MULAI Cara Memakai Modul Ini
- Belajar berurutan — Bab 1–2 adalah fondasi (cara data pabrik mengalir); tanpa fondasi itu, bab aplikasi akan terasa seperti hafalan menu.
- Setiap bab punya target kompetensi — kalimat “mampu …” di awal bab adalah hal yang harus bisa Anda demonstrasikan setelah bab selesai, bukan sekadar dibaca.
- Kerjakan studi kasus & checklist-nya — kompetensi aplikasi industri dinilai dari kemampuan mendiagnosis masalah, bukan dari banyaknya teori.
- Centang tiap bab yang selesai — progres tersimpan otomatis di browser ini.
- Aplikasi-aplikasi di modul ini adalah perangkat lunak komersial berlisensi. Modul ini mengajarkan konsep, alur kerja, dan pola diagnosis yang berlaku umum; praktik langsung dilakukan di lingkungan training/lab perusahaan atau versi pembelajaran resmi vendor.
Fondasi data pabrik
AVEVA PI & PI Vision
LabWare LIMS
GE APM (Meridium)
SmartPlant & Aspen
BAB 1 Peta Kompetensi & Peran Application Support Industri
Dua dunia yang Anda jembatani
- OT (Operational Technology) — teknologi operasional: sensor, PLC, DCS, SCADA di lantai pabrik. Prioritasnya: keselamatan dan keberlangsungan proses (pabrik tidak boleh berhenti).
- IT (Information Technology) — server, database, jaringan kantor, keamanan, hak akses. Prioritasnya: data aman dan layanan tersedia.
- Aplikasi di modul ini hidup di perbatasan keduanya: mengambil data dari OT, mengelolanya dengan cara IT, dan menyajikannya untuk keputusan bisnis.
Peta aplikasi ↔ fungsi bisnis
| Aplikasi | Fungsi bisnis | Pertanyaan yang dijawabnya |
|---|---|---|
| AVEVA PI System & PI Vision | Historian & visualisasi data operasi | “Apa yang terjadi di pabrik, detik ini dan bertahun-tahun ke belakang?” |
| LabWare LIMS | Manajemen informasi laboratorium | “Apakah kualitas produk teruji dengan benar, terdokumentasi, dan bisa dilacak?” |
| GE Digital APM (Meridium) | Manajemen kinerja & keandalan aset | “Aset mana yang berisiko gagal, dan strategi perawatan apa yang paling tepat?” |
| Hexagon SmartPlant | Desain & data rekayasa pabrik | “Beginilah pabrik ini dirancang dan dibangun — gambar & datanya mana?” |
| AspenTech (HYSYS/Plus) | Simulasi proses | “Kalau kondisinya diubah, apa yang terjadi pada proses — sebelum dicoba di pabrik sungguhan?” |
Tugas khas peran pendukung aplikasi industri
- Menjaga aliran data tetap jalan: sensor → historian → tampilan; alat lab → LIMS; inspeksi → APM.
- Mendiagnosis laporan pengguna: “data di layar tidak bergerak”, “hasil alat tidak masuk”, “saya tidak bisa membuka display” — dan memetakan gejala ke lapisan penyebabnya (sumber, jaringan, antarmuka, server, hak akses, atau aplikasi).
- Mengelola pengguna & hak akses sesuai peran (operator, analis, engineer, auditor).
- Menjaga integritas & ketertelusuran data — di industri teregulasi, data yang tidak bisa dilacak dianggap tidak ada.
- Berkoordinasi dengan vendor & tim terkait saat masalah melewati kewenangan lokal, dengan dokumentasi gejala yang rapi.
BAB 2 Fondasi: Bagaimana Data Pabrik Mengalir & Apa Itu Tag
Rantai aliran data (hafalkan rantai ini)
Sensor / instrumen
PLC / DCS / SCADA
Antarmuka (OPC dll.)
Historian (PI)
Visualisasi & analisis
- Sensor/instrumen mengukur besaran fisik: suhu, tekanan, aliran, level, getaran.
- PLC/DCS adalah pengendali di lapangan; SCADA mengawasi dari ruang kendali. Merekalah pemilik data pertama.
- Antarmuka (interface) menerjemahkan bahasa sistem kendali ke historian. Bahasa perantaranya yang paling umum adalah protokol OPC (klasik: OPC DA; modern: OPC UA), di samping Modbus dan protokol vendor.
- Historian menyimpan data bertahun-tahun secara efisien; visualisasi menampilkannya sebagai tren, angka, dan dasbor.
