Download - N O T A D I N A S - dephub.go.id
Nomor :
N O T A – D I N A S
102/ND/K3/DJKA/2021
Kepada Yth : Direktur Jenderal Perkeretaapian
Dari : Plh. Direktur Prasarana Perkeretaapian
Perihal : Laporan Pembahasan Implementasi Predictive
Maintenance Dalam Upaya Meningkatkan
Kinerja Layanan Prasarana Yang Lebih Baik
1. Menunjuk Undangan Direktur Prasarana Perkeretaapian Nomor :
UM.207/4/11/K3/DJKA/2021 tanggal 19 Februari 2021 perihal Undangan Rapat, bersama
ini kami sampaikan hal – hal sebagai berikut:
a. Rapat dilaksanakan pada tanggal 24 Februari 2021 melalui Video Conference dengan
Room Zoom dengan Meeting ID : 240 272 5277 Password : 240221;
b. Rapat dipimpin oleh Direktur Prasarana Perkeretaapian/ Kasubdit Kelaikan Jalur dan
Bangunan KA dan dihadiri oleh perwakilan dari:
1. Sekretaris Direktorat Jenderal Perkeretaapian;
2. Direktorat Keselamatan Perkeretaapian;
3. Direktorat Prasarana Perkeretaapian;
4. Balai Pengujian Perkeretaapian;
5. Balai Teknik Perkeretaapian Kelas I Wilayah Jakarta dan Banten;
6. Balai Teknik Perkeretaapian Kelas I Wilayah Jawa Bagian Timur;
7. Balai Teknik Perkeretaapian Kelas I Wilayah Jawa Bagian Barat;
8. Balai Teknik Perkeretaapian Kelas I Wilayah Jawa Bagian Barat;
9. Balai Teknik Perkeretaapian Kelas II Wilayah Sumatera Bagian Utara;
10. Balai Teknik Perkeretaapian Kelas II Wilayah Sumatera Bagian Selatan;
11. Balai Teknik Perkeretaapian Kelas II Wilayah Sumatera Bagian Barat;
12. PPK IMO;
13. Prof Suhono; dan
14. Tim Pusat Inovasi Kota dan Komunitas Cerdas Institut Teknologi Bandung (ITB).
c. Kesimpulan rapat pembahasan sebagai berikut (risalah rapat terlampir):
1) Prof. Suhono menyampaikan hal-hal sebagai berikut :
a) Latar belakang dari Implementasi Predictive Maintenance yaitu dikarenakan
terdapat penurunan kinerja pelayanan dan keselamatan transportasi kereta api
akibat longsor, banjir dan rel anjlok;
b) Tujuan dari Implementasi Predictive Maintenance yaitu mengusulkan Smart
Solution bagi perkeretaapian Indonesia dengan memanfaatkan teknologi Integrated
Smart System Platform (ISSP), Predictive Maintenance, Digital Twin, dan
Geospatial Artificial Intelligence untuk meningkatkan keselamatan, keamanan, serta
kinerja operasi pelayanan jasa transportasi kereta api;
c) Metode Smart Solution yang diusulkan dari Tim Pusat Inovasi Kota dan Komunitas
Cerdas Institut Teknologi Bandung (ITB) yaitu Integrated Smart System Platform
(ISPP) yang merupakan platform integrasi dan kolaborasi;
d) Integrated Smart System Platform (ISPP) terdiri dari existing database, IOT Sensor,
CCTV, social media, citizen reporting dan web services yang dimasukkan ke dalam
suatu server (Cloud) kemudian dianalisis menggunakan Big Data, Artificial Intelligent
dan Cyber Security sehingga dapat memahami apa yang akan terjadi dan apa yang
sedang terjadi.
