Rancang Pabrik Prinsip Dasar Rekonsiliasi Data
Rancang Pabrik Prinsip Dasar Rekonsiliasi Data
Topik Bahasan :
Pengantar Teknik Penyepakatan Data
Topik Bahasan
Contoh :
• Neraca massa. 58
• Neraca energi.
1
100
• Sistem distribusi air pendingin.
• Sistem distribusi steam. 45
19
1 = 3
Ketidak-akuran neraca : 2
• Alat ukur? 2 = -1
• Kebocoran?
25
• Kebuntuan?
1 = 0,249
2 = 0,139
3 = -0,232
F1 : 146,8 kg/s
Neraca Energi t1 : 19,2 C
Contoh : A = 500,5 m2
• Pertukaran panas. Cp = 4181,4 J/kg.K
• Penghasilan/penggunaan panas.
1
Ketidak-akuran harga U : F2 : 52,1 kg/s T2 : 31,3 C
• Data tak konsisten ? T1 : 56,4 C
• Kebocoran panas ?
• Kebocoran aliran ? t2 : 27,5 C
• Fouling ?
U1 = 590,1 W/m2.K
U2 = 635,7 W/m2.K
Hot Heat Flux Cold Heat Flux
Konsep Dasar :
• Setiap hasil pengukuran variabel proses selalu mengandung galat →
menimbulkan ketidak-akuran dalam neraca massa dan energi.
• Penyepakatan data ≡ proses pengaturan atau penyepakatan data
pengukuran proses untuk mendapatkan perkiraan harga variabel proses
yang lebih konsisten/sepakat dengan prinsip neraca massa dan energi.
1. Model Matematika :
F(x , y , C) = 0
F2
konstanta 1
F1
tak diukur F3
diukur 2
F4
Misal : Neraca massa total F1 – F2 – F3 =0
F3 – F4 = 0
2. Data Pengukuran ( Xm ):
F2
Var diukur Harga 1
( Xm ) ( kg/s ) F1
F1 101 F3
F2 63 2
F3 ?
F4 41 F4
Klasifikasi Variabel :
• Redundancy.
Variabel hasil pengukuran dikatakan berlebih ( redundant )
apabila dapat dihitung dari variabel lainnya sebagai hasil
pengukuran.
• Observability.
Variabel tak diukur dikatakan dapat teramati ( observable)
apabila dapat dihitung dari variabel hasil pengukuran.
diukur
1 2
F1 F3 F6 tak diukur
F4
F2
3
F7
Contoh Klasifikasi :
• Diukur dan berlebih (measured – redundant) : F1, F2, F3.
• Diukur dan tak-berlebih (measured – nonredundant) : F4.
• Tak diukur tapi dapat terhitung (unmeasured – observable) : F7.
• Tak diukur dan tak dapat dihitung (unmeasured – nonobservable) : F5, F6.
• Hardware Redundancy.
Dua sensor atau lebih digunakan untuk mengukur variabel
yang sama.
Redundancy
could lead to
Discrepancy.
Conflicting readings
have to be
Reconciled.
2
x − xi
m
berharga minimum,
i
i
dan memenuhi kendala : f(x , y , c) = 0
Walhasil :
reconciled
1
measured
• Perolehan tambahan informasi lainnya, seperti : akurasi hasil,
kemungkinan adanya galat kasar (gross error), perambatan galat, estimasi
parameter, dll.
Sistem
Simulasi Klasik :
Inputs Outputs
Sistem
Regresi :
Rekonsiliasi :
Sistem
Estimasi Parameter :
Parameter model : variabel tak
terukur langsung.
Contoh :
➢ Laju (fluks) pindah panas (Q).
➢ Koefisien perpindahan panas
keseluruhan (U).
Galat pada pengukuran laju alir dan temperatur akan merambat ke galat hasil
perhitungan Q dan U pada kasus estimasi parameter alat penukar panas.
Point estimates : xi , yi
Interval estimates (confidence interval) :
< xi - xi ; xi + x i >
< yi - yi ; yi + y i >
Perkiraan rentang lebih superior. Dalam praktek, galat maksimum ()
dapat sangat berarti, tetapi kadang juga dapat diabaikan.
Analisis Data :
Tujuannya adalah menyidik apakah kekeliruan terdapat pada data, model atau
data dan model.
Metoda ini didasarkan pada ketersediaan data redundant.
Misal : ketidak-akuran neraca dari aliran inlet-outlet suatu unit operasi.
Kasus Umum :
2
x − xi
m
Qmin = i
i
Qmin ( ) 2
Contoh :
• Semua aliran diukur.
• Jumlah persamaan = 2 (neraca massa).
• Jumlah variabel tak diketahui = 0.
• = 2 – 0 = 0.
JIKA
Qmin 2
crit ( )
MAKA:
Antara DATA dan MODEL terdapat konflik
yang tidak dapat diabaikan (significant).
Jika masih tidak puas dengan akurasi hasil rekonsiliasi, maka lakukan
pendekatan yang lebih agresif.
Misal :
1. Optimasi penempatan pengukuran.
2. Perbaikan kualitas pengukuran variabel kunci.
Kesimpulan
JANGAN LAKUKAN :
Simulasi
KESIMPULAN
Optimasi
•
PROSES •
•
•
Kesimpulan
SILAKAN LAKUKAN :
Simulasi
KESIMPULAN
Optimasi
Validasi •
PROSES Data •
•
•
data data
mentah matang