Konsep tag (point)
Tag (di dunia PI disebut juga PI Point) adalah satu aliran pengukuran yang diberi nama unik — misalnya tag suhu reaktor TI-101.PV. Setiap tag punya:
- Nilai + cap waktu (timestamp) — data pabrik selalu berpasangan dengan waktu; pasangan ini disebut data deret waktu (time-series).
- Satuan ukur (°C, bar, ton/jam) dan deskripsi yang menjelaskan alatnya.
- Pengaturan penyimpanan: seberapa sering dipindai dari sumber, dan seberapa ketat data dimampatkan sebelum disimpan (agar bertahun-tahun data muat tanpa kehilangan bentuk tren).
Kualitas data: angka saja tidak cukup
| Keadaan | Artinya | Contoh gejala |
|---|---|---|
| Data baik (Good) | Nilai segar dari sumber dan dapat dipercaya | Tren bergerak wajar mengikuti proses |
| Data basi (Stale/flatline) | Nilai tidak berubah karena aliran dari sumber terputus | Garis tren lurus membeku padahal proses berjalan |
| Keadaan digital (Digital state) | Sistem mengganti angka dengan status saat data tidak valid | Tampil tulisan seperti I/O Timeout, Bad, atau No Data pada tag |
| Data meragukan (Questionable) | Nilai ada tetapi ditandai tidak pasti | Nilai melompat tidak wajar / sensor diduga rusak |
BAB 3 AVEVA PI System: Arsitektur & Komponen
PI System adalah platform historian dari AVEVA (awalnya dikembangkan oleh OSIsoft, sehingga literatur lama menyebutnya “OSIsoft PI”). Menurut AVEVA, sekitar 75% produksi minyak mentah, gas, dan hidrokarbon cair dunia berjalan dengan dukungan PI System — inilah alasan kompetensi ini begitu dicari di industri proses.
Komponen utama (berdasarkan dokumentasi AVEVA)
| Komponen | Fungsi |
|---|---|
| PI Interfaces & PI Connectors | Pengumpul data di tepi (interface node). Menerjemahkan 400+ jenis sumber data (DCS, PLC, SCADA lewat OPC, Modbus, dll.) lalu mengirimkannya ke server. Connector adalah generasi yang lebih otomatis: memindai perangkat, membuat point, bahkan menyusun model aset secara otomatis. |
| PI Data Archive | Jantung penyimpanan di PI Server: menerima, memampatkan, dan menyimpan jutaan tag beserta melayani pengambilan datanya secara real-time maupun historis. |
| PI Asset Framework (PI AF) | Memberi konteks: menyusun tag ke dalam hierarki aset/peralatan (pabrik → unit → peralatan → pengukuran), menjadi rumah bagi template aset dan Asset Analytics (perhitungan KPI seperti rata-rata, total energi, sisa hari bahan baku). |
| Event Frames | Kerangka kejadian berdurasi — misalnya satu batch produksi, satu periode trip, satu shift — agar data bisa dianalisis per kejadian, bukan hanya per waktu. |
| PI Vision | Visualisasi berbasis browser: grafik tren, simbol, dan dasbor operasi (dibahas dalam di Bab 5). |
| PI DataLink | Add-in Excel untuk menarik data PI ke laporan spreadsheet. |
| Alat administrasi | PI SMT (System Management Tools) untuk mengelola server & point, PI Builder (add-in Excel) untuk mengelola point & elemen AF secara massal, serta PI System Explorer untuk menyusun model AF. |
Pola arsitektur yang umum di perusahaan
- Interface node ditempatkan dekat sistem kendali (sering di jaringan OT/DMZ pabrik) — ia yang “berbicara” dengan DCS/SCADA.
- PI Server (Data Archive + AF) berada di jaringan server; pada instalasi besar dibuat high availability (kolektif) agar tetap jalan bila satu server mati.
- Pengguna mengakses dari jaringan kantor lewat PI Vision (browser) dan DataLink (Excel) — tanpa pernah menyentuh sistem kendali langsung. Inilah pola keamanan dasar industri: data disalin keluar, kendali tidak dibuka masuk.
BAB 4 PI System: Mengelola Tag & Memeriksa Sinkronisasi Data
Dua pandangan atas data tag
- Snapshot — nilai terkini yang diterima server untuk tag itu. Ini jawaban atas “berapa nilainya sekarang?”
- Archive — rangkaian nilai yang tersimpan permanen sepanjang waktu setelah melewati pemampatan. Ini bahan untuk tren berbulan-bulan.
