PROGRESS 1 SKRIPSI

EVALUASI KINERJA KOLOM

DEETHANIZER DENGAN
REAL TIME OPTIMIZATION
Indra Darmawan (2311 100 180)
Fadillah Akhbar Marsha (2311 100
192)

sen Pembimbing

f. Ir. Renanto Handogo MS., Ph.D.

ari Purwo Sutikno , S.T., M.Eng., Ph.D.

Outline Presentasi
Pendahuluan
Model Process Aspen
Simulation
Hasil Simulasi
Kendala

Metodologi Penelitian
1. Tahap Persiapan
-Mendefinisikan Komponen
2. Tahap Perancangan
-Mendefinisikan dan membuat
arus
-Mendefinisikan dan membuat
unit
-Menghubungkan stream dengan
unit
3. Operasi
-Menjalankan Program

Variabel
Variabel yang diubah-ubah (Design Variabel)
Laju Steam Reboiler operasi kolom deethanizer
Laju Reflux kolom deethanizer
Variabel yang diatur konstan :
Laju alir feed aliran 4201 dan aliran 4207 masuk kolom deethanizer
sebesar 1000 kmol/h
Variabel yang diamati :
Heat duty reboiler dan condensor kolom deethanizer
Mass Fraction produk C2 pada kolom deethanizer

Data Operasi Kolom Deethanizer

Jumlah Tray
=
Feed Tray (valve tray)
Tekanan Top
=
Tekanan Bottom
=
Temperatur Top
=
Temperatur Bottom =
Reflux Ratio
=

70 tray
= tray ke 16 dan 34
20,88 kg/cm2
21,30 kg/cm2
-21,5oC
66,10oC
20 minimum

Aliran Input :
- 4201
- 4202
- 4227
- HOTWATER
- HWCOOL
- LPSTEAM
- STCONDEN
Aliran Output :
- TOPPROD
- BOTTOM
- 4207
- 4209
- 4210
- 4211
- 4212

Perbandingan Aliran Output Data Design v.s.

Hasil
Simulasi 4207
TOP PRODUCT
Data Simulas Galat
Design
i
(%)
1,000
1,000
0,000
-23,2
-22,5
2,9

Vapour/phase frac
Temperatur (C)
Pressure
(kg/cm2_g)
20,3
20,9
Molar Flow
(kgmole/h)
3086,1
3086,1
Mass Flow (kg/h) 87505,0 87502,3

Data
Design Simulasi
0,000
0,000
66,0
67,5

2,8

21,3

21,3

0,03

0,000
0,003

1014,7
46984,0

1014,7
47014,0

0,0
0,064

Komposisi
methane
acetylene
ethylene
ethane

0,309

0,389

39,193 39,333
2554,0
48
2554,077
490,68
8
490,837

Galat
(%)
0,000
2,2

Komposisi
8,083

0,000

0,000

0,000

14,010

0,000

0,000

0,000

2,892

0,000

0,000

0,000

14,849

0,101

0,000

0,000

propadiene

0,000

0,000

0,020

30,338

30,376

0,125

propene

1,852

1,452

21,595

684,287

684,806

0,076

propane
13butadiene

0,000

0,002

0,150

15,118

15,187

0,451

0,000

0,000

0,000

94,363

94,244

0,126

Grafik Sensitivitas Dengan Manipulated Variabel Aliran 4227

(kmol/jam)
lower limit : 100 kmol/jam
upper limit : 300 kmol/jam

Grafik Sensitivitas Dengan Manipulated Variabel Aliran

HOTWATER Pemanas Reboiler EA-401
lower limit : 500.000 kg/jam
upper limit : 600.000 kg/jam

Grafik Distribusi Komposisi Kolom

Deethanizer DA-401

Optimization
a. Fungsi objektif (Darby & White) :
Objektif = Harga Produk Harga Bahan Baku Biaya Utilitas
Variabel Ekonomi lainnya
b. Algoritma Optimisasi
Algoritma optmisasi menggunakan model proses dan fungsi objektif
untuk menentukan set poin optimum pada sebuah proses pabrik. Tipe
algoritma yang paling umum digunakan adalah Successive Quadratic
Programming ( SQP) dengan bentuk persamaan berikut ini :
Maximize
, dengan Ax = b , x 0
2
0

Rencana Kedepannya
1. Memasukkan data operasi aktual pada model proses
dengan simulasi aspen plus
2. Melakukan uji sensitivitas top and bottom produk dengan
memanipulasi aliran pemanas reboiler EA-401 dan EA402
3. Melakukan Optimisasi Proses dengan mengetahui cost
setiap stream untuk memaksimalkan fungsi objektif
profit dari proses pada kolom deethanizer.

