PENGENDALIAN TEMPERATUR PADA ECONOMIZER UNIT BOILER MENGGUNAKAN FUZZY GAIN SCHEDULING PID CONTROLLER DI PT. PETROKIMIA GRESIK

1

PENGENDALIAN TEMPERATUR PADA ECONOMIZER UNIT BOILER

MENGGUNAKAN FUZZY GAIN SCHEDULING PID CONTROLLER

DI PT. PETROKIMIA GRESIK

( Doni Kusuma Erwanda, Ir. Ronny Dwi Noriyati, M. Kes, Eri Wahyu W.ST ) Jurusan Teknik Fisika – Fakultas Teknologi Industri

Institut Teknologi Sepuluh Nopember Kampus ITS, Keputih – Sukolilo, Surabaya 60111 Abstrak

Economizer adalah sejenis alat penukar panas aliran silang dimana panas dipindahkan dari gas

asap (hasil pembakaran) ke air pengisian (feed water) yang sedang masuk. Temperatur sangat berpengaruh pada proses in i dengan a danya p engendalian temperatur maka akan m eningkatkan e fisiensi dari s istem s esudah economizer yaitu HP drum.

Dengan perancangan kontrol Fuzzy Gain SchedullingPID Controller diharapkan dapat meningkatkan efisiensi d ari HP drum dengan menjaga t emperature m enjadi stabil. D ari p erancangan s istem didapatkan parameter n ilai tuning t erbaik u ntuk Kp: 2 0, K i: 2 dan K d: 50 yang t erbaik de ngan maksimum overshoot sebesar 15%, settling time (ts): 40s. Hasil p erancangan s istem menggunakan a lgoritma Fuzzy Gain

SchedullingPID Controller menunjukkan hasil respon pengendalian yang lebih baik dari mode pengendali P, PI

dan PID

Kata Kunci : Economizer, Temperatur, PID, Fuzzy Gain Schedulling

I. PENDAHULUAN

Economizer

dapat d iartikan s ebagai

penghemat bahan bakar dalam proses pemanasan air pengisian pada b oiler. A lat in i ju ga me mpunyai keuntungan yang lain, d imana a ir pe ngisian (feed

water) masuk kedalam Boiler dengan suhu yang lebih

tinggi, sehingga a ir B oiler tidak b anyak m engalami pendinginan ke tika memasukkan a ir pe ngisian yang baru. Dengan demikian pembuatan uap t idak banyak terganggu. Namun kinerja economizer sangat sensitif terhadap f aktor noise temperatur feedwater. H al ini dikarenakan bila t emperatur f eedwater t idak baik maka ak an mengakibatkan r espon b iaya o perasi meningkat. J ika e fektifitas pe rpindahan pa nas t idak optimal, maka dibutuhkan lebih ba nyak bahan bakar untuk m enghasilkan e fektifitas p erpindahan p anas yang d iinginkan. M aka da ri itu d iperlukan pengendalian t emperature p ada economizer agar temperature dapat terjaga dan bisa menhasilkan panas yang o ptimal. Dimana p ada P T. P etrokimia Gresik belum menggunakan controller sehingga temperature yang a da t idak t erkendali sehingga t emperature kadang n aik t erlalu t inggi d an t urun juga t erlalu rendah. M aka p erlu ad anya Fuzzy Gain Scheduling

PID Controller untuk m erubah parameter k ontrol

secara o tomatis jika t erjadi p erubahan k ondisi. Diharapkan d engan a danya Fuzzy Gain Scheduling

pada controller PID untuk mengontrol t emperatur

pada economizer ini b iasa me ningkatkan kinerja sistem yang suda ada sebelumnya.

II. TEORI PENUNJANG 2.1 Waste Heat Boiler

Waste Heat Boiler adalah je nis boiler

khusus, menghasilkan u ap bertekanan d engan c ara melepas p anas sisa d ari p roses. Boiler ini a kan mampu m enghemat ba han ba kar dan b iaya e nergi. Ada juga yang d isebut de ngan waste heat recovery

boiler, ya kni boiler yang tidak m embutuhkan i nput

energi. Biasanya diletakkan diatas sumber panas atau

stack. D idalamnya t erdapat pi pa berisi a ir yang

mengalir. P anas sisa pr oses a kan d igunakan u ntuk memanasi p ipa ini s eingga a ir d idalamnya akan menjadi uap panas, yang kemudian digunakan untuk memutar turbin generator.

Gambar 2.1 Desain Waste Heat Recovery Boiler

PT. Petrokimia Gresik[5]

Boiler economizer mengambil k embali

2

menyalurkannya m enuju boiler feed water. M aka sekarang boiler feed water juga da lam temperature lebih t inggi akibat panas dari boiler economizer. Hal ini a kan membantu pr oses p emanasan, k arena kini

boiler hanya membutukan lebih sedikit e nergi untuk

mengubah a ir menjadi u ap. Boiler economizer ini juga m eningkatkan efisiensi dari b oiler i tu s endiri, dengan cara menyedot panas dari pipa-pipa gas pada unit superheater atau d ari evaporative bank. P anas tersebut d isalurkan ke mbali menuju boiler feed

water.[5]

