Sebagai salah satu aplikasi Artificial Intelligence, predictive maintenance kian banyak diaplikasikan di lingkungan industri di Indonesia. Apa manfaatnya bagi bisnis? Bagaimana hal itu bisa diterapkan dengan cepat, simpel, dan terpercaya?
Penerapan Artificial Intelligence (AI) dan Internet of Things (IoT) telah merambah ke banyak sektor, di antaranya sektor manufaktur. Dan salah satu use case di mana keduanya applicable secara harmonis di sektor ini adalah predictive maintenance.
Prinsip umum dalam pemeliharaan (maintenance) adalah mendeteksi masalah sebelum kejadian sehingga dapat mencegah terjadinya hal-hal yang tidak diinginkan. Namun dalam hal pemeliharaan ini, para pelaku di industri manufaktur juga menghadapi dilema dalam hal frekuensi pemeliharaan.
“Dilemanya ada dua, yaitu kita melakukan maintenance terlalu sering atau terlalu jarang,” jelas Christian Suryanto, Technical Expert, IBM Indonesia di hadapan peserta InfoKomputer Tech Gathering beberapa waktu lalu.
Frekuensi pemeliharaan yang tepat ini menjadi penting karena dapat berujung pada cost atau biaya. Frekuensi yang terlalu sering dapat menyebabkan ongkos maintenance meningkat, padahal belum tentu dibutuhkan. Sedangkan pemeliharaan yang jarang dilakuan dapat berujung pada biaya kehilangan, kerusakan, dan asuransi.
Oleh karena itu, pertanyaan berikutnya tentunya adalah bagaimana menentukan frekuensi pemeliharaan yang tepat. Di sinilah Artificial Intelligence dan Internet of Things bekerja sama untuk menjawab tantangan ini, melalui Predictive Maintenance.
“Cost ini menjadi poin dari faktor utama dalam predictive maintenance yaitu mengurangi biaya,” ujar Christian. Berdasarkan survei yang dilakukan oleh IBM, pemanfaatan predictive maintenance dapat memangkas hingga 40% dari biaya total pemeliharaan.
Namun tentu saja ada manfaat lain dari predictive maintenance selain biaya. Pemeliharaan prediktif ini juga dapat bersumbangsih pada keselamatan pekerja, baik dari sisi engineer yang melakukan pemeliharaan itu sendiri maupun dari sisi pekerja yang mengoperasikan mesin atau alat yang dipelihara.
Manfaat lain dari predictive maintenance adalah menanggulangi worker shortage. Saat tidak banyak sumber daya manusia yang bisa melakukan pemeliharaan mesin atau alat di lapangan, predictive maintenance yang berbasis AI ini dapat membantu memberdayakan SDM secara lebih efisien.
Dan manfaat lain yang pasti diharapkan dari predictive maintenance adalah mengatasi downtime dan menjaga uptime.
Perhatikan 4D
Kemudian Christian Suryanto memaparkan empat hal, yang disebutnya sebagai 4D, yang dibutuhkan dalam predictive maintenance. Pertama adalah Data sebagai elemen dasar dalam mengaplikasikan AI.
| Penulis | : | Liana Threestayanti |
| Editor | : | Liana Threestayanti |
KOMENTAR