AirLoss: materi belajar dan bank tanya-jawab pitching

IKM kehilangan 20–30% udara kompresor lewat bocor yang tidak terdengar, dan tidak punya cara murah untuk mengukurnya dalam rupiah. AirLoss mengukur % bocor dan menerjemahkannya menjadi Rp/hari, lalu memberi tahu pemilik kapan perlu menambal.

Dari U.S. Department of Energy Compressed Air Tip Sheet #3 (2000) dan Compressed Air Challenge Fact Sheet #7: sistem yang kurang terawat umumnya kehilangan 20–30% keluaran kompresor lewat bocor. Itu angka literatur internasional; untuk Indonesia kita belum punya data terukur, dan justru itu yang akan dikumpulkan kit di lapangan.

Wawancara 10 pengguna kompresor di Pontianak: 8 belum pernah mengukur bocor, bocor baru diperbaiki kalau terdengar. Regulasi juga tidak menjangkau mereka: PP 33/2023 hanya mewajibkan manajemen energi di atas 4.000 TOE/tahun, sedangkan satu kompresor 15 kW hanya ±75 MWh/tahun. Validasi lebih lanjut (uji kesediaan operator dan uji harga) dijadwalkan saat pilot.

Benar, itu validasi awal, bukan statistik. Tujuannya memastikan masalahnya nyata dan pengguna mau memakai uji saat istirahat. Rencana kami menambah wawancara di Solo Raya bersama Disperinaker Sukoharjo dan mengukur kesediaan bayar langsung saat pilot 5–10 kompresor.

Pembayar: pemilik IKM (garmen, mebel, plastik, pengemasan pangan, bengkel) dengan satu kompresor kecepatan tetap 15–75 kW. Pengguna harian: operator yang menjalankan uji saat istirahat. Teknisi servis kompresor memasang kit, menambal bocor, dan menjadi kanal penjualan.

Pabrik besar sudah dilayani Atlas Copco AIRScan, ifm moneo, Ecoplant, dan wajib audit energi. IKM tidak terjangkau regulasi maupun harga solusi itu, padahal bocornya cenderung lebih besar karena perawatan minim. Kit Rp1,5 juta dengan balik modal hitungan bulan cocok untuk skala IKM.

AirLoss langsung mengurangi pemborosan listrik di IKM. Efisiensi energi ditargetkan menyumbang 37% penurunan emisi sektor energi pada 2030. Potensi nasional 1,9–2,9 TWh/tahun (≈ Rp2,1–4,1 triliun) listrik industri yang hilang lewat bocor.

Dari laju turun tekanan tangki saat tidak ada pemakaian. Bocor pada tekanan pabrik mengalir tercekik, sebanding dengan tekanan absolut, sehingga tekanan turun eksponensial. Kemiringan ln(P_abs) dibagi konstanta mesin K memberi % bocor: L = r_down / K.

Tidak. Laju naik r_up = (P_atm/V)(Q_C − Q_L) dan laju turun r_down = (P_atm/V)Q_L. Rasio r_down / (r_up + r_down) = Q_L / Q_C, volume V saling coret. Jumlah r_up + r_down = K diukur sekali saat komisioning, jadi uji rutin hanya perlu fase turun.

K = P_atm · Q_C / V, diukur saat pemasangan. K bisa berubah bila volume terhubung berubah (katup cabang ditutup/dibuka), kompresor aus, atau suhu masuk berbeda. Mitigasi: checklist meminta posisi katup sama seperti saat komisioning; setiap uji yang mengandung fase pompa menghitung K baru gratis, dan bila beda >5%, sistem memakai K baru, melebarkan pita ke ±2 poin, dan meminta kalibrasi ulang. Komisioning ulang bulanan dan setelah perubahan pipa.

Udara yang baru dipompa panas. Saat mendingin, tekanan turun karena suhu, bukan bocor. Jika dihitung, bocor akan terbaca terlalu besar. Spesifikasi menyebut 15–30 detik; kode memakai 25 detik.

