Transformasi Industri 4.0 dan Peran Digital Twin
Dalam era Industry 4.0, konsep digital twin atau kembar digital menjadi salah satu pilar utama transformasi industri. Digital twin adalah representasi virtual dari sistem fisik yang mampu mereplikasi perilaku, kondisi, dan status real-time. Dengan menghubungkan sistem fisik ke dunia digital melalui sensor dan algoritma, digital twin memungkinkan pemantauan kondisi (condition monitoring), simulasi perilaku, hingga prediksi kegagalan (predictive maintenance).
Paper berjudul “Design of a Digital Twin for an Industrial Vacuum Process: A Predictive Maintenance Approach” karya Mohammad F. Yakhni, Houssem Hosni, Sebastien Cauet, Anas Sakout, Erik Etien, Laurent Rambault, Hassan Assoum, dan Mohamed El-Gohary, dipublikasikan di jurnal Machines tahun 2022, menghadirkan implementasi nyata digital twin dalam sistem ventilasi industri.
Kontribusi penelitian ini ada pada pengembangan model digital twin untuk sistem motor–kipas industri dengan pendekatan Motor Current Signature Analysis (MCSA). Model ini dikombinasikan dengan simulasi Matlab/Simulink dan protokol diagnostik berbasis statistik untuk mendeteksi kerusakan komponen secara dini. Hasilnya menunjukkan bahwa metode ini efektif, murah, dan aplikatif untuk kondisi industri nyata.
Latar Belakang: Mengapa Sistem Ventilasi Butuh Predictive Maintenance?
Sistem ventilasi di industri memiliki peran vital untuk menjaga kualitas udara, keselamatan pekerja, dan kelancaran proses produksi. Kerusakan mendadak pada motor, kipas, atau sabuk transmisi bisa menyebabkan:
- Downtime produksi → terhentinya jalur produksi secara tiba-tiba.
- Kerugian finansial → biaya perbaikan darurat lebih mahal dibanding pemeliharaan terencana.
- Risiko keselamatan → debu kayu atau partikel industri lain bisa membahayakan kesehatan pekerja bila ventilasi gagal.
Kebanyakan metode pemantauan kondisi (condition monitoring) saat ini menggunakan analisis getaran atau sensor akustik. Meski akurat, metode tersebut mahal karena membutuhkan sensor tambahan khusus. Di sinilah MCSA menjadi solusi: cukup memanfaatkan sensor arus dan tegangan yang sudah ada, sehingga lebih hemat dan praktis.
Studi Kasus: Instalasi Ventilasi di MTC Poitiers
Penelitian dilakukan pada sistem ventilasi di Municipal Technical Center (MTC) Poitiers, Prancis. Instalasi ini terdiri dari 11 mesin, dengan 4 mesin beroperasi bersamaan. Ventilasi menggunakan kipas besar yang digerakkan oleh motor induksi (Induction Motor/IM) melalui puli, sabuk transmisi, dan poros.
Spesifikasi motor induksi yang digunakan:
- Tegangan suplai: 400 V, tiga fase, delta
- Frekuensi: 50 Hz
- Arus nominal: 51,6 A
- Daya: 30 kW
- Faktor daya (cos φ): 0,9
- Kecepatan nominal: 2950 rpm
Sistem ini rentan terhadap berbagai kerusakan, di antaranya:
- Stator faults (gangguan pada lilitan motor).
- Rotor bar broken (batang rotor patah).
- Bearing faults (kerusakan bantalan).
- Shaft misalignment (ketidakselarasan poros).
- Fan imbalance (ketidakseimbangan kipas).
- Belt defects (sabuk transmisi longgar/aus).
Kerusakan ini menimbulkan pola sinyal arus yang khas, yang bisa dianalisis dengan MCSA.
Tahap Desain Digital Twin
1. Model Matematis Sistem
Sistem mekanis dibagi menjadi tiga massa utama:
- Pulley 1 (terhubung langsung ke motor).
- Pulley 2 (terhubung ke kipas melalui sabuk).
- Fan (kipas utama).
Menggunakan hukum Newton II dan free-body diagram, diperoleh tiga persamaan diferensial yang menggambarkan dinamika rotasi tiap massa. Parameter penting meliputi momen inersia, torsi elektromagnetik motor (Te), torsi beban (Ta), kekakuan sabuk (Kb), kekakuan poros (Ks), dan koefisien gesekan bantalan (Br).
2. Definisi Gangguan Sistem
Gangguan dimodelkan sebagai torsi tambahan sinusoidal (Td) dengan frekuensi spesifik sesuai jenis kerusakan. Contoh:
- Bearing inner ring fault: 0.6 × nb × fr
- Belt defect: 2π × Rp1 × fr/L
- Fan imbalance: Nb × fr
- Misalignment: 2 × fr
Dengan cara ini, model bisa “meniru” perilaku kerusakan nyata.
3. Simulasi Matlab/Simulink
Model matematis kemudian direalisasikan di Matlab/Simulink R2021b. Simulasi menghasilkan digital twin yang menerima input arus/tegangan aktual lalu membandingkannya dengan model. Frekuensi gangguan diintegrasikan agar hasil simulasi mendekati data nyata.
Analisis Elektrik: Motor Current Signature Analysis (MCSA)
Apa Itu MCSA?
