TUGAS AKHIR TF 141581
TUNING KONTROL PID PADA OLE PROCESS CONTROL (OPC) SERVER DAN DISTRIBUTED CONTROL SYSTEM (DCS) Rzal Rivaldi NRP 2414.106.023 Dosen Pembimbing 1 : Totok Ruki Biyanto, ST,MT, PhD Dosen Pembimbing 2 : Fitri Adi Iskandarianto, ST, MT Jurusan Teknik Fisika Fakultas Teknologi Industri Institut Teknologi Sepuluh Nopember (ITS) Surabaya 2017
i
FINAL PROJECT TF 141581
TUNING PID CONTROL IN OLE PROCESS CONTROL (OPC) SERVER AND DISTRIBUTED CONTROL SYSTEM (DCS) Rizal Rivaldi NRP 2414.106.023
Supervisor 1 : Totok Ruki Biyanto, ST,MT, PhD Supervisor 2 : Fitri Adi Iskandarianto, ST, MT Study Program S1 Engineering Physics Faculty of Industrial Technology Institute Technology of Sepuluh Nopember (ITS) Surabaya 2017
iii
iv
TUNING KONTROL PID PADA OLE PROCES CONTROL (OPC) SERVER DAN DISTRIBUTED CONTROL SYSTEM Nama Mahasiswa NRP Departemen Pembimbing I Pembimbing II
: Rizal Rivaldi : 2414106023 : Teknik Fisika, FTI-ITS : Totok Ruki Biyanto, Ph.D. : Fitri Adi Iskandarianto, ST, MT.
Abstrak Debutanizer merupakan kolom distilasi yang digunakan pada unit fraksinasi LPG untuk mendapatkan butane dan senyawa naptha. di dalam plant debutanizer terdapat beberapa komponen pendukung seperti condenser, reboiler dan reflux khususnya pada Condenser merupakan tempat untuk mendinginkan atau mengkondensasi uap yang meninggalkan bagian atas kolom distilasi. Dan pada Condenser terdapat sebuah single loop kontrol (LIC001) yang fungsinya menjaga level air agar tetap seimbang. Sehingga pada kontrol LIC001 dijadikan sebagai analisa penelitian dalam Perancangan pengendali dengan metode PID-DA (Duelist Algoritma) yang bertujuan untuk menghasilkan respon yang lebih baik sesuai dengan kriteria performansi sistem pengendalian. Analisa dilakukan dengan membandingkan metode Tuning yaitu Ziegler Nichols, Software tuning DCS TuneVP dengan PIDDA. Performansi yang dijadikan pembanding adalah nilai IAE, Rise time, dan maksimum Overshoot. Berdasarkan hasil percobaan PID-DA memiliki nilai performansi yang lebih baik dari pada PID-ZN dan PID-TuneVP. Parameter pengendali PID-DA didapatkan yakni besar settling time = 11 Menit, IAE = 0.5, serta maximum overshoot = 1,1%. KataKunci: IAE, Duelist Algoritma, Debutanizer, Single Loop, PID
v
TUNING PID CONTROL IN OLEO PROCESS CONTROL (OPC) SERVER AND DISTRIBUTED CONTROL SYSTEM Student Name : Rizal Rivaldi NRP : 2414106023 Department : Engineering Physics Supervisor I : Totok Ruki Biyanto, Ph.D. Supervisor II : Fitri Adi Iskandarianto, ST., MT. Abstract Debutanizer is a distillation column used on LPG fractionation unit to get butane and naphtha compound. in plant debutanizer there are several supporting components such as condenser, reboiler and reflux. Condenser especially at a place to cool or condenser the vapor leaving the top of the distillation column. And the condenser there is a single loop control (LIC 001) whose function is to maintain the water level in order to stay balanced. So that the control LIC001 be used as a research analysis in the design of controller with PID-DA method (Duelist Algorithm) That aims to generate a better response in accordance with control system performance criteria. Anlysys conducted by comparing several methods that is Ziegler Nichols Tuning, Software tuning DCS TuneVP and PID-DA. Performance is used as the comparison are the value of IAE, Rise time, and maximum Overshoot. based on the results of experiments PID-DA has better performance than PID-ZN and PID-TuneVP. The obtained control parameters of the PIDDA controller are, settling time = 11 Minutes, IAE = 0.5, as well as the maximum overshoot = 1.1%. Keywords: IAE, Duelist Algoritma, Debutanizer, Single Loop, PID
vi
KATA PENGANTAR
Puji dan syukur kepada Tuhan Yang Maha Esa. Karena atas berkat, rahmat,dan anugrah yang diberikan oleh Nya, penulis mampu menyelesaikan penelitian tugas akhir yang berjudul:
TUNING PID CONTROL IN OLEO PROCESS CONTROL (OPC) SERVER AND DISTRIBUTED CONTROL SYSTEM (DCS) Dalam prosesnya menyelesaikan seluruh pengerjaan tugas akhir ini penulis mendapatkan banyak bantuan, pengetahuan dan dukungan dari berbagai pihak. Penulis mengucapkan banyak terimakasih untuk bantuan dan motivasi yang diberikan kepada: 1. Bapak Agus Muhamad Hatta, ST, MSi, Ph.D. selaku Ketua Jurusan Teknik Fisika Institut Teknologi Sepuluh Nopember Surabaya. 2. Bapak Totok Ruki Biyanto, Ph.D. dan Bapak Fitri Adi Iskandarianto, ST,MT.selaku dosen pembimbing tugas akhir . 3. Ibu Ir. Ronny Dwi Noriyati, M.Kes., selaku dosen Wali. 4. Papa, mama dan kakak tercinta yang telah memberikan motivasi dengan doa serta memberikan semangat sepanjang waktu. 5. Teman-teman seperjuangan SPAIN 2010 dan temanteman Lintas Jalur Genap 2014 umumnya. 6. Teman-teman Team DCS Bram dan Rahadian yang sudah kompak dalam mengerjakan tugas akhir ini agar selesai tepat waktu
vii
7. Teman-teman Team Yokogawa mas theo, mas andika, mas reza, pak samsul yang sudah membantu dalam proses pengerjaan tugas akhir ini 8. Semua pihak yang turut membantu dan memperlancar pengerjaan tugas akhir ini. Terima Kasih yang sebesar-besarnya penulisn ucapkan, semoga Allah SWT membalasnya dengan pahala yang berlebih. Penulis menyadari bahwa tugas akhir ini bukanlah suatu hasil yang sempurna, harapannya agar tugas ini menjadi referensi bagi rekan-rekan untuk menambah wawasan dan dapat digunakan sebagai referensi pengerjaan tugas akhir selanjutnya. Semoga yang sederhana ini dapat menjadi motivasi untuk berkembang lebih sempurna.
Surabaya, Januari 2017
Penulis
viii viii viii viii
DAFTAR ISI Halaman HALAMAN JUDUL ....................................................... i LEMBAR PENGESAHAN ............................................ iii ABSTRAK ....................................................................... v ABSTRACT ...................................................................... vi KATA PENGANTAR ..................................................... vii DAFTAR ISI .................................................................... ix DAFTAR GAMBAR ....................................................... xi DAFTAR TABEL ........................................................... xiii BAB I PENDAHULUAN ................................................ 1 1.1 1.2 1.3 1.4 1.5
Latar Belakang .......................................................... Rumusan Masalah .................................................... Tujuan ...................................................................... Lingkup Kerja ........................................................... Sistematika Laporan .................................................
1 3 3 3 4
BAB II TINJAUAN PUSTAKA .................................... 5 2.1 De-butanizer ............................................................. 2.2 Pengendalian Dasar PID ........................................... 2.3 Model Proses Self Regulating ................................... 2.4 First Orde Plus Dead Time (FOPDT) ...................... 2.5 Integral Absolut Error (IAE) .................................... 2.6 Analisis Performansi Pengendalian .......................... 2.7 DCS .......................................................................... 2.8 OPC Server (OPC MATLAB) .................................. 2.9 Loop Tuning (TuneVP) ............................................ 2.10 Duelist Algorithm .....................................................
5 7 11 11 13 14 16 19 21 22
BAB III METODOLOGI PENELITIAN ..................... 25 3.1 Prosedur Umum Penlitian ......................................... 25 3.2 Pengambilan Data Sekunder ..................................... 27
ix
3.3 Perancangan Komunikasi ......................................... 29 3.4 Engineering Software CentumVP .............................. 33 3.5 Perancangan Tuning pada DCS dengan Loop TuneVP ..................................................................... 34 3.6 Pemodelan Matematis Debutanizer .......................... 36 3.7 Validasi Pemodelan .................................................. 43 3.8 Perancangan Pengendali PID .................................... 46 3.9 Perancangan Duelist Algorithm (DA) OPC Server ... 48 3.10 Pengujian Performasi Sistem dan Analisa ................ 50
BAB IV HASIL DAN PEMBAHASAN ........................ 51 4.1 4.2 4.3 4.4 4.5
Hasil Simulasi Ziegler Nichols ................................. Hasil Perancangan Tuning OPC Server (DA) ........... Hasil Perancangan Tuning DCS (TuneVP) ............... Hasil Perbandingan Performansi Pengendali ............ Pengujian Tracking Set Point Pengendali PID-DA ...
51 53 55 59 61
BAB V PENUTUP ........................................................... 62 5.1 Kesimpulan ............................................................... 62 5.2 Saran ......................................................................... 62
DAFTAR PUSTAKA ...................................................... LAMPIRAN RIWAYAT HIDUP
x
DAFTAR GAMBAR Gambar 2.1 Kolom destilasi ................................................... 5 Gambar 2.2 Diagram Blok Pengendali PID Paralel ................ 10 Gambar 2.3 Test Open Loop .................................................. 11 Gambar 2.4 Analisis Respon FOPDT ..................................... 13 Gambar 2.5 Respon Kesalahan Sistem ................................... 13 Gambar 2.6 Respon Absolut Kesalahan Sistem ...................... 14 Gambar 2.7 Analisa Karakteristik Performansi Sistem .......... 15 Gambar 2.8 Sistem Plant DCS ............................................... 16 Gambar 2.9 Slot FCS ............................................................. 17 Gambar 2.10 Human Interface Station (HIS) ......................... 18 Gambar 2.11 Konfigurasi OPC Server dan Client .................. 19 Gambar 2.12 OPC MATLAB ................................................. 20 Gambar 2.13 Konsep TuneVP ................................................ 21 Gambar 2.14 Diagram Alir Duelist Algorithm ........................ 24 Gambar 3.1 Level chart Penelitian ......................................... 27 Gambar 3.2 Debutanizer dengan Struktur Pengendali Direct .. 28 Gambar 3.3 Sistem Integrasi MATLAB-DCS CentumVP ..... 30 Gambar 3.4 Konfigurasi Simulink untuk OPC MATLAB ...... 32 Gambar 3.5 Engineering Kontrol PID untuk Debutanizer ...... 34 Gambar 3.6 Alur Perancangan TuneVP ................................. 35 Gambar 3.7 Interface Software TuneVP ................................. 35 Gambar 3.8 Grafik Hasil Simulasi Open Loop Naik 10%pada Software HYSYS LIC101 ................................. 38 Gambar 3.9 Grafik Hasil Simulasi Open Loop Turun 10% pada Software HYSYS LIC101 ......................... 39 Gambar 3.10 Perbandingan Pengujian Saat Turun 10% ......... 42 Gambar 3.11 Perbandingan Pengujian Open Loop Naik 10% ................................................................. 43 Gambar 3.12 Grafik Perbandingan Validasi Open Loop Fungsi Transfer (LIC101 naik 10%) ............... 44 Gambar 3.13 Grafik Perbandingan Validasi Open Loop Fungsi Transfer (LIC101 turun 10%) ............. 44
xi
Gambar 3.14 Grafik Perbandingan FOPDT Manual dengan TuneVP LIC101 naik 10% ............................. 45 Gambar 3.15 Grafik Perbandingan FOPDT Manual dengan TuneVP LIC101 Turun 10% .......................... 46 Gambar 3.16 Blok Diagram Sistem Pengendalian Level pada Kolom Debutanizer ........................................ 46 Gambar 3.17 Blok Desain Simulink Sistem Pengendalian Level (LIC101) pada Kolom Debutanizer ....... 47 Gambar 3.18 Blok Desain Simulink Sistem Pengendalian Level (LIC101) pada Kolom Debutanizer ....... 47 Gambar 3.19 Perancangan Tuning OPC server (DA) ............. 49 Gambar 4.1 Respon Tunning Ziegler Nichols Pada LIC001 ... 52 Gambar 4.2 Fungsi DA dalam Populasi Fitness ..................... 53 Gambar 4.3 Pencarian Nilai IAE Terkecil .............................. 54 Gambar 4.4 Hasil Respon Tuning OPC Server (DA) ............. 55 Gambar 4.5 Hasil Pemodelan TuneVP LIC001 ...................... 56 Gambar 4.6 Hasil Tuning TuneVP ......................................... 57 Gambar 4.7 Respon Pengujian Tuning DCS (TuneVP) .......... 58 Gambar 4.8 Respon Perbandingan Performansi Pengendali .... 59 Gambar 4.9 Respon Uji Traking Set Point ............................. 61
xii
DAFTAR TABEL Tabel 2.1 Parameter Tuning PID ............................................. Tabel 3.1 Data Operasional Level LIC101 .............................. Tabel 3.2 Konfigurasi I/O pada DCS ..................................... Tabel 3.3 Parameter FOPDT Uji Open Loop Hysys Level ...... Tabel 3.4 Interpolasi 63% Level .............................................. Tabel 3.5 Interpolasi 28% Level .............................................. Tabel 3.6 Nilai Error TuneVP dengan Hysys ......................... Tabel 3.7 Perbandingan FOPDT Manual dengan TuneVP ....... Tabel 3.8 Formula Ziegler Nichols .......................................... Tabel 3.9 Parameter DA .......................................................... Tabel 4.1 Hasil Tuning PID Ziegler Nichols Close Loop ........ Tabel 4.2 Nilai Parameter PID oleh DA .................................. Tabel 4.3 Parameter Hasil TuneVP ......................................... Tabel 4.4 Perbandingan Parameter Respon Pengendali ...........
