Self­Tuning PID Controller Using Ziegler­Nichols Method 

for Pr ogr ammable Logic Controller s 

T. Yucelen 1 , O. Kayma kci 2  and S. Kur tulan 3 

1  2  3 
Electrical and Electronic Faculty, 
Istanbul Technical University, 
Maslak, Istanbul, Turkey 

e­mail: yucelent@itu.edu.tr 1 , kaymakci@elk.itu.edu.tr 2  , kurtulan@elk.itu.edu.tr 3 

Abstr act  [4].  All general methods  for control design can  be applied 

to PID control. A number of special methods that  are tailor 
In  this  paper  a  modified  PID  controller  is  presented  as  a  made  for  PID  control  have  also  been  developed,  these 
dynamic  system  controller.  Here  Ziegler­Nichols  process  methods  are  often  called  tuning  methods.  The  most  well 
reaction  method  is  clarified  to  designate  self­tuning,  and  known  tuning methods are  those  that  are  stated  by  Ziegler 
advantages  of  self­tuning  are  also  explained  in  detail.  and Nichols. These methods do not need any mathematical 
Moreover,  simulation  results  of  self­tuning  PID  controller  calculation  to  find  PID  parameters.  The  Ziegler­Nichols 
using  Ziegler­Nichols  are  acquired  from  programmable  Oscillation  Method,  Ziegler­Nichol  Process  Reaction 
logic controller (PLC),  and then are given in related  topics.  Method and Frequency Response method, and Cohen­Coon 
Finally,  the  complete  algorithm  is  tested  in  an  industrial  Reaction  Curve  Method  are  basic  Self­Tuning  methods. 
thermal  system,  and  results  of  this  test  are  offered  and  Oscillation method is based on system gain, in other words, 
explained.  system  gain  is  redounded  until  the  system  makes 
oscillation, then PID parameters can be  found  from system 
K eywor ds:  PID Control; Ziegler Nichols Process Reaction  response graphic. Practically, this method is useless for too 
Method; Robustness, Self­Tuning Control  many sort of real systems, because oscillation at  the output 
of  the  system  can  easily  damage  the  system.  Frequency 
response  uses  frequency  domain  rules  to  find  PID 
1  Introdu ction 
parameters.  Cohen­Coon method uses system step response 
In spite of developed  modern  control techniques like  fuzzy  for  an  open  loop  system  to  find  PID  parameters.  Also 
logic  controllers  or  neural  networks  controllers,  PID  Ziegler and Nichols proposed PID parameters for a group of 
controllers constitute  an important part at  industrial control  system  due  to  its  system  parameter  values  [1].  In  this 
systems  so  any  improvement  in  PID  design  and  paper,  Ziegler­Nichols  process  reaction  method  (PRM)  is 
implementation  methodology  has  a  serious  potential  to  be  used to determine PID controller parameters; Kc, Ti and Td. 
used  at  industrial  engineering  applications.  At  industrial 
applications  the  PID  controllers  are  preferred  widespread  Industrial  systems  are  controlled  by  microcontroller  based 
due  to  its  robust  characteristics  against  changes  at  the  systems  in  recent  years  and  widely  used  microcontroller 
system  model.  From  the  other  side  at  industry,  the  exact  based  systems  are  programmable  logic  controllers  (PLCs). 
plant models can not be obtained due to too much nonlinear  These  controllers  are  more  capable  than  the  other  micro 
parts and uncertainties so at practice  engineers usually find  controller  based  ones  at  the  design  phase  of  automation 
an appropriate model for the dynamic system. For example,  systems so the time consumption over the project decreases. 
when  a  thermal  system  is  taken  into  consideration,  the  Also the  elasticity at  hardware  level  and  software  level  let 
system’s  overall  gain  changes  from  season  to  season.  the  modifications  be  done  very  easily.  At  the  other  side 
Changes  in  dynamic  system  parameters  and  unknown  nowadays  most  of  PLCs  support  the  popular 
system  variables  directly  affect  the  performance  of  the  communication protocols like  Profibus, Modbus, Industrial 
system. So for obtaining a better performance the controller  Ethernet,  etc.  Within  this,  the  integration  to  SCADA 
parameters have to be renewed in some time interval.  systems gets easy. [8, 12, 13] 

