Penerapan Artificial Intelligence (AI) di industri kimia adalah sebuah keniscayaan mengingat sektor ini termasuk yang selalu terdepan dalam pemanfaatan teknologi. Inilah contoh pemanfaatan AI di industri kimia.
Industri kimia merupakan salah satu sektor ekonomi terbesar di dunia karena 96 persen dari produk manufaktur membutuhkan bahan kimia dalam proses pembuatannya. Sektor ini diperkirakan berkontribusi sebesar US$5,7 triliun terhadap output ekonomi dunia, atau menyumbang sebesar 7 persen dari PDB dunia, dan membuka lapangan pekerjaan bagi 120 juta pekerja di seluruh dunia.
Sementara di Indonesia, meski masih dalam suasana pembatasan yang ditetapkan oleh pemerintah, industri kimia, farmasi, dan obat tradisional di Indonesia menjadi subsektor terbesar kedua penyumbang kontribusi pada sektor industri pengolahan nonmigas triwulan II 2021.
Sektor industri kimia umumnya terbagi ke dalam beberapa sub sektor, antara lain, petrokimia, agrokimia dan pupuk, kimia komoditi (bulk chemical), kimia khusus, dan farmasi.
Dalam hal pemanfaatan teknologi, industri kimia termasuk yang terdepan karena sektor yang sangat kompetitif ini harus selalu mengikuti perkembangan teknologi, karena bahan kimia dan produk-produk terkait sangat bergantung pada riset dan pengembangan produk. Oleh karena itu, peranan Artificial Intelligence (AI) adalah sebuah keniscayaan di lingkungan industri manufaktur kimia.
Tidak hanya untuk menjawab tantangan di bidang riset dan pengembangan, peranan AI juga akan dibutuhkan industri kimia dalam produksi, pemasaran, bahkan distribusi. Pemanfaatan AI juga akan membantu pelaku di sektor ini beroperasi dengan lebih efisien dan mampu memanfaatkan peluang di tengah disrupsi.
Studi Accenture mengungkapkan fakta-fakta yang menjanjikan dari penerapan kecerdasan buatan atau Artificial Intelligence di industri kimia. Accenture mencatat sebanyak 72 persen pelaku industri kimia yang disurvei melaporkan adanya peningkatan minimal 2 kali dalam KPI yang berkaitan dengan proses. Sementara 37 persen mengakui adanya peningkatan sebanyak 5 kali lipat dalam KPI-nya.
Seperti kami sampaikan sebelumnya, seperti halnya sektor-sektor lain di industri manufaktur, industri kimia sudah merasakan dampak dari digitalisasi dan Industry 4.0. Penerapan AI hanyalah kulminasi dari transformasi digital yang sudah berjalan. Dan seperti di industri lainnya, AI adalah cara yang efektif untuk mengoptimalkan operasi dan meningkatkan laba perusahaan.
Berikut adalah enam contoh penerapan AI di industri kimia yang dihimpun InfoKomputer dari berbagai sumber.
Produsen bahan kimia biasanya menugaskan seorang staf yang berpengalaman untuk memeriksa kualitas produk dengan cara membandingkan data produksi menggunakan berbagai benchmark. Proses ini umumnya dilakukan setelah produk selesai dibuat.
Namun algoritme deep learning dapat membantu menemukan masalah lebih dini dengan menganalisis data input dan faktor-faktor produksi yang sedang berjalan (real time). Dengan kemampuan deteksi dini ini, pelaku industri kimia dapat melakukan tindakan lebih awal, menyelamatkan produk yang bermasalah atau menghentikan produksi untuk batch tersebut agar tidak keluar ongkos lebih banyak lagi.
Contoh pemanfaatan AI seperti ini diperlihatkan oleh Mitsui Chemicals dalam sebuah program percobaan. Dengan memanfaatkan deep learning, perusahaan asal Jepang ini dapat secara akurat memprediksi kualitas produk gas yang sedang diproduksi 20 menit sebelum produk selesai diproduksi.
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