yaitu Crude Destillation Unit (CDU) beserta furnace-nya. Dua unit ini mempunyai peranan besar karena
menangani ribuan komponen minyak bumi dalam kapasitas yang besar pada industri kilang minyak, pertamatama umpan berupa crude oil masuk dan diolah dalam Preflash column, produk atas dari Preflash column ini
adalah light naphta sedangkan produk bawahnya akan masuk ke Pipestill dan diubah menjadi produk atas LPG,
heavy naphtha, kerosene, diesel, atmospheric gasoil dan produk bawah berupa atmospheric residue.
Beberapa usaha untuk energi mengoptimalkan konsumsi dari segi parameter operasi, baik pada proses yang
terdahulu (menggunakan CDU) maupun pada konfigurasi unit yang baru (Preflash Column dan Pipestill) sudah
dilakukan antara lain optimasi CDU menggunakan neural networks (Liau et al, 2004) dan pemodelan kolom
distilasi berdasarkan transport phenomena (Kumar et al, 2001). Selain itu pengaruh dari jenis crude sangat
berperan pada performance dari Pipestill dan efisiensi energi (Stojic et al, 2004).
Peran alat pengendalian untuk menjaga agar Preflash Column dan Pipestill beroperasi pada batasan yang
benar juga telah dikaji oleh Haydary dan Pavlik, 2009. Dari hasil yang didapat, disimpulkan bahwa pengendalian
komposisi produk keluar dari Pipestill dengan menggunakan pengendali konvensional akan menghasilkan
performa yang lebih cepat mencapai steady-state bila menggunakan manipulated variabel suhu plate kedua dari
Pipestill. Hal ini didapat setelah membandingkan kontrol dengan komposisi produk keluar (ASTM D86) sebagai
manipulated variabel.
Ada berbagai macam metode kontrol yang dapat digunakan untuk mengendalikan proses yang rumit mulai
dari metode kontrol yang konvensional menggunakan PID controller sampai kepada metode kontrol advanced,
MPC misalnya. Masing-masing metode pengendalian ini memiliki kelebihan dan kelemahannya masing-masing.
Kelemahan metode pengendalian konvensional adalah sulit bila digunakan untuk mengendalikan banyak
variabel dengan interaksi yang signifikan. Sementara kelemahan pengendali advanced adalah ketidak pastian
mencapai kondisi steady-state pada gangguan yang berbeda-beda. Pada penelitian kali ini dicoba metode
pengendalian dengan MPC mengingat metode ini andal untuk proses dengan banyak variabel dan interaksi antar
variabel (Seborg, 2004).
Metode Penelitian
Dalam penelitian ini model yang disusun adalah kolom Preflash dan Pipestill (Gambar 2.1 dan 2.2)
Penelitian dibagi dalam beberapa tahap :
1. Pemilihan model termodinamika (fluid package).
2. Tahap pemodelan steady state dengan menggunakan program Aspen Plus TM.
3. Validasi model steady state dengan data dari literatur (Luyben, 2006)
4. Tahap sizing dan simulasi dinamik menggunakan program Aspen Dynamic TM.
5. Menambahkan pengendali konvensional pada simulasi dinamik.
6. Melakukan step test pada simulasi dinamik untuk mendapatkan data yang akan digunakan untuk membuat
model MPC di matlab.
7. Memasukkan model pada m file yang akan digunakan untuk mengamati pengendalian menggunakan MPC.
8. Mengamati performa pengendali konvensional dan MPC dengan memberikan gangguan laju alir dan
gangguan komposisi dan melakukan tuning pengendali.
