Anda di halaman 1dari 43

 

BAB 9
PENYETELAN KONTROL PID
UNTUK KINERJA DINAMIK  

 
 
Ir. Abdul Wahid, MT 
 
DEPARTEMEN TEKNIK KIMIA
UNIVERSITAS INDONESIA
2007
 
BAB 9
PENYETELAN KONTROL PID
UNTUK KINERJA DINAMIK

9.1. PENDAHULUAN
Seperti yang telah dijelaskan pada bab sebelumnya, bahwa algoritma kontrol
PID (Proporsional-Integral-Derivatif) merupakan kontrol yang tepat untuk sistem
dengan umpan balik (feedback). Terdapat tiga konstanta pengaturan yang
memungkinkan para engineer untuk menyesuaikan algoritma tersebut pada
aplikasi proses yang sangat luas, dengan melalui pemilihan yang bijaksana bagi
masing-masing nilai kontanta. Pada contoh-contoh sebelumnya, menunjukkan
bahwa kinerja kontrol yang baik dapat dicapai dengan sebuah pemilihan nilai
konstanta penyetelan yang tepat. Terdapat banyak metode yang dapat digunakan
untuk menentukan nilai konstanta penyetelan. Pada bab ini, akan dijelaskan
sebuah metode yang berdasarkan kinerja bidang waktu (time-domain) dari sistem
kontrol. Metode penyetelan kontroler berdasarkan kinerja dinamik telah
digunakan selama beberapa decade (contoh: Lopez et al., 1969; Fertik, 1975;
Zumwalt, 1981), dan metode yang akan dijelaskan disini dibuat dari studi
tersebut, dan memiliki keistimewaan sebagai berikut :
1. Metode ini memberikan definisi yang sangat jelas dan mengaplikasikan
pokok-pokok persoalan yang penting pada kinerja yang harus
dipertimbangkan pada saat penyetelan kontroler.
2. Metode ini memberikan hubungan yang mudah digunakan yang dapat
diterapkan pada banyak kasus penyetelan kontroler.
3. Metode ini memberikan pendekatan menggunakan persamaan secara umum
yang dapat diterapkan di hampir seluruh masalah penyetelan kontrol, yang
sangat penting ketika persamaan umum tidak dapat diterapkan.
4. Metode ini memberikan pengertian yang lebih dalam mengenai hubungan
antara parameter model proses dinamik dan konstanta penyetelan kontroler.
9.2. MENDEFINISIKAN MASALAH PENYETELAN
Seluruh masalah pada suatu kontrol harus didefinisikan secara lengkap
sebelum konstanta penyetelan dapat di tentukan dan kinerja kontrol dievaluasi.
Secara alami, proses fisik merupakan elemen kunci yang harus didefinisikan dari
suatu sistem. Untuk mempertimbangkan sebagian besar tipe kelas dari berbagai
macam proses, dipilih model orde satu dengan dead time. Model ini dipilih karena
dapat cukup memperkirakan dinamik dari suatu proses dengan respon monotonic
pada masukan bertahap, seperti yang ditunjukkan pada bab 6. Selain itu, algoritma
kontroler juga harus didefinisikan. Bentuk dari kontrol PID yang digunakan disini
adalah :
⎡ 1
t
dCV (t ) ⎤
MV (t ) = K c ⎢ E (t ) + ∫ E (t ')dt '− Td ⎥ +1 (9.1)
⎣ TI 0 dt ⎦

Dengan catatan bahwa syarat derivatif dihitung dengan menggunakan variabel


kontrol pengukuran, bukan eror.

Konstanta penyetelan harus didapat menggunakan algoritma yang sama dengan yang
diaplikasikan di sistem kontrol. Pembaca diingatkan untuk memeriksa bentuk dari
algoritme kontrol PID yang digunakan dalam mengembangkan hubungan penyetelan
dan pada komputasi sistem kontrol; hal tersebut haruslah cocok

Kemudian, kita dengan hati-hati akan mendefinisikan kinerja kontrol dengan


menetapkan beberapa tujuan yang harus diatur secara seimbang. Definisi ini
memberikan spesifikasi yang luas dari kinerja kontrol yang cukup flexible untuk
mewakili banyak situasi. Ketiga tujuan tersebut adalah sebagai berikut :
1. Kinerja variabel kontrol (kontrolled-variabel performance). Kontroler yang
disetel dengan baik seharusnya memberikan kinerja yang memuaskan untuk
ukuran satu atau lebih dari perilaku variabel kontrol. Sebagai contoh, kita
sebaiknya memilih untuk memperkecil nilai IAE dari variabel kontrol.
Pengertian dari IAE (Integral of Absolute Value) adalah :

IAE = ∫ SP(t ) − CV (t ) dt
0 (9.2)
Offset nol steady-state untuk sebuah masukan sistem step dipastikan dengan
mode integral yang muncul di kontroler.
2. Model eror (Model error). Model-model dinamik yang linear selalu
memiliki eror, hal ini karena pabrik adalah non linear dan operasinya
berubah. Karena penyetelan yang akan dilakukan berdasarkan model-model
tersebut, prosedur penyetelan seharusnya mempertimbangkan eror, sehingga
kinerja kontrol yang masih dapat diterima bias disediakan sebagai
perubahan dari proses dinamik. Perubahan didefinisikan sebagai ±
perubahan persentase dari kasus dasar atau nominal dari parameter-
parameter model. Kemampuan suatu sistem kontrol umtuk memberikan
kinerja yang baik pada saat perubahan yang dinamik dari pabrik seringkali
dinamakan ketahanan (robustness).
3. Perilaku variabel manipulasi (manipulated-variabel behavior). Merupakan
variabel yang paling penting, dibandingkan variabel kontrol. Kita sebaiknya
memilih tujuan yang umum dari pencegahan ‘kelebihan’ variasi pada
variabel manipulasi dengan mendefinisikan batas-batas variasi yang
diijinkan, seperti yang telah dijelaskan sebelumnya.
Tabel 9.1. Ringkasan dari beberapa faktor yang harus didefinisikan pada saat penyetelan
suatu kontroler
Komponen Faktor kunci Nilai yang digunakan pada bab ini untuk
utama loop contoh dan korelasi
Proses Model struktur Linear, orde satu dengan dead time
Model eror ± 25% dalam parameter model (terstruktur
sehingga seluruh kenaikan dan penurunan
parameter pada % yang sama)
Paksaan masukan Gangguan masukan mode step dengan
Gd(s)=Gp(s) dan nilai set point mode step
dipertimbangkan secara terpisah.
Variabel Variabel kontrol yang tidak memihak dengan
pengukuran noise frekuensi tinggi
Kontroler Struktur PID dan PI
Konstanta Kc, TI dan Td
penyetelan
Kinerja Perilaku variabel Memperkecil total IAE untuk beberapa kasus
kontrol kontrol memutar dari kisaran eror parameter model
pabrik
Perilaku variabel Variabel manipulasi tidak harus memiliki variasi
manipulasi diluar batasan definisi; lihat gambar 9.4.
Untuk mengevaluasi kinerja kontrol, tujuan-tujuan dan scenario dimana
kontroler beroperasi harus didefinisikan. Definisi ini dirangkum pada tabel 9.1;
faktor-faktor umum terdapat pada kolom kedua, dan nilai-nilai khusus yang
digunakan untuk mengembangkan korelasi pada bab ini terdapat pada kolom tiga.
Hal ini akan terlihat seperti daftar beberapa faktor yang cukup panjang untuk
ditentukan sebelum menyetel sebuah kontroler, akan tetapi ahl tersebut
merupakan dasar bagi semua metode penyetelan yang baik. Kebetulan, penetapan
standar yang cukup bagi spesifikasi pada kolom tiga sangat tepat untuk aplikasi
yang begitu luas, dan oleh karena itu, sangat mungkin untuk mengembangkan
korelasi yang dapat digunakan pada banyak pabrik, dimana spesifikasi pokok
yang mendasari kinerja kontrol berlaku. Masukan pada tabel 9.1 akan dijelaskan
lebih lanjut pada bagian berikutnya. Seluruh sub-bab berikutnya dalam buku ini
memerlukan pengertian yang baik mengenai faktor-faktor yang berpengaruh pada
kinerja kontrol.

