Truk tambang melintas di bawah gantry sensor dengan pemindaian LIDAR

// SMART LOAD MONITORING SYSTEM

Ukur. Pantau. Amankan.

Mengubah data muatan truk menjadi keputusan produksi real-time — dan tanpa perlu GPS.

LIDAR Kamera AI Weight-in-Motion Google Cloud · Jakarta

// TANTANGAN DI LAPANGAN SAAT INI

Sebagian potensi pendapatan sulit terpantau, dan keputusan kerap bergantung pada data yang terlambat

Kecurangan sulit dibuktikan

Ghost trip dan payload yang tidak konsisten antar titik sulit ditelusuri dengan pencatatan manual.

Overload & underload

Overload berisiko merusak unit dan melanggar regulasi; underload membuat kapasitas tidak terpakai.

Data produksi terlambat

Rekap dilakukan di akhir shift — rawan keliru dan tidak tersedia secara real-time.

Visibilitas armada terbatas

Manajemen sulit mengetahui posisi, status, dan titik antrian truk secara langsung.

Stockpile kurang akurat

Sering ada selisih antara catatan sistem dan kondisi fisik tumpukan material.

Carry-back tak terdeteksi

Sisa material di bak setelah dumping mengacaukan angka produksi sebenarnya.

// DAMPAK FINANSIAL

Tantangan ini terukur secara finansial — meski selama ini sulit terlihat

Masalah	Dampak finansial / operasional
Underloading	Pendapatan per rit berkurang, terakumulasi di ribuan rit per bulan
Overloading	Biaya perawatan ban & suspensi naik, risiko denda regulasi dan keselamatan
Selisih payload	Material yang tidak terpantau berdampak langsung pada pendapatan
Data terlambat	Koreksi tertunda satu shift — produksi tidak optimal
Stockpile tak akurat	Kesalahan perencanaan dan ketidaksesuaian klaim ke buyer

// SOLUSI

Tiga sensor, satu hasil terverifikasi

Setiap rit terukur volumenya, tertimbang beratnya, dan teridentifikasi — secara otomatis, tanpa input operator.

LIDAR

Volume muatan 3D (m³)

Weight-in-Motion

Berat aktual (ton)

Kamera AI

Identitas truk & driver + estimasi muatan

Satu hasil terverifikasi

Angka tonase + status + bukti, secara real-time. Ketiga sensor saling memverifikasi sehingga pembacaan yang menyimpang mudah teridentifikasi.

Tanpa GPS — tidak memerlukan perangkat khusus di tiap truk yang harus dipasang dan dirawat.

// CARA KERJA

Posisi truk disimpulkan dari gantry yang dilewati

Sebuah alternatif GPS yang lebih hemat dan lebih sulit dimanipulasi.

1

Loading

Ukur muatan, periksa overload, verifikasi driver.

2

Dump

Periksa selisih muatan antar titik (indikasi anomali).

3

Return

Periksa carry-back dan hitung waktu siklus rit.

Semua data mengalir ke Google Cloud (Jakarta): dashboard, laporan, dan penyimpanan bukti.

// KEUNGGULAN PEMBEDA

Beberapa hal yang menjadi keunggulan pembeda SLMS

Triple-sensor cross-check

Tiga sensor saling memeriksa; selisih antar sensor menjadi indikasi awal anomali atau perlunya kalibrasi.

Edge + Cloud

Perhitungan sensor di lokasi tetap berjalan saat koneksi terputus; analitik & laporan di cloud.

Tanpa GPS

Tidak memerlukan perangkat khusus di tiap truk — biaya dan perawatan lebih ringan.

Bukti tamper-proof

Tersimpan dengan hash-chain sehingga sulit diubah tanpa terdeteksi.

Data di Indonesia

Seluruh data berada di region Jakarta — mendukung kepatuhan data residency.

// PETA KAPABILITAS

22 fungsi total

Dua puluh dua fungsi dalam enam kategori — diberikan bertahap

①

Pengukuran Muatan

Volume real-time, tonase otomatis, WIM, deteksi over/under load, validasi 3-sensor.

②

Anti-Fraud

Ghost trip, payload discrepancy, autentikasi driver, audit trail terdokumentasi.

③

Produksi Real-Time

Dashboard live, laporan shift otomatis, rekonsiliasi vs rencana.

④

Efektivitas Truck

Cycle time per rit, status armada live, deteksi bottleneck & antrian.

⑤

Stockpile Digital

Tracking tonase per zona, verifikasi fisik LIDAR, material balance.

⑥

Analytics & AI

Scorecard operator, monitoring kesehatan sensor, deteksi anomali (ML).

● Tiga kategori bertanda amber dibangun lebih dulu di MVP 1 bulan.

// PRODUCTION DASHBOARD — LIVE

Manajemen melihat tonase, rit, dan armada bergerak secara langsung

SLMS · Production Dashboard — Shift 1 · 09:42LIVE

Tonase hari ini

0 t

Target 10.000 t · 84%

Rit selesai

0 / 180

79% dari target

Load factor

0%

▲ on track

Status armada (live)

12 Hauling 3 Loading 8 Returning 2 Standby

Produksi kumulatif / jam

Live feed — scan terakhir

🚛 DT-20438.2 t✓ OK

🚛 DT-11841.0 t⚠ OVER

🚛 DT-07735.5 t✓ OK

// ANTI-FRAUD & BUKTI

Setiap indikasi kecurangan disertai bukti tiga sensor — siap menjadi dasar verifikasi

⚠ ALERT · OVERLOAD09:41:12

📷 Foto bak · 3D scan

Truck DT-118 · Driver Budi S.