xiii
10 28 34 38 40 41 43 45 48 49 52 54 57 60
BAB I PENDAHULUAN 1.1 Latar Belakang Saat ini persaingan industri sangat ketat untuk itu perlu memiliki performansi bagus yang memenuhi standar lingkungan[1]. untuk itu perlu dilakukan desain yang baik, maintenance yang aktif dari sisi material peralatan, sumber daya manusia yang menjamin produksi sebanyak-banyaknya. Kualitas yang sesuai konsumsi energi minimal dan limbah yang sesedikit mungkin untuk mendapatkan performansi yang baik[2]. Salah satunya adalah menerapkan instrumen proses kontrol dan optimasi atau advance control. Salah satu syarat penting dalam penerapan sistem kontrol di industri adalah pencapaian kinerja yang memuaskan dan juga kemudahan dalam pengaturan Pengendali. Proportional– Integral–Derivative (PID)[3]Kontroler adalah kontroler yang paling dikenal untuk proses kontrol industri karena memiliki struktur sederhana, kinerja mereka cukup kuat, murah dalam pengoperasian, dan efisien dalam control system linier[4][5]. Meskipun banyak metode kontrol advance lainnya seperti generik model kontrol, model kontrol prediktif, fuzy logika dan lain-lain [3]. Tapi tetap kontrol di industri masih menerapkan PI dan kontrol PID sebagai pengendali proses. Di dalam tuning kontrol PID diperlukan model fungsi tujuan dan teknik optimasi sesuai di lapangan hal ini dapat dilakukan dengan memanfaatkan sebuah Sistem Pengendalian Terdistribusi (DCS) yang sudah banyak digunakan oleh industri untuk mengendalikan proses yang komplek memiliki beberapa variabel dan kontrol loop di plant[6]. Ada banyak beberapa vendor yang menyediakan sistem kontrol DCS salah satunya yang paling familier di industri adalah DCS yokogawa dengan software CentumVP. Fungsi dari tuning kontrol PID bisa diterapkan pada kontrol DCS adalah dengan memanfaatkan OPC[7] dari software MATLAB yang mempunyai OPC MATLAB sebagai OPC server 1
2 penghubung[8] antara software HYSYS sebagai plant dengan DCS sebagai kontroler. Di lapangan DCS dan OPC tersedia dari beberapa tipe dan merek pada prinsip kerjanya serupa perbedaannya adalah kepada syntax dan struktur nya, oleh sebab itu: pada penelitian ini dipakai salah satu merek DCS dan OPC yang banyak digunakan di dunia industri yaitu DCS yokogawa CentumVP dan OPC MATLAB. Operasi ada DCS dan OPC untuk kepentingan optimasi memerlukan 3 komponen yaitu model, fungsi tujuan dan teknik optimasi. Model bisa dibangun menggunakan dari model enduri atau blakbox seperti neurel network, curva fiting, dan lain-lain. Menggunakan hukum-hukum alam dan semi emperies yang menggabungkan keduanya teknik optimasi bisa menggunakan teknik intermistik dan detokstoktaktif[9]. Karena pembentangan linieritas komplek plant maka pada penelitian ini digunakan salah satu teknik optimasi stokastif seperti DA, GA, EMPC dan lainlain. Yang terakhir adalah fungsi tujuan dalam optimasi process control adalah meminimalkan error dengan tuning PID. Plant yang paling komplek dan non linier dan banyak digunakan di industri adalah kolom destilasi. Pada kolom destilasi kualitas produk yang sesuai dan menghemat energi mendapatkan perhatian yang utama oleh sebab itu pada penelitian ini tuning dilakukan pada kolom destilasi untuk mencapai fungsi tujuan mendapatkan nilai Intergal Absolut Eror (IAE ) yang minimum. Kolom destilasi yang digunakan dalam penelitian ini adalah jenis kolom destilasi Debutanizer yang sudah dibuat oleh peneliti sebelumnya [2] dengan software Hysys. Dalam penelitian ini data yang diambil sebagai percobaan dalam melakukan perancangan tuning adalah kendali level yaitu LIC101 merupakan lokal kontrol yang terpasang pada plant Debutanizer sebagai pengendali level ketinggian air yang masuk pada reflux condenser. Karena sangat penting dalam menjaga laju aliran flow yang masuk pada reflux Condenser maka diperlukan kontrol yang optimum dengan cara membuat sistem tuning kontrol modern dengan membuat percobaan seperti real plant yang mana Hysys
3 sebagai data plant yang terhubung dengan kontroler DCS. perhitungan tuning kontrol PID menggunakan 2 percobaan yaitu dari OPC server dengan OPC MATLAB dan pada DCS dengan TuneVP. Dari 2 percobaan tersebut bisa sebagai pembanding untuk menentukan mana nilai tuning kontrol PID yang mendekati optimum dengan membandingkan nilai IAE terkecil. Dalam rangka itu akan dilakukan tuning PID dengan mode PI dan optimasi yang bisa diintegrasikan pada sistem kontrol DCS dan OPC server kemudian akan dibahas perbedaan hasil tuning yang optimum antara OPC server yang sudah diimplant program stokastif berupa algoritma DA dan aplikasi tuning khusus DCS berupa TuneVP. Sehingga diperoleh nilai tuning parameter yang terbaik untuk lokal kontrol level reflux condenser. 1.2 Perumusan Masalah Berdasarkan latar belakang yang telah diuraikan, maka permasalahan yang bisa diangkat dalam tugas akhir ini yaitu : a. Bagaimana merancang sistem tuning kontrol PID dengan mode PI pada OPC dan DCS b. Bagaimana hasil kinerja tuning kontrol PID dengan mode PI pada performansi pengendalian 1.3 Tujuan Adapun tujuan yang ingin dicapai dari tugas akhir ini yaitu: a. Merancang sistem tuning kontrol PID dengan mode PI pada OPC dan DCS b. Menganalisa hasil kinerja tuning kontrol PID dengan mode PI pada performansi pengendalian 1.4 Lingkup Kerja Untuk menghindari meluasnya permasalahan, maka lingkup kerja dalam Tugas Akhir ini adalah: a. Menggunakan teknik optimasi stokastif yaitu duelist algorithm untuk tuning kontrol PID pada OPC MATLAB
4 b. Proses dimodelkan menggunakan pendekatan FOPDT dengan tidak terdapat Dead time. c. Menggunakan aplikasi TuneVP untuk tuning kontrol PID pada DCS. d. Menggambil data sekunder dari software HYSYS 7.3. e. Plant yang digunakan adalah kolom destilasi Debutanizer f. Hanya 1 kontroler yang di tuning yaitu local kontrol Level (LIC101) pada pengendali Level Ketinggian air pada reflux condenser. g. Sistem disimulasikan secara online dengan menggunakan perangkat lunak Software DCS CentumVP, OPC MATLAB. 1.5 Sistematika Laporan Secara sistematis, laporan tugas akhir ini tersusun dalam lima bab dengan penjelasan sebagai berikut : BAB I Pendahuluan Berisi tentang latar belakang, perumusan masalah, batasan masalah, tujuan tugas akhir, dan sistematika laporan. BAB II Teori Penunjang Berisi tentang teori–teori dasar yang menunjang dalam pembuatan tugas akhir, meliputi teori mengenai destilasi kolom, DCS, OPC server, kontrol PID dan algoritma. BAB III Metodologi Penelitian Berisi tentang cara perancangan system integrasi komunikasi dan melakukan perancangan kontrol PID dengan cara algoritma duelist algorithm (DA) dan menggunakan OPC server BAB IV Analisa Data dan Pembahasan Berisi tentang analisa hasil antara tuning kontrol PID DA menggunakan OPC server dan dibandingkan dengan kontrol PID DA DCS. BAB V Kesimpulan dan Saran Berisi tentang kesimpulan dari perancangan tuning kontrol PID menggunakan DA baik itu menggunakn OPC server maupun DCS dan hasil analisanya beserta saran.
BAB II TINJAUAN PUSTAKA 2.1 De-butanizer Pada proses fraksinasi terdapat tiga kolom distilasi yaitu deetanizer, depropanizer, dan debutanizer yang digunakan untuk memisahkan fraksi ethane, propane, dan butane. De-butanizer merupakan kolom distilasi yang digunakan pada unit fraksinasi LPG untuk mendapatkan butane sebagai produk atas yang akan dijual sebagai LPG dan produk bawah yang merupakan senyawa naptha digunakan untuk menambahkan nilai oktan pada bensin. Proses memisahkan komponen-komponen hydrocarbon berat yang terkandung di dalam umpan dipisahkan berdasarkan titik didih dari masing-masing komponen [15].
Gambar 2.1 Kolom Destilasi[2] 5
6 Umpan yang masuk ke unit debutanizer merupakan produk bawah dari depropanizer. Umpan yang memiliki fraksi yang lebih ringan (butane) akan mengalir ke atas karena memiliki volatilitas yang lebih rendah dibandingkan dengan produk bawah dari debutanizer yaitu C5+ yang memiliki volatilitas lebih tinggi. Gas yang mengalir keluar top stage debutanizer masuk ke dalam condeser untuk didinginkan dengan menggunakan cooling water. Cairan yang terkondensasi disimpan pada sebuah vessel yang dikenal sebagai reflux drum. Sebagian dari cairan ini ada yang diumpan balikkan ke bagian atas kolom dan ada pula yang dikeluarkan sebagai produk. Liquid yang diumpan balikkan disebut sebagai reflux. Sistem reflux dibutuhkan untuk mempertahankan kualitas distilat produk dengan mengubah kembali liquid menjadi vapour. Sedangkan umpan yang memiliki fraksi lebih berat (naphta) akan mengalir ke bagian bawah kolom yang selanjutnya dikumpulkan pada reboiler. Panas diperoleh dari reboiler untuk menghasilkan vapour. Vapour yang dihasilkan reboiler diumpankan kembali ke bagian bawah kolom. Sedangkan liquid yang dikeluarkan reboiler berupa naphta disebut sebagai produk bawah[11] Kolom distilasi debutanizer terdiri beberapa komponen utama yaitu: a. Shell, atau kolom merupakan tempat terjadinya pemisahan komponen. Kolom tersusun atas banyak tray sebagai tempat terjadinya kontak antara vapour dan liquid. b. Reboiler, merupakan tempat penguapan cariran yang keluar dari bagian bawah kolom. Uap yang terbentuk akan dikembalikan lagi ke dalam kolom. c. Kondensor, merupakan tempat untuk mendinginkan atau mengkondensasi uap yang meninggalkan bagian atas kolom distilasi d. Reflux Drum, untuk menampung uap yang terkondensasi dari kolom bagian atas sehingga cairan (reflux) dapat diumpanbalikkan ke kolom.
7 2.2 Pengendalian Dasar PID Tiga jenis pengendali dasar yang biasanya digunakan untuk kontrol continouse feedback adalah Proporsional (P), Integral (I), dan Derivatif (D). Arsitektur dasar perangkat analog dan pemrograman perangkat digital bervariasi antara ketiganya, tapi fungsi dasar mereka sama. a. Kontrol Proportional (P) Pada kontrol umpan balik (feedback), tujuan utamanya adalah menghilangkan error, yang merupakan selisih antara set point dan niai yang terukur. ( )=
( )−
( )
(2.1)
Kontrol Proporsional (P) berfungsi untuk memperkuat sinyal error ( ), sehingga akan mempercepat output sistem mencapai titik referensi atau set point. Pengendali P mengubah sinyal output-nya terhadap sinyal ( ), merupakan perbedaan antara set point dan sinyal proses variabel (PV) yang berasal dari transmitter. ( )= ̅+
( )
(2.2)
Konsep pengendali P adalah Gain pengendali dapat menyesuaikan perubahan sinyal output terhadap deviasi antara set point dan variabel kontrol. Selain itu, nilai dapat dipilih untuk menaikkan atau menurunkan sinyal output. Sinyal bias adalah konstanta dan sebagai nilai output pengendali ketika ada kesalahan. Sinyal bias ( ̅ ) dapat menyesuaikan, karena sinyal pengendali output bernilai sama dengan ̅ jika error nol. Sebagai contoh jika elemen akhir adalah control valve, ̅ menyesuaikan sehingga laju aliran yang melalui control valve sama dengan saat kondisi steady state. Beberapa pengendali memiliki proportional band (PB) sebagai ganti gain pengendali. Dimana semakin besar PB berarti semakin kecil nilai . PB didefinisikan (%) sebagai berikut: =
100%
(2.3)
8 b. Kontrol Integral (I) Aksi kontrol Integral (I) berfungsi untuk mendorong proses kembali ke nilai setpoint ketika telah mengalami gangguan. Sebuah pengendali proporsional biasanya tidak akan mengembalikan ke setpoint ketika gangguan terjadi. Jenis error permanen ini disebut steady state error atau offset. Aksi pengendali I mengurangi offset ke nol. Persamaan kontrol integral seperti persamaan berikut. ( )= ̅+
1
(2.4)
( ) ( )
Dimana, parameter dapat menyesuaikan terhadap waktu integral atau waktu pengulangan (reset time). Namun, pengendali P membutuhkan koreksi secara cepat ketika error terjadi. Sehingga pengendali I umumnya dihubungkan dengan pengendali P menjadi pengendali Proportional-Integral (PI). ( )= ̅+
( )+
1
(2.5)
( ) ( )
c. Kontrol Derivatif (D) Kontrol derivatif dapat disebut pengendali laju, karena output pengendali sebanding dengan laju perubahan sinyal ( ). Tujuan dari aksi pengendali D adalah untuk mengantisipasi error yang akan terjadi dengan memperhatikan perubahan variabel terkontrol. Pada umumnya pengendali D digunakan untuk memperbaiki respon dinamik yang umumnya terjadi di banyak loop. ( )= ̅+
( )
(2.6) ( )
Output dari pengendali adalah ̅ saat error konstan ( = 0). Pengendali D tidak akan pernah digunakan sendirian, karena pengendali ini hanya akan aktif pada periode peralihan. Pada periode peralihan, kontrol derivatif menyebabkan adanya
9 redaman pada sistem sehingga lebih memperkecil lonjakan. Seperti pada kontrol proporsional, kontrol derivatif juga tidak dapat menghilangkan offset. d. Kontrol PID Pengendali Proportional-Integral-Derivatif (PID) telah digunakan di industri karena struktur yang sederhana, perancangannya mudah, dan efektif. Proporsional (P), Integral (I), dan Derivatif (D) adalah tiga parameter utama pengendali PID. Dengan tuning ketiga parameter dalam algoritma pengendali PID, pengendali dapat memberikan aksi kendali yang telah dirancang untuk proses tertentu. P, I, dan D dijumlahkan untuk menghitung output dari pengendali PID. Jenis pengendali yang digunakan adalah pengendali PID paralel. Hasil akhir yang didefinisikan oleh ( ) seperti persamaan berikut: ( )= ̅+
[ ( )+
1
( )
+
( )
(2.7)
Fungsi alih pengendali PID (dalam domain laplace) dapat dinyatakan sebagai berikut:
( )=
1+
1
+
(2.8)
Dalam perancangan sistem kontrol PID yang perlu dilakukan adalah mengatur parameter P, I, atau D agar respon sinyal keluaran sistem terhadap input tertentu sebagaimana yang diiginkan. Pengembanagan parameter dari ketiga tipe kontrol tersebut menghasilkan tiga gain, , , dan , lebih dari standar parameter , , dan . Pengembangan parameter ini juga digunakan dalam software MATLAB. Persamaan ini akan lebih tepat digunakan untuk tuning karena tiap gain berdiri sendiri tanpa memengaruhi gain lain. Persamaan pengembangan PID ini dimodelkan dalam persamaan berikut.
