Hasil Pencarian  ::  Simpan CSV :: Kembali

"Sistem tata udara presisi merupakan sistem multivariabel yang mempunyai beberapa masukan dan keluaran (MIMO). Hal ini menyebabkan mencari model fisik dari sistem ini menjadi relatif sulit. Sehingga diperlukan identifikasi sistem yang bersifat black box. Selain itu, dibutuhkan identifikasi model yang bersifat adaptif, sehingga model yang didapat lebih baik dalam merepresentasikan sistem tata udara presisi. Identifikasi model ruang keadaan multivariabel pada sistem tata udara presisi dilakukan dengan menggunakan metode 4SID. Sistem tata udara presisi direpresentasikan dalam model linear dan sistem tidak linear. Model linear didapat dari model ruang keadaan, sedangkan sistem tidak linear didapat dari persamaan matematis sistem tersebut. Metode 4SID yang digunakan adalah MOESP rekursif dan PO-MOESP rekursif. Setelah didapat model ruang keadaan menggunakan kedua metode tersebut, selanjutnya dilakukan tes validasi dari model ruang keadaan yang didapat. Parameter yang digunakan untuk mengetahui tingkat validasi identifikasi adalah menggunakan nilai kesalahan (Jee). Selain itu, pada penelitian ini juga dituliskan hasil identifikasi model ruang keadaan menggunakan metode linearisasi dan N4SID offline. Hasil identifikasi secara offline yang terbaik dari model linear yang dilakukan adalah menggunakan metode N4SID. Untuk identifikasi secara rekursif, metode MOESP rekursif dan PO-MOESP rekursif pada penelitian ini belum dapat merepresentasikan sistem tidak linear. Metode-metode identifikasi rekursif ini relatif baik dalam mengidentifikasi model tidak linear dari sistem tata udara presisi berdasarkan nilai kesalahan (Jee). Pada penelitian ini, MOESP rekursif untuk identifikasi model linear menghasilkan model yang lebih baik disbanding PO-MOESP rekursif berdasarkan nilai kesalahan (Jee) juga.

---

Precision Air Conditioning System is a multivariable system with multi input and multi output (MIMO). It makes difficult to find out physical model of this system. Therefore, it is necessary to identify system using black box model. Besides, it is also necessary to identify model adaptively, so that it could represent the system better.

Identification of multivariable state space model in precision air conditioning system uses 4SID method. PAC system is represented by linear model and nonlinear system. Linear model of PAC is formed by state space model, and nonlinear system is formed by mathematical modeling of such system. 4SID methods that used are recursive MOESP and recursive PO-MOESP. After state space model is formed, the state space model is validated. Parameter that used for this validation is lost function (Jee). In this research, there are also identifications of state space model using linearization method and offline N4SID method.

The best result of offline identification of linear model in this research is N4SID method. In recursive identification, recursive MOESP and recursive PO-MOESP could not represent nonlinear system well. These recursive algorithms could represent linear model well based on criterion of lost function (Jee). In this research, the result of recursive MOESP identification is better than recursive PO-MOESP based on criterion of lost function (Jee) also."

"Suasana lingkungan kerja yang nyaman sangat mendukung kelancaran aktivilas kerja Oleh karena itu diperlukan perancanaan sistem Air Conditioning (AC) yang baik. Dalam merencanakan sistem pendinginan udara pada salah satu gedung perkantoran milik PT X ini, sistem penyegar udara yang digunakan adalah penyegar udara sentral. Pada sistem ini yang bersirkulasi dari mesin pendingin keruangan yang didinginkan adalah udara (All Air System). Udara dingin dari mesin penyegar udara dapa! dimasukkan langsung ke dalam ruangan, atau dialirkan melalui saluran udara. Untuk merencanakan pengkondisian udara suatu gedung, perencana akan menaksir dahulu berapa besar pendinginan dalam gedung ini. Setelah diketallui besarnya beban pendinginan, baru dapat dilakukan pemilihan terhadap peralalan pendingin yang diperlukan untuk mengkondisikan udara didalam gedung ini. Dalam menghitung beban pendinginan gedung ini, diperlukan peninjauan yang akurat terhadap komponen-komponen beban didalam ruangan yang akan dikondisikan udaranya serta diperlukan juga gambar-gambar yang berhubungan dengan mekanikal gedung dan denab ruangan. Selanjutnya dilakukan perhitungan untuk meodapatkan harga beban pendinginannya. Adapun banyaknya tahap perhitungan tergantung dari jumlah aspekaspak. yang diperhitungkan, dan pada akhirnya harga beban pendinginan masingmasing ruang tersebut akan dijurnlahkan untuk mendapatkan harga beban pendinginan total dari gedung ini,"

