Sistem AI mencari riwayat perbaikan katup dari laporan inspeksi perawatan untuk pekerjaan perawatan pabrik minyak
Pelanggan: Perusahaan Teknologi Industri Internasional
Sistem AI Knowledge Management pada nimitFlow ini memungkinkan tim pemeliharaan kilang minyak membuat laporan digital inspeksi dan perbaikan katup, mengekspor laporan ke file Excel, dan mengetik pertanyaan tentang riwayat perbaikan dari laporan sebelumnya melalui obrolan AI. Kami menyerahkan sistem pada B.E. 2569, dan pemberi kerja menandatangani surat keterangan penyelesaian pekerjaan
- Laporan inspeksi perawatanPDF lama + isian formulir baru
- nimitFlow menyimpan menurut Tag No.Ekspor laporan ke Excel
- LLM + RAGMencari laporan yang relevan sebelum menjawab
- Asisten AI tanya jawabMenjawab dengan menyebutkan Tag No.
- Industri
- Energi
- Tahun
- 2026
- lingkup pekerjaan
- Lisensi nimitFlow Full Enterprise dan pengembangan sistem Enterprise AI Knowledge Management: formulir laporan inspeksi dan perbaikan katup, struktur data dan ekspor laporan ke Excel, dasbor per unit produksi, serta asisten AI tanya jawab (RAG) beserta penyesuaian pencarian dan perintah yang dikirim ke model (Prompt)
Ringkasan
- Kami mengembangkan sistem AI Knowledge Management di nimitFlow agar tim pemeliharaan kilang minyak dapat mencari riwayat perbaikan katup kontrol (Control Valve), dan menyerahkannya pada tahun 2026
- Data awalnya adalah sekitar 2.000 laporan inspeksi dan perbaikan dalam format PDF yang terpisah menurut Tag No. (kode khusus katup), yang tidak dapat dicari lintas laporan dan sulit dihitung secara agregat
- Sistem yang diserahkan terdiri dari 4 bagian, yaitu formulir laporan digital yang dapat dilampiri foto, ekspor laporan ke file Excel, dasbor per unit produksi, dan asisten AI berbasis obrolan
- Asisten AI menggunakan LLM (model bahasa besar) bersama RAG (pencarian laporan yang relevan sebelum menjawab) dan menyebutkan Tag No. dari laporan yang digunakan untuk menjawab, sehingga laporan aslinya dapat dibuka dan diperiksa
- Pertanyaan yang bersifat penghitungan atas seluruh kumpulan data sebaiknya dijawab dari data yang sudah terstruktur, karena RAG hanya mengambil sebagian laporan yang paling relevan
Permasalahan di lapangan
Riwayat inspeksi dan perbaikan katup kontrol (Control Valve) di kilang tersimpan dalam sekitar 2.000 laporan PDF yang terpisah menurut Tag No. (kode khusus setiap katup). Para insinyur harus membuka laporan satu per satu untuk mengetahui katup mana yang bocor atau suku cadang apa yang sudah diganti, dan data dalam PDF sulit dihitung secara agregat menjadi gambaran keseluruhan.
Apa yang kami lakukan
Kami mengembangkan sistem di nimitFlow yang terdiri dari 4 bagian, yaitu formulir digital untuk membuat laporan inspeksi dan perbaikan yang dapat dilampiri foto, ekspor laporan ke file Excel, dasbor yang merangkum laporan per unit produksi, dan asisten AI berbasis obrolan (Enterprise KM Chatbot) yang menggunakan LLM (model bahasa besar) bersama RAG (mencari laporan yang relevan sebelum menjawab). Proyek ini dimulai dari prototipe (POC) untuk demonstrasi, kemudian dikembangkan menjadi sistem operasional.
Hasil
Kami menyerahkan sistem pada tahun 2026 dan pemberi kerja menandatangani surat keterangan penyelesaian pekerjaan (Job Completion Certificate). Asisten AI dirancang untuk menjawab pertanyaan seperti "Apa saja yang sudah diganti pada katup Tag ini?" dengan menyebutkan Tag No. dari laporan yang digunakan untuk menjawab, sehingga laporan aslinya dapat dibuka dan diperiksa.