10 ( )= ̅+
( )+
∫
( )
+
( )
(2.9)
Gambar 2.2 Diagram Blok Pengendali PID Paralel[3] Dimana : P(t) = output dari pengontrol PID Kp = konstanta Proporsional Ti = Time Integral Td = Time Detivatif e(t) = error (selisih antara set point dengan temperatur aktual) Tabel 2.1 Parameter Tuning PID
11 2.3 Model Proses Self Regulating Model self regulating process adalah model yang paling umum dijumpai di industri proses. Model ini hampir muncul pada setiap kasus pengontrolan praktis, yaitu seperti pengontrolan temperatur pada sistem heat exchanger, pengontrolan level fluida pada sistem tanki penampung dan sebagainya. Model proses yang bersifat stabil. Untuk kepentingan perancangan dan tuning parameter kontrol PID-nya, model proses ini dapat didekati oleh sebuah model matematis yang dikenal dengan nama model FOPDT (First Order Plus Dead Time) yang hanya dicirikan oleh tiga buah parameter: 1. Process transport delay (Keterlambatan transportasi) L 2. Process time constant (Konstanta waktu proses) T 3. Process static gain (Gain statis proses) (K). Ketiga parameter yang menggambarkan dinamika proses tersebut, secara praktis dapat diperoleh atau diidentifikasi melalui eksperimen sederhana Bump test atau test sinyal tangga secara open loop pada mode kontrol manual seperti gambar di bawah ini
Gambar 2.3 Test Open Loop 2.4 First Orde Plus Dead Time (FOPDT) Pengembangan pemodelan empirik merupakan alternatif ketika pendekatan secara white box dan black box model tidak dapat dilakukan karena kompleksitas dari model itu sendiri. Model yang dikembangkan dengan metode ini memberikan hubungan dinamis antara variabel input dan variabel output. Untuk menentukan sebuah model empirik yang linear dari sebuah
12 proses adalah dengan mencari parameter seperti (dead time, konstanta waktu, dan gain) yang dapat ditentukan dengan step respon data pada kondisi open loop. Dengan memberikan step disturbance pada proses dan mencatat variabel output sebagai fungsi waktu, maka dapat dibuat kurva reaksi proses yang menghubungkan antara waktu dengan variabel output. Adapun langkah dalam pembuatan kurva reaksi proses adalah sebagai berikut: a. Mulai dari steady state b. Step tunggal ke input c. Kumpulkan data hingga steady state d. Lakukan kalkulasi Selanjutnya ditentukan fungsi transfer atau FOPDT nya. Adapun fungsi alih sebagai berikut :
G(s) =
(2.10)
K merupakan gain, θ adalah dead time, dan τ adalah konstanta waktu yang dapat dengan mengaplikasikan metode II yaitu kurva reaksi proses (PRC) Δ K= (2.11) Δ τ = 1.5(t63%-t28%) (2.12)
θ = t63%-τ Dimana K : gain steady plant
τ : Time Konstan : Dead Time
(2.13)
13
Gambar 2.4 Analisis Respon FOPDT
2.5 Integral Absolut Error (IAE) Metode tuning dinilai optimal jika mampu meminimalkan akumulasi error (integral error criteria). Plot respon kesalahan
Gambar 2.5 Respon Kesalahan Sistem Daerah yang terakumulasi saat kesalahan positif ditunjukkan dengan warna biru, dan daerah yang terakumulasi saat kesalahan negatif ditampilkan dalam warna merah. Area
14 merah adalah negatif dan membatalkan beberapa area biru setiap siklus. Salah satu metode analisa respon dari gambar 2.5 adalah Integral Absolute Error (IAE), dimana membuat nilai absolut dari tiap kesalahan. Tanpa memperhatikan nilai positif atau negatif dari error yang dihasilkan, IAE membuat hasil integral dari error menjadi positif seperti pada gambar 2.6 berikut.
Gambar 2.6 Respon Absolut Kesalahan Sistem Analisa kinerja sistem ini dikenal sebagai Integral of Absolute value of The Error (IAE). Persamaan matematis IAE digambarkan di bawah ini. =
∞
| ( )|
=
∞
| ( ) − ( )|
(2.14)
2.6 Analisis Performansi Pengendalian Analisis sistem pengendalian digunakan untuk menghasilkan respon sistem yang telah dirancang. Hasil dari bentuk analisa ini berupa nilai kualitatif. Jenis respon kontrol akan berbeda-beda berdasarkan orde dari sistem yang dikendalikan. Respon dinamik akan memiliki karakteristik yang berbeda berdasarkan jenis plant yang dikontrol. Sehingga respon dinamik setiap unit tergantung
15 pada nilai masukan pada unit yang telah digunakan. Untuk jenis analisa respon dinamik dapat dilihat pada gambar 2.7 berikut ini.
Gambar 2.7 Analisa Karakteristik Performansi Sistem Dari gambar 2.7 diatas akan dapat dilakukan analisa performansi dari respon sistem. Dan untuk mengetahui nilai performansi dari nilai sistem maka perlu mendefinisikan nilai error steady state, maximum overshoot dan settling time. Masing –masing dari parameter tersebut dapat dicari dengan menganalisa respon system yang didapatkan dari hasil simulasi sebagai berikut ini : a. Maximum overshoot Nilai maximum overshoot adalah nilai puncak dari kurva respon yang diukur. Setiap perusahaan memiliki standarisasi tersendiri untuk nilai maximum overshoot. Dan untuk menentukan persamaan maximum overshoot dapat dihitung dengan menggunakan persamaan berikut ini. MO
c (t p ) c (~) c (~)
x100 %
(2.15)
b. Rise Time Rise Time (Tr) = waktu yang diukur mulai respon mulai t= 0 sampai respon memotong sumbu steady state yang pertama.
16 c. Settling time Settling time adalah waktu yang dibutuhkan sistem untuk mencapai keadaan set point. Pada settling time terdapat presentase untuk mennentukan nilai settling time yaitu sebesar ±2% atau ±5% dari nilai set point. 2.7 DCS DCS (Distributed Control System) berhubungan dengan kontrol sistem yang biasanya digunakan pada sistem manufacturing, proses atau jenis sistem dinamik lainya, dimana di dalamnya menggunakan elemen kontrol yang terletak di pusat sebagai pengendali utama seperti CPU pada computer tetapi semua kontroler yang digunakan menyebar ke seluruh sistem. Sistem tersebut dihubungkan oleh suatu jaringan untuk tujuan komunikasi dan monitoring. Pada umumnya, DCS menggunakan desain prosesor sebagai kontroler dan menggunakan keduanya untuk tujuan interkoneksi dan komunikasi protokol. Modul input dan output merupakan salah satu komponen DCS . Secara umum, modul input dan output yang sering digunakan adalah analog dan digital[12]. Berikut ini adalah bentuk konfigurasi sistem dalam perangkat DCS . Secara garis besar, komponen-komponen yang menyusunnya adalah FCS, HIS, EWS, dan komponen lapangan (field equipment).
Gambar 2.8 Sistem Plant DCS [13]
17 a. Field Control Station (FCS) FCS memiliki fungsi sebagai tempat untuk mendeskripsikan detail I/O, fungsi logic, detail software, mengambil input yang masuk dari transmitter dan perintah operator, perhitungan sinyal kontrol, dan mengirim sinyal kontrol ke actuator. Komponen FCS terdiri dari CPU (Central Processing Unit), catu daya (power supply unit), VLnet coupler, dan I/O module. Fungsi masing-masing komponen adalah sebagai berikut. a) CPU (unit prosesor) berfungsi untuk melakukan komputasi fungsi kontrol dan setting nomor domain dan station. b) Catu daya (unit catu daya) berfungsi untuk menerima daya dari power distribution board dan mengkonversinya menjadi tegangan searah (DC) dan mendistribusikan tegangan DC ke semua unit pada FCS. c) VLnet coupler berfungsi untuk merangkaikan (couple) processor card pada Field Control Unit (FCU) pada kabel Vnet. d) I/O module berfungsi untuk mengubah sinyal analog atau digital dari field equipment yang menuju FCS atau sebaliknya. Tipe-tipe I/O module antara lain analog, analog multipoint, relay, multiplexer, digital, komunikasi, dan communication card. Penamaan FCS menggunakan format FCSXXYY, dimana XX adalah nomor domain dan YY adalah nomor station, seperti contoh FCS0101 artinya FCS berada di domain 1 dan station 1. Berikut ini adalah contoh gambar dari slot FCS yang digunakan pada CENTUM[12].
Gambar 2.9 Slot FCS[14]
18 b. Human Interface Station (HIS) HIS digunakan untuk operasi dari unit proses dan proses monitoring, parameter kontrol dan alarm, dan kebutuhan user (operator) untuk secara cepat mengetahui status plant secara cepat. Penamaan HIS sama seperti penamaan pada FCS dengan menggunakan format HISXXYY. Perbedaannya adalah nomor station HIS dimulai dari yang paling besar, seperti contoh HIS0164.
Gambar 2.10 Human Interface Station (HIS)[13] c. Engineering Work Station (EWS) EWS merupakan hardware dari sistem yang dibentuk oleh CENTUM berupa PC (personal computer) yang dikendalikan oleh operator di sebuah control room. Fungsinya sebagai kontroling dan maintenance.
19 2.8 OPC Server (OPC MATLAB) Ole Process Control (OPC) adalah standar software antar muka yang memungkinkan program Windows untuk berkomunikasi dengan perangkat keras industri. OPC diimplementasikan dipasang server/klien. OPC Server adalah sebuah program perangkat lunak yang mengkonversi protokol komunikasi perangkat keras yang digunakan oleh PLC atau DCS ke dalam protokol OPC. Perangkat lunak klien OPC adalah program yang perlu untuk terhubung ke perangkat keras, seperti HMI. OPC klien menggunakan server OPC untuk mendapatkan data dari atau mengirim perintah ke hardware[8].
Gambar 2.11 Konfigurasi OPC Server dan Client[12] Keuntungan OPC adalah bahwa hal itu merupakan standar terbuka, yang berarti biaya yang lebih rendah bagi produsen dan lebih banyak pilihan bagi pengguna. Produsen perangkat keras hanya perlu menyediakan OPC server tunggal untuk perangkat mereka untuk berkomunikasi dengan klien OPC. Vendor perangkat lunak hanya mencakup kemampuan klien OPC dalam produk mereka dan mereka menjadi langsung kompatibel dengan ribuan perangkat keras. Pengguna dapat memilih perangkat lunak klien OPC yang mereka butuhkan Skenario koneksi OPC khas adalah koneksi server-klien tunggal pada satu komputer seperti digambarkan pada gambar 2.11, tetapi ada lebih banyak kemungkinan. contohnya : a) Menghubungkan klien OPC ke beberapa server OPC. Ini disebut agregasi OPC.
20 b) Menghubungkan OPC client ke OPC Server melalui jaringan. Hal ini dapat dilakukan dengan OPC tunneling. c) Menghubungkan server OPC ke server OPC lain untuk berbagi data. Hal ini dikenal sebagai OPC bridging.
Gambar 2.12 OPC MATLAB[8] Dalam software MATLAB terdapat fasilitas sebagai OPC sebagai media penghubung antara MATLAB dengan software lainnya yang memiliki OPC Client seperti halnya DCS yokogawa yang memiliki OPC Client. OPC MATLAB merupakan suatu fasilitas yang ada dalam MATLAB untuk menyediakan akses untuk terhubung langsung dengan OPC client dan data OPC historikal langsung dari MATLAB dan Simulink[8]. Kemudian Fungsi lain dari OPC MATLAB dapat read, write, dan data log OPC dari perangkat, seperti sistem terdistribusi kontrol, kontrol pengawasan dan sistem akuisisi data, dan programmable logic kontroler. OPC Toolbox memungkinkan untuk bekerja dengan data dari server OPC dan historical data yang sesuai dengan OPC Data Access (DA) standar, OPC Historical Data Access (HDA) standar, dan OPC Unified Architecture(UA)[8].
