JAKARTA, Cobisnis.com - Kecerdasan buatan selama ini lekat dengan citra dunia startup, aplikasi chatbot, atau algoritma rekomendasi belanja online. Namun, teknologi tersebut kini mulai masuk ke ruang yang jauh berbeda, termasuk ke tengah aktivitas pertambangan yang selama ini identik dengan alat berat, batuan, dan proses produksi berskala besar.
Salah satu perusahaan yang mulai memanfaatkan teknologi tersebut adalah PT Amman Mineral Nusa Tenggara (AMMAN). Perusahaan tambang tembaga dan emas ini menggunakan sistem kecerdasan buatan untuk membantu mengoptimalkan proses pengolahan mineral di kawasan operasinya, Batu Hijau, Pulau Sumbawa.
Langkah tersebut menarik karena AI tidak ditempatkan sekadar sebagai teknologi pendukung administrasi atau analisis bisnis. Teknologi ini justru digunakan di salah satu bagian paling penting dalam rantai produksi tambang, yakni fasilitas pengolahan mineral.
AMMAN selama ini dikenal sebagai pengelola tambang tembaga dan emas berskala besar dengan cadangan kelas dunia. Di saat yang sama, perusahaan juga tengah mendorong hilirisasi melalui pembangunan smelter tembaga di Sumbawa Barat yang menjadi bagian dari strategi jangka panjang untuk menciptakan nilai tambah dari hasil tambang.
Di tengah ekspansi tersebut, ada sisi lain dari operasional AMMAN yang mungkin belum banyak diketahui publik. Perusahaan mulai mengandalkan data dan kecerdasan buatan untuk membantu mengambil keputusan di balik proses pengolahan mineral yang berlangsung setiap hari.
Sistem tersebut diberi nama Artificial Intelligence Dashboard Automation atau AIDA. Secara sederhana, AIDA merupakan sistem pendukung keputusan berbasis AI yang dirancang untuk membantu meningkatkan tingkat perolehan mineral berharga di fasilitas pengolahan tambang.
Tujuan utamanya bukan menggantikan operator atau mengambil alih seluruh proses produksi. AIDA bekerja dengan membaca data operasional dalam jumlah besar, mengenali pola, kemudian memberikan rekomendasi kepada operator mengenai parameter yang dapat disesuaikan agar proses pengolahan berjalan lebih optimal.
Dibangun dari Pengalaman 25 Tahun
Salah satu hal yang membuat sistem ini menarik adalah sumber data yang digunakan. AIDA tidak dibangun hanya dengan memasukkan data operasional terbaru, melainkan memanfaatkan pengalaman panjang AMMAN dalam mengelola tambang Batu Hijau.
Sistem tersebut dikembangkan berdasarkan lebih dari dua puluh lima tahun pengalaman operasional perusahaan. Data historis dari aktivitas pertambangan kemudian dipadukan dengan data yang terus masuk dari lapangan untuk membentuk sistem yang mampu membaca kondisi proses pengolahan secara lebih menyeluruh.
Dalam industri yang beroperasi selama puluhan tahun, data menjadi aset yang sangat penting. Setiap perubahan kadar bijih, kondisi material, penggunaan bahan kimia, hingga hasil proses pengolahan dapat menjadi informasi yang membantu memahami pola tertentu.
Jika sebelumnya pengalaman tersebut banyak tersimpan dalam pengetahuan operator dan insinyur, teknologi AI memungkinkan informasi tersebut diolah menjadi model yang dapat digunakan kembali. Data masa lalu kemudian menjadi referensi untuk membantu membaca kondisi yang sedang terjadi.
Dengan cara kerja tersebut, AIDA bukan sekadar algoritma umum yang digunakan untuk membaca data. Sistem ini dibangun dengan memanfaatkan pengalaman operasional yang sudah dikumpulkan AMMAN selama puluhan tahun.
