Dalam dua dekade terakhir, struktur konsumsi produk minyak bumi telah
berubah secara dramatis di seluruh dunia. Sementara itu, kualitas minyak mentah
telah memburuk, terutama di Cina daratan. Lebih dari 65% minyak mentah diimpor
di seluruh dunia, meningkatkan kesulitan untuk menghasilkan produk minyak
rendah sulfur, rendah nitrogen, dan berkualitas tinggi. Teknologi hydrocracking
ditandai oleh kemampuan beradaptasi bahan yang kuat, proses produksi yang
fleksibel, dan kualitas produk yang sangat baik. Dibandingkan dengan catalytic
cracking dan coking, yang sama pentingnya dalam pemurnian minyak,
hydrocracking telah menarik perhatian yang meningkat dari industri pemurnian
minyak karena daya saingnya yang kuat (Lyons, 1996).
Hydrocracking adalah salah satu teknologi utama dalam penyulingan
minyak. Ini telah menjadi unit pemrosesan sekunder yang penting di kilang untuk
meningkatkan kualitas minyak produk dan meningkatkan volume produksi minyak
ringan. Dengan demikian, optimisasi operasi untuk proses ini sangat penting. Dasar
optimasi operasi adalah model, dan beberapa mekanisme untuk model
hydrocracking telah diusulkan dan dipelajari. Namun, model ini biasanya
memerlukan waktu lama dan menunjukkan efisiensi rendah terutama ketika
diterapkan untuk mengoptimalkan kondisi operasi. Dalam studi ini, model
pengganti hydrocracking Kriging dikembangkan berdasarkan pada mekanisme dan
data industri. Algoritma optimasi kemudian diusulkan untuk mengoptimalkan
kondisi operasi. Algoritma yang diusulkan mengintegrasikan strategi langkah-
langkah pencarian global dan lokal (GLSS) langkah-adaptif untuk meminimalkan
prediktor. Hasil simulasi menunjukkan bahwa strategi optimasi ini
mengintegrasikan GLSS dan model pengganti Kriging memperoleh pendapatan
yang lebih baik dari proses produksi daripada algoritma konvensional seperti EGO,
DDS, dan CAND.
Dalam studi ini, model pengganti untuk proses hydrocracking industri
ditetapkan menggunakan model Kriging. Namun, mengoptimalkan proses
hydrocracking berdasarkan model Kriging sulit. Untuk mengatasi masalah
optimisasi ini di bawah beberapa variabel input, diusulkan metode optimisasi baru
- algoritma GLSS -. Algoritme menggunakan algoritma SQP untuk melakukan
pencarian lokal dan menggabungkan metode ukuran langkah adaptif untuk
meningkatkan efisiensi pencarian. Pada saat yang sama, untuk menghindari
terperangkap ke dalam optimal lokal, strategi pencarian global terintegrasi untuk
meningkatkan kemampuan pencarian global. Dibandingkan dengan metode
pengoptimalan lainnya, algoritma GLSS dapat memperoleh solusi optimal global
secara akurat dengan iterasi yang lebih sedikit. Dalam percobaan fungsi pengujian
dan proses hydrocracking industri, kinerja optimisasi algoritma GLSS secara
signifikan lebih baik daripada tiga algoritma lainnya. Distribusi hasil massa diubah
dengan mengoptimalkan kondisi operasi proses hydrocracking. Pada akhirnya,
tujuan meningkatkan manfaat ekonomi dari perusahaan petrokimia tercapai.
RESUME JURNAL
TUGAS
OLEH :
SYAHRUL RAMADHAN
D611 16 309
GOWA
2019