PENGEMBANGAN JARINGAN 3D PRINTER PADA SMART FACTORY INDUSTRI 4.0 (STUDI KASUS: BIOMEDIS)

IGN LUDDY INDRA P., Prof. Ir. Alva Edy Tontowi, M.Sc., Ph.D., IPM., ASEAN Eng.

2022 | Disertasi | DOKTOR TEKNIK INDUSTRI

Bagi Indonesia, fenomena revolusi industri 4.0 memberikan peluang untuk merevitalisasi khususnya sektor manufaktur dan kesehatan. Cetak gambar medis dengan 3D Printer masih bersifat manual, yaitu masih berpengaruhnya manusia sebagai operator. Selain itu, pada sebagian besar rumah sakit atau sekolah perawat / kedokteran dilakukan oleh pihak ketiga secara manual. Pencetakan gambar medis 3D, khususnya tulang manusia, masih menimbulkan permasalahan, yaitu: belum terintegrasinya perangkat lunak untuk proses segmentasi, rekonstruksi gambar 3D, resizing, slicing, generating G-Code, dan mencetak gambar medis 3D; keterbatasan jangkauan interface tranfers data maupun respon feedback dari 3D printer; serta lead time proses cetak gambar medis 3D yang masih tinggi. Faktanya, operator CT-Scan dan dokter umumnya kurang berpengalaman dalam mengoperasikan perangkat lunak untuk menghasilkan cetak model 3D dari file DICOM (Matsiushevich et al., 2019). Proses cetak gambar medis 3D secara manual di bagian radiologi maupun pihak ketiga dan perangkat lunak aplikasinya berdampak pada waktu pengerjaan tidak terstandar, adanya kebutuhan akan keahlian tertentu pada operator, dan antrian pesanan untuk proses pencetakan 3D (Purnama et al., 2018; Ramola et al., 2019). Pembuatan organ tulang pada sebagian besar rumah sakit atau sekolah perawat / kedokteran dilakukan oleh pihak ketiga, yaitu: perusahaan jasa pencetakan model cetak 3D atau Unit Pelaksana Teknis (UPT) pada institusi pendidikanpun masih manual. Penelitian ini mencakup pengembangan proses pencetakan gambar 3D dari hasil foto CT-Scan dengan file berformat DICOM; teknologi 3D printer yang digunakan adalah FDM atau FFF dengan menggunakan mikrokontrol Arduino; bahasa perograman digunakan untuk membuat aplikasi perangkat lunak adalah Python dengan antarmukanya Application Programming Interface (API); dan protokol internetnya adalah Hypertext Transfer Protocol Secure (HTTPS). Keaslian dari penelitian ini adalah: a) pengembangan proses cetak gambar medis 3D dari hasil foto CT-Scan oleh Baumann et al. (2017) dengan mengaplikasikan komponen industri 4.0; dan b) mengintegrasikan proses segmentasi, rekonstruksi gambar 3D, resizing, slicing, dan generating G-Code, yang berbasis cloud dan online. Metode yang digunakan untuk mengembangkan aplikasi perangkat lunak adalah model waterfall. Metode pengujian dari hasil gambar medis berformat stl menggunakan metode kualitatif, sedangkan dari hasil cetakan 3D menggunakan metode kuantitatif. Pengujian ini untuk memastikan bahwa produk yang dipesan konsumen telah sesuaidengan karakteristik produk yang diberikan. Adapun peluang pengembangan untuk mencetak organ manusia buatan dengan menggunakan 3D printer, yaitu: a) Penggunaan 3D printer berbasis cloud dan on-line dalam dunia manufaktur (Guo & Qiu, 2018; Zhang et al, 2020); b) Komunikasi data menggunakan Application Programing Interface, Kartu Digital, dan kabel USB tipe-B (Baumann et al, 2017); Model pencetakan dengan menggunakan 3D printer dengan beaya rendah pada biomedis (Fredieu et al, 2015; Carbonaro et al, 2020); d) Proses pencetakan menggunakan 3D printer berbasis cloud dan online (Liaw & Guvendiren, 2017; Navale & Bourne, 2018). Pada penggunaan komponen Industri 4.0, yaitu: a) Pada penggunaan AI, hanya pada Baumann et al. (2017) tidak membahas proses segmentasi; b) Pada penggunaan Big Data, Chougule et al. (2018) pada file DICOM yang cukup besar sebagai masukkannya; c) Belum ada penelitian yang membahas penggunaan IoT dalam penelitiannya; d) Pada penggunaan Cloud, hanya pada Chongule et al. (2018) secara khusus menjelaskan dengan pendekatan RE dan sebagai PCD yang mengevaluasi dari gambar medis dari CT-Scan ke gambar medis DICOM. Kesimpulan dari penelitian ini adalah: a) perangkat lunak untuk proses cetak gambar medis 3D, khususnya tulang manusia , yaitu 3DPNet-DICOM Cloud dapat bekerja dengan baik; b) penggunakan 3D printer dengan peragkat lunak 3DPNet-DICOM Cloud, sehingga: aktivitas operator dapat dihilangkan; c) jangkauan transfer data tidak terbatas sejauh konsumen terdapat jaringan internet dan dengan 3D printer menggunakan raspberry pi 3; d) metode pengurutan produksi menggunakan First Come First Service; e) pengurangan waktu proses pada stage-1 dan stage-2a mengakibatkan menghilangkan kerja operator, dan pada stage-2b diakibatkan berkurangnya material pendukung pada proses cetak gambar 3D; dan f) dengan menggunakan sebelas unit 3D printer, jumlah antriannya dua belas gambar medis 3D dan utilitas 94.65%.

