Hasil Pencarian  ::  Simpan CSV :: Kembali

"Dalam kehidupan sehari-hari jarang kita temui jaringan yang homogen tetapi lebih sering heterogen. Heterogenitas ini meliputi kecepatan, sistem operasi, dan bahkan arsitektur, kemudian juga jarang dalam satu satuan waktu teminal yang terhubung dalam jaringan dipakai hanya oleh satu user, tetapi dipakai oleh beberapa user hal ini mengakibatkan beban kerja yang tidak tetap Dalam keadaan seperti ini pola penjadwalan statis kurang bisa diandalkan karena beban kerja selama program paralel dijalankan tidak tetap tergantung beban yang diberikan user lain. Algoritma paralel yang dibuat termasuk jenis intuitive algorithm, berbasiskan PVM serta menerapkan pola penjadwalan dinamis. Keheterogenitasan dan beban kerja yang tidak tetap seperti disebutkan diatas dicoba diatasi dengan cara setiap terminal/host yang ada hanya diberikan satu task setiap satu satuan waktu atau dengan kata lain master sebagai program pengendali hanya akan menspawning program slave kembali ke host bila host tersebut sudah selesai mengerjakan task yang diberikan sebelumnya. Untuk melihat kinerja program yang dibuat dalam skripsi ini, maka diiakukkan pengukuran dengan jumlah dan besar task yang terus ditingkatkan sehingga dapat dilihat kecendrungan percepatan (speedup), overhead, dan efesiensi, serta jumlah pengedaan task oleh masing-masing terminal."

"ABSTRAKKolom destilasi merupakan salah satu unit operasi yang paling banyak digunakan di dunia industri dan memerlukan pengendalian proses yang lebih lanjut karena memiliki sistem multi input multi oputput (MIMO) atau sistem multivariable yang sulit untuk dikendalikan. Model predictive control (MPC) merupakan salah satu pengendali alternatif yang dikembangkan untuk mengatasi pengendalian yang memiliki sistem MIMO dengan interaksi diantara lup-lup yang dikendalikannya. Penelitian ini bertujuan untuk mendapatkan model dinamik dari pengendalian proses pada kolom destilasi menggunakan MPC serta mendapatkan kinerja pengendali MPC yang optimum. Pengendalian proses kolom desitlasi dilakukan dengan mensimulasikan model dinamik dari kolom destilasi pada perangkat lunak UNISIM R390.1. Proses optimasi dilakukan dengan tuning terhadap parameter-parameter pengendali MPC seperti sampling time (T=1-240 s), prediction horizon (P=1-400), dan control horizon (M=1-400). Hasil simulasi dari pengendalian dengan MPC selanjutnya akan diuji dan dibandingkan dengan hasil pengendalian PI, menggunakan parameter pengujian Integral Absolute Error (IAE). Pengendali MPC memberikan kinerja lebih baik dibandingkan dengan pengendali PI untuk range set point 0,95 sampai 0,94 pada komposisi produk destilate menggunakan model 1 yang dimodifikasi dengan IAE 0,0584 untuk pengendali MPC dan 0,0782 untuk IAE pengendali PI

---

AbstractDistillation columns are widely used in chemical industry as unit operation and required advance process control because it has multi input multi output (MIMO) or multivariable system, which is hard to be controlled. Model predictive control (MPC) is one of alternative controller develoved for MIMO system due to loops interaction to be controlled. This study aimed to obtain dynamic model of process control on a distillation column using MPC, and to get the optimum performance of MPC controller. Process control in distillation columns performed by simulating the dynamic models of distillation columns by UNISIM R390.1 software. The optimization process was carried out by tuning the MPC controller parameters such as sampling time ( t = 1 ? 240 s), prediction horizon (p = 1-400), and the control horizon (M=1-400). The comparison between the simulation result of MPC obtained with the simulation result of PI controller is presented and Integral Absolut Error (IAE) was used as comparison parameter. Then, result indicate that the performance of MPC is better then PI controller for set point range 0.95 to 0.94 on destillate product composition using a modified model 1 with IAE 0.0584 for MPC controller and 0.0782 for PI controller"