Jutaan titik data historis dan data yang terekam secara langsung dari lapangan menjadi bagian dari sistem tersebut. Semakin banyak data yang tersedia, semakin banyak pula pola yang dapat dipelajari untuk membantu menghasilkan rekomendasi yang relevan dengan kondisi operasional.
Di sinilah letak perbedaan antara AI yang digunakan di lingkungan pertambangan dengan penggunaan AI untuk kebutuhan umum. Sistem harus memahami karakteristik proses produksi yang sangat spesifik dan berubah-ubah, bukan hanya mengenali pola dari data yang bersifat umum.
Ada Set Point Optimizer
Di dalam AIDA terdapat fitur inti bernama Set Point Optimizer. Fitur ini dapat dianalogikan sebagai salah satu bagian yang berperan seperti otak pengambil keputusan dalam sistem.
Set Point Optimizer bertugas memberikan rekomendasi mengenai parameter operasi yang dianggap paling ideal berdasarkan kondisi yang sedang terjadi. Salah satu contohnya adalah penyesuaian dosis bahan kimia atau reagen yang digunakan dalam proses pengolahan mineral.
Bagi orang awam, penyesuaian dosis bahan kimia mungkin terdengar seperti persoalan sederhana. Namun, dalam fasilitas pengolahan tambang berskala besar, keputusan tersebut dapat dipengaruhi oleh banyak variabel yang berubah secara dinamis.
Kondisi bijih yang masuk ke fasilitas pengolahan tidak selalu sama. Kadar mineral, tekstur batuan, kandungan mineral pengotor, hingga karakteristik material dapat berubah tergantung dari lokasi dan bagian tambang yang sedang dieksploitasi.
Perubahan tersebut membuat parameter pengolahan tidak bisa selalu diperlakukan dengan satu formula yang sama. Sistem harus mampu membaca kondisi material dan menyesuaikan rekomendasi berdasarkan data yang tersedia.
Di sinilah AI memiliki keunggulan. Sistem dapat memproses berbagai variabel dalam jumlah besar dan dalam waktu yang jauh lebih singkat dibandingkan jika seluruh analisis dilakukan secara manual.
Bayangkan sebuah asisten digital yang terus memantau data operasional selama 24 jam. Ketika pola tertentu terdeteksi, sistem dapat memberikan rekomendasi kepada operator agar parameter proses dapat disesuaikan sebelum kondisi tersebut berkembang menjadi persoalan yang lebih besar.
Meski demikian, rekomendasi tetap menjadi bagian dari proses pengambilan keputusan. Operator dan tim teknis masih memiliki peran penting untuk menilai kondisi lapangan dan menentukan tindakan yang tepat.
Artinya, AI dalam konteks ini lebih tepat dilihat sebagai alat untuk memperkuat kemampuan manusia. Teknologi membantu operator melihat lebih banyak informasi dalam waktu yang lebih singkat, sementara pengalaman manusia tetap dibutuhkan untuk memahami kondisi nyata di lapangan.
Kenapa Pengolahan Mineral Membutuhkan AI?
Untuk memahami pentingnya teknologi tersebut, kita perlu melihat bagaimana proses pengolahan mineral bekerja.
Setiap hari, material yang mengandung tembaga dan emas digali dari kawasan tambang. Batuan tersebut kemudian melewati berbagai tahapan pengolahan untuk memisahkan mineral berharga dari material yang tidak diperlukan.
Proses tersebut melibatkan tahapan mekanis dan kimiawi yang saling berkaitan. Batuan harus dihancurkan, diproses, kemudian dipisahkan berdasarkan karakteristik mineral yang terkandung di dalamnya.
Persoalannya, kondisi material tidak selalu seragam. Bijih dari satu area dapat memiliki karakteristik yang berbeda dengan bijih dari area lainnya.
Perbedaan tersebut membuat proses pengolahan membutuhkan penyesuaian secara berkala. Parameter yang terlalu tinggi atau terlalu rendah dapat memengaruhi hasil akhir proses pemisahan mineral.