2.2 Economizer

Economizer adalah sejenis a lat pe nukar

panas al iran s ilang d imana p anas d ipindahkan dari gas a sap ( hasil pembakaran) ke a ir pe ngisian ( feed

water) ya ng s edang masuk. P enyerapan d i economizer ini juga da pat meningkatkan e fisiensi

boiler. Fungsi dari economizer sebagai pemanas awal

feed water sebelum masuk ke dalam s team dr um

dimana pa nas yang d iperoleh da ri ga s a sap d iserap oleh di nding-dinding p ipa economizer untuk memanaskan ai r d alam p ipa s ehingga ai r t ersebut menjadi s aturated. Economizer terisolasi r apat sehingga tidak ada udara l uar y ang m asuk da n mengganggu pe nyerapan pa nas p ada p ipa

economizer. D inding economizer terbuat da ri bahan

isolasi rock wall, bahan ini tahan terhadap panas yang tinggi da n t idak banyak menyerap pa nas. P ada dasarnya economizer terdiri da ri p ipa-pipa y ang jumlahnya banyak, ko nstruksi p ipa pada economizer sama s eperti p ada k onstruksi p ipa-pipa p emanas lanjut.

Gambar 2 Economizer [4]

Kinerja economizer ditentukan o leh fluida yang mempunyai k oefisien p erpindahan p anas yang rendah yaitu gas. Kecepatan perpindahan panas dapat ditingkatkan de ngan c ara meningkatkan ko efisien perpindahan p anas t otal d engan cara mengatur susunan t ubing/properti fan dan m eningkatkan l uas kontak pe rpindahan p anas. R espon yang d ihasilkan oleh economizer adalah efektifitas perpindahan panas dan biaya operasi.

Efektifitas pe rpindahan pa nas a dalah besarnya energi yang dapat terambil dari total jumlah energi yang d apat d iserap. S emakin besar e fisiensi perpindahan panas pada economizer, maka panas gas sisa yang t erambil akan s emakin banyak. S emakin besar e fektivitas pe rpindahan pa nas yang t erjadi, maka alat tersebut semakin efisien.

2.3 Fuzzy Logic Controller

Konsep logika fuzzy merubah konsep logika klasik m enjadi konsep y ang m emetakan s uatu variabel pa da ke mungkinan yang t idak e ksak sehingga da pat s istem linguistik da n pe rmasalahan yang tidak pasti atau tidak presisi serta permasalahan

probabilitas. B eberapa faktor penting ya ng m enjadi

bahasan dalam logika fuzzy sebagai berikut.

Pada d asarnya s truktur l ogika fuzzy dapat digambarkan seperti berikut :

Basis

Pengetahuan

Fuzzifikasi

Defuzzifikasi

Logika

Pengambilan

Keputusan

Fuzzy

Fuzzy

input

output

Gambar 3 Struktur Dasar Logika Fuzzy [6]

Fungsi d ari b agian-bagian d i atas a dalah s ebagai berikut:

 Fuzzifikasi

Berfungsi u ntuk mngubah sinyal ma sukan yang be rsifat crisp ( bu kan fuzzy ) k e himpunan fuzzy dengan menggunakan operator

fuzzifikasi.

 Basis Pengetahuan

Berisi basis d ata d an at uran d asar yang mendefinisikan h impunan fuzzy atas d aerah– daerah masukan da n k eluaran da n menyusunnya dalam perangkat aturan kendali.  Logika Pengambil Keputusan

merupakan i nti dari L ogika Fuzzy yang mempunyai k emampuan s eperti manusia dalam mengambil k eputusan. A ksi atur fuzzy disimpulkan dengan m enggunakan i mplikasi

fuzzy dan mekanisme inferensi fuzzy.

 Defuzzifikasi

berfungsi u ntuk mentransformasikan kesimpulan t entang ak si at ur yang bersifat

fuzzy menjadi s inyal sebenarnya ya ng be rsifat crisp dengan menggunakan o perator defuzzifikasi[6].

2.4 Pengendali Proposional Integral Derifatif(PID)

Untuk menutupi ke kurangan da ri masing – masing pe ngendali, ke tiga pe ngendali t ersebut da pat

3

saling d ikombinasikan menjadi p engendali P I, P D atau P ID. D alam k ombinasi PID, d iagram bloknya menjadi seperti pada gambar dibawah ini :

Gambar 4 Diagram Blok pengendali PID[1]

Gambar 5 Respon keluaran P,PD dan PID[1]

Keluaran P engendali P ID merupakan jumlahan d ari k eluaran P engendali p roporsional, keluaran Pengendali integral dan keluaran Pengendali diferensial. G ambar 2 .8 m enunjukkan r espon da ri pengendalian PID.

2.5 Fuzzy Gain Scheduling PID Control.

Kontrol P ID merupakan a lgoritma ko ntrol yang banyak d igunakan d i industri pr oses ka rena bentuknya yang s ederhana da n mudah diimplementasikan. Pada k ondisi o perasi t ertentu (seperti misalnya sering terjadi gangguan pada proses atau parameter proses yang berubah-ubah), parameter control ini harus sering di-tuned agar kinerjanya tetap baik. Salah s atu t eknik da lam sistem ko ntrol yang sering d ilakukan u ntuk mengatasi pe rmasalahan in i adalah dengan m enggunakan m etode PID Gain

Scheduling, d imana p arameter k ontrol d iubah s ecara

otomatis jika t erjadi perubahan kondisi o perasi yang menyebabkan kinerja kontrol menurun.