Para pembaca didorong untuk memahami faktor-faktor pada tabel 9.1 dan
untuk lebih sering menghubungkan ulang pada bagian ini ketika mengerjakan
bab terakhir

9.3. MENENTUKAN NILAI KONSTANTA PENYETELAN YANG BAIK


Dengan suatu definisi yang lengkap dari proses, kontroler, dan tujuan dari
kontrol, pengevaluasian konstanta penyetelan menjadi tugas yang relative lurus,
minimal secara konseptual. Konstanta penyetelan yang ‘terbaik’ adalah nilai-nilai
yang memuaskan tujuan-tujuan dari kinerja kontrol. Dengan tiga buah rincian
tujuan kita tadi, penyetelan optimum memberikan IAE yang minimum, untuk
pabrik yang dipilih (dengan variasi pada parameter-parameter model), ketika
variabel manipulasi mengamati batas-batas khusus pada perilaku dinamiknya.
Tujuan dari kontrol pada tabel 9.1 telah didefinisikan sehingga dapat
mengevaluasi secara kuantitatif dari respon dinamik sebuah sistem kontrol.
Respon dinamik dari sebuah sistem kontrol dengan model proses yang komplek
meliputi dead time tidak dapat ditentukan secara analitik, tetapi dapat dievaluasi
mengunakan suatu solusi numeris dari perhitungan proses dan kontroler.
Perhitungan dinamik diselesaikan dari kondisi awal steady state hingga pada
waktu ketika sistem mencapai steady state setelah terjadi perubahan masukan.
Nilai terbaik dari konstanta penyetelan dapat ditentukan dengan mengevaluasi
banyak nilai dan memilih nilai-nilai yang menghasilkan ukuran terbaik dari
kinerja kontrol. Karena tujuan dari presentasi ini adalah untuk berkonsentrasi pada
‘pengaruh dari proses dinamik pada penyetelan’, bukanlah perhitungan matematis
yang detail, pembaca dapat membayangkan nilai terbaik yang telah ditemukan
melalui penyaringan pada batas tertentu dari nilai konstanta penyetelan, meskipun
prosedur ini akan melibatkan perhitungan yang sangat banyak. (beberapa detail
lebih lanjut pada solusi pendekatan terdapat pada Lampiran E). Hasil yang
diperoleh adalah suatu set penyetelan (Kc, TI, Td) yang memberikan kinerja
terbaik untuk pabrik tertentu, ketidaktentuan model dan definisi kinerja kontrol.
Sebagaimana yang dijelaskan pada bagian 9.2, kita akan mempertimbangkan
pabrik orde satu dengan dead time karena model ini dapat lebih mendekati dalam
mewakili dinamik dari banyak proses overdamped. Sebagai gambaran yang dapat
membantu bagi pembaca, sebuah contoh proses pengadukan sederhana seperti
yang terlihat pada gambar 9.1 akan digunakan diseluruh bab ini, meskipun
nantinya tidaklah terbatas pada proses sederhana ini, sebagaimana akan
ditunjukkan kemudian di bab ini. Proses tersebut dapat dideskripsikan dengan
model fungsi alih sebagai berikut :
K p e −θ s
Gv ( s )G p' ( s )Gs ( s ) = G p ( s ) = (%A pada keluaran)/(% bukaan valve) (9.3)
τ s +1
Kd
Gd ( s ) = (%A pada outlet)/(%A pada inlet) (9.4)
τ s +1

Gambar 9.1 Proses yang digunakan untuk contoh konstanta penyetelan untuk kinerja
kontrol yang baik
Dari hukum kesetimbangan komponen A, dead time dan konstanta waktu
dapat ditentukan sebagai fungsi dari laju alir umpan dan ukuran peralatan.
Nilai keadaan dasar diberikan, dan hubungan fungsional akan digunakan pada
contoh berikutnya untuk menentukan dinamik yang telah dimodifikasi untuk
perubahan pada laju produk (FB).
Parameter Ketergantungan pada Nilai dasar keadaan
proses
Dead time (θ) (A)(L)/FB 5.0 menit
Konstanta waktu (τ) V/FB 5.0 menit
Gain steady state (Kp) Kp[(xA)A - (xA)B]/FB 1.0 (% A pada outlet)/(%
bukaan)

Secara umum, ketiga konstanta penyetelan (Kc, TI, Td) sebaiknya dievaluasi
secara simultan untuk mendapatkan kinerja terbaik. Akan tetapi, kita akan
memperoleh banyak pengetahuan dengan mempertimbangkan konstanta
penyetelan PID dan tujuan dari kinerja secara bertahap. Hal ini akan
memungkinkan kita untuk belajar bagaimana tujuan-tujuan tersebut
mempengaruhi nilai dari konstanta penyetelan dan juga interaksi antara ketiga
nilai konstanta penyetelan tersebut. Untuk itu, kita sebaiknya memulai dengan
kasus yang sederhana, yaitu menentukan nilai dari satu konstanta penyetelan, Kc,
yang menyebabkan penurunan ukuran kinerja tujuan nomor 1 (IAE). Pada
akhirnya, nilai dari konstanta penyetelan dapat ditentukan sehingga dapat
memberikan kinerja terbaik, seperti yang terukur dengan definisi lengkap dari
kinerja kontrol, yaitu tujuan 1 sampai 3.
Mengingat bahwa sistem kontrol dengan umpan balik didesain untuk memberi
respon kepada gangguan dan perubahan pada set point (nilai yang diinginkan).
Pada awalnya, kita akan membatasi bahasan pada sebuah gangguan berupa unit
step pada konsentrasi inlet, D(s)=1/s (%A pada inlet). Kemudian, dilakukan
perubahan pada set point.
Tujuan 1: Kinerja variabel kontrol (IAE)
Mari kita mulai dengan aplikasi kontrol PID pada contoh proses. Kita akan
mulai dengan mengoptimalkan hanya satu konstanta kontrol. Mengingat bahwa
diperlukan mode integral, sehingga variabel kontrol kembali pada set point-nya.
Untuk itu, kajian akan menemukan nilai terbaik dari gain kontrol, Kc, dengan
waktu integral (TI = 10 menit) dan waktu derivatif (Td = 0 menit) yang untuk
sementara dijaga pada nilai tetap. Nilai yang dipilih untuk waktu integral
(penjumlahan dari dead time dan konstanta waktu) sangat beralasan (meskipun
tidak optimum), seperti yang ditunjukkan pada hasil yang lebih lanjut, dan nilai
nol pada waktu derivatif menunjukkan tidak adanya mode derivatif. Untuk kasus
pertama ini, tujuan dari analisa ini untuk sementara dibatasi untuk mencapai nilai
minimum dari IAE untuk kasus dasar model pabrik.
Hasil dari beberapa respon sementara ditampilkan pada gambar 9.2, dengan
masing-masing kasus memiliki nilai gain kontrol yang berbeda. Hasil tersebut
menunjukkan bahwa hubungan antara IAE dan Kc adalah unimodal; yaitu, hanya
memiliki satu nilai minimum. Nilai minimum IAE adalah pada saat nilai gain
kontrol sekitar Kc = 1,14 %/(mol/m3) dengan nilai IAE 9,1. Untuk nilai gain
kontrol yang lebih kecil dari nilai yang terbaik (misalnya Kc = 0,62), kontroler
akan terlalu lambat, yang mengarah pada kenaikan IAE. Untuk nilai gain kontrol
yang lebih besar dari nilai terbaik (misalnya Kc = 1,52), kontroler akan terlalu
‘agresif’, yang mengarah pada osilasi dan kenaikan IAE. Perlu dicatat, bahwa
kondisi optimum adalah agak sedikit ‘datar’; yaitu, kinerja kontrol tidak
mengalami banyak perubahan dengan kisaran sekitar ± 15% dari gain kontrol
optimum. Bagaimanapun juga, bila gain kontroler mengalami peningkatan terlalu
banyak, sistem akan menjadi tidak stabil. (Penentuan batas kestabilan akan
dilakukan pada bab berikutnya).
Penyajian grafik yang digunakan untuk satu konstanta dapat diperluas
menjadi dua kontanta dengan melakukan variasi gain kontroler dan waktu integral
secara simultan, dengan tetap menggunakan nilai konstanta waktu derivatif (Td =
0). Sekali lagi ditemukan bahwa banyak respon dinamik yang dapat di evaluasi
dan kemudian hasilnya di plot pada grafik. Pada kasus ini, koordinat yang dipakai
adalah gain kontroler dan waktu integral, dengan IAE diplot sebagai garis
kontur/bentuk. Hasil-hasil tersebut ditampilkan pada gambar 9.3, dimana nilai
optimum penyetelan adalah Kc = 0,89 dan TI = 7,0. Sekali lagi, diperoleh perilaku
kualitatif yang sama, dengan kondisi bahwa perubahan salah satu dari nilai
konstanta menjadi lebih besar atau lebih kecil akan menyebabkan kinerja kontrol
yang buruk. Sebagai tambahan, bentuk garis pada grafik tersebut menunjukkan
interaksi antara variabel; sebagai contoh, kinerja kontrol yang hampir sama dapat
dicapai dengan nilai gain dan waktu integral berturut-turut (Kc = 0,6 dan TI = 4,5)
dan (Kc = 1,2 dan TI = 10). Sekali lagi, kinerja kontroler tidak terlalu sensitif
terhadap nilai penyetelan, seperti ditunjukkan pada luas daerah yang besar
(lembah) akibat perubahan hanya sekitar 10%. Pada akhirnya, evaluasi
mengidentifikasi sebuah daerah sistem kontrol tidak stabil; yaitu ketika IAE
menjadi tidak terhingga. Hal ini menjadi menarik bahwa wilayah dari kinerja
kontrol yang baik – lembah paling rendah pada plot kontur – berjalan hampir
paralel terhadap batas kestabilan. Hasil ini akan digunakan pada bab berikutnya,
dimana dipelajari mengenai kestabilan dari suatu sistem kontrol dan nilai
konstanta penyetelan ditentukan berdasarkan selisih dari batas kestabilan.
Tabel 9.2. Ringkasan dari pelajaran penyetelan
Kasus Tujuan Gain, Kc Waktu Waktu IAE+
(%/%A) Integral, Derivatif,
TI (menit) Td (menit)
Optimasi Tujuan 1 1,14 10,0 (tetap) 0,0 (tetap) 9,2
Kc (IAE)
Optimasi Tujuan 1 0,89 7,0 0,0 (tetap) 8,5
Kc dan TI (IAE)
Optimasi Tujuan 1 1,04 5,3 2,1 5,8
Kc dan TI (IAE)
dan Td
Optimasi Tujuan 1-3 0,88 6,4 0,82 7,4 *
Kc dan TI secara
dan Td simultan
Dievaluasi untuk model nominal (tanpa eror) tanpa noise. Parameter proses adalah gas Kp=1,0
%A/A, konstanta waktu τ=5 menit, dan dead time θ=5 menit
* ) Lebih besar dari 5,8 karena penambahan tujuan 2 dan 3.

