1
UPGRADE DESAIN JARINGAN SENSOR LAJU ALIRAN MASSA MENGGUNAKAN METODE GRAPHICAL THEORY DAN TREE SEARCHING ALGORITHM PADA UNIT
SINTESA AMONIA DI PT. PETROKIMIA GRESIK
(Fakhruddin Agung L., Imam Abadi ST, MT) Jurusan Teknik Fisika – Fakultas Teknologi Industri
Institut Teknologi Sepuluh Nopember Kampus ITS Keputih Sukolilo, Surabaya 60111
ABSTRAK
Jaringan sensor laju aliran massa memiliki peran penting dalam proses sintesa ammonia di PT. Petrokimia Gresik. Hasil pengukuran yang dilakukan oleh jaringan sensor digunakan sebagai umpan balik sistem pengendalian, safety, maupun monitoring produk sintesa. Sehingga dibutuhkan jaringan sensor dengan tingkat presisi yang baik. Untuk meningkatkan presisi pengukuran yang dilakukan oleh jaringan sensor, dapat diterapkan teknik rekonsiliasi data (SSDR). Penerapan teknik rekonsiliasi data (SSDR) pada jaringan sensor laju aliran massa kondisi awal menunjukkan hasil yang kurang maksimal. Hal tersebut dikarenakan sebagian besar sensor memiliki derajat redundansi sama dengan 0. Sehingga masih terdapat 8 sensor dengan nilai standard deviasi di atas 2% dan derajat redundansi kurang dari 1. Oleh karena itu, diperlukan upgrade desain jaringan sensor menggunakan metode graphical theory dan tree searching algorithm. Upgrade dilakukan dengan mengacu pada persamaan cost optimal design guna mendapatkan desain jaringan terbaik dan memakan biaya paling sedikit. Upgrade pertama, yaitu reallocation, hanya dapat dilakukan hingga cabang ketiga dikarenakan terbatasnya sensor yang dapat dipindah. Hasil upgrade tersebut masih menyisakan 6 buah sensor yang tidak memenuhi batasan persamaan cost optimal design. Upgrade dilanjutkan dengan penambahan lima sensor baru. Hasil upgrade tersebut mampu meningkatkan derajat redundansi serta memaksimalkan teknik rekonsiliasi data pada 43 sensor. Sehingga sensor FT 1001 dan 8 sensor lainnya mengalami peningkatan derajat redundansi yaitu, menjadi lebih dari 1 serta presisi (s ≤ 2%) dengan biaya paling minimal, yaitu USD 23.670,00.
Kata Kunci: Jaringan Sensor, Rekonsiliasi Data, Upgrade
I. PENDAHULUAN
eknik rekonsiliasi data telah berkembang sejak tiga dekade terakhir. Teknik rekonsiliasi data terbukti berhasil meningkatkan presisi data hasil pengukuran yang dilakukan oleh jaringan sensor. Semua jenis teknik rekonsiliasi data pada dasarnya mengacu pada analisa observability serta
redundancy instrument ukur yang menyusun
sebuah jaringan sensor [3]. Hal tersebut kemudian menjadi dasar pemikiran bagi beberapa peneliti pada tahun 80an untuk menemukan desain jaringan sensor yang baik agar hasil rekonsiliasi data yang didapat maksimal.
Pada awal perkembangannya, desain jaringan sensor ditentukan melalui percobaan peletakan sensor atau instrument ukur. Hal tersebut tentunya membutuhkan waktu yang cukup lama untuk mendapatkan jaringan sensor yang baik. Untuk mengatasi hal tersebut, kemudian muncul penentuan desain jaringan sensor berdasarkan teori grafik (graphical theory) [2][4]. Metode tersebut dilakukan dengan menuangkan Process Flow
Diagram plant pada sebuah graphical flowsheet.
Metode perancangan desain jaringan sensor yang menggunakan teori grafik tersebut berkembang hingga saat ini, salah satunya adalah penelitian chakraborty [5]. Hasil penelitian tersebut menunjukkan semakin tinggi tingkat interkoneksi jaringan sensor (node and stream), maka reduksi variansi hasil proses rekonsiliasi data akan lebih
baik. Hasil penelitian di atas sangat tepat jika digunakan untuk membangun sebuah jaringan sensor yang baru.
Pendekatan yang berbeda perlu dilakukan jika kita hendak melakukan upgrade desain jaringan sensor yang telah terpasang (retrofit) pada suatu plant. Penelitian mengenai teknik upgrading jaringan sensor telah dilakukan oleh Bagajewicz dkk. sejak tahun 1997. Teknik upgrade tersebut dilakukan berdasarkan teori grafik yang telah disebutkan di awal. Proses upgrade dilakukan dengan acuan persamaan optimisasi cost-optimal
design [7] dengan tujuan meningkatkan presisi
jaringan sensor dan meminimalkan biaya upgrade. Proses upgrade itu sendiri dapat dilakukan melalui pemindahan letak sensor yang telah ada (reallocation) [11] ataupun penambahan sensor baru pada jaringan sensor yang telah ada [2]. Pada tahun 2006, Bagajewicz dkk.[8] menemukan cara efisien untuk melakukan upgrade berdasarkan teori grafik, khususnya pada sistem linier, untuk meningkatkan derajat redundancy dan presisi. Metode tersebut menggunakan cutset dari
graphical flowsheet sebagai potensial solution population. Untuk memenuhi persamaan cost-optimal design, digunakan metode tree searching algorithm. Akan tetapi, proses upgrade yang
dilakukan di dalam studi tersebut tidak melibatkan batasan-batasan yang ada di lapangan secara nyata, misalnya keterbatasan ruang dalam instalasi sensor
T
2
serta jenis sensor. Batasan-batasan tersebuttentunya wajib diperhatikan jika kita hendak melakukan proses upgrade jaringan sensor pada sebuah plant.
Oleh karena itu, pada penelitian tugas akhir kali ini akan dilakukan proses upgrade menggunakan metode yang ditemukan oleh Bagajewicz dkk., yaitu berdasarkan teori grafik dengan menggunakan cutset, pada jaringan sensor laju aliran massa unit sintesa amonia di PT. Petrokimia Gresik. Upgrade yang dilakukan memadukan teknik pemindahan letak sensor (reallocation) dan penambahan sensor baru dengan acuan persamaan cost optimal design dan menggunakan metode pohon pencarian (tree
searching algorithm). Selain itu, upgrade
dilakukan dengan memperhatikan kondisi serta batasan nyata yang ada di lapangan. Sehingga jaringan sensor laju aliran massa di PT. Petrokimia Gresik akan mengalami kenaikan derajat redundansi. Hal tersebut diharapkan akan meningkatkan hasil rekonsiliasi data (Steady State
Data Reconciliation) pada jaringan sensor tersebut.
Hasil dari upgrade tersebut diharapkan dapat meningkatkan performa sistem pengendalian, keberhasilan proses, keamanan proses serta hasil produksi proses sintesa amonia.
II.TEORI PENUNJANG A. Proses Sintesa Ammonia
Secara umum, proses pembuatan ammonia terdiri dari beberapa langkah sebagai berikut :
- Penyediaan gas synthesa - Pemurnian gas Synthesa - Synthesa Amoniak - Refrigerasi
- Recovery Purge gas
Amonia terbentuk dari hidrogen dan nitrogen pada tekanan dan temperatur tertentu dengan bantuan katalis. Sumber hidrogen (gas) terbentuk dari gas alam (methane) dengan steam, sedangkan nitrogen didapatkan dari udara bebas. Setelah bahan dasar tersebut dipadukan dengan perbandingan tertentu untuk reaksi amonia, karbon dioksida dilepas sebagai product dan sisanya dirubah menjadi methane untuk pengolahan selanjutnya. Karbon dioksida bebas disintesis menjadi amoniak pada catalytic converter. Hanya 30% dari hydrogen atau nitrogen yang digunakan untuk pembentukan amoniak, oleh karena itu siklus kontan perlu dilakukan. Amoniak gas yang mengandung kadar amoniak tinggi didinginkan melalui proses refrigerasi, pencairan amoniak ditujukan untuk memisahkan amoniak dari campuran yang lain. Sisa gas amoniak bebas (tidak murni) dikembalikan ke converter.
