Integrasi Real-Time Digital Twin dan AI untuk Operasi Prediktif pada Sistem Manufaktur

Abstract

Integrasi Digital Twin (DT) real-time dengan Kecerdasan Buatan (AI) telah menjadi fondasi transformasi sistem manufaktur menuju operasi prediktif yang cerdas dan adaptif. Penelitian ini mengkaji arsitektur, implementasi, dan dampak integrasi real-time DT dan AI pada sistem manufaktur melalui tinjauan literatur sistematis dan analisis studi kasus terkini. Temuan menunjukkan bahwa integrasi real-time DT-AI beroperasi melalui arsitektur empat lapis: lapisan fisik (sensor IoT dan peralatan produksi), lapisan konektivitas (protokol seperti OPC-UA dan MQTT), lapisan model DT (representasi virtual yang disinkronkan secara real-time), dan lapisan analitik AI (model prediktif dan preskriptif). Studi kasus dari berbagai sektor manufaktur menunjukkan hasil yang konsisten: pengurangan waktu respons kegagalan hingga 85%, peningkatan produktivitas 10%, akurasi prediksi model AI mencapai 98.91%, dan error margin sinkronisasi DT serendah 0.66% . Implementasi model CNN-LSTM dan RF-LSTM dalam framework PdMDT menunjukkan akurasi prediksi kegagalan yang sangat tinggi, memungkinkan tindakan preventif 10 menit sebelum kegagalan terjadi . Studi di perusahaan cold forging 30 tahun menunjukkan bahwa integrasi DT-AI berhasil mencapai 100% indikator PQCD (Productivity, Quality, Cost, Delivery) dan mengurangi waktu respons perbaikan peralatan dari 1-2 jam menjadi kurang dari 10 menit . Penelitian ini menyimpulkan bahwa integrasi real-time DT dan AI membawa manfaat signifikan dalam pengurangan downtime, peningkatan kualitas produk, dan efisiensi biaya operasional, dengan rekomendasi untuk adopsi bertahap bagi UMKM dan pengembangan standar interoperabilitas.