Uji ditolak otomatis. Detektor burst melihat patahan tajam kemiringan tekanan (>25% kapasitas), dan pemeriksaan kemiringan membandingkan potongan ≥40 detik: bila berubah >10% ada konsumen yang menyala/mati. Pesan: “Terdeteksi pemakaian udara. Hentikan pemakaian alat, lalu ulangi uji.” Di demo bisa ditunjukkan dengan tombol Semprot alat.

Konsumen tetap yang konstan sepanjang uji memang terlihat sama seperti bocor. Karena itu ada checklist operator dan hasil uji dilaporkan sebagai “udara yang hilang saat semua alat berhenti”. Secara ekonomi itu tetap pemborosan yang perlu ditindak. Drain dan dryer dibiarkan seperti biasa dan dihitung sebagai konsumsi diam.

Di simulasi: galat rata-rata 0,49 poin, maksimum 1,02 poin pada 48 uji di 8 tingkat bocor. Pita ±1,5 poin (K tersimpan) dan ±2 poin (K baru) adalah nilai sementara. Pita final akan diambil dari galat total terukur di bangku uji terhadap nosel terkalibrasi (persentil 90 |galat|), bukan dari SE regresi, karena SE meremehkan galat nyata. Target TKT 4: ≤ 5 poin.

Metode rasio waktu butuh beberapa siklus penuh (bisa 40+ menit pada bocor kecil). Metode laju AirLoss hanya butuh ≥2 menit peluruhan bersih karena K sudah diketahui. Uji berhenti otomatis saat SE ≤ 1 poin; ETA ditampilkan langsung. Bocor kecil di tengah siklus bisa lebih lama, maksimal 30 menit.

Tidak sebagai angka terukur, dan kami tidak mengklaimnya. Saat produksi kami hanya menampilkan batas atas “≤ X%” (pemakaian alat hanya bisa menaikkannya) dan memantau anomali duty. Angka bocor terukur hanya dari uji saat tidak ada pemakaian, sesuai prosedur DOE/CAC.

Tidak. AirLoss menjawab “berapa besar dan berapa rupiah”, lalu memicu teknisi mencari lokasi (dengar, air sabun, ultrasonik). Nilainya ada di keputusan: kapan layak memanggil teknisi, dan bukti penghematan setelah ditambal lewat uji ulang.

kWh bocor = L × daya berbeban × jam bertekanan (start/stop), atau L × (daya berbeban − daya tanpa beban) × jam bertekanan (load/unload). Rp = kWh × tarif. Tarif, jam/hari, hari/bulan, dan biaya tambal bisa diatur pemilik di dasbor. Daya berbeban diukur PZEM, jadi tidak bergantung pada pelat nama.

Di luar cakupan MVP. Kompresor VSD/modulasi tidak punya fase ON/OFF yang jelas, jadi sistem akan abstain. Sasaran kami kompresor kecepatan tetap (start/stop dan load/unload), yang mayoritas di IKM.

Rasio itu sama dengan L/(1−L), bukan L. Rumus yang benar L = r_down/(r_up + r_down). Ini koreksi yang sudah kami terapkan dari spesifikasi MVP.

ML menentukan kapan perlu menguji, bukan berapa bocornya. LightGBM memprediksi duty normal dari aktivitas produksi (jumlah dan besar semprotan alat, jam, shift, suhu, setpoint). Bila duty aktual terus di atas prediksi, berarti ada perubahan yang tidak dijelaskan produksi, maka sistem meminta uji. Fisika yang menentukan besar bocor.

Data tabular kecil per jendela, perlu cepat, bisa dijelaskan, dan bisa diberi batasan monoton (lebih banyak alat tidak boleh berarti lebih sedikit udara). LightGBM memenuhi semuanya dan TreeSHAP memberi penjelasan per keputusan. Kami juga membandingkan dengan model linear (arm L) sebagai ablasi; deep learning tidak dibenarkan oleh jumlah data berlabel saat ini.