Gambar 2.1 Proses ammonia secara umum B. Jaringan Sensor
Jaringan sensor merupakan seperangkat instrument ukur yang terpasang di setiap bagian sebuah unit proses yang berperan dalam menyediakan informasi besaran-besaran yang terlibat dalam proses yang terjadi pada unit tersebut [2]. Besaran-besaran tersebut dapat berupa laju aliran, temperatur, level, serta pH. Jaringan sensor tersebut menghubungkan secara langsung antara unit proses dengan control room tempat DCS berada.
Informasi hasil pembacaan instrument ukur dapat digunakan dalam berbagai hal, antara lain monitoring, pengendalian, serta deteksi kegagalan. C. Klasifikasi Besaran Dan Derajat Redundansi
(Estimasi)
Pada plant proses dengan skala menengah maupun besar terdapat ratusan besaran yang mendukung jalannya proses. Karena alasan teknik maupun ekonomi, maka tidak mungkin untuk mengukur semua besaran tersebut. Dalam hal ini mengukur sebagian besaran merupakan cara yang tepat dan menunjukkan keadaan yang sebenarnya. Pemilihan sebagian besaran diukur terdiri dari dua macam yaitu besaran terukur dan besaran tidak terukur. Pada besaran terukur diklasifikasikan menjadi dua macam yaitu redundant dan non
redundant. Sebuah besaran tergolong redundant
apabila besaran tersebut dapat diamati meskipun tidak dilakukan pengukuran terhadap besaran tersebut atau terjadi kegagalan sensor. Begitu juga sebaliknya sebuah besaran tergolong non redundant apabila besaran tersebut tidak dapat
diamati meskipun tidak dilakukan pengukuran terhadap besaran tersebut.
Untuk besaran tidak terukur diklasifikasikan menjadi dua macam yaitu observable dan
unobservable. Jika sebuah besaran tidak terukur
dapat diestimasi berdasarkan model konstrain proses, maka besaran tersebut tergolong teramati. Keteramatan dan redundancy sebuah besaran tergantung dari struktur pengukuran atau peletakan jaringan sensor. Semakin banyak besaran yang
redundant, maka semakin bagus struktur peletakan
3
𝑀𝑀𝑀𝑀𝑀𝑀 � 𝑐𝑐𝑀𝑀𝑞𝑞𝑀𝑀 𝑀𝑀∈𝑀𝑀𝑀𝑀 𝜎𝜎𝑗𝑗(𝑞𝑞) ≤ 𝜎𝜎𝑗𝑗∗ ∀𝑗𝑗 ∈ 𝑀𝑀𝑃𝑃 𝐸𝐸𝑗𝑗(𝑞𝑞) ≥ 𝐸𝐸𝑗𝑗∗ ∀𝑗𝑗 ∈ 𝑀𝑀𝐸𝐸 𝑞𝑞𝑀𝑀∈ {0,1} ∀𝑗𝑗 ∈ 𝑀𝑀𝐼𝐼 Mulai Studi Literatur Pengambilan Data Terukur Uji Kestablilan Data Data Stabil Pemodelan Flowsheet State Plant Klasifikasi Besaran dan Redundansi Penentuan Seluruh Cutset Lanjut Tidak Ya 𝑀𝑀𝑀𝑀𝑀𝑀 � 𝑐𝑐𝑀𝑀𝑞𝑞𝑀𝑀 𝑀𝑀∈𝑀𝑀𝑀𝑀 𝜎𝜎𝑗𝑗(𝑞𝑞) ≤ 𝜎𝜎𝑗𝑗∗ ∀𝑗𝑗 ∈ 𝑀𝑀𝑃𝑃 𝐸𝐸𝑗𝑗(𝑞𝑞) ≥ 𝐸𝐸𝑗𝑗∗ ∀𝑗𝑗 ∈ 𝑀𝑀𝐸𝐸 𝑞𝑞𝑀𝑀 ∈ {0,1} ∀𝑗𝑗 ∈ 𝑀𝑀𝐼𝐼 ∀𝑗𝑗 ∈ 𝑀𝑀𝑅𝑅 Upgrade Jaringan Sensor Pemeriksaan Derajat Redundansi (Estimasi) Derajat Redundansi ≥ 1 Tidak Ya Lanjut Rekonsiliasi Data Pemeriksaan Presisi (Standard Deviasi) Std Dev ≤ 2% Penyajian Data Selesai Ya TidakGambar 2.2 Klasifikasi Besaran D. Random Error
Pada umumnya pemonitoran suatu pengukuran dari variabel proses dilakukan berulang-ulang pada kondisi yang serupa, namun nilai yang ditunjukkan tidak memberikan hasil yang sama dari waktu ke waktu, bahkan berkecenderungan berfluktuasi. Hal inilah yang disebut random error. Random error tidak dapat diprediksi dengan jelas.
Beberapa penyebab random error yaitu fluktuasi power supply, transmisi jaringan dan noise konversi sinyal, input analog filter, perubahan keadaan lingkungan dan lain-lain. Karena error inilah total error sulit untuk direduksi sehingga error ini akan selalu muncul pada setiap pengukuran. Hubungan antara nilai terukur, nilai sebenarnya dan random error pada pengukuran variabel I dinyatakan sebagai berikut
𝑦 = 𝑥 + 𝜀 (2.1) Besarnya random error berosilasi disekitar nol. Sehingga : 𝐸𝐸(𝜀) = 0 (2.2) 𝑣𝑎𝑟(𝜀) = 𝐸𝐸(𝜀2) = 𝜎𝜎2 𝜎𝜎 =𝑁−11 �∑ (𝑦𝑁𝑖=1 𝑖− 𝑦�)1/2� E. Presisi Pengukuran
Salah satu parameter kualitas pengukuran adalah tingkat presisi data hasil pengukuran yang didapatkan. Presisi dapat didefinisikan sebagai kemampuan sensor untuk menghasilkan pembacaan nilai besaran terukur dengan tingkat keseragaman tertentu pada kurun waktu tertentu. Secara matematis, tingkat presisi telah dijelaskan pada penjelasan eror. Tingkat presisi pengukuran diwakili oleh nilai standard deviasi pengukuran [2].
F. Uji Kestabilan Data
Uji T independen (dengan sampel bebas) terdiri dari beberapa variabel suatu plant yang dihubungkan dan berbentuk numerik atau kategorik. Data yang akan diolah haruslah data berdistribusi normal dan terdiri dari dua kelompok yang independen. Dari dua kelompok data tersebut juga perlu dilihat ada tidaknya perbedaan varian (uji hogenitas varian).
Uji T = H0,( µij = µij-1 = H
)
1 (µij = µij-1)
H0 merupakan hipotesis nul yang menyatakan
sistem itu steady sedangkan H1 adalah hipotesis
alternative yang menyatakan sistem tersebut tidak
steady tetapi masih mungkin sistem tersebut steady dengan menggunakan Uji T Independen dengan Varians berbeda. T = 𝜇1− 𝜇1 ��Sd12𝑛1�+(Sd22𝑛2) (2.3) df = [�Sd12𝑛1�+(Sd22𝑛2)]2 (Sd12𝑛1 )2 𝑛1−1+ (Sd22𝑛2 )2 𝑛1−1
G. Upgrade Jaringan Sensor
1. Pemindahan Letak Sensor (Reallocation)
Pemindahan lokasi sensor yang telah ada dilakukan dengan acuan persamaan cost optimal
design sebagai berikut.