Perbedaan keduanya adalah alat diagnosis pertama Anda: snapshot segar tapi arsip bolong menandakan masalah di penyimpanan/pemampatan; snapshot ikut membeku menandakan masalah lebih ke hulu (sumber/antarmuka).
Mengelola point (tag) — alat & kebiasaan
- PI SMT → Point Builder: membuat/mengubah point satu per satu, termasuk atribut pentingnya: nama tag, deskripsi, satuan (engunits), tipe data, sumber antarmuka (point source), dan alamat instrumen di sumber (instrument tag/location).
- PI Builder (Excel): cara massal — menarik daftar point ke spreadsheet, menyunting, lalu mempublikasikan kembali. Standar emas untuk perubahan ratusan tag sekaligus, dan untuk mendokumentasikan perubahan.
- Kaidah penamaan: ikuti konvensi situs (mis. kode area-unit-alat-jenis pengukuran). Tag yang namanya konsisten adalah separuh dari kemudahan troubleshooting di masa depan.
- Perubahan = tercatat: setiap buat/ubah/hapus point dicatat siapa-kapan-apa — di lingkungan teregulasi, ini bagian dari audit.
Prosedur memeriksa sinkronisasi tag (langkah standar)
- Konfirmasi gejala di sumbernya: tanyakan ke operator/cek SCADA-DCS — apakah nilai di sistem kendali sendiri bergerak? Bila di sumber pun membeku, masalahnya bukan PI.
- Cek snapshot tag di PI SMT (daftar point → nilai saat ini): catat nilai, cap waktunya, dan apakah yang tampil angka atau keadaan digital (mis. I/O Timeout).
- Cek riwayat arsip tag yang sama pada rentang 1 jam terakhir: kapan nilai terakhir berubah? Pola putusnya (mendadak vs bertahap) memberi petunjuk penyebab.
- Cek antarmukanya: apakah layanan interface/connector untuk sumber tersebut berjalan? Apakah node antarmuka sedang menahan data di buffer (penyangga saat server tak terjangkau) — data yang tertahan akan mengalir masuk begitu koneksi pulih, terlihat sebagai “banjir data terlambat”.
- Cek ruang lingkup: satu tag saja, satu peralatan, satu unit, atau semua tag dari satu sumber? Ruang lingkup mempersempit tersangka dengan cepat.
- Dokumentasikan & eskalasi bila penyebabnya di luar kewenangan (mis. instrumen lapangan mati) dengan bukti langkah 1–5 — eskalasi yang baik membawa data, bukan sekadar keluhan.
Tag : (nama tag) Gejala : (flatline / I-O Timeout / nilai meloncat) Sejak : (tanggal & jam mulai terlihat) Di sumber/DCS : (bergerak normal / ikut bermasalah) Snapshot PI : (nilai + cap waktu terakhir) Arsip 1 jam : (pola putusnya) Ruang lingkup : (1 tag / 1 unit / 1 sumber data) Dugaan lapis : (sumber / jaringan / antarmuka / server / akses) Tindakan : (yang sudah dicoba + hasilnya)
Studi kasus mini
Operator melaporkan suhu reaktor di layar tidak berubah sejak jam 02.00. Pemeriksaan: SCADA menunjukkan nilai bergerak normal → snapshot PI membeku dengan cap waktu 02.00 → banyak tag dari sumber yang sama ikut membeku sejak jam yang sama → layanan antarmuka di node-nya berhenti (baru saja ada pemadaman listrik sebagian). Kesimpulan: hidupkan kembali layanan antarmuka, pantau buffer mengalir masuk, lalu verifikasi arsip terisi kembali sampai nilai kini. Pelajarannya: ruang lingkup (banyak tag, satu sumber, satu waktu) menunjuk antarmuka dalam hitungan menit.
BAB 5 PI Vision: Visualisasi & Mengatur Hak Akses
Anatomi display yang baik
- Dibangun dari konteks AF: display yang baik menempel pada aset (mis. “Pompa P-101”) dan atributnya, bukan sekadar tumpukan tag lepas — sehingga display bisa dipakai ulang untuk peralatan sejenis lewat pergantian aset.
- Simbol inti: tren (grafik deret waktu), nilai/gauge untuk angka kunci, tabel untuk perbandingan, dan elemen navigasi antar-display.
- Rentang waktu yang masuk akal: display harian tidak memuat tren setahun; sesuaikan rentang dengan pertanyaan yang dijawab display.
- Satu display, satu pertanyaan: “apakah unit ini sehat?” lebih baik daripada satu layar berisi 60 angka tanpa fokus.