"Penelitian ini berfokus pada perancangan pengendali Adaptive Model Predictive Control (MPC) atau MPC Adaptif pada sistem tata udara presisi atau Precision Air Conditioning (PAC) untuk mengendalikan termperatur dan kelembapan relatif, keluaran PAC tersebut, agar sesuai dengan yang diinginkan. PAC yang dikendalikan ini akan digunakan sebagai pendingin kabinet-kabinet yang ada di ruang pusat data (data center) sebuah perusahan telekomunkasi. Untuk itu, diharapkan keluaran dari PAC yang sudah dikendalikan berada pada kisaran 20°C hingga 22°C untuk temperaturnya dan 40% - 55% untuk kelembapan relatif (RH)-nya. Namun, penelitian ini masih pada tahap perancangan pengendali untuk temperatur saja. Pengendali MPC Adaptif yang dirancang adalah pengendali MPC dengan constraint yang memanfaatkan identifikasi rekursif. Dengan demikian, masukan MPC berupa parameter ruang keadaan akan di-update secara rekursif melalui tahap identifikasi sehingga mampu menghasilkan nilai keluaran sistem yang lebih baik untuk setiap updateannya. Identifikasi yang dilakukan adalah menggunakan algoritma PO-MOESP rekursif. Adapun pengendali MPC Adaptif yang dirancang masih menggunakan model SISO (single input single output), dimana hanya masukan kompresor dan keluaran temperatur yang diukur, sementara masukan kipas dijaga konstan dan keluaran kelembapan relatifnya diabaikan. Sebelum MPC Adaptif diterapkan, terlebih dahulu dirancang pengendali MPC dengan constraint untuk identifikasi offline, dan apabila hasil keluarannya sudah sesuai dengan yang diinginkan, maka pengendali MPC tersebut akan digabungkan dengan identifikasi rekursif. Pengendali MPC Adaptif yang dirancang masih menggunakan m-file. Akan tetapi, program m-file ini bisa diaplikasikan untuk sistem MIMO (multi input multi ouput). Pengendali yang didesain diharapkan mampu menjamin kestabilan sistem dengan error yang cenderung lebih kecil dibandingkan pengendali MPC biasa, serta mampu menjaga kestabilan temperatur apabila direalisasikan pada PAC.

---

This research focuses on Adaptive MPC Design for Precision Air Conditioning (PAC) in order to control the temperature and the relative humidity produced by PAC on desired interval. This controlled PAC would be utilized as air conditioner for cabinets in data center for telecommunication. Therefore, the controlled PAC is expected to produce temperature within 20°C - 22°C and relative humidity within 40% - 55%. Nevertheless, this research is still focusing on controlling the temperature, whereas on controlling relative humidity would be in further research.

The proposed adaptive MPC is designed by integrating recursive identification on MPC with constraint. Thus, Inputs (state variables) for MPC is updated recursively by online identification which is expected to produce better output for each update.

Identification itself implements recursive PO-MOESP algorithm for SISO (single input single output) by measuring the compressor as the input and temperature as the output, whereas the fan (input) is made constant and the relative humidity (output) is neglected. MPC with constraint for offline identification is firstly designed before implementing it with online identification. Online identification would be integrated to modeled MPC only if the modeled MPC for offline identification produces desired output.

The proposed adaptive SISO MPC is designed using m-file program in Matlab. Nevertheless, the m-file program is also applicable for MIMO (multi input multi output) system. The designed controller is expected to minimize the error and to guarantee the stability of the system. Besides, the designed adaptive SISO MPC is also expected to be able to control the temperature when it's embedded to PAC system."