2) Tim Pusat Inovasi Kota dan Komunitas Cerdas Institut Teknologi Bandung (ITB)
menyampaikan hal-hal sebagai berikut :
a) Alur kerja solusi Smart – Maintenance yaitu data yang dikumpulkan diharapkan
dapat segera diidentifikasi dan diklasifikasi sehingga dapat menghasilkan informasi
penting yang akan disampaikan ke stakeholder. Seiring berjalannya waktu informasi
yang ada akan terus dirangkai dan dilihat bagaimana keterkaitannya sehingga dapat
mengirimkan knowledge (pengetahuan) dari kebiasaan yang sering terjadi. Dari
knowledge (pengetahuan) ini diharapkan dapat memicu sebuah acting sehingga
didapatkan sebuah keputusan yang dapat diambil dan menghasilkan sebuah output
berupa predictive maintenance;
b) Sasaran penerapan predictive maintenance dari sisi knowledge (pengetahuan) yaitu
reactive (dilakukannya perbaikan setelah terjadi kerusakan), planned (terencana
dalam waktu tertentu), proactive (menghilangkan beberapa defect untuk
meningkatkan performance) dan predictive (melakukan pemeliharaan yang sifatnya
menganalisa dari data yang sudah didapatkan yaitu dari sensing untuk melihat
bagaimana perilaku dan juga data yang didapatkan sudah teridentifikasi);
c) Keuntungan menggunakan predictive maintenance yaitu dapat meminimalkan dan
menghilangkan downtime, penghematan biaya melalui transparansi kerusakan,
meningkatkan interval perawatan dan meminimalkan intrusive maintenance (sudah
terjadi kerusakan lalu dilakukan perbaikan);
3) Direktorat Keselamatan Perkeretaapian menyampaikan hal – hal sebagai berikut :
a) Sensing yang sudah ada yaitu axle counter perlu dimaksimalkan dan
didikembangkan untuk menghasilkan perilaku baik dari prasarana perkeretaapian;
b) Perlu dilakukan uji coba terhadap sensing yang sudah ada dengan menggunakan
pendekatan predictive maintenance.
4) Balai Pengujian Perkeretaapian menyampaikan bahwa perlu dilakukan
penyesuaian terhadap perawatan prasarana yang ada sesuai dengan SOP
sehingga dapat mewujudkan prasarana yang handal dan agar perubahan –
perubahan ekstrem yang terjadi dari segi lingkungan dapat diantisipasi dengan
penambahan hal – hal yang terkait dengan perawatan.
5) Balai Teknik Perkeretaapian Kelas I Wilayah Jawa Bagian Barat menyampaikan
hal – hal sebagai berikut :
a) Dengan adanya sistem pemodelan ini diharapkan dapat berjalan secara realtime;
b) Bersedia memberikan data lokasi yang telah terpasang sensor jika diperlukan dan
telah berkoordinasi lebih awal dengan PPK IMO.
6) PPK IMO menyampaikan hal – hal sebagai berikut :
a) Saat ini IMO sedang mengembangkan sistem manajemen perawatan
pengoperasian pembangunan dan pengusahaan prasarana perkeretaapian sebagai
asset DJKA barang milik negara yang sudah di inventaris dan dijadikan dasar
maintenance.