(2.4)
Pemindahan letak lokasi sensor harus memperhatikan spesifikasi sensor monitoring yang hendak dipindah serta spesifikasi lokais pemindahan yang baru. Pemindahan letak lokasi sensor monitoring dilakukan hingga batasan derajat redundansi (estimasi) serta presisi terpenuhi atau tidak ada lagi sensor yang dapat dipindah lagi. 2. Penambahan Sensor Baru
Penambahan sensor baru pada sebuah jaringan sensor yang telah ada dapat dilakukan dengan acuan persamaan cost optimal design sebagai berikut.
(2.5)
4
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 28 27 29 26 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 1 2 3 5 4 6 7 8 9 10 11 12 13 14 15 16 17 20 19 18 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 92 82 83 84 85 86 87 88 89 91 90 47 93 94 95 96 97 98 99 100 101 1. Studi LiteraturLangkah pertama pelaksanaan penelitian sebagai tugas akhir kali ini dimulai dengan kegiatan studi literatur. Berikut beberapa materi yang wajib dipelajari sebagai bekal pengerjaan tugas akhir :
a. Proses Sintesa Amonia beserta PFD dan P&ID proses.
b. Uji kestabilan data laju aliran massa dengan teknik uji t.
c. Teknik upgrade dan retrofit jaringan sensor, khususnya teori grafik menggunakan cutset dan pohon pencarian (tree searching
algorithm).
d. Teknik rekonsiliasi data (SSDR) sistem linier. Kesemua materi di atas berasal dari berbagai sumber literatur yang telah dikumpulkan sebelumnya.
2. Pengambilan Data dan Uji Kestabilan a. Pengambilan Data
Pengambilan data di lapangan, yaitu di unit sintesa ammonia PT. Petrokimia Gresik, dilakukan untuk memperoleh berbagai data dan informasi yang dibutuhkan untuk melakukan upgrade jaringan sensor. Data yang diambil dan dikumpulkan antara lain adalah :
• Process Flow Diagram (PFD) dan Piping and Instrumentation Diagram (P&ID) unit sintesa
amonia (lengkap). Berikut gambar PFD dari unit sintesa amonia di PT. Petrokimia Gresik yang telah disederhanakan.
Gambar 3.2 Proses amoniak secara umum • Data record berupa besaran terukur laju aliran
massa dari setiap instrument ukur (flowmeter) yang terpasang pada jaringan sensor di unit amonia selama 1 bulan (April 2011). Data record tersebut diperoleh melalui sistem DCS (Distributed Control System) yang terdapat di unit sintesa amonia. Data yang diperoleh berupa data hardcopy. Jumlah flowmeter yang terpasang pada jaringan sensor di unit amonia PT. Petrokimia Gresik sebanyak 38 buah. Terdiri dari tiga macam alat ukur, yaitu berupa
venturi tube flowmeter, annubar flowmeter dan orifice flowmeter. Instrument ukur tersebut
bekerja selama dua puluh empat jam untuk melakukan pengukuran guna kepentingan monitoring maupun input pengendalian dan
safety.
• Daftar sensor laju aliran massa yang dapat dipindah dan jaringan aliran pipa yang dapat menjadi tempat peletakan instrument ukur yang dipindah maupun yang baru. Daftar tersebut akan disajikan pada bab selanjutnya.
b. Uji Kestabilan
Pelaksanaan uji T menggunakan bantuan MATLAB 2009 dan perhitungan manual sebagai validasi hasil perhitungan software. Perhitungan manual menggunakan persamaan 2.3.
Sistem dinyatakan stabil apabila nilai dari T lebih kecil dari T tabel . Nilai dari T tabel diperoleh dari tabel T chi square statistik. Tabel T sendiri terdiri dari nilai df dan nilai P. Nilai P yang digunakan adalah 0,05.
3. Pemodelan State Plant dan Klasifikasi Besaran Berikut ini adalah graphical flowsheet serta pemodelan unit sintesa amonia dari awal proses hingga didapat produk sintesa amonia.
Gambar 3.3 Graphical Flowsheet unit sintesa amonia
Dari 101 aliran yang terdapat di graphical
flowsheet, terdapat 38 aliran yang dilengkapi
dengan sensor laju aliran massa. Sehingga besaran laju aliran massa di aliran tersebut merupakan besaran terukur. Selain besaran laju aliran massa terukur di atas, juga terdapat aliran yang tidak dilengkapi dengan sensor sebanyak 63 aliran.
Dari gambar 3.3, dapat kita peroleh persamaan kesetimbangan massa tiap node yang menunjukkan model state plant dari unit sintesa amonia. Berikut
5
Tabel 3.2 Daftar Besaran Laju Aliran Massa Terukur
No. Nomor Aliran
Tag Number Sensor
Fungsi Sensor Jenis Aliran
1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 12. 13. 14. 15. 16. 17. 18. 19. 20. 21. 22. 23. 24. 25. 26. 27. 28. 29. 30. 31. 32. 33. 34. 35. 36. 37. 38. F1 F5 F7 F9 F11 F12 F15 F26 F27 F28 F29 F31 F39 F25 F44 F53 F54 F55 F57 F60 F62 F63 F65 F66 F67 F68 F69 F73 F79 F83 F90 F92 F94 F95 F97 F98 F99 F100 FT 1042 FT 1015 FT 1022 FT 1001 FT 1004 FT 1003 FT 1103 FT 1014 FT 1095 FT 1051 FT 1005 FT 1073 FT 1074 FT 1007 FT 1076 FT 1006 FT 1008 FT 1059 FT 1105 FT 1079 FT 1058 FT 1149 FT 1078 FT 1009 FT 1011 FT 1010 FT 1012 FT 1060 FT 1062 FT 1002 FT 1077 FT 1160 FT 1064 FT 1019 FT 1104 FT 1061 FT 1066 FT 1081
