Memanfaatkan Teknologi Digital Twin untuk Kinerja Aset Puncak di Industri Berat

Dampak dari COVID-19 telah mengubah lanskap manajemen aset, khususnya di industri berat seperti kilang dan pabrik manufaktur. Tantangan ini memberikan peluang untuk mendorong perubahan paradigma mengenai cara pengelolaan operasional pabrik.

Pemilik dan operator fasilitas industri kini menghadapi beberapa tantangan, seperti gangguan rantai pasokan global yang mungkin berdampak pada “operasional dan pemeliharaan” operasi, sambil berupaya memenuhi permintaan produksi yang terus meningkat. Yang membuat mereka terjaga di malam hari adalah risiko yang tidak dapat mereka lihat, terutama jika menyangkut masalah aset yang tidak terduga dan kemungkinan kerusakan peralatan dalam jangka panjang. 

Untuk membantu mengelola siklus hidup semua aset di fasilitas industri, organisasi mencari solusi inovatif untuk mengoptimalkan kinerja peralatan mereka sekaligus memastikan keselamatan dan keandalan operasional. Hal ini mencakup integrasi dan standarisasi data serta penerapan teknologi kembar digital yang menyediakan analisis pemeliharaan aset prediktif. 

Apa itu Teknologi Kembar Digital?

Saat ini, tim teknik dan desain menggunakan model simulasi proses dinamis untuk melihat keadaan operasi pabrik saat ini. Hal ini memungkinkan mereka dengan cepat menunjukkan hambatan operasional, kekurangan unit, keterbatasan desain, dan kecukupan sistem bantuan. Namun, diperlukan kemampuan pembelajaran mesin (ML) tingkat lanjut untuk memodelkan dan memprediksi kondisi operasi pabrik di masa depan.

Teknologi kembar digital memanfaatkan algoritme pembelajaran mesin untuk mengumpulkan, mengintegrasikan, menganalisis, dan membandingkan data operasional dan desain historis dengan data saat ini untuk membentuk model statistik. Hasilnya adalah tiruan virtual dari setiap unit di sebuah fasilitas, yang mereplikasi fungsi, fitur, dan perilaku fisiknya, serta sistem mekanis dan kelistrikan yang dimasukkan ke dalamnya. 

Model kembar digital juga mencakup infrastruktur fisik fasilitas atau lokasi industri dan jaringan proses pabrik yang rumit, termasuk pengadaan dan logistik rantai pasokan, untuk menciptakan lingkungan operasional digital.

Contoh Klon Virtual Teknologi Kembar Digital. Sumber:Anvil Corporation

Menerima informasi yang benar pada waktu yang tepat mencegah kegagalan peralatan. Kemampuan pembelajaran mesin digital twin yang canggih memberi pemilik/operator analisis prediktif berdasarkan pola dan korelasi dalam data. 

Berbekal informasi ini, pemilik/operator dapat melihat:

• Bagaimana setiap unit dapat menua dan berubah seiring waktu
• Kapan suatu unit mungkin mengalami kegagalan
• Kapan harus memesan barang dengan prospek panjang berdasarkan model sistem pengadaan/rantai pasokan
• Kapan harus mengatasi suatu masalah sebelum masalah itu terjadi

Pertanyaan yang sering muncul berkaitan dengan perbedaan antara kecerdasan buatan (AI) dan pembelajaran mesin, karena kedua teknologi canggih tersebut memberikan analisis prediktif. Perbedaannya adalah:

• Pembelajaran mesin memberi pemilik/operator informasi obyektif yang menjadi dasar keputusan mereka
• AI memberikan pendekatan subjektif terhadap pengambilan keputusan dengan merekomendasikan tindakan. 

Tujuan dari pembelajaran mesin kembar digital bukan untuk menggantikan interaksi dan evaluasi manusia, namun untuk menjadikan interaksi tersebut tidak mengganggu dan selalu belajar. 

