145
ABSTRAK
Unit boiler sangatlah penting pada industri pupuk seperti di PT. Petrokimia Gresik, khususnya dalam
produksi steam. Kualitas steam yang dihasilkan steam sangat dipengaruhi oleh aliran gas buang panas yang
dihasilkan dari pembakaran di dalam turbin gas dan juga dipengaruhi oleh level dari drum itu sendiri. Untuk
bisa menghasilkan kualitas steam yang baik, maka berbagai parameter di dalamnya harus dapat dikontrol
dengan baik, mengingat karakteristik dinamiknya yang sering berubah menyesuaikan beban proses yang ada.
Salah satu komponen kontrol yang penting adalah High Pressure Steam Drum (HP drum). Parameter kontrol
yang harus dijaga dengan baik adalah level air pada steam drum.
Oleh karena itu dalam penelitian ini, dengan memperhatikan struktur agar tidak terlalu mengganggu
sistem yang telah ada, maka ditawarkan solusinya menggunakan kontrol adaptif yaitu dengan merancang suatu
sistem pengontrolan level pada steam drum waste heat boiler berbasis neuro fuzzy jenis Adaptive Neuro Fuzzy
Inference System (ANFIS).
Berdasarkan hasil simulasi dan pengujian, maka dapat diambil kesimpulan bahwa pemodelan sistem
berbasis pada neuro fuzzy dengan 3 masukan, 1 keluaran serta model dinamika invers plant pada HP steam
drum telah menunjukkan hasil yang cukup baik. Selain itu performansi pengontrol neuro fuzzy dalam kecepatan
beradaptasi dan kemampuan belajar cukup baik dalam mengejar set point .
1)
Staf Pengajar di Fakultas Teknik Jurusan Teknik Elektro Universitas Katolik Widya Mandala Surabaya
WIDYA TEKNIK Vol. 9, No. 2, 2010 (145-156)
WHB merupakan tipe boiler yang konvensional, model matematika plant, dan
memanfaatkan aliran gas buang dari turbin gas tuning parameter pengontrol harus ditentukan
yang masih memiliki suhu tinggi. Sekitar 60% sebelum mengimplementasikan pengontrolnya.
dari 70% panas yang dihasilkan oleh Oleh sebab itu dalam penelitian ini,
pembakaran di dalam turbin gas dimanfaatkan dengan memperhatikan struktur agar tidak
kembali oleh WHB untuk membantu terlalu mengganggu sistem yang telah ada,
menghasilkan steam. maka ditawarkan solusinya menggunakan
Besar/kualitas steam yang dihasilkan baik kontrol adaptif yaitu dengan merancang suatu
itu suhu, tekanan maupun laju aliran steam sistem pengontrolan level pada steam drum
sangat dipengaruhi oleh aliran gas buang panas waste heat boiler berbasis neuro fuzzy jenis
yang dihasilkan dari pembakaran di dalam Adaptive Neuro Fuzzy Inference System
turbin gas. Di samping itu, steam yang (ANFIS).
dihasilkan juga dipengaruhi oleh level dari
drum itu sendiri. Untuk bisa dihasilkan steam
dengan kualitas yang baik tersebut, maka TINJAUAN PUSTAKA
berbagai parameter di dalamnya harus dapat Sistem Waste Heat Boiler
dikontrol dengan baik, mengingat karakteristik Produk utama unit proses boiler di PT.
dinamiknya yang sering berubah menyesuaikan Petrokimia Gresik yang berupa steam ini pada
beban proses yang ada. Salah satu komponen proses selanjutnya dipakai pada unit proses
kontrol yang penting adalah High Pressure amonia, dan urea. Adapun skema sistem boiler
Steam Drum (HP Drum). Parameter kontrol secara umum dapat disajikan pada Gambar 1 di
yang harus dijaga dengan baik adalah level air mana terdiri dari beberapa sub sistem yang
pada steam drum tersebut yang harus selalu antara lain berhubungan dengan: air (feedwater,
dijaga pada ketinggian tertentu. Apabila terlalu drum), steam (drum, superheater), combustion
tinggi, maka steam akan basah sehingga chamber, waterwalls (risers), reheater, dan
berpotensi merusak peralatan-peralatan yang economizer. Hal ini berakibat terdapatnya
menggunakan steam tersebut, seperti steam beberapa variabel yang berpengaruh secara
turbine dan lain-lainnya. Sebaliknya apabila internal, dan hanya digunakan di dalam loop
terlalu rendah, maka tube-tube dari boiler yang kontrol lokal (misalnya: level air di drum, suhu,
bersangkutan akan menjadi over heated dan tekanan steam boiler, serta tekanan udara di
sehingga umur boiler menjadi singkat. ruang bakar (furnace).
