Oleh : Alif Tober Rachmawati

Transkripsi

1 Perancangan softsensor steam quality pada steam generator dengan optimasi nilai spesifik volume dengan metode jaringan syaraf tiruan (JST) Oleh : Alif Tober Rachmawati

2 Latar Belakang Steam generator Steam Awalnya hanya mengambil sample dalam pengukurannya Pengolahan Minyak Perlu suatu sensor untuk mengukur steam Diinjeksikan Softsensor Bumi

3 Permasalahan Bagaimana merancang suatu softsensor steam quality dengan menggunakan metode jaringan syaraf tiruan agar keluaran yang didapatkan lebih optimal nilai spesifik volumenya sehingga mendapatkan kualitas uap yang baik.

4 Tujuan Merancang softsensor steam quality dengan menggunakan metode jaringan syaraf tiruan sehingga akan menghasilkan steam quality yang optimal.

5 Batasan Masalah Dalam perancangan softsensor ini menggunakan metode jaringan syaraf tiruan Data yang digunakan untuk masukan jaringan syaraf tiruan merupakan data dari steam table saturasi water Metode yang digunakan untuk pengidentifikasian jaringan syaraf tiruan yaitu struktur backpropagation dengan metode pembelajaran yang digunakan backpropagation

6 Metodologi Penelitian Start Studi Literatur Berikut ini merupakan flowchart dari perancangan softsensor steam quality pada steam generator dengan optimalisasi spesifik volume menggunakan metode JST. Untuk mendapatkan steam quality harus melakukan pelatihan pada JST. Tidak Ya Pengolahan Data Perancangan JST Uji Simulasi JST Validasi model Perhitungan Steam Quality Validasi Steam Quality Analisa + Laporan Ya Tidak Finish

7 Tahap Tahap dalam perancangan Softsensor a. Tahap 1 Perancangan JST Pressure Temperature JST Vf Vfg b. Tahap 2 Perancangan Softsensor Pressure Temperature Flow SOFTSENSOR SQ JST Vf Vfg

8 Pengidentifikasian pada JST Untuk menghasilkan pemodelan pada jst memerlukan beberapa langkah, bisa dilihat pada gambar disamping untuk rancangan pada JST. Start Pengolahan Data Pemilihan Struktur Model Validasi Model Sesuai atau tidak Tidak Ya End

9 Pelatihan jaringan syaraf tiruan Berikut merupakan suatu arsitektur jaringan syaraf yang telah dibuat. Arsitektur ini memiliki 3 layer yaitu layer input, hidden layer dan layer output. Pada hidden layer terdapat 2 hidden layer. Dimana pada layer pertama memiliki 3 node dan pada hidden layer kedua terdapat 9 node.

10 Hasil Pelatihan JST Dengan menggunakan 3 layer yaitu input layer, hidden layer serta output layer. Untuk layer pertama yaitu input layer memiliki 2 node. Sedangkan hidden layernya terdapat 2 hidden layer dengan hidden layer yang pertama memiliki 3 node dan hidden layer yang kedua yaitu 9 node. Untuk output layer memiliki 2 node. Dengan hasil struktur tersebut karena terdapat nilai performance atau mean square error (mse) 10^-4 sesuai dengan target yang telah ditentukan. Terlihat seperti gambar grafik berikut ini :

11 hasil dari performance dalam keadaan menurun kebawah, hal ini berarti nilai dari output pelatihan mendekati dengan target yang telah ditentukan. Dalam hal ini performance atau mean square error (mse) adalah N

12 Setelah didapatkan suatu pemodelan yang telah dijelaskan diatas, maka dapat melakukan validasi dari hasil data yang digunakan untuk pelatihan dengan data hasil pelatihan. Sehingga didapat perbandingan antara hasil output data dan output hasil pelatihan. Hasil nilai pelatihan yang baik atau dikatakan berhasil yaitu dengan ketentuan semakin kecil nilai RMSE (Root Mean Square Error) akan menghasilkan output yang baik. Selain itu juga terdapat VAF (Variance Accounted For) apabila nilai prosentase VAF yang dihasilkan semakin besar maka untuk menuju keberhasilannya semakin bagus. Berikut merupakan gambar grafik perbandingan dari data output real dan data output hasil training :

13 Perbandingan output data vf dengan output training

14 Dapat dilihat dari gambar grafik diatas bahwa selilsih antara hasil training dengan data real memiliki selisih yang sangat kecil. Sehingga dari hasil training diatas didapatkan nilai RMSE untuk vf adalah dan nilai VAF yaitu 99,09 % Nilai pada VAF tidak dapat tepat 100%, hal ini dikarenakan masih terdapat eror dalam melakukan perhitungan dengan menggunakan Matlab.

