Mengapa Produsen Harus Mengadopsi AI dan Big Data?
Manufacturing Global berbicara kepada para pemimpin eksekutif di EY, Infor, dan GE Digital untuk menyelesaikan pertanyaan ini
Sementara dorongan untuk mengubah industri manufaktur secara digital telah menjadi topik pembicaraan selama dekade terakhir, peristiwa baru-baru ini hanya meningkatkan kebutuhan akan kelincahan, skalabilitas, dan ketahanan yang dapat disediakan oleh Industri 4.0, kemampuan manufaktur cerdas. Berbicara dengan Cobus Van Heerden, Senior Digital Product Manager di GE Digital, Mark Powell, Partner, EY (UKI Consulting), dan Phil Lewis, Vice President, Solution Consulting EMEA di Infor Manufacturing Global melihat bagaimana teknologi yang memanfaatkan AI dan Big Data dapat membantu produsen membuka visibilitas operasional waktu nyata untuk mencapai keandalan dan kinerja proses yang lebih baik.
Apa saja aplikasi kecerdasan buatan (AI) dan Big Data saat ini di industri manufaktur?
CVH: Industrial AI menggunakan kombinasi teknologi AI, data, fisika, dan pengetahuan domain mendalam yang ditargetkan untuk memecahkan tantangan bisnis industri utama. AI tradisional meniru kecerdasan manusia, sedangkan AI industri dibangun di atasnya untuk membuka wawasan dan menentukan pengetahuan kausal dalam lingkungan industri berisiko tinggi, dinamis, dan bervariasi. Di Manufaktur, AI Industri dapat digunakan untuk mendeteksi dan memprediksi proses utama dan masalah aset untuk membantu perusahaan mengoptimalkan operasi mereka termasuk kapasitas, kualitas, dan struktur biaya.
PL: Definisi buku teks tentang AI atau Big Data kehilangan poin bahwa industri berbeda dan akan memiliki tuntutan teknologi yang berbeda secara drastis. Ini tentang penerapan teknologi tertentu untuk masalah tertentu yang mungkin dialami bisnis. Masalah ini mungkin 'standar industri' atau sesuatu yang muncul dalam konfigurasi teknologi. Tetapi ada nilai tertinggi dalam penerapan alat seperti Big Data dan AI hingga 10% kritis dari bisnis yang benar-benar istimewa. Kami mengklasifikasikan ini sebagai pembagian 60/30/10 dan ini adalah cara kami menerapkan teknologi ini untuk mendorong nilai maksimum.
Untuk produsen yang ingin mengadopsi Industri 4.0, kemampuan manufaktur cerdas, mengapa produsen harus menggunakan AI dan Big Data untuk melakukannya?
CVH: Manufaktur cerdas menyebarkan analitik canggih industri untuk memprediksi aset masa depan dan kinerja proses menggunakan data real-time dan historis dan mengoptimalkan dalam loop tertutup. Ini melibatkan penggunaan AI dan pembelajaran mesin untuk memungkinkan insinyur proses menggabungkan data di seluruh sumber data industri dan dengan cepat mengidentifikasi masalah, menemukan akar penyebab masalah di pabrik, memprediksi kinerja aset di masa depan, dan mengotomatiskan tindakan yang dapat dilakukan karyawan untuk meningkatkan kualitas , produktivitas, dan operasi.
MP: Digitalisasi memaksa produsen untuk membayangkan kembali rantai pasokan mereka. Sebagai contoh, sebagian besar perusahaan menggunakan data internal untuk melacak keseimbangan permintaan-penawaran dan sulit bagi mereka untuk memperkirakan peristiwa eksternal yang berdampak pada rantai pasokan mereka. Dengan menggunakan teknik AI yang memahami kumpulan data eksternal yang tidak terstruktur, seperti media sosial dan data lain tentang peristiwa, produsen dapat merencanakan gangguan rantai pasokan lebih cepat.
Selain itu, produsen dapat menggunakan AI dan Big Data untuk membuat replika digital dari operasi manufaktur mereka dan memanfaatkan kemungkinan transformatif untuk mengurangi waktu siklus dalam produksi, menambah kapasitas manufaktur, dan memprediksi aktivitas pemeliharaan yang tidak direncanakan, dll.
PL: Beberapa statistik anak poster untuk AI dan Big Data hanya menuntut perhatian. Baru-baru ini, Siemens mengotomatiskan salah satu pabriknya di Jerman, dengan 75% dari proses digitalisasi atau peningkatan otomatisasi. Produktivitas meningkat sebesar 1.400%. Itu mengubah permainan untuk bisnis apa pun. Ini berarti banyak produsen sekarang melihat bagaimana mereka memasukkan AI dan Big Data ke dalam rencana mereka untuk masa depan.