Ketika tiga atau lebih nilai dioptimasi, sebagaimana kasus untuk sebuah alat
kontrol yang menggunakan tiga mode, hasil yang didapat tidak dapat ditampilkan
secara grafik. Seseorang dapat mengambil prosedur optimasi yang sama yang
menguraikan masalah satu atau dua variabel, yang dengan mudah untuk
mengevaluasi IAE melalui penyaringan nilai konstanta penyetelan dan
memperkirakan nilai yang terbaik dari hasil yang didapat atau menggunakan suatu
pendekatan yang lebih canggih dan efisien. Aplikasi dari suatu optimasi terhadap
contoh proses menghasilkan ketiga nilai parameter yang memperkecil IAE, dan
nilai-nilai tersebut terdapat pada tabel 9.2. tabel ini merangkum hasil dari satu,
dua dan ketiga konstanta yang dioptimasi; dengan sangat jelas, sebagaimana
beberapa konstanta bebas untuk disesuaikan, IAE sebagai ukuran dari kinerja
kontroler menjadi lebih baik (semakin kecil). Juga, nilai optimum untuk gain
kontroler dan waktu integral berubah ketika kita memasukkan waktu derivatif
sebagai variabel penyesuaian dalam optimasi. Hasil ini sekali lagi menunjukkan
interaksi antara kontanta penyetelan.
Memperkecil nilai IAE hanyalah tujuan pertama dari tiga tujuan yang ada,
yang hanya mempertimbangkan perilaku dari variabel kontrol dan
mengasumsikan proses dengan model ideal. Hasil dari pendahuluan ini tidak
memberikan kinerja kontrol yang terbaik berdasarkan rincian tujuan tadi; untuk
itu, kita harus melanjutkan untuk memperhalus prosedur untuk menentukan nilai
konstanta penyetelan yang terbaik.

Tujuan 2: Kinerja kontrol yang baik dengan model eror


Hingga saat ini, kita telah menjabarkan nilai konstanta penyetelan yang
memperkecil nilai IAE ketika proses dinamik digambarkan dengan persis
menggunakan kasus dasar model dinamik. Bagaimanapun juga, model ini tidak
pernah sempurna, karena eror pada prosedur identifikasi model., seperti yang
ditunjukkan pada Bab 6. Juga, kondisi operasi pabrik seperti laju produksi,
komposisi umpan, dan tingkat kemurnian mengalami perubahan, dan juga karena
proses tidak linear, perubahan ini berakibat pada perilaku dinamik dari proses
umpan balik. Pengaruh dari perubahan kondisi operasi dapat diperkirakan dengan
mengevaluasi model linear pada kondisi yang berbeda dan menentukan perubahan
pada gain, konstanta waktu, dan dead time dari nilai kasus dasarnya. Karena
proses dinamik yang sebenarnya berubah, prosedur penyetelan yang membantu
harus menentukan konstanta penyetelan yang memberikan kinerja yang baik
untuk kisaran proses dinamik mengenai kasus dasar atau parameter model
nominal, sebagaimana yang diinginkan oleh tujuan kinerja kontrol yang kedua.
Ketika hasil penyetelan berada pada kinerja yang memuaskan untuk kisaran yang
beralasan dari suatu proses dinamik, penyetelan tersebut dikatakan memberikan
robustness.

Dalam mendapatkan kontrol dan analisa penyetelan, engineer harus


mendefinisikan model eror yang diinginkan. Estimasi kesalahan, biasanya
menunjukkan sebuah kisaran dari parameter yang berdasarkan dari variasi dalam
suatu operasi pabrik dan model dasar dari Bab 3 sampai Bab 5 atau hasilnya
adalah beberapa model empiris yang identifikasinya menggunakan metode di
Bab 6.

Ukuran dan tipe dari model eror adalah proses yang spesifik. Untuk
mendapatkan tujuan mengembangkan hubungan, sumber utama dari variasi di
dalam proses dinamik diasumsikan sebagai hasil dari kisaran dalam suatu laju alir
dari aliran umpan FB pada gambar 9.1 yang menyebabkan ± 25% perubahan pada
parameter. Ketika kisaran dari parameter bergantung pada proses khusus, banyak
nilai parameter proses mengalami perubahan besar, dan beberapa diantaranya
memiliki variasi yang sangat luas. Hasil parameter model diberikan pada tabel
9.3; nilai ini dapat diturunkan dengan menggunakan persamaan yang telah
diberikan berhubungan parameter model linier terhadap desain proses dan operasi.
Karena pada contoh ini seluruh parameter proporsional terhadap kebalikan dari
lajua alir umpan, parameter tidak bervariasi secara independent, tetapi
berhubungan sesuai dengan perubahan variabel input. Beberapa korelasi antara
parameter adalah tipikal, karena masalah pokok dari variasi proses dinamik
bersifat tidak linear. Secara alami, fungsi hubungan tergantung dari proses dan
tidak selalu seperti yang ditunjukkan dalam tabel.

Tujuannya adalah untuk menyediakan kinerja kontrol yang baik untuk kisaran
ini, dan satu arah untuk mempertimbangkan variabilitas pada sistem dinamik
adalah untuk memodifikasi fungsi tujuan menjadi jumlah dar IAE untuk ketiga
kasus, yang mencakup kasus dasar dan laju alir ekstrim rendah dan tinggi seperti
pada tabel 9.3. tujuan tersebut ditetapkan sebagai berikut :
3
Meminimalkan ∑ IAE
i=1
i (9.5)


Dengan menyesuaikan IAE = ∫ SP(t ) − CVi (t ) dt
0

Dimana CVi(t) dihitung menggunakan parameter proses untuk i = 1 sampai 3


dalam tabel 9.3.
Perubahan ini sangat penting, karena konstanta penyetelan menghasilkan
kinerja yang bagus untuk model nominal dapat memberikan kinerja yang buruk
atau bahkan menghasilkan ketidak stabilan sebagaimana proses parameter yang
sebenarnya bervariasi. Selanjutnya, tujuan ketiga dibahas; setelah itu konstanta
penyetelan dari ketiga tujuan yang memuaskan ditentukan.

Tujuan 3: Perilaku variabel manipulasi


Tujuan ketiga dan terakhir menuju pada perilaku dinamik dari variabel
manipulasi dengan menuntut untuk mengamati suatu batasan. Seperti yang telah
dibahas sebelumnya, variasi sebaiknya tidak terlalu besar, karena pemakaian
kontrol dan peralatan proses dan gangguan terhadap unit gabungan. Terdapat
banyak cara untuk mendefinisikan variasi dari variabel manipulasi. Disini kita
akan membatasi pola sementara yang diinginkan dari variabel manipulasi pada
daerah khusus disekitar nilai steady state akhir selama respon dinamik seperti
ditunjukkan pada gambar 9.4. Pembatasan umum ini memungkinkan kita untuk
mengarahkan dua isu yang berhubungan dalam variasi variabel manipulasi :
1. Variasi terbesar pada variabel manipulasi dalam respon terhadap gangguan
atau perubahan set point.
2. Variasi frekuensi tinggi menghasilkan perubahan kecil dan kontinu pada
variabel kontrol dan sering dihubungkan sebagai noise.
Kisaran variabel manipulasi yang diijinkan adalah besar selama bagian awal
dari proses transient, yang mana, secara umum manipulasi variabel seharusnya
dapat melebihi nilai akhirnya. Kisaran tersebut lebih kecil setelah pengaruh dari
gangguan step diperbaiki.
Bahkan setelah waktu yang lama, variabel manipulasi tidak dapat diharapkan
menjadi sama sekali konstan, karena kontrol umpan balik memberikan respon
pada perubahan kecil dan kontinu pada variabel kontrol (noise). Pembatasan pada
variabel manipulasi ditentukan dengan parameter yang mendefinisikan batasan
ditunjukkan pada gambar 9.4. Simulasi pengevaluasian dan penyetelan untuk
tujuan 1 hingga 3 meliputi perwakilan noise pada pengukuran, variabel kontrol,
dan batasan pada variabel manipulasi. Sebuah model untuk mendefinisikan
batasan pada garis, sepanjang parameter yang digunakan dalam buku ini,
ditampilkan pada lampiran E.
Nilai yang tepat untuk parameter yang digunakan untuk mendefinisikan
perilaku variabel manipulasi yang diijinkan sebaiknya sesuai dengan aplikasi
proses. Nilai-nilai pada studi ini adalah perkiraan awal yang baik untuk banyak
desain kontrol proses. Bagaimanapun juga, nilai parameter yang khusus bukanlah
konsep utama dalam pernyataan tujuan ini; yang lebih penting adalah :

Pernyataan yang baik dari suatu kinerja kontrol meliputi spesifikasi dari kinerja
variabel manipulasi yang dapat diterima.

