Implementasi Digital Twin untuk Efisiensi Energi pada Operasional Mesin Chiller
DOI:
https://doi.org/10.30998/4txp4b52Keywords:
Digital Twin, Chiller, Efisiensi Energi, Perangkat Lunak, Coefficient of PerformanceAbstract
Perkembangan sistem industri modern menuntut pemantauan operasional yang akurat dan real-time untuk meningkatkan efisiensi dan keandalan sistem. Salah satu pendekatan yang dapat digunakan adalah penerapan digital twin yang mengintegrasikan sistem fisik dengan model virtual. Penelitian ini bertujuan mengembangkan sistem digital twin pada mesin chiller untuk memantau kondisi operasional serta mendukung analisis efisiensi energi. Sistem dikembangkan menggunakan arsitektur berbasis web yang menghubungkan mesin chiller dengan platform monitoring melalui mekanisme komunikasi data sehingga parameter operasional dapat dikirim, diproses, dan ditampilkan secara real-time pada dashboard serta divisualisasikan melalui model tiga dimensi. Pengujian sistem dilakukan menggunakan metode black-box testing untuk memastikan seluruh fungsi sistem berjalan sesuai kebutuhan pengguna. Analisis efisiensi energi dilakukan dengan menghitung nilai rata-rata coefficient of performance (COP) berdasarkan data operasional dari sistem monitoring. Hasil penelitian menunjukkan bahwa sistem digital twin mampu menyediakan monitoring operasional secara real-time. Analisis terhadap 24 titik waktu pengamatan menunjukkan bahwa 15 jam (62,5%) mengalami peningkatan nilai COP, sedangkan 9 jam lainnya mengalami penurunan. Hasil ini menunjukkan adanya peningkatan efisiensi energi pada sebagian besar periode operasional setelah penerapan sistem digital twin.
Downloads
References
[1] K. Iraza and M. Irwan Padli Nasution, “Meningkatkan Daya Saing Bisnis: Peran Data Dalam Pengambilan Keputusan,” Jurnal Sains Student Research, vol. 1, no. 2, pp. 888–894, Dec. 2023, doi: https://doi.org/10.61722/jssr.v1i2.329.
[2] O. Sarioguz and E. Miser, “Data-Driven Decision-making: Transforming Management In The Information Age,” International Research Journal of Modernization in Engineering Technology and Science, vol. 6, no. 2, pp. 1642–1652, Feb. 2024, doi: 10.56726/irjmets49577.
[3] G. Meinal, S. B. Ginting, and A. Hasibuan, “ANALISIS BIG DATA INFORMASI DALAM PROSES MANUFAKTUR INDUSTRI 4.0”, [Online]. Available: https://ejournal.warunayama.org/kohesi
[4] B. Szűcs, “Data Integration Framework to Collect Data from OT/IT Systems,” Acta Technica Jaurinensis, vol. 16, no. 2, pp. 34–41, May 2023, doi: 10.14513/actatechjaur.00689.
[5] E. C. Nisa, Y. Der Kuan, and C. C. Lai, “Chiller optimization using data mining based on prediction model, clustering and association rule mining,” Energies (Basel)., vol. 14, no. 20, Oct. 2021, doi: 10.3390/en14206494.
[6] N. Trautman, A. Razban, and J. Chen, “Overall chilled water system energy consumption modeling and optimization,” Appl. Energy, vol. 299, Oct. 2021, doi: 10.1016/j.apenergy.2021.117166.
[7] E. VanDerHorn and S. Mahadevan, “Digital Twin: Generalization, characterization and implementation,” Decis. Support Syst., vol. 145, Jun. 2021, doi: 10.1016/j.dss.2021.113524.
[8] S. Li, Q. Yang, J. Xing, W. Chen, and R. Zou, “A Foundation Model for Building Digital Twins: A Case Study of a Chiller,” Buildings, vol. 12, no. 8, Aug. 2022, doi: 10.3390/buildings12081079.
[9] A. Salzano, S. Cascone, E. P. Zitiello, and M. Nicolella, “HVAC System Performance in Educational Facilities: A Case Study on the Integration of Digital Twin Technology and IoT Sensors for Predictive Maintenance,” Journal of Architectural Engineering, vol. 31, no. 1, Mar. 2025, doi: 10.1061/jaeied.aeeng-1855.
[10] S. Makmun, “Efektivitas Metodologi Rapid Application Development (RAD) Dalam Pengembangan Sistem Informasi Manajemen (SIM) Untuk Lembaga Pendidikan,” Al-Jawwad: Jurnal Keislaman dan Pendidikan, vol. 1, pp. 1–17, 2025.
Downloads
Published
Issue
Section
License
Copyright (c) 2026 Aditya Alfarezy Damanik, Ade Andri Hendriadi, Taufik Ridwan (Author)
This work is licensed under a Creative Commons Attribution 4.0 International License.