Dari simulator armada Sim A (kompresor kecil/sedang/besar, bocor 3–35%, alat berdenyut dan konsumen tetap, shift, derau sensor). Model demo dilatih pada 1.588 jendela dan divalidasi pada 321 jendela. Untuk lapangan, setiap GLVT disimpan sebagai data berlabel, dan model hanya diganti lewat alur persetujuan offline.

Belum, dan kami terbuka soal itu. Di simulasi Sim B yang dipre-registrasi, kriteria utama (ML ≥20% lebih cepat dari konvensional pada beban uji sama) gagal, dan hasilnya sementara karena ada cacat pengindeksan yang sedang dikoreksi. ML memang meminta lebih sedikit uji yang tidak perlu (5,26 vs 8,08 per 30 hari), tetapi beban ujinya tidak setara. Karena itu produk memakai detektor konvensional sebagai default; ML berjalan sebagai pembanding dan baru jadi pemicu utama setelah terbukti pada ≥12 kebocoran lapangan.

Masalah pemicu memang sulit: duty naik bisa karena bocor atau produksi sibuk. Pemicu konvensional tidak tahu produksi sedang sibuk, ML tahu dari fitur burst. Di demo, saat Produksi sibuk, prediksi ML ikut naik sehingga tidak ada permintaan uji palsu. Arsitekturnya sudah siap: model hanya diaktifkan bila lolos gerbang bukti. Sementara itu sistem tetap aman karena setiap alert harus lolos uji fisik.

Fitur yang peka bocor dilarang menjadi input: k_down, batas atas, siklus/jam, tekanan rata-rata, dan duty. Uji otomatis test_no_leakage.py menjamin aturan ini. Fitur burst sendiri tidak terpengaruh bocor karena bocor menurunkan kedua jendela kemiringan sama besar. Data latih juga hanya diambil sebelum kejadian bocor.

Satu model global dilatih pada armada simulasi, tetapi target dan fitur dinormalisasi oleh profil baseline kompresor itu sendiri (jam × jenis hari, 7 hari). Jadi model belajar penyimpangan relatif, bukan nilai absolut. Untuk bangku/situs baru ada kalibrasi: pergeseran median antara duty terukur dan prediksi dari sesi normal terverifikasi, bobot model tetap beku.

Pertama, alarm palsu tidak sampai ke pemilik sebagai ALERT karena harus lolos uji fisik, paling-paling menjadi permintaan uji. Kedua, data berlabel dari bangku dan lapangan akan dipakai melatih ulang. Ketiga, baseline hanya diperbarui dari rekaman normal terverifikasi (eksperimen baseline bergulir post-hoc menunjukkan pembaruan otomatis justru menutupi kejadian berikutnya). Pemakaian EWMA, persistensi, dan cooldown juga membatasi frekuensi.

EWMA (λ = 0,2) menghaluskan skor residual agar satu lonjakan tidak memicu uji. Persistensi: skor harus di atas ambang θ selama M jendela berturut-turut (armada 4 jam, demo 2 jendela). Cooldown: setelah meminta uji, detektor diam sementara (armada 24 jam, demo 1 jam) agar operator tidak dibanjiri permintaan.

Metode menjelaskan kontribusi setiap fitur terhadap prediksi pohon keputusan. Di dasbor, pemilik melihat misalnya: “dengan aktivitas alat rendah, kompresor seharusnya mengisi 10,9% waktu, terbaca 29,4%.” Penjelasan membangun kepercayaan dan membantu operator memahami mengapa diminta uji.

Tidak ada pembelajaran otomatis. Alur offline ingest → fit → evaluate → approve: butuh ≥2 sesi latih, validasi terpisah, holdout belakangan, ≥12 bocor terkonfirmasi dan ≥12 run normal, kandidat harus ≥20% lebih cepat dengan CI 95% di atas nol, lalu reviewer manusia menyetujui. Artefak yang hilang/tidak cocok otomatis kembali ke detektor konvensional.