21 2.9 Loop Tuning (TuneVP) TuneVP adalah aplikasi perangkat lunak yang dirancang untuk memperkirakan nilai Tuning parameter P, I, D untuk kontroler PID berada di FCS sistem CENTUM DCS. Aplikasi ini menyediakan solusi yang efektif dan mudah digunakan untuk tuning kontroler PID dengan fitur utama sebagai berikut: a) Aplikasi ini menyediakan solusi yang efektif dan mudah digunakan untuk tuning kontroler PID dengan fitur utama sebagai berikut: b) Dapat mengindentifisikan menjadi pemodelan plant beradasarkan dengan open loop dan close loop c) Universal dan identifikasi Algoritma Model Efektif d) Auto Deteksi perubahan operasional untuk P, I, D yang akan di rekomendasi e) On Demand P, I,D merekomendasi berdasarkan fleksibel set value (sv) atau langkah tes manipulated variabel (MV) f) Kemudahan penggunaan oleh spesialis non-control g) Terdapat history report loop Tuning dan PID pada Log Book
Gambar 2.13 Konsep TuneVP[15] Konsep TuneVP berdasarkan metode identifikasi sistem linear. Proses Data respon dinamik diperoleh baik melalui manual
22 step test atau saat operasional normal merubah nilai SV dan MV. FOPDT model didapatkan dari data MV dan PV yang saling terhubung dengan mempertimbangkan tiga pengukuran proses saat terjadi distrubances. Model FOPDT kemudian inilah menjadi fungsi transfer berdasarkan parameter proses pada umumnya. Metode Tuning IMC digunakan untuk menghitung P.I.D bersama-sama dengan melakukan Analisa kontrol PID saat close loop. 2.10 Duelist Algorithm Duelist Algorithm (DA) merupakan algoritma baru berdasarkan Genetic Algorithm (GA) yang terinspirasi dari pertempuran manusia. Dalam DA, semua individu dalam populasi disebut sebagai duelist, semua duelists akan melawan satu per satu untuk menentukan juara, kalah atau menang. Pertarungan tersebut dibuat dimana yang terkuat memiliki kemungkinan kalah. Ada sebuah kemungkinan bahwa yang lemah akan beruntung untuk menang. Cara agar duelist berkembang salah satunya adalah inovasi yang mirip dengan mutasi pada GA. Pada GA, ada dua cara untuk mengembangkan individu ke yang baru. Pertama adalah crossover dimana pasangan individu dengan individu lain untuk menghasilkan keturunan baru, genotipe keturunan baru ini adalah berdasarkan orang tua mereka. Kedua adalah mutasi dimana seorang individu bermutasi menjadi yang baru. Perbedaannya hanya pada pemenang akan mungkin melakukan inovasi. Pihak yang kalah akan belajar dari pemenang. Dalam GA, baik mutasi dan crossover tampaknya buta (blind) dalam memproduksi solusi apapun untuk menemukan solusi yang terbaik. Blind berarti bahwa setiap solusi atau diproduksi individu dalam GA mungkin memiliki solusi tidak lebih baik. Bahkan, hal itu mungkin jatuh ke dalam salah satu yang terburuk. DA mencoba untuk meminimalkan efek buta ini dengan memberikan perlakuan yang berbeda pada setiap duelist berdasarkan klasifikasinya. Setiap duelist memiliki sifat yang dikodekan ke dalam binery array. Setiap duelist dievaluasi untuk menentukan
23 kemampuan mereka bertarung. Jadwal pertarungan diatur untuk setiap duelist yang berisi satu kelompok peserta duel. Dalam duel tersebut, setiap duelist akan bertarung satu lawan satu dengan duelist lainnya. Pertarungan satu lawan satu ini digunakan untuk menghindari local optimum. Setiap duel akan menghasilkan pemenang dan pihak yang kalah berdasarkan kemampuan mereka berkelahi dan faktor keberuntungan. Setelah pertandingan, juara juga ditentukan. Juara adalah duelist yang memiliki kemampuan terbaik dalam pertempuran. Pseudocode untuk menentukan pemenang dan pecundang ditunjukkan pada Algoritma 1. Algorithm 1. Menentukan pemenang dan pihak yang kalah.
Require : Duelist A and B; Luck_Coefficient A(Luck) = A(Fighting_Capabilities) * (Luck_Coefficient + (rand(0-1) * Luck_Coefficient)); B(Luck) = B(Fighting_Capabilities) * (Luck_Coefficient + (rand(0-1) * Luck_Coefficient)); If((A(Fighting_Capabilities)+A(Luck))<= B(Fighting_Capabilities) + B(Luck))) A(Winner) = 1; B(Winner) = 0; Else A(Winner) = 0; B(Winner) = 1; End Selanjutnya, masing-masing pemenang dan pihak yang kalah memiliki kesempatan untuk meningkatkan kemampuan bertarung mereka, sementara masing-masing juara melatih duelist baru seperti kemampuan yang mereka miliki. Duelist baru akan bergabung pada pertandingan berikutnya. Setiap pihak yang kalah akan belajar dari pemenang bagaimana menjadi duelist yang lebih
24 baik dengan mengganti bagian tertentu dari berbagai biner dengan nilai binery array pemenang. Sebaliknya, pemenang akan mencoba untuk berinovasi teknik baru atau keterampilan dengan mengubah nilai biner array mereka menjadi sesuatu yang baru. Setiap kemampuan pertempuran duelist yang dievaluasi kembali untuk pertandingan berikutnya. Semua duelist kemudian dievaluasi kembali melalui pasca-kualifikasi dan diurutkan untuk menentukan siapa yang pantas menjadi juara. Karena ada duelists baru yang dilatih oleh sang juara, semua duelists terburuk dieliminasi untuk mempertahankan jumlah duelist di turnamen[3]. Berikut ini diagram alir DA.
Gambar 2.14 Diagram Alir Duelist Algorithm[3]
BAB III METODOLOGI PENELITIAN 3.1 Prosedur Umum Penelitian Pada sub bab ini menjelaskan terkait prosedur penelitian tugas akhir yang dilakukan guna mencapai tujuan penelitian. Berikut ini akan disebutkan beberapa tahapan untuk perancangan pengendali single loop dengan menggunakan OPC server PIDDA dan pada DCS TuneVP pada plant Debutanizer. a. Pengambilan data sekunder Pengambilan data sekunder meliputi pengambilan data Level di kolom destilasi Debutanizer dengan menggunakan strip chart HYSYS pada penelitian tugas akhir ini. b. Perancangan komunikasi Pembuatan komunikasi diperlukan proses pengiriman data dari hasil strip chart yang akan diteruskan pada software CentumVP dan TuneVP untuk tuning DCS. c. Engineering software DCS Software DCS yang digunakan menggunakan CentumVP untuk membuat input, output analog dan function blok diagram kontrol PID d. Pemodelan Pembuatan model Debutanizer menggunakan software Aspen HYSYS 7.3 dengan metode FOPDT (first order plus dead time). Pemodelan dilakukan untuk mengidentifikasi perilaku dari unit operasi Debutanizer tersebut, sehingga fungsi transfer yang diperoleh benar–benar merepresentasikan real . e. Perancangan Tuning DCS melalui TuneVP Penggunaan software TuneVP digunakan sebagai metode tuning dengan mengintegrasikan data dari lapangan yang secara online akan di record dan secara otomatis akan mengolah sendiri dengan outuput nilai kp.ki terbaik. validasi antara tuning menggunakan Duelist Algorithm (DA)
25
26
f.
Validasi pemodelan Validasi pemodelan diperlukan guna memastikan model dapat merepresentasikan sistem yang sesungguhnya. Validasi pemodelan yang digunakan yakni dilakukan dengan membandingkan antara data real dengan data hasil simulasi serta validasi antara FOPDT dengan uji open loop MATLAB. g. Perancangan Tuning OPC server melalui PID-DA Perancangan PID-DA yang akan diimplan pada OPC Server (MATLAB) dilakukan untuk menghasilkan nilai tuning PID yakni parameter nilai Kp, Ti, dan Td yang lebih baik sehingga sesuai dengan kriteria performansi sistem yang baik. Adapun algoritma Duelist Algorithm merupakan algoritma optimasi yang digunakan untuk menghasilkan nilai Kp, Ti, dan Td yang lebih optimal untuk Debutanizer. h. Analisis respon Analisis respon didasarkan pada kriteria performansi sistem yang ada yakni settling time, maximum overshoot, serta IAE (Integral Absolute Error) yang mana hasil optimasi PID-DA dibandingkan dengan TuneVP di DCS. i. Penyusunan laporanTugas Akhir Penyusunan laporan tugas akhir berupa pembukuan serta dokumentasi dari semua langkah yang telah ditempuh dalam pengerjaan tugas akhir berupa tulisan ilmiah.
27
Flowchart dari tugas akhir ini ditunjukkan pada Gambar 3.1 berikut ini.
Gambar 3.1. Level chart Penelitian
3.2 Pengambilan Data Sekunder Pengumpulan data sekunder didapatkan dari program software HYSYS yang dimodelkan berdasarkan data perusahaan PT Saka Energi berupa kolom destilasi yakni data desain dan operasional kolom destilasi debutanizer seperti data Level massa,
28
tekanan, komposisi yang ada dalam proses debutanizer dalam kondisi steady state dan dinamic dan juga dari proses tersebut dimodelkan menggunakan perangkat lunak Aspen HYSYS. Berikut ini adalah gambar skema proses debutanizer yang sudah dibuat oleh penelitian sebelumnya yang juga mengacu pada referensi data yang sama [10]
Gambar 3.2 Debutanizer dengan Struktur Pengendali Direct Dan berikut adalah data yang diambil merupakan datadata operasional yang merupakan cuplikan data operasional kolom Debutanizer dalam penelitian ini. Data yang diambil dari HYSYS tersebut berupa nilai Present Value (PV), Manipulated Variabel (MV), dan Set Value (SV) dengan menggunakan stripchart pada fitur HYSYS dan juga data yang diambil adalah kontrol pada Level LIC-101 kemudian dilakukan uji bump test yaitu menggubah l0% kontrol dari tipe AUT menjadi MAN lalu data tersebut di record dengan sample rated 1 detik dan disimpan dalam bentuk file .xls.
29
Tabel 3.1 Data Operasional Level LIC101 Time LIC-101 - PV LIC-101 - SP LIC-101 – OP [seconds] [%] [%] [%] 0 5.01802 5.01802 60.77 1 5.01801 5.01801 60.77 2 5.01801 5.01801 60.77 3 5.01801 5.01801 60.77 4 5.01803 5.01803 70.77 5 4.94736 4.94736 70.77 6 4.91343 4.91343 70.77 7 4.89028 4.89028 70.77 8 4.8744 4.8744 70.77 9 4.86418 4.86418 70.77 10 4.85833 4.85833 70.77 11 4.85561 4.85561 70.77 12 4.85505 4.85505 70.77 13 4.85576 4.85576 70.77 14 4.85728 4.85728 70.77 15 4.85924 4.85924 70.77 16 4.86138 4.86138 70.77 17 4.86337 4.86337 70.77 18 4.86507 4.86507 70.77 19 4.86651 4.86651 70.77 20 4.86782 4.86782 70.77 3.3 Perancangan Komunikasi Komunikasi dan integrasi antar sistem di industri sering digunakan untuk saling melengkapi, karena fitur pada perangkat lunak yang ditawarkan kurang lengkap dan harganya mahal. Contohnya pada pengendali DCS tidak dilengkapi fitur untuk mengolah data untuk manajemen alarm dan proses, tentu perlu
30
adanya tambahan seperti produk Honeywall (PI) dan Yokogawa (EXAquantum) untuk melengkapi masalah tersebut. Pada penelitian ini integrasi yang dilakukan adalah perangkat lunak MATLAB-CentumVP. MATLAB digunakan sebagai tuning Duelist Algorithm dan juga sebagai OPC server. Kemudian di dalam perangkat lunak MATLAB terdapat OPC ToolBox for MATLAB sebagai inisialisasi masukan atau keluaran dan juga digunakan untuk membaca serta mengirim data proses antara MATLAB dengan DCS Yokogawa CentumVP. DCS Yokogawa CentumVP digunakan untuk pengujian data TuneVP dan menampilkan data berupa trend yang sudah diolah sebelumnya di perangkat lunak MATLAB. Berikut ini gambar detail integrasi antara MATLAB-CentumVP.
Gambar 3.3 Sistem Integrasi MATLAB-DCS CentumVP Setelah itu membuat perintah simout untuk menarik data yang sudah ditarik dari HYSYS untuk diteruskan ke Simulink yang nantinya akan dijadikan sebagai read data pada sebuah function OPC MATLAB dan membuat perintah simout sebagai write data dari CentumVP untuk dikirim kembali pada HYSYS
31
hyvalue(cells) aaa=simout.signals.values(1) aab=simout1.signals.values(1) % Change the value of cell A1 to 0.10. hyset(cells{2}, aaa); hyset(cells{3}, aab);
3.3.1
Perancangan Komunikasi Integrasi MATLAB-OPC Data yang sudah diperoleh dibagi menjadi 2 bagian yaitu proses pembacaan dari MATLAB dan proses pengiriman data dari CentumVP. Kemudian kedua data tersebut dapat diatur oleh OPC yang fungsinya sebagai pengatur lalu lintas data antar perangkat lunak yang berbeda tipe ataupun fungsi, karena pada perangkat lunak MATLAB terdapat OPC client. Berdasarkan fungsi tersebut maka data dari MATLAB dan CentumVP bisa melakukan komunikasi dua arah yaitu pembacaan dan pengiriman. Untuk mengaktifkan OPC MATLAB maka harus melakukan instalasi OPC core components Register dengan perintah berikut: sebuah fungsi OPC yang disebut OPC for MATLAB yang mana dapat memberi akses penuh untuk mengambil historikal data dari MATLAB dan Simulink kemudian OPC ini bisa melakukan pembacaan, pengiriman, data log dari perangkat lain seeperti DCS CentumVP. % % Create a connection to OPC. OPCregister('install')
Setelah itu membuat Simulink dengan membuat sebuah fungsi yang tersedia pada library Simulink seperti OPC configreal time, OPC read, OPC write, simin, simout.