Karena kedua plot variabel kontrol dan manipulasi dari perilaku adalah
penting, banyak respon transient closed-loop dalam buku ini menunjukkan kedua
variabel; secara umum, sangat tidak mungkin untuk mengevaluasi kinerja kontrol
dengan mengamati hanya variabel kontrol saja.
Konstanta kontrol pada contoh proses pengadukan optimum untuk definisi
lengkap, dan hasilnya adalah Kc = 0,88 ; TI = 6,4 ; dan Td = 0,82. Respon dinamik
diberikan pada gambar 9.4 untuk respon nominal pabrik. (mengingat bahwa
respon ketiga dinamik, meliputi model eror, dipertimbangkan secara bersamaan
dalam menentukan nilai optimum) Parameter penyetelan ini memenuhi tujuan 1
sampai 3 dalam definisi kinerja kontrol kita. Perlu dicatat bahwa dibandingkan
dengan hasil yang didapat pada tabel 9.2 yang hanya memenuhi tujuan 1, nilai
yang memenuhi ketiga tujuan memiliki gain yang lebih kecil, waktu integral yang
lebih lama, dan waktu derivatif yang lebih sedikit. Dengan demikian :

Kontroler telah di detuned, yang menuju kepada penyesuaian yang kurang


agresif dari kontroler umpan balik, untuk mencatat model eror dan mengurangi
variasi pada variabel manipulasi.

Konstanta penyetelan ini tidak akan memberikan yang terbaik bila model eror
sama dengan nol dan tidak terdapat noise, tetapi akan memberikan hasil yang baik
pada kisaran kondisi yang diharapkan dan bahwa nilai tersebut direkomendasikan
untuk aplikasi awal.

Contoh 9.1
Sebuah modifikasi proses pada gambar 9.1, dengan pipa lebih pendek dan
tangki lebih besar dideskripsikan dengan model nominal dalam persamaan (9.6).
Akan dikendalikan dengan kontroler PID. Tentukan nilai konstanta penyetelan
awal yang terbaik untuk sebuah kontroler PID berdasarkan (a) hanya tujuan 1 ;dan
(b) tujuan 1 sampai 3.
1.0 e −2 s
Gv ( s )G ( s )Gs ( s ) ≈ G p ( s ) =
'

8s + 1
p

1 1
Gd ( s ) = dengan D( s ) =
8s + 1 s
⎡ E (s) ⎤
Gc ( s ) = K c ⎢ E ( s ) + − Td s.CV ( s ) ⎥
⎣ TI s ⎦ (9.6)

Optimasi secara matematika harus dilakukan untuk kedua kasus. Hasil dari
analisia diberikan pada tabel 9.4. Hasilnya sama dengan contoh yang telah
dibahas sebelumnya bahwa gain kontroler menurun–pada contoh ini hingga nol–
ditambahkan sebagai tujuan tambahan. Pengaruh dari penambahan tujuan 2 dan 3
adalah bahwa total deviasi variabel kontrol dari set point-nya (IAE) menjadi lebih
besar daripada yang dicapai untuk proses nominal tanpa model eror.
Bagaimanapun juga, kinerja diindikasikan dengan ukuran yang sangat luas,
mempertimbangkan seluruh kasus dan perilaku dari kedua variabel kontrol dan
manipulasi merupakan kemungkinan yang terbaik dengan sebuah algoritma
kontrol PID. Jadi, penyetelan dari kasus (b) lebih kuat, sebagaimana akan
ditunjukkan pada contoh 9.5.

Sekali lagi, kita melihat bahwa terdapat interaksi antara konstanta penyetelan.
Seperti yang ditunjukkan pada proses sederhana pada contoh 8.5, masing-masing
konstanta penyetelan mempengaruhi banyak ukuran kinerja kontrol, seperti decay
ratio dan overshoot. Untuk itu, seluruh konstanta penyetelan sebaiknya ditentukan
secara simultan untuk mengamati kemungkinan kinerja terbaik selama
kemampuan dari algoritma PID.
Dalam kesimpulan, sebuah metode yang sangat umum telah diperkenalkan
dalam bab ini untuk mengevaluasi konstanta penyetelan kontroler. Metode
tersebut dapat diaplikasikan pada berbagai model proses dan algoritma kontroler
dan telah diaplikasikan pada proses linear, proses orde satu dengan dead time, dan
kontroler PID pada bagian ini. Metode ini mengarahkan pada banyak persoalan
kinerja kontrol dalam gaya yang fleksibel, sehingga para engineer dapat
mengadaptasinya pada banyak keadaan dengan mengubah beberapa parameter
dalam definisi tujuan kontrol, seperti magnitude dari model eror atau variabilitas
yang diijinkan dari variabel manipulasi. Bagaimanapun juga, sebuah optimasi
harus dilakukan untuk masing-masing masalah, yang dapat memakan waktu yang
lama. Untuk itu, bagian berikutnya memperinci bagaimana penyetelan kontroler
dapat dilakukan dengan cepat dalam banyak situasi menggunakan pengembangan
hubungan dengan prosedur optimasi.

9.4. KORELASI UNTUK KONSTANTA PENYETELAN


Tujuan dari korelasi penyetelan adalah untuk memungkinkan engineer untuk
menghitung konstanta penyetelan untuk berbagai aplikasi proses yang secara
simultan mencapai ketiga tujuan yang telah didefinisikan pada bagian 9.2 tanpa
melakukan optimisasi. Hubungan untuk konstanta penyetelan akan mengurangi
usaha engineer dalam penyetelan kontroler, dan mungkin yang lebih penting lagi,
hubungan ini akan menunjukkan bagaimana konstanta kontroler bergantung pada
umpan balik proses dinamik. Untuk pengembangan hubungan pada bagian ini,
tujuan penyetelan adalah seperti yang terdapat pada tabel 9.1 dan digunakan pada
contoh sebelumnya :
1. Meminimalkan IAE
2. ± 25% perubahan pada parameter model proses
3. Batasan pada variasi dari variabel manipulasi
Hubungan tersebut sebaiknya memberikan nilai untuk Kc, TI dan Td
berdasarkan nilai pada suatu model proses dinamik. Pendekatan secara umum
adalah untuk memilih sebuah struktur model dan menjelaskan parameter tak
berdimensi yang menetapkan respon dinamik closed-loop. Untuk lebih mudah,
sebelum hubungan secara umum, model proses harus memiliki sejumlah kecil
parameter. Contoh pemodelan pada bab 6 menunjukkan bahwa banyak proses
dapat diwakilkan dengan sebuah fungsi alih orde satu dengan dead time; untuk
itu, struktur model ini digunakan dalam pengembangan hubungan penyetelan :
K p e −θ s
Gv ( s )G p' ( s )Gs ( s ) ≈ G p ( s ) = (9.7)
1+τ s

Karena respon kontrol ditetapkan dengan fungsi alih closed-loop, bentuk dari
korelasi ditentukan dari fungsi alih sebagai berikut :
CV ( s ) Gd ( s ) Gd ( s )
= = (9.8)
D( s ) 1 + Gc ( s )G p ( s ) ⎛ 1 ⎞⎛ e −θ s ⎞
1 + K c ⎜1 + + Td s ⎟ ⎜ K p ⎟
⎝ TI s ⎠ ⎝ 1+τ s ⎠
Setiap proses memberikan reaksi dengan kecepatan yang berbeda-beda, yang
dapat digolongkan dengan waktu untuk sebuah respon step untuk mencapai 63%
dari nilai akhirnya. Untuk sebuah proses orde satu dengan dead time, waktunya
adalah (θ + τ). Dengan membagi waktu dengan nilai ini, akan membuat seluruh
proses memiliki kecepatan yang sama, sehingga dapat dibuat suatu hubungan
secara umum. Hubungan tersebut adalah :
t s'
t'= s= (9.9)
θ +τ θ +τ
Dengan mensubstitusi variabel modifikasi Laplace dengan persamaan tadi,
maka dihasilkan :
CV ( s ') Gd ( s ')
= (9.10)
D ( s ') ⎛ ⎞⎛ −θ s ' ⎞
⎜ 1 Td s ' ⎟ ⎜ e (θ +τ ) ⎟
1 + K c K p ⎜1 + +

TI s ' (θ + τ ) ⎟⎟ ⎜⎜ 1 + τ s ' ⎟⎟
⎝ (θ + τ ) ⎠ ⎝ (θ + τ ) ⎠

Persamaan yang dihasilkan memiliki satu parameter yang menggolongkan


umpan balik proses dinamik, θ/(θ+τ), yang akan kita istilahkan dengan fraction
dead time

Parameter ini menunjukkan bagian mana dari waktu keseluruhan yang


diperlukan untuk respon step proses sistem terbuka untuk mencapai 63% dari nilai
akhirnya adalah disebabkan oleh dead time; dengan nilai 0,0 sampai 1,0. Sebagai
contoh, data proses pada kasus dasar untuk gambar 9.1 memiliki nilai θ = 5 dan τ
= 5. Jadi, nilai fraction dead time adalah 0,5. Dengan catatan bahwa τ/(θ + τ)
tidak independen, karena τ/(θ + τ) = 1 - θ/(θ + τ).

