INTEGRASI PANAS TEKNIK MITAGASI. Latar Belakang TEKNIK OPTIMASI FOULING. Here comes your footer Page 2 PROGRAM STUDI S-1 TEKNIK FISIKA ITS

(1)

(2)

INTEGRASI

PANAS

TEKNIK

MITAGASI

FOULING

TEKNIK

OPTIMASI

Latar

Belakang

(3)

Permasalahan dari Tugas Akhir ini adalah

Bagaimana Cara Mengoptimasi Jadwal Pembersihan HEN menggunakan PSO

(4)

Menentukan

Jadwal Pembersihan HEN yg Optimum

Menggunakan PSO.

(5)

1. Pekerjaan ini fokus pada optimasi jadwal

pembersihan HEN menggunakan metode PSO

2. Model HEN dan resistansi fouling yang telah

divalidasi menggunakan desertasi sebelumnya *

3. Fungsi tujuan optimasi jadwal pembersihan HEN

merujuk pada peneli sebelumnya *

4. Nama perusahaan dan minyak mentah tidak

(6)

Definisi :

 Suatu kumpulan dari HE dalam satu sistem

 Fungsi dari HEN adalah untuk memulihkan panas fluida sebelum masuk ke

(7)

• Fouling merupakan pembentukan lapisan deposit pada HE yang mengakibatkan performance HE menurun.

(8)

• Perumusan masalah optimasi pembersihan HEN dirumuskan untuk menghemat penggunaan energi dan biaya pemeliharan semaksimal mungkin.

• Perumusan fungsi tujuan dibagi dalam 2 katagori 1. Memaksimalkan pemulihan panas

2. Meminimalisir energi yang hilang ketika beroperasi

Salah satu fungsi tujuan yang telah dirumuskan oleh peneliti sebelumnya









tf

Nc

j

c

j

x

m

F

E

Q

t

C

t

C

t

dt

C

Obj

0 {

(

)

(

)

(

)}

,

Keterangan:

Q = Biaya energi ekstra yang disebabkan fouling

,C_x = Biaya pemeliharaan dan biaya energi yg hilang

N_c = Interval pembersihan HE dari 0 - T_F

(9)

• Optimasi merupakan suatu tindakan yang mengakibatkan suatu perubahan ke arah yang labih baik dari pada sebelumnya.

• Particle swarm optimization (PSO) ialah teknik komputasi evolusioner yang dikembangkan oleh Kennedy dan Eberhart pada tahun 1995.

merupakan sekumpulan partikel yang membentuk populasi sosial atau sering digambarkan dengan sekumpulan burung pada suatu populasi sosial.

• Parameter PSO terdiri dari ukuran jumlah partikel, fungsi tujuan, Pbest, Gbest, faktor inersia, Posisi partikel dan Kecepatan Partikel

x x x x x x x x x x x x x x x x xxxxxxxx

(10)

(11)

Persamaan perpindahan panas

Keterangan :

Q = Heat Duty (W)

U_a= Nomor Penukar Panas

A = Heat Transfer Area (m2₎

F = LMTD Correction Factor

ΔT_LM= Log Mean Temperature Difference (LMTD) (o_C)

Q = U_aA F ΔT_LM Persamaan LMTD



 



              o c i h i c o h o c i h i c o h T T T T T T T T LMTD , , , , , , , , ln

(12)

Persamaan koefesien perpindahan panas

 _{Keterangan :}

 _R_f,i = Resistansi Fouling bagian dalam

 _R_f,o _{= Resistansi Fouling bagian luar}

 _h_i _{= Koefisien perpindahan panas tube-side film}

 _h_o _{= Koefisien perpindahan panas shell-side film}

 _U_a = Koefisien perpindahan panas keseluruhan

 _k_w _{= Konduktifitas panas dari dinding tube}

 _d_o _{= Diameter terluar dari tube}

 _d_i _{= Diameter dalam dari tube}

o o f, w i o o i i f, o i i o a h 1 R 2k d d ln d d R d h d d U 1  _ _       

(13)

Solusi model penukar panas yang diasumsikan dalam keadaan steady state

Dengan nilai k₁ dan k₂

c p c h p h

c

m

c

m

k

, , 1



h p h

c

m

UA

k

, 2



(14)

• Pemodelan fouling menggunakan persamaan sigmoidal boltzmann

(15)

• Penurunan tekanan aliran fluida dipengaruhi oleh ketebalan resistansi foulant dan laju aliran massa fluida



f p

p

q

W





Keterangan :

q = Volme laju aliran fluida

W_p = Besar usaha pompa bekerja

Δp_f = Penurunan tekanan saat kondisi kotor

Δp_c= Penurunan tekanan saat kondisi bersih (Datasheet)

(16)

Keterangan :

C_E = Biaya energi

C_Cl = Biaya pembersihan

C_p = Biaya dari pompa yang bekerja

N_E = Jumlah penukar panas dalam HEN

N_{c, n} = Jumlah pembersihan HE untuk n tahun pada periode operasi yang diberikan

N_tf = Jumlah hari (Waktu Horizon)

= Perpindahan panas dalam n pada waktu t dalam kondisi bersih

c = Perpindahan panas dalam n pada waktu t dengan jadwal pembersihan

W_p = Kinerja pompa yang bertambah

Y = Status dari masing-masing HE, 1 jika unit bekerja dan 0 jika unit tidak bekerja

n = 1,2 … N_E nomor penukar panas





      





          E tf E c,n E f 1 1 , p 1 1 Cl, , , 1 1 , , , E n c, ) 1 (

J

min

N n N t Pn t N n N J n j nt N n N t n t wcl t n cl t n Q y C y C W Q C t N

(17)

Jumlah partikel yang digunakan untuk mengoptimasi jadwal pembersihan

ditentukan berdasarkan hasil yang lebih baik. Dimensi dalam PSO digunakan untuk mewakili periode pembersihan dari masing – masing penukar panas.

