<![CDATA[Penelitian ini bertujuan untuk mengembangkan model prediksi umpan pulverized coal (PC) pada sistem rotary kiln di pabrik semen menggunakan algoritma machine learning. Model ini diharapkan dapat membantu operator Control Center Room (CCR) dalam mengoptimalkan konsumsi PC dan meningkatkan efisiensi produksi semen. Industri semen di Indonesia mengalami persaingan ketat dan tuntutan efisiensi operasional akibat kenaikan biaya energi. Konsumsi PC merupakan salah satu komponen biaya terbesar dalam produksi semen, dengan potensi optimasi yang signifikan. Penelitian ini berfokus pada tiga pertanyaan utama, yaitu 1.) membangun model prediksi umpan PC berbasis machine learning pada rotary kiln dengan memanfaatkan data parameter operasi, dan sifat kimia bahan baku dan produk; 2.) menentukan algoritma machine learning yang paling akurat dalam memprediksi nilai umpan PC pada rotary kiln; 3.) menentukan faktor apa yang paling signifikan dalam mempengaruhi nilai umpan PC pada rotary kiln. Penelitian ini diharapkan menghasilkan model prediksi PC yang akurat dan handal, serta mengidentifikasi faktor-faktor kunci yang mempengaruhi konsumsi PC. Hasil penelitian menunjukkan bahwa algoritma Gradient Boosting memberikan akurasi terbaik dengan nilai R-squared sebesar 0.976. Model yang dikembangkan mampu memprediksi nilai umpan yang lebih rendah dibandingkan dengan pengaturan manual oleh operator. Implikasi dari hasil ini adalah potensi penghematan penggunaan batubara dan pengurangan emisi CO2 dalam proses produksi semen.]]>
Copyrights © 2025