Analisa dari persamaan (9.10) juga menunjukkan bahwa konstanta penyetelan


kontroler dan parameter model proses dinamik muncul dalam bentuk tak
berdimensi sebagai berikut :
Gain = K c K p
Waktu integral = TI (θ + τ ) (9.11)
Waktu derivatif = Td (θ + τ )

Hubungan tersebut adalah konsisten dengan sebuah penafsiran umum dari


hubungan kontroler umpan balik. Gain tak berdimensi meliputi besarnya
perubahan pada variabel manipulasi untuk memperbaiki eror dan sebaiknya
dihubungkan dengan gain proses. Juga, mode proporsional tidak memiliki
ketergantungan terhadap waktu. Waktu integral dan waktu derivatif tak
berdimensi melibatkan perilaku ketergantungan terhadap waktu dari variabel
kontrol dan seharusnya dihubungkan pada dinamik atau ‘skala waktu’ dari proses.
Model gangguan diasumsikan sama seperti model proses umpan balik; yaitu,
Gd(s) = Gp(s). Noise diasumsikan ada di variabel kontrol, sebagaimana yang
dibahas di bagian 9.3 dan didefinisikan pada Lampiran E. Hasil fungsi alih hanya
memiliki satu parameter yang merupakan keseluruhan fungsi dari proses
[contohnya : fraction dead time θ/(θ + τ)]; konstanta penyetelan, dinyatakan
dalam bentuk tak berdimensi pada persamaan (9.11), juga mempengaruhi kinerja
dinamik. Untuk tujuan kontrol dan model proses (dengan perhitungan eror)
didefinisikan pada tabel 9.1, korelasi penyetelan dikembangkan dengan :
1. Memilih nilai yang bervariasi untuk fraction dead time dalam batas
kemungkinannya, yaitu 0 hingga 1
2. Melakukan optimasi kinerja kontrol pada masing-masing nilai dengan
menyesuaikan konstanta penyetelan tak berdimensi.
Hasil dari respon terhadap gangguan di plot kedalam grafik di gambar 9.5a
hingga 9.5c. Hubungan tersebut mengindikasikan bahwa sebuah gain kontroler
yang tinggi cocok ketika proses memiliki nilai fraction dead time yang kecil dan
bahwa gain kontroler secara umum mengalami penurunan pada saat nilai fraction
dead time membesar. Hal ini masuk akal, karena proses yang memiliki dead time
yang lama akan lebih sulit untuk dikendalikan; jadi, kontroler harus di detuned.
Nilai waktu derivatif tak berdimensi adalah nol untuk fraction dead time yang
kecil, dan meningkat seiring dengan kenaikan dead time untuk mengimbangi gain
kontroler yang kecil. Waktu integral tak berdimensi tetap pada batasan kecil
ketika nilai fraction dead time meningkat.
Prosedur yang sama dapat dilakukan pada paksaan masukan utama, yaitu
perubahan set point. Semua asumsi dan penyederhanaan persamaan sama, dan set
point diasumsikan berubah dalam bentuk step. Hasil hubungan ditunjukkan pada
gambar 9.5d hingga 9.5f. Konstanta penyetelan memiliki pola umum yang sama
sebagai kenaikan fraction dead time. Mengenai pemilihan apakah menggunakan
hubungan gangguan atau hubungan set point, bergantung pada variasi input
dominan yang dialami oleh sistem kontrol.
Kisaran dari model eror, ± 25%, sangat beralasan ketika seluruh parameter
sangat jauh berbeda dari nol. Bagaimanapun juga, ketika persentase eror ini
digunakan, sebuah parameter dinamik yang sangat kecil juga akan memiliki
keterhubungan eror yang sangat kecil, yang mungkin tidak realistis. Karena
meremehkan eror biasanya akan menghasilkan sebuah kontroler yang terlalu
agresif, dan karena nilai θ/(θ + τ) pada kontroler sama dengan 0,10 sudah cukup
agresif, hubungan penyetelan tidak diteruskan nilai yang lebih kecil dari 0,10 dan
nilai penyetelan yang direkomendasikan ditunjukkan dengan garis yang menjaga
nilai konstan untuk θ/(θ + τ) dari 0,1 hingga 0. Nilai ini dapat diperbaiki
menggunakan penyetelan yang lebih halus bila diperlukan, seperti yang nantinya
akan dijelaskan pada bab ini.
Hubungan penyetelan yang ditampilkan pada bagian ini dikembangkan oleh
Ciancone dan Marlin (1992) dan sesudah itu akan ditunjukkan sebagai hubungan
ciancone (Ciancone correlations). Metode penyetelan kontroler menggunakan
Ciancone correlations terdiri dari beberapa langkah berikut :
1. Pastikan bahwa tujuan kinerja dan asumsi sudah tepat.
2. Tentukan model dinamik menggunakan sebuah metode empiris
(contohnya kurva reaksi proses), yang memberikan nilai Kp, θ, dan τ.
3. Hitung fraction dead time, θ/(θ + τ).
4. Pilih hubungan yang tepat, gangguan, atau set point; gunakan
hubungan gangguan bila tidak yakin.
5. Tentukan nilai penyetelan tak berdimensi dari grafik untuk KcKp, TI/(θ
+ τ), dan Td/(θ + τ).
6. Hitung penyetelan kontroler berdimensi, contoh : Kc = (KcKp)/Kp.
7. Terapkan dan setel lebih halus bila diperlukan (lihat bagian 9.5)
Pembaca sebaiknya mengingat ketelitian yang mungkin pada model dinamik
ketika melakukan penyetelan pada kontroler PID. Gain, konstanta waktu, dan
dead time dari identifikasi secara empiris mempunyai eror yang signifikan (20%
tidak luar biasa; untuk itu, nilai yang sangat tepat dari hubungan tadi tidaklah
diperlukan, karena kesalahan kecil dalam pembacaan grafik tidak terlalu
berpengaruh ketika dibandingkan dengan kesalahan model. Kegunaan dari
hubungan tersebut ditunjukkan pada contoh berikut.

Contoh 9.2
Tentukan konstanta penyetelan untuk sebuah kontroler PID dengan umpan
balik yang diterapkan pada proses pengadukan dengan 3 tangki untuk suatu
respon gangguan (step pada xAB) menggunakan hubungan penyetelan Ciancone.
Langkah pertama yang dilakukan adalah mencocokkan sebuah model orde
satu dengan dead time pada proses, yang telah dilakukan menggunakan metode
kurva reaksi proses pada contoh 6.4. Hasilnya adalah Kp = 0,039 %A/% bukaan
valve; θ = 5,5 menit; τ = 10,5 menit. Kemudian parameter independent dihitung
berdasarkan θ/(θ + τ) = 0,34. Variabel tak bebas ditentukan dari gambar 9.5a
hingga c, dan konstanta penyetelan berikutnya dihitung sebagai berikut :
KcKp = 1,2 Kc = 1,2/0,039 = 30 % bukaan/% A
TI/(θ + τ) = 0,69 TI = 0,69(16) = 11 menit
Td/(θ + τ) = 0,05 Td = 0,05(16) = 0,8 menit
Respon dinamik dari sistem umpan balik terhadap suatu step gangguan
komposisi umpan yang besarnya 0,80%A muncul pada waktu = 20 ditampilkan
pada gambar 9.6, yang menghasilkan suatu nilai IAE 7,4. Respon dinamisnya
adalah ‘berperilaku baik’, yaitu variabel kontrol kembali kepada set point-nya
dengan cepat, tanpa osilasi yang berlebihan, dan variabel manipulasi tidak
mengalami variasi yang berlebihan.
Hasil pada contoh 9.2 menunjukkan bahwa hubungan, yang telah
dikembangkan untuk pabrik orde satu dengan dead time, memberikan
penyetelan yang layak untuk pabrik dengan struktur yang berbeda selama
umpan balik proses dinamik dapat diperkirakan dengan baik dengan sebuah
model orde satu dengan dead time. Mengingat bahwa proses overdamped
dengan step respon monotonic S-shape dapat ditampilkan dengan baik oleh
model orde satu dengan dead time.