Kelebihan Gain scheduling terletak p ada perubahan c epat p arameter pe ngendali da lam merespon p erubahan pr oses. P ola ko nvensional gain

scheduling adalah m engembangkan m odel proses

yang t erlinearisasi p ada beberapa t itik o perasi dan merancang p engendali liniernya. M etode tersebut menggunakan p endekatan model driven. Logika fuzzy d apat d iaplikasikan p ada gain scheduling dalam b eberapa car a. Salah s atunya ad alah aplikasi logika f uzzy s ebagai gain scheduler dalam F uzzy

Computing dan membedakannya d engan F uzzy Controller (seperti p ada PID Fuzzy Controller)

karena d isini logika fuzzy tidak be rperan l angsung sebagai pengendali.

Pada aplikasi in i, f uzzy b erfungsi menghitung parameter kontrol PID (Kp, T i dan Td), berdasarkan ko ndisi signal e rror ( E) da n pe rubahan error. Secara u mum, d iagram fuzzy P ID g ain scheduling control dapat digambarkan seperti berikut.

Gambar 6 Blok diagram Fuzzy PID Gain Scheduling

Control

III. METODOLOGI PENELITIAN

Metodologi pe nelitian y ang di gunakan pa da tugas akhir ini sebagai berikut;

4

3.1 Dinamika Proses dan Pemodelan Economizer

Pada eco nomizer t erjadi p emanasan sementara, terjadi p erubahan f asa dari f asa ca ir menjadi fasa ua p ( uap jenuh). P enurunan model matematis d ari economizer mempergunakan h ukum kesetimbangan kalor.

Gambar 8 Sistem pada Economizer[7]

Hukum kesetimbangan kalor pada Economizer (1) (2) (3) Dimana :

= desitas uap pada Economizer (kg/m3) = volume Economizer (m3)

= kalor spesifik pada Economizer (kJ/kg.K) = kalor jenis air (kkal/kg0_C)

= laju aliran massa dari Feed water pump (kg/s) = laju aliran massa ke HP drum (kg/s) = temperatur input Economizer (0_C) = temperature output Economizer (0_C) = kalor pembakaran pada Economizer (kJ/s) Berdasarkan d ata t eknis d i lapangan maka d iperoleh model d inamika da ri pe rsamaan d iatas s ebagai berikut : (4) (5) (6) 0 2000 4000 6000 8000 10000 12000 0 50 100 150 200 Time (s) T em p er at ur ( C ) sinyal respon

Gambar 9 Grafik respon keluaran economizer

Pada s imulasi ini diperoleh k eluaran temperatur economizer sebagai f ungsi flow air y ang masuk. Kenaikan temperatur ini diakibatkan sejumlah kalor yang d igunakan u ntuk memanasi economizer. Dari hasil simulasi sinyal uji step, dapat diamati pada grafik bahwa u ntuk flow air m asukan 110 K g/s da n 106.50_{C flow air yang masuk. U ntuk t emperatur} pada r uang bakar a dalah 300 0_{C, di mana itu a dalah} temperatur r ata-rata exhaust gas yang m asuk

economizer. Sedangkan untuk flow air keluaran yaitu

sekitar 70 K g/s, t emperatur yang da pat di capai

economizer adalah 171 0C. K enaikan u ntuk

pemanasan d engan e conomizer ini r ata-rata s ekitar 600_C.

Di b awah in i a dalah gambar grafik v alidasi hasil keluaran model simulink yang diperoleh dengan menggunakan persamaan (6) dengan masuakan nilai-nilai p arameter y ang d iperoleh d ari d ata p abrik dibandingkan dengan data k eluaran d ari D CS yang terekam di dalam ruang central control room (CCR). Data y ang d igunakan s ebagai validasi s ebanyak 50 data sebagai sampel.

Gambar 10 Grafik validasi economizer

Pada gambar diatas dapat dilihat bahwa garis warna biru merupakan ke luaran temperatur dari

economizer yang dihasilkan me lalui s imulasi

sedangkan w arna merah merupakan temperatur real

v

ρ

ec

V

.

1

m

Ti

T

.

2

m

ec

Q

Cv Cp     ₊       ₋ = + − = + − = × × ) ( ) ( . .2 ) ( . .1 4438 , 6634 1 ) ( . .2 . .1 . 4438 , 6634 . .2 1 8614 , 190 582 0 72 59 s ec Q s T p C m s i T p C m s s F ec Q T p C m i T p C m dt dT ec Q T p C m i .T p .C m dt dT . , ,      

ec

Q

T

p

C

m

i

T

p

C

m

dt

dT

v

C

v

ec

V

ec

Q

T

p

C

m

i

T

p

C

m

T

ec

m

ec

Q

out

E

in

E

ec

E

+

−

=

+

−

=

∆

+

−

=

.

.

2

.

.1

.

.

.

.

.

2

.

.1

















ρ

                            + − = pembakaran kalor kalor laju output kalor laju input economizer pada kalor Akumulasi

5

plant yang ad a. B erdasarkan p erhitungan r ata-rata error menggunakan pr ogram excel, d idapatkan nilai

rata-rata error untuk temperatur dari economizer sebesar 5.10_{C. Ini menunjukan b ahwa pe modelan} yang dilakukan sudah bi sa m ewakili m odel plant yang sebenarnya.

3.2 Model Matematis Temperature Transmitter

Jenis t ransmitter y ang d igunakan a dalah differensial pressure transmitter. T ransmitter ini bekerja dalam range 0-200 0_{C dan keluarannya adalah} sinyal listrik de ngan r ange 4 -20 m A. Gain dari transmitter ini adalah :

) ( ) ( 0_C masukan Span mA keluaran Span G_L= (7) (3.7)

Dengan memasukkan data dari transmitter level maka didapat : mA C mA G_L 0 0_C 0.064 250 ) 4 20 ( − ₌ =

Sedangkan u ntuk m endapatkan fungsi t ransfer da ri transmitter level ini digunakan persamaan :

1

)

(

)

(

)

(

+

=

s

T

G

s

I

s

L

c L L L _{(8) (3.8)} dimana : GL : gain transmitter

Tc : time constant transmitter

Time constant dari t ransmitter ini adalah 0, 7 de tik,

maka fungsi transfer transmitter level adalah :

1

7

.

