Perancangan dan Implementasi Pengaturan Kecepatan Motor Tiga Fasa Pada Mesin Sentrifugal dengan Menggunakan Kontroler Logika Fuzzy

Transkripsi

1 JURNAL TEKNIK POMITS Vol. 2, No. 3, (2014) Perancangan dan Implementasi Pengaturan Kecepatan Motor Tiga Fasa Pada Mesin Sentrifugal dengan Menggunakan Kontroler Logika Fuzzy Marendra Kurniawan, Josaphat Pramudijanto, dan Eka Iskandar Teknik Elektro, Fakultas Teknologi Industri, Institut Teknologi Sepuluh Nopember (ITS) Jl. Arief Rahman Hakim, Surabaya marendra007@gmail.com, jos@elect-eng.its.ac.id, iskandar@elect-eng.its.ac.id Abstrak Motor induksi 3 fasa banyak digunakan di industri, salah satunya pada industri pabrik gula. Di industri pabrik gula motor industri 3 fasa banyak digunakan pada mesin sentrifugal. Mesin ini digunakan pada proses pemisahan cairan massacuite dan strup hingga didapat kristal gula. Pada proses tersebut terjadi perubahan beban oleh karena itu pada siklus kecepatannya mengalami proses Charging, Spinning dan Discharging. Pengaturan kecepatan motor induksi masih dilakukan secara manual yaitu dengan merubah posisi puli atau ukuran poros dari mesin sentrifugal. Pengaturan dengan metode ini mengakibatkan kecepatan motor akan sulit dikendalikan sesuai dengan yang diharapkan. Pengaturan kecepatan yang tidak tepat juga dapat mengakibatkan hasil produksi gula yang kurang maksimal. Oleh karena itu dibutuhkan metode kontrol untuk mempertahankan kecepatan motor bila terjadi pertambahan beban saat mengalami proses charging, spinning dan discharging. Kontroler yang digunakan adalah Kontroler Logika Fuzzy (KLF). Pada simulasi menggunakan KLF dan kontroler PID serta implementasi menggunakan kontroler PID memiliki rara-rata error steady state saat proses charging, spinning dan discharging sebesar ±0,1% dan ±1,14%. Sehingga Tugas Akhir ini dapat membantu meningkatkan efisiensi mesin sentrifugal pada pabrik gula. Kata Kunci Motor Induksi 3 Fasa, Mesin Sentrifugal, Fuzzy, PLC Mitsubishi Q-series. M I. PENDAHULUAN esin sentrifugal adalah mesin yang menggunakan prinsip gaya sentrifugal. Mesin ini biasanya digunakan pada proses di industri yang pada proses pembuatan produk menggunakan reaksi kimia, contohnya pada industri gula digunakan sebagai pemisah cairan massecuite dengan strup agar didapat kristal gula [1]. Oleh karena itu, mesin sentrifugal banyak ditemui pada Pabrik Gula yang ada di Indonesia. Pentingnya pemanfaatan mesin sentrifugal ini membutuhkan proses pengaturan kecepatan yang sesuai yaitu proses charging, spinning dan discharging[2]. Pengaturan kecepatan yang ada masih dilakukan secara manual yaitu dengan merubah posisi puli atau ukuran poros dari mesin sentrifugal. Pengaturan dengan metode ini mengakibatkan kecepatan yang akan sulit dikendalikan sesuai dengan yang diharapkan. Pengaturan kecepatan yang tidak tepat juga dapat mengakibatkan hasil produksi gula yang kurang maksimal. Oleh karena itu dibutuhkan metode kontrol untuk mempertahankan kecepatan motor bila terjadi pertambahan beban saat mengalami proses charging, spinning dan discharging. Melalui Tugas Akhir yang berjudul Perancangan. dan Implementasi Pengaturan Kecepatan Motor Tiga Fasa Pada Mesin Sentrifugal Menggunakan Kontroler Logika Fuzzy (KLF) diharap dapat menjadi referensi untuk menangani masalah pengaturan kecepatan motor pada mesin sentrifugal ini secara baik. Selain itu juga dapat membantu meningkatkan efisiensi mesin