Apa strategi terbaik bagi produsen yang berupaya mewujudkan nilai AI dan Big Data dalam operasi mereka?
CVH: Insinyur proses memiliki keahlian domain yang luar biasa untuk mengumpulkan model proses – atau Process Digital Twins – dan dapat menginterpretasikan model. Ini adalah dasar untuk meningkatkan keunggulan kompetitif dan kesuksesan dengan analitik. Untuk mendorong analitik dan meningkatkan proses, produsen harus menyusun strategi yang dapat menyelaraskan keahlian domain dengan lima kemampuan:Analisis - identifikasi akar penyebab otomatis mempercepat perbaikan berkelanjutan; Pemantauan – peringatan dini mengurangi waktu henti dan pemborosan; Prediksi – tindakan proaktif meningkatkan kualitas, stabilitas, dan keandalan; Simulasi – simulasi bagaimana-jika mempercepat keputusan yang akurat dengan biaya lebih rendah; dan Optimasi – setpoint proses yang optimal meningkatkan throughput pada kualitas yang dapat diterima hingga 10 persen.
Semua insinyur proses dapat dan perlu mengembangkan kemampuan dalam analitik dan pembelajaran mesin agar tetap kompetitif. Seiring waktu, para insinyur dapat beralih dari proyek kecil ke percontohan ke pengoptimalan multi-pabrik dengan aplikasi analitik yang mendalam. Keahlian domain mendalam mereka memberikan landasan untuk proses pemodelan dan mengembangkan analitik yang merupakan pengubah permainan dalam aplikasi yang sangat spesifik.
Yang terpenting, mulailah dengan analitik. “Cobalah” beberapa proyek; menguji ide-ide intuitif Anda dan menempatkan data dan analitik di belakangnya. Jangan menunggu untuk menjadi ahli ilmu data. Itu tidak perlu. Manfaatkan alat analisis industri yang terbukti mudah digunakan dan didukung dengan keahlian domain Anda. Itu akan mendorong peningkatan besar dengan cepat.
PL: Bisnis - termasuk produsen - cenderung menilai proyek digital dengan fokus pada pelanggan, rantai pasokan, efisiensi internal, atau orang - itulah empat pendorong utama untuk terjun ke digital. Ini sering organik dan muncul dari sikap 'bagaimana kita bisa melakukan yang lebih baik'. Ini telah dipercepat oleh kekhawatiran persaingan karena perusahaan sekarang takut tertinggal persaingan dan pendatang yang mengganggu. Ada ketakutan yang nyata terkait relevansi secara digital dan ini mendorong banyak investasi.
Namun, perlu dicatat bahwa banyak produsen telah banyak berinvestasi dalam teknologi (bahkan sebelum COVID memaksa pindah ke digitalisasi) sehingga titik definisi pertama adalah menyelaraskan AI dan Big Data dengan teknologi yang ada. Ketika bisnis menilai teknologi yang mereka gunakan saat ini, mereka perlu mengingat tidak hanya perspektif jangka pendek tentang apakah teknologi akan menangani proses saat ini tetapi juga menyediakan platform untuk masa depan? Perspektif terakhir ini dibangun di atas data. Kedua elemen sama pentingnya tetapi 'perspektif platform' kedua menuntut data besar. Tidak lagi cukup memilih platform yang hanya mendukung/mengubah proses yang sedang berlangsung – harus ada kemampuan masa depan yang sudah ada di dalamnya.
Kemudian ada kebutuhan untuk memastikan bahwa teknologi ini digunakan dengan cara terbaik. Hal ini memerlukan lanskap aplikasi berbasis cloud yang terbuka sehingga bisnis dapat menangkap peluang baru seperti Big Data atau AI tanpa harus melalui proses integrasi dan baut yang rumit. Hal ini membuat organisasi lebih gesit, dengan fokus pada penerapan kreatif teknologi untuk kebutuhan bisnis, seperti mengidentifikasi peluang baru untuk memperoleh pendapatan.
Apa saja tantangan dalam mengadopsi analitik AI dan Big Data ke dalam operasi manufaktur?
CVH: Produsen ditantang untuk mengurangi pemborosan, biaya, dan risiko sambil memenuhi permintaan pelanggan. Kombinasi AI dan data memberikan percepatan digitalisasi melalui solusi berbasis analitik yang memberdayakan pekerja dengan data dalam konteks sehingga orang, aset, dan proses bekerja bersama secara efisien.