9. Pengujian performa pengendali dengan metoda Integral of The Absolute Value of The Error (IAE).
10. Membandingkan performa MPC dengan pengendali konvensional dan mengambil kesimpulan.
MPC
1 2 3 4
Lights
1 2 3 4
LC
PF Water
FC
Naptha
Kolom Preflash
Crude 1
DT
Crude 2
FC
DT
LC
LC
10
CDU-Feed
:
FC
PF Steam
MPC 5
9 10 11 12 13 14
9 10 11 12 13 14
Pipestill-Water
WLC
BChnaptha95
OLC
DT
Hnaptha
FC Wash
Kolom Pipestill
Steam 1
LC
Steam 2
LC
DT
Pipestill
Feed
Steam 3
19
22
DT
LC
LC
DT
Kerosene
Diesel
:
AGO
Pipestill-Steam
Gambar 2.2 Struktur Pengendalian Menggunakan Pengendali MPC pada Kolom Pipestill
Pasangan pengendali untuk pengendali konvensional dapat dilihat pada Gambar 2.1dan 2.2. Untuk
pengendalian menggunakan MPC dibuat model 14 x 14 dengan melakukan step test pada sistem yang dimaksud
menggunakan software Aspen Dynamic TM untuk semua controlled variables(CV) dan manipulated
variables(MV) namun tidak termasuk CV dan MV untuk pengendali ketinggian cairan.
Hasil dan Pembahasan
Simulasi steady state dibuat dengan menggunakan model termodinamik BK-10 (Braun K-10). Model
termodinamik ini dipilih berdasarkan literatur (Carlson, 1996). Hasil simulasi steady state divalidasi dengan
membandingkan kondisi operasi kolom Preflash dan data TBP (True Boiling Point) produk dari kolom Pipestill
dengan literatur (Luyben, 2006). Sizing alat dilakukan dengan menggunakan fitur tray sizing di Aspen PlusTM
untuk menentukan diameter tray dan mengambil waktu tinggal cairan dalam sebesar 10 menit dan H/D = 2 untuk
menentukan tinggi dan diameter bejana alat. Hasil sizing alat dapat dilihat pada Tabel 3.1 Setelah dilakukan
sizing file dieksport ke Aspen Plus DynamikTM dan dipasang pengendali konvensional dengan parameter yang
tercantum pada Tabel 3.2. Parameter untuk MPC adalah P=110, M=10, N=100, Q = [5 1 100 1 7 1 7 5.5 9 9 1 1
1 1.5], R = [0.1 0.1 0.1 0.1 0.1 0.1 0.1 0.1 0.1 0.1 0.1 0.1 0.1 0.1 ], dimana Q dan R adalah matrik pembobotan
Perbandingan respon dari berbagai variable proses antara pengendalian menggunakan pengendali
konvensional dan pengendali MPC dengan pemberian gangguan kenaikan laju alir massa umpan total sebesar
+15% dan gangguan komposisi sebesar +25% fraksi massa oil 1 dapat dilihat pada Gambar 3.1 dan Gambar 3.2
Perbandingan parameter IAE untuk pengendali konvensional dan MPC dapat dilihat pada Tabel 3.3 dan Tabel
3.4. Dari hasil yang telah didapatkan MPC memliki performa pengendalian yang lebih bagus bila dibandingkan
dengan pengendali konvensional.
Tabel 3.1 Hasil Sizing
Parameter
Jumlah Tray(buah)
Diameter Kolom(m)
Tinggi Kolom (m)*
Jarak Antar Tray(m)
Tinggi Weir(m)
Diameter Sump Kolom(m)
Tinggi Sump Kolom(m)
Diameter Refluk Drum
Kolom(m)
Tinggi Refluk Drum Kolom(m)
Preflash
10
3,00
5,85
0,61
0,05
4,09
8,17
Pipestill
25
6,15
16,82
0,61
0,05
3,14
6,29
Stripper
1
4
1,42
1,46
0,61
0,05
2,14
4,28
Stripper
2
3
1,37
0,73
0,61
0,05
2,49
4,98
Stripper
3
2
0,98
0,00
0,61
0,05
1,99
3,98
2,65
5,31
3,05
6,09
Jenis Pengendali
Parameter Pengendali
Dead
i Time(menit)
Kc
0.6
0.46
13
2.1
46
51
1.2
51
502
470
635
630
465
498
T(K)
T(K)
500
496
620
494
492
625
460
455
100
464
615
462
610
615
100
150
200
Waktu(Menit)
Diesel ASTM D86 95% bp.