Pada saat ini, sistem yang digunakan di
PT. Petrokimia Gresik menggunakan algoritma
klasik Proportional Integral Derivative (PID)
Control yang diimplementasikan pada sistem
kontrol terdistribusi yang tidak mempunyai
kemampuan melakukan auto tuning.
Keberhasilan pemakaian algoritma tersebut
sangat tergantung seberapa baik hasil tuning
parameter pengontrol, yang umumnya
dilakukan dengan metoda coba-coba (trial
error).
Teknik pengontrol klasik P, PI, dan PID
telah menjadi basis dalam sistem kontrol yang
sederhana, dan implementasinya memang telah
begitu meluas dalam berbagai industri. Namun,
Gambar 1. Skema Umum Sistem Boiler
teknik pengontrol klasik ini tidak mampu
mengkompensasi perubahan parameter yang
Dari skema umum sebagaimana yang
terjadi di dalam plant, dan tidak dapat
disajikan pada Gambar 1 dapat dijelaskan
beradaptasi terhadap perubahan lingkungannya,
bahwa boiler feedwater dialirkan ke drum di
di samping itu terdapat kendala pada tuning
mana di dalam drum tersebut terjadi evaporasi
parameter-parameter pengontrolnya yang masih
air. Air kemudian mengalir ke dalam
manual, sehingga sangat tergantung dari
downcomers, dan masuk ke risers. Di dalam
pengetahuan, dan pengalaman operator serta
risers panas dari pembakaran digunakan untuk
masih sedikitnya penggunaan pengontrol yang
menaikkan suhu air yang berakibat akan terjadi
well tuned. Di lain pihak, dalam teknik kontrol
evaporasi dari air. Jadi sirkulasi air, steam, serta
146
Yuliati: PERANCANGAN SISTEM PENGONTROLAN LEVEL PADA STEAM DRUM WASTE HEAT ...
campuran air dan steam terjadi di dalam drum, pada kondisi tertentu. Selain gas buangan dari
downcomers, dan risers. Steam yang dibuat di turbin gas, masukan utama yang dikontrol ke
dalam risers kemudian dipisahkan di dalam sistem boiler adalah air umpan boiler
drum dari steam yang mengalir melalui (feedwater) disebut juga Boiler Feed Water
superheater yang berasal dari HP turbine. Hal (BFW). BFW akan masuk ke sistem WHB
ini kemudian di-recycle ke reboiler (terlebih melalui pompa kondensat P2221A/B, dan
dahulu ke dalam reheater) di mana energinya menuju ke Low Pressure drum (LP drum)
dinaikkan. Adapun desuperheating spray water melalui deaerator. LP drum ini juga terhubung
di dalam superheater digunakan untuk dengan LP evaporator yang berperan untuk
mengontrol suhu steam. Risers menyerap panas menaikkan suhu air di dalam drum, sehingga air
di dalam pembakaran. Perpindahan panas gas menguap menjadi steam.