A  lot  of  methods  have  been  developed  over  the  last  forty 
years  for setting  the  parameters  of  a  PID  controller. Some  In this paper, a self­tuning PID Controller method is offered 
of  these  methods  are  based  on  characterizing  the  dynamic  using  Ziegler­Nichols  process  reaction  method  for 
response  of  the  dynamic  system  to  be  controlled  with  a  programmable logic controllers. The paper is organized in 6 
first­order  model  or  second­order  model  with  a  time  delay  sections. Section 2 briefly gives a general knowledge about 
PID  controllers.  Section  3  describes  Ziegler­Nichols
process reaction method and the method is formulated here. 
At section 4 the self tuning PID Controller is presented and 
the  implementation  of  it within a PLC  and  the results over 
this implementation is shown at section 5. Finally the paper 
is summarized and concluded at section 6. 

2  PID Con tr oller 
Figur e 2:  Smoothen of System Output Resp onse 
A  Proportional­Integral­Derivative  controller  or  PID 
controller is a common used  controller in industrial control  2.2  Mathematics of PID Controller  in Figur e 1 
applications. The controller compares the measured process  A commercial PID controller discrete time equation  can be 
output  value  (y)  with  the  reference  setpoint  (r)  value.  The  given  like  in  (1).  Although  this  type  of  PID  structure  is 
difference  or error  signal  (e)  is  then  processed  to  calculate  using  in  many  industrial  applications,  it  is  sensitive  to 
the control signal for  the manipulated process  inputs so the  disturbances and system uncertainties. 
system  output  reaches  the  desired  reference  value.  Unlike  -1 
Ts 1 - z 
simpler  control  algorithms,  the  PID  controller  can  adjust  GPID = K P + K I + K D  (1) 
-1 
process inputs based on the history and rate of change of the  1 - z Ts
error signal, which  gives  more  accurate  and stable  control.  More robust PID parameters can be given separate to use in 
In  this  paper,  a  different  structure  of  a  PID  controller  is  figure 1 like in (2). This z­domain equation is obtained form 
used.  s­domain  equation  with  Tustin  transform  and  trapezoid 
integral approach for integral term [7]. 
GP = K C 
-1 
KC  .Ts.(1 + z  )  (2) 
G I  = -1 
2.TI  .(1 - z  ) 
-1 
K .TD .(1 - z  ) 
G D  = 
Ts
Discrete  time  equations  of  PID  can  be  given  to  use  in 
Figure  1  like  in  (3).  In  these  equations,  Ts  is  sampling 
Figure 1:  Stru ctur e of PID Con tr oller 
period, and  it can be  chosen  form  30 times  of  band  width 
2.1  The Structur e of th e PID Con tr oller  in Figure 1  frequency,  ws = 2p / Ts > 30 w BW  [5]. 
As  known,  the  derivative  can  be  computed  or  obtained  if 
the  error  varying  slowly.  Since  the  response  of  the  GP ( k ) = KC  .e ( kT ) 
derivative to high­frequency  inputs is much higher than  its 
response  to  slowly  varying  signals  [13].  So  the  derivative  KC . Ts 
GI  ( k ) = u ( k - 1) + [e ( kT ) + e ( kT - T )]  (3) 
output in Figure 1 is smoothened for high­frequency noises  2. T I 
by using  first order  filter,  and  it  uses  output  of  the  system 
(y).  The  derivative  which  uses  error  signal  can  form  high  KC . T D 
derivative output when  the error  signal  has  high  frequency 
GD  ( k ) = [ e ( kT ) - e ( kT - T )] 
Ts
components.  Thus,  in  this  paper  the  derivative  input  uses 
the  filtered output of  the system. Here  the  filter  smoothens  These equations are  directly adapted  to Figure 1  and  it can 
the  signal  and  suppresses  the  high­frequency  noise  due  to  be used in a microcontroller or PLC [9]. 
filter  time  (Tf)  constant  (Figure  2).  In  application,  the  Tf 
should be bigger than Ts sampling period [6]. 
3  Ziegler ­Nichols Pr ocess Reaction M ethod 
In  figure  1,  the  integral  signal  is  formed  by  the  error 
multiplied  by  gain  (K)  and  divided  by  integral  time,  and  Process  reaction  method  is  an  experimental  open­loop 
saturation  difference  divided  by  integral  time.  PID  tuning  method  and  is  only  applicable  to  open­loop  stable 
controller  is  a  robust  controller  and  this  structure  puts  systems.  This  method presented by Ziegler  and  Nichols  is 
forward a more robust controller. The saturation component  based  on process information in  the form of the  open  loop 
is necessary for discrete time controllers [8]. As said before,  step  response  obtained  from  a  bump  test.  This  method  can 
this  structure  is  used  in  a  programmable  logic  controller,  be  viewed  as  a  traditional  method  based  on  modeling  and 
and  this  controller  has  maximum  and  minimum  borders.  control. The Ziegler­Nichols tuning rules were developed to 
The  saturation  component  supplies  not  to  reach  any  other  give  closed  loop  systems  with  good  attenuation  of  load 
point  except  the  limit  of  maximum  and  minimum  borders.  disturbances.  The  design  criterion  was  quarter  amplitude 
Thus, the control signal (u) is limited.  decay  ratio,  which  means  that  the  amplitude  of  an 
oscillation  should  be  reduced  by  a  factor  of  four  over  a
whole period. This  corresponds to closed loop poles with a  maximum  slope  (Figure  3),  after  then  determine  the 
relative damping of about z = 0.2, which is too small [1].  parameters  needed  for  Ziegler  Nichols  PRM,  finally,  use 
tuning  relations  to  generate  PID  constants  [12].    The 
diagram of this process is given in Figure 5. 