15 Perbandingan output data vfg dengan output training

16 Dapat dilihat dari hasil gambar grafik dibawah ini, bahwa pada gambar tersebut terlihat selisih antara data real dan data hasil training memiliki selisih yang sangat kecil sehingga hasil training diatas didapatkan nilai RMSE untuk vfg dan nilai VAF % maka dari hasil tersebut dapat diketahui bahwa pemodelan JST yang telah dibuat telah mendekati target yang diinginkan. Nilai pada VAF tidak dapat tepat 100%, hal ini dikarenakan masih terdapat error dalam melakukan perhitungan dengan menggunakan Matlab

17 Soft sensor offline dengan Matlab GUI Dari hasil softsensor yang telah dirancang maka dapat diketahui bahwa ketika pressure psi, temperature o F, flow outlet steam ft 3 s -1 serta pada mass flow inlet steam lbs -1 didapatkan hasil steam qulaity %, dengan nilai vf ft3/lb dan vfg ft3/lb.

18 Soft sensor offline dengan Matlab GUI Ketika pressure psi, temperature o F, flow outlet steam ft 3 s -1, mass flow inlet steam lbs -1 dengan nilai spesifik volum liquid (vf) ft3/lb dan nilai spesifik volum evaporator (vfg) ft3/lb Sehingga menghasilkan perhitungan untuk steam quality yaitu %.

19 Soft sensor offline dengan Matlab GUI Pada saat nilai pressure psi, temperature o F, flow outlet steam ft 3 s -1 sert pada mass flow inlet stea dengan nilai input untuk menghitung steam quality seperti diatas maka dapat menghasilkan steam quality sebesar %.

20 Soft sensor offline dengan Matlab GUI Ketika pressure psi, temperature o F, flow outlet steam ft 3 s -1 serta untuk mass flow adalah lbs -1, dengan variabel input seperti itu maka hasil steam quality yaitu 58,4797 %.

21 Grafik perbandingan steam quality plan dan hasil simulasi Dari hasil perhitungan steam quality seperti yang di contohkan diatas dapat dilihat hasil perbandingan hasil steam quality data dengan hasil simulasi menggunakan softsensor tersebut Berikut ini merupakan grafik perbandingan dari simulasi tersebut dengan parameter pressure yang digunakan.

22 Pada grafik tersebut terlihat bahwa antara hasil steam quality pada plan dan steam quality yang terdapat dari hasil simulasi memiliki selisih yang sangat kecil. Sehingga hal ini dapat disimpulkan kalau memiliki nilai keakurasian yang baik. Akan tetapi terdapat satu hasil simulasi yang membuat grafik menjadi naik. Hal ini disebabkan untuk inputan nilai dari flow steam outlet yang diterima pada saat proses tersebut terlalu tinggi sehingga pada simulasi terjadilah kenaikan grafik,seperti yang terlihat diabawah ini. Sehingga dari grafik dapat diketahui nilai akurasi dari steam quality data dan steam quality hasil simulasi dengan menggunakan persamaan hasil dari jaringan syaraf tiruan dengan nilai akurasi sebesar 97.08%.

23 Kesimpulan Soft sensor steam quality dengan metode jaringan syaraf tiruan yang memiliki dua input, dua hidden layer, untuk hidden layer pertama yaitu 3 node dan hidden layer yang kedua yaitu 9 node serta memiliki dua output. Untuk perancangan soft sensor dengan menggunankan JST dapat menghasilkan nilai RMSE spesifik volum liquid (vf) dan spesifik volum evaporator (vfg) sedangkan nilai VAF vf % dan nilai VAF vfg 99,09 %. Softsensor offline dengan menggunakan Matlab dengan struktur model yang sudah melalui tahap identifikasi dengan menggunakan jaringan syaraf tiruan. Nilai keakurasian yang di dapat dalam perancangan softsensor steam quality yaitu %.

24 TERIMAKASIH