hasil pembakaran dengan cara radiasi, dan Proses sirkulasi antara LP drum, dan LP
konveksi ke superheater. Kemudian panas evaporator akan berlangsung secara internal,
tersebut ditransfer dengan konveksi ke reheater, dan berulang sehingga steam yang dihasilkan
dan akhirnya ke economiser sebelum ke luar dari BFW di dalam deaerator akan menuju pada
boiler melalui stack. suhu jenuhnya. Namun, ketika suhu jenuhnya
Sistem boiler yang ada di PT. Petrokimia masih belum tercapai untuk menghasilkan
Gresik merupakan sistem boiler tipe Waste steam pada LP drum, maka diperlukan masukan
Heat Boiler (WHB) yang memanfaatkan energi steam tambahan yang berasal dari High
panas gas buangan (exhaust gas) dari turbin Pressure drum (HP drum). Steam pada LP
gas. Proses ini bertujuan untuk memanaskan drum yang telah mencapai titik jenuhnya akan
feedwater pada superheater, sehingga meninggalkan drum, dan dipompakan kembali
menghasilkan laju aliran steam. Diagram Proses oleh pompa BFW P2222 A/B menuju
sistem WHB (berdasarkan Piping & Instrument economizer. Kondisi yang sama seperti pada LP
Diagram (P&ID) Exhaust Gas PT. Petrokimia- drum, maka HP drum ini juga terhubung
Gresik No. 55012/6200) dapat dilihat pada dengan High Pressure (HP) evaporator yang
Gambar 2. mempunyai fungsi yang sama. Selanjutnya
steam pada HP drum ini akan menuju
superheater untuk terus dipanaskan, sehingga
mencapai suhu steam yang diinginkan, dan juga
menjadi keluaran dari sistem WHB selain aliran
dan tekanan steam.
Sebagai catatan bahwa suhu keluaran dari
steam akan dikontrol pada suhu acuan 460oC
dengan menginjeksi kembali ke superheater.
Berdasarkan referensi sistem manual operasi
WHB PT. Petrokimia Gresik[1], sistem WHB ini
terdiri dari beberapa sub sistem, yaitu
Superheater, Evaporator tekanan tinggi (High
Pressure Evaporator) dan Evaporator tekanan
rendah (Low Pressure Evaporator),
Economizer, Lower Header, LP/HP
Gambar 2. Skema P&ID (Exhaust Gas Sistem Downcomers, Drum, Saluran pipa Ducting),
Waste Heat Boiler) Ruang pembakar (Firing Room), dan
Pembungkus Boiler (Casing).
Pada kondisi operasi normal, aliran gas
buang akan dialihkan langsung menuju ke Kondisi Operasi Sistem WHB
WHB, namun ketika hanya turbin gas yang Loop proses kontrol sistem WHB
beroperasi, maka katup pengalih (diverter) akan beroperasi pada dua kondisi baik secara manual
mengalihkan gas buang tersebut menuju by- maupun otomatik. Secara manual apabila sinyal
pass stack untuk dibuang ke udara. Peran dari kontrol tidak berasal dari kalkulasi pengontrol,
pembakar (duct burner) sangat penting untuk tetapi langsung berasal dari perintah operator di
mempertahankan aliran panas dengan cara lapangan. Loop proses ini dapat dianggap
mengatur suhu yang masuk ke boiler agar sebagai suatu proses loop terbuka (open loop
kondisi steam yang diproduksi baik berupa system). Sebaliknya apabila operasi dilakukan
suhu, laju aliran, maupun tekanan dapat terjaga secara otomatis, maka sinyal kontrol yang
diberikan oleh pengontrol dirancang dengan
147
WIDYA TEKNIK Vol. 9, No. 2, 2010 (145-156)
suatu unjuk kerja tertentu. Sebagian besar dikeluarkannya indikasi tanda bahaya. Apabila
pengontrol di lapangan pada sistem WHB keadaan memburuk, dan membahayakan, maka
menggunakan pengontrol PID, dan merupakan sistem otomatis akan shutdown. Dalam hal
sistem kontrol loop tertutup (closed loop boiler kondisi unhealthy (salah satu peralatan
system). pengaman boiler memberikan sinyal trip) dan
Selama beroperasi, agar steam bisa diverter tidak mau menutup, maka turbine gas
dihasilkan dengan kualitas yang baik, maka akan secara otomatis shut down.
berbagai parameter di dalamnya harus dapat
dikontrol dengan baik, mengingat karakteristik Model Neuro Fuzzy
dinamiknya yang sering berubah menyesuaikan Pada perancangan sistem kontrol berbasis
beban proses yang ada. Salah satu komponen pada pemodelan sistem (model based control)
kontrol yang penting adalah pengontrolan level tentunya diperlukan suatu model yang bisa
air pada High Pressure steam drum (HP drum) merepresentasikan dinamika suatu proses.
