scholarly journals PENGENDALIAN PROSES PURIFIKASI DME DAN METANOL PADA PABRIK DME DARI GAS SINTESIS

SINERGI ◽  
2015 ◽  
Vol 19 (1) ◽  
pp. 57 ◽  
Author(s):  
Abdul Wahid ◽  
Tubagus Aryandi Gunawan
Keyword(s):  
Rise Time ◽  
Storage Tank ◽  
Absolute Error ◽  
Settling Time ◽  
Proportional Integral ◽  
Integral Square Error ◽  
Unit Unit

Pengembangan produksi DME (dimetil eter) sebagai energi alternatif yang ramah lingkungan sudah banyak dilakukan di negara-negara lain seperti Jerman, Belanda, Australia, Jepang, China dan Taiwan. Indonesia masih mengimpor DME untuk memenuhi seluruh kebutuhan industri dalam negeri, karena itu perlu didirikan pabrik pembuatan DME. Proses pembuatan DME secara indirect melibatkan sintesis metanol, dehidrasi metanol, purifikasi DME hingga purifikasi metanol untuk di recylce. Optimasi proses purifikasi DME dilakukan dengan mendapatkan kinerja pengendalian yang optimum pada proses purifikasi DME hingga purifikasi metanol. Unit-unit yang ada pada proses purifikasi DME ialah unit distilasi DME, unit cooler dan unit storage tank, sedangkan pada proses purifikasi metanol terdapat unit distilasi metanol, unit cooler dan unit pompa. Proses purifikasi DME dan Metanol ini mengandalkan unit distilasi yang memiliki suhu operasi hingga 190oC dan tekanan hingga 1950 kPa. Sistem pengendalian yang dipilih untuk proses ini ialah jenis pengendali Proportional Integral (PI) karena dapat menangani hampir setiap situasi pengendalian proses di dalam skala industri. Penelitian ini menggunakan pemodelan penyetelan pengendali Ziegler Nichols dan Lopez, lalu dibandingkan nilai parameter kinerja pengendalinya yaitu Offset, Rise Time, Time of First Peak, Settling Time, Periode osilasi, Decay Ratio, Overshoot, Deviasi maksimum, Integral Absolute Error (IAE) dan Integral Square Error (ISE) dari kedua jenis penyetelan tersebut. Hasil penelitian ini dapat digunakan untuk penentuan variabel input dan output yang optimum pada proses purifikasi DME dan Metanol yang dapat diterapkan pada pabrik DME.

Desain dan Komparasi Kontrol Kecepatan Motor DC

2020 ◽  
Vol 7 (2) ◽  
pp. 127-134
Author(s):  
Safah Tasya Aprilyani ◽  
Irianto Irianto ◽  
Epyk Sunarno
Keyword(s):  
Steady State ◽  
Rise Time ◽  
Settling Time ◽  
Proportional Integral

Penggunaan kontrol sangat diperlukan dalam pengaturan kecepatan motor DC. Dalam pengaturan kecepatan motor DC, salah satu jenis kontrol yang digunakan adalah kontrol Proportional Integral (PI). Untuk 4 jenis metode pada kontrol PI yang digunakan adalah metode Ziegler Nichole, Chien Servo 1, Chien Regulator 1 dan perhitungan secara analitik yang telah diperoleh dari data yang sudah ada.  Namun kontrol dengan PI 4 metode yang digunakan  sebagai pembanding memiliki waktu respon kecepatan saat stabil cenderung lambat baik dari nilai settling time, rise time dan steady state. Maka dari itu dilakukan komparasi antara 4 metode kontrol PI dengan penggunaan kontrol fuzzy. Dalam membandingkan antara 4 metode kontrol PI dan kontrol fuzzy terdapat beberapa parameter sebagai perbandingan yaitu maximum overshoot, steady state, rise time dan settling time. Hasil dari perbandingan tersebut adalah kontrol fuzzy dapat menghasilkan performa lebih baik jika dibandingkan dengan 4 metode pada kontrol PI. Kontrol fuzzy memiliki nilai rise time sebesar 0,015 detik, nilai settling time sebesar 0,025 detik dengan kecepatan sebesar 2900 rpm serta error steady state sebesar 3,33% tanpa adanya overshoot dan osilasi.

scholarly journals Pengujian Sistem Pengendalian Temperatur pada Prototipe Heat Exchanger Berbasis PID