41.0 t / rated 36 t → +13.9% HARD OVERLOAD

WIM41.0 t

LIDAR40.6 t

Kamera40.1 t

Confidence 3-sensor · 96%

AcknowledgeLihat EvidenceEskalasi

🚨 FRAUD WATCH · Hari ini

Ghost trip — rit tanpa jejak lengkap3

Payload discrepancy — di luar toleransi5

Driver tak dikenali1

Contoh: DT-091 — payload turun 4.2 t antara Loading → Dump, di luar susut wajar (2%).

Bukti tamper-proof · tersimpan & terdokumentasi

// LAPORAN SHIFT & STOCKPILE

Laporan tersusun otomatis dalam hitungan menit, dan catatan stockpile lebih sesuai fisik

📄 Laporan Shift — otomatis ≤ 5 menit setelah shift

Tonase9.850 / 10.000 t (98%)

Rit176 / 180

Load factor95%

Overload / Underload4 · 7

Carry-back / Fraud flag2 · 1

Top / Bottom truckDT-204 · DT-118

PDFExcelKirim WA / Email

📦 Stockpile Digital

Zona A (ore)82%

Zona B (OB)56%

Zona C (ore)94% ⚠

Material balance In / Out sesuai

Verifikasi fisik LIDAR: 1 hari lalu

// ARSITEKTUR TINGKAT TINGGI

Dirancang agar hemat, andal, dan siap dikembangkan

EDGE · di tiap gantry

NVIDIA Jetson Orin

• Volume LIDAR• ANPR & Face recognition• Fusi WIM → payload

✓ Tetap berjalan saat koneksi terputus

CLOUD · Google Cloud Jakarta

Ingest → Proses → Simpan

• Korelasi & deteksi fraud• Dashboard real-time• Laporan & Analytics

Bukti terenkripsi AES-256

Skalabel — tambah gantry cukup konfigurasi Akses berbasis peran Data di Indonesia

// ROADMAP

Empat fase — nilai yang paling cepat dirasakan didahulukan

FASE 1 · 1 BULAN

MVP Inti

2 gantry: ukur muatan, overload, deteksi fraud inti, dashboard.

FASE 2

Operasional Penuh

4 gantry: carry-back, status truk, laporan shift, driver auth, sensor health.

FASE 3

Intelligence

Rekonsiliasi, scorecard, anomaly ML, stockpile fisik.

FASE 4

Scale

Multi-site, integrasi FMS/ERP via API.

// FOKUS MVP — 1 BULAN, 2 GANTRY

Membuktikan nilai inti dengan output tiap minggu

W1

Setup GCP, pipeline event, integrasi sensor dasar.

Pipeline end-to-end (data sampel)

W2

Estimasi tonase, validasi 3-sensor, overload/underload.

Tonase & alert real-time

W3

Korelasi 2 gantry, anti-fraud, audit trail.

Deteksi fraud & bukti terdokumentasi

W4

Dashboard, hardening, kalibrasi, UAT & demo.

MVP siap demo · target akurasi ±2–3%

Sasaran MVP

FR-01/02/03 TonaseFR-04/05 Over/UnderFR-07 3-sensorFR-08 Cycle timeFR-10 DashboardFR-16/17 Anti-fraudFR-19 Audit trail

Asumsi (disampaikan terbuka)

Hardware terpasang & terkalibrasi di awal · menggunakan model/SDK siap-pakai · lingkup 2 gantry, 1 sirkuit.

// KEBUTUHAN — TIM & INVESTASI

Cukup tim inti 6–7 orang dan biaya cloud yang mengikuti pemakaian

Tech Lead / Cloud Architect1

Backend Engineer (GCP)2

Edge / ML Engineer · jalur tersempit1–2

Frontend Engineer1

DevOps / Cloud Engineer1

QA · PM (paruh waktu)2

Software MVP

Tim 6–7 orang × 1 bulan + setup cloud.

Cloud (mengikuti pemakaian)

Komponen utama: Cloud SQL & Vertex AI. Sebagian besar layanan scale-to-zero.

Hardware / gantry (CAPEX)

Jetson Orin ≥32GB, LIDAR, kamera HD, WIM, mounting, jaringan.

Angka Rupiah final disusun setelah jumlah gantry & spesifikasi hardware dikonfirmasi.

Diagram sistem gantry portal SLMS sebagai latar

// NILAI & LANGKAH SELANJUTNYA

Sebuah investasi untuk meningkatkan akurasi data, mengurangi potensi kerugian, dan mempercepat keputusan

Kecurangan lebih mudah dibuktikan Produksi lebih optimal Keputusan real-time Akurasi & kepatuhan Transparansi objektif

YANG KAMI USULKAN

1

Setujui scope MVP 1 bulan (2 gantry).

2

Pastikan kesiapan hardware di Minggu 1.

3

Bentuk tim inti 6–7 orang.

4

Mulai — demo bertahap, MVP siap akhir Minggu 4.