Pengembangan Sistem Digital Twin untuk Optimalisasi Produksi di Casting Plant Billet PT Indonesia Asahan Alumunium

Bandung, September 2025 – Industri manufaktur telah mengalami transformasi besar seiring kemajuan teknologi dan meningkatnya tuntuan pasar. Salah satu pendekatan inovatif yang muncul untuk menjawab tantangan ini adalah konsep Digital Twin, yaitu representasi digital dari objek fisik, dalam hail ini smelter, yang memungkinkan pemantauan dan pengendalian secara real-time. Dalam konteks ini, Dr. Eng. Murman Dwi Prasetio, S.T., M.B.A. dan tim melakukan pengembangan proyek Digital Twin Tahap 2 di pabrik Billet Casting, dengan fokus pada penyempurnaan pembacaan sensor digital di lapangan serta pengembangan dashboard, sekaligus penerapan awal predictive maintenance untuk optimalisasi proses produksi dan pemeliharaan.

(Gambar cover merupakan Dashboard Monitoring: Integrasi antara model digital (Digital Twin) dan kondisi nyata di PT. Inalum untuk memantau proses produksi secara real-time, meningkatkan efisiensi, serta mendukung pengambilan keputusan berbasis data.)

Tantangan Optimalisasi Produksi di Industri Smelter

Industri manufaktur, termasuk sektor peleburan aluminium, telah mengalami transformasi signifikan akibat kemajuan teknologi dan meningkatnya tuntutan pasar. Namun, sistem produksi konvensional masih menghadapi sejumlah keterbatasan, seperti keterlambatan dalam pemantauan proses, kurangnya integrasi data secara real-time, serta kesulitan dalam mengendalikan variabel-variabel penting di lini produksi. Tantangan ini seringkali mengakibatkan inefisiensi, meningkatnya risiko downtime mesin, dan biaya perawatan yang lebih tinggi.

Selain itu, proses pengambilan data di lapangan umumnya masih dilakukan secara manual atau tidak berkelanjutan, sehingga kualitas informasi yang diperoleh kurang optimal. Padahal, supaya proses produksi dapat dikendalikan dengan lebih presisi, data harus dikumpulkan secara kontinyu dengan dukungan sensor yang sesuai standar Industrial Internet of Things (IIoT).

Kesenjangan ini menjadikan industri membutuhkan solusi baru yang mampu meningkatkan efisiensi, akurasi, dan keberlanjutan dalam pengelolaan proses produksi.

Digital Twin: Inovasi untuk Optimalisasi Produksi

Fitur Real-time monitoring mendeteksi masalah atau kegagalan mesin secara real-time, memungkinkan perbaikan segera sebelum masalah membesar.

Tahap Descriptive Maintenance, mengambil data dari equipment menggunakan sensor yang nantinya akan dimasukan menggunakan nodered untuk mengetahui berapa banyak billet yang diproduki

Tahap Predictive Maintenance, pengolahan data yang sebelumnya sudah dikumpulkan menggunakan AI (LLM) diambil dari nilai operasi based on data maks/min parameter

Tahap Prescriptive Maintenance, diberikan saan atau suggestion Tindakan yang didasari pada hasil Tahap predictive maintenance sebelumnya

Berangkat dari tantangan transformasi industri manufaktur akibat kemajuan teknologi dan tuntutan pasar global, penelitian tim dari Fakultas Rekayasa Industri berfokus pada pengembangan Digital Twin sebagai solusi inovatif di bidang peleburan aluminium. Digital Twin memungkinkan representasi digital dari smelter sehingga proses produksi dapat dipantau dan dikendalikan secara real-time, dengan dukungan sensor yang terintegrasi melalui standar Industrial Internet of Things (IIoT).

Dalam proyek tahap kedua yang dilakukan di pabrik Billet Casting PT Inalum, penelitian ini menekankan penyempurnaan pembacaan sensor digital di lapangan, pengembangan dashboard, serta penerapan awal predictive maintenance untuk mengoptimalkan proses produksi dan perawatan mesin. Pendekatan ini menggunakan metode pengembangan perangkat lunak Agile, yang memungkinkan proses iteratif dan perbaikan berkelanjutan sesuai kebutuhan industri.

Hasil awal menunjukkan bahwa platform Digital Twin yang dikembangkan berpotensi mendukung pemantauan produksi casting secara lebih efektif, sekaligus mengurangi potensi downtime melalui sistem predictive dan prescriptive maintenance. Kontribusi penelitian ini tidak hanya memperkuat implementasi teknologi Industry 4.0 dalam industri peleburan aluminium, tetapi juga memberikan rekomendasi perawatan yang lebih tepat agar produksi berjalan optimal dan berkelanjutan.

Berdasarkan capaian tersebut, proyek ini dinilai memiliki manfaat strategis bagi publik, termasuk peningkatan daya saing industri nasional, efisiensi energi, serta keberlanjutan lingkungan. Detail metodologi dan pengembangan lebih lanjut dapat ditelusuri dalam publikasi berikut:

  1. Purnama Taryana, G., Prasetio, M. D., Astuti, M. D., Oktafiani, A., Budiasih, E., & Wiyono. (2023). Desain Monitoring Sistem pada Tungku Pembakaran dengan Pendekatan Multi-level Digital Twin. Jurnal Sistem Cerdas, 6(1), 11–18.
  2. Indrayani, rina and Murman Dwi Prasetio (2020). An Approaching Machine Learning Model: Tile Inspection Case Study. International Journal of Innovation in Enterprise System, [online] 4(1), pp.12–22. Available at: https://ijies.telkomuniversity.ac.id/index.php/IJIES/article/view/44 [Accessed 12 Sep. 2025].

Melalui penelitian ini, Murman Dwi Prasetio dan tim, dengan dibiayai oleh kedaireka pada tahun 2023 turut memperkuat kontribusi Fakultas Rekayasa Industri dalam mendorong transformasi digital di sektor manufaktur nasional, sekaligus menjadi inspirasi bagi mahasiswa dan akademisi untuk terus menghadirkan inovasi yang relevan dengan kebutuhan industri 4.0.

Contributor: Dr. Eng. Murman Dwi Prasetio, S.T., M.B.A.

Similar Posts

Leave a Reply

Your email address will not be published. Required fields are marked *