0

064

.

0

)

(

)

(

+

=

s

s

I

s

L

L L 0 2 4 6 8 10 12 14 16 0 5 10 15 20 25 Time (s) mA Respon

Gambar 11 Grafik respon uji step temperature

transmitter

Dari hasil s imulasi, t emperatur p ada spesifikasi temperature transmitter dikonversi menjadi ar us ( mA). Karena yang t ercatat p ada

temperature transmitter ini adalah t emperatur p ada economizer, maka diharapkan laju aliran yang tercatat

pada temperature transmitter ini ma mpu m encatat temperatur min imum s ampai t emperatur ma ksimum

pada economizer. T emperatur t ercatat i ni yang direpresentasikan menjadi s inyal u ji step. D ari simulasi yang dilakukan, untuk temperatur minimum sebesar 0 0_{C m aka ar us y ang tercatat pada} temperature transmitter adalah s ebesar 4 mA,

sedangkan u ntuk lajua a liran maksimum economizer sebesar 2 500_{C maka ar us yang t ercatat p ada} temperature transmitter adalah sebesar 20 mA.

3.3 Katup Pengendali (Control Valve)

Dengan a sumsi bahwa control valve yang digunakan m empunyai karakteristik a liran ya ng linier, m aka fungsi t ransfer control valve dapat didekati dengan persamaan orde satu sebagai berikut :

(9)

Gain I/P :

(10)

Sehingga diperoleh gain total control valve:

(11)

Time constant efektif control valve diperoleh

berdasarkan hu bungan w aktu stroke, p erfreksional terhadap p osisi valve dan p erbandingan k onstanta waktu inferent terhadap w aktu stroke yang dinyatakan. Hal ini dinyatakan dalam :

τ

cv

=

Tv

(

∆

V

+

R

V

)

(12)

Sehingga model matematis control valve diketahui :

1

79

,1

25

.

11

)

(

)

(

+

=

s

s

I

s

M

s

CV CV

79

.

1

03

.

0

180

0

180

39

.

0

679

.

0

=













₊













−

=

τ

τ

)

det/

(

25

.

11

75

,

0

.

15

.

mA

kg

G

G

K

V CV T

=

=

=

masukan tekanan perubahan maks aliran laju GCV = masukan arus perubahan masukan tekanan perubahan GT = mA psi psi kg / 75 . 0 ) ( 4 20 det) / ( 3 15 = − − = ) . det / ( 15 ) ( 3 15 det) / ( 180 psi kg psi kg = − =

6

0 2 4 6 8 10 12 14 16 0 50 100 150 200 Time (s) F lo w ( K g /s ) Respon CV

Gambar 12 Grafik uji step control valve

Dari s imulasi yang d ilakukan melalui

simulink diperoleh g rafik sinyal u ji d an r espon control valve. S inyal u ji yang d igunakan a dalah

sinyal step. Sedangkan respon dari sinyal uji tersebut dapat di lihat m elalui ga mbar 3. 9. B entuk gr afik respon control valve menunjukkan b ahwa m odel

control valve yang d ibuat a dalah sistem o rde s atu.

Dari simulasi yang d ilakukan, t ampak bahwa u ntuk sinyal in putan 4 mA control valve menutup seluruhnya, sedangkan untuk inputan 20 mA control

valve membuka 100% . D ari gr afik da pat d iamati

bahwa laju bahan bakar maksimum yang keluar dari

control valve saat b ukaannya 100% a dalah s ebesar

180 Kg/s.

3.4 Penentuan Parameter Tuning PID terbaik

Dalam menentukan p arameter tuning terbaik, d ilakukan de ngan c ara o silasi mengunakan metode Zigler-Nichols dengan m enggunakan

software matlab. D engan ca ra mengubah-ubah

parameter P ID y aitu nilai Kp d iubah-ubah s ampai mencapai nilai k ritis ( Kcr) s ampai o utput s istemnya berosilasi. S etelah d iubah p arameter-parameternya dianalisa gr afik r esponnya. Dari gr fik t ersebut maka akan d iperoleh nilai P cr yaitu jarak a ntara p uncak gelombang-gelombang berikutnya.

Gambar 3.13 Grafik respon untuk mencari Pcr

Didapatkan nilai Kcr = 10 da n P cr = 10 ke mudian dimasukan d alam r umus Zigler-Nichols dengan metode osilasi maka d idapatkan p arameter c ontrol sebagai berikut :

Table 1 Parameter mode kontrol P,PI, dan PID

No Mode Kontrol _Kp Parameter _{Ti Td}

1 P 5 0 0

2 PI 4.5 8.33 0

3 PID 6 5 1.25

3.5 Perancangan Algoritma Kendali Fuzzy-PID

Gain Schedulling

Perancangan al goritma k endali fuzzy-PI

gain scheduling dilakukan de ngan memanfaatkan

pemrograman simulink pada software Matlab 7. 4. Prosedur yang d ilakukan da lam pe rancangan algoritma fuzzy adalah :

1. Menentukan p arameter tuning PI t erbaik berdasarkan simulasi pada simulink.

2. Menetapkan data input dan output.

3. Fuzzifikasi

4. Membuat aturan fuzzy yang akan digunakan dalam operasi fuzzy.

5. Metode P engambilan Keputusan ( Inferensi/ Rule Evalution).

6. Strategi Defuzzifikasi.

3.5.1 Fuzzifikasi

Fuzzifikasi adalah p roses memetakan input output dari variabel crips kedalam v ariabel linguist.