Tantangan lain bagi perusahaan baru saja dimulai. Mereka ingin mempelajari lebih lanjut tentang cara menggunakan analitik dalam operasi mereka tetapi tidak melihatnya sebagai pekerjaan untuk tenaga kerja mereka saat ini. Untungnya, solusi AI Industri dapat membantu dan tidak mengharuskan insinyur proses menjadi ilmuwan data.
MP: Tantangan utama dalam mengadopsi AI akan bermuara pada kemampuan produsen untuk membangun keselarasan di seluruh organisasi pada beberapa area bernilai tinggi di mana AI akan memberikan dampak. Misalnya, menggunakan pembelajaran mesin dan visi komputer untuk memprediksi dan mengidentifikasi kesalahan pada peralatan sebelum terjadi, sehingga mengurangi waktu henti produksi dan mengurangi biaya perawatan. Tantangan lainnya adalah membangun budaya memasukkan AI ke dalam proses mereka melalui budaya uji dan pelajari.
Sudah terlalu lama, organisasi telah berbicara tentang menjadi 'data didorong' dan ini umumnya tidak bekerja sebaik yang diharapkan. Produsen perlu mengambil pendekatan berbeda yang dimulai dengan memahami di mana nilai dapat didorong dari wawasan baru dan kemudian fokus pada data yang dibutuhkan untuk mendorong wawasan yang kemudian dapat mendorong nilai bisnis. Organisasi perlu menjadi 'didorong wawasan dan data diaktifkan' dan tidak hanya 'didorong oleh data' - hanya dengan begitu mereka akan benar-benar memanfaatkan kekuatan AI dan data besar.
PL: Ini semua tentang bagaimana sikap terhadap data telah berubah. Itu sebelumnya dipandang sebagai kejahatan yang diperlukan tetapi sekarang menjadi aset nomor satu dalam bisnis. Biasanya ini mendorong obsesi dengan label data besar tetapi apa yang Anda lakukan dengan data itulah yang penting – menggunakan orang-orang seperti AI / BI / IoT dll untuk mengubah data itu menjadi aset yang benar-benar berharga. Industri otomotif adalah contoh utama – menggunakan dan menjual data yang dihasilkan oleh mobil. Menariknya, kami sekarang hampir menerima 'cloud' begitu saja – seandainya kami menjawab pertanyaan ini 24 bulan yang lalu, cloud akan menjadi pertimbangan pertama, tetapi sekarang adalah taruhan meja. Bukan lagi apakah bisnis akan menjadi cloud tetapi lebih merupakan pertanyaan tentang jenis cloud/cloud apa yang digunakan? – Kami telah bergerak jauh melampaui percakapan infrastruktur – bagaimana dan ke dalam apa – dan mengapa sebuah bisnis ingin merangkul digital.
Apakah kecerdasan buatan (AI) dan Big Data mendorong revolusi industri keempat (Industri 4.0)?
CVH: Kombinasi AI Industri dan data menghasilkan apa yang kami sebut Process Digital Twin yang membantu produsen memecahkan masalah kinerja proses manufaktur kontinu, diskrit, atau batch dengan cepat dengan menggali wawasan dari sensor dan data produksi yang tersedia. Teknologi ini, yang menggunakan analitik prediktif, memungkinkan pengguna untuk menganalisis skenario operasi, mengkualifikasikan dampak perubahan operasional terhadap metrik kinerja utama dan mengidentifikasi penyebab variasi kinerja. Digital Twins menginspirasi peningkatan berkelanjutan, tujuan utama masa depan industri dengan melihat kembali ke data historis serta real-time untuk bergerak maju dengan cepat.
PL: Kami melihat peningkatan harian dalam penggunaan AI/ML – pengoptimalan inventaris, pemeliharaan, proses keuangan yang lebih cepat adalah semua area utama yang kami lihat muncul berkali-kali. Agar ini dapat berlanjut, dan laba atas investasi dapat berlanjut, AI perlu dimasukkan dan siap untuk digunakan dengan sistem lain, bukan langsung, atau bisnis menghadapi proyek integrasi yang besar dan mahal. Dalam hal teknologi spesifik berikutnya, itu benar-benar tergantung pada kematangan masing-masing perusahaan atau proyek – bisnis hanya mencapai titik kain digital daripada sekelompok proyek digital. Pekerjaan preskriptif, didorong oleh AI dan diisi oleh sejumlah besar data sensor, sangat menjanjikan untuk pasar B2B / industri dan kami melihat beberapa perkembangan awal yang sangat menggembirakan dalam pemeliharaan aset dan layanan lapangan.
