Tiga cara AI meningkatkan operasi manufaktur
Jonathan Whiteside, Konsultan Teknologi Utama di Dept merinci tiga cara AI meningkatkan operasi manufaktur...
Industri 4.0 telah menjadi lebih dari sekadar kata kunci di dunia manufaktur; itu adalah kenyataan baru. Sebuah kenyataan yang dipercepat oleh pandemi Covid-19. Selama tiga bulan pertama pandemi berlangsung, digital maju setara dengan sepuluh tahun, karena bisnis dan konsumen menyesuaikan diri dengan dunia online.
Prinsip utama bisnis masa depan - kelincahan, ketahanan, dan inovasi - semuanya dapat dibantu dengan investasi dalam solusi digital. Dengan tekanan untuk merampingkan operasi, mengurangi biaya, dan memaksimalkan pendapatan, transformasi digital telah menjadi keharusan.
“Para pemenang dalam transformasi digital memanfaatkan teknologi yang mengganggu untuk mengatasi tantangan bisnis, mendorong peningkatan melalui aplikasi praktis. Digitalisasi proses operasional sangat penting bagi produsen untuk mengatasi tuntutan dan tantangan krisis, dan dianggap sebagai langkah maju yang wajar dalam evolusi manufaktur,” kata Jonathan Whiteside, Konsultan Teknologi Utama di Dept.
“Untungnya, inovasi kini telah mencapai titik di mana teknologi baru seperti AI dan Internet of Things (IoT), tersedia secara luas, membantu mempercepat transformasi bisnis manufaktur tradisional. Ada tiga area utama di mana produsen dapat menerapkan AI untuk menjadi lebih tangguh dan meningkatkan laba:perkiraan, pemeliharaan bersyarat, dan komunikasi.”
#1 - Perencanaan dan perkiraan permintaan
Machine Learning memiliki kemampuan untuk mengotomatisasi analisis dan mendeteksi pola data dengan kecepatan yang tidak mungkin dicapai manusia. Ini dapat mengambil segmentasi data di luar kelompok kata kunci sederhana dan membuka peluang untuk mengumpulkan informasi dari sumber data baru. Ketika diterapkan pada model peramalan, hasilnya sangat mengesankan. Menurut , peramalan bertenaga AI dapat mengurangi kesalahan hingga 30 hingga 50% dalam jaringan rantai pasokan. Akurasi yang ditingkatkan mengarah pada pengurangan 65% dalam penjualan yang hilang karena situasi kehabisan stok persediaan dan biaya pergudangan berkurang sekitar 10 hingga 40%. Dampak AI dalam rantai pasokan adalah antara $1,2T dan $2T di
Dengan mempertimbangkan statistik tersebut, tidak mengherankan jika pembelajaran mesin dianut oleh perencana permintaan di seluruh industri. Kecepatan dan akurasi perkiraan pembelajaran mesin memberikan banyak manfaat, dengan peningkatan pengalaman pelanggan sebagai hasil dari peningkatan ketersediaan yang hanya puncak gunung es. Ketika ada kepercayaan pada ramalan, tingkat stok penyangga dapat diturunkan, sehingga mengurangi modal kerja dan membebaskan ruang yang berharga. Prakiraan yang lebih baik dapat memberikan penghematan di seluruh rantai nilai, mulai dari perencanaan transportasi yang lebih baik hingga jadwal tenaga kerja yang dioptimalkan.
Meningkatkan akurasi perkiraan permintaan menunjukkan hasil yang solid di semua industri dengan produsen Barang Kemasan Konsumen yang memimpin. Grup Danone multinasional Prancis meningkatkan koordinasi perencanaan di seluruh pemasaran, penjualan, manajemen akun, dan rantai pasokan dengan pembelajaran mesin. Melalui pemodelan permintaan yang digerakkan oleh AI, dan mencapai tingkat layanan targetnya untuk saluran atau inventaris tingkat toko. Sistem ini menghasilkan 20% pengurangan kesalahan perkiraan, 30% pengurangan penjualan yang hilang, pengurangan 30% dalam keusangan produk, dan pengurangan 50% dalam beban kerja perencana permintaan.
Pembelajaran mesin dan AI tidak hanya memengaruhi bagaimana manufaktur perusahaan, tetapi juga apa mereka memproduksi. Dengan kekuatan untuk mengidentifikasi perubahan selera konsumen, melalui analisis data dan tren pencarian, perusahaan makanan kemasan dapat bereaksi dengan mengganti bahan untuk membuat spesial waktu terbatas yang akan beresonansi dengan konsumen. Ada juga peluang besar untuk mengidentifikasi area yang memungkinkan untuk perluasan produk sambil mempercepat proses untuk peluncuran yang lebih tepat waktu.
#2 - Pengembangan dan pemeliharaan
Memelihara peralatan manufaktur secara manual mahal dan memakan waktu, ditambah lagi dengan risiko kerusakan peralatan yang tinggi, berdampak besar pada jadwal produksi dan menurunkan produktivitas. Karena alasan ini, memprediksi kapan mesin cenderung gagal adalah penggunaan AI yang paling populer di bidang manufaktur saat ini.