"Smart building dibangun dengan konsep kemudahan kenyamanan kesehatan dan efisiensi energi Perbedaan smart building dengan bangunan lainnya adalah bangunan ini memiliki BMS building management system yang merupakan otak dari seluruh bangunan Sistem HVAC mengkonsumsi energi lebih dari 50 dari total konsumsi energi bangunan Penelitian ini bertujuan mengidentifikasi sistem pengudaraan yang perlu diterapkan pada bangunan sehingga menciptakan smart building dan mengetahui nilai LCC nya dibandingkan dengan sistem pengudaraan bangunan konvensional menggunakan pendekatan value engineering dengan analisis paired comparison dan analisis life cycle cost Sistem pengudaraan yang akan diterapkan sesuai dengan sistem pengudaraan sebuah bangunan di California Amerika Serikat yaitu dengan tambahan sistem kontrol dan pemilihan komponen yang lebih hemat energi nyaman dan sehat Nilai LCC dilihat dari NPV nya lebih kecil 14 05 dan B CR SB sebesar 0 501 yang lebih baik dibandingkan bangunan konvensional yang nilai B CR nya 2.51.

---

Smart building built with the concept of simplicity user comfort health and energy efficient. The difference between smart building and the other building is that smart building has BMS building management system which is the brain of the building HVAC system consumes energy more than 50 from total building energy consumption. This research has purposes to identify the HVAC system that should be applied on buildings in order create smear building and to find out the LCC compared to the HVAC system on conventional building using the value engineering approach with paired comparison analysis and the LCCA HVAC system that will be applied according to HVAC system of a building in California USA is added with control system and energy efficient comfort and healthy components. The LCC value according to the NPV has to be 14 05 smaller and B CR of SB is 0 501 which is better than the value of conventional building whose B CR value is 2.51"

"ABSTRAK Mobil listrik merupakan salah satu teknologi yang diciptakan untuk mengurangi resiko polusi yang menyebabkan pemanasan global. Sistem AC sangat dibutuhkan untuk menciptakan kenyamanan bagi penggunanya dan sistem AC sangat dibutuhkan terutama pada mobil di negara-negara yang beriklim tropis. Untuk itu pada mobil listrik nasional yang dibuat oleh Universitas Indonesia akan dibuat sistem AC dengan menggunkan kompresor BLDC. Dalam pembuatan sistem AC dibutuhkan perhitungan beban pendinginan. Dimana dalam penelitian ini akan dilakukan perhitungan pembebanan pendinginan pada molina UI dan juga pemilihan jenis kompresor yang akan digunakan pada molina UI. Kemudian sistem AC yang telah dirancang dan dibuat akan dilakukan pengujian performanya. Dalam pengujian performa akan dilakukan pengukuran temperatur dan kecepatan aliran dari saluran AC molina. Kemudian dilanjutkan dengan simulasi distribusi temperatur dan aliran pada kabin molina. Selain itu juga akan dilakukan pengukuran terhadap konsumsi sistem AC molina dengan menggunakan kompresor BLDC. Pengujian ini dilakukan untuk mengetahui tingkat konsumsi maksimal dan tingkat konsumsi rata-rata sistem AC tersebut. Berdasarkan penelitian ini maka diketahui besarnya beban pendinginan pada molina UI adalah 2894,12 Watt (9875,15 Btu/hr), konsumsi energi rata-rata sistem AC molina UI tanpa inverter adalah berkisar 540 hingga 857,3 Watt dan nilai efisiensi inverter adalah berkisar 84,7% hingga 89,4%.

