| dc.description.abstract | Monogliserida sebagai salah satu produk esterifikasi yang antara lain adalah
gliserol monooleat diperlukan sebagai bahan baku dengan jumlah yang meningkat
sepanjang tahun dalam industri obat-obatan, kosmetik dan perawatan tubuh lainnya.
Berdasarkan peningkatan tersebut maka produksi dari gliserol monooleat dengan
menggunakan bahan baku asam lemak menengah atau rantai panjang memberikan
peluang untuk dioptimasi lebih lanjut.
Untuk mengoptimalkan produksi Gliserol MonoOleat (GMO) dengan
proses esterifikasi yang memiliki gangguan dan ketidakpastian dalam proses reaksi
yang berlangsung di dalam reaktor akan digunakan metode optimasi secara realtime
(RTO). Dari penelaahan pada penelitian sebelumnya, ditemukan bahwa
aplikasi RTO dapat digunakan pada proses yang berlangsung untuk mengevaluasi
variabel dalam operasi, dan dalam perkembangan selanjutnya beberapa penelitan
menerapkan aplikasi RTO untuk proses kimia berdasarkan pengamatan dari
komposisi produk.
Berdasarkan motivasi utama penelitian ini, dirumuskan lima tujuan besar
yaitu: (1) untuk membuat model simulasi proses esterifikasi secara real-time
dengan dukungan metode Self-Optimization (SO), (2) untuk membangun sistem
monitoring secara real-time dengan menggunakan metode klasifikasi, (3) untuk
mengembangkan model optimasi menggunakan RTO pada proses esterifikasi
menggunakan kontrol cluster secara adaptif, (4) untuk meningkatkan metode RTO
dengan sistem seleksi gradien sensor yang adaptif, dikombinasikan dengan metode
classification pada proses batch dan (5) untuk mendesain model scaling-up
menggunakan metode RTO untuk proses batch. Untuk memenuhi tujuan tersebut,
sebagai langkah pertama adalah pembuatan analisis sistem awal dengan diagram
Business Process Modelling and Notation (BPMN 2.0) untuk mendeskripsikan
fungsi SO dari alur kerja yang bekerja sama dan berkorelasi sebagai hasil abstraksi
pada fase konseptual. Selanjutnya, pemodelan sistem kontrol, yang dibuat
menggunakan simulasi Stateflow, untuk mensimulasikan tiga kelompok dari
control state menggunakan klasifikasi dengan metode SVM dan pada akhirnya
divalidasi dalam skala laboratorium untuk pengukuran kinerja pada sistem baru
yang dikembangkan ini.
Penelitian ini menggunakan hasil validasi dengan skala laboratorium
menggunakan metode RTO dengan seleksi sensor secara adaptif, menunjukkan
peningkatan hasil hingga 14%, mengurangi durasi proses sebesar 20 menit,
kecepatan rotasi pengaduk efektif adalah 300rpm sampai 450rpm dan suhu akhir
pada rentang 200°C sampai 210°C. Rekomendasi dari penelitian saat ini, maka
diperlukan peningkatan mutu bahan komponen dari sensor-sensor, terutama sensor
yang tahan digunakan dalam suhu dan tekanan tinggi serta integrasi peralatan untuk
kontrol yang lebih baik dan cepat. | id |