Figur e 3:  Ziegler ­Nichols PRM 

Figure 5:  Calculation of PID Parameter s 
3.1  Calculations of PID Pa rameters Using Ziegler ­ 
Nichols Pr ocess Reaction M ethod  3.2  Robustness of Ziegler ­Nichols M ethod 
This  method  firstly  characterizes  the  plant  by  two  A  good  PID  controller  design  should  exhibit  robustness 
parameters  Nmax  and  L  for  first  and  second  order  dead  with  respect  to  small  perturbations  in  the  controller 
time systems and then calculates PID parameters (4). In this  coefficients. Thus, the range of  L / N MAX  values that ensures 
paper,  Nmax  and  L  are  calculated  by  a  PLC  algorithm  as 
seen  in  Figure  5.  Here  N  max  is  the  point  of  maximum  robustness was determined for Ziegler­Nichols PRM in (6), 
slope and L is the dead time (Figure 3).  where t  is system’s time  constant (without controller)  for 
first  order  deadtime  systems  (FODS),  and  TSET 
  is  settling 
K C = 1.2 /( L.NMAX  )  TI = 2.L TD  =  L / 2  (4) 
time  (without  controller)  for  second  order  dead  time 
First  a  step  signal  is  applied  to  the  system  and  program  systems (SODS) [3]. 
starts  to  search  the  dead  time.  The  dead  time  is  the  time  L 
when  system  gives  no  response  to  reference  signal.  In  0 < < 1.07  for FODS 
t (6) 
program,  a  tolerance  is  given  for  measuring  the  dead  time 
(Figure 4), because there are always some high  frequencies  4. L 
0< < 1.07  for SODS 
measuring  noises  at  system  output. As  shown  in  Figure  4,  TSET 
these signals and distributions change in an interval defined 
tolerance.  After  the  dynamic  system  starts  to  follow 
reference  and  reaches  outside  the  tolerance  border,  dead 
time is calculated by PLC program. 