Jika penyesuaian tidak dilakukan secara tepat, sebagian mineral berharga berpotensi ikut terbawa bersama material yang tidak dimanfaatkan. Dalam skala tambang besar, selisih kecil dalam tingkat perolehan dapat memiliki dampak ekonomi yang signifikan.
Karena itu, kecepatan membaca kondisi menjadi penting. Semakin cepat perubahan dapat dikenali, semakin cepat pula operator dapat mempertimbangkan penyesuaian yang dibutuhkan.
Cara kerja manual tentu tetap memiliki peran. Namun, kemampuan manusia memiliki batas ketika harus memantau ribuan variabel secara bersamaan dalam lingkungan produksi yang berjalan tanpa henti.
Pergantian shift, kelelahan, keterlambatan membaca data, hingga banyaknya informasi yang harus diproses dapat memengaruhi kecepatan pengambilan keputusan. AI kemudian hadir untuk membantu mengurangi keterbatasan tersebut.
Bukan Menggantikan Operator
Masuknya AI ke industri pertambangan sering menimbulkan pertanyaan mengenai masa depan tenaga kerja. Apakah teknologi tersebut akan menggantikan operator manusia?
Dalam penerapan seperti AIDA, jawabannya tidak sesederhana itu. Sistem justru dirancang untuk membantu operator mengambil keputusan dengan dukungan data yang lebih lengkap.
AI memiliki kemampuan untuk membaca pola dalam data dalam jumlah besar. Namun, mesin tidak selalu memahami seluruh konteks yang terjadi di lapangan.
Operator tetap memiliki pengalaman langsung mengenai kondisi fasilitas, perubahan proses, hingga berbagai faktor yang tidak selalu tercermin dalam angka. Karena itu, kombinasi antara teknologi dan pengalaman manusia menjadi bagian penting dari transformasi digital.
Model tersebut juga membuat proses adopsi teknologi menjadi lebih realistis. Operator tidak diposisikan sebagai pihak yang digantikan oleh mesin, tetapi sebagai pengguna yang mendapatkan alat baru untuk meningkatkan kemampuan kerja mereka.
Pada akhirnya, keputusan yang lebih baik bukan hanya berasal dari algoritma. Keputusan tersebut lahir dari kombinasi antara data, rekomendasi sistem, pengalaman operator, dan pemahaman terhadap kondisi operasional.
Skala Batu Hijau
Pentingnya sistem seperti AIDA semakin terlihat ketika melihat skala fasilitas pengolahan Batu Hijau.
Aliran material yang masuk ke fasilitas pengolahan dapat mencapai mendekati seratus ribu ton per hari. Artinya, setiap perubahan kecil dalam proses dapat terjadi pada skala yang sangat besar.
Pada volume sebesar itu, efisiensi tidak lagi sekadar persoalan menghemat waktu beberapa menit. Perubahan kecil dalam tingkat perolehan mineral dapat berdampak terhadap jumlah material yang berhasil dimanfaatkan.
Karena itu, kemampuan sistem untuk memproses data secara cepat menjadi semakin relevan. Mesin dapat membaca data dalam jumlah besar secara konsisten, kemudian menyajikan informasi yang dapat digunakan operator sebagai bahan pertimbangan.
Teknologi tersebut juga memungkinkan proses pengambilan keputusan menjadi lebih berbasis data. Alih-alih hanya mengandalkan pengalaman atau respons terhadap kondisi yang sudah terjadi, operator dapat memperoleh rekomendasi berdasarkan pola yang dibaca sistem.
Pada akhirnya, tujuan dari semua proses tersebut tetap sama, yaitu memastikan sebanyak mungkin mineral berharga dapat diperoleh dari material yang diproses.
Efisiensi dan Konservasi Mineral
Penggunaan AI di fasilitas pengolahan tambang juga memiliki dimensi lain yang tidak kalah penting, yakni konservasi sumber daya.
Tembaga dan emas merupakan sumber daya alam yang terbatas. Karena itu, semakin optimal proses pengolahan dilakukan, semakin banyak pula mineral yang dapat dimanfaatkan dari setiap ton material yang sudah ditambang.