Sensor sistem pengendalian Sensor sistem pengendalian Sensor sistem pengendalian Sensor sistem pengendalian Sensor sistem pengendalian Sensor sistem pengendalian Sensor sistem monitoring Sensor sistem pengendalian Sensor sistem monitoring Sensor sistem monitoring Sensor sistem monitoring Sensor sistem pengendalian Sensor sistem monitoring Sensor sistem pengendalian Sensor sistem pengendalian Sensor sistem pengendalian Sensor sistem pengendalian Sensor sistem monitoring Sensor sistem monitoring Sensor sistem pengendalian Sensor sistem monitoring Sensor sistem monitoring Sensor sistem pengendalian Sensor sistem pengendalian Sensor sistem pengendalian Sensor sistem pengendalian Sensor sistem pengendalian Sensor sistem monitoring Sensor sistem monitoring Sensor sistem pengendalian Sensor sistem pengendalian Sensor sistem monitoring Sensor sistem pengendalian Sensor sistem pengendalian Sensor sistem monitoring Sensor sistem pengendalian Sensor sistem monitoring Sensor sistem pengendalian
Primer Primer Sekunder Primer Primer Primer Sekunder Primer Sekunder Primer Primer Sekunder Primer Primer Primer Sekunder Primer Primer Primer Primer Primer Sekunder Primer Primer Primer Primer Primer Primer Sekunder Sekunder Sekunder Sekunder Sekunder Sekunder Sekunder Sekunder Sekunder Sekunder
G
am
ba
r 3.4 M
at
rik
Inc
ide
nc
e T
ak
T
er
uk
ur
K
ond
isi
A
w
al
model state plant yang dapat diturunkan
berdasarkan hukum kesetimbangan massa. (U1) F1 – F2 – F85 = 0 (U2) F2 + F4 – F3 – F5 = 0 (U3) F5 + F7 – F4 – F6 = 0 (U4) F6 – F8 – F9 = 0 (U5) F9 + F83 – F10 = 0 (U6) F11 – F12 = 0 (U7) F10 + F12 – F13 = 0 (U8) F13 + F15 – F14 – F16 = 0 (U9) F16 + F97 – F17 – F18 = 0 (U10) F18 + F19 – F20 – F21 = 0 (U11) F82 + F61 + F76 + F94 – F84 – F96 = 0 (U12) F37 + F85 – F81 – F82 = 0 (U13) F80 + F81 + F95 – F79 – F83 = 0 (U14) F20 – F19 – F80 – F92 = 0 (U15) F21 + F22 – F23 = 0 (U16) F23 + F26 + F29 – F22 – F25 – F30 = 0 (U17) F30 – F31 – F32 = 0 (U18) F32 + F58 – F33 = 0 (U19) F33 – F34 – F35 = 0 (U20) F25 – F24 = 0 (U21) F24 – F26 – F27 – F28 = 0 (U22) F28 – F29 = 0 (U23) F35 + F46 + F91 – F36 = 0 (U24) F36 – F37 – F38 – F39 = 0 (U25) F39 + F41 – F40 = 0 (U26) F40 + F89 – F7 – F42 = 0 (U27) F42 – F41 – F43 – F44 = 0 (U28) F43 + F45 – F46 = 0 (U29) F44 – F45 – F47 = 0 (U30) F47 + F50 – F48 = 0 (U31) F48 – F49 – F51 = 0 (U32) F51 – F52 – F58 = 0 (U33) F49 – F50 – F53 – F54 = 0 (U34) F54 + F56 – F55 = 0 (U35) F55 – F57 = 0 (U36) F57 – F59 – F60 = 0 (U37) F59 – F56 – F90 = 0 (U38) F60 + F63 – F61 – F62 = 0 (U39) F90 + F100 – F78 – F86 = 0 (U40) F86 – F87 – F88 = 0 (U41) F87 – F89 – F91 – F101 = 0 (U42) F62 – F64 – F65 – F77 = 0 (U43) F65 + F71 – F66 – F67 – F68 – F69 – F98 – F99 = 0 (U44) F66 + F67 + F68 + F69 – F70 = 0 (U45) F70 + F74 + F77 + F93 – F71 – F72 – F76 = 0 (U46) F72 – F73 – F74 – F75 = 0 (U47) F75 + F78 + F96 – F93 – F94 – F100 = 0 Selanjutnya kita dapat menyusun matrik yang mewakili model state plant di atas. Matrik tersebut dibuat berdasarkan hukum kesetimbangan massa serta jenis aliran yang menyusun graphical
flowsheet. Sehingga terdapat dua macam matrik,
yaitu matrik besaran laju aliran massa terukur serta tak terukur.
4. Dekomposisi dan Redundansi
Setelah kita dapat menyusun matrik incidence dari unit amonia, maka kita dapat melakukan dekomposisi (orthogonal factorizations / Q-R
factorizations) untuk mendapatkan matrik Gx.
Sebelumnya, Q-R factorization diterapkan pada matrik incidence untuk mendapatkan matrik Q dan R. Hal tersebut dapat dilihat dari persamaan di bawah ini.
AП = QR (3.1)
Seperti yang telah diketahui pada subbab sebelumnya, terdapat dua macam matrik incidence, yaitu terukur dan tak terukur. Untuk mendapatkan matrik Gx, maka Q-R decomposition diterapkan pada matrik tak terukur (A2). Sehingga akan diperoleh bentuk faktorisasi seperti di bawah ini.
A2 Пu = Qu Ru
A2 Пu = [𝑄𝑢1 𝑄𝑢2] �𝑅𝑅𝑢1 𝑅𝑅𝑢20 0 � (3.2)
Hasil dekomposisi tersebut dapat kita gunakan untuk mendapatkan matrik Gx berdasarkan persamaan berikut ini.
Gx = 𝑄𝑢2𝑇 A1 (3.3)
Setelah didapatkan matrik Gx, maka dapat dilakukan analisa redundancy terhadap besaran laju aliran massa yang terukur. Sehingga akan diperoleh informasi mengenai derajat redundansi (estimasi).
6
Tabel 4.1 Hasil Uji T Perhitungan Manual
No.Nomor Aliran
Tag Numbe r
Se nsor
T df Ttabe l T<Ttabe l No.Nomor Aliran Tag Numbe r Se nsor T df Ttabe l T<Ttabe l 1 F1 FT 1042 0,562 61,293 1,6702 √ 1 F1 FT 1042 0,256 23,890 1,7109 √ 2 F5 FT 1015 0,560 60,889 1,6702 √ 2 F5 FT 1015 -1,042 29,087 1,6991 √ 3 F7 FT 1022 -1,075 54,717 1,6736 √ 3 F7 FT 1022 -1,129 29,808 1,6973 √ 4 F9 FT 1001 -0,606 59,652 1,6707 √ 4 F9 FT 1001 -1,337 29,012 1,6991 √ 5 F11 FT 1004 -0,149 61,991 1,6698 √ 5 F11 FT 1004 -0,302 29,956 1,6973 √ 6 F12 FT 1003 -0,852 59,750 1,6707 √ 6 F12 FT 1003 -0,595 24,769 1,7081 √ 7 F15 FT 1103 -1,343 52,404 1,6747 √ 7 F15 FT 1103 0,739 26,396 1,7056 √ 8 F26 FT 1014 -1,216 55,785 1,6725 √ 8 F26 FT 1014 -1,441 28,064 1,7011 √ 9 F27 FT 1095 -0,520 60,948 1,6702 √ 9 F27 FT 1095 -0,200 24,948 1,7081 √ 10 F28 FT 1051 -0,834 59,999 1,6707 √ 10 F28 FT 1051 -1,225 26,609 1,7033 √ 11 F29 FT 1005 -0,554 59,970 1,6707 √ 11 F29 