SEKIA
N
TERIMAKASIH

Real Time Optimization

Real Time Optimization berguna untuk mengindikasi atau

1
0

re-evaluasi secara kontinu perubahan kondisi operasi

proses agar produktifitas ekonomi proses pada kondisi
maksimal. Optimisasi pada proses industri menjadi
sesuatu yang menarik seiring semakin ketatnya
persaingan global dan ketentuan kualitas produk yang
semakin spesifik. Real Time Optimization merupakan
konsep yang menarik karena berada pada level hierarki
kontrol dimana keputusan dari segi ekonomi berhubungan
langsung dengan operasional proses produksi.

Blok Diagram RTO dengan

Feedback Control

1
1

Model ekonomi berkaitan dengan harga bahan baku, nilai

produk, dan biaya produksi sebagai fungsi dari kondisi
operasi. Fungsi objektif, quantitas secara spesifik
digambarkan melalui, ekspresi profit operasi pabrik dalam
satu perioda waktu tertentu berikut ini :

P = - OC
Dimana,
P

= operating profit/time
= sum product flow rates times respective product values
= sum of feed flow rate times respective unit cost

OC
1
2

= Operating costs/time

Penelitian Terdahulu
Real Time Optimization Processes A Comparison Of Closed Open Form Equations
Using Commercial Simulation Packages.
(Naysmith,Matthew R.1997)
Dalam Metode Real Time Optimization, digunakan beberapa general step, antara lain.
1. Steady State Detection
2. Data Reconciliation and Gross Error Detection
3. Parameter Estimation
4. Process Model
5. Optimization
6. Updating of Set Points

1
3

Penelitian Terdahulu
Data Reconciliation & Gross Error Detection
(Shankar Narasimhan and Cornelius Jordache)
Data Reconciliation, dapat diformulasikan melalui penyelesaian least square
optimization dengan menggunakan constrain pemberatnya.

Dimana : w = weight
y = measurement
x = reconciliation estimation
u = the estimates of unmeasured variable

1
4

1. Steady State Detection

Metode
yang digunakan untuk menentukan kondisi suatu proses telah steady state

adalah successive means test , metode statistik berdasarkan teori matematis ini
dihitung menggunakan persamaan berikut :

=N

Keterangan :
= a random variables obeying Hotellers T2 distribution with numerator degree of freedom 1.
And denominator degrees of freedom 2N-2
N = number of measurements in each period
= mean value of variable i in the first time period
= mean value of variabel i in the second time period
= sample variance of variable i in the first time period
= sample variance of variable i in the second time period

1
5

1. Steady State Detection

Kasus 1 : T2() , maka kondisi proses sudah pada

kondisi steady state
Kasus 2 : T2() , maka kondisi proses belum mencapai
kondisi steady state

1
6

2. Data Reconciliation & Gross

Error Detection
Berguna untuk mengatur semua variabel yang terukur
( massa, energi, dll) dan memungkinkan untuk
mengestimasi variabel-variabel yang tidak terukur. Gross
Error Detection akan mengkoreksi error data proses yang
ditemukan dengan metode yang sesuai , kemudian data
yang telah disesuaikan akan dilanjutkan ke tahap
selanjutnya.
1. Linear Or Non Linear Steady State Data Reconciliation
1
7

3. Parameter Estimation
Tahapan ini , memperbarui parameter model terhadap
proses data plant yang didapat. Model yang telah
diperbarui ini kemudian dipakai untuk menentukan set
point baru pada model proses yang dioptimisasi.

1
8

4. Process Model
Merupakan model dari proses yang merepresentasikan
perubahan akibat dari algoritma optimisasi saat iterasi
menuju solusi optimum.

1
9

6. Updating of Process Set Points

Set point optimum yang telah ditemukan oleh optimizer di
implementasikan pada proses pabrik. Saat kondisi proses
pabrik kembali menuju steady state , siklus real time
optimizer berulang lagi untuk menjaga kondisi operasi
pabrik tetap optimum.

2
1

Total Annual Cost

Annual Cost = Annualized Capital Cost + Utility Cost/Energy Cost
Total

Energy Cost
Total Utility Cost =
Dimana :
= Besar flowrate utilitas yang digunakan (m3/s)
Cu = Unit harga utilitas ( Rp/m3)
Annualized Capital Cost

Annualized Capital Cost = Capital Cost (financed) x Annualization Factor

Dimana :
Annualization Factor = ; i = interest
2
2