"Kolom destilasi merupakan salah satu unit operasi yang paling banyak digunakan di dunia industri dan memerlukan pengendalian proses yang lebih lanjut karena memiliki sistem multi input multi oputput (MIMO) atau sistem multivariable yang sulit untuk dikendalikan. Model predictive control (MPC) merupakan salah satu pengendali alternatif yang dikembangkan untuk mengatasi pengendalian yang memiliki sistem MIMO dengan interaksi diantara lup-lup yang dikendalikannya. Penelitian ini bertujuan untuk mendapatkan model dinamik dari pengendalian proses pada kolom destilasi menggunakan MPC serta mendapatkan kinerja pengendali MPC yang optimum. Pengendalian proses kolom desitlasi dilakukan dengan mensimulasikan model dinamik dari kolom destilasi pada perangkat lunak UNISIM R390.1. Proses optimasi dilakukan dengan tuning terhadap parameter-parameter pengendali MPC seperti sampling time (T=1-240 s), prediction horizon (P=1-400), dan control horizon (M=1-400). Hasil simulasi dari pengendalian dengan MPC selanjutnya akan diuji dan dibandingkan dengan hasil pengendalian PI, menggunakan parameter pengujian Integral Absolute Error (IAE). Pengendali MPC memberikan kinerja lebih baik dibandingkan dengan pengendali PI untuk range set point 0,95 sampai 0,94 pada komposisi produk destilate menggunakan model 1 yang dimodifikasi dengan IAE 0,0584 untuk pengendali MPC dan 0,0782 untuk IAE pengendali PIDistillation columns are widely used in chemical industry as unit operation and required advance process control because it has multi input multi output (MIMO) or multivariable system, which is hard to be controlled. Model predictive control (MPC) is one of alternative controller develoved for MIMO system due to loops interaction to be controlled. This study aimed to obtain dynamic model of process control on a distillation column using MPC, and to get the optimum performance of MPC controller. Process control in distillation columns performed by simulating the dynamic models of distillation columns by UNISIM R390.1 software. The optimization process was carried out by tuning the MPC controller parameters such as sampling time ( t = 1 ? 240 s), prediction horizon (p = 1-400), and the control horizon (M=1-400). The comparison between the simulation result of MPC obtained with the simulation result of PI controller is presented and Integral Absolut Error (IAE) was used as comparison parameter. Then, result indicate that the performance of MPC is better then PI controller for set point range 0.95 to 0.94 on destillate product composition using a modified model 1 with IAE 0.0584 for MPC controller and 0.0782 for PI controller."

"Perhitungan titik kritis secara langsung untuk campuran komponen jamak menurut metode Heidemann dan Khalil yang didasarkan pada persamaan keadaan seperti Soave-Redlich-Kwong (SRK) dan Peng-Robinson (PR) telah diaplikasikan untuk berbagai campuran fluida. Dibandingkan dengan metode empiris dan metode tak langsung, metode ini mempunyai kelebihan di mana titik kritis dapat diperoleh secara langsung tanpa menghitung garis titik embun dan garis titik didih seperti yang dilakukan oleh metode tak langsung yang digunakan oleh sebagian besar simulator proses komersial yang ada saat ini. Metode ini yang didasarkan pada turunan parsial kedua dan ketiga untuk energi bebas Helmholtz terhadap jumlah mol masing-masing komponen, menunjukkan hasil yang memuaskan dalam mendapatkan titik kritis campuran fluida komponen jamak. Perbandingan hasil perhitungan dengan data eksperimental untuk tiga puluh dua campuran fluida non-polar adalah dari sekitar 1.27% sampai 2.32%, campuran fluida polar dan non-polar adalah dari sekitar 0.74 % sampai 2.3%.

---

Critical points calculation for multi-component mixtures according to Heidemann and Khalil method based on Equation of State such as Soave-Redlich-Kwong (SRK) and Peng-Robinson (PR) has been implemented. In comparison to empirical and indirect methods, show that this method has many features that is critical points can directly be obtained without calculation of dew points and bubble points of the phase envelope diagram which is affected by mostly commercial process simulators. This method is based on second and third partial derivatives of the Helmholtz free energy with respect to the mole numbers show that this method has excellence results. The comparison between the calculation results and experimental data for thirty two non-polar mixtures is from about 1.27% to about 2.23% and for polar and non-polar mixture is about 0.74% to about 2.3%."

