10.3 Deteksi Kejadian Tidak Normal
Tujuan keseluruhan dari pengendalian proses adalah untuk menjaga kualitas produk dalam kondisi operasi yang aman. Ketika kondisi operasi melebihi batas yang dapat diterima akibat penyebab eksternal, kerusakan peralatan, atau kesalahan manusia, situasi yang tidak dapat diterima dapat terjadi, termasuk kondisi yang tidak aman, produk yang tidak sesuai spesifikasi, penurunan produksi, dan kerusakan lingkungan. Gangguan proses besar bahkan dapat memerlukan penghentian pabrik untuk mencegah kejadian bencana, seperti ledakan, kebakaran, atau pelepasan bahan kimia beracun. Oleh karena itu, deteksi dan penyelesaian kondisi abnormal, terutama situasi yang berpotensi membawa bencana, merupakan kegiatan penting di pabrik yang telah mendapatkan perhatian besar dalam beberapa tahun terakhir, terutama dari organisasi pemerintah (misalnya, OSHA, 1996), masyarakat teknik (AIChE 2007), dan organisasi industri (EEMUA, 1997; ASM, 2009). Pada bagian ini, kita akan mempertimbangkan deteksi dini kondisi abnormal, sebuah kegiatan yang disebut sebagai deteksi kejadian abnormal (AED). Penting untuk dicatat peran penting personel operasi pabrik, terutama operator pabrik, dalam AED. Pengetahuan dan pengalaman mereka tentang proses dapat memberikan deteksi dini situasi abnormal dan tindakan perbaikan untuk mengembalikan pabrik ke tingkat operasi normal atau menghentikan proses. Namun, respons operator tergantung pada banyak faktor: jumlah alarm dan frekuensi terjadinya kondisi abnormal;
bagaimana informasi disajikan kepada operator; kompleksitas pabrik; serta kecerdasan, pelatihan, pengalaman, dan reaksi operator terhadap stres. Oleh karena itu, alat bantu komputasi yang membantu personel pabrik sangat penting untuk keberhasilan pengoperasian pabrik manufaktur yang kompleks. Alat komputasi ini dapat ditanamkan dalam sistem pengendalian proses. Pada bagian ini, kita akan membahas tiga pendekatan umum untuk AED.
10.3.1 Deteksi Kesalahan Berdasarkan Analisis Sensor dan Sinyal
Analisis nilai-nilai variabel terukur dari masa lalu dan saat ini dapat memberikan informasi diagnostik yang berharga untuk mendeteksi kejadian abnormal. Seperti dijelaskan pada Bagian 10.1, pengukuran on-line secara rutin diperiksa untuk memastikan bahwa nilai-nilai tersebut berada di antara batas tinggi dan rendah yang ditentukan serta untuk memastikan bahwa laju perubahannya sesuai dengan proses fisik. Selain itu, perhitungan sederhana dapat mengidentifikasi jenis kerusakan atau kesalahan sensor yang umum. Misalnya, jika variansi sampel dari suatu variabel terukur, x, dihitung dari n pengukuran berturut-turut dengan periode
sampel konstan (misalnya, Δt = 1 menit). Variansi sampel s² didefinisikan sebagai (lihat
Lampiran F):
Berdasarkan variabilitas proses yang diharapkan, kebisingan pengukuran, dan pengalaman sebelumnya, batas bawah untuk s² dapat ditentukan. Untuk pemantauan on-line berikutnya, jika s² < s²min, ada alasan untuk percaya bahwa pengukuran tersebut mungkin secara esensial konstan, karena sensor yang "mati" atau "beku". Analisis sinyal sederhana lainnya dapat digunakan untuk mendeteksi masalah umum, seperti katup kontrol yang macet (Shoukat Choudhury et al., 2008) dan osilasi pada loop kontrol (Thornhill dan Horch, 2007). Untuk aplikasi AED yang melibatkan banyak variabel proses, teknik statistik multivariat, seperti Analisis Komponen Utama (PCA) dan Partial Least Squares (PLS), dapat sangat efektif (lihat Bab 21).
10.3.2 Metode Berbasis Model
Baik model proses keadaan tunak maupun dinamis dapat memberikan informasi berguna untuk AED. Model tersebut bisa berupa model fisik (Bab 2) atau model empiris (Bab 7). Misalnya, perhitungan kinerja peralatan berdasarkan keseimbangan massa dan energi dapat digunakan untuk menghitung efisiensi termal pada proses yang membutuhkan energi tinggi seperti tungku. Nilai yang sangat rendah dapat menunjukkan situasi yang berpotensi berbahaya, seperti kerusakan pada pembakar. Jika komposisi kimia atau variabel kualitas produk tidak dapat diukur secara on-line, mungkin saja untuk memprediksinya dari variabel proses yang terukur, seperti laju aliran, suhu, dan tekanan. Ketika prediksi ini digunakan untuk kontrol umpan balik, strategi ini disebut sebagai kontrol inferensial (lihat Bab 16). Prediksi on-line nilai-nilai variabel yang dikendalikan di masa depan berdasarkan model dinamis adalah elemen kunci dari strategi kontrol lanjutan yang banyak digunakan: kontrol prediktif berbasis model (lihat Bab 20). Evaluasi periodik terhadap persamaan konservasi keadaan tunak menyediakan alat yang kuat untuk deteksi kejadian abnormal. Kesalahan penutupan, E dari keseimbangan massa atau komponen keadaan tunak untuk proses kontinu dapat didefinisikan sebagai:
Ec = Laju Masuk - Laju Keluar
Kesalahan penutupan yang sangat besar (dalam nilai absolut) menunjukkan adanya kejadian abnormal, misalnya, sensor yang tidak berfungsi atau masalah peralatan, seperti penyumbatan penukar panas, seperti diilustrasikan oleh Contoh 10.2.