APLIKASI SOFT SENSOR UNTUK PREDIKSI NILAI KANDUNGAN OKSIGEN DALAM FLUE GAS BERBASIS RADIAL BASIS FUNCTION NETWORK PADA FURNACE DI PT. PERTAMINA RU-IV CILACAP

SHAFANDA NABIL SEMBODO, Nazrul Effendy, S.T., M.T., Ph.D.;Nidlom Muddin, S.Si.

2020 | Skripsi | S1 TEKNIK FISIKA

Kandungan oksigen dalam flue gas merupakan variabel penting dalam kegiatan pemantauan dan optimasi kondisi proses pada furnace karena dapat merepresentasikan langsung efisiensi pembakaran. Pengukuran kandungan oksigen dilakukan secara in-situ menggunakan sensor oxygen analyzer. Tidak tersedianya sensor redundansi in-situ menjadi masalah utama ketika sensor tersebut rusak sehingga pengukuran harus dilakukan langsung oleh pekerja menggunakan alat portabel. Faktor keselamatan pekerja menjadi perhatian utama mengingat kondisi lapangan memiliki tingkat resiko bahaya yang tinggi. Pengukuran berbasis perangkat lunak atau soft sensor menjadi solusi teknologi yang dapat digunakan untuk mengatasi masalah tersebut. Pendekatan model Radial Basis Function Network (RBFN) menjadikan soft sensor cepat beradaptasi terhadap pembaruan data karena kapasitasnya sebagai aproksimator universal. Prediksi kandungan oksigen dengan menggunakan soft sensor telah berhasil dilakukan. Pada proses pengujian di unit Debutanizer Reboiler Heater, perangkat soft sensor menghasilkan nilai rerata galat kuadrat prediksi sebesar 0,216% dengan standar deviasi 0,0242%, sedangkan tingkat pemenuhan terhadap standar akurasi sensor sebesar 8,75%. Algoritme Stochastics Gradient Descent (SGD) dengan akselerasi momentum dan reduksi dimensi Principal Component Analysis (PCA) mampu meningkatkan kinerja soft sensor.

Oxygen content in flue gas is an important variable in the monitoring and optimization of process conditions in the furnace because it can directly represent combustion efficiency. Measurement of oxygen content is done in-situ using an oxygen analyzer sensor. The unavailability of in-situ redundancy sensors is a major problem when the sensor is damaged, so measurements must be made directly by workers using portable devices. Worker's safety factor is a major concern given the field conditions have a high level of risk of danger. Software-based measurement or soft sensor is a technological solution that can be used to overcome these problems. The Radial Basis Function Network (RBFN) model makes soft sensors able to adapt to data updates because of their capacity as a universal approximator. Prediction of oxygen content with soft sensors has been successfully carried out. In the testing process in the Debutanizer Reboiler Heater unit, the soft sensor device generates a predicted mean square error value of 0,216% with a standard deviation of 0,0242%, while the level of compliance with the sensor accuracy standard is 8,75%. Stochastics Gradient Descent (SGD) algorithm with momentum acceleration and dimension reduction Principal Component Analysis (PCA) can improve the performance of soft sensors.

Kata Kunci : Oxygen analyzer, Furnace, Soft sensor, RBFN, SGD, PCA