Keamanan & hak akses di PI Vision
PI Vision diamankan lewat identitas yang datang dari PI AF dan Active Directory (AD): pengguna masuk dengan akun Windows/domain, dan keanggotaan grup AD dipetakan menjadi identitas di AF. Di atas fondasi itu, akses display diatur pada dua lapis:
| Lapis | Pengaturan | Contoh penerapan |
|---|---|---|
| Kepemilikan & berbagi display | Pemilik display menentukan display bersifat privat atau dibagikan, dan kepada identitas/grup mana (lihat saja vs ikut mengedit) | Display operasi harian: operator = lihat; engineer proses = lihat + edit; manajemen = lihat |
| Izin pada data (AF) | Hak atas database/elemen/atribut AF menentukan data apa yang boleh mengalir ke display seseorang | Data uji laboratorium sensitif hanya untuk grup QA; data utilitas terbuka untuk semua grup operasi |
Alur kerja mengatur akses (pola umum)
- Identifikasi kebutuhan: siapa pemohon, display/data apa, jenis aksesnya (lihat/edit), dan justifikasi bisnisnya.
- Pastikan pemohon berada di grup AD yang tepat — akses diberikan ke grup, bukan perorangan, agar mudah diaudit dan dicabut.
- Petakan/cek grup tersebut sebagai identitas di AF, lalu berikan izin pada display dan elemen AF terkait.
- Uji dengan akun pemohon (atau minta pemohon membuktikan): display bisa dibuka, data tampil, dan — sama pentingnya — data yang tidak boleh terlihat tetap tertutup.
- Catat pemberian akses (tiket/log perubahan): siapa, apa, kapan, atas persetujuan siapa.
BAB 6 LabWare LIMS: Konsep & Siklus Hidup Sampel
LabWare LIMS adalah Laboratory Information Management System — sistem yang mengatur seluruh kehidupan laboratorium pengujian: sampel, pengujian, hasil, mutu, dan pelaporan. Ia dipakai luas di farmasi, petrokimia, makanan-minuman, lingkungan, dan manufaktur — umumnya di lingkungan teregulasi yang menuntut kepatuhan seperti FDA 21 CFR Part 11 dan ISO/IEC 17025. Platformnya terkenal configurable: alur kerja dibentuk lewat konfigurasi, bukan pemrograman ulang.
Siklus hidup sampel (alur yang harus bisa Anda gambar)
Sample Login
Receipt & label
Test Assignment
Result Entry
Review
Approve & Report
- Sample login — sampel didaftarkan dan menerima identitas unik (sering dengan label barcode). Sejak detik ini, semua kejadian atas sampel itu tercatat.
- Test assignment — pengujian yang wajib dilakukan ditetapkan (dari template/spesifikasi produk), termasuk analis atau kelompok kerjanya.
- Result entry — hasil dimasukkan: manual oleh analis, atau otomatis dari alat (Bab 7). Hasil mentah dan hasil terhitung dibedakan.
- Review & approval — hasil diperiksa orang kedua (four-eyes principle), dibandingkan dengan batas spesifikasi, lalu disetujui; hasil di luar spesifikasi (out-of-specification/OOS) memicu alur investigasi, bukan sekadar dihapus.
- Reporting — laporan/sertifikat hasil uji diterbitkan; status sampel berubah menjadi selesai dan seluruh riwayatnya terkunci sebagai arsip yang bisa diaudit.
Dua konsep pendamping
- Batch/folder: sampel-sampel yang berhubungan (satu lot produksi, satu pengiriman) dikelompokkan agar ditinjau dan dirilis bersama.
- QC & standar: sampel kendali mutu dan standar kalibrasi berjalan berdampingan dengan sampel uji untuk membuktikan alat dan metode sedang sehat.
BAB 7 LabWare LIMS: Integrasi Alat Lab & Mengatasi Error
Bagaimana alat lab terhubung ke LIMS
- Serial/RS-232 & jaringan: alat mengirim hasil sebagai aliran teks terstruktur (format umum seperti ASTM) ke port/komputer pengumpul.
- Berbasis berkas (file drop): alat/perangkat lunaknya menulis berkas hasil ke folder yang diawasi; layanan LIMS mengambil dan membacanya.
- Parser (pengurai): komponen konfigurasi yang menerjemahkan format mentah alat menjadi bidang-bidang LIMS (sampel, tes, hasil, satuan). Kebanyakan “error integrasi” sebenarnya adalah soal parser dan pemetaan bidang.
- Antarmuka dua arah pada alat yang lebih canggih: LIMS mengirim daftar kerja (worklist) ke alat, alat mengembalikan hasil ke daftar yang sama.