sentrifugal.. II. DISKRIPSI PERMASALAHAN Motor induksi tiga fasa banyak digunakan pada berbagai proses produksi di industri karena motor induksi memiliki konstruksi yang kuat, sederhana, handal, serta berbiaya murah. Motor induksi tiga fasa juga memiliki efisiensi yang tinggi saat berbeban penuh dan tidak membutuhkan perawatan yang banyak. Akan tetapi, jika dibandingkan dengan motor DC, motor induksi masih memiliki kelemahan dalam hal pengaturan kecepatan, dimana pada motor induksi pengaturan kecepatan sangat sulit untuk dilakukan[3]. Pada Tugas Akhir ini penggerak mesin sentrifugal yang digunakan motor induksi tiga fasa. [4]. Gambar 1. Lintasan Tracking Kecepatan Mesin Sentrifugal Pengaturan kecepatan motor induksi yang relatif sulit untuk di kendalikan Sehingga dibutuhkan Kontroler yang bisa membuat kecepatan motor tetap stabil walaupun diberi beban yang besar. Selain itu pada kasus mesin sentrifugal kecepatan motor harus mengikuti tracking yang telah ditentukan karena

2 JURNAL TEKNIK POMITS Vol. 2, No. 3, (2014) 1-6 jika kecepatan dari motor tidak bisa mengikuti tracking maka kualitas gula juga tidak akan sesuai yang diharapkan.[5][6][7] Beberapa Pabrik Gula sudah menggunakan PLC dalam melakukan kontrol kecepatan dari mesin sentrifugal untuk mengatasi permasalahan tersebut, biasanya menggunakan algoritma kontrol yang sederhana yaitu dengan mengganti setpoint dari kecepatan motor dengan timer[8][9]. Penggunaan timer sebagai algoritma kontrol dari mesin sentrifugal tentunya kecepatan motor tidak akan sesuai dengan yang telah ditentukan karena terdapat error steady state. Sehingga dibutuhkan kontroler yang dapat mengatasi permasalahan tracking dimana setpoint yang diinginkann dapat tercapai seperti pada Gambar 1 dan sistem dapat stabil terhadap beban yang diputar. Untuk mengatasi permasalahan yang terjadi, maka dirancang Kontroler Logika Fuzzy sehingga kecepatan motor dapat mengikuti tracking yang telah ditentukan. III. PERANCANGAN SISTEM Secara umum alur proses dari pengaturan n kecepatan motor induksi tiga fasa menggunakan Kontrolerr Logika Fuzzy dengan PLC dapat dilihat pada Gambar 1 untuk memonitoring nilai Setpoint, Present Value dan fuzzy menggunakan software GT Desaigner3. Dan untuk Kontroler Logika Fuzzy ditanamkan kedalam Programable Logic Controller yang akan digunakan untuk mengatur kecepatan motor induksi, dari Programable Logic Controller menggunakan modul DAC (Q62DA) dan juga non-inverting amplifier untuk memberikan sinyal kontrol ke inverter yang nantinya akan memutar motor induksi tiga fasa. Dari motor induksi kemudian ada umpan balik melalui rotary encoder masuk ke ke modul high speed counter (QD62) yang pada akhirnya akan masuk dan diolah datanya oleh PLC. Gambar 1 memperlihatkan diagram blok sistem secara keseluruhan. 2 input, digital output, analog input, high speed counter, dan modul base plate. Spesifikasi dari modul-modul yang digunakan adalah sebagai berikut: 1. Power supply (Q61P): masukan power supply ( VAC), keluaran 5VDC (6A). 2. CPU (Q02HCPU): kapasitas program (28 kstep), kecepatan pemrosesan (0,034 μsec), tipe memori (standar ROM). 3. Digital input (QX42): terdiri dari 64 point, 32 point dan 32 common, dengan tegangan 24VDC input (4mA), dan tipe pengkabelanya menggunakan sink type. 4. Digital output (QY42P): terdiri dari 64 point, 32 point dan 32 common, dengan tegangan 12 to 24 VDC, Dan sudah didukung dengan perlindungan termal dan short sirkuit serta tegangan kejut. 