Latar belakang permasalahan
Tantangan dalam kasus ini adalah mencari riwayat perbaikan setiap katup kontrol dari satu tempat. Satu laporan inspeksi dan perbaikan mencatat kondisi komponen yang ditemukan, suku cadang yang diganti, dan hasil uji setelah perbaikan, tetapi laporan-laporan ini berupa sekitar 2.000 file PDF yang terpisah menurut Tag No., sehingga datanya tidak dapat dicari lintas laporan.
Kilang memiliki banyak katup kontrol, dan setiap katup memiliki riwayat perbaikan yang terakumulasi dari beberapa kali perbaikan. Keputusan untuk memperbaiki lagi, mengganti suku cadang, atau merencanakan inspeksi berikutnya memerlukan data historis katup tersebut. Ketika data berada dalam PDF, pertanyaan seperti "Apa saja yang sudah diganti pada katup ini?" mengharuskan pembukaan laporan satu per satu.
Persyaratan dan batasan
Sistem harus menggunakan laporan lama sebagai data awal dan harus menerima laporan baru dalam format yang sama. Persyaratan dan batasan utamanya adalah sebagai berikut.
- Data awalnya adalah laporan PDF lama, yang harus disusun ke dalam struktur yang sama terlebih dahulu agar dapat dicari lintas laporan
- Laporan baru harus diisi melalui formulir digital dan dapat dilampiri foto, dengan judul bagian yang sesuai dengan laporan yang digunakan tim saat ini
- Laporan harus dapat diekspor ke file Excel
- Jawaban AI harus menyebutkan Tag No. dari laporan yang digunakan untuk menjawab, agar pengguna dapat membuka laporan aslinya dan memeriksanya
- Sistem dikembangkan di nimitFlow (platform Low-Code untuk membangun sistem kerja) dengan lisensi Full Enterprise
Mengapa laporan perlu disusun menjadi data terstruktur sebelum dijawab oleh AI
Karena AI dapat mencari dan merangkum dengan baik ketika semua laporan memiliki judul bagian yang sama. Oleh karena itu, kami terlebih dahulu menyusun data laporan ke dalam struktur yang sama di nimitFlow, lalu asisten AI mencari dan merangkum jawaban dari kumpulan data tersebut. Kumpulan data yang sama juga dapat digunakan untuk ekspor Excel dan ditampilkan di dasbor tanpa melalui AI.
Kami memilih RAG daripada membiarkan model menjawab dari pengetahuan umum, karena pertanyaan tim pemeliharaan adalah pertanyaan tentang katup di kilang itu sendiri. Oleh karena itu, jawaban harus merujuk pada laporan yang sebenarnya dan harus dapat menunjukkan asalnya dari laporan Tag No. yang mana. Adapun keputusan untuk memperbaiki atau mengganti suku cadang tetap berada di tangan insinyur.
Apa itu RAG?
RAG (Retrieval-Augmented Generation) adalah metode yang membuat AI terlebih dahulu mencari dokumen organisasi yang berkaitan dengan pertanyaan, lalu menyusun jawaban dari konten yang ditemukan. Dengan demikian, jawaban merujuk pada konten dari dokumen yang sebenarnya, bukan hanya dari pengetahuan umum model.