“Waktu henti yang tidak direncanakan dapat dicegah dengan pemeliharaan prediktif. Pabrikan dapat membuat rencana perlindungan kelayakan aset yang menunjukkan kapan paling layak untuk meningkatkan peralatan dengan menanggapi peringatan dan menyelesaikan masalah kecil saat terjadi. Algoritme pembelajaran mesin yang diawasi dan tidak diawasi menginterpretasikan pergeseran dalam data waktu nyata. Dalam hitungan detik, ia dapat mendeteksi proses, produk, dan alur kerja yang sebelumnya tidak diketahui dengan memanfaatkan berbagai tipe data,” kata Whiteside.
Data sensor dikumpulkan dari peralatan itu sendiri yang mendeteksi panas, getaran, dan gerakan, sedangkan data pengontrol logika yang dapat diprogram (PLC) melacak input dan output mesin. Data visi komputer diambil dari kamera di sekitar pabrik, dan data deret waktu menentukan status mesin berdasarkan riwayatnya. Sumber data eksternal yang relevan juga diperhitungkan, seperti perubahan kondisi cuaca atau efek sampingan dari peralatan terkait. Temuan ini memberikan sumber data kontekstual yang sangat baik yang dapat digunakan untuk melatih model pembelajaran mesin, pengembangan produk, dan pengoptimalan produksi lini perakitan.
#3 - Strategi komunikasi
AI dan pembelajaran mesin tidak hanya untuk proses operasional. Kemampuannya untuk mendeteksi pola dari berbagai sumber seperti audio, gambar dan video, dapat meningkatkan cara Anda berkomunikasi dengan pelanggan dan karyawan Anda. Diterapkan pada saluran komunikasi Anda, bisnis dapat menghemat banyak waktu.
Bot obrolan AI dapat mengurangi tekanan pada pusat panggilan Anda dan membebaskan tim penjualan lapangan untuk fokus pada akuisisi klien baru, sambil memberikan jawaban yang relevan dan tepat waktu untuk pertanyaan klien Anda. Jika Anda menggunakan kembar digital, Anda juga harus mengetahui siklus pemeliharaan dan kapan potensi peningkatan atau masalah produk Anda mungkin terjadi. Mengotomatiskan proses komunikasi untuk memberi tahu pelanggan Anda segera sebelum mereka perlu menghubungi Anda akan memenangkan pujian dalam taruhan layanan pelanggan.
Melalui kemajuan dalam konektivitas jaringan online, terbaru peluncuran perangkat yang terhubung 5G dan penguatan berkelanjutan Bluetooth, lebih mudah dari sebelumnya untuk menghubungkan berbagai perangkat yang memungkinkan fungsi bisnis utama. Ada dua cara untuk mewujudkannya:analisis data dan otomatisasi. Data yang saling berhubungan ini sering dikumpulkan melalui perangkat lunak cloud, mengumpulkan data di satu tempat yang mudah diakses. Sebuah bisnis dapat menggunakan aplikasi cloud untuk mengumpulkan informasi tentang FAQ situs web yang paling banyak dicari, catatan pemenuhan dan pengembalian, dan data sumber material. Ini dapat melacak ketika pelanggan mulai mengalami masalah tertentu dengan suatu produk, apakah masalah tersebut dapat diselesaikan melalui dukungan atau memerlukan penarikan kembali, dan apakah itu sesuai dengan pesanan tertentu dari pemasok. Bersama-sama, masalah dan solusi dapat disimpulkan.
Maju dengan solusi skalabel
Perusahaan manufaktur di seluruh dunia mempercepat digitalisasi dalam menanggapi tantangan yang ditimbulkan oleh pandemi Covid-19. Di Inggris, lebih dari dua dari lima produsen (43%) mengatakan bahwa untuk operasi bisnis masing-masing sepanjang tahun. Dan, meskipun hampir 95% dari produsen global atau operator rantai pasokan mengatakan bahwa mereka telah terkena dampak negatif dari pandemi, 82% sekarang merasa siap untuk menghadapi peristiwa serupa di masa depan. Hal utama yang mereka ambil adalah kemampuan untuk mengubah dan merangkul para pendukung digital.
Ambil inspirasi dan pembelajaran dari para pemimpin global. Misalnya, dalam beberapa cara; mengoptimalkan konsumsi daya di pembangkit selama produksi hidup; pemeriksaan kualitas yang dioperasikan mesin, dan secara otomatis menyesuaikan posisi rotor turbin angin untuk meningkatkan hasil ladang angin. untuk membawa tingkat kontrol kualitas baru ke pusat-pusat manufakturnya. Komponen manufaktur diperiksa dengan cermat menggunakan radiografi industri untuk memverifikasi integritas setiap bagian dan struktur internalnya.
Industri manufaktur lebih siap dari sebelumnya untuk memanfaatkan strategi AI, dan nilai dari melakukannya menjadi sangat jelas. Dengan berfokus pada digitalisasi, semakin dekat dengan pengguna akhir, dan berinovasi dalam ekosistem digital untuk memastikan kebutuhan pelanggan dapat terpenuhi, produsen dapat menghindari komoditisasi, ditempatkan lebih baik untuk mengalahkan persaingan, dan memelihara loyalitas jangka panjang baik dari yang baru maupun yang sudah ada. pelanggan.
Untuk informasi lebih lanjut tentang topik manufaktur - silakan lihat edisi terbaru
Ikuti kami di dan .