5. Analog Input (Q64AD): total channel analog (4 ch), range konversi dari analog ke digital adalah 0 5 VDC linier dengan nilai digital High Speed Counter (A1SD61): membutuhkan supply 24VDC dan dapat mengolah sinyal pulsa A dan B. Bahasa pemrograman yang digunakan adalah ladder. Software yang digunakan untuk pemrograman PLC adalah software integrasi berbasis windows tipe GX Work2 versi 1.77F. SP Kontroler Logika Fuzzy Inverter Plant Mesin Sentrifugal Output PLC Modul High Rotary Encoder Speed Counter Gambar 2. Blok Fungsional Sistem Gambar 3. Perancangan I/O Modul PLC[10] Bahasa pemrograman yang digunakan adalah ladder. Software yang digunakan untuk pemrograman PLC adalah software integrasi berbasis windows tipe GX Work2 versi 1.77F. A. Programable Logic Controller[11],[12] PLC (Programable Logic Controller) ) adalah sistem elektronik yang beroperasi secara digital dan didisain untuk pemakaian di lingkungan industri, dimana sistem ini menggunakan memori yang dapat diprogram untuk penyimpanan secara internal instruksi-instruksi yang mengimplementasikan fungsi-fungsi spesifik seperti logika, urutan, perwaktuan, pencacahan dan operasi aritmatik untuk mengontrol mesin atau proses melalui modul-modul I/O digital maupun analog. Dimana PLC Mitsubishi Q-Series akan digunakan sebagai controller pada penelitian ini. Pada Gambar 3 komponen pada modul controller terdiri dari enam modul, yaitu: modul power suplay, CPU, digital B. Mesin Sentrifugal Identifikasi Merupakan proses yang cukup penting dalam Mesin sentrifugal yang digunakan pada Tugas Akhir ini adalah mesin yang digunakan pada Tugas Akhir sebelumnya. Namun mesin sentrifugal yang digunakan telah dimodifikasi dengan mengganti tachogenerator dengan rotary encoder, dan pemberian roda pada kaki-kaki penopang mesin. Mesin yang dibuat berbahan stainlis dan berbentuk tabung. Didalam mesin ini terdapat tabung stailis berukuran lebih kecil dari tabung luar dan memiliki lubang-lubang kecil. Kemudian terdapat saluran untuk keluarnya air dari proses sentrifugal. Berikut ini mesin sentrifugal yang telah dibuat dan digunakan pada Tugas Akhir yang ditunjukkan pada Gambar 4.

3 JURNAL TEKNIK POMITS Vol. 2, No. 3, (2014) Semua komponen perangkat keras digabungkan dalam satu tempat yaitu panel kontrol dimana didalam panel kontrol (Gambar 4) terdapat rangkaian non-inverting op-amp, inverter, power supply, wiring rotary encoder, pilot lamp, saklar, emergency button dan pushbutton. Dari panel kontrol ini mesin sentrifugal dioperasikan dengan menggunakan saklar dan pushbutton dimana juga dapat dilihat besarnya nilai frekuensi yang bekerja pada motor tiga fasa. 3,4636 Volt. Hasil respon plant yang terbaca oleh rotary encoder akan ditampilkan di perangkat display PLC. Data kecepatan juga dan disimpan oleh microsoft excel melalui bantuan Mx Sheet dan Mx Component dengan time sampling yang digunakan sebesar 0,1 detik. Perhitungan dalam menentukan pendekatan model matematika dengan metode Sundaresan & Krishnaswamy adalah sebagai berikut: 1. Menentukan nilai K yang didapatkan dari pembagian nilai Y ss dengan X ss (Y ss = 895rpm; X ss = 799 rpm ). = =, (1) 2. Pada grafik respon didapatkan waktu saat respon mencapai 35,3% dari nilai Y ss (t 35,5 = 2,75) dan 85,3% dari nilai Y ss (t 85,3 = 6,45). 