Definisi Tujuan
Sebelum memulai membangun model matematika untuk sebuah proses, tujuan dari
pemodelan harus dinyatakan dengan jelas, spesifik dan terukur. Tujuan yang kita definisikan
akan menjadi panduan untuk langkah-langkah berikutnya. Contoh definisi tujuan pemodelan
antara lain, ‘Pada menit ke berapa cairan di dalam tangki akan melimpah?’, ‘Jika laju alir
umpan diperbesar 5%, apakah ketinggian cairan di dalam tangki juga akan meningkat 5%?’,
‘Apakah perubahan pada laju alir umpan dan volume tangki akan mempengaruhi waktu
terjadinya overflow?’, dan lain-lain.
Informasi Proses
Pemodelan suatu proses selalu diawali dengan menggambarkan sketsa proses dalam
bentuk PFD sederhana yang dilengkapi dengan semua simbol variabel utama yang terlibat
dalam proses. Variabel utama yang dimaksud adalah variabel-variabel yang secara langsung
memiliki pengaruh pada operasional proses, dikaitkan dengan tujuan yang didefinisikan di
awal. Misalnya tujuan pemodelan adalah untuk mengobservasi waktu terjadinya overflow,
maka pada sketsa proses cantumkan semua variabel yang secara langsung akan
mempengaruhi overflow (flow rate inlet, volume liquid, tinggi cairan, flow rate outlet, dll).
Karena temperatur liquid tidak secara signifikan mempengaruhi overflow liquid di tangki
maka tidak perlu dicantumkan pada sketsa proses.
Gambar 2. Sketsa proses yang akan dimodelkan dengan tujuan untuk mengobservasi perubahan konsentrasi
outlet
Informasi berikutnya yang harus disediakan adalah asumsi-asumsi yang digunakan untuk
memberi batasan pada sistem sehingga model matematika yang akan dibangun dapat lebih
disederhanakan.
Formulasi
Langkah pertama pada tahap formulasi adalah menentukan variabel-variabel yang akan
diobservasi di dalam model matematika, disesuaikan dengan tujuan yang telah didefinisikan
di awal. Misalnya jika tujuan pemodelan adalah untuk mengetahui berapa waktu yang
dibutuhkan hingga tangki melimpah, maka variabel kunci yang harus dicantumkan dalam
model matematika adalah ketinggian cairan di tangki. Jika tujuan pemodelan adalah untuk
mengetahui apakah reaktor akan meledak dalam waktu 30 menit sejak terjadi kenaikan
temperatur reaktan dinaikkan, maka variabel kunci yang harus dimodelkan adalah
temperatur reaktor.
Langkah kedua adalah menurunkan persamaan matematika yang dapat bersumber dari dua
persamaan induk, yaitu konservasi (neraca massa, energi dan momentum) dan konstitusi
(persamaan umum, misalnya Q = UAΔT, PV = nRT, dll). Secara umum persamaan konservasi
ditulis sebagai berikut:
Akumulasi = masuk - keluar + terbentuk
Neraca mana yang sebaiknya dipilih dari massa, energi dan momentum? Berikut adalah
panduannya.
1. Jika variabel yang akan diobservasi (atau diprediksi nilainya) melalui model adalah
massa total cairan di dalam tangki atau tekanan gas di dalam vessel tertutup maka
gunakan neraca massa total.
2. Jika variabel yang akan diobservasi adalah konsentrasi (mol/m3 atau fraksi massa)
dari suatu komponen tertentu maka gunakan neraca massa komponen.
3. Jika variabel yang akan diobservasi adalah temperatur suatu unit maka gunakan
neraca energi.
Namun demikian untuk proses yang lebih kompleks dimana terdapat beberapa variabel yang
akan diobservasi maka gabungkan neraca massa dan energi. Jika model matematika yang
diturunkan menggunakan neraca massa dan energi belum secara komprehensif
menggambarkan hubungan antara variabel di proses, maka persamaan-persamaan
konstitusi dapat digunakan untuk lebih melengkapi model.
Berapa banyak persamaan matematika yang dibutuhkan untuk membangun model sebuah
proses? Jumlah persamaan yang dibutuhkan bergantung pada jumlah variabel yang akan
diobservasi atau diprediksi nilainya. Jumlah persamaan (NE, number of equations) dan
jumlah variabel (NV, number of variables) dihubungkan oleh suatu terminologi yang
dinamakan dengan Degrees of Freedom (DOF) dimana,
DOF = NV - NE
Tabel 2 menampilkan ringkasan analisis DOF yang menggambarkan status model apakah
dapat diselesaikan dan menghasilkan solusi atau tidak.
