Optimasi Real-Time Untuk Esterifikasi Asam Oleat Dengan Gliserol Menggunakan Seleksi Sensor Inframerah Secara Adaptif

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.