---

ABSTRACT The electric car is one technology that is designed to reduce the risk of pollution that causes global warming. Air conditioning system is needed to create comfort for its users and air conditioning system is needed especially for the car in tropical countries. Therefore, the national electric car made by the University of Indonesia will be using BLDC compressor for the air conditioning system. Cooling load calculation is required in the manufacture of air conditioning system. Where in this research will be calculated the cooling load of molina UI and also selected the compressor that will be used in the air conditioning system of molina UI. Then the air conditioning system that has been designed and created will be tested for its performance. In the performance test, temperature and flow velocity of molina air conditioning duct will be measured. Then proceed with the simulation of the temperature distribution and air flow in the molina cabin. Moreover, the energy consumption of molina air conditioning systems that is using a BLDC compressor will also be measured. The test is performed to determine the maximum level of energy consumption and the average level of energy consumption on the molina air conditioning system. Based on this research it is known that the magnitude of the cooling load on molina UI is 2894.12 Watt (9875.15 Btu / hr), the average energy consumption of air conditioning systems molina UI without the inverter is in the range 540 to 857.3 Watts and the efficiency of the inverter is in the range 84.7% to 89.4%."

"Untuk melaksanakan perencanaan pembangunan rumah sakit, umumnya pemilik rumah sakit melakukan kerjasama dengan pihak konsultan dalam bidang arsitektur, ME (mechanical & electrical) dan sebagainya. Saya mendapat kesempatan untuk belajar dan membantu di suatu instansi pada bidang ME, khususnya perencanaan pada bagian sistem pendinginan dan distribusi udara gedung rumah sakit di Surabaya. Dalam pembahasan tugas akhir ini, akan dibahas mengenai perhitungan cooling load berdasarkan standar ASHRAE, data dan gambar arsitek yang ada saat ini serta dengan bantuan software chvac, lalu akan ditentukan sistem distribusi udara yang sesuai untuk gedung rumah sakit di Surabaya. Gedung terdiri dari sepuluh lantai dengan total luas sebesar 177.704,10 sq.ft, dan dengan perhitungan dari data-data variabel yang menyebabakan adanya cooling load, maka dengan bantuan software didapatkan nilai total cooling load sebesar 537,71 Tons dan total air quantity sebasar 194.179 CFM. Distribusi ducting diperoleh dengan metode equal friction, sehingga didapatkan ukuran ducting yang sesuai dan total friction loss.

---

Commonly on planning to build a hospital, the owner have to cooperate with architectural agency, ME agency or any other agency. I had the opportunity to learn and assist one of the agency in ME, especially in planning of the cooling system and air distribution of a Hospital at Surabaya. The discussion of this essay, will focus on cooling load calculations based on ASHRAE standards, current data and architecture drawing also with the help of hvac software. After that the air distribution system shall be determined in accordance to the building of Siloam Hospital Surabaya. The building consists of ten floors with total area 177.704,10 sq.ft, then the calculation of cooling load factor data by using the software results the total value of cooling load 537,71 Tons and total air quantity 194.179 CFM. Ducting distribution calculated by equal friction method, therefore the correct size of ducting and total friction loss value are convenient."

"Efisiensi energi pads sistem tata udara dapat dicapai dengan menurunkan beban pendinginan pada gedung tanpa menghilangkan kenyamanan penghuni ruangan. Dengan menghitung besarnya beban pendinginan dari gedung, akan dapat diketahui berapa besarnya kapasitas sistem tata udara yang dibutuhkan oleh gedung. Bila perolehan beban pendinginan lebih besar dari kapasitas yang tersedia akan dilakukan tahap - tahap konservasi energi untuk menurunkan beban pendinginan sehingga dapat dihasilkan penghematan konsumsi energi listrik untuk sistem rata udara. Fakultas Ilmu Sosial dan Imu Politik (FIST) Universitas Indonesia mempunyai persentase terbesar dalam pemakaian energi sistem tats udara. Untuk itu pada penulisan ini akan dicari peluang penghematan energi iistrik pada sistem tata udara melalui perhitungan beban pendinginan dan mengupayakan tahap ? tahap penurunan besarnya beban pendinginan yaitu dengan cara menaikkan suhu ruangan menurut standar yang ditetapkan, penambahan isolasi pada dinding ruangan yang dikondisikan dan pengurangan jumlah lampu yang tidak diperlukan . Hasil yang didapat dari tahap - tahap penghematan ini menghasilkan penurunan beban pendinginan sampai 54,44% dan kapasitas pendingin menjadi 54,95 % untuk keseluruhan gedung di FISIP UI."