Kerangka kerja waktu nyata untuk mendeteksi kebocoran pada jaringan penukar panas industri

Abstrak
Pentingnya mendeteksi kebocoran minyak di kilang dari perspektif keselamatan sangatlah penting. Meskipun demikian, kebocoran minyak yang tidak terdeteksi atau tidak teratasi dapat menyebabkan kegagalan peralatan, gangguan produksi, dan perbaikan yang mahal, yang dapat berdampak signifikan pada keselamatan, operasi, dan profitabilitas kilang secara keseluruhan. Studi ini bertujuan untuk memanfaatkan teknik statistik multivariat berbasis data untuk mendeteksi kebocoran pada penukar panas di kilang lokal. Studi ini mengembangkan serangkaian model offline menggunakan Principal Component Analysis (PCA) statis, PCA dinamis, Projection to Latent Structures (PLS) statis, dan PLS dinamis. Model-model ini kemudian digunakan secara online untuk memantau kinerja penukar panas dan segera mendeteksi kebocoran di masa mendatang secara real-time. Untuk menunjukkan kelayakan pendekatan yang diusulkan, semua langkah diimplementasikan menggunakan platform perangkat lunak komersial, khususnya Aspen ProMV® dari AspenTech. Hasil penelitian menunjukkan bahwa PCA statis, PCA dinamis, dan PLS dinamis berhasil mendeteksi kebocoran 50 hari (dengan batas keyakinan 95%) dan 19 hari (dengan batas keyakinan 99%) sebelum operator fasilitas menemukannya. Dengan menerapkan teknik berbasis data ini, kilang dapat meningkatkan kemampuan mereka untuk secara otomatis mendeteksi dan mengatasi kebocoran minyak dengan segera, meningkatkan keselamatan secara keseluruhan, efisiensi operasional, dan kepatuhan terhadap persyaratan peraturan.