Selain itu, AI adalah teknologi sumber terbuka yang beroperasi di Internet, yang berpotensi melanggar hak milik informasi, sedangkan perangkat lunak pembelajaran mesin digital twin terbatas pada perusahaan, fasilitas, atau lokasi tertentu. 

Dengan mensimulasikan skenario operasional masa depan dengan model kembar digital dan analisis prediktif pembelajaran mesin, pemilik/operator dapat mengoptimalkan sumber daya, proses, dan jadwal pemeliharaan, strategi, dan penyiapan mereka. 

Teknologi kembar digital juga membantu pemilik/operator memprediksi kapan harus menjadwalkan penyelesaian dan kapan harus memesan barang dalam jangka panjang sebelum penutupan. Hal ini sangat penting terutama untuk lokasi terpencil dengan waktu tunggu peralatan yang lebih lama, sehingga pemilik/operator merasa tenang karena mengetahui bahwa mereka akan mengadakan pengadaan peralatan di lokasi bila diperlukan.

Membangun Cetak Biru Kembar Digital

Langkah pertama dalam membangun cetak biru kembaran digital adalah mencari dan memasukkan semua data historis, termasuk catatan inspeksi, kode baru, tarif ulang, dan data operasional saat ini, ke dalam perangkat lunak kembaran digital untuk mengembangkan prototipe virtual dan dapat digunakan kembali dari setiap aset fisik di fasilitas produksi. 

Contoh Klon Virtual Teknologi Kembar Digital. Sumber:Anvil Corporation

Bagian penting dari langkah ini adalah memastikan bahwa instrumentasi pemantauan yang benar tersedia untuk memberi masukan kepada model digital secara terus-menerus. Pedoman produksi historis dan asli dapat diprogram sebagai titik “alarm” dalam model untuk mengingatkan pemilik akan potensi gangguan atau kegagalan.

Fungsi pembelajaran mesin kembar digital mengambil alih dari sana, menggabungkan, melakukan referensi silang, dan secara instan mengintegrasikan semua data yang berbeda dari berbagai sumber secara real-time. Sebagai perbandingan, seorang insinyur memerlukan waktu berminggu-minggu untuk menghitung informasi yang sama secara manual. 

Setelah semua data dikumpulkan dan diintegrasikan, pembelajaran mesin membandingkan kinerja saat ini dengan apa yang awalnya dirancang untuk unit tersebut untuk secara instan menandai kelainan atau penyimpangan dari perilaku yang diharapkan. Hal ini membantu para engineer secara instan mengidentifikasi area yang menjadi perhatian untuk diselidiki lebih lanjut dan secara virtual memvalidasi dan menskalakan model untuk memperluas kemampuan mereka tanpa mengganggu pengoperasian fasilitas.

Model kembar digital kemudian memprediksi apa yang akan terjadi dengan mensimulasikan skenario operasional di masa depan untuk menentukan bagaimana unit akan berkembang seiring waktu dan kapan komponen unit perlu diganti. 

Seiring dengan terus berkembangnya teknologi kembaran digital, jenis evaluasi fisik lainnya mungkin sudah ketinggalan zaman, seperti uji coba online. Misalnya, model canggih ini dapat memprediksi bagaimana sistem bereaksi terhadap perubahan variabel proses tanpa mengganggu operasional fasilitas sehari-hari, menghilangkan produk yang tidak sesuai spesifikasi, dan potensi masalah keselamatan yang terkait dengan uji coba di dunia nyata.

Tantangan Teknologi Kembar Digital

Keluaran Hanya Sebagus Masukan

Tantangan utama dalam membangun model kembaran digital bukanlah pada teknologinya – melainkan pada penentuan apakah data gabungan dari beberapa sumber berdasarkan beberapa variabel yang dimasukkan ke dalam model didasarkan pada informasi yang dapat diandalkan. 

Misalnya, bagaimana operator mengetahui ketika suatu bagian atau sistem sudah berada dalam kondisi kegagalan saat membuat model? 