2021 ◽  
Vol 13 (2) ◽  
pp. 81-91
Author(s):  
Asepta Surya Wardhana ◽  
Hana Amelinda Azizah ◽  
Chalidia Nurin Hamdani
Keyword(s):  
Heat Exchanger ◽  
Time Constant ◽  
Rise Time ◽  
Direct Synthesis ◽  
Settling Time ◽  
Trial And Error ◽  
Proportional Integral Derivative ◽  
Set Point ◽  
Servo Valve ◽  
Proportional Integral

Rancang bangun sistem pengendalian temperatur heat exchanger berbasis PID artinya mengendalikan temperatur air dingin keluaran heat exchanger yang telah dirancang agar sesuai dengan nilai set point melalui pengendalian mode controller PID (Proportional Integral Derivative). Pengendalian temperatur dilakukan dengan melibatkan pengendalian laju aliran air panas. Ketika set point temperatur air dingin heat exchanger dinaikkan maka servo valve semakin membuka sehingga laju aliran air panas bertambah. Software Delphi 7 digunakan untuk menampilkan hasil berupa angka dan grafik dari data proses sistem pengendalian temperatur. Nilai parameter mode kontroler PID didapat melalui metode trial and error. Sebagai pembanding, dilakukan perhitungan PID ideal menggunakan metode direct synthesis untuk diterapkan pada kalkulasi pengendalian sistem di dalam mikrokontroler Arduino. Perhitungan PID ideal memerlukan hasil bump test dari masing?masing variabel proses. Hasil analisis data dan grafik interface menunjukkan bahwa kenaikan set point dari 25? menjadi 32? pada temperatur air keluaran heat exchanger mengakibatkan bukaan servo valve mendekati bukaan penuh dan berada pada kondisi hunting system saat temperatur telah mencapai set point. Dari hasil pengujian diperoleh Time Constant 89,744 detik, Settling Time 127,232 detik dan Rise Time 127,8 detik.

scholarly journals Penalaan Parameter Pengendali PID untuk Pengendalian Kecepatan Motor Arus Searah Menggunakan Metode Algoritma Genetika dan Jaringan Syaraf Tiruan

2020 ◽  
Vol 4 (1) ◽  
pp. 15
Author(s):  
Bhakti Yudho Suprapto ◽  
Afnizar Azmi ◽  
Febby Nora ◽  
Suci Dwijayanti
Keyword(s):  
Rise Time ◽  
Settling Time ◽  
Peak Time ◽  
Proportional Integral Derivative ◽  
Proportional Integral

Dalam pemodelan dan pemecahan suatu masalah, banyak yang mendapatkan kesulitan dalam menemukan sebuah metode untuk melakukan pendekatan terhadap suatu masalah yang lebih optimal dan efisien. Beberapa metode telah dikembangkan untuk dapat digunakan dalam pemecahan berbagai permasalahan. Sebagian besar metode tersebut menerapkan prinsip probabilitas yang dianggap dapat meminimalisasi kesalahan. Pada penelitian ini dipergunakan Jaringan Syaraf Tiruan untuk menentukan parameter peluang pindah silang (Pc) dan peluang mutasi (Pm) yang terdapat pada Algoritma Genetika untuk menentukan parameter pengendali Proportional Integral Derivative (PID). Penelitian ini mengambil objek motor arus searah. Dari penelitian ini didapatkan hasil terbaik pada populasi 100 dengan parameter PID yaitu Kp bernilai 1.0309, Ki bernilai 25.9346 dan Kd bernilai 0.0186, dimana nilai fitnes terbaik, yaitu 0.22443 pada generasi ke 64, dengan nilai fitnes rata-rata 11.6918. Respon sistem yang dihasilkan juga tidak memiliki overshot, tidak memiliki peak time,  settling time 0.345 detik, dan rise time 10-90% sebesar 0.10977 detik. Sehingga dapat dikatakan bahwa penggunaan Jaringan Syaraf Tiruan yang dikombinasikan dengan Algoritma Genetika dalam menentukan parameter pengendali PID cukup berhasil.

scholarly journals pH control in sodium chlorate cell for energy efficiency using PSO-FOPID controller

2021 ◽  
pp. 31-31
Author(s):  
Sreepriya Sreekumar ◽  
Aparna Kallingal ◽  
Vinila Mundakkal Lakshmanan
Keyword(s):  
Rise Time ◽  
Pid Controller ◽  
Absolute Error ◽  
Sodium Chlorate ◽  
Ph Control ◽  
Settling Time ◽  
Fractional Order Pid ◽  
Error Indicators ◽  
Fractional Order Pid Controller ◽  
Chlorate Production

