Predictive Maintenance Control · Cheat Sheet untuk Tim Sales
Sistem ini menerima pembacaan sensor dari mesin industri, lalu memakai AI untuk
memprediksi kerusakan sebelum terjadi,
memberi rekomendasi tindakan,
dan meramal kebutuhan sparepart.
Tujuannya: hemat biaya, kurangi downtime, dan optimalkan stok.
◤ TIGA TAB UTAMA
⊙ FORECAST
Analisa satu mesin. Atur slider sensor lalu klik ANALYZE — sistem keluarkan diagnosis, jenis kerusakan, sisa umur pakai, dan daftar tindakan.
⊞ FLEET HEALTH
Status semua mesin dalam satu layar. Mesin merah = butuh perhatian, hijau = aman.
⚠ CRITICAL PARTS
Daftar sparepart yang sudah harus diganti (overdue / critical) di seluruh fleet, lengkap dengan banner peringatan kalau ada pola kaskade.
⚙ SPAREPART
Prediksi kebutuhan sparepart 30/60/90 hari ke depan + rekomendasi reorder bila stok mau habis.
◤ MACHINE MEMORY (Yang Sistem "Ingat" tentang Mesin)
LAST FAILURE
Hari sejak mesin terakhir mengalami kerusakan. "—" artinya tidak pernah/tidak tercatat.
FAILURES 30D
Jumlah kerusakan mesin ini dalam 30 hari terakhir. > 1 = pola spiral.
LIFETIME FAILURES
Total kerusakan mesin sepanjang riwayat tercatat.
OVERDUE PARTS
Jumlah sparepart pada mesin yang sudah lewat masa pakai.
CASCADE
Pola kerusakan kaskade — beberapa mesin rusak dengan jenis serupa dalam waktu berdekatan. Biasanya disebabkan masalah lingkungan (heat wave, power surge).
EVENT SNAPSHOT
Saat mesin rusak, sistem menyimpan cuplikan telemetri di saat itu juga. Snapshot ini menjadi data pelatihan untuk prediksi kerusakan serupa di masa depan.
◤ PARAMETER SENSOR (INPUT)
TEMPERATURE
Suhu badan mesin. Normal 60–85°C; di atas 95°C mesin kepanasan.Analogi: suhu tubuh manusia.
VIBRATION
Tingkat getaran. Mesin sehat < 2.5 mm/s; > 3.5 biasanya ada komponen aus.Analogi: badan mobil bergetar saat ada masalah.
PRESSURE
Tekanan kerja sistem hidraulik/pneumatik. Normal 3.5–5.0 bar. Terlalu rendah = ada kebocoran.
CURRENT DRAW
Arus listrik yang ditarik mesin. Lonjakan = mesin bekerja paksa atau ada masalah kelistrikan.Mirip: AC yang nyedot listrik lebih banyak saat freon habis.
NOISE LEVEL
Tingkat kebisingan. Suara abnormal = tanda awal masalah mekanikal.
OIL QUALITY
Skor kualitas oli pelumas, 0 = rusak, 1 = baru. Oli buruk mempercepat keausan komponen.Analogi: oli motor yang sudah hitam pekat.
LOAD FACTOR
Seberapa berat mesin dipakai, 0 = idle, 1 = full load. Beban tinggi terus-menerus mempercepat keausan.
AMBIENT TEMP
Suhu ruangan tempat mesin. Ruang panas = mesin lebih cepat rusak.
WORK HOURS
Total jam kerja akumulatif mesin.Analogi: odometer di mobil.
MACHINE AGE
Usia mesin (hari) sejak pertama dipasang.
SINCE LAST MAINT
Hari sejak service terakhir. > 60 hari = overdue, butuh perhatian.
◤ HASIL DIAGNOSIS (OUTPUT)
FAILURE PROBABILITY
Persentase kemungkinan mesin akan rusak. Makin tinggi = makin urgen.Hijau < 20% · Cyan 20–40% · Kuning 40–70% · Merah ≥ 70%
PREDICTED FAILURE
Jenis kerusakan paling mungkin dari 5 kategori (lihat bagian di bawah).