"Salah satu metode analisa kegagalan proses pembuatan suatu produk dalam aktifitas manufaktur ada lab metode FMEA (Failure Mode and Effect Analysis), Tujuan penerapan FMEA adalah untuk mengidentifikasi, mengevaluasi, meminimalkan ataupun menghilangkan potensi kegagalan yang sangat berpengaruh dalam kualitas dan produktifitas yang berkelanjutan. membuat urutan priorltas pennasalahan kegagalan dan menentuk:an tindakan koreksi yang tepat agar didapatkan kualitas produk yang tinggi dan pemenuhan kepuasan pelanggan. Mengingat pentingnya metode analisa kegagalan dan pengaruhnya (FMEA) ini maka perlu dilak:ukan perencanaan dan dokumentasi yang baik dengan mengacu pada standar QS9000 dan tinjauan (revie1v) yang berkelanjutan. Dengan penerapan FMEA, khususnya Wltuk proses permesinan komponen propeller shaft ini, dapat diketahui potensi kegagalan, pengaruh, penyebab, dan membuat suatu prioritas permasalahan berdasarkan tingkat resiko kegagalan dan melakukan tindakan pencegahan dan peninjauan yang berkelanjutan.

---

One of several methode to analize failure is using an FME'A (Failure Mode and Effect Analysis )methode. An FMEA is described as a aystematic activities to recognize and evaluate potential failure of a process/product and its effect, to identify actions that could eliminate or reduce the occuring of failure, and decide an effective corroctive actions as it must done to reach maximum quality and satisfy the customer needs. As it is veJy important so tl!at aU the FMEA documents must be planned and documented reffer to standard manual QS9000. Understanding of FMEA specially in case of machfm'ng process of propeller shaft parts it can be use to make a problem:; priority list base on tisk priority level so thai a contimms improvement and review can be done to support the activities of FMEA in manufacturing/machining process."

"ABSTRAKPengaturan dan kesetimbangan temperatur merupakan suatu masalah yang unik, sebab di dalamnya terdapat dua atau lebih indikasi temperatur yang berbeda, bekerja serentak dalam satu media pada sebuah sistem. Hal-hal pengaturan dan kesetimbangan temperatnr sangat berguna terutama bila kita ingin mendinginkan suatu fluida dengan fraksi tertentu yang sangat sulit dilakukan jika hanya menggunakan proses pendinginan saja atau proses pemanasan saja Kejadian seperti ii bisa dialami oleh suatu sistem pengatur temperatur dengan range suhu yang cukup besar tempi hanya bekenja dengan satu proses saja.Salah sam alat pengaturan temperatur yang menghasilkan range suhu tertentu dengan prinsip-prinsip lcesetimbangan adalah Mesin Pendingin untuk Dsstilasi. Mesin Pendjngin untuk Destilasi bekerja berdasarkan dua proses secara screntak, yaitu proses refrigerasi dan proses pemanasan media sehinggga mendapatkan range suhu media yang tenentu.Range suhu yang dihasilkan adalah 20° C sarnpai dengan 25° C pada flow rate 10 lfmin sampai 20 I/min (0,2 kg/s sampai 0,3 kg/s). Daya kompresor yang digunakan 0,1 PK (74,57 W), dan menggunakan lat pendingin R-134a. Evaporator yang digunakan adalah jenis tabung dan koil dimana koil pendingin berada disebelah luar. Pemanas lis11'ik yang digunakan adalah sistem Qelup berkapasitas 350 Watt (220 V) yang diatur oleh termo-switch sehingga akan dihasilkan temperatur tertentu. Kondensorjenis koil dengan panjang 6,5 m yang berguna untuk mendinginkan refrigeran dengan proses konveksi alarniah.Dengan mengingat kapasitas, kompresor dan suhu tertentu, alat ini sesuai untuk digunakan sebagai pemasok air untuk destilasi di laboratorium."