e inar seminar nasional

PANITIA SEMINAR NASIONALPERKEMBANGAN RISET DAN TEKNOLOGI

DI BIDANG INDUSTRI KE-21Pusat Studi Ilmu Teknik UGM

Jl. Teknika Utara, Barek, Kampus UGM, Yogyakarta 55281Telp. 0274-565834, 0274-902287

Fax. 0274-565834email : [email protected]

Perkembangan Riset dan Teknologidi Bidang Industri Ke-21

SEMINAR NASIONAL

Kantor Pusat Fakultas Teknik UGM

Yogyakarta, 1 Juni 2015

Pusat Studi Ilmu Teknik Jurusan Teknik Mesin dan IndustriJurusan Teknik KimiaFakultas Teknik Universitas Gadjah Mada

PROSIDING

ISBN: 978-602-70455-1-4

PR

OS

IDIN

G

SE

MIN

AR

NA

SIO

NA

LP

erkem

ban

ga

n R

iset dan

Tek

nolo

gid

i Bid

ang

Ind

ustri K

e-21

2015

PROSIDING

SEMINAR NASIONALPerkembangan Riset dan Teknologi

di Bidang Industri Ke-21

ISBN: 978-602-70455-1-4

Kantor Pusat Fakultas Teknik UGMYogyakarta, 1 Juni 2015

Pusat Studi Ilmu TeknikJurusan Teknik Mesin dan Industri

Jurusan Teknik KimiaFakultas Teknik Universitas Gadjah Mada

Prosiding Seminar Nasional Perkembangan Riset dan Teknologi di Bidang Industri ke 21

ISBN : 978-602-70455-1-4 | ii

Mitra Bestari:1. Prof. Dr. Dwi Aries Himawanto, ST, MT (FT UNS)2. Dr. Ir. Widiatmini Sih Winanti, MSi (BPPT)3. Dr. Ir. Puji Lestari (Teknik Lingkungan ITB)4. Prof. Dr. Ing. Ir. Harwin Saptoadi, MSE (FT UGM)5. Prof. Dr. Ir. Rochmadi, SU (FT UGM)6. Prof. Dr. M. Noer Ilman, ST, MSc (FT UGM)7. Dr. Ir. I Made Suardjaja, MSc, PhD (FT UGM)8. Dr. Ir. Hary Sulistyo, SU (FT UGM)9. Dr. M.K. Herliansyah, ST, MT (FT UGM)

Editor:1. Dr. Ir. Aswati Mindaryani, MSc2. Ir. Suprihastuti Sri Rahayu, MSc3. Dr. Ir. Rini Dharmastiti, MSc

Prosiding Seminar NasionalPerkembangan Riset dan Teknologi di Bidang Industri ke 21

© 2015, Jurusan Teknik Mesin dan Industri, Jurusan Teknik Kimia, Fakultas Teknik,Pusat Studi Ilmu Teknik, Universitas Gadjah Mada – Yogyakarta

ISBN : 978-602-70455-1-4

Alamat : Pusat Studi Ilmu Teknik UGMJl. Teknika Utara, Barek, Kampus UGM, Yogyakarta 55281

Telpon : (0274) 565834, 902287Fax : (0274) 565834E-mail : [email protected]

Prosiding Seminar Nasional Perkembangan Riset dan Teknologi di Bidang Industri ke 21TEKNIK REAKSI DAN TEKNIK PEMBAKARAN

ISBN : 978-602-70455-1-4 |TR/TP - 31

Penurunan Konsumsi Bahan Bakar Sepeda Motor Sistem InjeksiMenggunakan Metode Optimasi Artificial Neural Network dengan

Algoritma Back-Propagation

Paridawati1, Nazaruddin Sinaga2

1 Jurusan Teknik Mesin Fakultas Teknik Universitas DiponegoroJl Prof H. Soedharto, SH, Tembalang Semarang

Telpon 024 7460058/Fax 024 7460055, mobile: 0813992320042 Laboratorium Efisiensi dan Konservasi Energi, Jurusan Teknik Mesin

Fakultas Teknik Universitas DiponegoroJl Prof H. Soedharto, SH, Tembalang Semarang

Telpon 024 7460058/Fax 024 7460055,mobile: 08156598075E mail :