7) Direktorat Prasarana Perkeretaapian menyampaikan hal-hal sebagai berikut :
a) Skema Predictive Maintenance pernah diperkenalkan sebagai Preventive
Maintenance. Namun, belum bisa diterapkan di Direktorat Jenderal Perkeretaapian
karena masih menggunakan perhitungan perawatan berdasarkan ketersediaan
anggaran yang didapat berdasarkan hasil opname;
b) Apa yang disampaikan oleh tim baik sekali dengan memanfaatkan teknologi
informasi yang berbasis data base dan IoT sehingga dapat memberikan KPI yang
lebih fokus dalam dashboard. Walaupun tim tidak mengarah pada pembuatan tools
Pelaksana Harian
MOH. FATAWI
monitoring. Hal ini juga bisa dikolaborasikan oleh project SHMS yang sedang
dilakukan oleh BPKP dikarenakan sampai saat ini baru tahap pengembangan
peralatan sensor;
c) Apa yang diusulkan tim sudah sering dilakukan pembahasan internal namun tidak
pernah tercapai walaupun sudah tersedia anggaran yang besar dan tidak pernah
dapat diimplementasikan dengan baik karena terkait kapasitas pengetahuan
pegawai yang masih memerlukan proses pembelajaranTerkait hal tersebut
Direktorat Prasarana akan mengusulkan kepada pimpinan untuk dapat membentuk
Komite Pengembangan Manajemen Teknologi Informasi Perkeretaapian agar dapat
memberikan solusi yang maksimal terhadap permasalahan yang ada saat ini dan
menghadapi tantangan ke depan;
d) Selanjutnya jika usulan pembentukan tim dapat disetujui maka dapat dilanjutkan
agenda terkait pembahasan terhadap pengenalan format yang digunakan di
perkeretaapian dengan melakukan evaluasi terhadap sistem yang sudah ada
sebelumnya;
e) Diperlukan juga anggaran terkait dengan operasional tim untuk dapat menyiapkan
tenaga bantu dalam penyiapan bahan yang akan dibahas.
2. Sehubungan dengan hal tersebut diatas, bersama ini terlampir disampaikan Risalah Rapat
Pembahasan Implementasi Predictive Maintenance Dalam Upaya Meningkatkan Kinerja
Layanan Prasarana Yang Lebih Baik.
3. Demikian disampaikan, atas perkenan dan arahan lanjut Bapak diucapkan terima kasih.
Jakarta, 2 Maret 2021
DIREKTUR PRASARANA PERKERETAAPIAN
Tembusan :
Direktur Prasarana Perkeretaapian. Pembina Tk. I (IV/b)
NIP. 19670827 199303 1 002
RISALAH RAPAT
Hari / Tanggal : Rabu, 24 Februari 2021
Waktu : 09.00 WIB s.d Selesai
Tempat : Video Conference dengan Room Zoom
Meeting ID : 240 272 5277 Password : 240221
Acara : Pembahasan Implementasi Predictive Maintenance
Dalam Upaya Meningkatkan Kinerja Layanan Prasarana
Yang Lebih Baik
Pimpinan Rapat : Direktur Prasarana Perkeretaapian/ Kasubdit Kelaikan
Jalur dan Bangunan KA
Peserta Rapat : Perwakilan dari:
1. Sekretaris Direktorat Jenderal Perkeretaapian;
2. Direktorat Keselamatan Perkeretaapian;
3. Direktorat Prasarana Perkeretaapian;
4. Balai Pengujian Perkeretaapian;
5. Balai Teknik Perkeretaapian Kelas I Wilayah Jakarta
dan Banten;
6. Balai Teknik Perkeretaapian Kelas I Wilayah Jawa
Bagian Timur;
7. Balai Teknik Perkeretaapian Kelas I Wilayah Jawa
Bagian Barat;
8. Balai Teknik Perkeretaapian Kelas I Wilayah Jawa
Bagian Barat;
9. Balai Teknik Perkeretaapian Kelas II Wilayah
Sumatera Bagian Utara;
10. Balai Teknik Perkeretaapian Kelas II Wilayah
Sumatera Bagian Selatan;
11. Balai Teknik Perkeretaapian Kelas II Wilayah
Sumatera Bagian Barat;
12. PPK IMO;
13. Prof Suhono; dan
14. Tim Pusat Inovasi Kota dan Komunitas Cerdas Institut
Teknologi Bandung (ITB).
1. Dasar Rapat:
a) Tata Kelola Perawatan Prasarana Kereta Api.
