Proyek Pengembangan Teknologi Machine Learning (ML) untuk Membuat Sistem Auto Pilot di Cement Mill sebagai Alternatif Sistem Kendali MPC

Bayu, Hendra (2024) Proyek Pengembangan Teknologi Machine Learning (ML) untuk Membuat Sistem Auto Pilot di Cement Mill sebagai Alternatif Sistem Kendali MPC. S2 thesis, Universitas Andalas.

[img] Text (Cover dan abstrak)
1. cover dan abstrak.pdf - Published Version

Download (671kB)
[img] Text (Bab 1 (Pendahuluan))
2. Bab 1.pdf - Published Version

Download (1MB)
[img] Text (Bab 5 (Penutup))
3. Bab 5.pdf - Published Version

Download (394kB)
[img] Text (Daftar Pustaka)
4. Daftar Pustaka.pdf - Published Version

Download (375kB)
[img] Text (Tugas Akhir Lengkap)
5. Tugas Akhir Lengkap.pdf - Published Version
Restricted to Repository staff only

Download (2MB) | Request a copy

Abstract

Penggunaan Advance Process Control (APC) seperti Model Predictive Control (MPC) di pabrik semen mampu mengatasi kelemahan dari sistem kendali yang lama. MPC dapat memprediksi parameter operasi dan parameter kualitas sehingga optimasi proses untuk memperoleh efisiensi dan produktivitas dapat dilakukan. Tantangan dari sistem kendali MPC tersebut adalah kebutuhan anggaran investasi yang cukup besar, sehingga perlu dikembangkan alternatif teknologi terbaru yang lebih murah dan efektif. Proyek ini bertujuan mengembangkan teknologi Machine Learning (ML) untuk membuat sistem Auto Pilot di Cement Mill 4Z1 PT Semen Padang sebagai alternatif sistem kendali MPC yang dapat memprediksi kualitas kehalusan semen. Dengan penambahan sistem kendali tersebut maka diharapkan penurunan konsumsi daya listrik dan peningkatan kapasitas produksi semen yang setara dengan sistem kendali MPC. Soft sensor yang dikembangkan mampu memprediksi kualitas kehalusan semen di Cement Mill 4Z1 dengan rata-rata Mean Absolut Error (MAE) untuk sieve sebesar 0,88 dari nilai rata-rata 8,89 dan untuk blaine sebesar 18,55 dari nilai rata-rata 445,63. Penggunaan soft sensor dalam sistem Auto Pilot mampu meningkatkan kapasitas produksi semen sebesar 4,8% dan menurunkan konsumsi daya listrik sebesar 7,5%.

Item Type: Thesis (S2)
Supervisors: Prof. Ir. NILDA TRI PUTRI, ST., MT., Ph.D, IPU, ASEAN Eng
Uncontrolled Keywords: soft sensor; auto pilot; blaine; sieve; MPC
Subjects: T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions: Pascasarjana (S2) > Pendidikan Profesi Insinyur
Depositing User: S2 Profesi Insinyur
Date Deposited: 22 Feb 2024 02:34
Last Modified: 29 Nov 2024 02:28
URI: http://scholar.unand.ac.id/id/eprint/462679

Actions (login required)

View Item View Item