3. Menentukan nilai T dsk dan τ. = 1,3 t 35,3 0,29 t 85,3 = 1,7 (2) = 0,67 (t 85,3 t 35,3 )= 2,48 (3) 4. Model matematik untuk metode Sundaresan & Krishnaswamy adalah : ( ) =,, (4) Gambar 4. Mesin Sentrifugal dan Panel Kontrol Pilot lamp yang dipasang pada panel kontrol ada tiga buah dimana lampu berwarna merah menandakan bahwa sistem non-aktif, warna hijau menandakan bahwa sistem sudah siap untuk dioperasikan dengan menggunakan kontroler dan marna merah gelap menandakan tanda bahaya. Pada panel kontrol juga terdapat dua buah pushbutton dan sebuah saklar emergency dimana saklar berfungsi untuk menonaktifkan mesin secara keseluruhan sedangkan pushbutton berguna untuk mengoperasikan mesin dan menon-aktifkan secara lokal. D. Perancangan Kontroler Logika Fuzzy Fungsi keanggotaan masukan terdiri dari nilai error dan delta error. Nilai error dan delta error didapat dari analisa respon plant.kemudian diperoleh nilai maksimum dan nilai minimum dari data analisa respon plant. Dari data perhitungan nilai error dan delta error diperoleh nilai -0,5 sampai +0,5 dan -0,05 sampai +0,05. Nilai error dan data error ternormalisasi K e sebesar 2 dan data error ternormalisasi K de sebesar 20. Nilai linguistik dari fungsi keanggotaan fuzzy didefinisikan dengan angka 1, 2, dan 3. Untuk nilai 1 Negatif (N), nilai 2 Zero (Z), nilai 3 Positif (P). Fungsi keanggotaan error dan delta error ditunjukkan pada Gambar 3.5. dan 3.6..C. Identifikasi Sistem [11] Identifikasi sistem diperlukan untuk mendapatkan model matematika motor induksi tiga fasa. Pada Tugas Akhir ini, identifikasi dilakukan adalah identifikasi statis dengan melihat keluaran respon berupa kecepatan terhadap referensi yang Tabel 1 Validasi Model Matematika dari Kelima Metode No Metode Model Matematika ISE 1. Viteckova 1 st Order 2. Viteckova 2 nd Order 3. Latzel 4. Strejc 1,34 s + 1 e, 0,1716 0,74 s + 1,72 s + 1 e, 0, ,55 s + 9,498s + 1 e, 0,7407 6,12 s + 1 e, 0, Sundaresan & Krishnaswamy 2,47 s + 1 e, 0,0459 diberikan. Sinyal uji step diberikan melalui PLC Mitsubishi dengan member nilai setpoint sebesar 800 rpm atau Gambar 5. Fungsi Keanggotaan Fuzzy Gambar 6. Fungsi Keanggotaan Fuzzy (Ternormalisasi) Fungsi keanggotaan keluaran fuzzy tipe PD ini dipilih range dari -3,4636 sampai 3,4636. Nilai linguistik dari fungsi keanggotaan fuzzy didefinisikan dengan K (Kecil), S (Sedang),

4 JURNAL TEKNIK POMITS Vol. 2, No. 3, (2014) dan B (Besar) Fungsi keanggotaan keluaran fuzzy seperti Gambar 3.7. Gambar 7. Fungsi Keanggotaan Keluaran Fuzzy Perancangan basis aturan untuk kontroler fuzzy diperlukan agar kontroler fuzzy dapat bekerja pada plant. Berdasarkan fungsi keanggotaan masukan berupa error dan delta error serta keluaran berupa sinyal kontrol, terdapat 9 basis aturan yang akan disusun berdasarkan Tabel Mark Vicar Whelan. Basis aturan berdasarkan Mark Vicar Whelan ditunjukkan pada Tabel 2. Error Error Tabel 2 Basis Aturan N Z P N K K S Z K S B P S B B Dari basis aturan seperti pada tabel dapat disusun aturan Fuzzy seperti berikut: Jika error=n dan delta error=n, maka sinyal kontrol=k Jika error=n dan delta error=z, maka sinyal kontrol=k Jika error=n dan delta error=p, maka sinyal kontrol= S Jika error=z dan delta error=n, maka sinyal kontrol=k Jika error=z dan delta error=z, maka sinyalkontrol=s Jika error=z dan delta error=p, maka sinyal kontrol B Jika error=p dan delta error= N, maka sinyal kontrol=s Jika error=n dan delta error=z, maka sinyal kontrol=b Jika error=n dan delta