FT 1005 -1,970 27,160 1,7033 √ 12 F31 FT 1073 -0,169 61,998 1,6698 √ 12 F31 FT 1073 -0,225 29,876 1,6973 √ 13 F39 FT 1074 -0,835 61,528 1,6698 √ 13 F39 FT 1074 -0,529 29,893 1,6973 √ 14 F25 FT 1007 0,608 59,559 1,6707 √ 14 F25 FT 1007 0,073 27,013 1,7033 √ 15 F44 FT 1076 1,041 59,664 1,6707 √ 15 F44 FT 1076 -0,663 28,525 1,6991 √ 16 F53 FT 1006 -0,015 60,532 1,6702 √ 16 F53 FT 1006 0,868 22,265 1,7171 √ 17 F54 FT 1008 -1,994 61,871 1,6698 √ 17 F54 FT 1008 0,585 25,561 1,7056 √ 18 F55 FT 1059 1,375 57,954 1,6716 √ 18 F55 FT 1059 -0,842 27,028 1,7033 √ 19 F57 FT 1105 -0,917 56,155 1,6720 √ 19 F57 FT 1105 -3,903 27,565 1,7011 √ 20 F60 FT 1079 0,594 56,185 1,6720 √ 20 F60 FT 1079 -3,603 28,980 1,6991 √ 21 F62 FT 1058 -1,285 61,950 1,6698 √ 21 F62 FT 1058 -0,553 29,997 1,6973 √ 22 F63 FT 1149 0,954 58,090 1,6716 √ 22 F63 FT 1149 0,389 29,782 1,6973 √ 23 F65 FT 1078 1,570 59,759 1,6707 √ 23 F65 FT 1078 0,802 29,154 1,6991 √ 24 F66 FT 1009 1,453 61,999 1,6698 √ 24 F66 FT 1009 -0,313 28,768 1,6991 √ 25 F67 FT 1011 0,193 61,609 1,6698 √ 25 F67 FT 1011 -1,504 26,613 1,7033 √ 26 F68 FT 1010 0,428 56,498 1,6720 √ 26 F68 FT 1010 0,348 29,795 1,6973 √ 27 F69 FT 1012 -1,245 59,998 1,6707 √ 27 F69 FT 1012 0,335 28,914 1,6991 √ 28 F73 FT 1060 -0,485 61,929 1,6698 √ 28 F73 FT 1060 -0,142 29,853 1,6973 √ 29 F79 FT 1062 -0,780 61,909 1,6698 √ 29 F79 FT 1062 0,007 27,593 1,7011 √ 30 F83 FT 1002 0,323 58,797 1,6711 √ 30 F83 FT 1002 -0,385 29,893 1,6973 √ 31 F90 FT 1077 -1,705 59,454 1,6711 √ 31 F90 FT 1077 0,061 21,265 1,7207 √ 32 F92 FT 1160 0,132 61,213 1,6702 √ 32 F92 FT 1160 0,234 29,931 1,6973 √ 33 F94 FT 1064 0,228 61,718 1,6698 √ 33 F94 FT 1064 1,112 27,166 1,7033 √ 34 F95 FT 1019 -0,338 57,259 1,6720 √ 34 F95 FT 1019 0,416 23,005 1,7139 √ 35 F97 FT 1104 -1,014 59,949 1,6707 √ 35 F97 FT 1104 -0,113 29,907 1,6973 √ 36 F98 FT 1061 -0,142 61,984 1,6698 √ 36 F98 FT 1061 0,772 29,501 1,6973 √ 37 F99 FT 1066 -0,137 61,833 1,6698 √ 37 F99 FT 1066 -0,889 27,756 1,7011 √ 38 F100 FT 1081 1,597 59,298 1,6711 √ 38 F100 FT 1081 -1,315 29,108 1,6991 √ Cluste r Tanggal 9-12 April 2011 (74 data) Cluste r Tanggal 21-24 April 2011 (32 data)
5. Penentuan Cutset
Sebelum melakukan upgrade untuk meningkatkan derajat redundansi (estimasi) dan presisi besaran laju aliran massa terukur yang dilakukan oleh beberapa instrument ukur (sensor), terlebih dahulu harus ditentukan cutset-cutset dari
graphical flowsheet unit sintesa amonia yang telah
didapatkan sebelumnya. Cutset-cutset tersebut merupakan bagian graphical flowsheet yang akan menjadi kandidat peletakan sensor yang akan dipindah maupun sensor baru. Sepertihalnya sebuah proses optimisasi, maka cutset-cutset ini berperan sebagai potensial population.
6. Upgrade Desain Jaringan Sensor
Seperti yang terlihat pada diagram alir metode penelitian di awal bab tiga, proses upgrade terdiri atas dua metode, yaitu pemindahan lokasi sensor laju aliran massa yang telah terpasang serta penambahan sensor baru. Upgrade dilakukan dengan metode tree searching algorithm.
Gambar 3.3 Tree Searching Algorithm 7. Rekonsiliasi Data
Rekonsiliasi data dilakukan dengan bantuan MatLab 2009. Proses rekonsiliasi data merupakan lanjutan proses dekomposisi dan redundansi pada persamaam 3.1 hingga 3.3. Kemudian dilanjutkan dengan persamaan di bawah ini.
(3.4) Ataupun Ψ�𝑅= Ψ𝑅− Ψ𝑅
G
Tx x T x xG
G
G
)
1(
Ψ
− Ψ𝑅 (3.5) IV. ANALISA DATA1. Analisa Data
a. Uji Kestabilan Data Terukur
Uji kestabilan dilakukan terhadap data record besaran laju aliran massa yang terukur oleh
flowmeter yang terpasang pada unit sintesa amonia
di PT. Petrokimia Gresik. Uji tersebut
menggunakan teknik uji T untuk mendapatkan data
steady state dari data terukur selama satu bulan
(April 2011). Hal tersebut dikarenakan teknik rekonsiliasi data SSDR hanya dapat diterapkan pada data yang berasal dari sebuah sistem yang
steady.
Untuk mempermudah mendapatkan kelompok data steady state, maka dilakukan plotting terhadap data terukur. Melalui plotting data terukur selama satu bulan, didapatkan kelompok data dengan profil grafik yang berfluktuatif relatif rendah. Kelompok data tersebut berada pada kisaran tanggal 9-12 April 2011 dengan 74 data terukur dan 21-24 April 2011 dengan 32 data terukur. Seperti yang telah dijelaskan pada bab sebelumnya, maka akan diterapkan uji T terhadap kelompok data tersebut untuk memastikan kondisi steady dua kelompok data
tersebut. Uji T dilakukan dengan bantuan software MatLab 2009. Hasil uji T dengan bantuan MatLab 2009 menunjukkan data terukur tersebut adalah steady sehingga siap digunakan pada proses rekonsiliasi data. Berikut hasil uji T manual yang telah dilakukan.
y
G
G
G
G
y
x
T x x x T x 1 ^)
(
Ψ
−Ψ
−
=
7