(18)

Gambar. 6 Grafik nilai fitness dari fungsi tujuan optimasi

Gambar 6 merupakan grafik dari hasil perhitungan fungsi tujuan (fitness) menggunakan 25 partikel dengan 100 iterasi.

Nilai fitness merupakan jumlah biaya pemulihan energi, biaya pembersihan, dan biaya pompa bekerja. Kondisi konvergen didapatkan ketika nilai fitness berkisar 1.32 x 107 _{ketika iterasi ke 54.}

(19)

Optimasi jadwal pembersihan jaringan penukar panas (HEN) dilakukan selama periode 44 bulan. Posisi terbaik keseluruhan partikel atau disebut dengan Gbest dari hasil optimasi jadwal pembersihan HEN

direpresentasikan pada table 1

E-01 E-02 E-03 E-04 E-05 E-06 E-07 E-08 E-09 E-10 E-11 16 24 28 9 5 9 28 5 9 5 24

E-01 E-02 E-03 E-04 E-05 E-06 E-07 E-08 E-09 E-10 E-11 2 1 1 4 8 4 1 8 4 8 1

TABEL I

Posisi Terbaik Keseluruhan Partikel (Gbest)

TABEL II

(20)

Resistansi fouling setiap penukar panas memiliki nilai yang berbeda, hal ini disebabkan oleh kecepatan fluida dan suhu pada dinding atau film

bervariasi.

Gambar. 9 Resistansi fouling penukar panas saat kondisi kotor

Dapat diketahui bahwa resistansi fouling tertinggi terjadi pada penukar panas E-05 sedangkan resistansi fouling terendah terjadi pada penukar panas E-10.

(21)

0 5 10 15 20 25 30 35 40 45 1 101 201 301 401 501 601 701 801 901 1001 1101 1201 1301 W pum p (W k) Waktu (Hari)

Kondisi Bersih Kondisi kotor Kondisi Jadwal Pembersihan

Gambar. 10 Profil kinerja pompa di HE-01 setelah dilakukan optimasi jadwal pembersihan.

Proses Pembersihan

profil kinerja pompa setelah dilakukan optimasi pembersihan, kinerja pompa mendekati saat kondisi kinerja pompa dalam keadaan bersih tanpa adanya resistansi fouling.

(22)

Perubahan profil koefesien perpindahan panas mengikuti jadwal

pembersihan penukar panas. Penukar panas setelah dilakukan proses pembersihan diasumsikan kembali ke kondisi saat penukar panas dalam keadaaan bersih tanpa fouling.

Gambar 4.8 Profil koefisien perpindahan panas HE-01 setelah dilakukan optimasi

Proses Pembersihan

(23)

Tingkat perpindahan panas atau heat duty dipengaruhi oleh koefesien perpindahan panas dan perubahan nilai log mean temperature difference (LMTD).

Gambar. 11 Heat duty dalam kondisi bersih, kotor, dan setelah di optimasi

Hasil perubahan heat duty untuk HE-01 direpresentasikan pada gambar 11. Grafik heat duty HE- 01 dalam kondisi kotor mengalami penurunan dari waktu ke waktu 0 10 20 30 40 50 60 70 80 90 1 101 201 301 401 501 601 701 801 901 1001 1101 1201 1301 Pe rpi ndaha n Pa nas K es el uruhan (M W ) Waktu(Hari)

(24)

Penghematan Ekonomi = ( RE_(cs) - RE_(f)) - ( CC_(cs)– CC_(f)) - ( PC_(cs) – PC_(f)) Keterangan;

RE = Energi yang dipulihkan CC = Biaya pembersihan

PC = Biaya dari pompa yang bekerja cs = Kondisi cleaning schedule

f = Kondisi kotor

• Total Penghematan Ekonomi yang dicapai dalam tugas akhir ini adalah $ 1.236 juta dolar USD

(25)

Kondisi Recovered Energy ($) Cleaning cost ($) Pumping cost ($) Bersih 23.437.800 0 236.909 Kotor 18.570.433 0 596.365 Cleanning Schedul 21.138.727 1.478.400 449.504 TABEL III

(26)

Perbandingan Optimasi jadwal pembersihan HEN menggunakan metode PSO dengan metode preventive maintenace

No. Optimasi dengan PSO Preventive Maintenance

1. Cenderung digunakan

untuk optimasi kinerja Cenderung digunakanuntuk Reability

2. Jadwal perawatan

tergantung dari prediksi dari pemodelan yang

dibuat

Jadwal perawatan tergantung dari umur dari

peralatan 3. Jadwal perawatan tidak

teratur, tergantung dari prediksi dari pemodalan

yg dibuat

Jadwal perwatan tertatur, tergantung dari umur

peralatan tersebut

(27)

1. Pengoptimasian Jadwal pembersihan jaringan penukar panas dilakukan berdasarkan pemodelan HEN, Resistansi Fouling, dan perumusan fungsi tujuan

2. Jadwal pembersihan dari masing – masing HE setelah dilakukan optimasi menggunakan PSO dalam periode 44 bulan adalah HE-01(16), HE-02(24), HE-03(28), HE-04(9), HE-05(5), HE-06(9), HE-07(28), HE-08(5), HE-09(9),

HE-10(5), HE-11(24).

3. Penghematan ekonomi yang dihasilkan selama 44 bulan setelah dilakukan optimasi adalah $ 1.236 juta dolar USD.

(28)