Dalam pemilihan fungsi keanggotaan himpunan fuzzy tidak ad a at uran yang baku, t api pemilihan f ungsi keanggotaan h arus m erepresentasikan karakteristik himpunan fuzzy yang kita inginkan.

• Data m asukan ( error, delta e rror) dan ke luaran (Kp, K i da n Kd) berupa crisp diperoleh d ari simulasi p lant e conomizer. N ilai crisp er ror mempunyai r entang antara -20 s ampai d engan 20, delta e rror antara -10 s ampai d engan 10, sedangkan nilai k eluaran p arameter K p an tara 19.5 s ampai de ngan 20. 5, pa rameter K i a ntara 1.95 da n 2. 05 s edangkan pa rameter K d a ntara 49.5 sampai 44.5

• Untuk jumlah variabel linguistik error dan delta

error sebanyak lima variabel, yaitu NB, NM, Z,

PM dan PB. P dan N adalah positif dan negatif, sedangkan B adalah big, M adalah medium dan S adalah small. D erajat ke anggotaan himpunan fuzzy d ipilih fungsi s egitiga k arena d alam perhitungannya memerlukan waktu y ang l ebih cepat di bandingkan fungsi lainnya. D imana fungsi s egitiga menyatakan derajat k eanggotaan (μ) dari x untuk masing – masing himpunan variabel linguistik.

• Untuk j umlah variabel linguistik p ada s etiap output ad a tiga yaitu B ad alah big, M a dalah

medium dan S a dalah small sama s eperti i nput

yaitu m enggunakan f ungsi s egitiga sebagai derajat keanggotaannya dikarenakan memerlukan waktu yang lebih cepat.

7

Gambar 14 Fuzzy Inference System

3.5.2 Pembuatan Aturan Fuzzy

Dalam membuat a turan fuzzy diperlukan ketelitian d an pemahaman t entang sistem yang a kan dibangun dengan logika fuzzy. Pembuatan aturan dari logika fuzzy pada pe nelitian ini d idasarkan pa da hubungan antara input dan output.

Tabel 2 Rule Base untuk Kp

Error Delta Error

NB NK Z PK PB NB S S S S S NK S S M S S Z S M M M S PK B B M B B PB B B B B B

Tabel 3 Rule Base untuk Ki

Error Delta Error

NB NK Z PK PB NB B B B B B NK B B M B B Z S M M M S PK S S M S S PB S S S S S

Tabel 4 Rule Base untuk Kd

Error Delta Error

NB NK Z PK PB NB S S S S S NK S S M S S Z S M M M S PK B B M B B PB B B B B B

Setelah proses fuzzifikasi yang menghasilkan fungsi keanggotaan, maka perlu adanya perancangan

basis a turan ( rule base). B asis at uran (rule base) meliputi kumpulan aturan kontoler logika fuzzy untuk menyatakan a ksi pe ngendali a gar mencapai t ujuan yang d iharapkan. D alam p embuatan at uran fuzzy diperlukan ketelitian dan pemahaman terhadap sistem yang akan dibangun dengan logika fuzzy. Pembuatan aturan dari logika fuzzy pada penelitian ini didasarkan pada pengaruh nilai parameter PID (Kp, Ki dan Kd) terhadap respon pengendalian. Gambar 15 merupakan desain b asis aturan l ogika fuzzy pada F IS ed itor Matlab, dimana basis aturan terdiri dari 25 aturan.

Gambar 15 Rule Base kontroler FGS

IV. ANALISA DATA DAN PEMBAHASAN 4.2 Uji Open Loop Proses

Simulasi p ada open loop ini d igunakan untuk m engetahui s ejauh ma na performansi sistem tanpa pe ngendali. Uji open loop dilakukan d engan memberikan input berupa sinyal step.

Gambar 4. 1 menunjukkan bahwa d engan adanya u ji open loop tanpa pe ngendali, temperature tidak b isa m encapai set point. Karena p erformansi sistem t ersebut jauh d ari yang d iinginkan, k arena karakteristik plant termasuk orde satu dan tidak dapat mengendalikan d irinya s endiri ke tika t idak d ipasang alat-alat pengendali. 0 20 40 60 80 100 0 100 200 300 400 500 Time (s) T em p er at ur ( C ) Respon Set point

8

4.2 Uji Close Loop dengan Mode Kontrol P, PI, PID dan Fuzzy Gain Schedulling PID

Controller

Pada s ub - bab b erikut a kan d ilakukan perbandingan dengan menggunakan mode kontrol P, PI, dan PID. Parameter yang digunakan dalam mode kontrol P, PI, dan PID sendiri didapat melalui metode Ziegler - Nichols. Tujuan dilakukannya perbandingan ini ad alah u ntuk m engetahui p erbedaan p erforma antara k ontroler berbasis Fuzzy Gain Schedulling dengan mode kontrol P, PI dan PID.