yang harus tetap terjaga pada batas normalnya, Khusus untuk model yang mempunyai
dan harus dipastikan bahwa level tersebut tidak karakteristik non linier, maka dalam
berada pada batas level terendah (minimum perancangan sistem kontrolnya diperlukan
30% level) daerah aman operasi. Hal ini untuk penentuan struktur modelnya terlebih dahulu,
menghindari terjadinya tube dari boiler yang dan biasanya struktur model dari proses tidak
bersangkutan menjadi over heated sehingga diketahui. Oleh karena itu, diperlukan suatu
umur boiler menjadi lebih singkat.. Sebaliknya, metode pendekatan dalam menentukan struktur
apabila level air terlalu tinggi (maksimum 80% modelnya. Dalam hal ini akan dilakukan
level), maka steam akan basah sehingga pendekatan dengan menggunakan teknik
berpotensi merusak peralatan-peralatan yang identifikasi sistem yang merupakan salah satu
menggunakan steam tersebut, seperti: steam dari sekian banyak metode pemodelan sistem
turbine dan sebagainya. berdasarkan pada data masukan dan keluaran
Kondisi aman lain yang harus tetap dijaga proses (plant).
adalah tekanan steam untuk mencegah Pemodelan berbasis model Neuro fuzzy
terjadinya hal-hal yang tidak diinginkan selama Nonlinear Auto Regressive with eXogeneous
proses berlangsung yang diakibatkan oleh input (NARX) merupakan suatu model yang
tekanan maksimum. Oleh sebab itu menyatakan bagaimana hubungan antara
perancangan sistem interlock sebagaimana masukan keluaran sebelumnya dengan keluaran
tertera pada Tabel 1 dilakukan untuk prediksinya. Secara umum model NARX
mengantisipasi hal-hal yang tidak diinginkan dinyatakan dalam bentuk persamaan:
tersebut. Prosedurnya dilakukan secara bertahap ym (k 1) F( y(k),...,y(k na 1),u(k),u(k nb 1)
dimulai dari pengecekan, dan pengujian sistem (1)
secara interval regulasi sampai dengan dengan:
Tabel 1. Perancangan Trip pada Sistem Pembakar, y (k ),..., y (k na 1) dan
Boiler, dan Turbin Gas
u (k ),..., u (k n b 1)
berturut-turut adalah
Boiler* Pembakar
Terjadi Trip apabila: keluaran dan masukan proses sebelumnya,
Tekanan steam Tekanan steam high y m (k 1) merupakan keluaran prediksi proses,
high high high
n a , nb adalah dinamika order dari proses, dan
Suhu steam high Suhu steam high high
high Level pada LP drum F adalah fungsi nonlinier.
Level pada LP low low (2x) Dengan demikian dalam hal ini,
drum low low (2x) Level pada HP drum pemilihan model dan penentuan parameter
Level pada HP low low (2x) model sangat mempengaruhi perhitungan
drum low low (2x) Suhu ruang bakar high keluaran prediksinya, dan pada tahap
Suhu ruang bakar high selanjutnya berperan pada perancangan
high high Tekanan udara dari pengontrolnya.
kipas bertekanan Metode neuro fuzzy, merupakan
rendah low low kolaborasi antara algoritma pembelajaran dari
Ket : * indikasi trip terjadi dan diikuti dengan
Jaringan Syaraf Tiruan (JST) dengan teori
penutupan diverter valve
** indikasi trip terjadi diiukuti dengan tidak Logika Fuzzy. Algoritma JST digunakan untuk
menutupnya diverter valve dalam 60 menentukan parameter-parameter dari sistem
detik inferensi fuzzy. Selanjutnya, pada penelitian ini
148
Yuliati: PERANCANGAN SISTEM PENGONTROLAN LEVEL PADA STEAM DRUM WASTE HEAT ...
