Adaslabs Roast Master : One Software for Unlock ERP And Process Excellence
Perangkat lunak roasting kopi lengkap yang dirancang untuk memperlancar produksi, mengelola inventaris, melacak batch, dan mengoptimalkan setiap roastingan — baik Anda ingin meningkatkan skala atau menyempurnakan produksi Anda.
Batch Management
Roast Plan Profile
Auto Preeheating
Dengan menggunakan sistem otomasi penuh, fitur pre heating steady otomatis akan memudahkan operator mencapai suhu charge dalam kondisi stabil.
Konsistensi hasil roastingan selangkah lebih maju dengan fitur ini, karena akan selalu mendapatkan suhu pengisian yang konsisten dalam kondisi stabil (bukan saat RoR naik/turun).
Temperature Calibration Feature
Fungsi kalibrasi suhu Bean dan Drum, yang akan meningkatkan akurasi pembacaan suhu.
Background Profile
Menampilkan data dan chart batch referensi, selain memudahkan operator untuk mengontrol proses, pada mesin yang sudah menggunakan modul otomasi, dapat digunakan untuk membuat perintah otomatis (perintah seperti laju aliran udara, daya pembakar) yang secara otomatis akan mengikuti kejadian di profil latar belakang yang dipilih.
Machine Learing
Dalam penggunaan stand alone (off line), teknologi Machine Learning modern telah disematkan, yang akan membuat prediksi profil suhu mulai 30 detik setelah charge hingga akhir proses. Prediksi akan terus diperbarui sesuai dengan kondisi terkini.
Teknologi ini akan sangat membantu operator dalam mengendalikan pembakar dan aliran udara sejak dini, sehingga lonjakan RoR yang tidak diinginkan tidak terjadi.
Agar kami dapat melanjutkan pengembangan sistemnya, untuk tahap awal kami akan mengimplementasikan beberapa modul diantaranya:
ERP for Coffee Roastery
ERP (Enterprice Resource Planning) adalah sistem manajemen modern yang mengintegrasikan semua aspek bisnis dalam industri Roastery, mulai dari perencanaan dan realisasi pembelian, inventaris, produksi, kontrol kualitas, dan seterusnya hingga laporan penjualan dan keuangan.
- Raw Material Receipt Module
- Inventory Modul
- The Batch Management module is integrated with machines that use the Adaslabs system, and has a Pre Roast Blend feature.
- Quality Control Module, integration of raw material quality data, actual roast profile, quality after roast (water content/weight loss, Agtron, Roast Level, Profile Note and so on).
- Finished Goods Inventory Module
- Modul Pree Roast Blend
- Traceability Module, which allows roasteries to provide detailed information (as desired) online to consumers by scanning the QR Code on the packaging.
- Sales Module
- Report Module
Physic Informed Neural Network (PINNs)
PINNs is an AI (Artificial Intelligence) sistem yang merupakan integrasi Model Numerik (Model Fisika) suatu proses dengan model Machine Learing
Model fisik merupakan gambaran suatu proses yang diformulasikan dalam bentuk model matematika, yang berfungsi untuk memprediksi perilaku suatu proses. Model fisik belum menjadi model ideal, karena masih terdapat keterbatasan dalam adaptasi terhadap variabel non-linier dari luar sistem yang akan mempengaruhi proses.
Machine Learning Model merupakan model yang dibangun berdasarkan pola atau tren proses yang terjadi. Machine Learning mampu menghubungkan lebih banyak variabel mulai dari bahan baku, profil selama proses berlangsung, hingga hasil akhir. Kelemahan Machine Learning terletak pada ketersediaan dan kualitas data acuan (Trained Data), selain itu tidak mampu beradaptasi dengan cepat jika terjadi anomali dalam proses.
Keunggulan dari Physics Model and Machine Learning, jika diintegrasikan akan menghasilkan sistem yang efektif dan adaptif, serta akan memiliki kemampuan untuk belajar sendiri guna meningkatkan proses di masa mendatang. Anomali yang tidak terbaca dalam Model Fisika, akan dicakup oleh Pembelajaran Mesin, dan akan menjadi konstanta/variabel baru dari model Fisika untuk proses selanjutnya.
Selain data mesin (gas, aliran udara, kecepatan drum) dan profil (BT, ET) dari setiap proses batch yang dikirim secara real-time dari mesin (IoT), menjadi sumber data Pembelajaran Mesin termasuk data-data kualitas bahan baku (Kandungan Air, Jenis, Varietas, Kepadatan, Ukuran), Perencanaan Batch (Profil Sangrai, Target Kualitas) dan Hasil Batch (Profil Aktual, Kadar Air, Agtron, Catatan Profil, dll.).
Data tersebut akan dimodelkan dengan Machine Learning, dan pada batch berikutnya akan memberikan prediksi hasil akhir yang akan dicapai. Prediksi akan diberikan secara berkala selama proses pemanggangan, mengikuti perubahan data dan profil mesin, sehingga operator dapat segera menyesuaikan pembakar dan aliran udara jika mesin masih manual, atau mesin akan secara otomatis melakukan penyesuaian sesuai dengan hasil analisis PINN.