Industrial sodium chlorate production is a highly energy-intensive electro-chemical process. If the pH of the chlorate cell is not controlled, the current efficiency drops from 99% to as low as 66.66%. Hence control of chlorate cell pH is very significant for energy-efficient sodium chlorate production. This study puts forward a fractional order PID controller for controlling the pH of the sodium chlorate cell. The tuning of FOPID controller variables is affected by employing particle swarm optimization. The highlight of the controller is that it is flexible, easy to deploy and the time of computation is significantly low as few parameters are needed to be adjusted in PSO. The performance analysis of the suggested FOPID-PSO controller was studied and compared with the traditional PI controller and PID controller using time-domain provisions like settling time, rise time and peak overshoot and error indicators like integral square error (ISE), integral absolute error (IAE), and integral time absolute error (ITAE). FOPID controller employing PSO proved to perform well compared to conventional controllers with 0.5 sec settling time and 0.1 sec rise time. This demonstrates that the FOPID-PSO controller has better setpoint tracking, which is very essential for the process under consideration.

scholarly journals Rancang Bangun Sistem Pengendalian Biogas Bertekanan pada Biogas Storage Tank System Hasil Purifikasi dengan Metode Water Scrubber System

2017 ◽  
Vol 2 (2) ◽  
Author(s):  
Arief Abdurrakhman ◽  
Anis Wahyumulyaning Tiyas
Keyword(s):  
Control System ◽  
Rise Time ◽  
Storage Tank ◽  
Alternative Energy ◽  
Pressure Sensors ◽  
Pressure Control ◽  
Settling Time ◽  
Energy Potential ◽  
Tank System ◽  
Pressure Control System

Biogas is a renewable energy potential to be developed in Indonesia. It is based on the increase in the number of household-scale biogas reactor. But the number of biogas reactors currently installed is still not equipped with biogas purification system integrated with the biogas storage tank system. Storage of purified biogas on the tube is required to extend the range of the use of biogas in some areas that have been using biogas as an alternative energy source. Storage tank systems require control systems in a storage tube that could biogas storage mechanism accordance with the maximum capacity of the tube used. This system uses a sensor components MPX5700AP and Arduino microcontroller, LCD display to display pressure readings, and solenoid valve as an actuator. The working principle of this pressure control system that is used to read the sensor value changes of pressure in the biogas storage tank A and B to be sent to the Arduino and a subsequently processed data accordance specified set point. Charging conducted alternately pressurized biogas through a method ON / OFF Valve Selenoid 1,2,3 and 4 on each biogas storage tanks. At the testing that was done we got the result response of pressure control system against time on pressure sensors P2 and P3 value rise time (tr) = 15 s, settling time (ts) = 12 s, whereas for pressure sensors P3 obtained values rise time ( tr) = 14 s, settling time (ts) = 12 s. The test results are static characteristics sensor hysteresis error of 0.00078% and 0.90%.

scholarly journals Transient Response of Glycerin Heating Process

2019 ◽  
Vol 9 (2) ◽  
pp. 2419-2423
Keyword(s):  
Transient Response ◽  
Rise Time ◽  
Pid Controller ◽  
Absolute Error ◽  
Settling Time ◽  
Heating Process ◽  
Tuning Parameters ◽  
Response Characteristics ◽  
Process System ◽  
Tuning Methods

Controlling the temperature of the glycerin purification process system was not an easy task, as an increase in operating temperature would significantly reduce the quality of the purified glycerin. This is because an unlimited increase in temperature beyond the set point and an excessive prolongation of the heating process would result in the formation of an excessive secondary oxidation product in the final purified glycerin. This paper discusses the transient response characteristics of the glycerin heating process using a parallel PID controller. The glycerin heating process behavior was determined experimentally using step input test and modelled as the First Order plus Delay Time. The controller parameters wereadjusted using Ziegler-Nichols, Cohen-Coon and Wang tuning methods, each of which was analyzed on the basis of the corresponding integral error criterion value. The Integral Square Error, Integral Absolute Error and Integral Time-weighted Absolute Error criteria value were used to evaluate the efficiency of the glycerin heating process. The transient response performances in terms of overshoot, rise time and settling time were also evaluated. Simulation work has shown that the process has experienced high overshoots for Ziegler-Nichols and Cohen-Coon, and has taken longer time to settle. Wang method exhibits with no overshoot but slow response. The lower gain PID controller was found to improve the process response in terms of overshoot but increase in the rise time and settling time. The results indicate that the desired process performance were more or less influenced by the interaction between the tuning parameters. The Ziegler-Nichols PID controller is not recommended for controlling glycerin heating process due to process response oscillations that are difficult to eliminate without prolonging the heating cycle

scholarly journals Desain sistem pengisian daya pada solar e-bike menggunakan metode PI

