visitaaponce.com

PT Indonesia Asahan Aluminium (Inalum) meluncurkan aplikasi digital twin & machine learning pada lini proses peleburan dan pencetakan aluminium. Ini diharapkan semakin memperkuat efisiensi operasional perusahaan.

Teknologi itu merupakan hasil dari kompetisi Bigmind Innovation Award 2022 karena BUMN tersebut menjadi pemenang. Corporate Secretary Mind Id Heri Yusuf mengatakan perusahaan mengapresiasi Inalum yang proaktif mengimplementasikan hasil kompetisi itu dalam operasional bisnisnya. Hal ini tentu akan semakin membuat banyak pihak lebih tertarik untuk berinovasi guna mendukung penguatan nilai tambah grup.

Menurutnya, penguatan kinerja operasional menjadi fokus grup dengan mengoptimalkan sistem digital dan inovasi yang berkelanjutan. "Kami yakin melalui sistem digital twin dan machine learning bisa mendorong kinerja menyeluruh dari hulu hingga hilir. Ini sejalan dengan arahan Kementerian Badan Usaha Milik Negara (BUMN) kepada Mind Id untuk menjadi lighthouse 4.0," kata Heri. 

Baca juga : Aplikasi Digital Kunci Distribusi Pupuk Subsidi Tepat Sasaran

Selama ini beberapa proses produksi masih dilakukan secara manual. Melalui transformasi digital, Inalum mendorong peningkatan kinerja manufaktur lewat kerja sama dengan Universitas Telkom dalam penerapan konsep digital twin di Casting Plant sebagai langkah awal menuju smart smelter. Beberapa tantangan pada proses produksi seperti penggunaan peralatan konvensional, penggunaan log book untuk data operasional, dan belum ada integrasi antarsistem di pabrik dapat teratasi dengan inovasi digital twin yang mengintegrasikan manufaktur dan teknologi. 

Penerapan inovasi ini juga mendukung upaya optimalisasi biaya produksi. Integrasi data dari berbagai mesin yang ada pada casting plant billet memungkinkan proses monitoring dalam satu platform dan secara real time. Sistem ini dapat menampilkan keseluruhan mesin dan konfigurasinya pada casting plant billet untuk menjadi kembaran (twin) dari sistem fisik yang ada pada casting plant billet. Pengumpulan data realtime dari lantai produksi juga dapat memonitor produktivitas, biaya produksi, serta membantu menentukan keputusan operasional pada casting plant billet.

Sementara itu, integrasi analisis data melalui machine learning bertujuan mengatasi tantangan ketersediaan pasokan anoda pada pabrik anoda. Melalui aplikasi Machine Learning Integrated Data Analytics Platform for Anode Production (MLIDAP-AP), tantangan potensi penurunan kualitas bahan baku anoda dan risiko peningkatan anoda reject dapat teratasi. (Z-2)