[PRE ORDER]

Buku monograf Adaptive Digital Twin untuk Efisiensi Bahan Bakar Dump Truck di Pertambangan Terbuka membahas pengembangan model cerdas berbasis data untuk mendukung efisiensi bahan bakar pada operasi hauling dump truck di lingkungan pertambangan terbuka. Operasi hauling merupakan salah satu aktivitas utama dalam industri pertambangan yang membutuhkan konsumsi bahan bakar dalam jumlah besar. Konsumsi tersebut dipengaruhi oleh kondisi kendaraan, beban muatan, karakteristik medan, serta perilaku pengemudi. Dalam konteks ini, efisiensi bahan bakar tidak hanya menjadi persoalan teknis kendaraan, tetapi juga berkaitan erat dengan pengambilan keputusan operator saat mengendalikan akselerasi, pengereman, kecepatan, putaran mesin, dan penggunaan retarder.

Monograf ini menghadirkan pendekatan integratif melalui konsep Adaptive Digital Twin, yaitu representasi digital berbasis data yang digunakan untuk memodelkan, memprediksi, menyimulasikan, dan mengevaluasi konsumsi bahan bakar dump truck. Model digital twin dikembangkan sebagai surrogate simulation environment dengan memanfaatkan data telemetri operasional dump truck. Melalui pendekatan machine learning, khususnya XGBoost, model mampu merepresentasikan hubungan antara perilaku pengemudi, kondisi kendaraan, payload, kemiringan jalan, dan laju konsumsi bahan bakar.

Pembahasan dalam buku ini juga mencakup penerapan reinforcement learning dengan algoritma Proximal Policy Optimization (PPO) untuk mempelajari strategi eco-driving dalam lingkungan simulasi digital twin. Strategi ini diarahkan untuk menghasilkan rekomendasi pengemudian yang lebih efisien dengan tetap mempertimbangkan aspek keselamatan, produktivitas, dan kestabilan operasi. Selain itu, buku ini menjelaskan pentingnya deteksi concept drift dalam sistem operasional pertambangan yang bersifat dinamis, serta penggunaan mekanisme gated adaptive update untuk menjaga stabilitas model sebelum pembaruan diterapkan.

Keunikan monograf ini terletak pada integrasi digital twin, adaptive machine learning, reinforcement learning, explainable AI, concept drift detection, dan human-in-the-loop operator coaching dalam satu kerangka terpadu. Hasil penelitian yang disajikan menunjukkan bahwa pendekatan berbasis Adaptive Digital Twin berpotensi menjadi dasar pengembangan sistem pendukung keputusan eco-driving bagi operator dump truck di pertambangan terbuka.

Buku ini ditujukan bagi akademisi, peneliti, mahasiswa, praktisi pertambangan, pengembang sistem informasi industri, serta pihak-pihak yang memiliki perhatian terhadap penerapan artificial intelligence, digital twin, dan efisiensi energi pada operasi kendaraan berat. Melalui buku ini, pembaca diharapkan memperoleh pemahaman konseptual, metodologis, dan aplikatif mengenai bagaimana data telemetri dan kecerdasan buatan dapat digunakan untuk mendukung operasi pertambangan yang lebih efisien, adaptif, aman, dan berkelanjutan.