Supervisory Control and Data Acquisition. Karakteristik Dasar Sensor

Transkripsi

1 Supervisory Control and Data Acquisition Karakteristik Dasar Sensor Ir. Jos Pramudijanto, M.Eng. Jurusan Teknik Elektro FTI ITS Telp Fax Supervisory Control and Data Acquisition

2 Karakteristik Dasar Spesifikasi Statis Akurasi Sensifitas Resolusi Hysterisis Repeatability Linieritas Spesifikasi Dinamis Objektif: Supervisory Control and Data Acquisition

3 Karakteristik Dasar Karakteristik yang digunakan untuk mengetahui performansi suatu sensor jika digunakan untuk pengukuran. Performansi suatu sensor dinyatakan dengan Spesifikasi Statis dan Spesifikasi Dinamis Supervisory Control and Data Acquisition

4 Spesifikasi Statik Sensor Spesifikasi statik sensor menyatakan seberapa baik korelasi antara input fisik dan output listrik Input fisik menyatakan besaran fisik yang diukur; diantaranya, posisi, kecepatan, level, flow, temperatur, tekanan, dll. Output listrik menyatakan besaran variabel listrik dapat berupa tegangan, arus, resistansi, induktansi, dan kapasitansi. Supervisory Control and Data Acquisition

5 Spesifikasi Statik (1) Akurasi digunakan untuk menentukan eror maksimum yang diharapkan dari suatu sensor (dalam % eror) Bentuk : Prosentase dari pembacaan skala maksimum (FS) FS instrumen 5 Volt dengan akurasi + 0,5% Volt rata-rata ketakpastian pengukuran + 0,025 Volt Prosentase dari span (maks min) Akurasi + 3% dari span tekanan dengan range 20 s/d 50 psi inakurasinya + 0,03(30 psi) = + 0,9 psi Prosentase dari pembacaan aktual Akurasi Voltmeter + 3% inakurasinya + 0,06 Volt untuk pembacaan 2 Volt Supervisory Control and Data Acquisition

6 Spesifikasi Statik (2) Sensitifitas perubahan input yang kecil, sensor dapat memberikan output (ditunjukkan oleh fungsi alih dari sensor) Fungsi alih dari sensor temperatur 5mV/ 0 C setiap perubahan input sebesar 1 0 C menyebabkan output berubah sebesar 5mV. Resolusi perubahan input terkecil yang menyebabkan terjadinya perubahan pada output. Supervisory Control and Data Acquisition

7 Spesifikasi Statik (3) Hysterisis sensor memberikan nilai output yang berbeda untuk pengukuran variabel input dari rendah ke tinggi atau dari tinggi ke rendah. Kurva Tegangan Output Load Cell 25 Output (mv) Output 1 Output Beban (kg) Supervisory Control and Data Acquisition

8 Spesifikasi Statik (4) Repeatability (Precision) digunakan untuk mengukur seberapa baik sensor dapat memberikan output yang sama terhadap suatu input yang diberikan secara berulang-ulang. repeatability max = full min scale 100% Supervisory Control and Data Acquisition

9 Akurasi versus Repeatability No. A B C 1 10,02 11,50 10, ,96 11,53 10, ,20 11,52 10,02 4 9,39 11,47 9, ,50 11,42 9, ,94 11,51 10,01 7 9,02 11,58 10,08 8 9,47 11,50 10, ,08 11,43 9, ,32 11,48 9,98 Minimum Rata-rata Maksimum Supervisory Control and Data Acquisition

10 Bias, Precision, and Total Error Total Error Bias Error Precision Error X True X measured Supervisory Control and Data Acquisition

11 Types of Errors (1) Perbedaan antara hasil pengukuran dan nilai sebenarnya. Error biasanya dinyatakan dengan prosentase skala penuh (%FSO). Rasio ini menunjukkan keakurasian dari sebuah sensor. Intrinsic, absolute, and relative error Intrinsic Error adalah error yang memang sudah terdapat pada sensor; Absolute Error adalah perbedaan antara nilai sebenarnya dibagi dengan nilai yang diperoleh dari hasil pengukuran; Relative Error adalah perbandingan antara error absolut dengan nilai sebenarnya. Supervisory Control and Data Acquisition

12 Types of Errors (2) Random error ini muncul jika dilakukan pengukuran secara berulangkali untuk pengambilan data yang sama. Error ini disebabkan oleh friksi, suara, tegangan statik dan sebab lain. Sistematic and Sensor error Sistematic Error biasanya konstan karena dipengaruhi oleh arus, effek zero dan ketidak linieran; Sensor Error adalah error yang didapatkan dari error yang terdapat pada sensor. Supervisory Control and Data Acquisition

13 Spesifikasi Statik (5) Linieritas pemetaan satu-satu antara input-output sebagai fungsi linier. Secara umum ada tiga bentuk penyajian linieritas: Endpoint Linearity (linieritas awal-akhir); Independent straight-line linearity (linieritas garis lurus); Least-squares linearity (linieritas regresi). Supervisory Control and Data Acquisition