Figure 4:  Toler ance Limit 

Figur e 6:  FODSs to the Step Respon se 
If the dead time is finished or calculated, the program starts 
to  search  maximum  slope.  It  collects  all  slopes  and  after  1st  System : L / t = 0.3 /1.0 = 0.3 
collecting them, it  selects  the  biggest slope. Every slope  is 
calculated with equation (5).  2 nd  System : L / t = 0.3 / 0.6 = 0.5  (7) 

Y( k ) - Y( k  - 1)  3rd  System : L / t = 0.3/ 0.4 = 0.75 

N  =  (5) 
Ts nd 
As  seen  in  equations  in  (7)  and  figure  6,  2  system  is  a 
It memorizes the output value of previous period and  takes  st  rd 
more  robust  system  than  do  1  and  3  systems  due  to 
the  output  value  of  the  recent  period  and  divides  their 
difference  by  sampling  period  [3,  5].  Then  the  program  L / t  ratio.  When  L / t  ratio  increases  from  1.07 / 2 , 
constitutes  data of  all slopes  and  selects  the  biggest slope.  system  settling  time  is  decreasing  and  when  L / t  ratio 
When the  maximum  slope is calculated,  the program waits  decreases  from  1.07 / 2  system  makes  overshoot  like  a 
steady  state because the  parameters of  system  are stable  in  second order system, and when  L / t  ratio is approximately 
steady  state.  Finally,  the  program  calculates  PID  zero, systems make oscillation [2]. 
parameters.  nd 
In equations in (8) and Figure 7,  2  system is a more robust 
st   rd 
To  sum  up,  to  calculate  PID  parameters  using  Ziegler­  system  than  do  1  and  3  systems  due  to  4 L / TSET 
  ratio.
Nichols  PRM;  first  gather  data  from  open­loop  plant 
response to unit step input, then examine data set to find the 
 nd 
As  resembling  to  figure  6,  2  system  has  a  good  applies a  step signal to system  input. It should be  said  that 
this  step  signal  is  at  least  10%  bigger  than  the  systems 
performance due to  4L / T  ratio is approximately1.07 / 2 . 
SET 
current input (reference) value [11]. 
If the step signal smaller than  10%, system parameters  can 
not  be  determined  reasonable.  After  applying  the  step 
signal, program waits until the system output to settle at the 
output  value.  When  the  system  output  is  stable,  program 
calculates  PID  parameters  using  Ziegler­Nichols  process 
reaction  method  and  sends  them  to  PID  parameter  input. 
When PID parameters are  loaded, program attaches system 
feedback  and  PID  controller.  Thus,  system  starts  to  work 
with PID controller. 
Figure 7:  SODSs to the Step Respon se  To clarify, necessary steps are given in a sequence below: 
­  Run the system in open­loop mode, then wait until 
1st  System : 4.L / T SET  = (4)(0.20) / 3.05 = 0.26  the system output becomes stable 
2 nd  System : 4.L / T SET  = (4)(0.20) /1.85 = 0.43  (8) 
­  Record system input and output, then apply  a  step 
3rd  System : 4.L / TSET  = (4)(0.20) /1.08 = 0.74  input to system (larger than 10% of recent input) 