32
Gambar 3.4 Konfigurasi Simulink untuk OPC MATLAB OPC Configuration real time digunakan untuk mendaftarkan dan mendefinisikan sebuah OPC client yang akan diambil data prosesnya. OPC Read digunakan untuk membaca data proses apa yang akan diambil dari OPC client untuk diproses pada MATLAB. OPC Write digunakan untuk mengirim data proses dari MATLAB ke OPC Client. Simin digunakan untuk membaca data proses dari MATLAB ke Simulink. Simout digunakan untuk mengirim data dari Simulink ke MATLAB. 3.3.2
Perancangan Komunikasi Integrasi OPC-DCS CentumVP Setelah komunikasi antara MATLAB dengan OPC berhasil maka proses selanjutnya adalah komunikasi antara OPC dengan DCS CentumVP langkah awal yang harus dilakukan
33
adalah dengan melakukan pengujian (testing) pada OPC HIS dengan cara mendaftarkan OPC client DCS dengan OPC MATLAB. Kemudian melakukan konfigurasi registrasi data dengan menggunakan OPC write kemudian data akan masuk sesuai face plate pada perangkat lunak CentumVP. Apabila data tidak sesuai maka koneksi antara OPC toolbox dengan CentumVP terputus 3.4 Engineering Software CentumVP Software CentumVP merupakan sebuah aplikasi yang digunakan untuk membuat adreesing I/0, kontrol berupa logic dan interface berupa grafik dan Human Interface Machine (HMI) yang diintegrasikan pada sebuah controller DCS dengan begitu dapat memudahkan dalam melakukan Engineering dan pengamatan proses yang dikontrol DCS. Pada tugas akhir ini yang software CentumVP digunakan sebagai membuat kontrol PID pada function blok PID. 3.4.1 Function Blok Kontrol PID Function Blok kontrol PID digunakan untuk membuat algoritma kontrol PID yang sifatnya untuk kontrol single loop maupun untuk cascade. Biasa digunakan untuk kontrol level, pressure, temperatur. Untuk contoh dalam membuat single loop dapat dilihat pada gambar 3.5 untuk membuat sebuah kontrol PID single loop hanya dengan membuat blok pio untuk input dan output kemudian dikoneksikan ke function blok diagram PID kemudian set in untuk pio input set out untuk pio output. Di dalam function kontrol PID terdapat banyak informasi berupa nilai Present Value (PV) manipulated variable (MV) Set value (sv) dan beberapa nilai parameter kontrol PID yang ada seperti nilai Proposional band, derivative dan integral time. Dan di bawah ini adalah desain engineering kontrol PID untuk mengatur Level condenser dari kolom destilasi Debutanizer
34
Gambar 3.5 Engineering Kontrol PID untuk Debutanizer Tabel 3.2 Konfigurasi I/O pada DCS Terminal Label %%LIC101 %Z011101 %%LV101 %Z011102
PID Tag Name LIC101 LIC101
3.5 Perancangan Tuning pada DCS dengan Loop TuneVP Setelah melakukan perancangan komunikasi antara HYSYS-MATLAB-DCS maka data tersebut akan diterima oleh perangkat lunak tambahan yaitu TuneVP. TuneVP yang digunakan untuk penelitian ini adalah versi 1.0 yang mana hanya bisa beroperasi pada windowsXP untuk itu dalam penelitian ini akan dilakukan pengoperasian 2 local host. Local host pertama dengan OS Windows7 digunakan untuk HYSYS dan OPC server local host kedua berupa virtual memory player yang di dalamnya terdapat OS Windows XP, perangkat lunak Centumvp r4.03 dan TuneVP sehingga data dari HYSYS akan dikirim ke OPC server kemudian akan diteruskan ke local host virtual memory yang kemudian diteruskan ke DCS dan di record oleh TuneVP.
35
Gambar 3.6 Alur Perancangan TuneVP Pada gambar 3.6 merupakan diagram alur perancangan agar TuneVP bisa berfungsi dengan baik pertama-pertama harus melakukan running data software HYSYS kemudian pilih stripchart untuk menyimpan data operasi lokal kontrol LIC101 berupa parameter (SV, PV, MV) kemudian parameter tersebut akan disimpan pada workbook MATLAB lalu oleh OPC MATLAB akan dikirim ke DCS sehingga function blok kontrol PID akan aktif dan variabel berupa sv, pv, mv.kemudian data dari kontrol PID DCS akan diterima oleh TuneVP yang selanjutnya akan diperoleh nilai pemodelan yang sesuai data yang diterima kemudian secara offline TuneVP akan memberikan nilai parameter nilai KP, KI, KD dan nilai IAE terbaik.
Gambar 3.7 Interface Software TuneVP
36
3.6 Pemodelan Matematis Debutanizer Model matematis dari debutanizer didapatkan melalui pendekatan sistem orde satu, First Order Plus Dead Time (FOPDT), dengan menggunakan persamaan seperti dibawah ini : K s FOPDT : G ( s ) (3.1) e s 1 Parameter-parameter yang digunakan untuk pemodelan FOPDT adalah process time constant (τ), process gain (K), Dead time (θ), t63%, dan t28%. Untuk mendapatkan parameter-parameter FOPDT tersebut, dilakukan pengambilan data dengan memberikan step response test pada proses yaitu dengan memutus hubungan antara unit operasi dengan pengendali. Memutus hubungan antara proses dengan pengendali dapat dilakukan dengan mengubah mode auto pada pengendali menjadi mode manual. Selanjutnya memberikan perubahan pada variabel input dengan mengubah bukaan valve. Besar bukaan valve yang diberikan sebesar ±1%, ±2%, ±5%.10%. Hasil dari step response test menunjukan valve dengan bukaan +10% memberikan model yang lebih sesuai. Sehingga pada tugas akhir ini besar bukaan valve yang diberikan adalah kenaikan sebesar 10% pada variabel input. Selanjutnya plot grafik (strip chart) untuk melihat perubahan variabel proses dengan membandingkan antara variabel input dengan variabel proses. Hasil dari plot grafik disimpan ke dalam bentuk excel untuk mendapatkan data record (history) selama perubahan variabel input. Pengambilan data dilakukan sampai variabel proses mencapai keadaan stabil. Perhitungan data yang dihasilkan dari respon open loop untuk mendapatkan process gain, process time constant, dan dead time. Persamaan – persamaan yang digunakan adalah sebagai berikut.
K
1,5t63% t28%
(3.2)
(3.3)
37
t63%
(3.4)
Dengan : K : gain steady state : perubahan steady state pada keluaran proses : perubahan step pada masukan
t28% t63%
: nilai PV ketika mencapai 28% perubahan awal : nilai PV ketika mencapai 63% perubahan awal
Step response test dilakukan dengan memberikan perubahan sebesar 10% pada Level (LIC101). Mengacu pada persamaan 3.2-3.4, beberapa poin di bawah ini akan menjelaskan masing–masing nilai parameter untuk membentuk sebuah persamaan FOPDT akibat perubahan Level sebesar 10% atau sebesar 80% bukaan untuk output Level. Level (%)
52 51 50 49 48 1 45 89 133 177 221 265 309 353 397 441 485 529 573 617 661 705
47
80 70 60 50 1 45 89 133 177 221 265 309 353 397 441 485 529 573 617 661 705
OP (%)
Waktu (S)
Waktu (S)
Gambar 3.8 Grafik Hasil Simulasi Open Loop Naik 10% pada Software HYSYS LIC101
51.5 51 50.5 50 49.5 49 48.5 48 47.5 1 47 93 139 185 231 277 323 369 415 461 507 553 599 645 691 737
Level (%)
38
80 70 60 50 1 45 89 133 177 221 265 309 353 397 441 485 529 573 617 661 705 749
OPl (%)
Waktu (s)
Waktu (s)
Gambar 3.9 Grafik Hasil Simulasi Open Loop Turun 10% pada Software HYSYS LIC101 Dari grafik uji open loop dengan melakukan step test 10% naik dan turun maka diperoleh nilai parameter FOPDT. Hasil uji yang digunakan dalam menentukan nilai transfer proses adalah saat uji open loop turun 10% dan berikut adalah hasil tabel pemodelan FOPDT dan cara menghitungnya. Tabel 3.3 Parameter FOPDT Uji Open Loop HYSYS Level Perubahan Steady State (Δpv) 2.195 % 0.2195 Gain Steady State (k) 185.773 s Time Constant ( ) 203.63 s t63% t28%
79.78 s
39
Langkah – langkah untuk mencari parameter dengan metode FOPDT adalah : 1. Perubahan Steady State (Δ) Perubahan steady state didapatkan dari selisih Level pada waktu ke 3 s dan ke 780 s, yaitu, 49.0326 %– 51.2251 %= 2.195 % 2. Gain Steady State (k) Gain steady state didapatkan dari perubahan steady state dibagi dengan data operation valve. Operation valve adalah selisih dari dimana bukaan valve dengan span dari 70.7% sampai 60.7%. Maka besar operation valve yang diperoleh adalah 10%. Sehingga besar gain steady state (k) adalah, k
2.195 10
=0.2195
3.
Nilai t63% Nilai t63% merupakan waktu data ke 63% dari perubahan respon Level sampai menuju steady state. Pertama yang dilakukan untuk mencari nilai t63% adalah dengan mencari nilai 63% dari settling time, yaitu nilai pv awal dikurangi dengan 0.63 dikali delta pv
t 63% pvawal (0,63xpv) t 63 % 49.0326 (0,63 x - 1.375 ) t 63 % 50.4157 Waktu untuk mencapai tersebut dapat dicari dengan cara interpolasi. Interpolasi adalah perbandingan waktu yang dibutuhkan pada saat Level tertentu dengan acuan Level yang berada diantaranya. Hasil nilai t63% berada diantara dengan besar Level 49.9912 % dan 49.5249 % Tabel perhitungan interpolasi ditunjukan seperti yang pada Tabel 3.4 berikut,
40
Tabel. 3.4 Interpolasi 63% Level Interpolasi 63% Level(%) Waktu (s) 50.417 204 50.4157 X 50.4204 205 X 203.638 Waktu pada saat Level 49.72 % didapatkan dari waktu yang dibutuhkan untuk mancapai Level tersebut dikurangi dengan waktu Level Interpolasi 63% dicari dengan mengunakan rumus,
y y1 x x1 y2 x1 x2 x1
(3.5)
Dimana : y = Waktu yang belum diketahui (x) y1 = 204 s y2 = 205 s x1 = 50.417 % x2 = 50.42 % x = 50.415 % Maka, nilai y dapat diketahui dengan,
=
(
) (
)
+
(205 − 204 ) (50.415 % − 50.417 %) +6 50.42 % − 50.417 % y 203 . 68 s =
Jadi, waktu pada saat Level mencapai 63% dari perubahan respon Level sampai menuju steady state sebesar 203.638 s. 4.
Nilai t28% Nilai t28% merupakan waktu data ke 28% dari perubahan respon Level sampai menuju steady state. Nilai waktu tersebut dapat dicari dengan cara interpolasi yang sama pada saat t63%. Hasil interpolasi seperti yang ditunjukan pada Tabel 3.5 berikut:
41
Tabel 3.5 Interpolasi 28% Level Interpolasi 28% Level(%) Waktu (s) 49.639 79 49.647 X 49.649 80 X 79.78 Jadi, waktu pada saat Level mencapai 28% dari perubahan respon Level sampai menuju steady state sebesar 79.78 s. 5. Time Constant (τ) Time Constant dengan metode FOPDT dapat dicari dengan persamaan,
1,5(t63% t28% ) 1 , 5 ( 203 . 638 79.78
) 185.773
s
Untuk mempermudah dan memperkecil nilai time constan maka hasil dari time constant diubah ke menit menjadi 3.09. Dari pendekatan matematis dengan metode FOPDT, didapatkan fungsi transfer proses yaitu :
g Level g
Level
k s 1
0.2195 3.09 s 1
(3.6) (3.7)
3.7 Validasi Pemodelan Validasi pemodelan dilakukan untuk memberikan kepastian terhadap pemodelan sistem yang telah dilakukan. Validasi pemodelan pada tugas akhir ini dilakukan dengan menggunakan 3 pendekatan, dimana yang pertama yaitu validasi simulasi software HYSYS dengan hasil pemodelan FOPDT. Yang kedua membandingkan hasil data yang tersimpan pada
42
TuneVP dibandingkan dengan data proses HYSYS kemudian hasil pemodelan FOPDT yang dihitung berdasarkan data HYSYS akan dibandingkan dengan hasil pemodelan FOPDT yang dihasilkan oleh software TuneVP dengan cara mensimulasikan nilai transfer function hasil dari pemodelan tersebut dengan software MATLAB R2014b.