Mode Kontrol Proporsional (P)

Mode k ontrol p roporsional, de ngan parameter K p 0. 5. M ode k ontrol pr oporsional dipasang d engan mengambil t ekanan s ebagai referensi. H al itu d imaksudkan k arena p ada Fuzzy

Gain Schedulling, ko nfigurasi ut amanya

menggunakan tekanan sebagai referensi.

0 20 40 60 80 10 0 0 50 10 0 150 20 0 250 Time (s) T em p er at ur e ( C ) Respon Set point

Gambar 17 Grafik respon economizer dengan mode

kontrol P

Dari G rafik d iatas r espon d ari s ystem kontrol P t idak da pat mencapai s et po int. D imana hasil r espon yang yang d iperoleh s elalu d iatas setpoint da n ko ntol P t idak t epat di gaunakan u ntuk pengendalian temperatur pada economizer.

Mode Kontrol Proporsional Integral (PI)

Setelah d ilakukan pe rbandingan d engan mode kontrol P, selanjutnya dilakukan perbandingan dengan mode kontrol PI (Proporsional Integral). Dari perbandingan ini, a kan d iketahui s ejauh mana kemampuan Fuzzy Gain Schedulling apabila dibandingkan dengan mode kontrol PI. Mode Kontrol PI y ang d igunakan bekerja b erdasarkan r eferensi tekanan. P arameter k ontroler yang d igunakan tercantum pada tabel 4.1.

0 20 40 60 80 10 0 0 50 10 0 150 20 0 250 30 0 Time (s) Tem per at ur e ( C ) Respon Set point

Gambar 18 Grafik respon economizer dengan mode

control PI

Mode Kontrol Proporsional Integral Derivatif (PID)

Parameter - parameter mode k ontrol P ID dapat d ilihat melalui t abel 4 .1. D engan d emikian, perbandingan ko ntroler ini d ilakukan t idak ha nya terhadap d esain fuzzy gain schedulling yang t elah dibuat, namun dibandingkan pula karakteristik untuk masing - masing mode ko ntrol pr oporsional (P), mode ko ntrol pr oporsional integral ( PI) da n mode kontrol p roporsional integral d erivatif (PID). M ode kontrol PID sendiri me rupakan ju mlahan d ari gabungan f ungsi a lih m ode kontrol proporsional, mode kontrol integral, dan mode kontrol derivatif.

0 20 40 60 80 100 0 50 100 150 200 250 300 Time (s) T em p er at ur ( C ) Respon Set point

Gambar 19 Grafik respon economizer dengan

kontrol PID

Mode Kontrol Fuzzy Gain Schedulling PID

Controller

Berikut a kan d ilakukan U ji Close Loop dengan Fuzzy Gain Schedulling PID Controller. Dimana p ada sub-bab ya ng s ebelumnya telah dilakukan u ji close loop dengan m ode control P ,PI dan P ID. P ada k ontrol Gain Schedulling PID

Controller telah d ilakukan pa da B ab yang

sebelumnya yaitu menggunakan dua input da n t iga output yaitu error dan delta error sebagai in put dan Kp,Ki dan Kd sebagai output.

0 20 40 60 80 100 0 50 100 150 200 Time (s) T em p er at ur ( C ) Respon Set point

Gambar 20 Grafik r espon economizer dengan

kontrol Fuzzy Gain Schedulling Dengan Fuzzy Gain Schedulling ini didapatkan nilai Kp = 20, Ki = 2 da n Kd = 50. D ari perbandingan data d iatas d apat d ilihat p ada t able d ibawah i ni

9

manakah mode ko ntrol yang pa ling baik d iantara mode kontrol P, PI, PID dan Fuzzy Gain Schedulling.

Tabel 2 Perbandingan mode kontrol

P PI PID FGS

Max. Overshoot - 61.76% 47.35% 15% Settling Time ∞ 50s 35s 40s

Dapat d isimpulkan bahwa u ntuk mode pengendali P t idak da pat mencapai s et po int maka tidak d idapatkan nilai maximum overshoot dan

settling time ∞ . U ntuk m ode pe ngendali P I t erjadi maximum overshoot dan settling time yang t erlalu

tinggi ya itu mencapai 47. 35% da n r espon s istem banyak b erosilasi. Untuk i tu m aka dibuat m ode pengendalian P ID u ntuk m ereduksi overshoot yang tinggi d an r espon s istem yang berosilasi p ada mode pengendalian P I, d engan mode p engendalian PID tetapi masih belum bisa mereduksi dengan maksimal dan maximum overshoot masih besar 47. 35% da n memperpendek n ilai settling time menjadi 35s t etapi respon s istem s udah t idak berisolasi. U ntuk mode pengendali F GS l ebih ba ik l agi da ri pada mode pengendalian PID y ang bi sa m ereduksi overshoot menjadi 15% da n settling time agak l ebih l ama 5 detik m enjadi 40s. I ni membuktikan bahwa d engan controller Fuzzy Gain Schedulling dapat m enekan

overshoot menjadi lebih k ecil d an settling time (ts)

yang cepat untuk mencapai set point.

Semua pengujian ini masih dengan beban yang sesuai d engan k eadaan normal. Untuk m engetahui performasi yang t erbaik d ari Fuzzy Gain Scheduling

PID Controller dengan P ID Controlle terhadap

perubahan-perubahan beban atau set poin maka akan dibahas pada sub-bab berikutnya.

4.3 Pengujian dan Analisa Kendali Fuzzy Gain

Scheduling PID Controller dengan PID Controller.

