TUGAS KULIAH S2 SAINS KOMPUTASI

INSTITUT TEKNOLOGI BANDUNG

MATA KULIAH: ARTIFICIAL INTELLIGENCE

IDENTIFIKASI PENGGUNAAN FUZZY LOGIC

PADA PROGRAM REABILITY EFFICIENCY OPTIMIZATION CENTRE (REOC)

A. Latar Belakang
Reability Efficiency Optimization Centre atau disingkat REOC adalah sebuah sistem pemantauan dan
pengendalian keandalan efisiensi pembangkit PLN Indonesia Power sebagai bagian dari proses
mitigasi manajemen risiko bidang pembangkitan. Tujuan REOC ada 3 yakni, Analyze yakni untuk
mengalisa operasi dan memonitor kinerja termal pembangkit serta mendeteksi secara dini
penurunan kinerja termal pembangkit, Advise yakni memberikan rekomendasi solusi untuk
mengoreksi penyimpangan parameter sehingga kembali ke posisi optimal dan Optimize yakni
mengeksekusi rekomendasi dengan mengatur kondisi operasional pembangkit sesuai koordinasi
sehingga mampu meningkatkan efisiensi pembangkit.
B. Pembahasan
REOC menggunakan konsep analytical data untuk proses pemberian rekomendasi atas kinerja pada
salah satu pembangkit dengan proses sebagai berikut :
Mulai Data keluaran
Data losses Counter 5
pada sensor
menit
Advisor tergantung
memberikan masukan dari
Unit melakukan test tidak rekomendasi yang unit
Rules diperlukan dari
pada peralatan Mengacu Losses
excel Pusertif Baseline ?
dan EPRI Rules
Book Standard
EPRI atau
Manual Book
Pengolahan data
Hasil uji terkirim ke Sistem melakukan
pada sistem
Pusat perhitungan
REOC
Unit
Dispatch ke unit
melaksanakan
ya rekomendasi
hasil rekomendasi

Plant Optimize
selesai ya
?

Tidak

Skema pemberian rekomendasi diambil dari hasil pemantauan untuk variabel operator controllable
yang melebihi baseline pada pembangkit. Berikut ini ada contoh dari dua variabel kontrol tersebut :
 Main steam pressure baseline = x = 162 kg/cm2 : sebagai input 1 dengan nilai
linguistic Rendah (x ≤ 164); Normal (162 ≤ x ≤ 168); Tinggi (166 ≥ x)
 Main steam temperature baseline = y = 537 oC sebagai input 1 dengan nilai
linguistic Temp Rendah (y ≤ 539); Temp Normal (537 ≤ y ≤ 542); Temp Tinggi (540
≥ y)
 sebagai pusat pengolahan data adalah Pi System Explorer
 Dispatch REOC sebagai aplikasi pemberian rekomendasi

Pengolahan Fuzzy Logic

 Fuzzifikasi
Variabel x (input nilai steam press = x) memiliki 3 himpunan fuzzy yaitu RENDAH,
NORMAL, TINGGI

CATUR ARIE NUGROHO

TUGAS KULIAH S2 SAINS KOMPUTASI
INSTITUT TEKNOLOGI BANDUNG
MATA KULIAH: ARTIFICIAL INTELLIGENCE

1
STEAM PRESSURE
0,8

0,6

0,4

0,2

0
155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170
Rendah Normal Tinggi

Dengan μ(y;a,b,c,d) = max 𝑚𝑖𝑛 , ,0

Variabel y (input nilai Temperature = y) memiliki 3 himpunan fuzzy yaitu RENDAH,
NORMAL, TINGGI

TEMPERATURE
1,2
1,0
0,8
0,6
0,4
0,2
0,0
530 535 540 545 550 555 560

RENDAH NORMAL TINGGI

Dengan μ(x;a,b,c,d) = max 𝑚𝑖𝑛 , ,0

 Inferensi
Pada tahap ini ditentukan Rules dari fuzzy didalam Pi System. Diasumsikan jika
melihat jumlah “kejadian operasi” terdapat anomali yang terdeteksi didalam
data, maka terdapat 3 variable 3 klasifikasi, yang membentu terbentuk 9
Rules/Rekomendasi yang ditampilkan didalam Pi Visualization.
 Jika PRESS RENDAH dan TEMP RENDAH, maka CEK KERUSAKAN SENSOR
PRESSURE DAN TEMPERATURE
 Jika PRESS RENDAH dan TEMP NORMAL, maka CEK KERUSAKAN SENSOR
PRESSURE
 Jika PRESS RENDAH dan TEMP TINGGI, maka BLANK TAMPILAN
 Jika PRESS NORMAL dan TEMP RENDAH, maka BLANK TAMPILAN
 Jika PRESS NORMAL dan TEMP NORMAL, maKA BLANK TAMPILAN

CATUR ARIE NUGROHO

TUGAS KULIAH S2 SAINS KOMPUTASI
INSTITUT TEKNOLOGI BANDUNG
MATA KULIAH: ARTIFICIAL INTELLIGENCE

 Jika PRESS NORMAL dan TEMP PANAS, maka CEK KERUSAKAN SENSOR
PRESSURE
 Jika PRESS TINGGI dan TEMP RENDAH, maka BLANK TAMPILAN
 Jika PRESS TINGGI dan TEMP NORMAL, maka CEK KERUSAKAN SENSOR
TEMPERATURE
 Jika PRESS TINGGI dan TEMP PANAS, maka CEK KERUSAKAN SENSOR
PRESSURE
*simulasi hanya contoh dikarenakan sebenarnya terdapat 9 variabel controllable
lain yang terpantau di sistem REOC
 Deffuzifikasi
Pada Deffuzifikasi, nilai yang diambil untuk mendefinisikan kriteria RENDAH,
NORMAL, TINGGI pada PRESURE serta RENDAH, NORMAL, TINGGI pada
TEMPERATURE bisa menggunakan metode keanggotaan maksimum. Misalkan
pada salah satu derajat keanggotaan TEMPERATURE dengan input crisp 538,5,
maka μ(RENDAH) = 0,2 dan μ(NORMAL) = 0,4 . Sehingga dengan metode
keanggotaan Maksimum nilai input crisp 538,5 adalah definisi untuk NORMAL.
Dan seterusnya.

CATUR ARIE NUGROHO