Peningkatan tingkat perolehan mineral berarti mengurangi potensi mineral berharga yang ikut terbuang bersama tailing. Dengan demikian, teknologi tidak hanya berbicara mengenai efisiensi ekonomi, tetapi juga bagaimana sumber daya yang sudah diambil dari alam dapat dimanfaatkan secara maksimal.
Dalam konteks tersebut, digitalisasi menjadi salah satu instrumen yang dapat membantu industri menghadapi tantangan keberlanjutan. Efisiensi produksi dan pengelolaan sumber daya menjadi dua hal yang semakin sulit dipisahkan.
Namun, perlu dipahami bahwa teknologi AI bukan solusi tunggal untuk seluruh persoalan lingkungan dalam industri pertambangan. Dampak lingkungan tetap bergantung pada keseluruhan proses operasi, mulai dari penambangan, pengolahan, pengelolaan limbah, hingga pemulihan area tambang.
AI hanya menjadi salah satu alat yang dapat digunakan untuk membuat proses tertentu menjadi lebih presisi dan berbasis data.
Bagian dari Transformasi Digital
Bagi AMMAN, penerapan AIDA juga menjadi bagian dari perjalanan transformasi digital perusahaan. Teknologi tidak lagi ditempatkan hanya sebagai fasilitas tambahan, tetapi mulai masuk ke proses inti yang menentukan efisiensi operasional.
Langkah ini menunjukkan perubahan cara industri ekstraktif melihat data. Jika sebelumnya data lebih banyak digunakan untuk pencatatan dan pelaporan, kini data dapat diolah menjadi rekomendasi yang membantu menentukan tindakan.
Perubahan tersebut sejalan dengan tren industri pertambangan global yang semakin mengarah pada otomatisasi, analitik data, kecerdasan buatan, dan pemanfaatan sensor dalam proses produksi.
Industri tambang memiliki karakteristik yang membuat kebutuhan tersebut semakin besar. Operasinya berlangsung dalam skala besar, melibatkan banyak variabel, membutuhkan konsistensi tinggi, dan berhadapan dengan kondisi alam yang terus berubah.
Karena itu, kemampuan untuk memahami data secara cepat dapat menjadi keunggulan kompetitif. Perusahaan yang mampu mengubah data operasional menjadi keputusan yang lebih baik berpotensi meningkatkan efisiensi tanpa harus selalu menambah sumber daya dalam jumlah yang sama.
Tantangan di Balik Teknologi
Meski terdengar menjanjikan, penerapan AI di pertambangan bukan perkara sederhana. Sistem seperti AIDA membutuhkan infrastruktur data yang matang agar dapat bekerja secara konsisten.
Data harus tersedia dengan kualitas yang baik dan masuk secara tepat waktu. Sensor, jaringan komunikasi, sistem pengolahan data, serta perangkat lunak harus dapat bekerja secara terintegrasi.
Selain itu, perusahaan membutuhkan sumber daya manusia yang memahami dua dunia sekaligus, yaitu teknologi dan proses pertambangan. Tanpa pemahaman terhadap proses operasional, rekomendasi yang dihasilkan AI berisiko sulit diterjemahkan menjadi tindakan nyata.
Tantangan lain adalah membangun kepercayaan pengguna. Operator yang telah bekerja bertahun-tahun dengan metode konvensional tentu membutuhkan waktu untuk memahami bagaimana sistem menghasilkan rekomendasi.
Karena itu, transformasi digital tidak cukup hanya dengan membeli teknologi. Perusahaan juga perlu membangun budaya kerja baru yang memungkinkan manusia dan teknologi bekerja berdampingan.
Proses tersebut biasanya membutuhkan pengujian, evaluasi, dan penyempurnaan secara berkelanjutan. Semakin lama sistem digunakan, semakin banyak pula pengalaman baru yang dapat menjadi bahan untuk memperbaiki model dan proses pengambilan keputusan.
