Produksi bahan kimia sangat tergantung pada faktor-faktor eksternal, seperti suhu dan tekanan. Variabel operasional ini dapat ditangkap oleh sensor, ditelusuri setiap saat, dan dibandingkan setiap saat dengan output untuk membuat model prediktif. AI dapat memanfaatkan data ini untuk mengoptimalkan setting (sebelum proses produksi dimulai) dan melakukan penyesuaian secara real time (misalnya mengubah kecepatan aliran atau suhu condenser) saat dibutuhkan. Ketika penyesuaian dapat dilakukan sebelum terjadi masalah, hasil produksi bisa lebih konsisten dan terprediksi.
Pemeliharaan atau maintenance sangat kritis di industri kimia yang proses produksinya sangat tergantung pada perangkat berat industri. Jika terjadi masalah pada peralatan tersebut, proses produksi bisa mengalami keterlambatan. Namun aktivitas pemeliharaan ini tak jarang dilakukan berdasarkan jadwal dan intuisi, atau bahkan, setelah mesin mengalami kerusakan.
AI menawarkan predictive maintenance yang memanfaatkan analisis data historis dan data operasional dari sensor IIoT. Pendekatan ini dapat menyajikan tinjauan komprehensif tentang kerja mesin saat sedang beroperasi dan prediksi kinerjanya di waktu yang akan datang.
Predictive maintenance memungkinkan perusahaan memperbaiki mesin hanya ketika benar-benar dibutuhkan, yaitu saat ada tanda-tanda komponen rusak atau ketika tiba waktunya untuk servis berkala, dengan meminimalkan downtime tidak terencana dan menurunkan biaya pemeliharaan.
Masih banyak perusahaan yang menggunakan model forecasting klasik dan cara lama dalam mengelola supply chain, misalnya menggunakan software spreadsheet. Prediksi yang akurat ini penting dalam kaitannya dengan laba bersih karena perkiraan yang berlebih dapat berdampak pada penyimpanan dan biaya penyimpanan. Sementara under-forecast berpotensi luputnya peluang pendapatan perusahaan.
AI dapat berperan untuk mengidentifikasi variabel yang mengubah permintaan (demand) dan secara otomatis menyesuaikan perkiraan (forecast) ketika sistem menerima informasi baru. Model berbasis AI ini akan bekerja secara otomatis, perusahaan tidak perlu mengatur ulang sistem setiap saat. Selain akurasi yang lebih baik, AI akan memberikan pengurangan biaya yang signifikan.
Produksi bahan kimia adalah salah satu industri dengan aturan atau regulasi yang sangat ketat. Perusahaan di sektor ini harus mematuhi protokol-protokol nasional maupun internasional untuk mengatur prosedur operasional utama maupun faktor-faktor terkait kesehatan, keselamatan, dan lingkungan.
Dengan mengombinasikan teknologi Industrial Internet of Things (IIoT), pengumpulan data real time, dan advanced analytics, AI dapat membantu meningkatkan keselamatan karyawan dan aset fisik, serta secara ketat menjaga kepatuhan (compliance).
Data dari sensor dan mesin-mesin penghasil data lainnya akan menangkap informasi dari lingkungan fisik dan mengubahnya menjadi catatan digital operasional dan jaringan pasokan. Data monitoring ini akan meningkatkan visibilitas aset maupun personil, termasuk yang berada di lokasi terpencil. Ketika sistem terintegrasi sepenuhnya, AI dapat menangkap apapun mulai dari karyawan yang tidak mematuhi standar keamanan proyek sampai dengan kebocoran dan hal-hal lain yang berbahaya untuk lingkungan.
Teknologi AI dapat dimanfaatkan lebih awal dalam tahap pengembangan produk dan proses untuk mempercepat inovasi dan memfasilitasi proses “idea-to-market” yang lebih efisien. Contoh penerapan AI di sini disampaikan oleh McKinsey, yaitu memanfaatkan advanced analytics dan machine learning untuk melakukan data mining terhadap informasi dari eksperimen di masa lalu. Kemudian data itu disimulasikan, dan perusahaan menggunakannya untuk mengoptimalkan formulasinya dari sisi kinerja dan biaya.
Produsen kimia terbesar di dunia, BASF, khusus menggelontorkan investasi untuk mencari tahu bagaimana AI dapat digunakan untuk memprediksi kombinasi dan proses kimia dengan memanfaatkan model matematika dan algoritme.
| Penulis | : | Liana Threestayanti |
| Editor | : | Liana Threestayanti |
KOMENTAR