Katalog gejala → dugaan pertama
| Gejala | Dugaan pertama | Pemeriksaan pembuka |
|---|---|---|
| Hasil alat tidak masuk sama sekali | Koneksi/layanan pengumpul berhenti, atau folder awasi berubah | Apakah berkas hasil terbentuk? Apakah layanan antarmuka berjalan? Uji alat mengeluarkan hasil contoh |
| Hasil masuk tapi ditolak/error parsing | Format keluaran alat berubah (update firmware/metode) sehingga parser tidak lagi cocok | Bandingkan berkas hasil terbaru dengan contoh lama yang berhasil; cari bidang yang berubah |
| Hasil masuk ke sampel/tes yang salah | Pemetaan ID sampel/worklist keliru, atau barcode terbaca sebagian | Telusuri satu hasil: ID di berkas alat vs ID di LIMS |
| Sebagian hasil masuk, sebagian hilang | Berkas terpotong saat dibaca (alat masih menulis) atau duplikasi dibuang sistem | Cek log antarmuka pada jam kejadian; periksa aturan penamaan & duplikasi berkas |
| Hasil masuk dengan nilai/satuan janggal | Pemetaan bidang atau konversi satuan di parser salah | Bandingkan angka mentah alat dengan yang tampil di LIMS untuk sampel yang sama |
Prosedur diagnosis standar (5 langkah)
- Amankan bukti: catat jam kejadian, alat, sampel yang terdampak, dan pesan error persisnya (jangan buru-buru mengulang proses — bukti pertama paling berharga).
- Buktikan alatnya sehat: jalankan sampel standar yang diketahui nilainya — alat harus menghasilkan keluaran yang benar di layarnya sendiri.
- Ikuti berkasnya: apakah keluaran alat tiba di titik kumpul (port/folder)? Berhenti di sini = masalah koneksi/alat; tiba tapi gagal dibaca = masalah parser/pemetaan.
- Periksa log antarmuka LIMS untuk pesan error spesifik pada waktu kejadian, lalu cocokkan dengan katalog gejala di atas.
- Uji dengan satu sampel terkendali setelah perbaikan, dari alat sampai tampil di LIMS, sebelum melepas ke operasional — dan dokumentasikan penyebab serta perbaikannya untuk kejadian berikutnya.
BAB 8 LabWare LIMS: Masalah Basis Data, Hak Akses Analis & Integritas Data
Kenali arsitekturnya lebih dulu
LabWare berjalan di atas basis data relasional (umumnya Microsoft SQL Server atau Oracle) dengan aplikasi klien/web di atasnya. Tiga lapis ini — klien pengguna, layanan aplikasi, basis data — menentukan cara Anda membaca gejala:
| Gejala | Lapis tersangka | Langkah pemeriksa |
|---|---|---|
| Semua pengguna tidak bisa masuk | Layanan aplikasi / basis data berhenti, atau lisensi/koneksi habis | Cek status layanan & layanan basis data; cek konektivitas dari server aplikasi ke server DB; baca log aplikasi pada jam mulai gagal |
| Satu pengguna tidak bisa masuk | Akun terkunci / kata sandi kedaluwarsa / peran dicabut | Cek status akun pengguna tersebut; uji dengan akun pembanding |
| LIMS lambat untuk semua orang | Basis data terbebani (query berat, ruang disk, indeks) atau jaringan | Cek ruang disk server DB, beban CPU/memori saat jam lambat; catat polanya (jam sibuk?) untuk tim DBA |
| Data tampil tidak konsisten antar-pengguna | Kesalahan hak akses data / filter lokasi-lab | Bandingkan peran & lingkup data kedua pengguna; uji sampel yang sama |
Batas kewenangan yang sehat: pendukung LIMS mendiagnosis dan mengumpulkan bukti; perbaikan mendalam basis data (indeks, query, pemulihan) adalah wilayah DBA/vendor dan selalu lewat prosedur perubahan — jangan bereksperimen di basis data produksi.
Hak akses analis: berbasis peran (role-based)
| Peran contoh | Hak khas | Dilarang |
|---|---|---|
| Analis | Login sampel bidangnya, entri hasil, melihat pekerjaannya | Menyetujui hasil sendiri; mengubah hasil yang sudah disetujui |
| Reviewer / Supervisor lab | Meninjau & menyetujui hasil, mengelola antrean kerja | Mengubah hasil tanpa jejak; menghapus audit trail |
| QA | Melihat semua, menangani OOS & rilis akhir | Menjalankan pengujian rutin (pemisahan tugas) |
| Administrator LIMS | Konfigurasi, akun, peran, template | Memakai hak admin untuk kegiatan pengujian sehari-hari |
| Auditor (tamu) | Baca-saja: data & audit trail | Segala bentuk perubahan |
Integritas data: rambu yang tidak boleh dilanggar
- Audit trail selalu menyala: setiap pembuatan/perubahan hasil tercatat siapa-kapan-nilai lama-nilai baru-alasan. Mematikannya bukan pilihan.
