Pada split range control terdapat satu measured variable yg dikontrol oleh dua manipulated variable. Jd, pada kasus amine strength Pak Dandy (saya mesti search dlu di google utk tau apa ini :D), misalkan measured variable nya adalah konsentrasi amine dan dua variable yg bisa mempengaruhi konsentrasi amine adalah laju alir amine itu sendiri dan laju alir water yg akan dicampur dgn amine tsb. Dgn begini, dua manipulated variable nya adalah flowrate amine dan flowrate water.
Prinsip kerja split range control sbnrnya sederhana, misalnya kita menetapkan klo konsentrasi aminenya antara 1% - 2% (saya nebak aja ini). Di luar range ini, amine akan offspec. Jika konsentrasi amine terukur (measured) bergerak turun mendekati 1%, maka laju alir water harus diturunkan dgn menutup valvenya dan laju alir amine harus dinaikkan dgn membuka valvenya. Jika konsentrasi amine terukur bergerak naik mendekati 2%, dilakukan hal sebaliknya. Laju alir amine harus diturunkan dan laju alir water harus dinaikkan.
Pemodelannya bisa dilakukan hanya berdasarkan mass balance saja. Jika kita tau hubungan antara bukaan valve dgn flowrate, maka kita jg bisa tau bukaan valvenya spt apa. Saya jd pengen tau knp Pak Dandy ingin memodelkan ini dgn neural network.
Tanya - Dandy haris Firdianda
Saya sedang mengambil topik tugas akhir mengenai range split control berdasarkan pemodelan menggunakan jaringan syaraf tiruan
Yang mau saya tanyakan
1. Saya masih awam mengenai metode kontrol ini dikarenakan jarang sekali diaplikasikan pada industri proses, bagaimana prinsip kerja dan pemodelan menggunakan range split control?
2. Apakah pada range split control, harus ada 2 variabel yang berbeda yang harus dikontrol seperti halnya pada metode cascade control (misal flow dan level dimana harus ada 1 variabel yang bekerja lebih lambat dibandingkan dengan variable lain)?
2. Adakah referensi baik berupa handbook maupun jurnal (nasional/internasional) mengenai range split control tersebut?
Tanggapan 1 - zulfan adi putra
Sambil menunggu yg lbh ahli, saya sharing sepemahaman saya aja dulu ya :D
Pada split range control terdapat satu measured variable yg dikontrol oleh dua manipulated variable. Jd, pada kasus amine strength Pak Dandy (saya mesti search dlu di google utk tau apa ini :D), misalkan measured variable nya adalah konsentrasi amine dan dua variable yg bisa mempengaruhi konsentrasi amine adalah laju alir amine itu sendiri dan laju alir water yg akan dicampur dgn amine tsb. Dgn begini, dua manipulated variable nya adalah flowrate amine dan flowrate water.
Prinsip kerja split range control sbnrnya sederhana, misalnya kita menetapkan klo konsentrasi aminenya antara 1% - 2% (saya nebak aja ini). Di luar range ini, amine akan offspec. Jika konsentrasi amine terukur (measured) bergerak turun mendekati 1%, maka laju alir water harus diturunkan dgn menutup valvenya dan laju alir amine harus dinaikkan dgn membuka valvenya. Jika konsentrasi amine terukur bergerak naik mendekati 2%, dilakukan hal sebaliknya. Laju alir amine harus diturunkan dan laju alir water harus dinaikkan.
Pemodelannya bisa dilakukan hanya berdasarkan mass balance saja. Jika kita tau hubungan antara bukaan valve dgn flowrate, maka kita jg bisa tau bukaan valvenya spt apa. Saya jd pengen tau knp Pak Dandy ingin memodelkan ini dgn neural network.
Sudah dijawab di pertanyaan pertama. Pada split range control, kita punya satu measured variable dan lbh dr satu manipulated variable.
Pada cascade control, kita punya satu master control yg dgn pengukuran dr measured variable utama (misal: temperature of the reactor) akan memberikan input (set-point) utk si slave control. Si slave control akan membandingkan set-point ini dgn hasil pengukuran dr measured variable nya sendiri (misal: flow of the cooling liquid) utk kemudian meng-adjust (memanipulasi) satu manipulated variable (misal: ya flow of the cooling liquid).
