Bagaimana teknologi AI dan laser perbaiki alat tambang di lapangan? Bagaimana perusahaan tambang di Indonesia mengadopsi teknologi AI dan apa tujuan mereka?
Penulis/editor: Rayendra L Toruan
TechnoMachinews.id – Fraunhofer ILT (sumber): Teknologi AI dan laser sangat berperan dalam proses perbaikan alat tambang yang digunakan di lokasi tambang.
Para ahli menggunakan kecerdasan buatan (AI) dan laser untuk membuat proses perbaikan alat tambang agar waktu lebih efisien, presisi, dan hemat biaya.
Teknologi AI digunakan untuk memetakan kerusakan yang terjadi pada alat tambang yang berlangsung secara otomatis.
Dengan sensor dan model pembelajaran mesin (machine learning), AI menentukan bagian atau lokasi di dalam mesin yang rusak dan perlu diperbaiki dengan mengoptimalkan pola perbaikan.
Sedangkan laser berguna untuk memperbaiki alat yang aus dengan teknik laser material deposition (LMD) yang memungkinkan deposisi material baru secara presisi dan meningkatkan daya tahan komponen yang diperbaiki.
Kombinasi AI dan laser menghasilkan lapisan pelindung yang lebih kuat dengan menggunakan material khusus seperti tungsten carbide—bahan dengan ketahanan terhadap keausan ekstrem.
Para peneliti di Institut Fraunhofer untuk Teknologi Laser (ILT) bekerja sama dengan mitra proyek untuk mengembangkan modul AI guna membantu pengendapan material laser.
Teknik LMD digunakan untuk memperbaiki gigi bucket yang aus dan peralatan lain yang digunakan dalam penambangan.
Para peneliti Fraunhofer telah memperkenalkan solusi yang mereka temukan itu pada Februari 2025.
Alat-alat yang digunakan dalam pertambangan mengalami keausan yang sangat besar. Bucket ekskavator dengan gigi yang aus atau pahat tumpul dan penghancur batu biasanya dilebur dan diganti dengan yang baru.
Akan tetapi, cara itu mahal dan tak efisien dalam hal sumber daya.
Deposisi material laser (LMD), yang juga dikenal sebagai pelapisan, menghadirkan alternatif untuk hal ini. Dalam metode ini, bubuk logam dan sinar laser diarahkan melalui sistem optik sedemikian rupa.
Dengan demikian sinar laser menciptakan kumpulan las lokal pada komponen, tempat bubuk diendapkan. Sistem bergerak di atas alat, mengendapkan paduan logam berkualitas tinggi jalur demi jalur dan lapis demi lapis.
Cara Ini mengembalikan kontur asli komponen seperti gigi ekskavator yang aus atau mata bor persis seperti sebelumnya.
Dalam proyek Peningkatan Kecerdasan Buatan pada Penginderaan Proses untuk Manufaktur Aditif Laser Adaptif (AI-SLAM), para peneliti menggabungkan teknologi laser dengan kecerdasan buatan.
“Tujuan proyek ini adalah untuk mengotomatiskan semua langkah, mulai dari pemetaan cacat, merencanakan jalur, dan parameter yang akan digunakan selama pengelasan dan pelaksanaan aktual dan kontrol kualitas,” cerita Max Zimmermann, manajer proyek.
Ia bertanggung jawab atas pelapisan laser material deposition (LMD) yakni teknik pemulihan material yang menggunakan sinar laser untuk melebur bubuk logam pada permukaan komponen yang rusak.
Proses ini menciptakan lapisan las yang kuat, memulihkan bentuk asli alat tanpa harus mengganti seluruh komponen.
Fraunhofer ILT bermitra dengan Dewan Riset Nasional Kanada, Universitas McGill, dan perusahaan AI dari Calgary, Braintoy, dan Apollo Machine and Welding dari Edmonton, Kanada.
Mitra lain adalah BCT, sebuah perusahaan pengembangan perangkat lunak yang berbasis di Dortmund, Kanada.
Karbida tungsten sangat keras dan baja tahan karat
Selama proses perbaikan, sistem optik laser mengikuti jalur yang telah dihitung sebelumnya di atas permukaan alat. Baja tahan karat dilebur pada suhu sekitar 1300° C dan diendapkan, sementara nosel secara bersamaan mengarahkan semburan partikel karbida tungsten ke area yang sama.
Partikel-partikel tersebut bergabung dengan baja cair untuk membentuk lapisan yang sangat keras pada alat setelah pendinginan, melindunginya dari keausan dan korosi.
Salah satu tantangan bagi tim peneliti adalah menemukan rasio optimal partikel karbida tungsten terhadap baja.