Hal ini melibatkan pendefinisian informasi yang dapat diandalkan. Informasi yang andal biasanya berasal dari lebih banyak data yang telah direferensikan dan divalidasi oleh pembelajaran mesin digital twin—data dari instrumentasi pemantauan proses dan peralatan yang diintegrasikan ke dalam jaringan pabrik yang cerdas dan otomatis. 

Misalnya, menangkap satu set data mengenai kinerja suatu unit tidaklah cukup. Untuk mendapatkan informasi yang lebih andal, penting juga untuk memperoleh data mengenai infrastruktur pendukung unit tersebut. Bisa jadi pemipaan ke dalam unit atau komponen kelistrikan yang memberi daya pada unit tersebut sudah dalam keadaan rusak, sehingga berdampak pada beberapa unit lain yang beroperasi dengan komponen dan sistem mekanis dan kelistrikan yang sama. 

Kekuatan Data

Lebih banyak data memberikan pandangan yang lebih realistis kepada pemilik/operator tentang operasi saat ini, yang membantu membangun model kembar digital yang lebih akurat. Dengan data yang terintegrasi dan tervalidasi dari berbagai input, model kembar digital dapat: 

• Perkirakan umur peralatan
• Memprediksi kegagalan peralatan
• Tentukan waktu untuk menjadwalkan penyelesaian fasilitas

Dengan model kembar digital, pemilik fasilitas dan operator dapat menjalankan dan mempertahankan operasi mereka selama masa penyelesaian dan musim puncak produksi. 

Namun, tetap penting bagi seorang insinyur untuk mengisi data operasi subjektif. Pertimbangan metalurgi, serta efek kimia dan fisik dari aliran proses pada peralatan dan perpipaan, masih memerlukan pengetahuan dan keahlian teknik untuk sepenuhnya menggunakan informasi kembar digital.  

Fakta bahwa jutaan suku cadang membentuk ratusan sistem di fasilitas industri mana pun menggarisbawahi pentingnya menyimpan catatan pemeliharaan yang akurat; keluaran model kembaran digital hanya akan sebaik masukannya. Oleh karena itu, mendapatkan kesediaan para pemangku kepentingan untuk mengadopsi teknologi ini bergantung pada tingkat kepercayaan mereka dan apakah mereka yakin bahwa informasi tersebut akurat atau tidak. 

Percaya pada Teknologi

Keberhasilan penerapan teknologi kembar digital memerlukan akses ke perangkat lunak yang tepat dan spesialis terlatih. Perusahaan perangkat lunak simulasi proses kini membeli teknologi antarmuka untuk mengembangkan model kembar digital dengan lebih baik.

Tantangannya terletak pada memastikan bahwa antarmuka terintegrasi dengan benar untuk menghasilkan informasi dasar yang akurat. Dibutuhkan spesialis terlatih yang memiliki pengetahuan tentang teknologi kembaran digital dan proses yang menggunakan metadata industri untuk memastikan bahwa semua informasi historis yang dimasukkan ke dalam model adalah benar. 

Ringkasan

Algoritme pembelajaran mesin canggih, analitik prediktif, dan kemampuan pemodelan digital twin menawarkan opsi manajemen aset baru yang hemat biaya untuk semua ukuran fasilitas. Dengan bekerja sama dengan konsultan teknik dan menggunakan perangkat lunak yang tepat, pemilik fasilitas/operator dapat dengan cepat menerapkan teknologi dan mengintegrasikannya ke dalam operasi mereka. 

Teknologi ini juga menghasilkan beberapa manfaat biaya, termasuk: 

• Pengoperasian dan efisiensi energi
• Perkiraan keandalan, keselamatan, dan pemeliharaan yang ditingkatkan 
• Mengurangi risiko, waktu henti, dan biaya pemeliharaan yang tidak perlu

Merangkul teknologi kembaran digital sangat penting untuk tetap kompetitif di pasar industri yang berkembang pesat.