Plant Perfomance Adm

"• Mengikuti induksi/onboarding dan pengenalan lingkungan kerja di Unit Kerja Plant Performance Management • Mempelajari alur proses bisnis Plant Performance Management dan hubungannya dengan unit operasional/produksi pabrik • Mempelajari konsep dan kerangka kerja performance management di lingkungan pabrik (seperti KPI produksi, OEE, efisiensi pabrik, dan keandalan operasional) • Mempelajari sistem informasi, aplikasi, serta instrumen administrasi yang digunakan oleh Plant Performance Administrator"

"• Praktik langsung mengidentifikasi dan memetakan sumber-sumber data kinerja pabrik (Database SQL/Oracle, MS SharePoint, file Excel, dan log operasional). • Mempelajari dan merancang arsitektur data pipeline yang robust, terstruktur, dan tahan terhadap kendala input data. • Praktik pembuatan proses ETL (Extract, Transform, Load) / ELT untuk konsolidasi dan integrasi data otomatis dari berbagai sumber. • Menyusun dokumentasi alur data (data flow diagram) serta mekanisme penanganan error pada data pipeline"

"• Mempelajari dan memetakan alur kerja administrasi rutin di fungsi Plant Performance Management yang berpotensi diotomasi. • Praktik menerapkan automasi administrasi (seperti pembuatan alur kerja otomatis via MS Power Automate/skrip otomatisasi untuk rekonsiliasi data, pelaporan berkala, dan notifikasi kinerja). • Praktik langsung merancang dan mengembangkan Dashboard System serta monitoring kinerja pabrik yang terintegrasi dengan data pipeline • Mempelajari visualisasi data yang efektif untuk penyajian KPI kinerja produksi."

"• Praktik pembersihan data (data cleansing), verifikasi, validasi, dan eksplorasi data historis produksi pabrik • Mempelajari dan menerapkan algoritma Data Science & Machine Learning untuk pemodelan prediktif . • Praktik mengukur akurasi dan performa model prediktif menggunakan matriks evaluasi Machine Learning. • Praktik mengintegrasikan output prediksi Machine Learning ke dalam dashboard/platform monitoring kinerja pabrik."

"• Mempelajari teknik prediktif dan algoritma Machine Learning untuk mengidentifikasi Sistem Dinamis dan Pengendaliannya. • Praktik menyusun rekomendasi skenario optimasi dan batas kontrol (control limits) proses produksi berbasis data historis & real-time. • Praktik menyusun rekomendasi perbaikan proses bisnis dan operasional pabrik berdasarkan insight hasil analisis Data Science."

"• Praktik menganalisis dan mengevaluasi efektivitas seluruh sistem data pipeline, automasi administrasi, dashboard, dan model ML yang telah dikembangkan. • Praktik mengidentifikasi peluang penyempurnaan sistem monitoring, automasi administrasi, dan pelaporan kinerja pabrik. "