Industri manufaktur bisa menghemat biaya downtime dan reparasi hingga USD260.000 per jam dengan melakukan pemeliharaan cerdas (smart maintenance) terhadap mesin operasional di pabrik, demikian temuan lembaga konsultan IFS Solusi Integrasi.
Selain itu, AI kini juga mampu mendeteksi dini dan memberikan rekomendasi perbaikan mesin hingga 70 hari sebelum kerusakan terjadi, membuat sebuah industri menjadi lebih produktif.
Konsultan Enterprise Asset Management (EAM) IFS Solusi Integrasi Swarga Akbar Syam menekankan, dinamika manufaktur pascadisrupsi terletak pada keputusan cepat berbasis data dan respons yang adaptif. Keduanya hanya bisa didapatkan apabila keputusan strategis seperti manajemen aset, termasuk pemeliharaan mesin, didasarkan pada pengertian menyeluruh tentang data dan kapasitas AI mutakhir.
"Laporan American Society of Civil Engineers mengungkapkan, setiap tahun terdapat 2 triliun galon air terbuang di seluruh dunia karena kebocoran yang tidak terdeteksi di pabrik manufaktur. Dalam kurun yang sama, 37,4 miliar ton gas emisi meningkat karena maintenance tidak menghitung pengendalian emisi karbon," ujar Swarga dalam seminar Driving Industrial Productivity Through Smart Maintenance Readiness yang diselenggarakan secara virtual, Selasa (13/01/2026).
Langkah proaktif industri manufaktur dalam mengantisipasi potensi kerugian dapat dimulai dengan menginventarisasi aset kritis (paling vital dalam produksi dan/atau paling lama beroperasi), menyusun scheduling pemeliharaan, serta mulai melibatkan AI dalam diagnosis kerusakan/keausan mesin.
"Algoritma yang tepat akan membantu manajemen untuk memastikan pemeliharaan mesin selalu memenuhi tiga tujuan: high performance, high availability, dan low cost of expenditure secara bersamaan, tanpa intervensi manusia sama sekali," tegasnya.
Swarga menjelaskan, dalam perkembangan industri, praktik pemeliharaan telah mengalami 5 tahap evolusi:
- Reactive maintenance, yaitu pemeliharaan tanpa perencanaan maupun schedule, sehingga hanya dilakukan saat terjadi kerusakan. Pada tahap ini, maintenance menjadi sangat mahal dan meningkatkan biaya produksi;
- In-control maintenance, yaitu pemeliharaan terjadwal yang bersifat preventif, tetapi tujuannya adalah mencegah breakdown, bukan meningkatkan kapasitas maupun performa;
- Proactive maintenance, yaitu pemeliharaan yang mulai menerapkan pembacaan sensor real time sehingga kondisi mesin dapat dimonitor secara aktual dan perbaikan dapat dilakukan segera;
- Smart maintenance, yaitu pelibatan algoritma dan machine learning yang mampu memprediksi tingkat keausan dan potensi kerusakan dalam jangka waktu tertentu;
- Ultimate maintenance, yaitu tindak lanjut smart maintenance yang ditingkatkan dengan kemampuan diagnosis akurat letak kerusakan mesin dan memberikan rekomendasi penggantian sparepart ketika kerusakan sudah terdeteksi.
"Saat ini, 62% industri manufaktur masih menerapkan in-control maintenance karena pelaku industri belum aware mengenai potensi penurunan performa, sehingga penjadwalan pemeliharaan tidak benar-benar mengatasi gangguan. Padahal, saat ini maintenance dapat dilakukan sejak kita tahu kapan mesin itu akan rusak," ucap Swarga.
Pembeda utama smart maintenance dibandingkan dengan pemeliharaan tahap sebelumnya adalah kekuatan data yang dimilikinya. Artinya, dengan semakin banyak data yang dimasukkan sesuai standar baku, maka sistem pemeliharaan cerdas dapat "menceritakan" lebih dalam ihwal tingkat kesehatan mesin kepada pemilik industri.
Swarga menyebutkan, dua fitur utama smart maintenance adalah deteksi anomali dan failure mode effect and criticality analysis (FMECA). Fitur deteksi anomali aktif ketika sensor membaca perbedaan antara sampel data sebagai acuan normal dan raw data yang bersifat real time. Sementara itu, fitur FMECA mampu mendeteksi jika maintenance mesin-mesin tua sudah tidak sesuai dengan buku manual.
"Sebuah dashboard terkoneksi Internet of Things (IoT) serta evaluasi detail asset performance dapat membantu manajemen menentukan berapa lama mesin digunakan dan membantu keputusan reinvestasi untuk penggantian, overhaul, atau deteksi dini kerusakan mesin. Ini seperti sebuah medical record untuk performa aset," jelasnya.
Teruji pengalaman
Senior Manager Manufacturing Department NEC Indonesia Fathan F. Goenandar membuktikan transformasi digital sebagai perjalanan berkelanjutan untuk dunia manufaktur yang lebih cerdas dan dinamis. Pembagian tugas AI dan tenaga manusia perlu dilakukan agar AI cukup fokus pada tugas repetitif, sementara tenaga manusia dapat fokus pada kreativitas dan strategi jangka panjang.
