AI & Analytics Center
Pusat Business Intelligence dan Artificial Intelligence untuk seluruh modul ERP.
Revenue & Demand Prediction
30 HariDemand Forecast Product
AIRoot Cause Analytics
QC LossAI Analisa Cacat Keramik
QC + Ceramic TheoryPinholes / Pinhole Glaze
Indikasi: Material menjadi faktor terbesar (41%). Variasi kadar air, bahan organik/karbonat, atau pelepasan gas saat pembakaran dapat meninggalkan lubang kecil pada permukaan glasir.
AI Action: cek moisture & PSD bahan, homogenitas body, serta profil firing terutama zona pelepasan gas.
Warpage / Deformasi
Indikasi: Faktor mesin 27% dapat berkaitan dengan ketidakseragaman tekanan forming, support, suhu kiln, atau distribusi panas. Perbedaan penyusutan dapat memicu deformasi.
AI Action: bandingkan suhu antar zona kiln, tekanan press, cycle time dan hasil ukur flatness.
Crack / Retak
Indikasi: Retak dapat muncul karena gradien temperatur, green body yang tidak seragam, drying terlalu cepat, atau tegangan akibat perbedaan shrinkage body–glaze.
AI Action: korelasikan crack dengan posisi kiln, moisture sebelum firing, heating/cooling rate dan hasil strength test.
Crawling / Glasir Mengumpul
Indikasi: Ketidaksesuaian kondisi permukaan body, aplikasi glaze terlalu tebal, debu, atau karakter suspensi glaze dapat membuat lapisan tidak menutup merata.
AI Action: pantau viscosity, specific gravity, ketebalan aplikasi dan kebersihan permukaan tile.
Blister / Gelembung
Indikasi: Gas yang terperangkap ketika glasir sudah mulai meleleh dapat membentuk gelembung. Kondisi firing dan pelepasan gas dari body/glaze perlu diperiksa.
AI Action: cek soaking, peak temperature, ventilasi kiln dan karakter bahan yang menghasilkan gas.
Shade / Warna Tidak Seragam
Indikasi: Variasi komposisi bahan, ketebalan glaze, kondisi firing dan homogenitas slurry dapat menyebabkan perbedaan warna atau shade antar tile.
AI Action: hubungkan ΔE/hasil colorimeter dengan batch bahan, viscosity glaze, spray rate dan zona kiln.
AI Root Cause → Cacat → Parameter Proses
Rule-based ceramic diagnosis| Faktor dominan | Cacat yang perlu diprioritaskan | Parameter yang diperiksa AI | Status |
|---|---|---|---|
| Material 41% | Pinholes, blister, shade variation | Moisture, PSD, komposisi, homogenitas, gas release | Prioritas 1 |
| Mesin 27% | Warpage, crack, shade variation | Pressure, kiln profile, airflow, burner, conveyor/support | Prioritas 2 |
| Operator 18% | Crawling, glaze thickness, handling crack | Setting aplikasi, cleaning, SOP, handling | Prioritas 3 |
| Lainnya 14% | Defect campuran | Batch, lingkungan, inspeksi dan data QC | Monitoring |
AI Predictive Analytics
Silica Sand S-02 diprediksi kurang stok dalam 6 hari apabila konsumsi Line 1 tetap.
Memindahkan Work Order tertentu ke Line 2 meningkatkan utilisasi sebesar 8%.
Dealer Jawa Timur memiliki peluang repeat order tertinggi pada minggu keempat.