Saya gak tau ttg handbook yg khusus membahas mengenai split range control. Mgkin bisa dicari di google. Tp handbook yg mnrt saya bagus utk dibaca adalah bukunya Stephanopoulous, “Chemical Process Control: An Introduction to Theory and Practice”
Semoga sukses,
Tanggapan 2 - Dandy Haris Firdianda
Jadi saya menggunakan Jaringan syaraf tiruan untuk mencari rasio antara lean amine dan demin water yang terbaik, setelah saya mendapatkan rasionya akan saya implementasikan pada amine indicator di DCS
dari DCS ini akan memberikan sinyal split kepada actuator amine dan actuator demin untuk membuka dan menutup berdasarkan rasio dari jaringan syaraf tiruan
Saya juga bingung Bapak dalam memodelkan CO2 absorber dab Amine regenerator menggunakan mass balance
Terima kasih
Tanggapan 3 - zulfan adi putra
Hmm... klo saya mengerti pertanyaannya berarti begini;
Pak Dandy ini mau bikin model neural network utk CO2 absorber dan amine regenerator unit, bukan utk split range controlnya. Berarti dgn Pak Dandy perlu data2 operasional yg cukup banyak, sebagian utk buat modelnya, dan sebagian utk validasi. Klo begini, kita tunggu org2 yg lbh ahli dlm hal ini utk menjawabnya ya, hehehe...
Saya yakin CO2 absorber dan amine regeneration unit itu dulunya didesain gak pake neural network :D. Mereka didesain dgn keperluan prosesnya, kemudian mass and energy balancenya dihitung, kemudian mungkin pake software utk sizing kolom, tipe dan ukuran packing (atau tray), dll. Software2 tsb (e.g. sulcol) menghitung berdasarkan model2 matematika dan data2 manufacture packing (tray) yg ada di dlmnya. Tinggal klik helpnya, di situ nanti akan dijabarkan bagaimana cara mereka menghitungnya, atau setidaknya referensinya.
Tanggapan 4 - Dandy Haris Firdianda
Jadi begini, saya memodelkan rasio control antara lean amine dan demin water dengan mneggunakan jaringan syaraf tiruan. Pemodelan ini digunakan untuk mendapatkan komposisi amine strength yang optimal dengan menggunakan data flow input sour gas, flow input amine strength, output CO2 absorber dan flow rich amine+hydrocarbon. Pada amine indicator yang terletak pada DCS akan mengirimkan sinyal kontrol berupa sinyal split pada actuator A (untuk buka tutup lean amine) dengan range tertentu dan actuator B (untuk buka tutup demin water) dengan range tertentu pula dan kedua actuator ini bekerja berdasarkan rasio control yang terdapat pada amine indicator di DCS.
Jadi range split control disini bekerja berdasarkan pemodelan jaringan syaraf tiruan untuk mendapatkan rasio optimal.
Memang untuk kondisi realnya di lapangan menggunakan model matematis yang rumit (terutama pada CO2 absorber yang memiliki beberapa tray dan harus dimodelkan satu persatu) dan komponen yang ditinjau sangat banyak (HP flash column, amine reboiler, Heat exchanger, cooler, booster pump dsb)
Jadi pada penelitian saya hanya meninjau CO2 absorber dan amine regenerator nya saja.
Pak Dandy ini mau bikin model neural network utk CO2 absorber dan amine regenerator unit, bukan utk split range controlnya. Berarti dgn Pak Dandy perlu data2 operasional yg cukup banyak, sebagian utk buat modelnya, dan sebagian utk validasi. Klo begini, kita tunggu org2 yg lbh ahli dlm hal ini utk menjawabnya ya, hehehe...
Saya yakin CO2 absorber dan amine regeneration unit itu dulunya didesain gak pake neural network :D. Mereka didesain dgn keperluan prosesnya, kemudian mass and energy balancenya dihitung, kemudian mungkin pake software utk sizing kolom, tipe dan ukuran packing (atau tray), dll. Software2 tsb (e.g. sulcol) menghitung berdasarkan model2 matematika dan data2 manufacture packing (tray) yg ada di dlmnya. Tinggal klik helpnya, di situ nanti akan dijabarkan bagaimana cara mereka menghitungnya, atau setidaknya referensinya.
Tanggapan 4 - Dandy Haris Firdianda
Jadi begini, saya memodelkan rasio control antara lean amine dan demin water dengan mneggunakan jaringan syaraf tiruan. Pemodelan ini digunakan untuk mendapatkan komposisi amine strength yang optimal dengan menggunakan data flow input sour gas, flow input amine strength, output CO2 absorber dan flow rich amine+hydrocarbon. Pada amine indicator yang terletak pada DCS akan mengirimkan sinyal kontrol berupa sinyal split pada actuator A (untuk buka tutup lean amine) dengan range tertentu dan actuator B (untuk buka tutup demin water) dengan range tertentu pula dan kedua actuator ini bekerja berdasarkan rasio control yang terdapat pada amine indicator di DCS.
Jadi range split control disini bekerja berdasarkan pemodelan jaringan syaraf tiruan untuk mendapatkan rasio optimal.
Memang untuk kondisi realnya di lapangan menggunakan model matematis yang rumit (terutama pada CO2 absorber yang memiliki beberapa tray dan harus dimodelkan satu persatu) dan komponen yang ditinjau sangat banyak (HP flash column, amine reboiler, Heat exchanger, cooler, booster pump dsb)
Jadi pada penelitian saya hanya meninjau CO2 absorber dan amine regenerator nya saja.
Comments
Post a Comment