AbstrakNowadays the modern automobile engine is equipped with Engine map in the electronic

control unit (ECU). Engine map serve as guidelines for determining both the fuel injection andignition timing of an engine. Engine map is typically used to optimize engine performance, fuelefficiency and emission reduction. Engine map created by the vehicle manufacturer, usuallyoptimized by considering multiple criteria and objectives. With increasing lifespan of the vehicleand also the presence of criteria and different optimization objectives, the engine map shalladjusted, or even re-optimizing according to the conditions of vehicle user. The present study isintended to seek the more optimum engine map which is more suitable to the condition current inIndonesia with the main goal of improving its efficiency. This research, first of all will be take thecurrent of data using an engine scanner on the engine control unit (ECU) to determine enginemap current (existing). The next step is to optimum remap by using Artifcial Neural Network(ANN) that can improve the efficiency. ANN optimization results are then applied as new maps. Anew map will be implemented into the ECU and tested. The results were then analyzed andcompared between value optimization using ANN with the value of the original Engine map(default vehicle manufacturer). Conclution this research that engine map optimization results areexpected to be able to reduce the level of fuel consumption. The best engine map III have error(MSE)=0,06 and R=0,99 and the results of fuel consumption have efisiensy 14%, higher werecompared to standar engine map.

Kata kunci: Efficiency, engine map, optimization, Artificial Neural Network

1. Pendahuluan

Saat ini kendaraan modern sudah dilengkapi dengan unit engine map yang tersimpan dalam ECUsesuai pabriknya. Engine map dalam ECU dikembangkan oleh manufaktur untuk optimasi kinerjamesin, seperti dalam hal efisiensi pengunaan bahan bakar dan penurunan tingkat emisi. Namun enginemap pabrik memiliki kelemahan, yakni pabrik hanya membuat engine map satu kali saja, yakni padasaat mesin kendaraan dalam keadaan masih baru. Setelah berjalannya waktu dan usia kendaraanbertambah, tentu saja optimasi yang dilakukan oleh pabrik belum tentu sesuai lagi dengan kondisi kitasaat ini, karena tentu saja keadaan kendaraan sudah sangat jauh berbeda dengan keadaan awalnya.Efisiensi yang dimiliki kendaraan seiring berjalannya waktu, tentu saja akan berkurang dan itu sangatberpengaruh pada performa kendaraan. Keadaan daerah di mana kendaraan beroperasi tentu saja jugasangat berpengaruh pada performa mesin. Misalnya, kelembaban udara pegunungan tentu jauhberbeda dengan keadaan udara perkotaan, sehingga ini akan mempengaruhi kualitas udara dalamruang bakar. Humadity (kelembaban lingkungan), jika semakin tinggi berarti udara akan mengandunguap air sehingga nantinya akan menimbulkan campuran miskin, maka untuk mengantisipasinya, makainjeksi bahan bakar harus lebih banyak. Sedangkan jika suhu udara turun, maka tentu akanmempengaruhi suhu kerja mesin, sehingga injeksi bahan bakar harus dikurangi agar suhu kerja mesinkembali ideal. Semua ini akan dikontrol oleh ECU dan selanjutnya akan memberikan perintah


