dalam workflow ini terdiri dari 3 jaulur utama yaitu:
1. Jalur Monitoring dan Optimasi Otomatis (online)
Jalur ini berfungsi sebagai siklus kontrol otomatis untuk reaktor pirolisis:
Respon Webhook: Sistem mengirimkan kembali nilai bukaan valve yang dihasilkan kepada pengirim data melalui node Respond to Webhook1.
Penerimaan Data (Webhook): Alur dimulai saat Webhook Sensor menerima data temperatur (T1-T4).
Komparasi Data Historis: Node Ambil_Data_Terakhir menarik data terbaru dari tabel sensor_metadata di PostgreSQL untuk dibandingkan dengan data sensor yang baru masuk melalui node Merge.
Logika Percabangan (If Node): Sistem menghitung apakah selisih rata-rata temperatur saat ini dengan data sebelumnya lebih besar dari 10 K.
Jika > 10 K (True): Sistem menjalankan proses optimasi dengan mengirim permintaan ke model eksternal via HTTP Request Optimasi untuk menentukan bukaan valve, lalu melakukan prediksi distribusi suhu melalui HTTP Request Prediksi. Hasilnya disimpan ke tabel sensor_metadata_true.
Jika < 10 K (False): Sistem menganggap kondisi stabil. Data hanya disimpan ke tabel sensor_metadata_false tanpa memicu model optimasi.
2. Jalur Analisis AI Agent
Jalur ini memungkinkan pengguna berinteraksi dengan data melalui chat:
Output: Hasil analisis naratif dikirimkan kembali ke user melalui node Respond to Webhook.
Input Chat: Dimulai dari node Webhook yang menerima pertanyaan dari user.
Pemrosesan AI: AI Agent menggunakan model Google Gemini dan memiliki memori percakapan (Simple Memory1) agar pembicaraan tetap kontekstual.
Akses Pengetahuan dan Data: Agen ini dibekali dengan dua tools:
Postgres Tool: Untuk melakukan query SQL secara dinamis ke database (misal mencari hotspot atau rata-rata suhu).
Vector Store Tool: Untuk mencari referensi ilmiah terkait CFD pipa helical di database Supabase paper_cfd.
3. Jalur Persiapan Data
Terdapat jalur terpisah yang dipicu secara manual (Manual Trigger) untuk memasukkan data riset:
Sistem mengunduh file PDF dari Google Drive, memecahnya menjadi bagian-bagian kecil, membuat embeddings menggunakan AI Google, lalu menyimpannya ke Supabase Vector Store2. Ini adalah modal pengetahuan bagi AI Agent untuk menjawab pertanyaan (user prompt).