RUL (Remaining Useful Life)
Estimasi sisa hari pemakaian sebelum perlu service. Mirip "ada berapa hari lagi sebelum mobil overheat".
ANOMALY
Sistem mendeteksi pola tak biasa walaupun belum jelas penyebabnya. Indikator awal untuk inspeksi manual.
CONFIDENCE
Seberapa yakin sistem dengan diagnosisnya. > 50% = sangat yakin.
RISK COMPONENTS
Skor risiko per area: Termal (panas), Mekanikal (getaran), Kelistrikan (arus), Pelumasan (oli), Usia. Radar chart menunjukkan area mana yang dominan.
TOP CONTRIBUTORS
Sensor mana yang paling memicu peringatan. Membuat sistem transparan: bukan kotak hitam.
◤ JENIS KERUSAKAN (FAILURE TYPE)
NORMAL
Mesin sehat — lanjutkan operasi normal.
BEARING
Laher / bantalan aus. Ciri: getaran tinggi + suara kasar. Bisa hancur dalam beberapa hari kalau dibiarkan.
MOTOR
Motor penggerak bermasalah. Ciri: arus listrik naik + suhu tinggi. Biasanya belitan motor atau coupling.
ELECTRICAL
Komponen listrik (kontaktor/relay/wiring). Ciri: arus listrik tidak stabil.
THERMAL
Sistem pendingin gagal. Ciri: suhu mesin jauh di atas suhu ruangan. Fan rusak atau ventilasi tersumbat.
LUBRICATION
Pelumasan rusak. Ciri: indeks oli rendah. Komponen mulai bergesekan kasar.
◤ PRIORITAS REKOMENDASI
P1
URGENT · 1–2 HARI
Hentikan mesin segera. Risiko kerusakan parah / downtime besar bila ditunda.
P2
SEGERA · 3–7 HARI
Jadwalkan tindakan minggu ini. Belum kritis tapi perlu intervensi.
P3
RUTIN · 14–30 HARI
Masuk ke jadwal maintenance reguler. Tidak mendesak.
◤ ISTILAH SPAREPART
NEXT 30D / 90D
Estimasi jumlah unit sparepart yang akan dibutuhkan dalam 30/90 hari ke depan.
Tanda perlu pesan ulang: stockout lebih cepat daripada waktu pengadaan + buffer.
EST. COST
Estimasi biaya pengadaan dalam Rupiah untuk horizon tersebut.
◤ VALIDATION & BACKTEST
EVENT-BACKTEST
Sistem dapat menjalankan backtest berbasiskan event: memeriksa apakah prediksi pada snapshot telemetri sebelum kejadian sesuai dengan event yang tercatat.
VALIDATION SCORE
Ringkasan metrik: alarm rate (berapa sering model mengeluarkan peringatan), rata-rata lead time sebelum kejadian, dan akurasi jenis kerusakan. Dapat dijalankan via endpoint /validate.
USAGE
Jalankan validasi setelah menambah data historis untuk memastikan model tetap robust. Jika alarm terlalu sering, pertimbangkan men-tuning threshold atau retraining dengan balancing/hyperparam tuning.
◤ TALKING POINTS (untuk presentasi)
Value proposition
"Dari reaktif jadi prediktif" — perbaiki sebelum rusak, hemat biaya emergency 3–5x lebih murah.
Diferensiasi
Tidak hanya "kapan rusak", tapi juga "kenapa" (top contributors) dan "sparepart apa" yang dibutuhkan.
Self-learning
Model otomatis retrain tiap bulan pakai data terbaru — makin lama makin akurat.
Output dinamis
Rekomendasi mengutip angka sensor nyata (mis. "getaran 4.6 mm/s di atas baseline"), bukan kalimat template generik.