Motor Current Signature Analysis adalah metode diagnosis kondisi motor dengan menganalisis sinyal arus stator. Cacat mekanis maupun listrik menghasilkan modulasi amplitudo (AM) atau modulasi fase (PM) pada arus. Dengan memeriksa spektrum arus, cacat dapat diidentifikasi.
Concordia Transform
Transformasi ini menggabungkan tiga arus fase menjadi dua komponen ortogonal (iα dan iβ). Hasilnya kemudian dianalisis menggunakan Fast Fourier Transform (FFT) untuk mendeteksi frekuensi cacat.
Relevansi Praktis
Keunggulan MCSA:
- Murah → tidak perlu sensor tambahan.
- Efisien → bisa mendeteksi cacat listrik maupun mekanis.
- Real-time → bisa diterapkan langsung di sistem produksi.
Contoh aplikasinya:
- Pabrik kayu → mendeteksi sabuk transmisi longgar.
- Industri semen → memonitor kipas pendingin besar.
- Otomotif → mendeteksi rotor bar patah di jalur produksi.
Protokol Diagnostik: Pendekatan Statistik
Untuk membedakan sinyal cacat dari noise, peneliti mengusulkan pendekatan statistik:
- Tahap Pembelajaran
- Rekam data normal sebanyak 30 sampel (masing-masing 60 detik).
- Hitung rata-rata (µ) dan standar deviasi (σ) dari sinyal.
- Tahap Diagnostik
- Hitung signature defect (Sdefect).
- Normalisasi dengan persamaan statistik.
- Bandingkan dengan ambang batas (misalnya 2.33 untuk probabilitas 1%). Jika terlampaui, alarm dinyalakan.
Kelebihan: sederhana, robust terhadap noise, dan cocok untuk kecepatan tetap. Kekurangan: kurang fleksibel untuk sistem dengan kecepatan variabel.
Hasil dan Diskusi
Validasi Simulasi vs Data Nyata
- Arus simulasi vs arus nyata menunjukkan RMS error awal 10.1551.
- Setelah penyesuaian frekuensi cacat, error turun menjadi 5.232.
- FFT dari arus nyata menunjukkan frekuensi:
- 1.39 Hz → rotor bar defect.
- 10.68 Hz → belt defect.
- 50 Hz → supply listrik.
- 100 Hz → misalignment.
Efektivitas Digital Twin
- Digital twin mampu meniru pola cacat nyata.
- Protokol statistik berhasil mendeteksi cacat sabuk transmisi dengan tingkat akurasi tinggi.
- Histogram distribusi signature menunjukkan pemisahan jelas antara kondisi normal dan cacat.
Analisis Kritis dan Opini
Kekuatan Penelitian
- Praktis: diuji langsung pada instalasi industri nyata.
- Hemat biaya: hanya menggunakan sensor arus/tegangan yang sudah ada.
- Relevan: mendukung konsep Industry 4.0 dengan predictive maintenance.
Kelemahan
- Terbatas pada kecepatan tetap → padahal banyak motor industri memakai Variable Frequency Drive.
- Belum menggunakan kecerdasan buatan (AI/ML) → padahal AI bisa meningkatkan akurasi diagnosis.
- Validasi terbatas → hanya di satu lokasi (MTC Poitiers). Untuk generalisasi, perlu diuji di berbagai industri.
Opini Aplikatif
Jika penelitian ini dikembangkan dengan AI, maka sistem bisa:
- Memprediksi umur komponen (Remaining Useful Life/RUL).
- Mengadaptasi pada variasi beban/kecepatan.
- Mengurangi false alarm, yang bisa jadi masalah besar di industri.
Relevansi Dunia Nyata
Teknologi digital twin seperti ini bisa diterapkan di berbagai industri:
- Manufaktur kayu & tekstil → mencegah downtime karena sabuk/kipas rusak.
- Energi & utilitas → mendeteksi kerusakan bearing pada kipas pendingin turbin.
- Semen & baja → memonitor sistem ventilasi pabrik yang bekerja 24/7.
- Otomotif & elektronik → menjaga stabilitas motor jalur perakitan.
Keuntungan praktisnya:
- Penghematan biaya pemeliharaan.
- Pengurangan downtime.
- Peningkatan keselamatan dan keandalan sistem.
Kesimpulan
Paper ini menunjukkan bagaimana digital twin dapat dimanfaatkan untuk predictive maintenance pada sistem ventilasi industri. Dengan menggabungkan model matematis, simulasi Simulink, analisis arus motor (MCSA), serta protokol statistik, peneliti berhasil membangun sistem diagnosis yang murah, praktis, dan efektif.
Namun, tantangan masih ada: adaptasi untuk kecepatan variabel, integrasi kecerdasan buatan, serta validasi lintas industri. Meski begitu, penelitian ini menjadi fondasi kuat untuk mendorong industri mengadopsi digital twin sebagai bagian dari strategi pemeliharaan modern.
Digital twin bukan lagi sekadar konsep futuristik, melainkan kebutuhan nyata di era Industry 4.0 untuk menjaga efisiensi, keandalan, dan keberlanjutan operasi industri.
Sumber
Yakhni, M.F.; Hosni, H.; Cauet, S.; Sakout, A.; Etien, E.; Rambault, L.; Assoum, H.; El-Gohary, M. (2022). Design of a Digital Twin for an Industrial Vacuum Process: A Predictive Maintenance Approach. Machines, 10(8), 686. https://doi.org/10.3390/machines10080686