Tabel 4.2 Hasil Rekonsiliasi Kondisi Awal Cluster 1No No Al i ran Tag Nu m be r S e n sor Me an (ton /h r) S td De v 1 S td De v 1 (%) S td De v 2 S td De v 2 (%) De rajat Re du n dan si 1 F1 FT 1042 30,90 0,607 1,96 0,607 1,96 0 2 F5 FT 1015 23,33 0,261 1,12 0,261 1,12 0 3 F7 FT 1022 142,40 2,311 1,62 2,311 1,62 0 4 F9 FT 1001 23,42 0,817 3,49 0,817 3,49 0 5 F11 FT 1004 51,71 1,008 1,95 0,746 1,44 1 6 F12 FT 1003 51,75 1,109 2,14 0,746 1,44 1 7 F15 FT 1103 6,27 0,093 1,48 0,093 1,48 0 8 F25 FT 1007 41,78 0,491 1,17 0,420 1,14 2 9 F26 FT 1014 7,98 0,091 1,14 0,091 1,21 2 10 F27 FT 1095 38,38 0,735 1,92 0,464 1,06 2 11 F28 FT 1051 29,22 0,494 1,69 0,310 1,06 2 12 F29 FT 1005 29,24 0,444 1,52 0,310 1,62 2 13 F31 FT 1073 10,07 0,163 1,62 0,163 1,59 0 14 F39 FT 1074 41,98 0,669 1,59 0,669 1,00 0 15 F44 FT 1076 41,74 0,624 1,50 0,624 1,50 0 16 F53 FT 1006 140,00 2,366 1,69 2,366 1,69 0 17 F54 FT 1008 41,78 0,520 1,24 0,413 0,99 1 18 F55 FT 1059 56,44 0,701 1,24 0,524 0,93 1 19 F57 FT 1105 56,44 0,789 1,40 0,524 0,93 1 20 F60 FT 1079 40,73 0,675 1,66 0,415 1,02 1 21 F62 FT 1058 35,58 0,513 1,44 0,513 1,44 0 22 F63 FT 1149 0,59 0,009 1,46 0,009 1,46 0 23 F65 FT 1078 32,70 0,509 1,56 0,509 1,56 0 24 F66 FT 1009 1,33 0,027 2,06 0,027 2,06 0 25 F67 FT 1011 4,38 0,093 2,12 0,093 2,12 0 26 F68 FT 1010 13,00 0,419 3,22 0,419 3,22 0 27 F69 FT 1012 6,38 0,150 2,35 0,150 2,35 0 28 F73 FT 1060 26,67 0,703 2,63 0,703 2,63 0 29 F79 FT 1062 24,72 0,307 1,24 0,307 1,24 0 30 F83 FT 1002 23,42 0,429 1,83 0,429 1,83 0 31 F90 FT 1077 2,72 0,082 3,02 0,082 3,01 1 32 F92 FT 1160 0,74 0,013 1,80 0,013 1,80 0 33 F94 FT 1064 43,02 0,491 1,14 0,491 1,14 0 34 F95 FT 1019 19,94 0,418 1,91 0,418 1,91 0 35 F97 FT 1104 5,36 0,099 1,84 0,099 1,84 0 36 F98 FT 1061 2,33 0,050 2,14 0,050 2,14 0 37 F99 FT 1066 9,32 0,179 1,92 0,179 1,92 0 38 F100 FT 1081 1,63 0,029 1,79 0,029 1,79 0 𝑀𝑀𝑀𝑀𝑀𝑀 � 𝑐𝑐𝑀𝑀𝑞𝑞𝑀𝑀 𝑀𝑀∈𝑀𝑀𝑀𝑀 𝜎𝜎𝑗𝑗(𝑞𝑞) ≤ 𝜎𝜎𝑗𝑗∗ ∀𝑗𝑗 ∈ 𝑀𝑀𝑃𝑃 𝐸𝐸𝑗𝑗(𝑞𝑞) ≥ 𝐸𝐸𝑗𝑗∗ ∀𝑗𝑗 ∈ 𝑀𝑀𝐸𝐸 𝑞𝑞𝑀𝑀∈ {0,1} ∀𝑗𝑗 ∈ 𝑀𝑀𝐼𝐼 ∀𝑗𝑗 ∈ 𝑀𝑀𝑅𝑅 Keterangan : ci = 970 MP = F9, F66, F67, F68, F69, F73, F90, F98 σj* = 2% ME = F9, F66, F67, F68, F69, F73, F90, F98 Ej* = 1 MR = F15, F27, F28, F29, F39, F55, F57, F62, F63, F79, F92, F99 Ml = Semua Aliran
Tabel 4.3 Biaya Pemindahan Flowmeter No Jenis Pengeluaran Biaya 1. 2. 3. 4. 5. Blocking Valve Bypass Valve Strainer Flow Staightener Lain - lain $ 200 $ 340 $ 100 $ 230 $ 100 Total ( ) $ 970 0 A B C D E F G H I J K L M N O P Q
Tabel 4.4 Hasil Rekonsiliasi Data Cab. Q Cluster 1
No No Al i ran Tag Numbe r Se nsor Me an (ton/hr) D R 1 D R 2 Std De v 1 Std De v 1 (%) Std De v 2 Std De v 2 (%) 1 F1 FT 1042 30,90 0 0 0,607 1,96 0,607 1,96 2 F5 FT 1015 23,33 0 0 0,261 1,12 0,261 1,12 3 F7 FT 1022 142,40 0 0 2,311 1,62 2,311 1,62 4 F9 FT 1001 23,42 0 1 0,817 3,49 0,386 1,65 5 F10 FT 1103 6,27 0 1 0,093 1,48 0,093 1,48 6 F11 FT 1004 51,71 1 1 1,008 1,95 0,093 0,18 7 F12 FT 1003 51,75 1 1 1,109 2,14 0,746 1,44 8 F25 FT 1007 41,78 2 2 0,491 1,17 0,420 1,14 9 F26 FT 1014 7,98 2 2 0,091 1,14 0,091 1,21 10 F27 FT 1095 38,38 2 2 0,735 1,92 0,464 1,06 11 F28 FT 1051 29,22 2 2 0,494 1,69 0,310 1,06 12 F29 FT 1005 29,24 2 2 0,444 1,52 0,310 1,62 13 F31 FT 1073 10,07 0 0 0,163 1,62 0,163 1,59 14 F39 FT 1074 41,98 0 0 0,669 1,59 0,669 1,00 15 F44 FT 1076 41,74 0 0 0,624 1,50 0,624 1,50 16 F53 FT 1006 140,00 0 0 2,366 1,69 2,366 1,69 17 F54 FT 1008 41,78 0 1 0,520 1,24 0,413 0,99 18 F56 FT 1059 56,44 0 1 0,701 1,24 0,525 0,93 19 F59 FT 1105 56,44 0 1 0,789 1,40 0,526 0,93 20 F60 FT 1079 40,73 0 1 0,675 1,66 0,415 1,02 21 F65 FT 1078 32,70 0 0 0,509 1,56 0,509 1,56 22 F66 FT 1009 1,33 0 0 0,027 2,06 0,027 2,06 23 F67 FT 1011 4,38 0 0 0,093 2,12 0,093 2,12 24 F68 FT 1010 13,00 0 0 0,419 3,22 0,419 3,22 25 F69 FT 1012 6,38 0 0 0,150 2,35 0,150 2,35 26 F72 FT 1058 35,58 0 1 0,513 1,44 0,419 1,18 27 F73 FT 1060 26,67 0 1 0,703 2,63 0,430 1,61 28 F74 FT 1149 0,59 0 1 0,009 1,46 0,009 1,46 29 F75 FT 1066 9,32 0 1 0,179 1,92 0,175 1,88 30 F79 FT 1062 24,72 0 0 0,307 1,24 0,307 1,24 31 F83 FT 1002 23,42 0 1 0,429 1,83 0,380 1,62 32 F90 FT 1077 2,72 1 1 0,082 3,02 0,082 3,00 33 F92 FT 1160 0,74 0 0 0,013 1,80 0,013 1,80 34 F94 FT 1064 43,02 0 0 0,491 1,14 0,491 1,14 35 F95 FT 1019 19,94 0 0 0,418 2,10 0,418 2,10 36 F97 FT 1104 5,36 0 0 0,099 1,84 0,099 1,84 37 F98 FT 1061 2,33 0 0 0,050 2,14 0,050 2,14 38 F100 FT 1081 1,63 0 0 0,029 1,79 0,029 1,79
b. Rekonsiliasi Data Kondisi Awal
Sebagian besar nilai derajat redundansi sensor pada kondisi awal bernilai 0. Demikian halnya dengan 8 sensor yang memiliki nilai standard deviasi di atas 2% (berwarna kuning). Hanya satu sensor (FT 1003) yang mengalami penurunan standard deviasi saat diterapkan teknik rekonsiliasi data. sehingga perlu dilakukan upgrade desain jaringan sensor untuk meningkatkan nilai derajat redundansi dan memaksimalkan hasil rekonsiliasi data.
c. Upgrade Desain Jaringan Sensor 1. Reallocation
(4.1)
Dengan menggunakan metode tree searching algorithm, dilakukan proses upgrade Reallocation dengan beberapa sensor monitoring dapat dipindah yang telah diidentifikasi sebelumnya dan disebutkan pada persamaan cost optimal design. Berikut hasil terbaik dari proses upgrade reallocation hingga cabang ketiga.