- Tanda tangan elektronik menggantikan tanda tangan basah untuk persetujuan (inti kepatuhan 21 CFR Part 11) — akun bersifat pribadi, berbagi kata sandi meruntuhkan seluruh konsep ini.
- Prinsip ALCOA+ untuk data yang baik: Attributable (jelas siapa), Legible (terbaca), Contemporaneous (dicatat saat kejadian), Original (asli/terekam pertama), Accurate (akurat) — ditambah lengkap, konsisten, awet, dan tersedia.
- Koreksi hasil dilakukan dengan membuat versi koreksi yang beralasan di dalam sistem — bukan menghapus yang salah.
BAB 9 GE Digital APM (Meridium): Peta Modul & Konsep Keandalan
APM (Asset Performance Management) dari GE — dulu dikenal sebagai Meridium (diakuisisi GE tahun 2016), kini berada di bawah GE Vernova — adalah platform untuk menjawab: aset mana yang berisiko, seberapa besar risikonya, dan strategi perawatan apa yang paling ekonomis & aman. Berbeda dari PI yang menyimpan data mentah operasi, APM menyimpan pengetahuan tentang aset: riwayat kegagalan, hasil inspeksi, analisis risiko, dan strategi.
Keluarga modul (dari struktur resmi GE APM)
| Keluarga | Isi & fungsinya |
|---|---|
| APM Foundation | Fondasi: hierarki & taksonomi aset, data loaders (impor data massal — aset, lokasi fungsi, riwayat kerja), integrasi APM Connect ke sistem lain |
| APM Health | Kesehatan aset berjalan: indikator kesehatan (health indicators) dari pembacaan rutin (rounds), data inspeksi, dan data historian — dengan status & ambang peringatan |
| APM Mechanical Integrity | Integritas peralatan statis: RBI (Risk Based Inspection), Thickness Monitoring (pengukuran ketebalan/korosi), dan Inspection Management |
| APM Strategy | Perumusan strategi: Asset Strategy Management (ASM), Asset Criticality Analysis (ACA), RCM, dan FMEA |
| APM Reliability | Analitik keandalan: Reliability Analytics (statistik kegagalan), Production Loss Analysis, dan Root Cause Analysis (RCA) |
| APM Safety | Keselamatan proses: kalibrasi, analisis bahaya (hazards), dan lapisan perlindungan |
Konsep data yang menyatukan semuanya
- Hierarki aset: situs → area/unit → lokasi fungsi → peralatan → komponen. Semua modul menempel pada hierarki yang sama — konsistensinya adalah pekerjaan fondasi terpenting.
- Record & family: APM menyimpan pengetahuan sebagai catatan-catatan berkeluarga (mis. keluarga “Inspection”, “Recommendation”, “Failure”) yang saling terhubung — memahami model hubungan ini adalah kunci membaca APM.
- Data masuk terstruktur: data aset & riwayat dimuat lewat data loaders (berkas kerja Excel terformat) atau integrasi — muatan yang kotor menghasilkan analisis yang menyesatkan.
BAB 10 GE APM: Alur Kerja RCM, RBI & Strategi Aset
RCM — menentukan perawatan dari fungsi & kegagalan
Implementasi RCM di GE APM mengikuti tujuh pertanyaan dasar standar SAE untuk RCM:
- Apa fungsi aset dan kinerja yang diharapkan dalam konteks operasinya?
- Dengan cara apa ia bisa gagal memenuhi fungsi (functional failure)?
- Apa penyebab tiap kegagalan fungsi (failure mode)?
- Apa yang terjadi saat kegagalan itu muncul (failure effect)?
- Seberapa penting konsekuensinya (keselamatan, lingkungan, produksi, biaya)?
- Tindakan apa yang sebaiknya dilakukan untuk memprediksi/mencegahnya?
- Bila tidak ada tindakan yang cocok, apa tindakan bawaan-nya (desain ulang, run-to-failure terencana, dll.)?
FMEA adalah saudara dekatnya: memetakan mode kegagalan–efek–penyebab secara lebih ringkas, sering dipakai sebagai bahan awal RCM maupun langsung menjadi strategi.