From  figures  6  and  7,  Ziegler­Nichols  process  reaction  ­  Wait until  the system output becomes stable,  then 
calculate  PID  parameters  and  connect  feedback 
method  (PRM)  always  provides  a  responsible  proportional 
and PID controller to the system 
gain  for  PID  controller.  This  method  not  only  gives  good 
performance  but  also  is  robust  with  respect  to  controller  4.2  Simula tion of Self­Tuning PID Controller in a 
parameter perturbations [11].  Pr ogra mmable Logic Contr oller 
Siemens S7­400 CPU 412­2 DP PLC is used for testing this 
algorithm,  Within  the  program  Simatic  Manager 
4  Self­Tun ing PID Con tr oller 
Professional  a simulation toolbox is given. This  simulation 
PID parameters must be determined  from dynamic system.  toolbox is good for testing algorithm before applying it to a 
As  said  before,  system  parameters  change  because  of  real  system.  Also  a  data  collection  program  is  written  for 
various  reasons.  If  PID  controller  parameters  remain  the  S7­400  CPU  412­2  DP  which  collects  datas  and  transfers 
same  for  a  long  time,  the  dynamic  system  could  not  be  them to Microsoft Excel [10]. In addition, the  Figures  2,  6 
controlled  by  PID  efficiently.  Root  locus  method,  bode­  and 7 are obtained from this data collection program. 
frequency  analysis  method  and some  methods like  this can 
PRO GRAM 
be  used  for  this  calculation.  But  these  methods  have  Work with  CO NTROL 
complex  mathematical  calculations,  and  also  system  Recent  New 
Apply Step Signal 
Parameters  Parameters 
feedback  and  system’s  disturbations  can  not  be  measured 
momentary  without  any  error.  In  addition,  system 
parameters (like system gain)  change due  to environmental  Cancellation of  Is System Output  NO 
change. For these reasons, a  self­tuning PID controller is a  System Feedback  Stable ? 
necessity  because  this  type  of  a  controller  can  be  used  in 
different  type  of  systems  and  environmental  situations.  YES 
Steady State Ok ?  NO 
Moreover,  a  self­tuning  PID  is  a  robust  controller  for 
systems’  uncertain  parts.  Also  for  changing  at  system  Calculate PID 
Parameters 
dynamics  the  controller  adopts  itself.  Thus,  using  a  self­  YES 
tuning  PID  is  reasonable  rather  than  using  any  other  PID 
controller which has constant parameters [6].  Record System Input  Re­Attach System 
and Output  Feedback 

4.1  Algor ithm of Self­Tu ning PID Controller  and 

Pr ocess  Work with PID 
Program  algorithm  for  PLCs  is  given  in  Figure  8.  The  Controller 
algorithm consists of two start options: one is working with 
recent parameters which are calculated before; other option  Figur e 8:  Algor ithm of Main PLC Pr ogr am 
is  working  with  new  parameters.  In  this  option,  program 
Figure  9  explains  self­tuning  operation  for  a  first  order 
finds new  PID  parameters  for  system.  Because  of Ziegler­ 
Nichols  method  is  applicable  for  open­loop  systems,  dead­time system (FODS). In this system,  L / t  ratio is 0.4 
program first cancels system feedback and waits the system  where  dead  time  (L)  is  0.4  seconds  and  system  time 
response to settle. When the system output is reset, program  constant is 1.0 seconds. As seen in the figure, system waits 
records  system’s  momentary  input  and  Then  program  0.4 seconds and then starts to pursuit step response (point 3
 A 

Figure 9:  Self­Tu ning 

states step response). Then PLC program determines system 
characteristics,  and  find  PID  parameters  using  Ziegler­ 
Nichols  PRM in  point 1.  After  finding  the  parameters,  the 
PLC loads  these parameters  to PID controller. Because 0.4 
second dead time system  waits until  point 2,  and  then  PID  B 
controller  starts  to  control  system  in  point  2.  Thus,  system 
Figur e 11:  A – Therma l System 
makes no steady state  error and then pursuits step response 
B ­ Representa tion of Ther mal System 
like  in  Figure  10.  In  this  figure,  point  1  states  square  step 
input and point 2 states system’s response (system has self­  Rt 
tuning PID parameters – found in Figure 9).  T ( s )  = (11) 
Rt .Ct .s + 1 
Thus, in this paper self­tuning PID controller is applied to a 
first order dead time industrial thermal system. There is no 
need  to  calculate  Rt  and  Ct,  because  self­tuning  algorithm 
will find its parameters for PID without Rt and Ct. 

