Integrasi OES dan Furnace ke LIMS: Langkah Realistis untuk QC Aluminium yang Stabil

By Yugo 06 Dec 2025 20:43
Integrasi OES dan Furnace ke LIMS: Langkah Realistis untuk QC Aluminium yang Stabil

Tantangan QC Aluminium di Pabrik Nyata: Mengapa Integrasi Data OES dan Furnace Adalah Kunci Kualitas

Di dunia foundry aluminium, stabilitas kualitas molten metal (cairan aluminium) adalah faktor paling krusial dalam menentukan apakah sebuah heat akan OK atau NG (Reject). Mayoritas pabrik di Indonesia menghadapi pola masalah yang mirip:

  • Komposisi metal tidak konsisten.

  • Mg (Magnesium) drop lebih cepat dari perkiraan.

  • Reject rate atau Heat NG muncul lebih sering dari target.

  • Scrap meningkat.

  • Pengambilan keputusan lambat.

  • Catatan QC tidak lengkap.

  • Operator mengambil keputusan berbasis “feeling”.

Ini bukan karena alatnya jelek. Bukan juga karena operator kurang kompeten.

Akar masalahnya sederhana: Data tidak terhubung dan tidak mengalir otomatis.

  • OES bekerja sendiri.

  • Furnace bekerja sendiri.

  • QC mencatat manual.

  • Supervisor mengambil keputusan terlambat.

Hasil akhirnya: kualitas metal sulit stabil dalam jangka panjang.

Padahal solusinya tidak perlu overhaul pabrik: Hubungkan OES -> LIMS -> Furnace secara otomatis. Begitu data saling berbicara, QC aluminium berubah dari reaktif menjadi prediktif.

Artikel ini membahas secara lengkap mengapa integrasi OES dan furnace sangat penting, data apa saja yang harus diambil, langkah implementasi paling realistis, dan contoh kasus nyata yang terjadi pada foundry produksi.

1. Kenapa OES dan Furnace Tidak Sinkron? (Masalah Lapangan)

Inilah masalah paling umum yang muncul hampir di semua foundry aluminium, khususnya di area Melting dan Holding.

Masalah 1 — OES menganalisa, tapi furnace tidak tahu hasilnya

Setelah analis melakukan spark (penembakan sampel):

  1. Hasil muncul di layar OES.

  2. Tetapi, tidak ada notifikasi ke operator furnace.

  3. Tidak ada alarm peringatan dini.

  4. Tidak ada rekomendasi alloying otomatis.

Operator baru tahu hasil beberapa menit kemudian setelah diberi tahu manual. Rentang delay 5–15 menit ini cukup untuk memicu:

  • Mg drop yang signifikan.

  • Komposisi melebar keluar standar.

  • Potensi heat NG yang seharusnya bisa dicegah.

Masalah 2 — Furnace terlalu panas tanpa disadari

Fluktuasi temperatur 5–20°C di area furnace adalah hal yang umum, namun dampaknya fatal jika tidak terpantau real-time:

  • Terlalu Panas (Overheat):

    • Mg burn-out (drop) jauh lebih cepat.

    • Risiko penyerapan gas Hidrogen meningkat drastis (penyebab utama cacat porosity/pinhole).

  • Terlalu Dingin:

    • Risiko terbentuknya Sludge (pengendapan unsur berat seperti Fe/Mn).

    • Terjadi segregasi unsur, menyebabkan komposisi tidak homogen saat dituang.

Tanpa rekaman temperatur yang jelas, penyebab NG sering terlihat “misterius”.

Masalah 3 — Holding time tidak tercatat akurat

Berapa lama cairan ditahan di furnace?

  • Holding > 60 menit -> Umumnya Mg drop 0.02–0.05% (bergantung alloy dan temperatur).

  • Holding > 120 menit -> Risiko kualitas menurun signifikan.

Tanpa log otomatis, perubahan durasi ini sering luput dari perhatian.

Masalah 4 — Alloying dilakukan tanpa data real-time

Operator biasanya hanya mengandalkan:

  • Hasil OES terakhir (yang mungkin sudah basi).

  • Feeling.

  • Kebiasaan line.

  • Pengalaman shift sebelumnya.

Ini membuat proses alloying cenderung trial & error.

Masalah 5 — Pencatatan manual rawan kesalahan

Yang sering terjadi: catatan hilang, angka berbeda antar shift, atau tidak ada histori jangka panjang. Akibatnya, supervisor sulit membaca tren dan sulit mempertahankan rasio Heat OK > 90% secara konsisten.

2. Gambaran Integrasi Ideal: OES -> LIMS -> Furnace -> Operator

Konsepnya sederhana:

  1. Semua bergerak otomatis.

  2. Tidak ada input manual.

  3. Operator mengambil keputusan berdasarkan data real-time.

Hasilnya: kualitas menjadi stabil, terukur, dan traceable.

3. Data yang Diambil dari OES dan Furnace

Agar analisa tajam, sistem LIMS harus menarik dua jenis data secara bersamaan:

A. Data dari OES (Spektrometer)

  • Parameter: Si, Fe, Cu, Zn, Mg, Mn, Ti (Unsur utama).

  • Timestamp: Waktu analisa presisi detik.

  • Operator: Siapa yang melakukan analisa.

  • Heat No / Ladle No: Identitas sampel.

  • Status OK/NG: Ditentukan otomatis oleh standar di LIMS.

  • Trend per Unsur: Grafik perubahan komposisi antar charge.