"Untuk bisa sustain, kami sadar bahwa manufaktur hanya bisa merespons dengan 3 cara: meluncurkan produk baru, meninjau ulang portofolio bisnis, serta produksi kecil dengan varian yang beragam, sehingga alih-alih dikejar perubahan, dinamika dan ketidakpastian menjadi peluang mewujudkan manufaktur responsif," ucap Fathan.
Berkaca dari pengalaman, NEC mengadopsi manajemen berbasis fakta dengan indikator return of invested capital (ROIC) yang meninjau sejauh mana investasi menghadirkan keuntungan. Salah satu keputusan dengan tingkat indikasi ROIC adalah penggunaan System Invariant Analysis Technology (SIAT) dalam rantai produksi yang mampu menganalisis data sensor dan mendeteksi anomali.
"Di sektor energi, SIAT dapat memberikan peringatan dini hingga 70 hari sebelum kegagalan turbin dan memberikan waktu untuk mengurangi downtime. Di sektor manufaktur, SIAT mengidentifikasi akar masalah pada pompa, pelumas, bahkan kasus besar kegagalan motor dengan peringatan hingga 26 hari sebelumnya," ungkapnya.
Dengan sifat human centric, SIAT mampu menghilangkan kerumitan konfigurasi secara otomatis, sehingga operator tidak terbebani proses yang memakan waktu. Data sensor yang menghasilkan modelling mesin hingga ke bagian terkecil memungkinkan trouble shooting lebih efisien, responsif, dan andal, serta menghemat biaya penggantian sparepart yang berpengaruh terhadap kelancaran produksi.
Meski demikian, Fathan tetap menekankan bahwa efektivitas dan tingkat produktivitas yang dimungkinkan berkat aplikasi SIAT sangat bergantung pada karakteristik mesin yang digunakan dan sifat industri. Efektivitas SIAT pada sebuah mesin di lini produksi, umpamanya, akan berbeda dengan efektivitas pada mesin pengemasan, sehingga secara kuantitatif akan menghasilkan perbedaan.
"Tetapi untuk perhitungan tingkat efektivitas dapat dilakukan dengan menghitung nilai kerugian yang dapat diatasi jika downtime 1 hari atau 1 jam dapat dicegah dengan menggunakan sistem deteksi anomali dan fitur FMECA," pungkasnya.
Kepala Pusat Optimalisasi Pemanfaatan Teknologi Industri dan Kebijakan Jasa Industri Kementerian Perindustrian Restu Yuni Widayati menegaskan, langkah transformasi smart maintenance sejalan dengan program Making Indonesia 4.0 yang menjadi peta jalan transformasi digital industri nasional sejak 2018.
Melalui program tersebut, pemerintah menargetkan Indonesia masuk 10 besar ekonomi global melalui efisiensi dan penguatan daya saing industri manufaktur dengan prioritas makanan-minuman, otomotif, kimia, tekstil dan produk tekstil, elektronika, farmasi, dan alat kesehatan. Pemilihan ketujuh sektor tersebut, selain didasarkan pada kontribusi terhadap PDB, juga potensi akselerasi digital yang tinggi.
"Paradigma Industri 4.0 menghadirkan konektivitas menyeluruh dari sepanjang rantai nilai mulai dari ekstraksi bahan baku hingga layanan purna jual. Konektivitas ini memungkinkan data mengalir secara real time di seluruh ekosistem produksi sehingga pengambilan data lebih cepat dan presisi untuk keputusan berbasis data," jelas Restu.
Dalam kerangka tersebut, pemeliharaan dan perawatan mesin yang bersifat antisipatif dapat menciptakan rantai pasok yang lebih transparan dan prediktif. Di samping itu, perusahaan dapat meningkatkan keandalan aset, menekan biaya perawatan, dan mengurangi downtime.
Selain mendorong manufaktur melakukan adopsi digital, Kementerian Perindustrian telah mengembangkan berbagai program seperti asesmen INDI 4.0, penghargaan INDI 4.0, pelatihan dan sertifikasi SDM transformasi industri, pengembangan pusat industri digital (PIDI 4.0), pelatihan e-Smart IKM, insentif bagi pelaku industri, serta menjadikan Indonesia sebagai partner country Hannover Messe 2021-2022.
"Selama 7 tahun, Making Indonesia 4.0 telah melakukan 1.795 asesmen terhadap industri; memberikan penghargaan INDI 4.0 kepada 100 industri, menetapkan 29 industri sebagai percontohan, mendampingi 346 industri dan membina 20.466 IKM mengenai literasi digital, dengan 214 orang di antaranya telah tersertifikasi sebagai manajer transformasi industri 4.0," cetusnya.
Ke depan, Restu berharap integrasi teknologi mampu memangkas waktu uji coba, mempercepat siklus perbaikan desain, serta memperkuat bukti bahwa transformasi industri 4.0 bukan hanya menghasilkan efisiensi profesional, tetapi juga meningkatkan market cap industri manufaktur.
"Melalui pemanfaatan IoT dan data analytics, pemeliharaan tidak lagi bersifat reaktif, tetapi strategi meningkatkan keandalan aset produksi secara signifikan. Dengan dukungan regulasi dan peningkatan kompetensi, ini adalah langkah nyata industri Indonesia memperkuat industri cerdas dan memperkokoh posisi dalam rantai nilai global," pungkasnya.