Contoh 9.3
Pada saat mengembangkan hubungan tersebut, dibuat asumsi bahwa fungsi
alih dari gangguan adalah sama dengan fungsi alih proses umpan balik. Evaluasi
hubungan penyetelan tersebut untuk sistem tiga tangki yang sama seperti pada
Contoh 9.2 dengan sebuah gangguan konstanta waktu yang berbeda.
Fungsi alih gangguan semula adalah :
1
Gd ( s ) =
( 5s + 1)
3
Fungsi alih gangguan yang telah diubah adalah :
1
Gd ( s) =
( 5s + 1)
Fungsi alih yang telah diubah dapat muncul bila gangguan dimasukkan pada
tangki yang ketiga (terakhir). Hasil sementara dari kontrol dengan closed-loop
diplot pada Gambar 9.7. Sebagaimana yang diharapkan, respon yang diperoleh
berbeda, dengan gangguan yang cepat menghasilkan kontrol yang lebih ‘buruk’
yang dicerminkan oleh deviasi dan IAE maksimum, yang mengalami peningkatan
hingga 8,3. Kinerja kontrol yang sedikit buruk ini merupakan hasil dari suatu
proses yang lebih sulit, karena cepatnya gangguan yang dikendalikan. Perlu
dicatat bahwa hubungan konstanta penyetelan memberikan hasil yang baik,
meskipun bukan kinerja ‘optimal’, bahkan ketika fungsi alih gangguan sangat
berbeda dari fungsi alih umpan balik.

Contoh 9.4
Hubungan telah dikembangkan dengan mengasumsikan bahwa proses adalah
linear dan telah dicatat sebagai perubahan pada proses dinamik melalui kisaran
model eror yang dipertimbangkan. Pada contoh ini, dipertimbangkan sebuah
proses dimana ketidaklinearan mempengaruhi dinamik selama respon sementara.
Tiga tangki berpengaduk diuraikan pada contoh 7.2 adalah tidak linear bila laju
alir dari aliran B berubah, sebagaimana terlihat pada kenyataan bahwa konstanta
waktu dan gain pada model linear bergantung pada FB. Tentukan dari nilai
dasarnya 6,9 m3/menit hingga 5,2 m3/menit pada perubahan FB. proses dinamik
dihasilkan dari perubahan pada FB, yang diringkas disini untuk model linear
disekitar steady state dasar dan gangguan.
Parameter Ketergantungan pada proses Nilai kasus Nilai kasus
dasar (FB = mengalami
6,9) gangguan (FB =
5,2)
Konstanta V/(FA + FB) 5,0 6,6
waktu, τ (menit)
Gain steady
K p [ ( x A ) A − ( xA ) B ] FB ( FB + FA ) 0,039 0,051
2
state, Kp (%
A/% bukaan)

Model proses berubah selama waktu transient, dan akan tepat untuk
memperbaiki penyetelan. Bagaimanapun juga, tidak mungkin untuk mengubah
penyetelan untuk seluruh gangguan, banyak yang tidak dapat diukur; jadi,
digunakan kasus dasar penyetelan sepanjang waktu transien pada contoh ini.
Hasilnya diplot pada gambar 9.8. Perlu dicatat bahwa transien pertama pada
respon adalah lebih sebagai bentuk balasan dari penurunan pada laju alir yang
dialami, dari pada perilaku osilasi; hal ini karena proses dinamik lebih lambat
disebabkan perubahan pada operasi, dan sebagai konsekwensinya penyetelan
menjadi terlalu agresif. Ketika mengembalikan ke kondisi kasus dasar, penyetelan
hanya mengalami sedikit underdamped, karena kondisinya mendekati dinamik
dimana konstanta penyetelan ditetapkan. Bahkan, untuk perubahan yang
signifikan pada proses dinamik ini, algoritma PID dengan penyetelan dari
hubungan Ciancone (Ciancone correlations) memberikan kinerja yang cocok.
Jadi, sistem tersebut kuat terhadap gangguan yang besarnya dipertimbangkan pada
contoh ini. Bagaimanapun juga, perubahan besar pada operasi proses akan
menghasilkan variasi model yang luas dan dapat dengan serius menurunkan
kinerja atau bahkan menyebabkan ketidakstabilan. Sebuah metode untuk menjaga
kinerja kontrol yang baik pada saat terjadi perubahan besar pada dinamik adalah
dengan terus-menerus menghitung ulang nilai konstanta penyetelan berdasarkan
ganguan yang diukur. Metode ini dijelaskan pada bagian 16.3.
Hasil dari studi penyetelan mengarah kepada dua pengamatan yang penting
mengenai pengaruh dari proses dinamik pada penyetelan. Pertama-tama, kontroler
harus di detuned; yaitu, penyesuaian umpan balik sebaiknya dikurangi seiring
dengan kenaikan fraction dead time dari proses umpan balik. Jadi, kita
menyimpulkan bahwa dead time pada sistem loop umpan balik menghasilkan
pengurangan atau penyesuaian umpan balik yang lambat, dan barangkali kontrol
yang lebih ‘buruk’. Justifikasi secara teoritis untuk hasil ini ditampilkan pada bab
10, dan pengaruh pada kinerja umpan balik ditegaskan pada bab 13.
Pengamatan kedua adalah bahwa kedua model, yaitu proses umpan balik
Gp’(s) dan proses gangguan Gd(s), keduanya mempengaruhi penyetelan; hal ini
ditetapkan dengan membandingkan hasil untuk sebuah gangguan proses, yang
masuk melewati sebuah konstanta waktu orde satu, dengan kondisi perubahan
pada set point, yang merupakan step ideal. Bagaimanapun juga, pengaruh utama
dari penyetelan pada umumnya adalah dari umpan balik dinamik (feedback
dynamics), dan sekali lagi, justifikasi secara teoritis untuk hasil ini akan
ditunjukkan pada bab berikutnya. Studi lain yang dilakukan oleh Hill et al. (1987)
menunjukkan bahwa penyetelan tersebut tidak sensitif terhadap konstanta waktu
gangguan ketika τd > τ; jadi, perbedaan antara gambar 9.5a hingga c dan gambar
9.5d hingga f mewakili perubahan maksimum pada penyetelan sebagai balasan
atas perbedaan tipe gangguan.
Dalam banyak aplikasi kontrol, mode derivatif tidak digunakan. Ini
merupakan kasus bila sinyal pengukuran sangat memiliki noise. Juga, hubungan
penyetelan menunjukkan bahwa waktu derivatif adalah sangat kecil pada saat
fraction dead time kecil. Jadi, hubungan penyetelan untuk sebuah kontroler
Proporsional-Integral (PI) disediakan pada gambar 9.9a dan b untuk sebuah
gangguan dan respon set point. Catat bahwa menggunakan nilai PID dan dengan
mudah menentukan waktu derivatif sama dengan nol bukan merupakan hal yang
benar, karena interaksi antara nilai konstanta penyetelan, meskipun hubungan
pada gambar 9.9 hampir sama dengan yang ada pada gambar 9.5 dikarenakan nilai
waktu derivatif yang kecil pada gambar 9.5.
Hubungan penyetelan yang diberikan pada gambar 9.5 dan 9.9 tergantung
pada tujuan yang ditentukan untuk kinerja kontrol. Merupakan hal yang menarik
untuk membandingkan hasil terhadap suatu tujuan yang berbeda. Salah satu studi
yang terakhir dilakukan menggunakan sebuah prosedur optimasi oleh Lopez et al.
(1969). Dalam studi mereka, tujuannya adalah secara sederhana meminimalkan
IAE (tujuan nomor 1 kita), tanpa memperhatikan kemungkinan variasi pada
umpan balik dinamik atau pembatasan pada perilaku transient variabel
manipulasi. Hasil ini ditampilkan pada gambar 9.10a dan b, dan diaplikasikan
pada contoh berikut.
Contoh 9.5
Proses pengadukan yang telah diubah pada gambar 9.1, dengan fungsi alih
seperti data dibawah akan dikendalikan dengan sebuah kontroler PI. Hitung
konstanta penyetelan berdasakan hubungan pada gambar 9.9a dan b dan 9.10
menggunakan model nominal yang diberikan dibawah. Hitung respon transient
terhadap 2% A step gangguan pada komposisi umpan pada waktu = 7 untuk :
a. Umpan balik nominal proses
b. Pabrik yang diubah seperti yang ditentukan dibawah.
Dengan catatan bahwa nominal dan aktual pabrik memiliki gain steady state
yang sama dan ‘kecepatan respon’ yang diukur dengan waktu untuk mencapai
63% dari nilai steady state hingga step perubahan masukan, perbedaannya adalah
hanya pada fraction dead time.
Nominal pabrik : Yang telah diubah :
2, 0e −2 s 2, 0e −3 s
G p ( s) = G p ( s) =
8s + 1 7s + 1
1, 0 1, 0
Gd ( s ) = Gd ( s ) =
8s + 1 7s + 1
θ + τ = 10 θ + τ = 10
θ θ
= 0, 2 = 0,3
θ +τ θ +τ
Nilai konstanta penyetelan dapat dihitung untuk masing-masing hubungan
dari grafik model nominal berikut :
Ciancone Lopez
Kc 0,9 1,5 % bukaan/% A
TI 5,2 6,0 Menit
Respon dinamik closed-loop diberikan pada gambar 9.11a hingga d, dan
ukuran kinerja kontrol, IAE dirangkum sebagai :