Gambar 4.1 Tree Searching Algorithm Cab. Ketiga Tabel 4.3 Cutset Beserta Calon Sensor Dapat
Dipindah
No. Cutset (Lokasi
Pemindahan) Nomor Aliran Sensor Sensor Dapat Dipindah J K L M N O P Q F4,F6,F8 F32,F58,F33 F33,F34,F35 F43,F45,F46 F21,F22,F23 F47,F50,F48 F48,F49,F51 F72,F74,F75 F97 F27 F28 F29 F27 F28 F29 F62 F63 F99 FT 1104 - FT 1095 FT 1051 FT 1005 - FT 1095 FT 1051 FT 1005 - - FT 1058 FT 1149 FT 1066
8
Tabel 4.5 Biaya Penambahan Flowmeter Baru
No Jenis Pengeluaran Biaya
1. 2. 3. 4. 5. 6. Flowmeter baru Blocking Valve Bypass Valve Strainer Flow Staightener Lain - lain $ 2600 $ 200 $ 340 $ 100 $ 230 $ 100 Total ( ) $ 3570 𝑀𝑀𝑀𝑀𝑀𝑀 � 𝑐𝑐𝑀𝑀𝑞𝑞𝑀𝑀 𝑀𝑀∈𝑀𝑀𝑀𝑀 𝜎𝜎𝑗𝑗(𝑞𝑞) ≤ 𝜎𝜎𝑗𝑗∗ ∀𝑗𝑗 ∈ 𝑀𝑀𝑃𝑃 𝐸𝐸𝑗𝑗(𝑞𝑞) ≥ 𝐸𝐸𝑗𝑗∗ ∀𝑗𝑗 ∈ 𝑀𝑀𝐸𝐸 𝑞𝑞𝑀𝑀∈ {0,1} ∀𝑗𝑗 ∈ 𝑀𝑀𝐼𝐼 Keterangan : ci = 3570 MP = F66, F67, F68, F69, F90, F98 σj* = 2% ME = F66, F67, F68, F69, F90, F98 Ej* = 1 Ml = Semua Aliran
Tabel 4.6 Hasil Rekonsiliasi Data Penambahan Sensor Cluster 1 No No Al i ran Tag Nu mbe r S e n sor Me an (ton /h r) D R 1 D R 2 S td De v 1 S td De v 1 (%) S td De v 2 S td De v 2 (%) 1 F1 FT 1042 30,90 0 0 0,607 1,96 0,607 1,96 2 F5 FT 1015 23,33 0 0 0,261 1,12 0,261 1,12 3 F7 FT 1022 142,40 0 0 2,311 1,62 2,311 1,62 4 F9 FT 1001 23,42 0 1 0,817 3,49 0,386 1,65 5 F10 FT 1103 6,27 0 1 0,093 1,48 0,093 1,48 6 F11 FT 1004 51,71 1 1 1,008 1,95 0,746 1,44 7 F12 FT 1003 51,75 1 1 1,109 2,14 0,746 1,44 8 F25 FT 1007 41,78 2 2 0,491 1,17 0,420 1,14 9 F26 FT 1014 7,98 2 2 0,091 1,14 0,091 1,21 10 F27 FT 1095 38,38 2 2 0,735 1,92 0,464 1,06 11 F28 FT 1051 29,22 2 2 0,494 1,69 0,310 1,06 12 F29 FT 1005 29,24 2 2 0,444 1,52 0,310 1,62 13 F31 FT 1073 10,07 0 0 0,163 1,62 0,163 1,59 14 F39 FT 1074 41,98 0 0 0,669 1,59 0,669 1,00 15 F44 FT 1076 41,74 0 0 0,624 1,50 0,624 1,50 16 F53 FT 1006 140,00 0 0 2,366 1,69 2,366 1,69 17 F54 FT 1008 41,78 0 2 0,520 1,24 0,413 0,99 18 F56 FT 1059 56,44 0 2 0,701 1,24 0,524 0,93 19 F59 FT 1105 56,44 0 2 0,789 1,40 0,525 0,93 20 F60 FT 1079 40,73 0 2 0,675 1,66 0,413 1,02 21 F65 FT 1078 32,70 0 0 0,509 1,56 0,095 0,29 22 F66 FT 1009 1,33 0 2 0,027 2,06 0,025 1,92 23 F67 FT 1011 4,38 0 2 0,093 2,12 0,086 1,96 24 F68 FT 1010 13,00 0 2 0,419 3,22 0,154 1,18 25 F69 FT 1012 6,38 0 2 0,150 2,35 0,123 1,93 26 F70 FT 1201 25,09 0 2 0,050 0,20 0,049 0,20 27 F71 FT 1202 3,88 0 1 0,050 1,29 0,050 1,28 28 F72 FT 1058 35,58 0 1 0,513 1,44 0,419 1,18 29 F73 FT 1060 26,67 0 1 0,703 2,63 0,430 1,61 30 F74 FT 1149 0,59 0 1 0,009 1,46 0,009 1,46 31 F75 FT 1066 9,32 0 1 0,179 1,92 0,175 1,88 32 F78 FT 1203 2,60 0 2 0,050 1,92 0,044 1,70 33 F79 FT 1062 24,72 0 0 0,307 1,24 0,307 1,24 34 F83 FT 1002 23,42 0 1 0,429 1,83 0,380 1,62 35 F86 FT 1204 2,55 0 2 0,050 1,96 0,044 1,74 36 F90 FT 1077 2,72 1 2 0,082 3,02 0,054 1,97 37 F92 FT 1160 0,74 0 0 0,013 1,80 0,013 1,80 38 F94 FT 1064 43,02 0 0 0,491 1,14 0,491 1,14 39 F95 FT 1019 19,94 0 0 0,418 1,91 0,418 1,91 40 F97 FT 1104 5,36 0 0 0,099 1,84 0,099 1,84 41 F98 FT 1061 2,33 0 2 0,050 2,14 0,043 1,86 42 F99 FT 1205 8,88 0 2 0,050 0,56 0,050 0,56 43 F100 FT 1081 1,63 0 2 0,029 1,79 0,028 1,72
Tabel 4.7 Tabel Biaya Upgrade Cab. Q
No. Cutset Sensor Yang Dipindah Biaya Upgrade 1. 2. 3. 4. 5. 6. F10 (q10 = 1) F56 (q56 = 1) F59 (q59 = 1) F72 (q72 = 1) F74 (q74 = 1) F75 (q75 = 1) FT 1103 FT 1059 FT 1105 FT 1058 FT 1149 FT 1066 q10 x ci q56 x ci q59 x ci q72 x ci q74 x ci q75 x ci
Biaya Total USD 5820
Upgrade reallocation atau pemindahan sensor
monitoring harus terhenti sampai cabang ketiga saja. Hal tersebut dikarenakan jumlah sensor monitoring dapat dipindah dengan spesifikasi sesuai cutset terbatas. Dari tabel 4.4, dapat kita lihat, masih terdapat 6 buah sensor dengan nilai standard deviasi di atas 2% dengan standard deviasi sama dengan 0. Sehingga perlu ditingkatkan nilai standard deviasinya agar teknik rekonsiliasi data berjalan maksimal pada keenam sensor tersebut. Oleh karena itu, upgrade dilanjutkan dengan penambahan sensor baru.
2. Penambahan Sensor Baru
(4.2)
Upgrade penambahan sensor baru dilakukan
dengan menggunakan model state plant yang memiliki anggota sensor dengan standard deviasi di atas 2%.
Aliran dengan warna kuning merupakan lokasi penambahan sensor baru. penambahan tersebut diharapkan mampu melengkapi upgrade
pemindahan sensor yang telah dilakukan sebelumnya. Sehingga terjadi peningkatan nilai derajat redundansi, khususnya pada keenam sensor yang masih memiliki nilai standard deviasi lebih dari 2%. Berikut adalah hasil redundansi dan rekonsiliasi data hasil upgrade.
Dari tabel di atas, dapat kita lihat bahwa hasil
upgrade secara keseluruhan telah mampu
meningkatkan derajat redundansi jaringan sensor, khususnya pada kedelapan sensor yang pada awalnya bernilai 0. Selain itu, peningkatan derajat redundansi mampu memaksimalkan hasil rekonsiliasi data sehingga tidak terdapat lagi hasil pengukuran denga nilai standard deviasi di atas 2%.