ESP32-S3, sensor tekanan 0–12 bar + ADS1115 16-bit, PZEM-004T + CT split-core, microSD, RTC DS3231, LED RGB, catu 5 V, enclosure IP65, sekring, varistor. Prototipe kit + bangku uji ±Rp2,6 juta. Harga jual kit Rp1,5 juta mengasumsikan produksi volume.

Sensor tekanan dipasang di port manometer dengan sambungan T kuningan (manometer tetap terpasang), CT dijepit di kabel daya motor. Tidak memotong pipa dan tidak mengubah kelistrikan. Pemasangan oleh teknisi, singkat, saat kompresor dimatikan sebentar, lalu dilakukan komisioning (satu uji tanpa pemakaian untuk mengukur K dan baseline).

ADC internal ESP32 nonlinear dan berderau. Laju turun bocor kecil hanya ratusan milibar per menit, jadi perlu resolusi tinggi. ADS1115 16-bit memberi resolusi ±0,0006 bar, dan pengukuran rasiometrik (suplai 5 V juga dibaca di A1) menghilangkan galat karena fluktuasi catu.

Setiap sampel ditulis ke microSD dengan cap waktu RTC DS3231, lalu dikirim ulang saat koneksi kembali. Target 0 sampel hilang (desain selesai, akan diuji di bangku).

Benar. PZEM-004T untuk bangku uji (kompresor 1 fase). Versi lapangan memakai meter energi 3 fase dengan CT hingga 200 A. Algoritmanya hanya butuh daya total, jadi tidak berubah.

Tekanan 5 Hz (cukup untuk mendeteksi semprotan alat dan fit peluruhan), daya 1 Hz. Data dikirim berkelompok via MQTT tiap 5 detik untuk menghemat bandwidth dan baterai koneksi, tanpa kehilangan resolusi.

Sensor dipasang di port manometer yang sudah ada, rating 0–12 bar di atas tekanan kerja 6–8 bar. Pemasangan oleh teknisi bersertifikat mengikuti Permenaker 37/2016 tentang K3 bejana tekan. Bangku uji punya protokol keselamatan yang ditandatangani dosen.

Kami tidak meminta percaya pada simulasi sebagai bukti akhir; itu bukti TKT 3. Tiga hal yang membuatnya bisa dipercaya: (1) kode yang sama persis akan menerima data ESP32, twin hanya mengganti sumber sinyal; (2) evaluasi dipre-registrasi dengan simulator uji independen; (3) uji pada data kompresor nyata MetroPT-3. Bukti fisik datang di TKT 4: nosel kuningan terkalibrasi sebagai bocor acuan dan manometer kelas 1.0.

Dataset publik UCI (CC BY 4.0) dari unit kompresor udara kereta metro Porto, dengan laporan kegagalan termasuk 4 bocor udara. Pemicu kami aktif 42–69 jam sebelum keempat laporan, tetapi juga sering aktif di luar periode laporan (±35 permintaan/30 hari). Itu kasus satu kompresor, bukan statistik, dan alasan kami selalu mewajibkan uji fisik.

Ambang, titik operasi, metrik, dan kriteria lulus dikunci (dibekukan 2026-11-07) sebelum melihat data uji. Ini mencegah kami “mengakali” angka setelah melihat hasil. Ketika hasilnya gagal, kami melaporkannya apa adanya.

Kompresor piston dipinjam dari Bengkel Motor Mitra Makmur. Manifold 6 katup dengan nosel kuningan terkalibrasi menyuntikkan bocor yang diketahui. Dua katup solenoid meniru pemakaian alat. Kalibrasi tekanan 5 titik terhadap manometer kelas 1.0. Target: galat ≤ 5 poin, durasi uji terukur, dan pita ± dari galat nyata.

Di TKT 5 pada 2–3 kompresor ulir mitra: GLVT sebelum dan sesudah tambal, serta kWh minimal 2 minggu di tiap sisi, dinormalisasi terhadap produksi (kWh per jam produksi). Dilaporkan sebagai studi kasus.

