Perpustakaan Digital ITB

Dalam industri kimia, proses pemisahan suatu bahan cairan dalam rangka meningkatkan nilai produk umumnya dilakukan menggunakan distilasi. Proses pemisahan ini membutuhkan kondisi yang stabil. Untuk mempertahankan kestabilan tersebut, diperlukan suatu algoritma kontrol yang mampu menjaga variabel proses selalu berada pada nilai yang diinginkan. Pada penelitian dalam rangka disertasi ini, telah dikembangkan suatu algoritma kontrol prediktif nonlinier menggunakan optimasi berbasis algoritma genetik, yang diimplementasikan secara real-time pada kolom distilasi yang berada di laboratorium Teknik Kimia, Politeknik Negeri Bandung. Kolom distilasi tersebut mampu bekerja memisahkan campuran biner etanol dan air. Optimasi pada pengontrol yang dikembangkan tersebut, berhasil mengontrol variabel beda tekanan kolom distilasi tray terbawah dan teratas, dan temperatur kolom distilasi tray teratas sesuai dengan yang diinginkan. Sebelum algoritma tersebut diimplementasikan pada kolom distilasi, terlebih dahulu dilakukan pemodelan pada kolom distilasi menggunakan metoda identifikasi dan kemudian dilakukan pengujian algoritma kontrol yang dirancang menggunakan model hasil identifikasi melalui simulasi di komputer. Pengujian pada kolom distilasi tersebut memperlihatkan bahwa algoritma kontrol yang telah dirancang berhasil menjaga variabel proses temperatur kolom distilasi tray teratas pada harga 76,140C dengan Root Mean Square Error, (RMSE)=0,85 dan beda tekanan antara kolom distilasi tray terbawah dan teratas pada harga 0,014 bar dengan RMSE= 0,00054. Ada dua kontribusi yang diberikan dari penelitian ini, yaitu dihasilkannya strategi kontrol prediktif nonlinier menggunakan optimasi berbasis algoritma genetik yang diimplementasikan pada kolom distilasi, dan dihasilkannya dua model nonlinier dinamika proses kolom distilasi masing-masing dalam bentuk Multi Input Single Output (MISO), dengan estimasi parameter yang dilakukan menggunakan algoritma genetik. Sebagai tindak lanjut dari penelitian ini dapat dikembangkan algoritma kontrol prediktif nonlinier yang menggunakan variabel proses yang dikontrol dan dimanipulasi lebih banyak. Selain itu perlu dikembangkan algoritma kontrol predikitf nonlinier yang menggunakan algoritma genetik dengan sistem Multi Input Multi Output (MIMO) dengan proses iterasi yang lebih cepat.