Upgrade yang telah dilakukan secara
keseluruhan mengacu pada persamaan cost optimal
design. Sehingga biaya yang diperlukan untuk
proses upgrade tersebut adalah paling minimal. Berikut adalah biaya yang dikeluarkan untuk
upgrade yang telah dilakukan.
(U39) F90 + F100 – F78 – F86 = 0
(U43) F65 + F71 – F66 – F67 – F68 – F69 – F98 – F99 = 0 (U44) F66 + F67 + F68 + F69 – F70 = 0
9
Tabel 4.8 Tabel Instalasi Sensor BaruNo No Aliran Tag Number Sensor Std Dev Cluster 1 Std Dev Cluster 2 Biaya 1. 2. 3. 4. 5. F70 (q70 = 1) F71 (q71 = 1) F78 (q78 = 1) F86 (q86 = 1) F99 (q99 = 1) FT 1201 FT 1202 FT 1203 FT 1204 FT 1205 0,05 0,05 0,05 0,05 0,05 0,05 0,05 0,05 0,05 0,05 q70 x ci q71 x ci q78 x ci q86 x ci q99 x ci
Total Biaya USD 17850
Tabel 4.9 Total Biaya Upgrade
No. Jenis Upgrade Biaya Upgrade 1.
2.
Reallocation Hingga Cab. Ketiga Penambahan 5 Sensor Baru
USD 5820 USD 17850
Total Biaya USD 23670
Biaya tersebut lebih kecil jika dibandingkan jika kita harus memasang 9 sensor baru untuk mengganti sensor dengan nilai standard deviasi di atas 2%, yaitu 9 x USD 3570 = USD 32.130,00.
V. KESIMPULAN DAN SARAN 1. Kesimpulan
Kesemua tahapan penelitian tugas akhir telah dilakukan. Dimulai dari tahap persiapan, upgrade hingga rekonsiliasi data design jaringan sensor laju aliran massa hasil upgrade. Dari keseluruhan tahapan tersebut, dapat diambil beberapa kesimpulan sebagai berikut.
a. Pada saat kondisi steady, terdapat 9 sensor dari 38 sensor yang menyusun jaringan sensor laju aliran massa memiliki nilai standard deviasi lebih dari 2%. Kesembilan sensor tersebut terletak pada aliran (stream) F9, F12, F66, F67, F68, F69, F73, F90, dan F98.
b. Saat diterapkan teknik rekonsiliasi data (SSDR) pada jaringan sensor laju aliran massa kondisi awal, masih terdapat 8 sensor yang memiliki nilai standard deviasi di atas 2%. Sehingga diperlukan proses upgrade design jaringan sensor laju aliran massa untuk meningkatkan derajat redundansi (estimasi) jaringan sensor, khususnya 8 sensor tersebut agar didapatkan hasil rekonsiliasi data yang maksimal.
c. Upgrade pemindahan sensor (reallocation) menggunakan metode pohon pencarian (tree
searching algorithm) hanya mampu
meningkatkan derajat redundansi (estimasi) serta presisi 2 sensor dari 8 sensor yang memiliki nilai standard deviasi lebih dari 2%, yaitu sensor yang terletak pada aliran (stream) F9 dan F73. Hal tersebut dikarenakan upgrade pemindahan sensor hanya dapat dilakukan sampai cabang ketiga. Upgrade pemindahan sensor (reallocation) tidak dapat diteruskan dikarenakan tidak tersedianya sensor monitoring dapat dipindah yang memiliki spesifikasi dan jumlah yang sesuai dengan
cutset cabang keempat. Sehingga perlu
dilakukan upgrade penambahan sensor baru. d. Upgrade penambahan sensor baru mampu
menghasilkan design jaringan sensor laju aliran massa yang baik. Hal tersebut ditunjukkan oleh hasil rekonsiliasi jaringan sensor hasil upgrade (tabel 4. 32 dan 4.33) yang menunjukkan peningkatan derajat redundansi (estimasi) serta presisi sensor-sensor yang sebelumnya memiliki nilai standard deviasi lebih dari 2%, salah satu contohnya adalah sensor FT 1012 yang terletak pada aliran (stream) F69. Selain itu, juga terdapat 15 sensor lain yang mengalami peningkatan derajat redundansi dan presisi.
e. Biaya yang dibutuhkan untuk melakukan
upgrade jaringan sensor secara keseluruhan
adalah USD 23.670,00.
f. Semakin banyak sensor baru yang ditambahkan, maka akan semakin meningkat pula derajat redundansi (estimasi) serta presisi jaringan sensor saat teknik rekonsiliasi data diterapkan. Akan tetapi penambahan jumlah sensor (flowmeter) baru akan menambah jumlah biaya
upgrade jaringan sensor.
2. Saran
Berikut beberapa saran yang dapat menjadi masukan pengembangan penelitian selanjutnya. 1. Teknik rekonsiliasi data dinamik diharapkan
dapat diterapkan pada real plant, seperti halnya jaringan sensor laju aliran massa pada unit sintesa ammonia di PT. Petrokimia Gresik sehingga rekonsiliasi data dapt mereduksi random error pada seluruh kondisi operasi sistem, bukan hanya kondisi steady.
2. Peninjauan spesifikasi sensor diharapkan dapat dilakukan lebih detail pada penelitian selanjutnya.
DAFTAR PUSTAKA
[1] Romagnoli, J. A. & Sancez, M. C. 2000. Data Processing and Reconciliation for Chemical Process Operation. London : Academic Press
[2] Bagajewicz, M. 1999. Upgrade And Design Sensor Network. London : Academic Press. [3] Crowe, C. M. 1989. Observability And
Redundancy of Process Data For Steady State Reconciliation. Chemical Engineering Science. Vol. 44, No 12. pp. 2905-2917.
[4] Meyer, M. et. al. 1994. Optimal Selection Of Sensor Location On A Complex Plant, Using A Graph Oriented Approach. Computers and Chem. Eng, Vol. 18, Suppl. pp. S535-S540.
[5] Chakraborty dan D. Deglon. 2007. Development Of A Heuristic
10
Methodology For Precise Sensor NetworkDesign. Comp & Chem Journal Eng. 32 (2008) 382–395.
[6] Carballido, J. A. et. al. 2007. CGD-GA: A Graph-Based Genetic Algorithm For Sensor Network Design. Science Direct. Information Science. 177 (2007) 5091– 5102.
[7] Bagjewicz, M. & Sancez, M. 1999. Sensor Network Design and Upgrade for Plant Parameter Estimation. Computers and Chemical Engineering Supplement S593-5596.
[8] Bagajewicz, M. & Gala, M. 2006. Rigorous Methodology for the Design and Upgrade of Sensor Networks Using Cutsets. Ind. Eng. Chem. Res. 45, 6679-6686.
[9] Guntur Yoganegara, Rewijian. 2005. Aplikasi Teknik Rekonsiliasi Data dan Deteksi Gross Error Menggunakan Metode Kombinasi Nodal Test
Measurement Test (Nt-Mt) Pada Steam
Metering System Unit Sintesa Metanol. Teknik Fisika – ITS.
[10] Diklat PT. Petrokimia Gresik. 2010. Proses Pembuatan Amonia.
[11] Bagajewicz, M. & Sanchez, M. 2000. Reallocation and Upgrade of Instrumentation in Process Plant. Comp & Chem Journal Eng. 24 (2000) 1945–1959.
Biodata Penulis
Nama : Fakhruddin Agung L. TTL : Mojokerto, 11 Januari 1989 Alamat : Gebang wetan No 25 C, Surabaya email : [email protected] Pendidikan : SDN I Windurejo (1995 - 2001) SMPN I Mojosari (2001 - 2004) SMAN I Sooko (2004 - 2007) S-1 Teknik Fisika (2007 - 2011)