JURNAL ELTEK ◽  
2021 ◽  
Vol 19 (1) ◽  
pp. 101
Author(s):  
Dyah Intan Sari ◽  
Subiyantoro Subiyantoro ◽  
Mila Fauziyah
Keyword(s):  
Solar Cells ◽  
Steady State ◽  
Solar Cell ◽  
Rise Time ◽  
Alternative Energy ◽  
Boost Converter ◽  
Settling Time ◽  
Peak Time ◽  
Set Point ◽  
Proportional Integral

Energi surya dapat digunakan sebagai energi alternatif yang akan dikonversi menjadi listrik untuk mengurangi penggunaan energi fosil menggunakan sel surya. Oleh karena itu sistem pengisian baterai 24V 7.5 AH menggunakan sel surya 30 WP. Keluaran sel surya dipengaruhi oleh intensitas sinar matahari, menyebabkan tegangan dan keluaran sel surya tidak stabil. Maka dilakukan kontrol sehingga tegangan output dari sel surya yang tidak stabil akan diubah menjadi tegangan yang stabil sesuai set point menggunakan kontrol Proportional Integral (PI). Tegangan yang berubah dari sel surya setelah memasuki boost converter stabil pada tegangan 28,8 V. Tuning parameter Proportional Integral (PI) menggunakan metode Ziegler-Nichols 2. Proses penentuan parameter PI Ziegler-Nichols 2 dihitung menggunakan respon yang diatur menggunakan slider gain sehingga respon berosilasi. Didapat nilai konstanta PI terbaik yang diperoleh dari hasil percobaan adalah Kp = 0,128, Ki = 0,12, Parameter dari metode PI ini meliputi rise time 8s, settling time 20s, overshoot 7%, peak time 7,5s dan error steady state 0,6%.   Solar energy can be used as an alternative energy which will be converted into electricity to reduce the use of fossil energy using solar cells. Therefore, the 24V 7.5 AH battery charging system uses 30 WP solar cells. The output of solar cells is influenced by the intensity of sunlight, causing the voltage and output of solar cells to be unstable. Then control is carried out so that the output voltage of an unstable solar cell will be converted into a stable voltage according to the set point using Proportional Integral (PI) control. The voltage that changes from the solar cell after entering the boost converter is stable at a voltage of 28.8 V. Tuning the Proportional Integral (PI) parameter using the Ziegler-Nichols 2 method. oscillate. The best PI constant values ​​obtained from the experimental results are Kp = 0.128, Ki = 0.12, The parameters of this PI method include rise time 8s, settling time 20s, overshoot 7%, peak time 7.5s and steady state error 0, 6%.

STABILISASI TEGANGAN KELUARAN BUCK CONVERTER DENGAN METODE FUZZY LOGIC CONTROLLER

JURNAL ELTEK ◽  
2018 ◽  
Vol 16 (2) ◽  
pp. 125
Author(s):  
Oktriza Melfazen
Keyword(s):  
Fuzzy Logic ◽  
Steady State ◽  
Rise Time ◽  
Fuzzy Logic Controller ◽  
Buck Converter ◽  
Settling Time

Buck converter idealnya mempunyai keluaran yang stabil, pemanfaatandaya rendah, mudah untuk diatur, antarmuka yang mudah dengan pirantiyang lain, ketahanan yang lebih tinggi terhadap perubahan kondisi alam.Beberapa teknik dikembangkan untuk memenuhi parameter buckconverter. Solusi paling logis untuk digunakan pada sistem ini adalahmetode kontrol digital.Penelitian ini menelaah uji performansi terhadap stabilitas tegangankeluaran buck converter yang dikontrol dengan Logika Fuzzy metodeMamdani. Rangkaian sistem terdiri dari sumber tegangan DC variable,sensor tegangan dan Buck Converter dengan beban resistif sebagaimasukan, mikrokontroler ATMega 8535 sebagai subsistem kontroldengan metode logika fuzzy dan LCD sebagai penampil keluaran.Dengan fungsi keanggotaan error, delta error dan keanggotaan keluaranmasing-masing sebanyak 5 bagian serta metode defuzzifikasi center ofgrafity (COG), didapat hasil rerata error 0,29% pada variable masukan18V–20V dan setpoint keluaran 15V, rise time (tr) = 0,14s ; settling time(ts) = 3,4s ; maximum over shoot (%OS) = 2,6 dan error steady state(ess) = 0,3.