ISBN : 978-602-70455-1-4 |TR/TP - 32

terhadap aktuator untuk melakukan optimasinya. Hal-hal seperti inilah yang mempengaruhi kondisioptimasi pada kendaraan, sehingga engine remap sangat diperlukan dan bukan hanya saat baru, tetapisetiap ada keadaan yang tidak lagi seideal keadaan awalnya. Dengan melakukan engine remap padamesin diharapkan akan didapatkan kembali optimasi sesuai kondisi kendaraan saat itu. Optimasiperforma engine menggunakan metode artificial neural network adalah salah satu cara optimasi yangtelah banyak digunakan sebelumnya dan hasilnya sangat akurat. Oleh karena itu, penelitimengumpulkan berbagai informasi dari buku-buku dan jurnal sebagai bahan masukan yang bergunauntuk penelitian ini, seperti penelitian yang dilakukan oleh Dawson, J yang telah meneliti tentangaplikasi ANN khususnya dalam hal kontrol rasio bahan bakar berdasarkan pengukuran di intakemanifold [1]. Dan kemudian Anant Bhaskar Garg mengatakan bahwa sebuah artificial neural network(ANN) dapat dilatih untuk melakukan tugas dan fungsi tertentu dengan menyesuaikan nilai-nilaikoneksi antar elemen untuk menghasilkan output tertentu sesuai target [2]. Sedangkan penelitian olehRyan Frank Young didapatkan bahwa pemodelan ANN menggunakan prediksi efisiensi volumetrikdapat menentukan optimasi map bahan bakar berdasarkan air fuel ratio, dan hasilnya akanmemperbaiki performa, lebih hemat bahan bakar dan emisi ramah lingkungan [3]. Demikian jugaANN dapat memprediksi performa engine, seperti penelitian M. H. Shojaeefard bahwa data yangdiambil dari eksperimen berupa nilai throttle, kecepatan, dan injection timing yang kemudiandigunakan pada ANN untuk memprediksi performa dan emisi pada semua kondisi operasi, hasilnyasangat bagus dengan regresi R berkisar pada nilai 0,99 [4]. Dan menurut Shivakumar bahwa ANNback-propagation algorithm telah digunakan untuk memprediksi performa mesin dan karakter emisipada mesin, dan hasilnya menunjukkan korelasi antara nilai prediksi dengan nilai yang diinginkanpada berbagai variasi performa mesin dan emisi gas buang dengan nilai regresi mendekati nilai 1 dannilai error kurang dari 9% [5]. Namun dalam melakukan optimasi, banyak hal yang perlu diperhatikan,yaitu jika waktu injeksi yang diberikan terlalu lama maka dapat menyebabkan peningkatan emisi gasbuang dan boros dalam penggunaan bahan bakar. Jika waktu injeksi yang diberikan terlalu pendekmaka injeksi bahan bakar yang diberikan terlalu sedikit sehingga dapat meningkatkan temperatur diruang bakar yang akibatnya dapat membakar valve-valve pada ruang pembakaran. Dan jika waktupengapian yang diberikan tidak tepat maka dapat juga terjadi detonasi. Sehingga dapat dikatakanbahwa ANN sangat berguna untuk memprediksi dan mengoptimalkan kinerja mesin pembakarandalam [6]. Dari banyak penelitian yang telah dilakukan, dapat dikatakan bahwa pengkondisian waktuinjeksi dan waktu pengapian yang disesuaikan dengan tepat, dapat meningkatkan kinerja performamesin dengan bantuan pemodelan ANN serta dapat meningkatkan efisiensi penggunaan bahan bakarserta menurunkan emisi gas buang. Hal inilah yang mendorong penelitian ini dilakukan pada enginemap dalam ECU untuk dilakukan mapping ulang dengan bantuan metode artificial neural network.Dalam penelitian ini, optimasi engine map hanya dilakukan secara komputasi yaitu denganmenggunakan program artificial neural network (ANN) yang ada pada Matlab, untuk mendapatkanengine map baru yang lebih efisien dalam hal penggunaan bahan bakarnya. Dalam melakukanoptimasi ini, ada banyak pengaturan-pengaturan yang dapat dilakukan, seperti pengaturan waktupenyalaan bahan bakar (ignition timing). Artificial Neural Network Back Propagation dipilih karenajika dibandingkan dengan logika Fuzzy yang unggul dalam fungsi logika dan Genetic algorithm yangunggul dalam pada pencarian kemungkinan arsitektur yang paling optimal, Artificial Neural Networklebih unggul dan akurat dalam prediksi dalam pembelajaran terbimbing, dapat belajar cepat daripembelajaran yang diberikan sebelumnya, sehingga dapat melakukan prediksi dalam hal menentukantitik di mana titik penyalaan yang paling tepat berdasarkan sistem kerja mesin sebelumnya untukmendapatkan hasil optimasi yang paling efisian. Dari hasil penentuan titik penyalaan yang tepat, makaakan dapat diperoleh map hasil optimasi dan selanjutnya dapat dilakukan engine remap pada ECU,berupa penginputan data baru titik penyalaan atau ignition timing secara tepat. Berdasarkan haltersebut, bahwa dengan adanya kontrol yang baik terhadap waktu penyalaan, maka diharapkan haltersebut juga menghasilkan efektifitas pembakaran yang baik sehingga secara tidak langsung jugamengurangi konsumsi bahan bakar dan kadar emisinya.

2. Metodologi

Penelitian ini diawali dengan survei dan pengumpulan sejumlah literatur, baik berupa buku, jurnaldan artikel tentang engine remap untuk kemudian dipelajari dan dijadikan acuan untuk melakukanpenelitian ini. Selanjutnya mempersiapkan mesin uji dan sejumlah peralatan yang akan digunakan


ISBN : 978-602-70455-1-4 |TR/TP - 33

untuk membantu pengambilan data uji dari sejumlah sensor pada mesin uji. Kemudian data yang telahdidapat diolah dan dioptimasi menggunakan ANN, lalu dibuat map baru hasil optimasi ANN yangterbaik kemudian diaplikasikan sebagai engine map baru. Engine map yang telah dimodifikasi, diujikembali kinerjanya dan dianalisa efisiensi konsumsi bahan bakarnya.

3. Hasil dan Pembahasan

Dalam menentukan opsi-opsi pada ANN untuk meningkatkan performa bahan bakar, dalamberbagai variasi didapat hasil optimal, yaitu pada jumlah jumlah layer 2 dan neuron 50 untuk map Idan III (Gambar 1.1), sedangkan untuk map II dan IV dengan jumlah layer 4 dan neuron 50, masing-masing dengan nilai regresi R= 0,99 (Gambar 1.2). Hal ini sesuai dengan pendapat bahwa ANNBack-Propagation Algorithm telah digunakan untuk memprediksi performa mesin dan karakter emisipada mesin, dan hasilnya menunjukkan korelasi antara nilai prediksi dengan nilai yang diinginkanpada berbagai variasi performa mesin dan emisi gas buang dengan nilai regresi mendekati nilai 1 dannilai error kurang dari 9% [6].