149
WIDYA TEKNIK Vol. 9, No. 2, 2010 (145-156)
Lapisan 5:
Lapisan ini hanya terdiri dari satu node. Gambar 4. Blok Diagram Sistem Kontrol Umpan
Keluaran dari lapisan ini adalah: Balik Sistem Waktu Diskrit
wi f i
Tahap pembelajaran inverse plant untuk
Oi ,5 f wi f i i i=1,2 (7)
i
wi
i
merancang pengontrol berbasis neuro fuzzy
dilakukan dalam dua tahap secara bersamaan,
Adapun ringkasan keseluruhan tahap proses sehingga sesuai dengan metode adaptif kontrol
pembelajaran hybrid dapat disajikan pada Tabel klasik. Tahap pertama merupakan tahap
2. pembelajaran, di mana teknik secara on line
maupun off line dilakukan untuk memodelkan
Tabel 2. Proses Pembelajaran Hybrid pada ANFIS dinamika inverse dari plant. Selanjutnya, model
Keterangan Arah maju Arah mundur neuro fuzzy yang diperoleh merepresentasikan
Parameter Tetap Gradient dinamika inverse dari plant, kemudian
premis descent digunakan untuk membangkitkan aksi kontrol
Parameter Least Square Tetap dalam tahap aplikasi. Adapun blok diagram
konsekuen Estimate untuk metode invers control ini dapat disajikan
Sinyal Keluaran Sinyal error pada Gambar 5. Misalkan plant berorde n dapat
node
dinyatakan dalam bentuk persamaan (9).
Misalkan dipilih pada state k 2 , maka
Pengontrol Neuro Fuzzy[3,4]
Secara umum sistem kontrol time berlaku bahwa:
invariant dapat dinyatakan dalam bentuk x( k 2) f ( x (k 1), u ( k 1)) (10)
persamaan : f ( x ( k ), u ( k ), u (k 1))
x (t ) f ( x (t ), u (t )) (dinamic plant) (8) Secara umum untuk plant berorde n dapat
u (t ) g ( x (t )) (pengontrol) dinyatakan dalam bentuk:
x(k n) F ( x(k ),U ) (11)
Tujuan dari pengontrol adalah untuk
menentukan fungsi pengontrol g(.) sedemikian
sehingga state plant x(t) mengikuti sedekat
mungkin trayektori x d (t ) yang diinginkan.
Adapun blok diagram sistem kontrol umpan
balik sistem waktu diskrit dapat disajikan pada
Gambar 4 atau dapat dinyatakan dalam bentuk
persamaan:
x ( k 1) f ( x (k ), u (k )) (plant) (9)
u ( k ) g ( x ( k )) (pengontrol)
dengan:
x( k 1) dan x(k ) berturut-turut merupakan
keluaran state pada saat k 1 dan k dan (b)
Gambar 5. Blok Diagram Metode Inverse Kontrol
u (k ) sinyal kontrol pada k . (a). Tahap Pembelajaran, (b). Tahap Aplikasi
150
Yuliati: PERANCANGAN SISTEM PENGONTROLAN LEVEL PADA STEAM DRUM WASTE HEAT ...
dengan: n adalah orde plant, F sebagai fungsi untuk memperoleh landasan teori dan
komposit berulang, dan U merupakan aksi eksperimen baik melalui studi pustaka
kontrol pada k sampai dengan k n 1 . maupun survei langsung ke lapangan.