51.5 51 50.5 50 49.5 49 48.5 48 47.5
HYSYS TuneVP 1 41 81 121 161 201 241 281 321 361 401 441 481 521 561 601 641 681 721 761
Level (%)
3.7.1 Validasi HYSYS dengan Data TuneVP Validasi ini merupakan membandingkan data operasi saat HYSYS dijalankan dengan mengubah bukaan valve sebesar 10% dengan dijalankan saat diintegrasikan ke DCS melalui OPC server. Apakah ada terjadi perubahan data yang signifikan atau tidak mengingat data tersebut akan dilewati terhadap OPC yang memungkinkan terjadinya loss data karena adanya pengaruh sampling waktu antara HYSYS, OPC dengan DCS yang berbedabeda. Dan berikut adalah hasil simulasi antara HYSYS disimulasikan stand alone dengan yang sudah di record oleh TuneVP
Waktu (S)
Gambar 3.10 Perbandingan Pengujian Saat Turun 10%
51.5 51 50.5 50 49.5 49 48.5 48 47.5
Hysys TuneVP
1 38 75 112 149 186 223 260 297 334 371 408 445 482 519 556 593 630 667 704
Level (%)
43
Waktu (S)
Gambar 3.11 Perbandingan Pengujian Open Loop Naik 10% Tabel 3.6 Nilai Error TuneVP dengan HYSYS LIC101 Naik LIC101 turun 0.67 0.078 Berdasarkan hasil dari grafik tersebut data yang diterima oleh TuneVP dengan HYSYS perbedaannya sedikit sekali berdasarkan perhitungan nilai eror pada saat uji open loop turun didapat nilai rata-rata absolut error 0.67 sedangkan pada saat uji open loop naik didapat nilai rata-rata absolut error 0.0785 maka bisa dikatakan valid Karena hasil error yang didapat sangat kecil. 3.7.2 Validasi Model HYSYS dengan pemodelan FOPDT Validasi antara HYSYS dengan FOPDT dilakukan untuk mengetahui model yang telah diperoleh menggunakan pendekatan FOPDT memberikan model yang mendekati respon asli plant. Digunakan absolut error untuk mengetahui keakuratan model yang paling dekat dengan respon asli. Semakin besar nilai absolut error yang didapat, maka semakin buruk model yang dibuat. Pada gambar 3.12-3.13 terlihat validasi model dari semua fungsi transfer dengan nilai absolut error 0.017. Dari hasil yang didapat
44
51.5 51 50.5 50 49.5 49 48.5 48 47.5
Data Percobaan Pemodelan 1 39 77 115 153 191 229 267 305 343 381 419 457 495 533 571 609 647 685 723 761
LEVEL (%)
model matematis yang diperoleh dari data memberikan respon yang mendekati dengan respon asli plant
Waktu (s)
51.5 51 50.5 50 49.5 49 48.5 48 47.5
DATA PERCBAAN DATA PEMODELAN
1 38 75 112 149 186 223 260 297 334 371 408 445 482 519 556 593 630 667 704
Level (%)
Gambar 3.12 Grafik Perbandingan Validasi Open Loop Fungsi Transfer (LIC101 naik 10%)
Waktu (S)
Gambar 3.13 Grafik Perbandingan Validasi Open Loop Fungsi Transfer (LIC101 turun 10%) 3.7.3 Validasi Model TuneVP dengan pemodelan FOPDT Validasi antara pemodelan FOPDT yang dihitung dengan proses manual dengan perhitungan HYSYS dengan data yang diterima oleh TuneVP pada saat dilakukan uji open loop. Walaupun sama-sama menggunakan pemodelan FOPDT ternyata hasil nya ada selilisih walaupun tidak banyak. Ini terjadi karena adanya masalah time patching antara OPC MATLAB dengan
45
OPC yokogawa saat melakukan transfer data. Selisih keterlambatan data sekitar 40 detik pada saat proses awal pengambilan data waktu antara OPC MATLAB dengan OPC yokogawa sama namun seiring waktu terjadi sedikit keterlambatan waktu yang diterima oleh OPC yokogawa yang akan diteruskan ke TuneVP maka dari itu hasil pemodelannya berpengaruh pada saat menghitung time constant. Berikut adalah hasil pemodelan dari TuneVP dan dari perhitungan manual dan hasil grafik dari masing-masing.dengan memberikan nilai set point level 60% dan saat turun diberi set point level 35% Tabel 3.7 Perbandingan FOPDT Manual dengan TuneVP FOPDT FOPDT Erorr (manual) (TUNEVP)
0 .2 3.09 1
0 .2 3.49 1
0.14
Gambar 3.14 Grafik Perbandingan FOPDT Manual dengan TuneVP LIC101 naik 10%
46
Gambar 3.15 Grafik Perbandingan FOPDT Manual dengan TuneVP LIC101 Turun 10% 3.8 Perancangan Pengendali PID Untuk merancang sistem pengendalian single loop pada kolom debutanizer khususnya pada (LIC101) terlebih dahulu digambarkan diagram blok sistem pengendalian. Untuk selanjutnya dalam setiap blok tersebut diisikan parameter nilai transfer function yang telah didapatkan dari FOPDT.
Gambar 3.16 Blok Diagram Sistem Pengendalian Level pada Kolom Debutanizer Setelah mengambar diagram blok dan paham dari system kontrol tersebut maka langkah selanjutnya adalah membuat design kontrol seperti pada gambar 3.17 pada software MATLAB di Simulink agar mengetahui performansi tuning kontrol PID
47
dengan mode PI berapa nilai optimum kp.ki yang sesuai dengan yang sudah dimodelkan dengan FOPDT.
Gambar 3.17 Blok Desain Simulink Sistem Pengendalian Level (LIC101) pada Kolom Debutanizer Tuning dilakukan dengan menggunakan metode kurva/garis Ziegler-nichols. Penggunaan metode ini dilakukan untuk mendapatkan nilai parameter Kp, Ki, Kd. Langkah pertama melakukan tuning ziegler Nichols adalah dengan cara melakukan uji open loop pada dan hasil dari uji open loop akan mendapatkan nilai kurva berbentuk S dan mempunyai dua konstanta, waktu mati L dan waktu tunda T.
Gambar 3.18 Blok Desain Simulink Sistem Pengendalian Level (LIC101) pada Kolom Debutanizer Dari Gambar 3.18 terlihat bahwa kurva reaksi berubah naik, setelah selang waktu L. Sedangkan waktu tunda menggambarkan perubahan kurva setelah mencapai 66% dari keadaan mantapnya. Pada kurva dibuat suatu garis yang
48
bersinggungan dengan garis kurva. Garis singgung itu akan memotong dengan sumbu absis dan garis maksimum. Perpotongan garis singgung dengan sumbu absis merupakan ukuran waktu mati, dan perpotongan dengan garis maksimum merupakan waktu tunda yang diukur dari titik waktu L. Penalaan parameter PID didasarkan perolehan kedua konstanta itu. ZeiglerNichols melakukan eksperimen dan menyarankan parameter penyetelan nilai Kp, Ki, dan Kd dengan didasarkan pada kedua parameter tersebut. Tabel 3.8 merupakan rumusan penalaan parameter PID berdasarkan cara kurva reaksi. Tabel 3.8 Formula Ziegler Nichols Type of Controller P / PI
PID Dengan : T = Waktu Tunda L= Dead Time
.9 /
1.2 /
∞
0
2
0.5
/0.3
0
SDari tuning dengan metode ziegler nichols secara open loop dihasilkan besar nilai Kp = 2,54 dan Ti = 0.9 hasil tuning dari metode ZN ini akan dijadikan patokan batas atas pada Duelist Algorithma. 3.9 Perancangan Duelist Algorithm (DA) OPC Server DA pada tugas akhir ini dirancang supaya dapat menghasilkan nilai yang terbaik. Dalam penentuan fungsi objektif dan fungsi fitness perlu diperhatikan supaya tidak terjadi kesalahan, karena jika terdapat kesalahan pada fungsi objektif dan fungsi fitness dapat menghasilkan DA yang kurang baik. Fungsi objektif yang digunakan pada tugas akhir ini adalah meminimalkan nilai IAE. Dari setiap sistem kontrol yang telah dirancang, dilakukan optimasi untuk mendapatkan hasil IAE sekecil mungkin.
49
Gambar 3.19 Perancangan Tuning OPC server (DA) Tabel 3.9 Parameter DA 2 (Kp,Ki) Dimensi, (d) 20 Jumlah Partikel, (N) 15 Maximum Iterasi 0.35 ; 32; 0; Batas Atas 0;0;0 Batas Bawah Selain fungsi objektif, beberapa parameter pada DA juga harus diperhatikan. Parameter seperti jumlah generasi, jumlah populasi, kemampuan bertarung, probabilitas belajar, dan probabilitas inovasi ditentukan sebaik mungkin. Acuan baik dalam hal ini bergantung pada masalah yang ingin diselesaikan atau fungsi objektif yang digunakan. Banyak generasi berpengaruh terhadap konvergensi hasil yang diperoleh. Semakin besar generasi, maka semakin besar pula kemungkinan hasil yang didapat merupakan global optimum. Besar nilai generasi menentukan nilai iterasi yang terjadi. Selanjutnya adalah jumlah populasi, merupakan jumlah individu petarung dalam sebuah populasi atau disebut duelist. Kemampuan bertarung adalah nilai awal yang dimiliki setiap petarung sebelum melakukan pertarungan. Probabilitas belajar dan probabilitas inovasi digunakan ketika pertarungan sudah selesai, dimana yang kalah akan meniru kemampuan pemenang berdasarkan nilai probabilitas belajar dan pemenang akan meningkatkan kemampuan melalui probabilitas inovasi.
50
Dalam perancangan DA kali ini jumlah generasi yang digunakan sebesar 20 karena sudah dianggap konvergen dan optimum. Selanjutnya adalah jumlah populasi yang digunakan sebesar 20 karena model tidak diperlukan rentang data yang cukup luas. Kemampuan bertarung sebesar 20. Rasio kemampuan belajar sebesar 0,9 dan rasio kemampuan inovasi sebesar 0,1 karena kemampuan individu yang akan dipertandingkan kembali diharapkan lebih beragam dan mampu menghindari local optimum. Jumlah tersebut dirasa cukup untuk mencapai kondisi konvergen. 3.10 Pengujian Performansi Sistem dan Analisa Uji performansi dilakukan untuk mengetahui kemampuan DA pada OPC server dalam mengoptimasi Tuning kontrol PI. Pengujian penformansi sistem dilakukan dengan mengubah setpoint lalu dilihat responnya kemudian hasil optimasi nilai tuning tersebut akan dibandingakan dengan hasil dari tuning menggunakan TuneVP. Pengujian performansi tersebut diterapkan pada sistem dengan pengendali PI dengan struktur direct. Langkah berikutnya adalah dilakukan analisa pada grafik respon sistem yang diperoleh dengan membandingkan nilai parameter kestabilan berupa settling time, maximum overshoot, dan IAE. -
BAB V PENUTUP 5.1 Kesimpulan Dari hasil analisis terkait penelitian tugas akhir yang telah dilakukan, dapat diambil beberapa kesimpulan sebagai berikut: 1. Telah berhasil dirancang pengendali single loop (Level control) pada Debutanizer (LIC101) dengan menggunakan control PID-DA dengan mode kontrol PI pada OPC server dan pada DCS dengan tuneVP telah dilakukan dengan baik ditinjau dari hasil perbandingan kriteria performansi sistem yakni Setling time, overshoot, dan integral absolute error yang dihasilkan apabila dibandingkan dengan pengendali PID biasa. 2. Tuning mode PI dengan Pengendali PID - ZN memiliki performansi sistem yakni nilai IAE (Integral Absolute Error ) = 0.9195, Setling time = 19 Menit, serta maximum overshoot = 4,5 %. 3. Tuning mode PI melalui DCS dengan TuneVP memiliki performansi sistem yakni nilai IAE (Integral Absolute Error ) = 1.8117, settling time = 27 Menit, serta overshoot = 5%. 4. Tuning Mode PI melalui OPC server dengan PID-DA menghasilkan nilai performansi pengendali IAE (Integral Absolute Error) = 0,5, Setling time = 18.5 Menit , serta maximum overshoot = 1.1 5. Dari hasil Tuning PID yang dilakukan, Tuning pada OPC server (DA) memberikan hasil paling optimal dengan nilai IAE dan maximum overshoot paling kecil. 5.2 Saran Penerapan metode Duelist Algorithm (DA) pada sistem kontrol Single loop menunjukkan hasil yang optimal berdasarkan acuan penelitian sebelumnya. Untuk penelitian berikutnya, penerapan DA pada plant yang sedang beroperasi perlu dilakukan lebih banyak. Pemodelan dari data aktual yang diperoleh dari lapangan hingga respon yang dihasilkan diterapkan kembali pada plant tersebut. Dengan demikian, kemampuan DA dapat 63
64 diaplikasikan langsung dan untuk mengetahui kendala baru di lapangan dan pengembangan DA ini dapat terus dilakukan.
BAB IV HASIL DAN PEMBAHASAN Dalam bab ini dibahas mengenai hasil perancangan Tuning Kontrol PID dengan mode pengendali PI menggunakan Duelist Algorithm (DA) untuk mengetahui apakah DA dapat berjalan sebagaimana mestinya dengan cara membandingkan hasil nilai DA dari OPC server yang mana nilai hasil tuning telah diketahui melalui perhitungan OPC MATLAB dibandingkan dengan perhitungan Software TuneVP di DCS dan metode Ziegler Nichols. Selanjutnya pada tugas akhir ini akan dilakukan Uji kinerja respon bertujuan untuk mengetahui metode DA yang telah dirancang dapat bekerja dengan optimal atau tidak pada sistem kontrol single loop. Pada penelitian tugas akhir ini, pemodelan plant yang digunakan diperoleh dari data HYSYS yang dimodelkan menggunakan FOPDT. Metode yang diajukan dengan metode optimasi yang telah diterapkan sebelumnya. Uji kinerja respon dengan memberikan input sinyal step, hasil kinerja yang dihasilkan oleh masing-masing metode dianalisa untuk menentukan metode yang paling optimal. 4.1 Hasil Simulasi Ziegler Nichols Simulasi close loop dari plant debutanizer (LIC001) ini menggunakan fungsi transfer yang telah dihitung dengan pendekatan FOPDT (First Order Plus Death Time) dari record data secara open loop menggunakan software HYSYS 7.3. Langkah selanjutnya adalah persamaan fungsi transfer tersebut dimasukkan dalam setiap blok Simulink. Kemudian dari blok kontrol PID dengan mode PI diberi nilai Kp.ki yang didapatkan dari kurva S kemudian di run pada software MATLAB dan didapatkan hasil seperti Tabel 4.1.
51
52 Tabel 4.1 Hasil Tuning PID Ziegler Nichols Close Loop LIC001 naik 10% Kp 2.54 Ti 0.99 Td Sedangkan hasil respon pada software MATLAB R2014b untuk close loop menggunakan tuning PID ziegler nichols close loop sendiri ditunjukkan pada Gambar 4.1 berikut :
Gambar 4.1 Respon Tuning Ziegler Nichols Pada LIC001 Berdasarkan Gambar 4.1 respon yang dihasilkan terjadi osilasi sebanyak dua pada osilasi pertama lonjakan Overshoot-nya besar kemudian pada saat osilasi ke dua Overshoot-nya mengecil kemudian stabil. Kemudian waktu yang dibutuhkan untuk mencapai set point membutuhkan waktu 20 menit dan akan mencapai waktu steady di menit 30. Dan berdasarkan respon terebut terdapat maksimal overshoot yang tinggi pada saat osilasi pertama mencapai 4.5%.
