Simulasi Pengendalian Proses Reaksi Seri-Paralel Isotermal

Pada RTIK Dengan Model Predictive Control (MPC)

Menggunakan Model Dinamik Linier

Arenst Andreas, Hendera Jhoni, Budi H. Bisowarno

Jurusan Teknik Kimia, Fakultas Teknologi Industri, Universitas Katolik Parahyangan
Ciumbuleuit 94, Bandung 40141
Telp. 08122142285; email: h_kiong_j@yahoo.com

Abstrak

Proses reaksi seri-paralel dilangsungkan dalam Reaktor Tangki Ideal Kontinu (RTIK).
RTIK mempunyai asumsi bahwa komposisi di setiap titik dalam reaktor sama dan komposisi
keluaran reaktor sama dengan komposisi dalam reaktor. RTIK yang digunakan dalam penelitian
ini bersifat isotermal. Pengendalian dilakukan terhadap proses reaksi pada RTIK tersebut. Teknik
pengendalian yang digunakan adalah Model Predictive Control (MPC). MPC merupakan teknik
pengendalian dengan memprediksi variabel output menggunakan model dinamik linier.
Berdasarkan prediksi ouput tersebut, diperoleh input yang meminimumkan fungsi objektifnya.
Input tersebut akan digunakan untuk meminimalisasi pengaruh perubahan pada gangguan.
Penelitian ini dilakukan dalam dua tahap simulasi, yaitu simulasi awal dan simulasi utama.
Simulasi awal bertujuan untuk mendapatkan model dinamik linier. Model dinamik linier ini akan
divalidasikan dengan model dinamik non linier yang menggambarkan proses pada RTIK. Validasi
dilakukan dengan membandingkan respon step kedua model tersebut. Model linier yang telah
valid akan digunakan dalam simulasi utama. Simulasi utama bertujuan untuk mendapatkan
parameter tuning MPC, yaitu weighting factors (ywt, uwt) dan prediction dan control horizon (P,
M), yang optimal. Tuning parameter dilakukan dengan memvariasikan satu parameter sementara
tiga lainnya tetap (trial and error). Nilai awal parameter tuning ditetapkan konstan pada
ywt=1,uwt=1,M=1,dan P=30. Kinerja parameter tuning ini ditentukan berdasarkan standar
deviasi. Adapun tujuan pengontrolan yang ingin dicapai adalah agar respon output tetap berada
pada keadaan tunaknya.

Kata kunci/Key words:MPC, parameter tuning, state space model, respon CB.

1. Pendahuluan

Reaktor mempunyai peran yang sangat penting dalam setiap proses kimia, karena merupakan satu-
satunya tempat terjadinya reaksi, dimana reaktan diubah menjadi produk. Reaksi kimia dibedakan
menjadi dua macam berdasarkan jumlah fasa yang terlibat, yaitu reaksi homogen dan heterogen. Reaksi
homogen hanya melibatkan satu fasa, sedangkan reaksi heterogen melibatkan lebih dari satu macam fasa.
Reaksi seri-paralel yang disimulasikan dalam Reaktor Tangki Ideal Kontinu (RTIK) adalah:
A B C , rA = k 1C A k 3 C A 2
k1 k2 , rB = k 1 C A k 2 C B
2A D
k3
dimana, A = cyclopentadiene, B = cyclopentenol, C = cyclopentanediol, D = dicyclopentadiene.
Model matematik yang dapat disusun berdasarkan reaksi di atas, adalah:
d (C A ) F
= ( C A o C A ) k 1C A k 3 C A
2

dt V
d (C B ) F
= C B + k 1C A k 2 C B
dt V
Model matematik ini menggambarkan proses reaksi RTIK. Model matematik ini diperoleh dari penurunan
neraca massa komponen. Model matematik ini merupakan model dinamik non linier. Model dinamik non
linier ini harus dilinierisasi sebelum digunakan dalam pengendalian.
Teknik pengendalian yang digunakan dalam penelitian ini adalah Model Predictive Control
(MPC). MPC merupakan suatu teknik kontrol optimasi berdasarkan metode pemilihan kontrol input
dengan cara meminimumkan fungsi objektifnya. Teknik pengendalian ini dilakukan dengan cara
memprediksi variabel output proses menggunakan model dinamik linier proses. Berdasarkan prediksi
output ini, maka akan diperoleh input yang akan digunakan untuk meminimalisasi pengaruh perubahan
pada gangguan. Adapun kelebihan MPC yaitu dapat melakukan optimasi untuk sistem MIMO, sedangkan
kelemahan MPC terletak pada banyaknya parameter tuning yang digunakan, yaitu ywt dan uwt (weighting
factors), M (control horizon), dan P (prediction horizon).
Tujuan pengontrolan dalam penelitian ini adalah menjaga CB disekitar set point dengan
meminimalisasi pengaruh perubahan step maupun fluktuatif pada gangguan. Variabel input di dalam
penelitian ini adalah waktu tinggal reaksi, dengan laju alir masukan (feedstream) sebagai variabel
manipulasi, sedangkan variabel output adalah konsentrasi produk B (CB). Variabel gangguan dalam
penelitian ini adalah konsentrasi umpan masuk ke reaktor (CAo). Perubahan yang dilakukan pada
gangguan yaitu berupa perubahan step sebesar 1 satuan dan perubahan fluktuatif dengan menstimulasi
bilangan random antara -0.5 sampai 0.5. Asumsi yang digunakan dalam penelitian ini, yaitu aliran
masukan hanya mengandung komponen A. Dinamika variabel input, output, dan gangguan pada proses
RTIK dapat dilihat pada Gambar 1.