Dengan asumsi bahwa plant bersifat dinamika Melalui studi pustaka ini akan diperoleh
informasi tentang mekanisme serta model
inverse, U dapat dinyatakan sebagai: proses yang menjadi subyek penelitian,
U G ( x(k ), x(k n)) (12) yaitu steam drum waste heat boiler;
dengan G merupakan dinamika inverse plant. 2. Perancangan eksperimen dan pengambilan
Proses pembelajaran neuro fuzzy menggunakan data sebagai awal rangkaian proses
3n data input x(k ) T , x(k 1) T sesuai data identifikasi. Eksperimen, dan pengambilan
data dilakukan di sistem WHB selama
pelatihan yaitu keluaran plant pada k dan k+1
sesuai data pelatihan dan n keluaran data U T kurang lebih satu bulan. Langkah-langkah
persiapan yang telah dilakukan baik
sesuai data pelatihan. Selanjutnya, selisih antara persiapan bahan maupun instrumentasi
aksi kontrol sebenarnya dengan aksi kontrol dalam penelitian ini adalah:
prediksi digunakan untuk menala parameter a. Kalibrasi empat buah instrument level,
premis, dan konsekuen pada ANFIS sehingga suhu, aliran, dan tekanan sebagai
diperoleh nilai error yang minimum. Setelah instrumentasi penelitian dalam
proses pembelajaran, maka kaidah aturan mendapatkan variable-variabel
berdasarkan sistem neuro fuzzy akan mengikuti pengukuran yang diperlukan untuk
kaidah aturan model Takagi Sugeno Kang order memperoleh data baik masukan
satu yaitu: maupun gangguan terukur, dan tak
Jika x(k ) adalah A l dan x( k 1) adalah B l , terukur yang mempengaruhi keluaran
system;
maka u l a l x(k ) b l x(k 1) c l
b. Melakukan simulasi gangguan operasi
dengan l 1,2,3,..., M , A l , B l merupakan boiler dengan bantuan operator pabrik
himpunan fuzzy, dan a l , b l , c l parameter- untuk mendapatkan data percobaan;
c. Pengambilan data sistem WHB yang
parameter konsekuen. Jika pengontrol neuro diambil secara langsung dari alat dan
fuzzy sesuai dengan dinamika inverse G, maka software Plant Historical Data (PHD);
apabila diberikan masukan x (k ), dan set point Pelaksanaan desain eksperimen di sistem
x d (k n) , pengontrol akan membangkitkan WHB PT. Petrokimia Gresik dilakukan
aksi kontrol berupa: dengan sangat hati-hati dengan
Uˆ Gˆ x ( k ), x d ( k n)
mempertimbangkan banyak faktor seperti:
(13) keamanan (safety), keselamatan, biaya,
Setelah langkah ke n, maka sekuens kontrol ketersediaan alat ukur di setiap variabel
akan membuat nilai keluaran plant x(k ) pengukuran di plant, keterbatasan, dan
menyamai nilai set point x d (k n) yang telah kendala pada daerah operasi pengukuran,
serta interaksi setiap variabel masukan, dan
ditentukan. gangguan yang akan mempengaruhi
variabel keluaran sistem. Hal ini
METODE PENELITIAN dimaksudkan agar data yang akan
Pelaksanaan desain eksperimen ini digunakan memiliki hubungan secara
menyangkut industri proses yang sangat penting langsung baik masukan, maupun gangguan
di industri pupuk pada PT. Petrokimia Gresik terukur, dan tak terukur yang
yang bertujuan meningkatkan performansi, dan mempengaruhi keluaran sistem.
unjuk kerja dari proses Waste Heat Boiler Perancangan eksperimen juga dapat
(WHB). Penelitian ini dilaksanakan dengan menggambarkan bagaimana interaksi loop
pendekatan simulasi yang divalidasi oleh data kontrol secara riil di lapangan. Hal lain
pengukuran nyata, dan tidak langsung yang harus diperhatikan dalam membangun
berhubungan dengan proses yang sedang blok sistem ekperimen, dan pengambilan
berjalan untuk menghindari resiko yang sangat data di plant adalah bagaimana hubungan
mahal, baik dari segi keamanan, keselamatan, loop kontrol tersebut terhadap variabel–
maupun biaya. Adapun pendekatan penelitian variabel dari sistem yang akan
yang dimaksud adalah: diidentifikasi. Sistem WHB di PT.
1. Sebagai studi pendahuluan dalam penelitian Petrokimia Gresik merupakan sistem
ini adalah telah dilakukan survei informasi dengan siklus loop tertutup, di mana semua
151
WIDYA TEKNIK Vol. 9, No. 2, 2010 (145-156)
proses dikontrol pada nilai yang telah umumnya dapat dilihat pada persamaan (1).
ditetapkan; Dilakukan pendekatan sistem multi input single
3. Membangun model sistem WHB output (MISO) dalam memodelkan level di HP
berdasarkan data yang diperoleh baik dari drum di mana sebagai pengidentifikasi
studi pustaka maupun dari data pengukuran (identifier) adalah konfigurasi dari tiga
di lapangan melalui pendekatan model masukan satu keluaran sistem sebagaimana
NARX berbasis ANFIS; disajikan pada Gambar 6.
