Pelajari bagaimana AI semakin berkembang di industri tradisional seperti manufaktur, seiring meningkatnya otomatisasi dan efisiensi yang menumbuhkan lebih banyak kepercayaan terhadap teknologi ini.
Meskipun industri manufaktur mungkin lambat dalam mempercayai AI, manfaat dari penerapannya sudah jelas. AI dapat membantu mengurangi kesalahan, meningkatkan efisiensi, serta menganalisis data untuk diubah menjadi wawasan yang dapat ditindaklanjuti.
Kecerdasan buatan, atau AI, sedang merambah kehidupan sehari-hari mulai dari asisten pintar seperti Siri dan Alexa, robotika pribadi, otomatisasi otomotif, hingga kemajuan terbaru dalam layanan kesehatan. Namun, masih ada masalah persepsi, karena orang-orang kesulitan memahami teknologi ini dan takut akan dampak negatifnya adalah masalah keamanan, menggantikan pekerjaan, atau bahkan perasaan kehilangan kepribadian.
Seiring dengan semakin lazimnya AI, semakin besar pula keengganan untuk menyerahkan tugas kepada teknologi tersebut terutama di industri yang lebih tradisional seperti desain dan manufaktur (D&M). Namun, potensi AI belum sepenuhnya dimanfaatkan. Menurut proyeksi Forum Ekonomi Dunia (PDF, hlm. 3), AI dapat menghasilkan aktivitas ekonomi global hingga $13 triliun dan meningkatkan PDB global sebesar 2%. Bagi perusahaan, memilih menggunakan perangkat bertenaga AI dapat menimbulkan kekhawatiran, terutama terkait pembagian data dan keamanan. Namun, seiring perusahaan melihat manfaat nyata dari penggunaan AI tanpa risiko terhadap data atau keahlian khusus mereka, kepercayaan terhadap AI akan tumbuh.
Posisi AI dalam Design & Manufactur
AI mungkin tampak seperti fenomena baru, tetapi memiliki akar yang dalam di bidang manufaktur. “Saya memulai karier AI saya dalam sistem otomasi robotika berpemandu visi 3D untuk pabrik produksi General Motors 40 tahun yang lalu,” kata Dr. Jay Lee , seorang pelopor dalam AI industri dan Clark Distinguished Chair Professor dan Direktur Pusat Kecerdasan Buatan Industri di Departemen Teknik Mesin di University of Maryland College Park. “Jika orang memberi tahu Anda bahwa AI baru saja dimulai, tidak, kami membuatnya berfungsi 40 tahun yang lalu. Robot merakit mobil menggunakan visi cerdas untuk secara otomatis mengidentifikasi dan menyesuaikan jalur dengan kompensasi sendiri,” tambah Lee, yang juga merupakan anggota Dewan Masa Depan Global Forum Ekonomi Dunia untuk Manufaktur dan Produksi Lanjutan.
Perusahaan-perusahaan telah lama meminta bantuan Dr. Lee untuk meningkatkan operasional mereka. Ketika sistem udara bertekanan di pabrik Toyota di Georgetown, Kentucky, terus mengalami kerusakan, penghentian tak terduga tersebut mengakibatkan kerugian finansial dan penundaan produksi di fasilitas tersebut, yang biasanya dilalui mobil baru setiap 25 detik . Lee mengintegrasikan AI ke dalam lini produksi dengan menggunakan sensor dan AI untuk mendeteksi anomali dan mencegah kecelakaan. Biaya perawatan turun 50% , dan masalah ini tidak menyebabkan waktu henti sama sekali sejak solusi tersebut diterapkan pada tahun 2006.
Untuk mempercayai prosesnya, Anda memerlukan data yang tepat
Manufaktur menghasilkan sekitar 1.812 petabita data setiap tahunnya, dan mengubah data tersebut menjadi wawasan dan tindakan dapat mendorong inovasi jika produsen mengizinkannya. Namun, menurut Deloitte , 67% eksekutif merasa tidak nyaman memberikan data mereka kepada organisasi lain.
“Jika Anda tidak membangun data untuk melakukan hal tertentu, data tersebut kemungkinan besar tidak dapat digunakan untuk tujuan baru tersebut tanpa diolah ulang,” kata Alec Shuldiner, direktur Akuisisi Data dan Strategi di Autodesk. “Akuisisi data adalah pekerjaan yang diperlukan untuk menggunakan kembali data agar dapat digunakan untuk mendukung proses baru, misalnya, untuk aplikasi analitik atau pembelajaran mesin.”