100
150
200
300
400
Waktu(Menit)
500
530
460
T(K)
T(K)
T(K)
525
605
520
458
600
456
100
200
300
400
Waktu(Menit)
595
100
500
200
300
400
Waktu(Menit)
515
100
500
Gambar 3.1 Perbandingan antara respon pengendalian menggunakan pengendali konvensional dan MPC dengan
pemberian gangguan +15% laju alir massa umpan
Lt. Naptha ASTM D86 95% bp.
467
501.8
466
501.6
465
501.4
464
501.2
463
501
462
100
466
625
465
620
632
T(K)
T(K)
631.5
631
100
150
200
Waktu(Menit)
Diesel ASTM D86 95% bp.
100
150
200
300
400
Waktu(Menit)
500
536
464
T(K)
T(K)
T(K)
534
532
615
530
463
100
200
300
400
Waktu(Menit)
500
610
100
200
300
400
Waktu(Menit)
500
528
100
Gambar 3.2 Perbandingan antara respon pengendalian menggunakan pengendali konvensional dan MPC dengan
pemberian gangguan +25% fraksi massa OIL-1
Tabel 3.3 Perbandingan IAE untuk pengendali konvensional dan MPC bagian 1
CV1
CV2
CV3
Gangguan
PI
MPC PI
MPC
PI
MPC
Flow +15%
230.010 2.783
252.383 17.261 365.950 1.417
Komposisi OIL1 +25%
10.186 2.317
57.663 17.317
56.217 1.160
Tabel 3.4 Perbandingan IAE untuk pengendali konvensional dan MPC bagian 2
CV4
CV5
CV6
Gangguan
PI
MPC PI
MPC PI
MPC
Flow +15%
1334.517 1.922 2920.861 1.582 1864.168 2.113
Komposisi OIL1 +25%
290.099 1.628 1445.150 0.977 1070.863 2.190
Kesimpulan
Dari hasil yang telah didapatkan bahwa dalam mengendalikan sistem kolom preflash dan pipestill, MPC
memliki performa pengendalian yang lebih bagus bila dibandingkan dengan pengendali konvensional.
Daftar Pustaka
Aspen Plus : Getting Started Modeling Petroleum Processes, Aspen Technology, Inc., Ten Canal Park,
Cambridge, MA 02141-2201, 2006.
Carlson, E. C.(1996), Dont Gamble With Physical Properties for Simulations, Chemical Engineering
Progress, October 1996.
Haydary, J. dan Thomas, P. (2009), Steady-State dan Dynamic Simulation Of Crude Oil Distillation Using
Aspen Plus and Aspen Dynamics, Petroleum & Coal, Vol. 51 (2), hal. 100-109.
Liau, L.C-K, Yang, T.C-K. dan Tsai, M-T. (2004), Expert system of a crude oil distillation unit for process
optimization using neural networks, Expert Systems with Applications, Vol. 26, hal. 247255.
Luyben,W. (2006), Distillation Design and Control Using Aspen tm Simulation, John Wiley & Sons, Inc., New
Jersey.
Errico, M., Tola, G. dan Mascia, M. (2009), Energy saving in a crude distillation unit by a Preflash
implementation, Applied Thermal Engineering, Vol. 29, hal. 16421647.
Stoji, M.M., Nedeljkov, S.Lj., Krsti, D.M. dan Mauhar, S. (2004), Simulation Of Atmospheric Crude Unit
"Badger" Using Aspen Plus, Petroleum & Coal, Vol. 46 (2), hal. 57-62.
Seborg, D.E., Edgar, T.F. dan Mellichamp, D.A. (2004) , Process Dynamics dan Control, John Wiley and Sons,
Inc., New Jersey.
Kumar, V., Sharma, A., Chowdhury, I.R., Ganguly, S. dan Saraf, D.N. (2003), A crude distillation unit model
suitable for online applications, Fuel Processing Technology, Vol. 73, hal. 121.