ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM

Transkripsi

1 ADAPTIVE EURO-FUZZY IFERECE SYSTEM SOFT SESOR UTUK MEMPREDIKSI KADAR OKSIGE PADA BOILER (ADAPTIVE EURO-FUZZY IFERECE SYSTEM (AFIS) SOFT SESOR TO PREDICT OXYGE COTETS I A BOILER) Totok R. Byanto 1), Har Had Santoso ) 1) Jurusan Teknk Fska - FTI ITS Surabaya Kampus ITS Keputh Sukollo Surabaya E-mal : trb@ep.ts.ac.d ) LIPI Serpong - Tangerang ABSTRAK Soft computng sepert halnya Adaptve euro-fuzzy Inference System (AFIS) dan Artfcal eural etworks (A) memberkan kelebhan kemudahan dan keakuratan dalam memodelkan sstem yang nonlner dan multvarabel. [1,,3,4,8,9] Kemampuan dalam hal memetakan hubungan yang nonlner, sstem multvarabel dan perhtungan secara paralel adalah keuntungan yang dapat dmanfaatkan dalam membuat soft sensor. Selan tu modeldapat dbangun tanpa memerlukan persamaan yang komplek dan nformas yang detal. Analser mempunya respon yang lambat, kurang relabel, dan mahal [6,7], sehngga pengukuran secara nferensal basanya adalah plhan yang tepat. Makalah n akan memaparkan kemampuan soft sensor berbass Adaptve euro-fuzzy Inference System (AFIS) untuk mempredks kandungan oksgen pada boler. AFIS soft sensor yang dlath dengan pasangan data kandungan oksgen, laju alran udara dan laju alran bahan bakar, mampu menghaslkan Root Mean Square Error (RMSE) yang bak. ABSTRACT Soft computng such as Adaptve euro-fuzzy Inference System (AFIS) and Artfcal eural etworks (A) offer many advantages for developng of the nonlnear and multvarable models. [1,,3,4,8,9] Ther abltes n nonlnear mappng, multvarable system and parallel computng are the potental benefts to buld up the model for soft sensor purposes. Moreover, the model can also be bult wthout complcated mathematcal equatons and need no detal nformaton. Analzer has slow respon performance, lack of relablty, and expensve, [6,7], then nferensal measurement usualy the best way to predct t. Ths paper wll descrbe Adaptve euro-fuzzy Inference System (AFIS) soft sensor capablty to predct oxygen content n a boler. AFIS soft sensor whch traned usng oxygen content, combuston ar flow rate, and fuel gas flow rate data sets has good Root Mean Square Error (RMSE). Kata kunc Keywords : Adaptve euro-fuzzy Inference System (AFIS) soft sensor, kadar oksgen, boler. : Adaptve euro-fuzzy Inference System (AFIS) soft sensor, oxygen content, boler. 1