2. Hasil Rapat adalah sebagai berikut:
a) Prof. Suhono menyampaikan hal-hal sebagai berikut :
1) Latar belakang dari Implementasi Predictive Maintenance yaitu dikarenakan terdapat
penurunan kinerja pelayanan dan keselamatan transportasi kereta api akibat longsor,
banjir dan rel anjlok;
2) Situational awareness merupakan kemampuan yang dimiliki sistem untuk menangkap
informasi di lingkungan sekitar (perception), memahami maknanya (comprehension), dan
memberikan aksi atau prediksi (projection) atas informasi terhadap perjalanan kereta api;
3) Predictive Maintenance mempunyai potensi digunakan sebagai acuan untuk penyusunan
norma, standar serta prosedur untuk meningkatkan kinerja layanan prasarana
transportasi kereta api yang lebih baik;
4) Tujuan dari Implementasi Predictive Maintenance yaitu mengusulkan Smart Solution bagi
perkeretaapian Indonesia dengan memanfaatkan teknologi Integrated Smart System
Platform (ISSP), Predictive Maintenance, Digital Twin, dan Geospatial Artificial
Intelligence untuk meningkatkan keselamatan, keamanan, serta kinerja operasi
pelayanan jasa transportasi kereta api;
5) Metode Smart Solution yang diusulkan dari Tim Pusat Inovasi Kota dan Komunitas
Cerdas Institut Teknologi Bandung (ITB) yaitu Integrated Smart System Platform (ISPP)
yang merupakan platform integrasi dan kolaborasi;
6) Integrated Smart System Platform (ISPP) terdiri dari existing database, IOT Sensor,
CCTV, social media, citizen reporting dan web services yang dimasukkan ke dalam suatu
server (Cloud) kemudian dianalisis menggunakan Big Data, Artificial Intelligent dan Cyber
Security sehingga dapat memahami apa yang akan terjadi dan apa yang sedang terjadi;
7) Alur Kerja dari Integrated Smart System Platform (ISPP) yaitu Sensing (mencari sensor
yang paling ideal), Understanding (mencakup data analytic, data visualization dan artificial
intelligent) dan Acting (mencakup reporting dan notification, device controlling dan
decision support system).
b) Tim Pusat Inovasi Kota dan Komunitas Cerdas Institut Teknologi Bandung (ITB)
menyampaikan hal-hal sebagai berikut :
1) Alur kerja solusi Smart – Maintenance yaitu data yang dikumpulkan diharapkan dapat
segera diidentifikasi dan diklasifikasi sehingga dapat menghasilkan informasi penting yang
akan disampaikan ke stakeholder. Seiring berjalannya waktu informasi yang ada akan
terus dirangkai dan dilihat bagaimana keterkaitannya sehingga dapat mengirimkan
knowledge (pengetahuan) dari kebiasaan yang sering terjadi. Dari knowledge
(pengetahuan) ini diharapkan dapat memicu sebuah acting sehingga didapatkan sebuah
keputusan yang dapat diambil dan menghasilkan sebuah output berupa predictive
maintenance;
2) Sasaran penerapan predictive maintenance dari sisi knowledge (pengetahuan) yaitu
reactive (dilakukannya perbaikan setelah terjadi kerusakan), planned (terencana dalam
waktu tertentu), proactive (menghilangkan beberapa defect untuk meningkatkan
performance) dan predictive (melakukan pemeliharaan yang sifatnya menganalisa dari
data yang sudah didapatkan yaitu dari sensing untuk melihat bagaimana perilaku dan juga
data yang didapatkan sudah teridentifikasi);
3) Keuntungan menggunakan predictive maintenance yaitu dapat meminimalkan dan
menghilangkan downtime, penghematan biaya melalui transparansi kerusakan,
meningkatkan interval perawatan dan meminimalkan intrusive maintenance (sudah terjadi
kerusakan lalu dilakukan perbaikan);
4) Penerapan Big data dalam transportasi kereta api dalam hal ini yaitu berupa kebutuhan
pemeliharaan terkait dengan rel. Objek yang dipantau yaitu kebutuhan rel. Langkah