TKT 3 = fungsi utama terbukti secara analitis dan eksperimental (di sini lewat simulasi). Bukti: perangkat lunak lengkap berjalan pada digital twin, uji otomatis (fisika, GLVT, metrik, uji kebocoran data, alur hybrid), galat GLVT 0,49 poin di simulasi, desain kit 3D, dan studi kasus data nyata.

Harga dipilih agar balik modal pemilik 1–4,5 bulan. Biaya prototipe Rp2,6 juta sudah termasuk bangku uji; komponen kit sendiri lebih murah dan turun di volume. Pendapatan utama berulang dari langganan Rp100 ribu/bulan (server, WhatsApp, kalibrasi ulang). Harga akan divalidasi saat pilot.

Kompresor 15 kW, 16 jam/hari, 26 hari: setiap 10 poin bocor ≈ Rp0,70–0,90 juta/bulan. Bila bocor 20–30% turun ke 10% (hemat 10–20 poin), penghematan Rp0,7–1,8 juta/bulan. Biaya Rp1,5 juta + Rp100 ribu/bulan kembali dalam 1–3 bulan (start/stop) atau 1,5–4,5 bulan (load/unload, karena daya tanpa beban tetap terpakai).

Bocor muncul lagi seiring waktu (sambungan longgar, selang aus). Audit sekali hanya memotret satu hari. Langganan memberi pemantauan terus, pengingat uji pada waktu tepat, bukti penghematan setelah tambal, dan kalibrasi ulang. Rp100 ribu kecil dibanding Rp0,7 juta/bulan per 10 poin bocor.

IKM sudah mempercayai teknisi servisnya. Teknisi memasang kit dengan aman dan mendapat pekerjaan tambal dari peringatan AirLoss, jadi insentifnya selaras. Kanal ini juga murah dibanding tim penjualan sendiri.

Bottom-up dari Statistik PLN 2023: pelanggan industri I-2 (48.334) + I-3 (15.828) = 64.162, dikali 70% yang memakai udara tekan (asumsi DOE) = 44,9 ribu kompresor × Rp2,7 juta tahun pertama ≈ Rp121 miliar (TAM). SAM: IKM satu kompresor di bawah wajib audit, 33,8 ribu ≈ Rp91 miliar. SOM: 1% SAM dalam 3 tahun = 340 kompresor ≈ Rp918 juta, berulang ≈ Rp408 juta/tahun.

Mereka menyasar pabrik besar dengan harga dan instalasi industri, atau audit manual sesaat. AirLoss: retrofit Rp1,5 juta tanpa flowmeter dan tanpa potong pipa, angka rupiah, pemantauan kontinu, alert yang selalu diverifikasi uji fisik, dan distribusi lewat teknisi lokal.

Komponennya umum, tetapi nilainya ada pada kombinasi: metode uji terpandu dengan validasi otomatis, logika verify-then-alert, data berlabel dari setiap uji yang terus memperbaiki model, dan jaringan teknisi mitra lokal. Data lapangan berlabel adalah aset yang terus bertambah.

Anggaran Rp4,5 juta: ±Rp2,6 juta untuk kit dan bangku uji (manifold, nosel terkalibrasi, katup solenoid, ADS1115, microSD), sisanya cadangan. Kompresor uji dipinjam dari mitra. Semua dana dicatat dalam logbook dan dievaluasi bulanan oleh dosen.

Uji hanya 2–9 menit saat semua alat sudah berhenti (istirahat atau akhir shift), dipandu checklist dan ETA. Uji kesediaan operator adalah bagian validasi pilot. Di simulasi kami juga menguji kepatuhan operator 70% dalam 3 hari, dan sistem tetap aman karena uji yang tidak valid ditolak.

Ada cooldown dan persistensi, permintaan yang sama ditahan selama status masih VERIFIKASI/ALERT, dan metrik utama evaluasi kami justru “total permintaan uji per 30 hari” (anggaran target 5 per 30 hari). Model baru tidak disetujui bila menambah permintaan.