2 1. PEDAHULUA Boler dapat dtemu pada beberapa fasltas ndustr yang dgunakan sebaga pembangkt dan keperluan proses. Pada boler terdapat furnace dmana bahan bakar dan udara dbakar untuk menghaslkan semburan ap ke water-tube system. Tube dhubungkan ke steam drum, dmana uap-ar terpsah. Optmsas pada operasonal boler dapat menghaslkan banyak penghematan, salah satu performans optmsas dapat dlhat pada besarnya kadar oksgen pada gas buang. Penurunan kelebhan oksgen dar 1% ke 0.5% akan menngkatkan efsens boler sebesar 0.5% dan menghemat baya sebesar $5000/tahun untuk boler dengan kapastas uap lb/jam [4]. pengukuran kadar oksgen basanya menggunakan probetype zrconum oxde probe. Probe sebaknya dpasang dekat pada daerah combuston zone tetap tetap dplh pada daerah dengan suhu dbawah batas yang dperbolehkan untuk electrcally heated zrconum oxde detector, dan terletak pada daerah turbulen untuk menjamn pengukuran terjad pada alran gas yang tercampur sempurna Soft computng telah dgunakan untuk menggantkan peranan analser, karena analser mempunya respon yang lambat, relablt yang rendah dan mahal untuk pemasangan awal, operasonal dan pemelharaan [6,7]. Sehngga pada peneltan terdahulu telah dtelt beberapa soft sensor untuk mengantkan peran analser n. Soft sensor untuk mempredks komposs produk pada kolom dstlas bner kontnyu telah dkembang dengan mengunakan hubungan antara temperatur tray dan komposs produk mengunakan Artfcal eural etwork (A) [1]. A soft sensor juga telah dkembangkan pada kolom dstlas batch mengunakan hubungan temperatur [9] serta non lner soft sensor juga telah dkembangkan mengunakan hubungan temperaratur pada top tray untuk ternary batch dstllaton column mengunakan Hysys plant and Matlab [8]. A soft sensor menggunakan hubungan flow rate dengan komposs produk pada kolom dstlas bner [] serta flow rate dan tekanan fuel gas burner untuk mempredks kadar oksgen pada stack boler [4]. Peneltan peneltan datas ddasar karena kemampuan A sebaga soft computng untuk memetakan hubungan nonlner antara varabel termodnamk dan varabel analtkal. Alternatf lan untuk kepentngan n adalah memanfaatkan kelebhan Adaptve euro-fuzzy Inference System (AFIS) dalam memetakan hubungan nonlner sstem mengunakan data pengukuran dlapangan [3].. OKSIGE AALISER BERBASIS ADAPTIVE EURO FUZZY IFERECE SYSTEM (AFIS) Kualtas pembakaran pada boler tergantung pada kesempurnaan raso bahan bakar dan oksgen Data dar stud kasus n dperoleh dar perusahaan petrokma d Kalmantan Tmur - Indonesa. Dua proses varabel dplh karena mempengaruh kadar oksgen pada gas buang. Dua varabel tersebut adalah laju udara dan laju gas bahan bakar dan dapat dlhat pada Gambar 1. Susunan AFIS sebaga oksgen analser dapat dlhat pada Gambar.

3 FT 101 Vortex Sheddng FT 10 TE 111 ATM. Plant Steam Header Superheater Header Steam Drum LT 108 TE Fc Vortex Sheddng FT 105 FW Preheater Feed Water (FW) PT 100 Water Ppe Baffeld Stack TE 110 AT 101 O Analyzer Fuel Gas Flow FT 103 Fc Burner Furnace Super Heater Induced Draft Fan Fo Mass Flow Meter Wnd Box Mud Drum Ar Heater Ptot Transverse Staton FT 106 Combuton Ar Dust Ar TT 105 Forced Draft Fan Fo Combuton Ar Flow Gambar 1. Boler Schematc Dagram. Combuston Ar Flow Fuel Gas Flow AFIS Oxygen Content Gambar. AFIS sebaga oksgen analser Ide dasar dar AFIS sebaga oksgen analser adalah mempredks kadar oksgen pada alran gas (stack) dengan menggunakan pengukuran proses varabel yang lan dengan mudah. Struktur AFIS [5] merupakan mekansme penalaran fuzzy Sugeno atau arstektur jarngan syaraf feed-forward. Struktur AFIS terdr dar lma lapsan yang tap-tap lapsan mempunya fungs-fungs tertentu. Smpul kotak yang ada pada gambar menyatakan smpul adaptf, yang yang parameternya dapat berubah dengan pembelajaran, sedangkan lngkaran menyatakan smpul non adaptf yang nlanya tetap. (Gambar 3) Parameter prems X Parameter konsekuen A1 X A TT 1 Y A3 B1 B TT TT 3 LAYER 5 z B3 LAYER 1 LAYER LAYER 3 LAYER 4 Y Gambar 3. Struktur AFIS dengan dua nput. Struktur AFIS datas dengan bentuk umum dua aturan fuzzy f-then sepert yang dtunjukkan dengan persamaan sebaga berkut : 3