5.2  Connecting System to PLC 
PLC  needs  two  input,  one  of  them  is  system  output  (or 
feedback),  and  reference  signal,  due  to  Self­Tuning  PID 
controller  program.  Then  program  produces  control  signal 
for  thermal  system.  Reference  and  system  output  is 
Figur e 10:  System Response with Self­Tun ing PID  connecting to PLC’s analog inputs and control signal is sent 
pa ra meters   (R esponse to Squar e Step  Input)  from analog output to system. The connections are given in 
Figure 12. 
5  Self­Tuning PID Con tr olled Indu str ia l Ther mal  Reference 
System 
System Output  PLC  Control Signal 

After simulating Self­Tuning PID,  the  controller  is applied 

to  an  industrial  thermal  system.  The  steps  explained  in 
detail in 5.1, 5.2 and results are given in 5.3. 
Thermal 
System 
5.1  Therma l System 
This  system  can  be  represented  as  in  Figure  11.  In  this 
Figure 12:  Connections of  Therma l System to PLC 
figure, u(t), y(t), Rt, Ct, Ti and To represents control signal, 
system  output,  thermal  resistor,  thermal  capacity,  thermal  5.3  Self­Tuning PID Contr oller  Results 
output  and  thermal  disturbances  respectively  [13].  This  The  self­tuning  PID  simulation  is  given  in  Figure  9,  and 
system’s differential equation can be given in (9). thermal  system  self­tuning  PID  response  is  obtained  in 
d ( Ti ( t ) - T0 ( t ) )  Ti  (t ) - T0  ( t )  Figure  13.  As  seen  in  the  figure,  system  waits  until  dead 
q (t ) = C t  +  (9)  time  finishes  and  then starts  to pursuit  step  response.  PLC 
dT Rt 
program  determines  system  characteristics,  and  find  PID 
After  Laplace  transform,  the  s­domain  equation  can  be  parameters  using  Ziegler­Nichols  PRM.  Then,  PID 
given in (10), controller is started working and system is controlling with 
PID  controller.  The  simulation  result  and  the  real  system 
æ 1  ö result is the same. Simulation of system response to square 
Q ( s ) = Ti ( s ) + ç + Ct  s ÷ T0  ( s )  (10) 
èR t  ø  step  input  is  given  in  Figure  10,  and  thermal  system 
response  to square  step  input is  given  in  Figure  14.  L / t 
and the transfer function of this thermal system is,  ratio for this system is 0.29 (Dead  time is 0.2  seconds  and
system  time  constant  is  0.7  seconds).  Thus,  For  implementing  the  developed  algorithm  a  Siemens  S7­ 
0<  L / t  < 1.07.  As  seen  in  Figure  14,  Self­Tuning  PID  400 CPU 412­2 DP PLC is selected as a controller due to its 
controller  has  a  good  performance  because  of  L / t  ’s  good  performance  and  its  developed  structure.  Afterwards 
the  developed  PLC  algorithm  is  tested  on  an  industrial 
interval.  It  can  be  seen  from  Figure  14.  Results  are 
summarized in Table 1.  thermal  system.  The  results  showed  that  self­tuning  PID 
controller  has  a  good  performance  on  these  kind  of 
industrial  systems.  The  simulation  results  and  real  system 
results are compatible. 
As  a  result  in  this  work,  PID  application  and  system 
simulation  blocks  are  obtained  for  a  general  use  in  other 
industrial systems. 