The phenomenon of the Fourth Industrial Revolution (Industrial Revolution 4.0) gives a chance for Indonesia to revive its manufacturing and health sectors. The printing of medical images with 3D printers is still manual, which means that humans are still in charge of the process. Furthermore, it is done manually by third parties in most hospitals and nursing / medical schools. 3D printing of medical images, particularly human bones, continues to have issues, including a lack of integrated software for segmentation, 3D image reconstruction, resizing, slicing, generating G-Code, and printing 3D medical images; a limited range of data transfer interfaces and feedback responses from 3D printers; and a long lead time for printing 3D medical images. In fact, most CT-scan operators and clinicians are unfamiliar with using software to create printed 3D models from DICOM information (Matsiushevich et al., 2019). The process of manually printing 3D medical images in radiology and third parties, as well as their application software, has an impact on non-standard processing times, the operator's requirement for certain skills, and queues for 3D printing orders (Purnama et al., 2018; Ramola et al. ., 2019). Third parties, such as 3D printing model printing service firms or Technical Implementation Units (UPT) in educational institutions that are still manual, manufacture bone organs in most hospitals or nursing/medical schools. The process of printing 3D images from CT-Scan photos with DICOM format files are being developed in this study; the 3D printer technology used is FDM or FFF with Arduino microcontroller; the programming language used to create software applications in Python with its Application Programming Interface (API), and the internet protocol is Hypertext Transfer Protocol Secure (HTTPS). The research is unique in two ways: a) Baumann et al. (2017) developed a procedure for printing 3D medical pictures from CT-Scan photos using industry 4.0 components, and b) integrating cloud-based and online processes for segmentation, 3D image reconstruction, resizing, slicing, and creating G-Code. The waterfall model is a way for developing software applications. A qualitative method is used to test the results of medical photos in STL format, while a quantitative method is used to test the results of 3D printing. The purpose of this test is to confirm that the products ordered by customers match the product's specifications. The following are some of the development opportunities for printing artificial human organs with 3D printers: a) The use of cloud-based and online 3D printers in the manufacturing world (Guo & Qiu, 2018; Zhang et al, 2020); b) Data communication using Application Programming Interface, Digital Card, and USB type -B cable (Baumann et al, 2017); Printing models using low-cost biomedical 3D printers (Fredieu et (Liaw & Guvendiren, 2017; Navale & Bourne, 2018). On the use of Industry 4.0 components, namely: a) On the use of AI, only Baumann et al. (2017) did not discuss the segmentation process; b) On the use of Big Data, only Chougule et al. (2018) on a DICOM file large enough to include it; c) There are no studies that discuss the use of IoT in their research; d) Only Chongule et al. (2018) specifically define the RE technique and as a PCD reviewing medical images from CT-Scan to DICOM medical images in the cloud. The following are the findings of this study: a) the software for printing 3D medical images, particularly human bones, namely 3DPNet-DICOM Cloud, can work well; b) the use of 3D printers with 3DPNet-DICOM Cloud software, so that: operator activity can be eliminated; c) the range of data transfer is not limited as long as the consumer has an internet network and a 3D printer using a raspberry pi 3; d) production ordering method using First Come First Service; e) the reduction in processing time at stages 1 and 2a results in the elimination of operator work, and at stage 2b to reduced supporting materials in the 3D image printing process, and f) with eleven 3D printers, the queue consists of twelve 3D medical images and 94.65% utilities.

Kata Kunci : 3D Printer, model tulang, DICOM, industri 4.0, akses jaringan, API, berbasis cloud dan online, metode FCFS, stereolithography, G-Code