“Proporsi partikel yang terlalu tinggi membuat lapisan menjadi rapuh dan rentan retak, dan dengan terlalu banyak baja tahan karat, lapisan tersebut menjadi terlalu lunak, sehingga cepat aus,” jelas Max Zimmermann, manajer proyek.
Daya laser harus dikalibrasi sehingga suhunya cukup tinggi untuk melelehkan baja tetapi tidak terlalu tinggi sehingga partikel tungsten karbida ikut meleleh (sekitar 2900°C). Jika hal itu dibiarkan terjadi, tungsten karbida menjadi terlalu lunak.
Beberapa parameter lainyakni, jarak antara nosel dan permukaan, kecepatan sistem menelusuri jalurnya, tumpang tindih antara jalur, daya laser, dan masih banyak lagi.
Secara keseluruhan, ada 150 parameter yang harus ditetapkan dan dikoordinasikan saat merencanakan satu proses perbaikan. Bagaimana penggunaan AI dala perencanaan dan mengendalikan perbaikan?
Untuk proyek AI-SLAM, para peneliti Fraunhofer mengembangkan modul AI beberapa bagian yang mengatur proses perencanaan dan pengendalian yang rumit ini.
Sebagai langkah pertama, laser garis menggunakan kamera CMOS untuk menangkap kontur alat yang aus, seperti gigi ekskavator. Ini menghasilkan gambar geometri permukaan saat ini.
Gambar tersebut dibandingkan dengan kontur gigi saat baru, yang juga disimpan dalam perangkat lunak. Terakhir, modul menggunakan perbedaan tersebut untuk menghitung jalur dan ketebalan lapisan logam yang harus diaplikasikan.
Kamera mengirimkan gambar ke AI selama proses pelapisan sehingga dapat mendeteksi adanya ketidaksesuaian atau kesalahan.
Mitra proyek BCT menggabungkan modul AI peneliti ke dalam perangkat lunak operasi OpenARMS, yang menerjemahkan parameter yang direkomendasikan oleh AI untuk proses pengelasan menjadi perintah kontrol.
Ini berarti operator manusia tidak perlu lagi mengetik kode mesin, langkah yang memakan waktu dan rawan kesalahan. Braintoy yang berbasis di Calgary bertanggung jawab atas algoritma pembelajaran mesin. Ia juga menyediakan platform untuk analisis data dalam sistem LMD.
Semua solusi bekerja sama, sehingga proses perbaikan berlangsung secara otomatis dan tanpa kesalahan.
“Yang perlu dilakukan operator manusia hanyalah menekan tombol mulai,” tutup Max Zimmermann.
AI semakin terhubung dengan Internet of Things (IoT) untuk memantau kondisi tambang secara real-time. Sensor pintar mengumpulkan data dari alat berat, lingkungan, dan pekerja, memungkinkan prediksi kegagalan peralatan serta optimasi operasional.
Robot berbasis AI digunakan untuk menjelajahi area berbahaya, melakukan penggalian, serta mengangkut material tanpa risiko bagi pekerja.
AI pun membantu memprediksi gangguan dalam rantai pasokan tambang, memungkinkan perusahaan mengoptimalkan logistik dan menghindari keterlambatan.
AI digunakan dalam sistem pengawasan untuk memastikan pekerja menggunakan alat pelindung diri (APD) dengan benar dan mendeteksi potensi bahaya.
Demikian pula pada optimasi proses penambangan dengan menggunakan AI untuk membantu dalam pengambilan keputusan terkait metode penambangan yang paling efisien dan ramah lingkungan.
Teknologi AI semakin menjadi bagian integral dari industri pertambangan, membantu perusahaan meningkatkan produktivitas sekaligus mengurangi dampak lingkungan.
AI berperan dalam mengurangi dampak lingkungan dengan mengoptimalkan penggunaan sumber daya dan mengurangi limbah. Teknologi ini membantu dalam pemulihan lahan tambang dan pengelolaan limbah secara lebih efektif.
Dikutip dari beberapa sumber, sejumlah perusahaan tambang di Indonesia telah mengadopsi teknologi AI untuk meningkatkan efisiensi dan keamanan. Misalnya PT Pama Persada Nusantara yanf menggunakan AI untuk optimasi operasional dan pemantauan alat berat.
PT Amman Mineral International Tbk mengembangkan sistem berbasis AI untuk meningkatkan produktivitas dan keselamatan kerja.
Vale Indonesia menggunakan AI untuk eksplorasi dan pengolahan mineral dan Freeport Indonesia mengadopsi AI dalam sistem pemantauan tambang dan optimasi produksi.
Sementara perusahaan Indosat Ooredoo Hutchison menyediakan solusi AI dan IoT untuk industri pertambangan.