Maka dalam sub-bab ini akan dibandingkan controller yang terbaik dengan pengujian tracking set

point, p enambahan d an p engurangan beban. D engan

pengujian-pengujian ini ma sih ma mpukah dari Fuzzy

Gain Scheduling PID Controller dengan PID Controller untuk m encapai s et po int de ngan

gangguan-ganguan yang ada.

Uji tracking set point

Pada pe ngujian ini d ilakukan pe ngujian

Fuzzy Gain Scheduling PID Controller dengan PID Controller terhadap p erubahan t erhadap setpoint

pada proses dengan memberikan uji setpoint naik dan sekaligus u ji setpoint turun pa da s elang w aktu 800 detik. G rafik r espon sistem d engan setpoint : [ 120 170 150 120]0_{C dapat dilihat pada gambar di bawah.}

0 100 200 300 400 500 600 700 800 0 50 100 150 200 Time (s) T em p er at ur ( C ) FGS PID Set point

Gambar 22 Uji tracking set point PID dan FGS

controller

Karakteristik p erformansi p engendalian t emperatur ketika setpoint awal yaitu 1200_C.

Tabel 3 Tabel performansi setpoint awal yaitu 1200C

PID FGS

Max. Overshoot 41.16% 14.58%

Settling Time 35s 40s

Karakteristik p erformansi p engendalian t emperatur ketika terjadi

ketika kenaikan setpoint 500_C

Tabel 4 Tabel performansi kenaikan setpoint 500C

PID FGS

Max. Overshoot 15.64% 4.7%

Settling Time 25s 30s

Karakteristik p erformansi p engendalian t emperatur ketika terjadi ketika penurunan setpoint 200_C

Tabel 5 Tabel performansi penurunan setpoint 200C

PID FGS

Max. Underhoot 12.5 % 3.91%

Settling Time 25s 30s

Karakteristik p erformansi p engendalian t emperatur ketika terjadi ketika penurunan setpoint 500_C

Tabel 6 Tabel performansi penurunan setpoint 500C

PID FGS

Max. Underhoot 6% 3.9%

Settling Time 32s 30s

Untuk respon PID Controller pada kenaikan setpoint awal 1200_{C m engalami overshoot yang t inggi yaitu} mencapai 41. 16% da n itu membahayakan t erhadap pengendalian t emperature de ngan t emperature yang tinggi j uaga akan m engakibatkan tekanan ya ng ditimbulkan s emakin besar p ula d an itu bisa mengakibatkan kebocoran pada pipa bila terjadi terus menerus. Tetapi dengan

Fuzzy Gain Scheduling PID Controller tidak

mengalami overshoot yang k ecil yaitu c uma 14. 8% dan itu cukup aman untuk pengendalian temperature. Untuk kenaikan set point awal 1200_{C degan kenikan} yang c ukup t inggi mengakibatkan overshoot yang tinggi pu la t etapi t idak u ntuk pe nurunan set point 500_{C kedua jenis controller tersebut tidak mengalami} perubahan derastis dan masih sesuai dengan set point.

10

Uji kenaikan beban 20% dari keadaan standart

Pada u ji ka li ini d ilakukan pe nambahan beban 20% dari keadaan s tandart y aitu s ekitar 120 Kg/s u ntuk l aju massa a liran da n 330 0_{C unt uk} pemanas dari s team dari s isa h asi pembakaran y ang tidak digunakan. 0 20 40 60 80 100 0 50 100 150 200 250 300 Time (s) T em p er at ur ( C ) FGS PID Set point

Gambar 23 Grafik respon kenikan beban 20%

Karakteristik p erformansi p engendalian t emperatur ketika t erjadi penambahan beban 20% da ri ke adaan standart dapat dilihat pada table dibawah ini.

Tabel 7 Tabel performansi kenaikan beban 20%

PID FGS

Max. Undershoot 47.76% 14.52%

Settling Time 25s 35s

Dari gr afik d iatas membuktikan b ahwa de ngan kenaikan bebean 20% da ri ke adan s tandart Fuzzy

Gain Scheduling PID Controller masih d apat

mengikuti set point dengan overshoot yang kecil. PID

Controller masih d apat mengikuti set p oint t etapi overshoot yang t inggi yaitu 47.76%. PID Controller

cuma bisa stabil dan mempunyai overshoot kecil pada keadaan standart t etapi sangat t idak c ocok unt uk adanya perubahan b eban y ang terlalu j auh b erbeda dengan keadaan yang standart.

Uji penurunan beban 20% dari keadaan standart

Pada u ji ka li ini d ilakukan pe ngurangan beban 20% da ri ke adaan standart yaitu s ekitar 80 Kg/s u ntuk l aju massa a liran da n 270 0_{C unt uk} pemanas dari s team dari s isa h asi pembakaran y ang tidak digunakan. 0 20 40 60 80 10 0 0 50 10 0 150 20 0 250 Time (s) T em p er at ur e ( C ) FGS PID Set point

Gambar 24 Grafik respon penurunan beban 20%

Karakteristik p erformansi p engendalian t emperatur ketika t erjadi penurunan beban 20% da ri ke adaan standart dapat dilihat pada table dibawah ini.

Tabel 8 Tabel performansi penurunan beban 20%

PID FGS

Max. Undershoot 45.05% 17.05%

Settling Time 50s 40s

Dari gr afik pe nurunan beban 20% da ri ke adaan standart m embuktikan bahwa u ntuk PID Controller mempunyai overshoot yang t inggi s ekaili ya itu mencapai 45. 05% da n juga membutuhkan w aktu yang lama u ntuk stabil yaitu 50s. Dengan overshoot yang tinggi s ekali m aka PID Controller tidak co cok apabila ada perubahan-perubahan beban namun untuk penurunan beban ini lebih t idak s tabil d ibandingkan dengan penambahan beban.