Hasil serah terima
Kami menyerahkan lisensi nimitFlow Full Enterprise dan sistem Enterprise AI Knowledge Management yang terdiri dari 4 bagian, beserta pekerjaan penyesuaian pencarian RAG dan perintah yang dikirim ke model (Prompt)
- Formulir laporan inspeksi dan perbaikan katup: pengisian data dan pelampiran foto di nimitFlow
- Struktur data dan ekspor: penyimpanan laporan menurut Tag No. dan ekspor laporan ke file Excel
- Dasbor: merangkum laporan per unit produksi
- Asisten AI berbasis obrolan (Enterprise KM Chatbot): menjawab pertanyaan dari laporan dengan LLM bersama RAG, dengan menyebutkan Tag No. dari laporan yang digunakan untuk menjawab
Tahapan pelaksanaan: dari prototipe ke sistem operasional
Proyek ini dimulai dari prototipe (POC) sebelum dikembangkan menjadi sistem operasional. Prototipe digunakan untuk mendemonstrasikan bahwa asisten AI dapat menjawab pertanyaan dari laporan. Setelah itu, kami mengembangkan formulir, struktur data, ekspor Excel, dasbor, dan asisten AI dalam sistem yang sebenarnya.
- Prototipe (POC): demonstrasi tanya jawab dari laporan inspeksi dan perbaikan
- Pengembangan sistem di nimitFlow: formulir, struktur data, ekspor Excel, dasbor, dan asisten AI
- Penyesuaian pencarian RAG dan perintah yang dikirim ke model (Prompt)
- Penyerahan sistem kepada tim pemeliharaan pada tahun 2026
Hasil yang dapat dikonfirmasi dari serah terima
Hasil yang dapat dikonfirmasi adalah surat keterangan penyelesaian pekerjaan (Job Completion Certificate) yang ditandatangani pemberi kerja, setelah kami menyerahkan sistem AI Knowledge Management kepada tim pemeliharaan kilang minyak pada tahun 2026
Asisten AI dirancang untuk menjawab pertanyaan seperti "Apa saja yang sudah diganti pada katup Tag ini?" atau "Laporan mana yang menemukan kebocoran (Leak)?" dengan menyebutkan Tag No. dari laporan yang digunakan untuk menjawab. Kasus ini tidak memiliki angka pengukuran hasil bisnis, sehingga kami hanya melaporkan hasil yang didukung oleh dokumen.
Pelajaran yang kita dapatkan
Pekerjaan ini memberikan prinsip-prinsip berikut untuk pekerjaan AI dengan dokumen pemeliharaan
- Susun data menjadi terstruktur sebelum menggunakan AI. Laporan dengan judul bagian yang sama dapat digunakan untuk pencarian dengan AI, ekspor Excel, maupun dasbor, sedangkan AI hanyalah satu saluran lain yang membaca kumpulan data yang sama.
- Pilih cara menjawab sesuai jenis pertanyaan. Pertanyaan tentang satu katup tertentu cocok untuk RAG, sedangkan pertanyaan yang bersifat penghitungan atas seluruh kumpulan data, seperti "Ada berapa laporan untuk merek ini?", sebaiknya dijawab dari data yang sudah terstruktur, karena RAG hanya mengambil sebagian laporan yang paling relevan.
- Jawaban AI harus dapat ditelusuri kembali ke laporan sumbernya. Penyebutan Tag No. dalam jawaban memungkinkan insinyur membuka dan memeriksa laporan aslinya sebelum mengambil keputusan, dan daftar pertanyaan yang benar-benar diajukan tim sebaiknya digunakan sebagai set pengujian sejak awal proyek.
Bagaimana pendekatan ini dapat diterapkan pada laporan pemeliharaan Anda
Jika tim Anda memiliki banyak laporan inspeksi dan perbaikan peralatan yang terkumpul, dan sebagian besar laporan menggunakan formulir yang sama, Anda dapat menggunakan pendekatan yang sama dengan kasus ini, yaitu menyusun laporan ke dalam struktur yang sama, menyimpannya menurut kode peralatan, lalu membuat asisten AI menjawab dengan menyebutkan laporan yang digunakan untuk menjawab. Bagian yang perlu disesuaikan adalah formulir dan struktur data, yang harus dirancang sesuai laporan Anda.