53 4.2 Hasil Perancangan Tuning OPC Server (DA) DA yang sudah sepenuhnya aplikatif dan juga berlaku sebagai opimizer, bekerja untuk mencari parameter pengendali PID dalam penelitian ini mode yang digunakan adalah pengendali PI. Parameter yang dicari meliputi Kp, Ki, Nilai dari tiap parameter yang dihasilkan selanjutnya dianalisa berdasarkan respon sistem yang dihasilkan. Untuk mengetahui penerapan DA yang optimal, perlu dilakukan analisa awal kurva konvergensinya. Pengujian dilakukan pada sistem untuk mengetahui respon terkecil terhadap iterasi dalam pencarian nilai yang optimal.
Gambar 4.2 Fungsi DA dalam Populasi Fitness Dari Gambar 4.2 diketahui hasil uji konvergensi DA mencapai nilai konvergensinya pada generasi ke-15. Dari gambar 4.2 tersebut menujukkan hasil yang optimal dalam mencapai global optimum dan mendapatkan nilai fitness terkecil. 4.2.1
Uji Kinerja Respon LIC001 Debuatanizer Pada bab sebelumnya telah dijelaskan cara menghitung nilai FOPDT agar mendapatkan nilai plan yang sesungguhnya berdasarkan dari simulasi HYSYS didapatkan nilai plant dari Level reflux condenser Debutanizer .
54
=
0.2195 3.09 + 1
(4.1)
Dari perhitungan tersebut diketahui nilai plant kemudian pencarian parameter pengendali PID telah ditentukan menggunakan mode PI dalam pencarian nilai yang optimal. Dari model pada persamaan 4.1 , dalam penelitian ini DA digunakan untuk mencari parameter PID secara bebas tanpa menggunakan mode kontrol tertentu. Artinya, DA akan memilih parameter PID dengan menggunakan semua parameter Kp, Ki. Sesuai dengan nilai batas yang di dapat dari hasil perhitungan tuning Ziegler Nichols dengan harapan nilai yang lebih optimum dan nilai IAE kecil. Tabel 4.2 Nilai Parameter PID oleh DA Kp Ki Kd IAE 0.8451 0.8787 0 1.1233 0.8982 0.8304 0 1.0553 0.8451 0.8787 0 1.1233 0.89 0.47 0 0.5 0.8831 0.4711 0 0.5803 0.7371 0.4960 0 0.7834 0.8053 0.4989 0 0.7217 0.7350 0.5399 0 0.9603 0.9895 0.4950 0 0.5543
Gambar 4.3 Pencarian Nilai IAE Terkecil
55 Tabel 4.2 merupakan hasil pencarian DA dalam beberapa percobaan. Nilai tersebut selanjutnya dipilih salah satu yang terbaik berdasarkan hasil IAE yang paling kecil. Berdasarkan Gambar 4.3 DA bekerja mencari nilai paling besar berdasarkan sifatnya yang maximize maka untuk mencari nilai IAE terkecil fungsi objektifnya dibagi agar hasil yang diinginkan dari DA tercapai. Hasil pencarian IAE terkecil dengan melakukan iterasi berulang-ulang untuk mencari fitnes terbaik dan pada saat iterasi ke-15 didapatkan nilai IAE yang paling kecil. Setelah mendapatkan nilai parameter dari DA maka hasil tuning tersebut dicoba performansinya dengan memberikan nilai set point level 49% pada close loop .
Gambar 4.4 Hasil Respon Tuning OPC Server (DA) pada LIC101 Berdasarkan tuning-DA pada Gambar 4.4 respon yang dihasilkan osilasi yang dihasilkan hanya sekali kemudian akan stabil ketika mencapai nilai set point kemudian waktu yang dibutuhkan untuk mencapai nilai set point membutuhkan waktu 10 menit dengan mencapai waktu steady pada menit ke-25 dan terdapat sedikit overshoot. 4.3 Hasil Perancangan Tuning DCS (TuneVP) Penggunaan Software TuneVP ini biasa digunakan oleh industri untuk mencari nilai tuning suatu kontrol PID yang
56 optimum hanya dengan record data process secara real plant maka secara otomatis data yang ter-record akan menghasilkan grafik respond dan dari hasil grafik respon proses tersebut TuneVP akan menghitung berapa nilai model yang dihasilkan berdasarkan karakteristik data proses tersebut dan dari nilai model tersebut akan disimulasikan yang menghasilkan nilai refrensi tuning optimum. Pada dasarnya prinsip kerja dari TuneVP dalam menghitung pemodelan suatu sistem berdasarkan FOPDT dan type modelnya menggunakan ARX. Pada tugas akhir kali ini data real plant didapatkan dari saat HYSYS running dengan cara open loop yaitu perubahan bukaan valve (op) sekitar 10% dengan simulasi menaikan op sebesar 66.7%-77.7% dan menurunkan op sebesar 77.7%-66.7% data yang diambil dari HYSYS berupa nilai LIC001 (PV, OP, SV) lalu data tersebut akan dikirim ke OPC MATLAB lalu diteruskan ke DCS yokogawa. Saat data masuk pada kontroler yokogawa TuneVP akan memulai recording data sesuai data process yang masuk. Dalam penelitian ini mode yang kontrol PID yang dipakai adalah manual (MAN) jadi dalam TuneVP terdapat dua tipe mode kontrol yang bisa digunakan yaitu auto (AUT) atau manual (MAN). Mode AUT tidak memungkinkan untuk digunakan karena data OPC tidak bisa terhubung ke DCS. Setelah melakukan recording data maka datanya disimpan secara otomatis, hasil data tersebut akan menampilkan grafik model dan simulasi. Berikut adalah cuplikan hasil dari TuneVP berdasarkan nilai real plant dari HYSYS dari gambar di bawah ini yang ditampilkan berupa nilai %PB, TI, Gain Plant, Time Constant.
Gambar 4.5 Hasil Pemodelan TuneVP LIC001
57
Gambar 4.6 Hasil Tuning TuneVP Tabel 4.3 Parameter Hasil TuneVP Gain plant 0.233 Time Constant (menit)
3.39
Settling Time (menit)
25
%PB I (Menit)
36 3.39
Model Fit
95.23
Garis warna biru laut merupakan nilai set point saat melakukan pengujian dan warna biru tua menunjukan besar perubahan bukaan valve (op) pada saat naik dan turun yang diterapkan pada variabel manipulasi. Warna merah menggambarkan level pada saat flow masuk pada condeser (PV) saat naik dan turun. Kemudian warna hijau menggambarkan nilai hasil saat model yang dihasilkan. Dari tabel di atas menunjukan hasil TuneVP saat setelah melakukan pengujian didapatkan bahwa hasil simulasi yang berlangsung valid karena nilai model fit nya cukup tinggi sekitar 95.23% semakin
58 mendekati nilai 100% maka pemodelan yang dihasilakan semakin baik sehingga TuneVP bisa memberikan nilai tuning pengendali PI optimum. 4.3.1 Pengujian Tuning TuneVP pada MATLAB Setelah mendapatkan nilai tuning PI pada software TuneVP maka selanjutnya melakukan pengujian dengan menggunakan Simulink MATLAB memasukkan nilai transfer function plant hasil simulasi TuneVP dan memasukkan nilai tuning KP,KI pada blok kontrol PI dengan memberikan set point 49.75% kemudian membandingkan grafik dan respon antara respon hasil simulasi dari TuneVP sesuai atau tidak saat dilakukan pengujian pada Simulink. Dan berikut adalah hasil pengujian yang telah dilakukan pada Simulink MATLAB.
Gambar 4.7 Respon Pengujian Tuning DCS (TuneVP) Berdasarkan simulasi dari MATLAB Simulink dapat disimpulkan bahwa hasil dari pemodelan dan referensi tuning mendekati valid terjadi selisih kecil antara saat pengujian di MATLAB dengan respon simulasi TuneVp ini bisa diamati pada saat pemberian set point 49.57 % pada level LIC101 waktu saat mencapai set point pada simulasi TuneVP tercapai pada saat di bawah 30 menit kurang lebih 29 menit sedangkan saat pengujian
59 di matlab respon mencapai set point ketika di atas 30 menit kurang lebih 34 menit terjadi selisih 5 menit. masih bisa ditoleransi karena selisihnya tidak begitu besar dan signifikan. 4.4 Hasil Perbandingan Performansi Pengendali Perbandingan performansi pengendali dilakukan dengan membandingkan hasil tuning PID mode PI terhadap OPC server PID-DA. PID-ZN, dengan DCS (TuneVP). Perbandingannya adalah terletak pada nilai kriteria performansi sistem yakni IAE, rise time, dan maximum overshoot. Hasil perbandingan performansi ditunjukkan pada Gambar 4.8 berikut,
Gambar 4.8 Respon Perbandingan Performansi Pengendali LIC101 Dari Gambar 4.8 terlihat bahwa pengendali PID-DA dengan mode PI menunjukkan respon yang lebih baik jika dbandingkan dengan PID-ZN dan juga pada TuneVP. Saat diberi nilai set point pada level 49% respon tuning-DA lebih baik apabila dilihat dari waktu saat mencapai nilai set point dan saat steady state waktu yang dibutuhkan DA hanya 20 menit sedangkan ZN dan TuneVP menit ke 24 dan 35. Parameter respon perbandingan
60 performansi pengendali yang diperoleh dari PID-DA, PID-ZN dan pada PID-TuneVP ditunjukkan pada Tabel 4.4 berikut: Tabel 4.4 Perbandingan Parameter Respon Pengendali LIC101 Pengendali Nilai SetlingTime Maximum IAE Tuning (Menit) Overshoot (%) 19 4,5 0.9195 Kp 2.54 PID-ZN Ti 0.99 Td 25 5 1.8117 Kp 0,36 DCS Ti 3.49 (TuneVP) Td 0.89 Kp OPC 18.5 1.1 0,5 SERVER Ti 0.47 (PID-DA) Td Berdasarkan hasil perbandingan pada tabel 4.4 tuning pada OPC server menggunakan metode DA lebih bagus dan cepat dalam menanggapi respon perubahan set point berdasarkan hasil percobaan bahwasanya ada keuntungan dan kerugian dalam melakukan tuning menggunakan DCS dan OPC server. Dan berikut adalah keuntungan menggunakan tuning OPC Server yaitu sangat cepat dalam menentukan parameter KP,KI terbaik, dan tidak perlu susah-susah melakukan integrasi antar software. Sedangkan kerugiannya adalah harus mengetahui nilai batas bawah dan batas atas agar nilai yang didapat optimum, perlu menghitung manual nilai pemodelan proses dengan mengamati kurva S. Sedangkan keuntungan yang didapat melakukan tuning melalui DCS (TuneVP) yaitu tuning menggunakan DCS tentu tidak perlu susah dalam mencari nilai batas dan dimensi, tidak perlu algoritma yang rumit dalam menjalankan tuning pada DCS, dan sangat mudah menjalankanya. Kemudian tidak harus memodelkan proses karena pada software tuning DCS (TuneVP) secara otomatis akan mengkalkulasi nilai pemodelan. Sedangkan kerugian saat menggunakan tuning DCS terdapat delay time saat integrasi antara
61 HYSYS dengan TuneVP sehingga terjadi selisih cukup besar antara data dari HYSYS dengan yang diterima oleh DCS (TuneVP) dan perlu adanya intgrasi yang rumit yang harus dirangkai antar software lain sehingga apabila salah satu software rusak atau tidak jalan maka tuning DCS gagal berlangsung, dan perlu waktu lama dalam menentukan nilai parameter KP,KI berdasarakan nilai yang terecord pada TuneVp sehingga tidak efisien, perlu dilakukan berulang-ulang agar mendapatkan nilai model fitnya besar. 4.5 Pengujian Tracking Set Point Pengendali PID-DA Uji tracking set point bertujuan untuk mengetahui performansi pengendali PID-DA apabila set point pada proses diubah. Dengan set point real plant pada kondisi pengambilan data Level 49%. Dengan demikian simulasi tracking set point dilakukan dengan menggunakan software MATLAB. Hasil respon uji tracking set point menggunakan tuning OPC server PID-DA dengan perubahan set point dari 20% menjadi 50% ditunjukkan pada Gambar 4.9 berikut,
Gambar 4.9 Respon Uji Traking Set Point Dari hasil respon uji tracking set point, didapatkan bahwa tuning menggunakan PID-DA mampu mencapai set point pada saat set point diubah. Pengujian tracking set point ini dilakukan dengan
62 menggunakan parameter yang sama pada saat perbandingan performansi pengendali yang telah digunakan sebelumnya. Dengan demikian pengendali PID-DA mampu dengan baik diterapkan dengan plant Debutanizer ini mengacu dari beberapa kriteria performansi sistem yang telah diujikan.