PP 33/2023 tentang konservasi energi (wajib manajemen energi ≥ 4.000 TOE/tahun, IKM di bawahnya); Permenaker 37/2016 tentang K3 bejana tekan (pemasangan oleh teknisi). Notifikasi produksi memakai WhatsApp Business resmi; gateway tidak resmi hanya untuk demo dan diberi label.

Data yang dikirim hanya tekanan dan daya kompresor, tanpa data produksi atau pribadi. Rencana produksi: AWS IoT Core dengan autentikasi perangkat, Cognito untuk login, data per pelanggan di PostgreSQL. Data lapangan berlabel untuk melatih model dipakai dengan persetujuan pemilik.

Fisika menjawab berapa besar bocor; itu tidak bisa diganti AI. Tetapi fisika butuh jendela tanpa pemakaian, sehingga perlu sesuatu yang memantau produksi dan memutuskan kapan meminta uji. Di situlah ML bekerja: membedakan “kompresor kerja lebih berat karena produksi sibuk” dari “kerja lebih berat tanpa alasan”. Kami sengaja tidak mengklaim berlebihan: ML baru jadi pemicu utama setelah terbukti di lapangan.

Karena itu evaluasi yang jujur. Kami mengunci kriteria sebelum melihat data, dan ketika hasil tidak memenuhi, kami mengubah desain produk: detektor konvensional menjadi default, ML hanya diaktifkan lewat gerbang bukti. Bagian yang menghasilkan uang pemilik, yaitu pengukuran bocor fisik dan rupiah, tidak bergantung pada ML.

Ultrasonik bagus untuk menemukan lokasi, tetapi alatnya mahal, butuh orang berkeliling, dan tidak memberi % bocor total atau rupiah secara kontinu. AirLoss dan ultrasonik saling melengkapi: AirLoss memberi tahu kapan dan seberapa mendesak, teknisi memakai ultrasonik/air sabun untuk mencari titiknya.

Pesan AirLoss menyebut Rp/hari, kenaikan Rp/hari, dan perkiraan balik modal perbaikan (misal biaya tambal Rp300 ribu tertutup dalam beberapa hari operasi). Pengambilan keputusan jadi berbasis rupiah, bukan “katanya bocor”. Teknisi mitra juga menindaklanjuti.

Belum bisa, dan kami tidak mengklaimnya. Bangku uji membuktikan metode (TKT 4); klaim untuk kompresor ulir baru setelah Milestone 2: uji lapangan di 2–3 kompresor ulir mitra dengan bocor buatan, identifikasi daya berbeban/tanpa beban, dan penghematan sebelum-sesudah (TKT 5).

Dari simulasi kompresor ulir 15 kW: bocor 9,3% × (daya berbeban − daya tanpa beban terhitung di simulasi) × 16 jam × tarif Rp1.444,7/kWh. Semua angka di dasbor diberi label Simulasi. Untuk preset ulir, kondisi bangku diskalakan untuk ilustrasi.

Itu keterbatasan yang kami catat sendiri di dokumentasi. Mitigasinya: Sim B memakai pilihan pemodelan berbeda dan tidak pernah dipakai untuk melatih atau memilih ambang, plus uji data nyata MetroPT-3. Bukti penentu tetap uji bangku dan lapangan.

Tiga risiko: (1) K berubah di lapangan karena konfigurasi katup, dimitigasi cek drift K otomatis dan checklist; (2) kepatuhan operator menjalankan uji, divalidasi saat pilot dan uji tidak valid ditolak; (3) ML belum unggul, dimitigasi dengan detektor konvensional sebagai default. Produk tetap bernilai walau ML tidak pernah lolos.

Inovasinya kombinasi: uji bocor terpandu 2–9 menit tanpa volume tangki dengan validasi otomatis dan ETA, logika verify-then-alert (alert hanya setelah uji fisik), pemicu yang memahami konteks produksi, dan keluaran dalam rupiah untuk IKM, semua dengan retrofit murah.