4. Berdasarkan hasil pemodelan sistem yang
telah diperoleh, maka akan dirancang x1(k-1)
sistem pengontrolan level air berbasis y(k)
ANFIS; x2(k-1) HP Steam
5. Eksperimen, dan simulasi sistem Drum
pengontrolan level yang telah dibangun y(k-1)
serta melakukan validasi dengan data
Gambar 6. Sistem MISO Dengan Tiga Masukan
pengukuran di lapangan;
Satu Keluaran
6. Analisis hasil eksperimen dan simulasi.
152
Yuliati: PERANCANGAN SISTEM PENGONTROLAN LEVEL PADA STEAM DRUM WASTE HEAT ...
153
WIDYA TEKNIK Vol. 9, No. 2, 2010 (145-156)
Pada umumnya, sistem kontrol 3 elemen Tabel 4. Variabel Masukan dan Keluaran Model
konvensional untuk pelatihan, dan simulasi dari Dinamika Invers
pengontrol level air adalah seperti yang Variabel Tag Number Keterangan
disajikan pada Gambar 11, di mana skema y(k ) LC22220.PV % level HP steam
sistem kontrol yang digunakan adalah skema drum
feedforward untuk steam flow. y ( k 1) LC22220.PV % level HP steam
drum (k-1)
x(k ) FC22220.PV Flow BFW (k)
x1 ( k 1) FC22220.PV Flow BFW (k+1)
154
Yuliati: PERANCANGAN SISTEM PENGONTROLAN LEVEL PADA STEAM DRUM WASTE HEAT ...
KESIMPULAN
Berdasarkan hasil penelitian dan
pembahasan berkenaan dengan simulasi, dan
pengujian, maka dapat diambil kesimpulan
sebagai berikut:
1. Pemodelan sistem berbasis pada neuro
fuzzy dengan 3 masukan, 1 keluaran serta
model dinamika invers plant pada HP
steam drum dengan 3 masukan, 1 keluaran
Gambar 16. Hasil Simulasi Pada Set Point 75% telah menunjukkan hasil yang cukup baik.
Konstan Hal ini disajikan dari nilai RMSE masing-
masing untuk setiap validasi model
Dari Gambar 16 dapat dianalisis bahwa berturut-turut sebesar 0,0487, dan 0,1857;
pengontrol ANFIS dapat bekerja dengan baik 2. Performansi pengontrol neuro fuzzy dalam
apabila diberikan set point konstan yaitu pada kecepatan beradaptasi, dan kemampuan
kondisi 75% level air. Hal ini disajikan pada belajar cukup baik dalam mengejar set
respons transiennya di mana overshoot yang point. Hal ini disajikan dengan lamanya
timbul tidak terlalu tinggi yaitu sekitar 13% waktu mengikuti set point pada dua kondisi
serta waktu untuk mencapai kondisi steady yaitu apabila set point tetap, dan apabila
state tidak terlalu panjang yaitu 7 menit. terjadi perubahan set point, di mana waktu
155
WIDYA TEKNIK Vol. 9, No. 2, 2010 (145-156)
untuk mencapai kondisi steady state-nya Hlm. 1-29, The Proceeding of the IEEE
berturut-turut sekitar 7 dan 6 menit dengan International Conference on Control
maksimum overshoot berturut-turut sebesar Application, 2005
13, dan 7,7%. [4] Nazaruddin, Y. Y., Joko W, dan
Hadisupadmo, S. A., Inverse Learning
DAFTAR PUSTAKA Control Using Neuro Fuzzy Approach for a
[1] Standard Fasel Lantjes, Waste Heat Boiler, Process Mini Plant, International
Hlm. 1-20, PT. Petrokimia, Gresik, 1992 Conference on Physics and Control,
[2] Jang, J. S. R., Sun, C. T., dan Mizutani, Moskow, 2003
E., Neuro – Fuzzy and Soft Computing: A [5] Sudarto, Identifikasi Nonlinier Plant
Computational Approach to Learning and Amoniak Menggunakan Metoda Neuro
Machine Intelligent, Prentice-Hall, Fuzzy dan Wavenet, Hlm. 3-50, Tesis
International Edition, New Jersey, 1997 Magister, Institut Teknologi Bandung,
[3] Jan, J. R. dan Sun, C. T., Neuro Fuzzy Bandung, 2004
Modelling and Control, Vol. 83, No. 3,
156