Bagian yang dapat digunakan kembali dan bagian yang perlu disesuaikan
| Bagian sistem | Dapat digunakan kembali | Perlu disesuaikan ketika |
|---|---|---|
| Formulir laporan | Formulir pengisian data dan pelampiran foto di nimitFlow | Laporan Anda memiliki judul bagian yang berbeda dari laporan inspeksi dan perbaikan katup, sehingga formulir dan struktur data harus dirancang ulang |
| Laporan lama | Penyusunan laporan PDF lama ke dalam struktur yang sama | Laporan lama memiliki beberapa format, sehingga contohnya harus diperiksa terlebih dahulu untuk mengetahui apakah dapat disusun ke dalam struktur yang sama |
| Penyimpanan dan dasbor | Penyimpanan laporan menurut kode peralatan (Tag No.) dan dasbor per unit produksi | Peralatan Anda menggunakan kode atau pengelompokan yang berbeda, sehingga kode induk harus disepakati terlebih dahulu |
| Ekspor | Ekspor laporan ke file Excel | Penerima laporan memerlukan format file tertentu, sehingga format harus ditentukan sebelum pengembangan |
| Asisten AI | LLM bersama RAG yang menjawab dengan menyebutkan laporan yang digunakan untuk menjawab | Sebagian besar pertanyaan bersifat penghitungan atas seluruh kumpulan data, sehingga harus dirancang agar dijawab dari data yang sudah terstruktur |
- Siapkan contoh laporan lama dan formulir yang digunakan saat ini
- Kumpulkan daftar pertanyaan yang benar-benar diajukan tim, untuk menguji jawaban sebelum penyerahan
- Minta pengguna di lapangan memeriksa istilah khusus dan judul bagian pada formulir, karena harus sesuai dengan laporan yang digunakan tim saat ini
- Mulailah dari prototipe dengan sekumpulan kecil laporan dan pertanyaan yang sering diajukan, lalu perluas ke seluruh laporan
Baca selengkapnya
Teknologi yang digunakan
Pertanyaan yang Sering Diajukan
Apakah sistem ini dapat digunakan untuk laporan yang sudah berbentuk PDF?
Bisa. Dalam kasus ini, data awalnya adalah laporan PDF lama. Kami terlebih dahulu menyusun data dalam laporan ke dalam struktur yang sama, lalu asisten AI mencari dan menjawab dari kumpulan data tersebut. Adapun laporan baru diisi melalui formulir digital di nimitFlow.
AI menjawab berdasarkan apa, dan apakah dapat ditelusuri kembali?
Bisa. Asisten AI menggunakan RAG untuk mencari laporan yang relevan sebelum menjawab dan menyebutkan Tag No. dari laporan yang digunakan untuk menjawab, sehingga Anda dapat menelusurinya kembali dari Tag No. Pengguna sebaiknya membuka dan memeriksa laporan aslinya sebelum menggunakan jawaban tersebut untuk mengambil keputusan.
Apakah AI dapat diminta menghitung jumlah seluruh laporan?
Pertanyaan yang bersifat penghitungan atas seluruh kumpulan data sebaiknya dirancang agar dijawab dari data yang sudah terstruktur, bukan hanya dari RAG, karena RAG hanya mengambil sebagian laporan yang paling relevan. Jenis pertanyaan sebaiknya disepakati sejak awal, agar cara menjawab dapat dipilih sesuai dengan setiap pertanyaan.
Apakah dapat digunakan untuk peralatan selain katup?
Bisa, jika laporan inspeksi dan perbaikan peralatan tersebut memiliki formulir yang jelas, tetapi struktur data dan formulir harus dirancang ulang sesuai laporan peralatan tersebut. Kami perlu melihat contoh laporan terlebih dahulu sebelum dapat mengonfirmasi ruang lingkupnya.
Berapa harga dan durasi pengembangannya?
Tidak ada harga tetap. Harga dan durasi bergantung pada jumlah dan format laporan, jumlah pengguna, serta ruang lingkup fungsi. Kami menyampaikan penawaran harga setelah melihat contoh laporan dan daftar pertanyaan yang ingin diajukan tim Anda.