Tuning pi untuk stabilitas kecepatan putaran motor induksi 1 fasa pada mesin penyaring bubur kedelai

JURNAL ELTEK ◽  
2020 ◽  
Vol 18 (2) ◽  
pp. 48
Author(s):  
Achmad Afandi ◽  
Mila Fauziyah Fauziyah ◽  
Denda Dewatama
Keyword(s):  
Steady State ◽  
Conventional Method ◽  
Rise Time ◽  
Settling Time ◽  
Screening Process ◽  
Pi Method ◽  
Filter Tube ◽  
Manual Methods ◽  
No Innovation

Perusahaan tahu di Indonesia pada umumnya, masih menggunakan cara manual, dalam pembuatannya khususnya pada proses penyaringan bubur kedelai yang membutuhkan waktu yang, lama. Hal tersebut didasarkan pada belum ditemukannya mesin pemeras bubur kedelai. Dewasa ini telah ditemukan inovasi mesin, pemeras bubur kedelai yang bisa meningkatkan kuantitas dan, kualitas produksi dibanding dengan cara manual. Penerapan, teknologinya adalah bubur kedelai diletakkan pada tabung, penyaring kemudian tabung tersebut diputar menggunakan motor, yang dihubungkan melalui fanbelt dan pulley. Ketika motor, diputar, tabung akan ikut berputar sehingga menimbulkan gerak, sentrifugal dimana air kedelai akan terpisah dari ampas. Kecepatan putar motor yang dikontrol adalah 750 rpm dengan, nilai Kp 0,108 , Ki 0,83 sehingga mendapatkan air sari kedelai, sebesar 1,3 liter dengan perbandingan 1 kg kedelai : 1 liter air. Parameter dari penerapan metode PI ini meliputi rise time 4 detik, settling time 4,5 detik, overshoot 0 dan error steady state 2,4%. Dengan penerapan metode PI maka hasil perasan kedelai dari, peyaringan menjadi semakin banyak dan waktu yang dibutuhkan 4 menit lebih singkat dibandingkan dengan cara konvensional.   Tofu companies in Indonesia generally still use manual methods in their manufacture, especially in the soybean slurry screening process which certainly has many disadvantages such as extortion time needed. This was based on the fact that there was no innovation in the soybean pulp squeezer. Currently, it has been found that innovations of soybean slurry machines can increase the quantity and quality of production compared to manual methods. The application of the technology is soybean slurry placed on the filter tube then the tube is rotated using a motor connected with fanbelt and pulley. When the motor is rotated, the tube will rotate, causing centrifugal motion where the soybean water will separate from the pulp. The speed of the motor controlled in 750 rpm with the Kp 0,108, Ki 0,83, to get soybean essence up to 1,3 liter within comparison 1 kg soybean : 1 liter water. The parameter PI method including rise time 4 second, settling time 4,5 second, overshoot 0 and error steady state 2,4%. By applying PI method, the result of filtering is 4 minute faster comparing with conventional method.

Limits of a simplified controller design based on integral plus dead time models

2018 ◽  
Vol 232 (6) ◽  
pp. 728-741 ◽  
Author(s):  
Mikuláš Huba ◽  
Igor Bélai
Keyword(s):  
Dead Time ◽  
Controller Design ◽  
Absolute Error ◽  
Higher Order ◽  
Smith Predictor ◽  
Proportional Integral ◽  
Overall Design ◽  
Error Measures ◽  
Integral Controller ◽  
Proportional Integral Controller

This article presents design and evaluation of filtered proportional–integral controllers and filtered Smith predictor–inspired constrained dead time compensators. Both are based on the integral plus dead time and on the first-order time delayed plant models. They are compared as for tuning simplicity, robustness and noise attenuation. Such a comparison, which presents a robustness test regarding the importance of the internal plant feedback approximation, may be carried out by performance measures built on deviations of the input and output transient responses from their ideal shapes. When combined with integral of absolute error measures of both solution types with the disturbance responses set as nearly equivalent, we can see that the filtered Smith predictor setpoint responses may be significantly faster than the filtered proportional–integral controller responses, more robust and, using higher-order filters, also sufficiently smooth. Furthermore, tuning of the possibly higher-order filters for filtered Smith predictor is simpler. Its overall design is more transparent and straightforward with respect to the control constraints, where the filtered Smith predictor requires some additional anti-windup measures.

Sign in / Sign up

Export Citation Format

Share Document