DAFTAR PUSTAKA [1]
[2]
[3]
[4]
[5]
[6]
[7]
[8] [9]
[10]
M. azura Vianda and T. R. Biyanto, “OPTIMASI KUALITAS PRODUK KOLOM DEPROPANIZERMELALUI PERUBAHAN SETPOINT PADA LAJU ALIRAN REFLUX DAN STEAMR,” pp. 1–22, 2016. zakia puspa Ramdhani and T. R. Biyanto, “Optimasi Ekonomi dan Komposisi Produk Pada Debutanizer Menggunakan Economic Model Predictive Control (EMPC),” pp. 1–18, 2016. M. S. Alfarisi and T. R. Biyanto, “Optimasi Tuning PID pada Sistem Kontrol Cascade Secara Simultan Menggunakan Duelist Algorithm,” pp. 1–5. D. A. R. Wati and R. Hidayat, “Genetic algorithm-based PID parameters optimization for air heater temperature control,” in Proceedings of 2013 International Conference on Robotics, Biomimetics, Intelligent Computational Systems, ROBIONETICS 2013, 2013. P. Peifu and G.-F. Zhang, “Optimal PID control of selfadapted ant colony algorithm based on genetic gene,” IEEE, pp. 1142–1145, 2008. I. Castillo and T. F. Edgar, “Using a distributed control system (DCS) for distillation column control in an undergraduate unit operations laboratory,” in Proceedings of the American Control Conference, 2009. A. Haryanto, P. Siregar, D. Kurniadi, and K. S. Hong, “Development of integrated Alstom gasification simulator for implementation using DCS CS3000,” in IFAC Proceedings Volumes (IFAC-PapersOnline), 2008. P. Solving, J. Sizemore, B. Hahn, and D. C. Hanselman, OPC ToolboxTM User’s Guide, R2015a ed. 2015. P. by McGraw-Hill, “McGraw-Hill Chemical Engineering Series McGraw-Hill Higher Education OPTIMIZATION OF CHEMICAL PROCESSES, SECOND EDITION.” H. M. Asifa and S. R. Vaishnav, “Particle Swarm
[11]
[12] [13]
[14]
[15]
Optimisation Algorithm based PID Controller,” IEEE, pp. 628–631, 2010. M. A. O. E. Det and S. Far, “TPG4140 NATURAL GAS Fractionation of Natural Gas Liquids to produce LPG Submitted To,” NTNU, 2011. OPC Foundation, “OPC Data Access Custom Interface Standard,” pp. 1–190, 2004. Anonim. Distributed Control System (DCS). Diakses pada tanggal 27 Agustus 2016, pukul 11:25 wib.
Anonim. Corporate History of Yokogawa Electric Corporation.Diakses pada tanggal 4 Agustus 2016, pukul 10:24 wib. Yokogawa instruction manual, “TuneVP user Manual” IM 36J08A10-01EN-S, 1st Edition ,Mar. 12, 2010-00
Lampiran A Program Duelist Algorithm clear all; close all; clc; systemorder = 1 FOPDT, 2 for SOPDT PIDconfig = 0 KLB = 0.47833035 KUB = 0.47833035
%0 for 0-order, 1 for %0 for PI, 1 for PID %Gain Master Lower bound %Gain Master Upper bound
%Keep Time constant all One for Non-1 order system TLB = 577.938 %Time constant Master Lower bound TUB = 577.938 %Time constant Master Upper bound %Keep Dead time all zero for system without deadtime DLB = 0 %Dead time Master Lower bound DUB = 0 %Dead time Master Upper bound %Keep Lambda all One for Non-2 order system LLB = 1; %Lambda Master Lower bound LUB = 1 %Lambda Master Upper bound pause(1); HasilAkhir = []; for K = KLB:KUB for T = TLB:TUB for D = DLB:DU for L = LLB:LUB Hasiliterate = [];
Hasilmax=[]; TReb1 = []; fitnessvector =[]; XDueler=[]; minmax = 'min'; Population = 20; %Jumlah populasi MaxGeneration = 15; %Maximum generasi FightCapabilities = 20; Champion = 0.1; ProbLearning = 0.9; ProbInnovate = 0.1; Luckcoeff = 0.01; LuckA = 0.01; LuckB = 0.01; Duelist = []; DuelistInteger = []; eIntSc = []; esched = []; Datafit = []; Data1fit = []; DataSort = []; ElitDuelist = []; HMI = []; DataFDAfit = []; Datafitplot = []; maxall = []; Dimension = 2; UB = [2.54 0.99];%Upper bound PID, with [P I] LB = [ 0 0];%Lower bound PID, with [P I] RangeB = UB - LB; if (strcmp(minmax,'max')) mm = 1; else mm = -1; end %=====Registrasi Duelist===== Duelist = floor(rand(Population,(FightCapabilities*Dimen sion))+rand()); %=====Binary to Int===== for i = 1:Dimension
for j = 1:Population DuelistInteger(j,i) = bi2de(Duelist(j,((i*FightCapabilitiesFightCapabilities)+1):(i*FightCapabilities)),' left-msb'); end end Datafit = []; for k = 1:Population for ii=1:Dimension X0(ii,k) = (((DuelistInteger(k,ii)+1)/(2^FightCapabilitie s))*RangeB(ii))+LB(ii); end end for jj = 1:Population Kp = X0(1,jj); Ti = X0(2,jj); if PIDconfig == 1 Td = X0(3,jj); else Td = 0; end if (systemorder == 1) sim('PlantCas'); end response = simout; setpoint = 1; IAE = 0; IAEt = 0; for i = 20:201 IAEt = abs(response(i) - 1); IAE = IAE + IAEt; end IAEF = mm*IAE; cost = IAE fitness = cost; Datafit = [Datafit fitness] [fitemax,nmax] = max(Datafit) end
disp('DA Processing'); for Generasi = 1:MaxGeneration %=====DA Processing=== if (Generasi > 1) clc Generasi fitnessmax
%=====sortir===== sort_fit = sortrows(sort, (FightCapabilities*Dimension) + 1); Duelist1 = sort_fit(randperm(size(sort_fit,1)),:); Remain = sort_fit(round((1Champion)*Population) + 1:Population, :); Winner = []; X = Duelist1; N = size(X,1); if mod(N,2) == 0 M=N; else M=N-1; end for i=1:M fitnessvector(i) = X(i,(FightCapabilities*Dimension) + 1); end fitnessvector = fitnessvector'; %=====Setting Duelist===== for i=1:M XDueler = X; end %=====Setting Duel Arena===== for i=1:2:M-1
LuckA = (fitnessvector(i)*(Luckcoeff + rand*2*Luckcoeff)); LuckB = (fitnessvector(i+1)*(Luckcoeff + rand*2*Luckcoeff)); if fitnessvector(i)+LuckA <= fitnessvector(i+1)+LuckB Winner(i) = 0; Winner(i+1) = 1; elseif fitnessvector(i)+LuckA > fitnessvector(i+1)+LuckB Winner(i) = 1; Winner(i+1) = 0; end end
%=====Skill Transfer + Innovate===== [M,d] = size(XDueler); XAftermatch = XDueler; for i=1:2:M-1 if (Winner(i)==1) p = ceil(((d/2)-1)*rand); str = ceil(p+1+(((d/2)-2-p)*rand)); XAftermatch(i,:) = [XDueler(i,1:p) XDueler(i+1,p+1:str) XDueler(i,str+1:d)]; for j=1:d p = rand; if (p<=ProbInnovate) XAftermatch(i+1,j) = abs(1-XDueler(i+1,j));
end end else p = ceil(((d/2)-1)*rand); str = ceil(p+1+(((d/2)-2-p)*rand)); XAftermatch(i+1,:) = [XDueler(i+1,1:p) XDueler(i,p+1:str) XDueler(i+1,str+1:d)]; XAftermatch(i,:) = XDueler(i,:); for j=1:d p = rand; if (p<=ProbInnovate) XAftermatch(i,j) = abs(1-XDueler(i,j)); end end end Xnew = XAftermatch; sort_fitnew = sortrows(Xnew, (FightCapabilities*Dimension) + 1); Duelistnew = sort_fitnew(round((Champion)*Population)+1:Pop ulation,:) Duelist = [Duelistnew(:,1:(FightCapabilities*Dimension)) ;Remain(:,1:(FightCapabilities*Dimension))]; end; ElitDuelist = [ElitDuelist; Duelist]; for i = 1:Dimension for j = 1:Population
DuelistInteger(j,i) = bi2de(Duelist(j,((i*FightCapabilitiesFightCapabilities)+1):(i*FightCapabilities)),' left-msb'); end end Datafit = []; for po = 1:Population for ii=1:Dimension X0(ii,po) = (((DuelistInteger(po,ii)+1)/(2^FightCapabiliti es))*RangeB(ii))+LB(ii); end end for jj = 1:Populatio Kp = X0(1,jj); Ti = X0(2,jj); if PIDconfig == 1 Td = X0(3,jj); else Td = 0; end if (systemorder == 1) sim('PlantCas'); end response = simout; setpoint = 1; IAE = 0; IAEt = 0; for i = 20:201 IAEt = abs(response(i) - 1); IAE = IAE + IAEt; end IAEF = mm*IAE; cost = IAEF; fitness = cost;
Datafit = [Datafit fitness]; [fitemax,nmax] = max(Datafit); End Data1fit = Datafit; [fitnessmax, nmax] = max(Data1fit) DataFDAfit = [DataFDAfit;fitnessmax]; Datafitplot = [Datafitplot;fitnessmax]; BalikData = Datafitplot; h = plot (BalikData); hold on refreshdata (h, 'caller') drawnow; hold off DuelistMax = Duelist(nmax,:); DuelistMaxLast = DuelistMax; Hasilmax = DuelistMax; sort = [Duelist Datafit']; maxall = [maxall; sort]; for i = 1:Dimension HasilMaxInt(1,i) = bi2de(Hasilmax(1,(((i*FightCapabilities)FightCapabilities)+1):(i*FightCapabilities)),' left-msb'); end HMIt = []; for ij=1:Dimension HMIt = [HMIt, HasilMaxInt(1,ij)]; end HMI = [HMI; HMIt]; end plot(DataFDAfit); hold on [fitnessmaxf, nmaxf] = max(DataFDAfit); for ik=1:Dimension X0maxfix(ik) = (((HMI(nmaxf,ik)+1)/(2^FightCapabilities))*Ran geB(ii))+LB(ii) end X0maxfix [fitnessmaxf, nmaxf] = max(DataFDAfit) Hasiliterate =[];
if (PIDconfig == 1) Hasiliterate = [K, T, D, L, X0maxfix(1), X0maxfix(2), X0maxfix(3), IAE] else Hasiliterate = [K, T, D, L, X0maxfix(1), X0maxfix(2), 0 , IAE] end HasilAkhir = [HasilAkhir; Hasiliterate];
Lampiran B Integrasi Hysys-OPC MATLAB-DCS 1. Hysys ke Matlab Langkah pertama buka aplikasi Hysys dan buka project yang digunakan Klik view\model palette\spreedsheet
Setelah itu isi parameter yang akan di isi pada spreadsheet yang akan di kirim ke MATLAB seperti parameter (PV,SV,OP) dengan klik connections\edit import\pilih parameter
Buka aplikasi Matlab Download “hysyslib” di internet fungsinya sebagai libery yang digunakan agar Hysys bisa terkoneksi dengan Matlab Tulis kodingan “hysyslib” pada editor agar hysys bisa terhubung dengan MATLAB. sebagai berikut: % % Create a connection to HYSYS. HYSYS = hyconnect; % Create a connection to a spreadsheet. spread = hyspread(HYSYS, 'SPRDSHT-1');
% Connect to the cells A1, A2 og A3 in the spreadsheet. cells = hycell(spread, {'A1', 'A2'});
2. OPC Matlab (OPC server) to DCS Langkah selanjutnya adalah integrasi data dari Hysys ke OPC server Aktifkan opc matlab dengan cara Install opc core components Redistributable % % Create a connection to opc. opcregister('install')
Membuat simulink dengan fungsi OPC toolbox yaitu opc read,opc write,opc config real time,simin,simout Buat koneksi pada setiap fungsi seperti gambar di bawah ini
Klik opc config real-time kemudian klik opc configure client klik add kemudian isi Host: Local Host (apabila DCS teristal satu pc dengan Matlab) Host:192.168.x.x (apabila DCS teristal di beda pc)
Klik oke maka akan muncul seperti di bawah ini kemudian pilih Yokogawa CSHIS_OPC1 klik oke
Registrasi opc write (mengirim data dari hysys ke dcs) untuk data yang akan di kirim ke dcs klik\add item\klik FCS0101\klik TIC001\pilih item yang akan di kirim semisal .pv (tergantung function blok yang di gunakan pada DCS) Registrasi opc read (mengambil data dari DCS) untuk data yang akan di kirim ke dcs klik\add item\klik FCS0101\klik TIC001\pilih item yang akan di baca semisal .sv
3. Enginering DCS Membuat function blok PID pada software centum vp buat alamat function blok sesuai nama kontroler yang ada di hysys missal TIC001 ataupun LIC001 Membuat 1 input dan 1 output menggunakan pio Buat rangkaian siso seperti ini semisal untuk level
Terminal
4.
Label
PID Tag Name
FIC101 %Z011101 %%FI001 FIC101 %Z011102 %%FV001 Klik function blok PID kemudian klik security level pindahkan ke level 1 agar bisa terjadi read write data Kemudian save lakukan test function Search function blok pid yang telah di buat Kemudian ubah function blok pid dari AUT ke MAN kemudian klik CAL Testing data Lakukan testing data dengan cara mengaktifkan hysys matlab dan centum vp dalam keadaan running
Kemudian ubah parameter pada kontroler semisal TIC001 dengan mengubah AUT ke MAN lalu ubah mv sebesar 5% Cek pada worksheet apakah berubah apa tidak selanjutnya data tersebut secara otomatis akan dikirim ke matlab berupa worksheet lalu dari worksheet akan di kirimkan ke OPC Matlab pada fungsi simin Lalu dari opc matlab akan mengirim data dari worksheet ke centumVP Cek data yang terkirim apakah sesuai dengan yang diterima oleh dcs seperti di bawah ini
RIWAYAT HIDUP Penulis dilahirkan di Surabaya pada tanggal 03 November 1991 yang merupakan anak kedua dari 3 bersaudara. Menjalani pendidikan formal di SMA Wijaya Putra Surabaya kemudian melanjutkan jenjang Perguruan Tinggi di Institut Teknologi Sepuluh Nopember Jurusan Teknik Fisika program studi D3 Teknik Instrumentasi pada tahun 2010 setelah itu melanjutkan lagi pada Lintas Jalur S1 Teknik Fisika pada tahun 2014. Pada tema tugas akhir ini penulis memilih bidang minat Instrumentasi dengan bahasan mengenai Tuning Kontrol PID dengan Duelist Algoritma. Segala bentuk kritik dan saran dalam tugas akhir ini dapat dikirim melalui email [email protected].