DOF = NV - NE
DOF = 0 Sistem telah terspesifikasi dengan baik, model dapat diselesaikan dan
menghasilkan solusi.
DOF < 0 Sistem kelebihan spesifikasi. Artinya terlalu banyak variabel yang ditentukan
nilainya dan secara umum tidak ada solusi untuk model sistem ini. Hal ini
merupakan indikasi adanya kesalahan pada formulasi model. Hilangkan data
untuk satu atau lebih variabel sehingga DOF = 0.
DOF > 0 Sistem kekurangan spesifikasi. Artinya sistem membutuhkan lebih banyak input
data pada variabel-variabel yang terdapat dalam persamaan. Secara umum
sistem ini memiliki solusi dalam jumlah tak berhingga. Untuk menyelesaikan
sistem ini tentukan atau asumsikan nilai beberapa variabel sehingga DOF = 0
dan lakukan iterasi numerik.
Solusi Matematika
Model matematika yang telah diformulasikan, yang menghubungkan variabel yang
diobservasi dengan variabel-variabel kunci pada proses, kemudian diselesaikan. Metode
penyelesaiannya bisa secara analitik atau numerik. Pada metode analitik, satu atau
beberapa variabel pada model yang tidak diketahui nilainya ditentukan dengan
menggunakan pendekatan untuk mendapatkan DOF = 0. Metode analitik lebih disukai karena
langkah untuk menemukan solusi menjadi lebih sederhana namun tingkat kesalahannya
relatif tinggi.
Seringkali model matematika yang menggambarkan hubungan antar variabel di suatu
proses adalah persamaan matematika yang relatif kompleks dimana umumnya DOF > 0.
Untuk menyelesaikannya perlu dilakukan serangkaian trial-error pada iterasi numerik sampai
akhirnya memperoleh solusi. Tool ‘Goalseek’ pada aplikasi spreadsheet adalah salah satu
contoh iterasi numerik dimana prosedur trial-error dilakukan secara otomatis oleh aplikasi
tersebut. Metode numerik memang lebih ribet dibanding metode analitik namun tingkat
kesalahannya relatif lebih kecil.
Analisis Hasil
Solusi yang telah diperoleh kemudian harus dianalisis apakah bersesuaian dengan tujuan
pemodelan yang telah ditetapkan di awal. Misalnya, apakah waktu pengosongan tangki yang
didapatkan masih berada dalam ambang batas yang diperbolehkan, apakah temperatur
reaktor setelah 30 menit masih wajar, apakah ketinggian cairan liquid lebih kecil dibanding
tinggi total tangki, dll. Analisis hasil dapat dilakukan dengan cara memplot hasil tersebut
dalam bentuk grafik untuk melihat tren perubahan nilai variabel yang diobservasi terhadap
waktu. Mengapa harus terhadap waktu? Karena pemodelan dalam konteks pengendalian
proses adalah untuk melihat perilaku proses secara dinamik yaitu bagaimana kondisi
operasi berubah terhadap waktu jika terdapat perubahan pada input atau terjadi gangguan
eksternal.
Validasi
Validasi merupakan tahapan yang dilakukan untuk menguji coba apakah model matematika
yang telah dibangun dapat menggambarkan kondisi aktual proses secara akurat. Prosedur
yang dilakukan biasanya adalah melakukan percobaan di lapangan kemudian
membandingkan hasilnya dengan solusi dari kalkulasi menggunakan model.
Pada t = 0, C A = C Ainit dan e−t/τ = 1 , maka
I = C Ainit − C A0
C A = C A0 + (C Ainit − C A0 )e−t/τ
C A − C Ainit = C A0 + (C Ainit − C A0 )e−t/τ − C Ainit
C A − C Ainit = (C A0 − C Ainit ) (1 − e−t/τ )
C A − 0.925 = (C A0 − 0.925) (1 − e−t/24.7 ) (4)
Persamaan (4) di atas menggambarkan kecepatan respon dinamik CA terhadap perubahan
di CA0, yang diwakilkan oleh time constant. Faktor pengali (1 − e−t/24.7 ) digunakan untuk
menghitung nilai aktual CA pada saat waktu = t atau dapat digunakan untuk menghitung
berapa waktu yang dibutuhkan untuk mencapai nilai CA tertentu.
Step 5. Analisa Hasil
Persamaan (4) kemudian kita selesaikan dengan menggunakan beberapa nilai τ. Hasilnya
dapat dilihat pada tabel di bawah ini.
Waktu sejak step CA % perubahan CA
change (terhadap nilai akhir CA yang seharusnya)
0 0 0
τ 1.509 63.2