Simulasi dan identifikasi sistem homogenisasi berbasis neural network dan analisis pengendalian sistem dengan pengendali propotional integral

Main Authors: Christina, author, Add author: Wahidin Wahab, supervisor
Format: Masters Bachelors
Terbitan: Fakultas Teknik Universitas Indonesia , 2002
Subjects:
Online Access: http://lontar.ui.ac.id/detail?id=70812
ctrlnum 70812
fullrecord <?xml version="1.0"?> <dc schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/ http://www.openarchives.org/OAI/2.0/oai_dc.xsd"><type>Thesis:Masters</type><title>Simulasi dan identifikasi sistem homogenisasi berbasis neural network dan analisis pengendalian sistem dengan pengendali propotional integral</title><creator>Christina, author</creator><creator>Add author: Wahidin Wahab, supervisor</creator><publisher>Fakultas Teknik Universitas Indonesia</publisher><date>2002</date><subject>Homogenization</subject><description>Pada tesis ini dilakukan identifikasi sistem homogenisasi dengan menggunakan algoritma neural network, sehingga dapat dijadikan model untuk mengetahui dinamika sistem yang sebenarnya. Identitikasi dengan menggunakan neural network, dilakukan dengan memanfaatkan data tanggapan sistem homogenisasi di pabrik pembuatan susu kental manis. Dengan model hasil identitikasi ini, dapat diketahui bagaimana tanggapan sistem terhadap perubahan tekanan dengan memberikan fungsi step pada sistem lingkar terbuka. Dengan model yang ada, juga dapat diketahui bagaimana hubungan antara viskositas dan tekanan, dengan memberikan fungsi ramp pada sistem lingkar terbuka. Dari kurva hubungan antara viskositas dan tekanan, ternyata terdapat sifat non linearitas pada sistem homogenisasi. Dengan pengetahuan tentang dinamika sistem homogenisasi, maka dapat dilakukun simulasi sistem kendali dengan menggunakan pengendali P!. Tujuan simulasi ini ialah agar dapat diketahui bagaimana karaketeristik sistem sebelum diterapkan pada sistem yang sebenarnya. Dari simulasi yang dilakukan ternyata pengendali PI cukup baik melakukan pengendalian sistem homogenisasi tersebut.</description><identifier>http://lontar.ui.ac.id/detail?id=70812</identifier><recordID>70812</recordID></dc>
format Thesis:Masters
Thesis
Thesis:Bachelors
author Christina, author
Add author: Wahidin Wahab, supervisor
title Simulasi dan identifikasi sistem homogenisasi berbasis neural network dan analisis pengendalian sistem dengan pengendali propotional integral
publisher Fakultas Teknik Universitas Indonesia
publishDate 2002
topic Homogenization
url http://lontar.ui.ac.id/detail?id=70812
contents Pada tesis ini dilakukan identifikasi sistem homogenisasi dengan menggunakan algoritma neural network, sehingga dapat dijadikan model untuk mengetahui dinamika sistem yang sebenarnya. Identitikasi dengan menggunakan neural network, dilakukan dengan memanfaatkan data tanggapan sistem homogenisasi di pabrik pembuatan susu kental manis. Dengan model hasil identitikasi ini, dapat diketahui bagaimana tanggapan sistem terhadap perubahan tekanan dengan memberikan fungsi step pada sistem lingkar terbuka. Dengan model yang ada, juga dapat diketahui bagaimana hubungan antara viskositas dan tekanan, dengan memberikan fungsi ramp pada sistem lingkar terbuka. Dari kurva hubungan antara viskositas dan tekanan, ternyata terdapat sifat non linearitas pada sistem homogenisasi. Dengan pengetahuan tentang dinamika sistem homogenisasi, maka dapat dilakukun simulasi sistem kendali dengan menggunakan pengendali P!. Tujuan simulasi ini ialah agar dapat diketahui bagaimana karaketeristik sistem sebelum diterapkan pada sistem yang sebenarnya. Dari simulasi yang dilakukan ternyata pengendali PI cukup baik melakukan pengendalian sistem homogenisasi tersebut.
id IOS18064.70812
institution Universitas Indonesia
institution_id 51
institution_type library:university
library
library Perpustakaan Universitas Indonesia
library_id 492
collection Repository Skripsi (open) Universitas Indonesia
repository_id 18064
city KOTA DEPOK
province JAWA BARAT
repoId IOS18064
first_indexed 2022-12-13T09:12:52Z
last_indexed 2022-12-13T09:12:52Z
recordtype dc
merged_child_boolean 1
_version_ 1752203959669358592
score 17.205004