Ciancone Lopez
IAE untuk pabrik nominal 5,9 4,0
IAE untuk pabrik yang telah diubah 7,6 14,5

Hasil ini sebaiknya diantisipasi dari tujuan kontrol yang digunakan untuk
menurunkan hubungan. Korelasi Lopez meminimalkan IAE tanpa
mempertimbangkan model eror. Jadi, kinerjanya akan sangat baik ketika model
pabrik diketahui dengan sangat jelas, tetapi pada contoh ini, ia mengalami osilasi
yang tidak dapat diterima, dan cenderung menjadi tidak stabil bahkan untuk
model yang paling baik yang mempertimbangkan eror. Korelasi Ciancone
menyatakan penyetelan untuk mendapatkan kinerja yang baik dari suatu range
proses dinamik; jadi, kinerjanya tidak mengalami penurunan secara cepat terhadap
model eror.
Hasil dari bagian ini menunjukkan bahwa hubungan penyetelan PID yang
sederhana dapat dikembangkan untuk proses yang dapat dilakukan pendekatan
dengan sebuah model orde satu dengan dead time. Pemilihan dari hubungan yang
tepat bergantung pada tujuan kinerja kontrol. Jika situasi menunjukkan bahwa
tersedia data proses yang akurat dan tidak ada lagi pertimbangan pada variasi
variabel manipulasi, kinerja terbaik didapatkan menggunakan korelasi Lopez
(contohnya IAE terkecil dari variabel kontrol didapatkan dengan umpan balik PI);
bagaimanapun, sistem kontrol dengan penyetelan konstanta tidak akan
mendapatkan hasil yang baik jika model proses mempunyai eror yang signifikan
atau bila pada pengukuran memiliki noise yang signifikan. Sebagaimana tujuan
kinerja kontrol yang telah ditetapkan dengan lebih realistik untuk situasi pabrik
yang sejenis, hasil penyetelan memungkinkan lebih banyak model kesalahan dan
beberapa pembatasan dalam variasi variabel manipulasi, dan hasil dari hubungan
ini memiliki kisaran kinerja baik yang lebih besar. Ini merupakan faktor penting
dalam sistem kontrol yang berfungsi secara terus-menerus selama berbulan-bulan
atau bertahun-tahun seiring perubahan keadaan pabrik. Jadi, korelasi Ciancone
disini direkomendasikan sebagai titik awal untuk banyak sistem kontrol.

Korelasi penyetelan telah dikembangkan sebagai fungsi dari fraction dead time
untuk suatu kontroler PID, sebuah proses orde satu dengan dead time, dan
tujuan kontrol yang tipikal. Hal ini direkomendasikan untuk memperoleh nilai
konstanta penyetelan awal ketika situasi pabrik sesuai dengan faktor yang ada
pada tabel 9.1

Sangat penting untuk mengenali bahwa tidak ada tuntutan yang dibuat dalam
pengoptimalan pada dunia nyata, meskipun sebuah metode optimasi telah
digunakan untuk menentukan jawaban pada masalah matematis. Korelasi
Ciancone secara sederhana menggunakan sebuah definisi realistik dari kinerja
kontrol untuk menentukan penyetelan. Juga, sementara contoh telah menunjukkan
bahwa hubungan tersebut adalah benar untuk parameter model gangguan yang
berbeda dan model eror, perkiraan atas kondisi yang ditentukan dan korelasi
(Tabel 9.1) harus dilakukan dengan hati-hati.
9.5. PENYETELAN-HALUS KONSTANTA PENYETELAN KONTROLER
Konstanta penyetelan dihitung berdasarkan bermacam metode–optimasi,
hubungan, atau analisa stabilitas pada bab berikutnya–sebaiknya dipertimbangkan
sebagai nilai awal. Nilai ini dapat diaplikasikan ke proses untuk mendapatkan
informasi empiris pada kinerja closed-loop dan diubah hingga dicapai kinerja
kontrol yang diinginkan. Menentukan perubahan berdasarkan respon dinamik
awal, sering disebut penyetelan halus (fine-tuning), merupakan hal yang
diperlukan karena eror pada model proses kasus dasar dan penyederhanaan pada
metode penyetelan. Sebuah metode penyetelan halus yang diterangkan disini
adalah untuk suatu proses yang sedang dikendalikan dengan sebuah algoritma
kontrol PI. Metode ini sangat mudah untuk dilakukan dan memberikan tambahan
gambaran pada cara mode kontroler berkombinasi pada ketika mengendalikan
suatu proses.
Setelah konstanta penyetelan awal dihitung dan dimasukkan kedalam
algoritma, status kontroler dapat dipindahkan menjadi otomatis untuk
mengijinkan kontroler melakukan perhitungannya dan menyesuaikan final
element. Kemudian, respon terhadap perubahan set point, didiagnosa untuk
menentukan apakah penyetelan tersebut sudah memuaskan. Perubahan set point
dipertimbangkan disini karena :
1. Dapat dikenali pada saat dilakukan diagnosa
2. Gangguan masukan sederhan yang tergantung pada waktu-sebuah step-
mudah dicapai
3. Besarnya dapat dipilih oleh engineer
4. Pengaruh dari perhitungan mode proporsional dan integral dapat dipisahkan
yang sangat mempermudah diagnosa dari perilaku kontroler.
Respon step dari sebuah sistem kontroldengan suatu kontroler PI yang telah
dilakukan penyetelan dengan baik ditampilkan pada gambar 9.12. Fitur penting
pertama adalah perubahan yang cepat pada variabel manipulasi pada saat set point
berubah. Hal ini dikarenakan mode proporsional dan sama dengan Kc∆E(t), yang
sama dengan Kc∆SP(t). perubahan awal ini biasanya 50 – 150% dari perubahan
pada kondisi steady state akhir. Fitur kedua adalah penundaan (delay), terjadi
karena adanya dead time, adalah waktu antara saat set point diubah dan saat
variabel kontrol mulai merespon. Tidak ada kontroler yang dapat mengurangi
penundaan ini menjadi lebih kecil dari dead time. Selama penundaan, eror
konstan, sehingga proporsional tidak berubah, dan besar dari integral meningkat
secara linear dalam proporsional tehadap KcE(t)/TI. Pada saat variabel kontrol
mulai merespon, proporsional menurun, sementara integral terus meningkat. Di
akhir respon transient, proporsional, menjadi proporsional terhadap eror, yaitu
nol, dan integral telah menyesuaikan terhadap variabel manipulasi menjadi sebuah
nilai yang mengurangi offset menjadi nol.
Nilai dari tafsiran ini dapat dilihat ketika sebuah kontroler yang telah disetel
dengan tidak sesuai, memberikan respon pada gambar 9.13 dipertimbangkan.
Respon kontrol terlihat lambat, menghasilkan IAE yang besar dan waktu yang
lama untuk kembali ke set point. Analisa dari transient menunjukkan bahwa
perubahan awal pada variabel manipulasi ketika set point berubah, dinamakan
proporsional kick, yang hanya sekitar 30% dari nilai akhir, yang mengindikasikan
nilai yang terlalu kecil untuk gain kontroler. Kesimpulan untuk diagnosa ini
adalah bahwa kinerja sistem kontrol dapat ditingkatkan dengan menaikkan gain
kontroler, yang mungkin pada beberapa step umum, dengan sebuah uji pabrik
pada masing-masing step untuk mengawasi hasil dari perubahan. Peningkatan
kinerja dari sistem kontrol dengan menaikkan gain kontroler dengan sebuah faktor
2,5 ditunjukkan pada gambar 9.12.
Contoh 9.6
Sebuah kontroler PI tidak memberikan kinerja kontrol yang dapat diterima.
Analisa pendahuluan menunjukkan bahwa sensor dan control valve berfungsi
dengan baik, sehingga step perubahan dilakukan pada set point-nya. Responnya
ditunjukkan pada gambar 9.14. Lakukan diagnosa dari kinerja, dan beri saran
tindakan perbaikan.
Jawaban
Respon transient sangat berosilasi, yang menunjukkan bahwa kontroler terlalu
agresif. Kemungkinan penyebabnya adalah terlalu besarnya gain kontroler, terlalu
kecilnya waktu integral, atau keduanya. Perubahan proporsional yang cepat hanya
sekitar 70% dari perubahan akhir pada variabel manipulasi; untuk itu, gain
kontroler merupakan kisaran yang beralasan, yang pastinya tidak terlalu besar,
dan seharusnya tidak menyebabkan perilaku osilasi. Kesimpulannya adalah,
waktu integral yang terlalu kecil. Transient memberi respon dengan
menggandakan waktu integral seperti tampak pada gambar 9.12, menegaskan
bahwa kinerja kontrol yang baik dapat dicapai dengan mengubah hanya waktu
integral.