Dari s emua uji diatas m embuktikan b ahwa

Fuzzy Gain Scheduling PID Controller masih d apat

stabil de ngan pe rubahan-perubahan yang a da. D an ketika terjadi perubahan parameter pada plant, respon

Fuzzy Gain Scheduling PID Controller masih mampu

menjaga kestabilan sistem. Ideal PID Controller tidak mampu la gi me ngendalikan plant dengan ba ik (respons menjadi tidak stabil). Sedangkan Fuzzy Gain

Scheduling PID Controller menghitung ul ang

parameter P ID b erdasarkan k ondisi error (E) dan perubahan error (ΔE) yang terjadi. Hal ini membuktikan bahwa a lgoritma ke ndali Fuzzy Gain

Scheduling PID Controller mempunyai k elebihan

dibandingkan de ngan a lgoritma P ID bi asa. A danya tambahan fuzzy ini d iharapkan pe ngendali lebih responsive t erhadap p erubahan d i plant (mampu melakukan t uning a daptif de ngan pe rubahan plant) sehingga kestabilan sistem tetap terjaga. Agar sebuah proses bisa dikatakan Safe, sistem pengendalian yang mengontrol proses harus Reliable, dan adaptif dalam mengikuti perubahan proses.

V. KESIMPULAN DAN SARAN 5.1 Kesimpulan

Berdasarkan pengujian yang telah dilakukan maka didapatkan kesimpulan sebagai berikut:

1. Telah d ilakukan p erancangan k ontroler fuzzy

gain scheduling PID control pada economizer Waste Heat Boiler (WHB). D engan 2 5 rule base, input (error, delta error) dan output (Kp,

Ki dan Kd).

2. Mode ko ntrol P de ngan Kp 5 t idak c ocok digunakan u ntuk control temperature. Untuk mode ko ntrol P I de ngan Kp 4. 5 da n T i 8. 33 mengalami maximum overshoot yang t erlalu tinggi. S edangkan mode c ontrol de ngan P ID masih me ngalami maximum overshoot yang tinggi pula yaitu 47.35%

3. Untuk ko ntrol fuzzy gain scheduling PID

control didapatkan parameter Kp 20, Ki 2 da n

Kd 50 y ang m engalami maximum overshoot yang t idak terlalu t inggi yaitu 15% dan settling

time 40s da n t epat un tuk di gunakan sebagai

kontrol temperatur pada economizer.

4. Dengan dilakukanya uji beban dan tracking set

11

lebih b isa me ngikuti set point dan mengalamai

overshoot yang kecil bila dibandingkan dengan mode control PID biasa. S ehingga de ngan

adanya t ambahan fuzzy ini p engendali lebih responsive terhadap perubahan di plant (mampu melakukan t uning a daptif de ngan pe rubahan

plant) sehingga kestabilan sistem tetap terjaga.

5.2 Saran

Berdasarkan penelitian yang telah dilakukan maka d apat d iberikan s aran b ahwa u ntuk meningkatkan efisiensi dari sistem Waste Heat Boiler diperlukan pe ngontrolan pa da pe manas a wal yaitu pada economizer dengan pemanasan awal yang stabil maka a kan meringgankan ke rja HP Drum dalam merubah a ir menjadi steam yang d igunakan u ntuk proses produksi di PT. Petrokimia Gresik.

DAFTAR PUSTAKA

[1] Ogata, K atsuhik. 1995. T eknik K ontrol Automatik . Jakarta; Erlangga.

[2] Holman, J.P., Jasfi, E. 1997. ” PERPINDAHAN KALOR” edisi ke 6, Erlangga.

[3] Asyari D. Yu nus. 2 005. D iklat K uliah Termodinamika T eknik I I .Universitas D arma Persada – Jakarta.

[4] <URL:http://www.energyefficiencyasia.org/Efisi ensi_thermal>, Mei ,2010

[5] Hamidah, N ur L aila. 2010. A nalisa Kinerja

Waste Heat Boiler Dengan M etode

Kesetimbangan P anas D an M assa D ipabrik 1 (Satu) Pt.Petrokimia Gresik. ITS Surabaya. [6] Zhang, H uaguang & D erong L iu. 2006. Fuzzy

Modelling And Fuzzy C ontrol. B oston: Birkhauser.

[7] Kusuma de wi, S ri. 2002. Analisis & desain

sistem Fuzzy.Yogyakarta:Graha Ilmu

[8] Sulastri, Heni. 2011. Perancangan I nlet Pressure Control (IP C) H igh P ressure S team T urbin Berbasis L ogika F uzzy-Pi G ain S cheduling D i Pltgu T ambak Lorok Pt.Indonesia P ower U BP. Semarang. ITS surabaya

BIODATA PENULIS

Nama : Doni Kusuma E.

NRP : 2409 105 018

TTL : Bojonegoro, 21 Desember 1988

Alamat : Jl.Raya Bubulan No.5 Bubulan,Bojonegoro

E-mail : erwanda.abiess@gmail.com Riwayat Pendidikan : - SDN 1 Bubulan (1994 - 2000) - SLTPN 1 Bubulan (2000 - 2003) - SMAN 3 Bojonegoro (2003 - 2006) - D3 T. Instrumentasi (2006 - 2009) - Teknik Fisika ITS (2009 - sekarang)