4 Lapsan 1. Semua smpul pada lapsan n adalah smpul adaptf (parameter dapat berubah) dengan fungs smpul : O ( ) untuk I = 1, atau (1) l, A x Ol, B ( y) untuk I = 3, 4 () dengan x dan y adalah masukan pada smpul, A (atau B-) yang merupakan varable lngustc (sepert besar atau kecl ). Dengan kata lan O1, adalah fungs keanggotaan masng-masng dar sebuah set fuzy (A dan B) dengan derajat keanggotaan yang dtentukan oleh nput x dan y. Smpul O1, berfungs untuk menyatakan derajat keanggotaan tap masukan terhadap hmpunan fuzzy A dan B. Bentuk fungs keanggotaan pada layer atau lapsan pertama dapat berbentuk msalnya fungs keanggotaan gauss, yang dapat dtunjukkan dalam bentuk : 1 x a,, b gaussan x a b e (3) adalah parameter yang dapat dubah-ubah (parameter adaptf). Selama harga dar parameter n berubah-ubah, fungs keanggotaan bell akan bervaras bergantung pada parameter yang berubah, sehngga fungs keanggotaan untuk set fuzy (A dan B) akan bervaras. Parameter-parameter pada lapsan n dsebut sebaga parameter prems. dmana a, b Lapsan. Semua smpul pada lapsan n adalah non adaptf (parameter tetap). Fungs smpul n adalah mengalkan setap snyal masukan yang datang. O w (x) (y), = 1, (4) 1, A B Tap keluaran smpul menyatakan kekuatan pengaruh (frng strength) tap aturan fuzzy. Fungs n dapat dperluas apabla bagan prems memlk lebh dar dua hmpunan fuzzy. Banyaknya smpul pada lapsan n menunjukkan banyaknya aturan yang dbentuk. Fungs perkalan yang dgunakan adalah nterpretas kata hubung AD dengan menggunakan operator t-norm. Lapsan 3. Setap smpul pada lapsan n adalah smpul nonadaptf yang menamplkan fungs normalsas kekuatan pengaruh (normalzed frng strength) yatu raso keluaran smpul ke- pada lapsan sebelumnya terhadap seluruh keluaran lapsan sebelumnya, dengan bentuk fungs smpul: w O 3, w, = 1, (5) w1 w Apabla dbentuk lebh dar dua aturan, fungs dapat dperluas dengan membag w dengan jumlah total w untuk semua aturan. Lapsan 4. Setap smpul pada lapsan n adalah smpul adaptf dengan fungs smpul : O4, wf w (px qy r ) (6) _ dengan w adalah derajat perngaktfan ternormalsas dar lapsan 3 dan parameter p, q, r menyatakan parameter yang adaptf Parameter lapsan n dnamakan parameter konsekuen. Lapsan 5. Pada lapsan n hanya ada satu smpul tetap yang fungsnya untuk menjumlahkan semua masukan. Fungs smpul : 4

5 w f O 5,1 w. f (7) w 3. SIMULASI DA PEMBAHASA Pasangan data antara laju udara dan laju gas bahan bakar sebaga nput dan kadar oksgen sebaga output (berturut-turut Gambar 4, 5, dan 6), dlathkan pada AFIS untuk mengenal pola hubungan pasangan-pasangan data tersebut. Struktur AFIS yang dgunakan sebaga soft sensor menggunakan mekansme penalaran fuzzy Sugeno [5]. Model AFIS dengan nput data laju udara dan laju gas bahan bakar serta mengeluarkan harga kadar oksgen sebaga output, adalah soft sensor berbass AFIS yang akan sap untuk daplkaskan bla mempuya performans yang bak, yang dtunjukkan secara kunttatf dengan nla Root Mean Square Error (RMSE). Secara matematk RMSE dapat djelaskan sebaga berkut : RMSE y ŷ 1 (8) Gambar 4. Laju udara pembakaran 5