pertama yaitu mengidentifikasi data yang sifatnya sensorik dalam lingkungan rel dan akan
disimpan pada sisi rel yang tidak akan terganggu oleh kereta api. Alat sensor dapat
ditempelkan di bagian roda kereta api dengan menggunakan accelero meter roda kkiri dan
kanan sebagai GPS;
5) Data dari Objek yang dikumpulkan setelah dianalisa dapat dipantau melalui teknologi
digital twin. Konsep digital twin dapat memberikan gambaran menyeluruh tentang suatu
objek dari data yang berasal dari sensor yang terpasang pada objek tersebut yang
selanjutnya akan dianalisa;
6) Keunggulan dari data twin yaitu visualisasi dengan spesifikasi yang sepenuhnya
berdasarkan obejk yang dituju, memprediksi pemeliharaan dan mendeteksi kesalahan dari
objek fisik berdasarkan masukan dari data yang ada, optimalisasi pada perancangan
objek fisik dan penerapan teknologi yang sesuai dengan perkembangan dan
kebutuhannya;
7) Geospatial Artificial Intelligence merupakan faktor pendukung lain dimana sebuah konsep
bidang multidisiplin yang menggabungkan inovasi teknologi Geographic Information
System (GIS) dan Artificial Intelligence (AI) dalam pemrosesan data spasial dengan
algoritma tertentu. Dengan menggunakan metode ini dapat mendeteksi sampai posisi
tagging gambar lingkungan seperti google maps;
8) Cara kerja dari Geospatial Artificial Intelligence yaitu pertama akan dilakukan
penggabungan dari data teks dengan peta daerah rawan bencana apa saja yang sudah
diidentifikasi lalu diintegrasikan;
9) Manfaat dari Geospatial Artificial Intelligence yaitu memprediksi kerusakan jalur kereta api
akibat banjir secara spasial dan pemetaan area jalur kereta api terdampak banjir;
10) Roadmap pengembangan predictive maintenance yaitu identifikasi target aplikasi dan
develop data architecture dengan use case anomaly detection (dapat dilihat dari data
pendukung dan bisnis prosesnya), membuat model design machine learning dan
pengujian teknologi pendukungnya, uji coba full production dengan big data setelah itu
mengidentifikasi dan mendokumenkan bagaimana yang akan dikembangkan,
implementasi satu sub sistem PdM untuk prasarana jalan rel kereta api dengan
menggunakan data analytic dan terakhir implementasi.
c) Direktorat Keselamatan Perkeretaapian menyampaikan hal – hal sebagai berikut :
1) Sensing yang sudah ada yaitu axle counter perlu dimaksimalkan dan didikembangkan
untuk menghasilkan perilaku baik dari prasarana perkeretaapian;
2) Perlu dilakukan uji coba terhadap sensing yang sudah ada dengan menggunakan
pendekatan predictive maintenance.
d) Balai Pengujian Perkeretaapian menyampaikan hal – hal sebagai berikut :
1) Perlu dilakukan penyesuaian terhadap perawatan prasarana yang ada sesuai dengan
SOP sehingga dapat mewujudkan prasarana yang handal dan agar perubahan –
perubahan ekstrem yang terjadi dari segi lingkungan dapat diantisipasi dengan
penambahan hal – hal yang terkait dengan perawatan;
2) Apabila teknologi yang telah diterapkan di Luar negeri dapat memberikan manfaat pada
Direktorat Jenderal Perkeretaapian perlu dicontoh dengan tetap memperhatikan
ketersediaan anggaran;
e) Balai Teknik Perkeretaapian Kelas I Wilayah Jawa Bagian Barat menyampaikan hal – hal
sebagai berikut :
1) Dengan adanya sistem pemodelan ini diharapkan dapat berjalan secara realtime;
2) Saat ini Balai Teknik Perkeretaapian Jawa Bagian Barat sedang membuat mapping data
stasiun, komponen kereta api dan emplasemen yang digunakan pada GIS;
3) Bersedia memberikan data lokasi yang telah terpasang sensor jika diperlukan dan telah
berkoordinasi lebih awal dengan PPK IMO.