Contoh 9.7
Sistem kontrol tiga tangki pengaduk pada awalnya telah dilakukan
penyetelan, dan respon dinamik dari sistem terhadap perubahan set point
diberikan pada gambar 9.15a. perlu dicatat bahwa pengukuran konsentrasi
mengalami banyak gangguan kecil, karena perubahan konsentrasi pada masukan
dan laju alir proses yang sebanding dengan pengukuran eror. Data noise ini lebih
mendekati mewakili data empiris dari proses pabrik daripada melakukan simulasi
ideal seperti pada gambar 9.12 hingga 9.14. Tujuan kontrol memiliki dua aspek
yang unik dalam contoh ini, yang berbeda dari tujuan umum yang
dipertimbangkan sejauh ini, tetapi bukan suatu hal yang luar biasa dalam industri
proses.
1. Proses downstream lebih sensitif untuk mengalami osilasi pada konsentrasi.
Untuk itu, konsentrasi yang dikendalikan sebaiknya tidak mengalami
overshoot.
2. Pabrik yang menyediakan komponen A berfungsi lebih baik operasi yang
halus. Untuk itu, variasi frekwensi tinggi pada variabel manipulasi harus
diminimalkan.
Konstanta penyetelan awal adalah Kc = 45 % bukaan/% A, TI = 11,0 menit,
dan Td = 0,8 menit. Sarankan perubahan pada nilai konstanta penyetelan yang
dapat meningkatkan kinerja.
Jawaban
Variasi frekwensi tinggi yang sangat besar pada variabel manipulasi
disebabkan oleh besarnya noise yang terukur dan mode derivatif. Untuk itu, saran
pertama adalah menurunkan waktu derivatif menjadi nol. Kemudian, variabel
kontrol overshoot set point-nya, yang dapat dicegah dengan membuat aksi umpan
balik kontroler sedikit kurang agresif. Mengurangi gain kontroler akan
memperlambat respon dan juga sedikit mengurangi variasi frekwensi tinggi pada
variabel manipulasi, keduanya merupakan pengaruh yang diinginkan. Hasil
konstanta penyetelan, yang dapat dicapai setelah beberapa percobaan adalah Kc =
15, TI = 11, dan Td = 0. Merupakan respon dinamik yang lebih memuaskan-yaitu
yang lebih mendekati keinginan tujuan yang ditetapkan untuk contoh ini-
diperoleh dengan konstanta parameter ini. Seperti yang ditunjukkan pada gambar
9.15b. Sebagai catatan bahwa kinerja yang lebih halus dicapai dengan hanya
kenaikan kecil pada IAE, yang berubah dari 11,6 menjadi 12,9.
Contoh penyetelan halus ini menunjukkan bahwa

Analisa respon dari variabel kontrol dan manipulasi terhadap perubahan step
pada set point memberikan informasi diagnosa yang berharga dalam hal baik
buruknya kinerja kontrol, mengijinkan bagi kinerja untuk disesuaikan pada tujuan
kontrol yang unik.
Sekali lagi kita lihat bahwa kedua variabel kontrol dan manipulasi harus
diamati pada saat menganalisa kinerja dari sistem kontrol umpan balik; diagnosa
yang lengkap tidak mungkin dilakukan tanpa informasi dari kedua variabel.
9.6. KESIMPULAN
Titik awal bagi kontrol umpan balik terdiri dari beberapa tujuan dari kontrol,
yang dirinci disini sebagai tiga tujuan. Tujuan tersebut mencakup faktor utama
dalam kinerja kontrol proses; parameter spesifik yang digunakan (contohnya
persen model eror dan pembatasan variasi variabel manipulasi) dapat dipilih untuk
menyesuaikan suatu masalah yang spesifik.

Kinerja kontrol harus ditentukan dengan mematuhi seluruh tujuan penting


operasi pabrik secara teliti, perilaku yang diinginkan dari variabel kontrol dan
manipulasi harus ditentukan untuk gangguan yang diharapkan, model eror dan
pengukuran noise.

Sebuah pengurangan variabel yang sederhana dari fungsi alih closed-loop,


berdasarkan analisa dimensional, dapat diterapkan pada perluasan pengoptimasian
pada hubungan penyetelan umum. Hubungan ini hanya dapat diterapkan pada
sistem yang memiliki asumsi dasar yang valid: proses sebaiknya dapat
ditampilkan dengan baik menggunakan model orde satu dengan dead time, model
eror sebaiknya berada pada kisaran asumsi, dan perilaku variabel kontrol dan
manipulasi yang diinginkan sebaiknya sama dengan tujuan yang terdapat pada
tabel 9.1. Contoh-contoh telah menunjukkan bahwa proses tidak harus persis orde
satu dengan dead time untuk mencapai respon dinamik yang pantas menggunakan
hubungan penyetelan.
Sebuah prosedur penyetelan tiga tahap akan mengkombinasikan metode-
metode pada bab sebelumnya dengan metode pada bab ini. Langkah pertama
adalah untuk menentukan model proses umpan balik G’p(s)Gv(s)Gs(s) dengan
pemodelan dasar atau pemodelan empiris, dengan menggunakan salah satu dari
kurva reaksi proses atau metode identifikasi statistik. Kebanyakan kontrol pada
industri berdasarkan pada model empiris. Pada langkah kedua, akan ditentukan
nilai konstanta penyetelan awal; biasanya nilai tersebut akan ditentukan dari
hubungan umum, tetapi sebuah perhitungan optimasi dapat dilakukan bagi proses
yang tidak cukup termodelkan dengan sebuah model orde satu dengan dead time.
Langkah ketiga meliputi sebuah tes dari sistem kontrol closed-loop dan
penyetelan halus bila diperlukan. Perubahan step pada set point memberikan
informasi yang terpisah pada mode proporsional dan integral untuk memudahkan
diagnosa dan tindakan perbaikan.
Perilaku dinamik dari kedua variabel kontrol dan manipulasi diperlukan untuk
mengevaluasi kinerja dari sistem kontrol umpan balik.

Para pembaca sebaiknya menyadari dengan jelas arti dari kata optimum. Yang
disini digunakan untuk mengartikan hasil yang ditetapkan sehingga memuaskan
beberapa kriteria matematik (contohnya nilai konstanta penyetelan). Kriteria
tersebut adalah tujuan 1 sampai 3. Secara alami, hubungan pada tabel 9.1 dipilih
untuk mewakili dengan baik situasi kontrol sebenarnya untuk mayoritas kasus.
Bagaimanapun, kinerja kontrol memiliki banyak segi, dari keamanan hingga
keuntungan; untuk itu, kadang-kadang sulit untuk meringkas seluruh faktor kritis
kedalam satu ukuran bagi kinerja kontrol. Bahkan bila tujuan matematis dengan
sukses mewakili kinerja yang sebenarnya diinginkan, hasilnya hanya akan
memuaskan pada saat parameter pada formula matematis tersebut menetapkan
perilaku yang diinginkan. Parameter tersebut, seperti variabel pengontrolan
pengukuran noise, model eror pabrik yang diharapkan, dan variasi variabel
manipulasi yang diharapkan, tidak dapat diketahui dengan tepat. Untuk itu,
meskipun solusi matematis adalah optimum, kegunaan dari hasil ini bergantung
pada ketelitian data masukan.

Secara praktik, nilai dari optimasi atau hubungan digunakan sebagai nilai awal
untuk diaplikasikan pada sistem fisik dan ditingkatkan berdasarkan kinerja
empiris selama penyetelan halus.

Ingat, pada saat melakukan penyetelan sebuah kontroler umpan balik, titik awal
tidaklah lebih penting dari pada titik akhir.

Akhirnya, ketiga konstanta penyetelan pada algoritma PID semuanya


mempengaruhi perilaku dinamik dari sistem closed-loop. Ketiganya harus
ditentukan secara simultan dikarenakan interaksi tersebut.
Seharusnya terlihat dengan sangat jelas bahwa pendekatan penyetelan
menggunakan optimasi tidak terbatas pada kontroler PID; jika algoritma lain
disarankan, parameternya dapat dioptimasi dengan prosedur yang sama. Faktanya,
beberapa hasil untuk kontroler umpan balik yang lain ditampilkan pada bab 19.
Teknik-teknik pada bab ini memberikan metode praktis untuk penyetelan
kontroler yang dapat diaplikasikan pada banyak proses. Namun, itu tidak
memberikan penjelasan penting pada beberapa pertanyaan kunci seperti :
1. Kenapa hubungan penyetelan memiliki bentuk seperti gambar 9.5?
2. Kenapa suatu sistem kontrol dapat menjadi tidak stabil, dan bagaimana kita
dapat memprediksi kapan ini akan muncul?
3. Bagaimana kontroler mengubah perilaku dinamis dari sebuah sistem open-
loop menjadi seperti sistem closed-loop?
Metode untuk menjawab pertanyaan yang lebih mendasar tersebut ditujukan
pada bab berikutnya.