6 Gambar 5. Laju alran bahan bakar Gambar 6. Kadar Oksgen Soft sensor kadar oksgen berbass AFIS mempunya Root Mean Square Error (RMSE) sama dengan,547 x 10-7 (Gambar 7) 6

7 Gambar 7. Error soft sensor kadar oksgen berbass AFIS Dar data hasl datas menunjukkan bahwa AFIS mampu menperkrakan kadar oksgen dengan akurat. Model AFIS memerlukan waktu pelathan yang cepat, tdak memerlukan persamaan matemats yang kompleks dan mampu bertahan pada keaadaan operas yang berbeda. Bla dterapkan secara onlne, maka AFIS sebaga analser memberkan baya yang murah, respon yang cepat dan mempunya relablt yang lebh bak dbandngkan analser. Sehngga alternatf soft sensor berbass AFIS akan memberkan respon yang relatf lebh cepat, relablt yang lebh bak karena nstrumen untuk pengukuran laju alran lebh relabel dbandngkan analser, murah, baya operasonal yang lebh rendah dan baya perawatan yang rendah pula. 4. KESIMPULA Soft sensor yang telah dlath dengan nput laju alran udara, laju alran bahan bakar dan kadar oksgen, dbangun dengan struktur AFIS mampu mempredks kadar oksgen pada boler dengan Root Mean Square Error (RMSE) sebesar,547 x 10-7 dan mudah dbuat Saran, perlukomparas sbg std. DAFTAR PUSTAKA [1] Byanto, TR., Desgn of on Lner soft sensor for Predct Composton (mole-fracton) dstllate and Bottom Product n Sngle Methanol-water Bnary Dstllaton Column, Internatonal Conference on Instrumentaton, Communcaton and Informaton Technology (ICICI) 005 Proc., Bandung, 005. [] Byanto, TR., A soft sensor to Predct Qualty of Based Temperature or Flow Correlaton, Internatonal Conference, Informaton and Communcaton Technology Semnar (ICTS) 005, Surabaya, 005 [3] Byanto, TR., Controllng of bnary dstllaton column usng euro-fuzzy Internal Model Control (F-IMC), atonal conference on Soft Computng, Intellgent Systems & Informaton Technology 005 (SIIT005), Krsten Petra Unversty, Surabaya,

8 [4] Duwash, H., Ghout, L., Halawan, T., and Mohandes, M., Use of Artfcal eural etworks Process Analyzers: A Case Study, ESA'00 proceedngs - European Symposum on Artfcal eural etworks Bruges (Belgum), 00. [5] Jang, Jantzen, eural and eurofuzzy Control. Tech. report no 99-H 99 (nefcon), 003. [6] Kamohara, H, Taknam, MT, Takeda, M, Kano, M, Hasebe, S, Hashmoto,I, Integraton of Product Qualty Estmaton and Operatng Condton Montorng for Effcent Operaton of Industral Ethylene Fractonator, IFAC, 003. [7] Luyben, W. L. Bjorn D. Tyreus, Mchael L. Luyben, Plant wde Process Control, Mc Graw Hll, ew York, [8] Ruz J.P, Zumoffen D, Basualdo M, Jmenez E., A, onlnear soft sensor for Qualty Estmaton and Optmal Control Appled n a Ternary Batch Dstllaton Column, European Symposum on Computer Aded Process Engneerng, Lsbon, Portugal, May 16-19, 004. [9] Zamprogna E., Barolo M. and Seborg D. E., eural etwork Approach to Composton Estmaton n a Mddle-Vessel Batch Dstllaton Column. Proc. DIIP 000. Workshop on onlnear Dynamcs and Control n Process Engneerng Rome,