f) PPK IMO menyampaikan hal – hal sebagai berikut :
1) Saat ini IMO sedang mengembangkan sistem manajemen perawatan pengoperasian
pembangunan dan pengusahaan prasarana perkeretaapian sebagai asset DJKA barang
milik negara yang sudah di inventaris dan dijadikan dasar maintenance;
2) Keunggulan dari sistem tersebut yaitu dapat mengetahui asset DJKA seperti apa saja
yang perlu dilakukan penggantian, dapat memprediksi volume maupun biaya dan lebih
akuntable dalam proses penyajiannya;
g) Direktorat Prasarana Perkeretaapian menyampaikan hal-hal sebagai berikut :
1) Skema Predictive Maintenance pernah diperkenalkan sebagai Preventive Maintenance.
Namun, belum bisa diterapkan di Direktorat Jenderal Perkeretaapian karena masih
menggunakan perhitungan perawatan berdasarkan ketersediaan anggaran yang didapat
berdasarkan hasil opname;
2) Apa yang disampaikan oleh tim baik sekali dengan memanfaatkan teknologi informasi
yang berbasis data base dan IoT sehingga dapat memberikan KPI yang lebih fokus dalam
dashboard. Walaupun tim tidak mengarah pada pembuatan tools monitoring. Hal ini juga
bisa dikolaborasikan oleh project SHMS yang sedang dilakukan oleh BPKP dikarenakan
sampai saat ini baru tahap pengembangan peralatan sensor;
3) Apa yang diusulkan tim sudah sering dilakukan pembahasan internal namun tidak pernah
tercapai walaupun sudah tersedia anggaran yang besar dan tidak pernah dapat
diimplementasikan dengan baik karena terkait kapasitas pengetahuan pegawai yang
masih memerlukan proses pembelajaran;
4) Perlu pemahaman organisasi terkait dengan tanggung jawab masing-masing pihak dan
juga perlu dibuatkan guidance agar dapat mengintegrasikan knowledge sehingga sistem
dapat terlaksana dengan baik;
5) Terdapat masalah pada reporting sistem PT KAI yang belum dapat dimanfaatkan dalam
penilaian kelaikan karena bersifat normatif dan tidak transparan.
6) Sistem yang ada pada saat ini masih terpisah-pisah yaitu masih berupa software sebagai
alat bantu yang belum terintegrasi;
7) Penciptaaan sistem juga akan meningkatkan transparansi informasi sehingga proses
pengambilan keputusan dapat dilakukan secara tepat;
8) Terhadap usulan Tim Pusat Inovasi Kota dan Komunitas Cerdas Institut Teknologi
Bandung (ITB), 6 (enam) tahapan untuk dapat mewujudkan platform ini baik sekali agar
investasi yang dilakukan tidak sia sia;
9) Terkait hal tersebut Direktorat Prasarana akan mengusulkan kepada pimpinan untuk
dapat membentuk Komite Pengembangan Manajemen Teknologi Informasi
Perkeretaapian agar dapat memberikan solusi yang maksimal terhadap permasalahan
yang ada saat ini dan menghadapi tantangan ke depan;
10) Selanjutnya jika usulan pembentukan tim dapat disetujui maka dapat dilanjutkan agenda
terkait pembahasan terhadap pengenalan format yang digunakan di perkeretaapian
dengan melakukan evaluasi terhadap sistem yang sudah ada sebelumnya;
11) Diperlukan juga anggaran terkait dengan operasional tim untuk dapat menyiapkan tenaga
bantu dalam penyiapan bahan yang akan dibahas.
3. Demikian Risalah Rapat ini dibuat, untuk dapat dipergunakan sebagaimana mestinya.
Mengetahui
Kasubdit Kelaikan Jalur dan Bangunan KA
Nur Setiawan Sidik
Pembina (IV/a)
NIP. 19770312 200212 1 003
Jakarta, 2 Maret 2021
Notulen Rapat
Rizka Muslimaturrohmah
Dokumentasi Rapat Pembahasan Implementasi Predictive Maintenance Dalam
Upaya Meningkatkan Kinerja Layanan Prasarana yang Lebih Baik