Gambar 1 Blok Diagram proses RTIK

2. Metodologi

Simulasi dalam penelitian ini akan dilakukan dua tahap, yaitu simulasi awal dan simulasi utama.
Simulasi awal dilakukan untuk memperoleh model dinamik linier proses yang akan digunakan pada
simulasi utama. Untuk mendapatkan model dinamik linier proses, digunakan metode linierisasi dengan
Deret Taylor. Setelah diperoleh model dinamik linier akan dilakukan validasi data berdasarkan respon
step antara model linier dan non linier. Model linier yang telah valid akan digunakan dalam simulasi
utama. Algoritma simulasi awal dapat dilihat pada Gambar 2 berikut ini.
Sistem Reaksi pada
RTIK

Model Dinamik Non-

Linier

Linierisasi

Respon Step Respon Step

Model Dinamik Model
Non-Linier Dinamik Linier

Perbandingan Tidak
Data

Ya

Diperoleh Model
Dinamik Linier

Gambar 2 Algoritma Simulasi Awal

 Sedangkan pada simulasi utama akan digunakan teknik pengendalian dengan Model Predictive
Control (MPC). Tuning parameter MPC dilakukan dengan metode trial and error. Dalam simulasi utama
dilakukan variasi perubahan pada gangguan berupa perubahan step dan fluktuatif. Parameter tuning MPC
divariasikan agar pengaruh perubahan pada gangguan dapat diminimalisasikan, sehingga tujuan
pengontrolan tercapai. Algoritma simulasi utama dapat dilihat pada Gambar 3 berikut ini.

Gambar 3 Algoritma Simulasi Utama

3. Hasil dan Pembahasan

Dari linierisai dengan Deret Taylor diperoleh model linier dalam state space model, yaitu:

x ' = Ax '+ Bu '+ Bid '

y ' = Cx '+ Du '
Fs
k1 2k 3 C As 0 5.7367 0
dimana, A = V =

k 2 0.8333 4.5411
Fs
k1
V
C Aos C As 3.9130
B= =
C Bs 1.1170
Fs 2.8744
Bi = V =
0
0
 C =[0 1] D=[0 ]
Hasil validasi data respon step antara model linier dan non linier dapat dilihat pada Gambar 4
berikut ini.

Keterangan Gambar:
- garis kuning menunjukkan model non linier
- garis merah menunjukkan model liner

Gambar 4 Respon Step Model Linier dan Non Linier

Dari Gambar 4 dapat dilihat bahwa pada model non linier konsentrasi produk B mencapai keadaan
tunak baru dari 1.117 mol/L menjadi 1.0015 mol/L, sedangkan pada model linier konsentrasi produk B
menjadi 0.99619 mol/L. Selisih konsentrasi produk B pada keadaan tunak baru antara model linier dan
non linier hanya sebesar 0.00531. Hal ini menunjukkan bahwa model linier telah mewakili model non
linier untuk perubahan step sebesar 1 satuan. Selanjutnya model linier ini digunakan dalam simulasi
utama.
Hasil simulasi utama berupa nilai-nilai parameter tuning MPC yang paling optimal dalam
meminimalisasi pengaruh perubahan pada gangguan. Kinerja parameter tuning MPC diukur berdasarkan
standar deviasi dan ISE (Integral of the Square Error), dimana semakin kecil nilai standar deviasi dan
ISE semakin baik kinerja pengontrol MPC. Hasil penelitian menunjukkan bahwa semakin kecil nilai uwt
dan M, maka kinerja pengontrol semakin baik, dan semakin besar nilai P maka kinerja pengontrol
semakin baik. Untuk parameter tuning ywt, kinerja pengontrol paling optimal pada nilai ywt 6.29.
Konfigurasi nilai parameter MPC terbaik yaitu pada ywt=6.29, uwt=1, M=1, dan P=30.
Konfigurasi ini memberikan nilai standar deviasi paling minimum. Hasil respon konsentrasi produk B
(CB) untuk konfigurasi parameter tersebut dapat dilihat pada Gambar 5 untuk perubahan step pada
gangguan dan Gambar 6 untuk perubahan fluktuatif pada gangguan.