RBI — inspeksi berdasarkan risiko, bukan kalender
- Gagasan inti: frekuensi & metode inspeksi ditentukan oleh perkalian kemungkinan gagal × konsekuensi gagal, sehingga sumber daya inspeksi terkonsentrasi pada peralatan paling berisiko (umumnya bejana tekan, tangki, perpipaan).
- RBI 580 vs 581: 580 adalah pendekatan kualitatif/semikuantitatif yang lebih ringan; 581 adalah pendekatan kuantitatif yang lebih rinci (mengikuti praktik API RP 580/581).
- Mekanisme degradasi (korosi, penipisan, retak) adalah jantung analisisnya — dan data Thickness Monitoring (laju korosi dari pengukuran ketebalan berkala) menjadi bahan bakar perhitungan RBI.
Alur ujung-ke-ujung yang harus Anda pahami
1. Data lapangan masuk
(rounds operator, hasil inspeksi, pengukuran ketebalan,
data historian lewat integrasi)
2. Indikator kesehatan memburuk / jadwal analisis tiba
3. Analisis dijalankan: ACA (kritikalitas) -> RCM/FMEA (strategi)
atau RBI (program inspeksi berbasis risiko)
4. REKOMENDASI lahir dari analisis, ditinjau & disetujui
5. Rekomendasi menjadi STRATEGI ASET (ASM):
tindakan + interval + penanggung jawab
6. Strategi dieksekusi lewat sistem pemeliharaan (EAM/CMMS)
sebagai order kerja; hasilnya kembali sebagai riwayat
7. Riwayat kegagalan & biaya memperbarui analisis berikutnya
(lingkaran perbaikan berkelanjutan)BAB 11 Hexagon SmartPlant & AspenTech: Rekayasa, Desain & Simulasi Pabrik
Hexagon (SmartPlant / keluarga Smart) — kembaran digital fisik pabrik
| Perangkat | Fungsi dalam alur kerja |
|---|---|
| Smart P&ID | P&ID “cerdas”: diagram perpipaan & instrumentasi yang datanya (nomor jalur, tag peralatan, tag instrumen, kelas pipa) tersimpan sebagai basis data, bukan sekadar gambar |
| Smart 3D | Pemodelan 3D pabrik: peralatan, perpipaan, struktur. Menerima data dari P&ID secara dua arah, menjalankan pemeriksaan konsistensi (mis. katup ada di P&ID tapi hilang di 3D), dan menghasilkan gambar isometrik perpipaan (lewat Isogen) sebagai dokumen konstruksi |
| Smart Instrumentation / Electrical | Data detail instrumen (loop, kabel, datasheet) dan sistem elektrikal yang terhubung ke model yang sama |
| SDx / SmartPlant Foundation | Pengelola data & dokumen engineering lintas perangkat: versi, persetujuan, dan handover data dari proyek (EPC) ke pemilik-operator |
Gagasan yang menyatukan keluarga ini: data engineering hidup di satu sumber kebenaran. P&ID menggambarkan apa yang akan dibangun, model 3D menggambarkannya secara fisik, dan saat pabrik beroperasi, dokumen-dokumen inilah yang dirujuk setiap kali ada modifikasi — dilengkapi tag yang sama dengan yang tampil di PI dan APM.
AspenTech — kembaran digital proses di dalam pipa
| Perangkat | Kekuatan utama |
|---|---|
| Aspen HYSYS | Simulasi proses migas & pemurnian; antarmuka berbasis flowsheet yang intuitif, kuat di hidrokarbon, tersedia simulasi dinamik terpadu |
| Aspen Plus | Simulasi proses kimia yang kompleks: model termodinamika & reaksi lebih luas, penanganan padatan, untuk pabrik kimia/petrokimia |
1. Definisikan KOMPONEN (zat yang terlibat) 2. Pilih PAKET PROPERTI / metode termodinamika (mis. Peng-Robinson untuk hidrokarbon, NRTL untuk campuran cair) 3. Gambar FLOWSHEET: aliran (stream) + unit operasi (separator, penukar panas, kolom distilasi, kompresor, reaktor) 4. Isi SPESIFIKASI: suhu, tekanan, laju alir, komposisi 5. JALANKAN simulasi -> periksa KONVERGENSI (neraca massa & energi terpenuhi dalam toleransi?) 6. Baca HASIL: komposisi produk, kebutuhan energi, ukuran alat 7. Analisis sensitivitas / optimasi: ubah satu variabel, amati dampaknya -> dasar keputusan debottlenecking & efisiensi
Peran pendukung pada perangkat engineering
- Lisensi & akses: perangkat-perangkat ini berlisensi (sering lewat server lisensi jaringan); gejala “tidak bisa membuka aplikasi” sangat sering berarti kursi lisensi habis atau server lisensi tak terjangkau.