error=z, maka sinyal kontrol=b Metode inferensi fuzzy yang digunakan ialah metode Mamdani dengan persamaan berikut: u ( k) max ( k), min ( j), ( i) u Defuzzifikasi digunakan untuk mengubah hasil dari inferensi fuzzy menjadi variabel nyata, atau diubah menjadi nilai nyata yang berupa nilai tunggal. Metode defuzifikasi yang digunakan mengguanakan fuzzy Mamdani. Defuzifikasi untuk mendapatkan nilai sinyal kontrol yang digunakan. Metode yang digunakan untuk defuzzifikasi yaitu Center of Area (COA). U m u ( T ) k 1 ( u ( T )) e ( T )) k u k k 1 0 u U ( T m ( u k k E. Perancangan Kontroler PID Kontroler PID merupakan kontroler proporsional ditambah integral dan ditambah dengan differensial. Langkah-langkah desain kontroler PID: 1. Dari Identifikasi sistem secara statis saat beban nominal dengan kecepatan 200 rpm diperoleh model matematika sebagai berikut: = de ) (6) (5) 1,02 (0, , ) 2. Menentukan spesifikasi performansi respon orde pertama yang diinginkan dengan = detik. 3. Mencari K p, τ i, dan τ d =, (7) = 1 0,0544 = 4,29 =, (8) = 0,2333 ± % = (9) = 5 3 = (10) = 0,1087 = (11) = 0,49957 = (12) 2 0,2333 = 5 4,29 1,02 3 = 0,06389 Hasil dari penentuan nilai,, dan, Kemudian dimasukkan kedalam program Matlab untuk simulasi dan program GxWork untuk implementasi.

5 JURNAL TEKNIK POMITS Vol. 2, No. 3, (2014) IV. SIMULASI DAN IMPLEMENTASI Simulasi kontroler logika fuzzy dilakukan dengan refrensi tracking dengan 200,300, dan 800 rpm. Blok simulink kontroler logika fuzzy ditunjukkan pada Gambar 8. Gambar 8. Blok Simulink Kontroler Logika Fuzzy pada Plant Mesin Sentrifugal dengan Referensi Tracking Untuk simulasi dengan referensi tracking ditunjukkan pada Gambar 9. Gambar 10. Hasil Simulasi Kontroler PID pada Referensi Tracking Dari hasil analisa error steady stade pada simulasi, diperoleh nilai rata-rata dari error steady state saat charging, spinning, dan discharging sebesar ± 0,1%. Metode perhitungan kontroler PID menggunakan trial and error, dimana penentuan nilai,, dan mencoba-coba untuk meminimalisirkan overshoot. Dari nilai tersebut ditanamkan keprogram PLC. Gambar 9. Hasil Simulasi pada Referensi Tracking Dari hasil analisa error steady state pada simulasi, diperoleh nilai rata-rata dari error steady state saat charging, spinning, dan discharging sebesar ± 0,1%. Simulasi kontroler PID dilakukan dengan refrensi referensi tracking. Referensi tracking dengan 200,300, dan 800 rpm. Blok simulink dan hasil simulasi kontroler PID menggunakan Matlab ditunjukkan pada Gambar 10 dan 11. Gambar 10. Blok Simulink Kontroler PID Gambar 12. Implementasi dengan Kontroler PID Pada Dari implementasi kontroler PID dapat memiliki error steady state yang hampir mendekati nilai error steady state pada simulasi. Hal ini menunjukkan bahwa kontroler PID memiliki kehandalan kontroler yang dapat mempertahankan nilai referensi. Nilai referensi pada karakteristik kerja mesin sentrifugal yaitu 300 rpm, 800 rpm dan 200 rpm. Dari ketiga referensi itu diperoleh rata-rata error steady state sebesar 1,14%. V. KESIMPULAN DAN SARAN Berdasarkan data hasil simulasi kontroler fuzzy dan implementasi kontroler PID pada Tugas Akhir ini diperoleh beberapa kesimpulan dan saran sebagai berikut: 1. Dari hasil analisa error steady stade pada simulasi dengan kontroler logika fuzzy, dan kontroler PID, diperoleh nilai rata-rata dari error steady state saat charging, spinning, dan discharging sebesar ± 0,1%.