B. Data dari Furnace (Melting/Holding)

  • Temperatur Molten: Indikator utama laju reaksi kimia & gas.

  • Temperatur Burner/Atmosphere: Indikasi efisiensi proses melting.

  • Holding Time: Durasi cairan disimpan.

  • Melting Time: Durasi pemanasan awal.

  • Alarm Kondisi: Overheat, gas low pressure, atau flame-out.

  • Gas Consumption: Untuk evaluasi cost per kg metal (opsional).

4. Korelasi Data OES + Furnace (Kunci QC Modern)

Hubungan yang paling menentukan kualitas metal adalah: Temperatur Melt -> Laju Oksidasi (Mg Drop/Gas Pickup) -> Komposisi Akhir -> Status Heat

Dengan integrasi, pola ini terlihat jelas dalam grafik korelasi. Contoh Skenario:

  • Saat temperatur furnace tidak sengaja naik (misal: dari 770°C ke 790°C karena burner tidak mati).

  • Terlihat di grafik: Mg drop terjadi dari ~0.34% -> ~0.27%

  • Pada saat yang sama, potensi gas hidrogen naik.

  • Heat NG meningkat dalam periode tersebut.

Tanpa integrasi, korelasi ini sulit dibuktikan karena data temperatur dan data kimia biasanya tersimpan di buku yang berbeda.

5. Manfaat Integrasi OES dan Furnace ke LIMS

1. Heat NG (Reject) Turun Signifikan Operator langsung menerima hasil OES real-time, alarm komposisi, dan peringatan suhu furnace di satu layar. Respons lebih cepat = kualitas lebih stabil.

2. Variasi Komposisi Menurun Dengan kontrol temperatur dan alloying yang lebih presisi, variasi unsur (terutama Mg dan Si) biasanya turun 30–50% dibanding kondisi manual.

3. Mg Drop Menjadi Lebih Prediktif LIMS dapat mengeluarkan alarm cerdas: “Temperatur naik 10°C — Waspada Mg drop meningkat & risiko gas.”

4. Alloying Menjadi Presisi Menghilangkan kebiasaan "asal tambah". LIMS menghitungkan kebutuhan alloying berdasarkan berat cairan dan komposisi aktual.

5. Data Historis Kuat (Siap untuk Audit Jepang) Prinsipal Jepang sangat peduli pada traceability. Sistem ini mencatat otomatis semua analisa, temperatur, dan keputusan alloying. Audit menjadi transparan dan mudah.

6. Langkah Implementasi Realistis untuk Pabrik Indonesia

Implementasi tidak harus langsung full automation. Bisa bertahap:

  1. Langkah 1 — Pasang OES Logger (SparkConnect): Semua analisa masuk otomatis ke LIMS tanpa catat manual.

  2. Langkah 2 — Tarik Data Furnace: Koneksi melalui PLC atau Gateway (via protokol standar industri seperti Modbus/TCP atau OPC-UA).

  3. Langkah 3 — Hubungkan Heat System: Pastikan data temperatur dan kimia "menempel" pada nomor Heat yang sama.

  4. Langkah 4 — Buat Dashboard QC: Tampilkan grafik tren Mg, temperatur, dan status OK/NG di layar besar.

  5. Langkah 5 — Implementasi Alarm: Pasang notifikasi di area furnace.

  6. Langkah 6 — Training Operator: Cukup 1-2 hari untuk adaptasi sistem digital.

7. Studi Kasus Nyata: Mengatasi Mg Drop Tinggi

Situasi Sebelum Integrasi:

  • Heat NG (Reject): 20–30%

  • Variasi Mg: ±0.04%

  • Respon alloying: 10–20 menit (lambat)

  • Holding time: Tidak tercatat

Setelah Integrasi Labcentric:

  • Heat NG turun drastis ke 8–12%

  • Variasi Mg stabil di ±0.01%

  • Respon alloying: 2–5 menit

  • Holding time tercatat otomatis

Temuan Kunci: Data historis mengungkap bahwa setiap Shift Malam, temperatur furnace sering overshoot ke 785–795°C yang menyebabkan Mg drop massal. Masalah ini tidak pernah terdeteksi sebelumnya karena pencatatan manual yang kurang disiplin di malam hari.

8. Peran LIMS Labcentric dalam Integrasi Ini

Labcentric menyediakan ekosistem lengkap untuk digitalisasi QC foundry:

  • OES Logger (SparkConnect): Ambil data OES otomatis dari berbagai merk (Thermo ARL, Spectro, Shimadzu, Hitachi, dll).

  • Furnace Logger: Tarik data temperatur & event furnace via IoT.

  • Heat Analyzer: Algoritma yang menghubungkan data kimia dan fisik.

  • Alarm Engine: Notifikasi real-time via layar/WA/Email.

  • Multi-line Support: Skalabel untuk pabrik dengan 1 hingga banyak line furnace (seperti standar supplier tier-1 otomotif).

Kesimpulan

Integrasi OES dan Furnace ke LIMS bukan sekadar gaya-gayaan teknologi, melainkan fondasi QC modern yang data-driven. Pendekatan ini terbukti membantu pabrik:

  1. Menurunkan reject rate.

  2. Menstabilkan komposisi metal dan mencegah sludge.

  3. Mengendalikan Mg drop dan risiko gas hidrogen.

  4. Meningkatkan kepercayaan customer (terutama standar Jepang).

Pabrik yang mulai mengintegrasikan datanya hari ini akan memiliki keunggulan operasional yang jauh dibanding kompetitornya.

WhatsApp
+6282179677177