- Konsistensi data lintas aplikasi: tag peralatan yang sama harus identik di P&ID, model 3D, PI, dan APM. Ketidakkonsistenan penamaan adalah sumber masalah integrasi nomor satu — dan wilayah kerja Anda untuk menjaganya (daftar tag induk/master tag list).
- Versi & handover: memastikan dokumen/model yang dipakai adalah revisi terakhir yang disetujui, terutama saat data diserahkan dari kontraktor EPC ke operasi.
BAB 12 Metode Troubleshooting Terpadu, Proyek Akhir & Peta Lanjutan
Model 5 lapis untuk semua masalah aplikasi industri
| Lapis | Pertanyaan pemeriksa | Contoh masalah |
|---|---|---|
| 1. Sumber | Apakah asalnya sehat? | Sensor rusak; alat lab gagal kalibrasi; dokumen revisi lama |
| 2. Transport | Apakah jalurnya terhubung? | Jaringan OT putus; folder awasi berubah; server lisensi tak terjangkau |
| 3. Integrasi | Apakah penerjemahnya bekerja? | Interface PI berhenti; parser LIMS tidak cocok; data loader APM gagal format |
| 4. Aplikasi & data | Apakah server & basis datanya sehat? | Layanan berhenti; disk penuh; indikator kesehatan salah sumber |
| 5. Akses & presentasi | Apakah pengguna berhak dan benar cara melihatnya? | Grup AD belum dipetakan; peran analis dicabut; display dibagikan ke grup yang salah |
Aturan pakainya: selalu periksa dari lapis 1 ke 5, jangan melompat. Mayoritas “bug aplikasi” ternyata masalah di lapis 1–3 atau 5 — dan metode ini berlaku identik untuk laporan “PI tidak update”, “hasil lab tidak masuk”, maupun “indikator APM tidak berubah”.
Tiket & eskalasi yang profesional
- Gejala dalam kalimat terukur: siapa terdampak, sejak kapan, seberapa luas, contoh objeknya (nama tag/nomor sampel/nomor aset).
- Bukti penelusuran 5 lapis yang sudah Anda lakukan dan hasilnya — sebelum menghubungi vendor.
- Dampak bisnis bila dibiarkan (produksi, rilis produk, keselamatan) untuk menentukan prioritas.
- Penutup: setelah selesai, tuliskan penyebab & perbaikan sebagai pengetahuan tim — kasus yang terdokumentasi tidak perlu didiagnosis dua kali.
| Aspek penilaian | Poin |
|---|---|
| Fondasi data pabrik & konsep tag (Bab 2) | 10 |
| Arsitektur PI System digambar & dijelaskan benar (Bab 3) | 10 |
| Diagnosis sinkronisasi tag: studi kasus Bab 4 | 15 |
| Rancangan display PI Vision + matriks hak akses (Bab 5) | 10 |
| Penelusuran siklus sampel LIMS (Bab 6) | 10 |
| Diagnosis error integrasi alat: studi kasus Bab 7 | 15 |
| Matriks peran analis + prinsip integritas data (Bab 8) | 10 |
| Peta modul APM & alur RCM/RBI menjadi strategi (Bab 9–10) | 10 |
| Alur kerja Hexagon/AspenTech & konsistensi data lintas aplikasi (Bab 11) | 5 |
| Laporan & presentasi proyek akhir | 5 |
| Total | 100 |
Peta belajar lanjutan
- Pelatihan & sertifikasi resmi vendor: jalur pembelajaran AVEVA untuk PI System, program edukasi LabWare untuk LIMS, pembelajaran GE Vernova untuk APM, serta kelas Hexagon dan AspenTech (AspenTech memberikan satuan kredit pendidikan berkelanjutan/CEU untuk kelasnya) — sertifikasi resmi adalah bukti kompetensi yang paling diakui perekrut.
- Perkuat fondasi pendukung: SQL dasar (membaca data & log), administrasi Windows Server & Active Directory (fondasi hak akses semua aplikasi di modul ini), dan dasar jaringan OT/IT.
- Bangun portofolio kasus: kumpulkan studi kasus diagnosis Anda (disamarkan datanya) — di bidang ini, rekam jejak menyelesaikan masalah nyata adalah nilai jual yang melampaui daftar aplikasi di CV.