Menopang Hilirisasi
Penerapan AI di tambang juga memiliki kaitan dengan agenda hilirisasi mineral yang terus didorong pemerintah.
Hilirisasi pada dasarnya tidak hanya berbicara mengenai pembangunan smelter. Sebelum mineral masuk ke fasilitas pengolahan lanjutan, ada proses panjang untuk memastikan bahan baku yang dihasilkan dari tambang dapat dimanfaatkan secara optimal.
Semakin tinggi tingkat perolehan mineral dari setiap ton bijih, semakin besar pula potensi nilai tambah yang dapat dihasilkan dari sumber daya tersebut.
Dalam konteks AMMAN, digitalisasi proses pengolahan menjadi salah satu bagian dari rantai yang lebih panjang. Efisiensi di fasilitas pengolahan dapat mendukung upaya menciptakan nilai lebih besar dari sumber daya mineral yang tersedia.
Pada saat yang sama, pengembangan smelter di Sumbawa Barat memperlihatkan bahwa proses tersebut tidak berhenti pada tahap penambangan. Ada upaya untuk membawa mineral lebih jauh ke dalam rantai pengolahan di dalam negeri.
Jika digabungkan, transformasi digital di tambang dan pengembangan fasilitas hilirisasi menunjukkan bagaimana teknologi dapat menjadi bagian dari perubahan industri pertambangan Indonesia.
Masa Depan Tambang Berbasis Data
Apa yang dilakukan AMMAN melalui AIDA juga memperlihatkan arah baru industri pertambangan. Masa depan tambang tidak lagi hanya ditentukan oleh seberapa besar cadangan mineral atau seberapa dalam suatu kawasan dapat dieksploitasi.
Kemampuan mengelola data juga akan menjadi semakin penting. Perusahaan perlu mengetahui apa yang terjadi dalam proses produksinya, memahami perubahan yang muncul, lalu meresponsnya dengan keputusan yang tepat.
AI dapat menjadi salah satu teknologi yang membantu proses tersebut. Dengan kemampuan memproses data dalam jumlah besar, sistem dapat menjadi lapisan tambahan dalam pengambilan keputusan.
Namun, keberhasilan transformasi digital tetap bergantung pada manusia yang menggunakannya. Teknologi secanggih apa pun tidak akan banyak berarti jika data yang digunakan tidak berkualitas, sistem tidak dipahami, atau rekomendasi tidak diterjemahkan dengan tepat di lapangan.
Karena itu, masa depan pertambangan kemungkinan bukan tentang manusia melawan mesin. Justru sebaliknya, industri akan semakin membutuhkan kolaborasi antara pengalaman manusia dan kemampuan teknologi.
Pada akhirnya, cerita tentang AIDA menunjukkan bahwa kecerdasan buatan kini telah bergerak jauh dari ruang digital yang selama ini kita kenal. Teknologi tersebut sudah masuk ke lingkungan produksi yang penuh dengan mesin, batuan, bahan kimia, dan proses pengolahan dalam skala besar.
Di balik aktivitas tambang tembaga dan emas di Sumbawa, data dari lebih dari dua puluh lima tahun pengalaman operasional kini diolah menjadi rekomendasi yang membantu menentukan bagaimana proses pengolahan dapat berjalan lebih optimal.
Bagi industri pertambangan, perubahan ini bukan sekadar soal mengikuti tren teknologi. Ada kebutuhan nyata untuk menghasilkan lebih banyak mineral dari sumber daya yang terbatas, meningkatkan efisiensi, dan membuat keputusan berdasarkan informasi yang semakin lengkap.
Pada akhirnya, masa depan industri ekstraktif Indonesia mungkin tidak hanya ditentukan oleh seberapa banyak sumber daya mineral yang dimiliki. Faktor yang tidak kalah penting adalah seberapa cerdas industri tersebut mengolah data, memanfaatkan teknologi, dan mengubah pengalaman bertahun-tahun menjadi keputusan yang lebih baik.
