l-tahap 2 tahap 3-stage 4, dan akhirnya tahap l-tahap 2 tahap 3-stage 4
tahap 5. Optimum ditentukan untuk setiap subproses yang menggunakan semua tingkat diskrit
yang dipilih untuk variabel yang terlibat dalam subproses itu.
Subdivisi untuk keputusan-keputusan yang mungkin dalam contoh ini ditunjukkan
melalui data yang diberikan dalam Tabel 10 dan dirangkum dalam Tabel 11. Dengan demikian,
dalam tahap 5, ada tiga keputusan yang mungkin pada pemilihan mixer, dan masing-masing
memiliki empat keputusan efisiensi yang mungkin. Pada tahap 4, ada empat keputusan yang
mungkin pada tingkat suhu untuk pemanas. Pada tahap 3, ada tiga reaktor yang mungkin dan dua
katalis yang mungkin. Tahap 2 memiliki tiga keputusan yang mungkin dari reaktor II,, II, atau
tidak ada reaktor. Pada tahap 1, ada dua keputusan yang mungkin dari satu besar pemisah atau
dua pemisah kecil. Pada dasar secara keseluruhan, oleh karena itu, total kemungkinan modus
operasi melalui pendekatan yang sama sekali acak akan

3x4x4x3x2x3x2=1728
Dengan menerapkan teknik pemrograman dinamis, kondisi optimum akhir dapat dibentuk
melalui operasi tahap-demi-tahap sehingga hanya sekitar 15 mode operasi yang harus
dipertimbangkan.
Subproses Tahap I
Prosedur dinamika pemrograman hanya melibatkan tahap 1, hal ini sengaja untuk
menjadi dasar analisis pada penjualan produk akhir dengan pertimbangan hanya melibatkan
tahap pertama. Dengan dasar ini, semua kemungkinan konversi dari aliran yang masuk harus
dipertimbangkan. Data yang disajikan dalam tabel 10 menunjukkan bahwa setidaknya tiga puluh
persen umpan ( feed ) yang masuk harus terkonversi. Hal ini secara langsung menunjukkan
bahwa kemungkinan yang tidak masuk ke reactor II pada tahap kedua hanya bisa
dipertimbangkan jika konversi yang meninggalkan reactor I adalah tiga puluh persen atau lebih.
Oleh karena itu, hanya yang terkonversi sebesar tiga puluh persen atau lebih sajalah yang perlu
di pertimbangkan sebagaimana yang ditunjukkan dalam tabel 10 f .
Untuk setiap konversi (misalnya, untuk konversi 50 persen), laba lima tahun dapat
dievaluasi untuk kasus satu pemisah besar dan dua pemisah kecil. Oleh karena itu, dengan
menggunakan data yang diberikan dalam Tabel 10 dan mengabaikan biaya feed yang dianggap
konstan,
Laba lima tahun menggunakan salah satu pemisah besar
= (5)(50,000)(0.5)($5.0) - $15,000 - (5)($4,000) = $590,000
Laba lima tahun menggunakan dua pemisah kecil
= (5)(50,000)(0.5)($5.0) - (2)($9,000) - (2)(5)($1,500) = $592,000
Hal ini menunjukkan bahwa operasi yang optimal dari tahap 1 dengan konversi 50 persen
perlu menggunakan dua pemisah kecil. Perhitungan ini berulang lagi untuk semua konversi yang
mungkin, dan hasilnya [yaitu, satu tahap keuntungan Q, (x,, d,)] disajikan pada Tabel 12 dengan
kondisi optimum untuk setiap konversi ditunjukkan dengan tanda bintang.
Subproses Of Stage I-Stage 2
Subproses ini melibatkan pengambilan suatu keputusan pada jenis reaktor II (II,, II, atau
none). Kemungkinan konversi untuk Feed yang memasuki tahap 2 dapat dibentuk dari Tabel 1O
f atau Tabel 10 e seperti 15, 20, 25, 30, 40, 45, 50, atau 60 persen. Semua kemungkinan ini,
termasuk keputusan tentang konversi dan jenis reaktor, harus dievaluasi. Setiap hasil akan
memberikan konversi keluar yang merupakan feed untuk tahap 1, tapi kondisi optimum untuk
tahap 1 telah dihasilkan untuk berbagai feed. Oleh karena itu, jumlah biaya optimal untuk tahap

1 dan biaya yang dikembangkan untuk tahap 2 dapat ditabulasikan sehingga sistem yang optimal
untuk tahap l-tahap 2 dapat dipilih untuk setiap Feed yang sesuai untuk tahap 2.
Sebagai contoh, jika konversi input pada tahap-2 sebesar empat puluh persen, maka data
dan perhitungan yang berlaku adalah sebagai berikut ( asumsi biaya feed konstan sehingga dapat
diabaikan ) :
Laba lima tahun menggunakan reactor II
= $676,000 - $60,000 - (5)($10,000) = $566,000
Optimum for
stage 1with 80%
conversion ( table