14 Gambar beberapa Bentuk Linieritas Kurva Tegangan Load Cell Output (mv) 10 Naik Turun EndPoint Lin. Least SQR Beban (kg) Supervisory Control and Data Acquisition

15 Least-square Linearity Least-squares linearity (linieritas regresi) secara umum dapat dituliskan sebagai berikut: y = mx + di mana : b y = output x = input m = kemiringan (slope) b = konstanta (intercept) n = jumlah data pengamatan m b = nσ( xy) ΣxΣy 2 nσ( x ) ( Σx) Σy Σx m n n = 2 Supervisory Control and Data Acquisition

16 Contoh: Least-square Linearity Contoh: Suatu sensor tekanan mengubah tekanan dalam range psi ke dalam tegangan 0 8 Volt DC. Dapatkan persamaan linier dari tegangan terhadap tekanan. No. psi Volt 1 0, ,2 0,6 3 99,9 1, , ,1 3, ,1 4, , ,1 6, ,0 7,5 Supervisory Control and Data Acquisition

17 Spesifikasi Dinamis Spesifikasi yang menyatakan seberapa cepat perubahan output (respon) yang terjadi terhadap perubahan input. Respon bergantung pada: tipe input kondisi awal (initial conditions) karakteristik sistem Supervisory Control and Data Acquisition

18 Respon Sensor Pengukuran respon sensor terhadap pemberian input : step, ramp, dan impuls Respon transien: rise time, delay time, time constant, % overshoot, settling time Respon dari steady state sampai tak hingga: percent error steady state sinus frequency response, high-frequency cutoff Supervisory Control and Data Acquisition

19 Type of Input Step Ramp Impulse Input, x(t) x 0 Input, x(t) slope = a Input, x(t) Time, t Time, t t 0 Time, t X X = 0 t < 0 = X0 t > 0 X X = 0 = at t < 0 t > 0 δ ( t δ ( t t t 0 0 ) ) = 0 = t t = t 0 t 0 Supervisory Control and Data Acquisition

20 Transfer Function dy a + a0 y( t) = b0 dt x( 1 t ) dy τ dt + y = Kx(t) Y ( s)( τ s + 1) = KX ( s) Y ( s) K TF = = X ( s) 1+τ s a τ = 1 b K = 0 a 0 a 0 time constant static gain (sensitivity) Supervisory Control and Data Acquisition

21 Process Element Characteristic (1) Gain Perubahan input menyebabkan perubahan output secara cepat. Sensor temperatur mempunyai gain dalam unit (besaran) yang tetap, jika: temperatur 10 o C tegangan output 20 mvolt temperatur 20 o C tegangan output 40 mvolt TF = mvolt o C Supervisory Control and Data Acquisition

22 Process Element Characteristic (2) Integral Laju perubahan output bergantung secara langsung pada inputnya v i dv dt o v 0 = Kv ( t) = K v dt i i A t v o t 0 t v0( t) = K A dt + K 0 dt 0 0 KAt 0 t 0 t Supervisory Control and Data Acquisition

23 Process Element Characteristic (3) First-order Self-regulating, jika diberikan input step maka outputnya akan muncul secara eksponensial hingga kestabilan (level) yang baru tercapai h f i C R f o input 1 K + τ s = R τ C output Supervisory Control and Data Acquisition

24 Response of a first-order systems to Step and Ramp input input f i output t K x f i 1τ τ 3τ 2 4τ 5τ t y(t) = t τ Kτ e + K(t τ ) transient steady state Supervisory Control and Data Acquisition

25 Process Element Characteristic (4) Dead time Perubahan pada input tidak menyebabkan perubahan output hingga waktu delay (dead) terlampaui Biasanya merupakan delay transportasi (ada jarak yang harus dilampaui). Proses di industri banyak berupa dead time dan first-order. Jika diberikan input step pada proses maka output berubah setelah waktu delay terlampaui lalu muncul secara eksponensial. Supervisory Control and Data Acquisition

26 Process Element Characteristic (5) Second-order Y ( s) X ( s) = s ωn 2ζω s n + ω 2 n ω n ζ : natural frequency : damping ratio dua akar karakteristik real berbeda real sama kompleks konjugat ( ζ > 1) ( ζ = 1) s = ζω ± ω ζ 2 1 overdamped critically damped ( 0 < ζ < 1) underdamped n n Supervisory Control and Data Acquisition

27 Specifications of the Transient Response Rise time Time to pass from 10% to 90% of final value Settling time Time to reach the final value Delay time Time to reach 50% of final value Peak time Time required for the response to reach the first peak of the overshoot Maximum overshoot = y( t ) y( ) 100 y( ) Max percent overshoot % p Supervisory Control and Data Acquisition