Refer ences 
Figure 13:  Self­Tun ing Analysis in  Therma l System 
[1]  Astrom  K. J., Hagglund T.,  PID Controllers: Theory, 
Design  and  Tuning,  Instrument  Society  of  America, 
Research Triangle Park, NC, 1995. 
[2]  Atherton  D.  P.,  Majhi  S.,  Limita tions  of  PID 
Controllers,  Proceedings  of  the  American  Control 
Conference, pp. 3843­3847, June 1999. 
[3]  Friedland  B.,  Advanced  Control  System  Design, 
Figure 14:  Therma l System Response with  Self­Tuning  Prentice­Hall International Editions, 2001. 
PID pa ra meters   (R espon se to Squar e Step  Input)  [4]  Hagglund T., A Dead Time Compansating Three Term 
Controller,  9 th  IFAC/IFORS  Symp.  On  Identification 
System Type  :  FODS  and System Parameter Estimation, Budapest, Hungary, 
System Dead Time  :  0.2 sec  1991. 
System Time Constant  :  0.7 sec 
Expected Settling Time  :  2.1~3.5sec  [5]  Kurtulan  S.,  Programmable  Logic  Controllers  and 
PID Gain (K)  :  0.714  Applications, Bilesim, 1996. 
PID Integral Time (Ti)  :  0.400  [6]  Marshall, J. E., Gorecki, H., Korytowski, A.,  Walton, 
PID Derivative Time (Td)  :  0.100  K.,  Time­Dela y  Systems:  Stability  and  Performance 
Settling Time  :  2.2 sec  Criteria  with Applications, Ellis Horwood, NY, 1992. 
Overshoot  :  15% 
L / t  ratio  :  0 < 0.29 < 1.07  [7]  Middleton R. H., Goodwin G. C., Digital Control and 
Estimation:  A  Unified  Approa ch,  Prentice­Hall, 
Table 1: Self Tuning PID Con tr oller  R esults  Englewood Cliffs, 1990. 
for  a Th er mal System 
[8]  Ogata,  K.,  Discrete­Time  Control  Systems,  Prentice­ 
Hall, Englewood Cliffs, NJ, 1995. 
6  Conclu sions 
[9]  Olsson  G.,  Pianni  G.,  Computer  Systems  for 
In  this  article  the  Ziegler­Nichols  process  reaction method  Automation and Control, Prentice Hall, 1992. 
(PRM) based self­tuning PID controller is presented and its 
[10]  Siemens,  Simatic  S7­300  /  400  Programmable 
application on a programmable logic controller is given. For 
Controller System Manuel, 2000. 
this purpose first of all at the implementation part industrial 
PID algorithm is used where PID’s derivative input is taken  [11]  Silva  G.,  Datta  A.,  Bhattacharyya  S.  P.,  PID 
from system output and  filtered, so high­frequency signals’  Controllers  for  Time­Delay  Systems,  Birkhauser 
effect  is  minimized.  Then,  integral  term  is  confirmed  to  Boston, 2005. 
obtain a more robust PID structure and finally the output of 
PID is limited due to PLC’s maximum and minimum range.  [12]  Silva  G.,  Datta  A.,  Bhattacharyya  S.  P.,  On  the 
Secondly,  Ziegler­Nichols  method  is  given  and  together  Stability a nd Controller Robustness  of Some Popular 
within  robustness  definition  is  defined.  It  can  be  seen  that 
PID  Tuning  Rules,  IEEE  Transactions  on  Automatic 
Control, Vol.48, pp. 1638­1641, 2003. 
most industrial  systems  are  in  the  group  of  this  robustness 
limit,  and  due  to  fact  that  most  industrial  systems  are  [13]  Yücelen  T.,  Kaymakçı  Ö.,  Kurtulan  S.,  Digita l  PID 
usually  modeled  first  order  or  second  order  dead  time  Controller Design with PLC for an Industrial Thermal 
system  at  practice.  Ziegler­Nichols  PRM  is  simulated  in  System, 3 rd  Automation Symposium, Denizli, Turkey, 
section 4  for  these  types  of  systems  and  get  in  touch  with  2005.
robustness definition.