Laba lima tahun menggunakan reactor II

= $693,500 - $80,000 - (5)($20,000) = $513,500
Optimum for
stage 1with 90%
conversion ( table
12 )

Laba lima tahun menggunakan reactor II = $503,000

Prosedur sebelumnya dapat diulang untuk semua kombinasi yang mungkin untuk proses
tahap 1-tahap 2 , dan hasil [yaitu, keuntungan satu-tahap-dua-tahap Q & s, d2)] ditabulasikan
pada Tabel 13.
Sisa Subproses Dan Solusi Akhir
Jenis prosedur opimalisasi yang sama sekarang dapat diikuti untuk masing-masing tiga
subsistem yang tersisa, dan hasilny disajikan dalam tabel 14, 15, dan 16 dengan symbol bintang
sebagai penunjuk set optimal. Optimum akhir untuk proses total sekarang dapat langsung
dibentuk dari tabel 16 yang memberikan laba lima tahun sebesar $427,000. Tahap operasi yang
semestinya dilakukan adalah sebagai berikut.
Tahap 5: Dari Tabel 16, mixer tipe B dengan efisiensi 80 persen harus digunakan.
Tahap 4: Dari Tabel 15, pemanas harus dioperasikan pada 800 F.
Tahap 3: Dari Tabel 14 dan 10, reaktor I, dengan katalis 1 harus digunakan untuk
memberikan konversi 60 persen.
Tahap 2: Dari Tabel 13, tidak ada reaktor II harus digunakan.
Tahap 1: Dari Tabel 12, dua pemisah kecil harus digunakan.

Contoh sebelumnya menggambarkan teknik yang digunakan dalam pemrograman

dinamis. Teknik ini memungkinkan penghematan besar pada jumlah perhitungan usaha yang
terlibat seperti yang diilustrasikan oleh fakta bahwa pendekatan optimasi tahap-demi-tahap yang
digunakan dalam contoh yang terlibat, pertimbangan hanya sekitar 15 kemungkinan mode
operasi.
Teknik Matematika Lainnya Dan Strategi Untuk Membangun Kondisi Optimal
Begitu banyak teknik matematika, tidak hanya pendekatan dasar yang sudah dibahas,
namun telah dikembangkan untuk aplikasi dalam berbagai situasi yang membutuhkan penentuan
kondisi optimum. Ringkasan dari beberapa teknik matematika lainnya yang lebih maju, bersama
dengan referensi yang dipilih sebagai informasi tambahan, disajikan sebagai berikut:
Aplikasi Multiplier Langrange
Ketika kendala pada persamaan atau pembatasan pada variable-variabel tertentu muncul
pada saat optimalisasi situasi teknik analisis yang paling ampuh adalah menggunakan Multiplier
Langrange. Dalam banyak kasus, prosedur optimasi normal pengaturan secara parsial dari fungsi
obyektif dengan masing-masing variabel sama dengan nol dan memecahkan persamaan yang
dihasilkan secara simultan menjadi sulit atau tidak mungkin dilakukan secara matematis.
mungkin akan lebih mudah untuk mengoptimalkan dengan mengembangkan Lagrange yang
selanjutnya dioptimalkan di tempat fungsi tujuan sebenarnya.
Dalam menerapkan teknik ini, istilah Langrange didefinisikan sebagai fungsi nyata yang
akan dioptimalkan ( yaitu fungsi obyektif ) ditambah produk dari Multiplier Langrangian (A) dan
batasan. Jumlah Langrangian harus sama dengan jumlah batasan, dan batasan harus dalam
bentuk persamaan yang telah diatur sehingga sama dengan nol. Sebagai gambaran aplikasi,
pertimbangkan situasi di mana tujuannya adalah untuk menemukan nilai positif dari variabel x
dan y yang membuat produk xy maksimal di bawah batasan yaitu X * + y * = 10. Untuk kasus
sederhana ini, fungsi obyektif adalah xy dan persamaan yang menjadi kendala ditetapkan sama
dengan nol X * + y * - 10 = 0.
L.E. (x, y) = xy + (x2 + y2 - 10)
Dengan demikian, istilah Langrange adalah mengambil sebagian persamaan (92)
terhadap x,y dan A. Dan pengaturan masing-masing hasil persamaan sama dengan nol
menghasilkan
y + 2x = 0

(93)

x + 2Ay = 0

(94)

x2 + y2-10 = 0

(95)

Solusi simultan dari tiga persamaan sebelumnya untuk X, y, dan A yang diberikan, untuk
kasus di mana kedua x dan y positif, nilai-nilai optimum dari x sama dengan 2.24 dan y sama
dengan 2,24.