Gambar 1.1 Hasil regresi ANN (map I & III)

Gambar 1.2 Hasil regresi ANN (map II & IV)


ISBN : 978-602-70455-1-4 |TR/TP - 34

Setelah melalui training ANN, maka didapatkan nilai-nilai ignition timing terbaik yang kemudiandiinput ke dalam engine map programable (Juken) sebagai map baru. Dan selanjutnya dilakukanpengujian terhadap kinerja map tersebut. Dari hasil optimasi ANN, maka didapatkan nilai-nilai berupanilai pengapian terbaik untuk mendapatkan konsumsi bahan bakar yang lebih efisien. Nilai-nilai inikemudian dipilih titik-titik ignition timing terbaik yang menghasilkan nilai konsumsi bahan bakaryang lebih kecil. Dari pemilihan titik ignition terbaik pada bukaan throttle dan putaran teretentu, makanilai-nilai tersebut kemudian dijadikan beberapa map (map I ,II, III dan IV). Dari ke-4 map tersebut,nilai-nilainya diinput ke dalam Juken motor honda beat, dan selanjutnya diuji kembali untukmegetahui konsumsi bahan bakarnya.

Dari hasil pengujian, didapatkan:

1. Nilai efisiensi konsumsi bahan bakar paling hemat dihasilkan dari engine map III (Tabel 1.1),dimana konsumsi bahan bakarnya lebih hemat dari map yang lainnya dengan nilai efisiensibahan bakarnya sebesar 14% lebih hemat dari engine map standar.

Tabel 1.1 Nilai perbandingan pengujian konsumsi bahan bakar

MAPNilai FC

(km/liter)Efisiensi (

%)

Map I 50.48 -2.00

Map II 43.98 -15.00

Map III 58.73 14.00

Map IV 45.62 -12.00

Map standar 51.37

2. Nilai konsumsi bahan bakar pada map III menurun hingga 14%, hal ini disebabkan karenaadanya penentuan ignition timing yang tepat oleh ANN pada proses pembakaran. Hal inisesuai dengan pendapat bahwa ANN sangat akurat dalam memprediksi performa mesin [4-6].

4. Kesimpulan

1. ANN terbaik untuk optimasi konsumsi bahan bakar adalah map III pada jumlah jumlah layer 2dan jumlah neuron 50 dengan nilai regresi R= 1.

2. Nilai efisiensi konsumsi bahan bakar paling hemat dihasilkan dari engine map III, dimanakonsumsi bahan bakarnya lebih hemat dari map yang lainnya dengan nilai efisiensi bahanbakarnya sebesar 14% lebih hemat dari engine map standar.

Daftar Pustaka

Christiansen Dawson, J. (2005), “An Experimental And Computational Study of Internal CombustionEngine Modeling for Controls Oriented Research” ,Ph.D. Dissertation, The Ohio StateUniversity.

Anant Bhaskar Garg, (2012) , “Artificial Neural Network based Methodologies For Optimization ofEngine Operations “, International Journal of Scientific & Engineering Research, Volume3,ISSN 2229-5518, Dehradun.

Ryan Frank Young, (2010), ”Utilization of a Neural Network to Improve Fuel Maps of an Air-CooledInternal Combustion Engine”, A thesis faculty of the Russ College of Engineering andTechnology of Ohio University.


ISBN : 978-602-70455-1-4 |TR/TP - 35

M. H. Shojaeefard, (2008) , “Artificial Neural Network Based Multi-Objective EvolutionaryOptimization of a Heavy-Duty Diesel Engine,” Automotive Engineering Department, IranUniversity of Science and Technology, Tehran, Iran.

Shivakumar , ( 2010), ” Performance And Emission Characteristics Of A 4 Stroke C.I. EngineOperated On Honge Methyl Ester Using Artificial Neural Network,” Journal of Engineering andApplied Sciences, Asian Research Publishing Network (ARPN) VOL. 5, NO. 6, ISSN 1819-6608, India, www.arpnjournals.com.

Jitendra S. Pachbhai, (2014), ” Application of ANN to Optimize the Performance of CI Engine FuelledWith Cotton Seed Oil- A Review,” Jitendra S. Pachbhai et al Int. Journal of Engineering Researchand Applicationswww.ijera.com ISSN : 2248-9622, Vol. 4, Issue 5 Version 2 pp.158-163,India.

e inar seminar nasional

Documents