6 JURNAL TEKNIK POMITS Vol. 2, No. 3, (2014) Dari hasil analisa error steady stade pada implementasi dengan kontroler PID, diperoleh nilai rata-rata dari error steady state saat charging, spinning, dan discharging sebesar ± 1,14%. 3. Pada simulasi kontroler logika fuzzy dan kontroler PID serta implementasi kontroler PID dapat mengikuti karakteristik kerja kurva saat charging, spinning, dan discharging dengan error steady state yang tidak jauh berbeda dengan referensi yang diberikan. 4. Penelitian selanjutnya membutuhkan sensor pengukuran untuk beban massa gula pada mesin sentrifugal agar penelitian seanjutnya lebih baik. DAFTAR PUSTAKA [1] Kasal, A., PT. Yuda Esa Sempurna Sejahtera (PT.YESS), PT. Yuda Esa Sempurna Sejahtera (PT.YESS): yudaesa.com, 25 Januari [2] Hidayah Fahmi, Nafisah Durrotun, Desain Pengaturan Motor 3 Fasa Star-Delta, Kerja Praktek, JTE-ITS, Surabaya, [3] Karsino, Sistem Pengaturan Kecepatan Motor Induksi 3 Fasa dengan Kontroler PID Menggunakan Mikrokontroler 8031, Tesis, JTE-ITS, Surabaya, 2007 [4] Mudia Halim, Perancangan dan Implementasi PID Adaptif pada Pengaturan Kecepatan Motor Induksi 3 Fasa, Tugas Akhir, JTE-ITS, Surabaya, [5] Alfiyan Rizki Matra, Perancangan dan Implementasi Pengaturan Kecepatan Motor Induksi 3 Fasa Menggunakan Kontroler PID Fuzzy dengan PLC, Tugas Akhir, JTE-ITS, Surabaya, [6] Yudistira Adityo, Hidayah Fahmi, Monitoring Mesin Press pada Industri Karoseri Menggunakan PLC, Tugas Akhir, Program D3 Teknik Elektro ITS, Surabaya, [7] Ljung, Lenart; Torkel, Glad. Modeling of Dynamic Systems, Prentice Hall International: New Jersey [8] Ing. Pavel Jakoubek, Experimental Identification of Stabile Nonoscillatory Systems from Step-Responses by Selected Methods, Konference Students kétvůrčíčinnosti, [9] Ogata, Katsuhiko, Modern Control Engineering, Prentice Hall International [10] Setyanigrum, Dinar, Desain dan Implementasi Model Reference Adaptif Control Untuk Pengaturan Tracking Optimal Posisi Motor DC, Tugas Akhir, JTE-ITS, Surabaya, [11] Naidu, DesineniSubbaram. Optimal Control System. CRC Press: New York, [12] Lewis, Frank L.; Syrmos, Vassilis L. Optimal Control. John Wiley & Sons, Inc., UCAPAN TERIMA KASIH Ucapan terima kasih ditujukan kepada teman-teman partner kerja tugas akhir ini Arwanjer Semit, Ovi Candra, Yoki Permana, dan Rizqah Yunita selama pengerjaan tugas akhir ini di Laboratorium PLC D3 Teknik Elektro FTI ITS. Berikut Link alamat video di Youtube : RIWAYAT HIDUP Marendra Kurniawan lahir di Sidoarjo pada tanggal 26 September Penulis merupakan anak kedua dari pasangan Bambang Djojo Kusumo dan Kurniasih. Setelah lulus dari SMAN 1 Sidoarjo pada tahun 2009, penulis melanjutkan studi di Program Studi Diploma III Jurusan Teknik Elektro Institut Teknologi Sepuluh Nopember (ITS). Pada tahun 2012 terdaftar sebagai mahasiswa lintas jalur Genap Institut Teknologi Sepuluh Nopember (ITS), Jurusan Teknik Elektro dengan Bidang Studi Teknik Sistem Pengaturan. Penulis selama menempuh studi aktif dalam kompetisi ilmiah tingkat nasional seperti PIMNAS. Penulis mengikuti seminar dan ujian Tugas Akhir di Bidang Studi Teknik Sistem Pengaturan, Jurusan Teknik Elektro, ITS Surabaya sebagai salah satu persyaratan untuk memperoleh gelar Sarjana Teknik Elektro. penulis adalah marendra007@gmail.com. Nomer telepon genggam (Hand Phone) ialah