Optimisasi Desain Reboiler pada Distillation Column dengan Menggunakan Beberapa Metode Stochastic Algorithm

Reboiler adalah alat penukar panas yang digunakan untuk menghasilkan uap yang diumpankan ke tray bawah kolom distilasi. Fluida dari bagian bawah kolom sebagian diuapkan kembali dalam reboiler, yang biasanya dari jenis shell-and-tube (STHE). Reboiler adalah salah satu contoh pemanfaatan dari heat exchanger pada sistem kolom distilasi sebagai penghasil uap refluks. Pada saat mendesain kolom kondisi feed (flow rate) masukan (reflux ratio) adalah tetap. Namun, kondisi aktual saat operasi kemungkinan terjadi perubahan flow rate pada feed. Sehingga massa, komposisi, dan reflux ratio juga berubah untuk menjaga hasil dari produk distilatnya. Perubahan ini akan merubah beban panas yang harus diberikan oleh reboiler. Beban panas reboiler yang berflukstuasi juga akan merubah laju aliran massa yang masuk ke reboiler. Efek yang terjadi akibat perubahan laju aliran massa adalah perubahan velocity fluida yang dapat menurunkan atau menaikkan reynold number yang dapat menyebabkan fouling. Perubahan feed flow rate yang masuk pada kolom distilasi mempengaruhi besar nilai fouling resistance. Sehingga diperlukannya desain reboiler yang dapat mengatasi perubahan feed flow rate pada kolom distilasi. Salah satu cara untuk mengurangi fouling resistance adalah menentukan geometri yang optimal dari desain heat exchanger. Salah satu model yang berhubungan dengan pemodelan fouling resistance pada dimensi heat exchanger sehingga dapat ditentukan fouling resistance yang minimal adalah Polley Model. Desain reboiler meliputi beberapa parameter geometri yaitu geometri heat exchanger seperti diameter luar tube (do), jumlah baffle (Nb), dan diameter dalam shell (Ds). Adapun penelitian yang telah dilakukan, optimisasi desain heat exchanger untuk meminimalisir fouling dengan beberapa metode algoritma. Metode stochasthic algorithm sudah banyak digunakan untuk mengoptimisasi suatu proses. Metode algoritma stokastik yang digunakan adalah Genetic Algorithm (GA), Rain Water Algorithm (RWA), dan Particle Swarm Optimization (PSO). Berdasarkan penelitian yang dilakukan, hasil optimisasi desain reboiler terbaik adalah dengan menggunakan Genetic Algorithm (GA). Hasil optimisasi desain reboiler dengan Genetic Algorithm (GA) menunjukkan nilai geometri optimal yaitu diameter dalam shell (Ds) sebesar 1.4163 m, diameter luar tube (do) sebesar 0.0193 m dan jumlah baffle (nb) sebesar 7.5422 atau 8 buah. Karena perubahan hasil geometri pada optimisasi desain reboiler mengakibatkan nilai fouling resistance pada sisi shell (Rfs) dan tube (Rft) berturut-turut berkurang sebesar 6.5 % dan 2.3 % dibandingkan sebelum dioptimisasi. Nilai Rfs dan Rft setelah dioptimisasi sebesar 0,000322 m2 oC/W dan 0,000336 m2 oC/W. ================================================================================================= Reboiler is a heat exchanger used to produce steam fed to the tray under a distillation column. The fluid from the bottom of the column is partially evaporated in the reboiler, which is usually of a shell-and-tube type (STHE). Reboiler is one example of the utilization of heat exchanger on a distillation column system as a reflux vapor producer. When designing the feed condition column (flow rate) input (reflux ratio) is fixed. However, the actual condition at which the operation may occur changes the flow rate of the feed. So that the mass, composition, and reflux ratio also change to keep the result of the distillate product. This change will change the heat load that the reboiler must provide. The fluctuated heat of the reboiler will also alter the mass flow rate coming into the reboiler. Effects that occur due to changes in mass flow rate is a change in fluid velocity that can decrease or increase the reynold number that can cause fouling. Changes in feed flow rates that enter the distillation column affect the value of the fouling resistance. So the need of reboiler design that can overcome the feed flow rate change in the distillation column. One way to reduce fouling resistance is to determine the optimal geometry of the heat exchanger design. One model related to fouling resistance modeling on heat exchanger dimension so that it can be determined that the minimal fouling resistance is Polley Model. The reboiler design includes several geometry parameters, namely the geometry of heat exchanger such as the outer diameter of the tube (do), the number of baffles (Nb), and the inner diameter of the shell (Ds). As for research that has been done, heat exchanger design optimization to minimize fouling with some algorithm method. Stochasthic algorithm method has been widely used to optimize a process. Stochastic algorithm method used is Genetic Algorithm (GA), Rain Water Algorithm (RWA), and Particle Swarm Optimization (PSO). Based on the research done, the best result of reboiler design is using Genetic Algorithm (GA). The optimization of reboiler design with Genetic Algorithm (GA) shows the optimal geometry value that is in the shell diameter of 1.4163 m, the outer diameter of the tube (do) is 0.0193 m and the number of baffles (nb) is 7.5422 or 8 pieces. Because the change in geometry results in reboiler design optimization resulted in the value of fouling resistance on the shell side (Rfs) and tube (Rft) decreased by 6.5% and 2.3%, respectively, than before optimized. The value of Rfs and Rft after optimized is 0.000322 m2 oC / W and 0.000336 m2 oC / W