AI hanya sebaik data yang diterimanya. AI hanya akan menghasilkan hasil yang diinginkan jika data tersebut andal, akurat, dan relevan. “Jika Anda memberi saya data sampah, saya tidak bisa membantu,” kata Lee. “Anda harus memberi saya data yang bermanfaat dan dapat digunakan. Anda harus memiliki konteks yang tepat agar data tersebut dapat terhubung dengan tujuan yang ingin Anda capai. Misalnya, saya ingin memprediksi kegagalan mesin. Nah, Anda harus memberi saya data terkait kondisi mesin tersebut. Jika Anda punya ikan, ikan itu bermanfaat, tetapi jika ikan itu berasal dari air yang tercemar, ikan itu tidak bisa dimakan.”
Untuk menjembatani kesenjangan antara keengganan yang masih ada untuk mengadopsi AI dan memaksimalkan potensi penuhnya, produsen harus belajar memercayai apa yang tidak dapat mereka lihat. Mereka merasa nyaman membiarkan AI menangani pemeliharaan prediktif, tetapi AI generatif masih belum diketahui. Namun, ini merupakan risiko yang patut diambil. Seiring produsen semakin memahami bagaimana AI memungkinkan visibilitas menyeluruh, hal ini akan menciptakan lebih banyak kemungkinan bagi organisasi mereka.
Membangun kepercayaan dan membuka nilai AI
Dr. Lee membingkai manfaat AI sebagai “Three Ws” pengurangan pekerjaan, pengurangan pemborosan, dan pengurangan kekhawatiran. “Kita memiliki banyak hal yang tidak kita ketahui,” ujarnya. “Misalnya, beberapa orang berkeliling pabrik, mereka ingin memeriksa semuanya. Mengapa? Mereka khawatir, bahkan jika mesin tidak pernah rusak.” AI meredakan ketakutan tersebut dengan memungkinkan visibilitas yang lebih besar. “Jika dalam sebuah komunitas, setiap orang memiliki kamera pengawas, Anda tidak perlu khawatir. Anda dapat memiliki aplikasi untuk melihat rumah Anda. Oh, siapa di sana? Oh, pengiriman Amazon.” Seiring AI membuktikan dirinya dan orang-orang semakin menyadari cara kerjanya, mereka mulai lebih mengintegrasikannya ke dalam operasi mereka.
Seiring pabrik-pabrik yang terhubung ke cloud menjadi norma, AI dapat ditingkatkan secara signifikan, mengumpulkan semua data ini secara real-time dan menghasilkan wawasan dengan cepat. Namun, hingga saat itu tiba, para produsen masih terjebak dalam pengambilan keputusan.
“Dalam desain masa kini, kita sering kali terpaksa membuat kompromi yang sebenarnya tidak ingin kita lakukan,” ujar Dr. Shuldiner. “Anda bisa merancang sesuatu dengan cepat, atau merancangnya agar mudah diproduksi, atau merancangnya untuk mencapai tujuan keberlanjutan tertentu, seperti daur ulang. Namun, seringkali Anda tidak bisa melakukan semua hal itu sekaligus. Jadi, jika Anda ingin menambahkan daur ulang ke dalam desain, Anda harus menghabiskan lebih banyak waktu untuk desain tersebut, dan pada akhirnya Anda mungkin akan membuatnya lebih mahal untuk diproduksi. AI akan membawa kita ke titik di mana banyak kompromi tersebut akan hilang. Anda akan dapat merancang dengan cepat dan efisien, namun tetap mencapai berbagai tujuan desain yang kompleks.”
Dr. Lee menunjukkan anomali di industri yang menggunakan teknologi canggih sejak awal, seperti Toyota dan General Motors , perusahaan yang masih berinovasi, menggunakan komputasi awan dan AI untuk membangun kendaraan yang lebih baik, lebih ringan, dan lebih efisien. Namun, seringkali, menyerahkan sebagian besar operasional mereka kepada AI merupakan proses bertahap bagi produsen. “Industri tradisional kita, mereka perlu melakukan perbaikan berkelanjutan,” kata Lee. “Ini bukan kesuksesan dalam semalam. Lakukan hal kecil dulu, wujudkan. Wow. Saya berhasil. Bagus. Mari kita lanjutkan ke yang berikutnya.”
Enam puluh delapan persen (PDF, hlm. 6) produsen memiliki setidaknya satu kasus penggunaan atau proses yang didukung oleh AI dan langkah-langkah kecil ini akan menunjukkan nilai AI dan membangun kepercayaan. “Prioritasnya adalah menyadari manfaat AI,” ujar Lee. “Orang-orang memiliki kekhawatiran tentang ancaman atau hal-hal negatif AI. Namun, Anda tidak boleh berhenti bergerak maju hanya karena terlalu khawatir.”
