eKomoditi Implementasikan IoT dan AI di Pabrik Kelapa Sawit

Sebagai contoh kasus pada industri kelapa sawit misalnya, hingga saat ini grading tandan buah segar (TBS) masih dilakukan secara manual oleh petugas grader yang kompeten dan berpengalaman dengan mengumpulkan sampel dan mengevaluasi TBS melalui pengamatan visual.

Padahal senyatanya, penilaian TBS adalah penilaian garis depan di setiap pabrik kelapa sawit untuk mengukur kematangan dan kesegaran bahan baku. Kualitas bahan baku akan menentukan rendemen minyak yang dihasilkan pada akhir proses. Namun, ukuran sampel hanya sekitar 30% dari keseluruhan muatan yang berarti hanya 50 hingga 100 tandan yang dinilai per muatan.

Dengan kata lain, ada lebih banyak TBS yang tidak bergradasi daripada TBS bergradasi untuk setiap loading. Selain itu, sebagian besar sampel diambil hanya dari bagian atas sehingga kualitas TBS di bagian bawah muatan berbeda secara signifikan dengan setengah bagian atas. Itu berarti kualitas grading dari muatan tidak akan akurat dan dapat menyebabkan misrepresentasi terhadap OER pada hari itu.

Hal ini bisa diantisipasi oleh AI dan IoT dengan memanfaatkan kamera multi-spektral untuk pengambilan gambar dan algoritma machine-learning yang sesuai, sehingga kita dapat mengajarkan mesin untuk mengidentifikasi kualitas setiap TBS berdasarkan kualitasnya. Sortasi menggunakan AI dan IoT ini nantinya akan sangat bermanfaat selama proses sterilisasi dimana tindakan berbeda dapat diterapkan pada kualitas muatan yang berbeda pula.

Saat ini, sebagian besar pabrik menggunakan sterilisasi triple-peak. Namun, jika TBS dapat dipisahkan menurut kualitasnya, proses sterilisasi dapat lebih dioptimalkan untuk beroperasi pada pengaturan yang hemat energi, sehingga mengurangi kebutuhan energi listrik dan efisiensi waktu sterilisasi.

Analisis lanjutan seperti ini memiliki potensi akurasi yang lebih baik dan dapat menilai 100% tandan di dalam scrapper conveyor yang terus bergerak. Dengan melakukan ini, maka tenaga kerja dapat dikurangi dan lebih sedikit perselisihan akan terjadi antara karyawan perkebunan dan karyawan pabrik.

Manajemen risiko yang lebih baik

Otomatisasi juga membantu mengurangi secara substansial faktor human error yang dan juga dapat meningkatkan keandalan dalam pengambilan sampel secara manual yang jika tidak representatif justru dapat mengakibatkan keputusan manajemen proses yang keliru.