Gambar 5 Respon CB terhadap Perubahan Step pada Gangguan

 Gambar 6 Respon CB terhadap Perubahan Fluktuatif pada Gangguan

Dari Gambar 5 dan 6 dapat dilihat bahwa respon CB hampir tidak berfluktuasi dan selalu berada
pada keadaan tunaknya. Hal ini menunjukkan bahwa konfigurasi parameter tuning MPC ini paling
optimal dalam meminimalisasi perubahan pada gangguan, baik berupa step maupun fluktuatif.

4. Kesimpulan

1. Model linier yang diperoleh dapat mewakili model non linier sistem.
2. Parameter tuning ywt memiliki suatu nilai yang meminimumkan standar deviasi, yaitu 6.29.
3. Semakin kecil nilai uwt dan M, maka kinerja pengontrol semakin baik.
4. Semakin besar nilai P, maka kinerja pengontrol semakin baik.
5. Kontrol Objektif penelitian ini, yaitu menjaga konsentrasi produk B (CB) di sekitar set point
(CBs=1.117 mol/L) telah tercapai dengan menggunakan MPC.

NOTASI
Fo laju alir volumetrik masuk ke reaktor (m3/menit)
F laju alir volumetrik keluar dari reaktor (m3/menit)
CAo konsentrasi umpan masuk ke reaktor (mol/L)
CA konsentrasi zat A keluar dari reaktor (mol/L)
CB konsentrasi zat B keluar dari reaktor (mol/L)
Fo/V waktu tinggal reaksi di reaktor (menit-1)
3
V volume reaktor (m )
t waktu (menit)
k1 konstanta reaksi untuk AB (min-1)
k2 konstanta reaksi untuk BC (min-1)
k3 konstanta reaksi untuk 2AD (mol L-1 min-1)
ywt weighting factor
uwt weighting factor
P prediction horizon
M control horizon

DAFTAR PUSTAKA
1. Bequette, B.Wayne, (1998), Process Dynamics Modeling, Analysis and Simulation, Prentice-
Hall,Inc., New Jersey.
2. Findeisen, Rolf, Frank Allgower, An Introduction to Nonlinear Model Predictive Control, Institute
for Systems Theory in Engineering, University of Stuttgart, Germany.
3. Henson, Michael A., Dale E. Seborg (editor), (1997), Nonlinear Process Control, Prentice-Hall
PTR, New Jersey.
4. Hill, C., (1977), An Introduction to Chemical Engineering Kinetics & Reactor Design, John Wiley
& Sons, The University of Winconsin, New York.
5. Levenspiel, O., (1999), Chemical Reaction Engineering 3rd edition, John Wiley & Sons, New
York.
6. Luyben, William L., (1990), Process Modeling, Simulation and Control for Chemical Engineers 2nd
edition, McGraw-Hill Publishing Company, International Edition, USA.
7. Luyben, Michael L., William L., (1997), Essentials of Process Control, McGraw-Hill Publishing
Company, International Edition, USA.
8. Marlin, Thomas E., (1995), Process Control Designing Processes and Control Systems for Dynamic
Performance, McGraw-Hill International Editions, Chemical Engineering Series.
9. Marlin, Thomas E., (2000), Process Control 2nd editon, McGraw-Hill International Editions.
10. Schon, Thomas, Identification for Predictive Control - A Multiple Model Approach, Division of
Automatic Control, Department of Electrical Engineering, Linkoping University, Sweden.
11. Seborg, D., Edgar, T., dan Mellichamp, D., (1989), Process Dynamics and Control, John Wiley &
Sons, New York.
12. Stephanopoulos, G., (1984), Chemical Process Control: An Introduction to Theory and Practice,
Prenctice-Hall International Editions.
13. Anonymous, Description Topics, (2003),
http://www.mathworks.com/products/mpc/description1.jsp.
14. Anonymous, Explicit Model Predictive Control, (2000),
http://www.ee.ethz.ch/research/control/nonlinear.en.html.
15. Anonymous, Process Models,
http://www.che.utexas.edu/~qin/cpcv/node8.htmI.