Rockwell Automation:pemantauan jarak jauh &analitik cloud

Marc Baret, Direktur, layanan industri EMEA, Rockwell Automation membahas masa depan otomatisasi untuk pemantauan jarak jauh dan analitik cloudOtomatis...

Marc Baret, Direktur, layanan industri EMEA, Rockwell Automation membahas masa depan otomatisasi untuk pemantauan jarak jauh dan analitik cloud 

Otomasi dengan cepat mengubah pekerjaan yang kita lakukan, tempat kita bekerja, dan bahkan cara kita mendefinisikan pekerjaan. Forrester telah memperkirakan bahwa satu juta pekerjaan pengetahuan akan digantikan oleh chatbot, robotika perangkat lunak, RPA, dan agen virtual pada tahun 2020 saja. Ini mungkin terdengar seperti peringatan awal yang tidak menyenangkan, tetapi laporan tersebut juga memperkirakan 331.500 pekerjaan akan ditambahkan ke tenaga kerja AS saja, diangkat oleh peran yang membutuhkan empati, intuisi, dan kelincahan mental dan fisik.

Seiring peningkatan adopsi otomatisasi, hal itu akan meningkatkan konektivitas dan keandalan serta membantu bisnis membuat data, sistem, dan proses lebih mudah diakses dan tersedia. Namun, banyak perusahaan manufaktur menemukan rute mereka menuju otomatisasi dan strategi transformasi digital diperlambat oleh tingkat produktivitas dan risiko waktu henti secara simultan.

Mengatasi hal ini dimungkinkan melalui alat seperti analitik prediktif dan pemeliharaan yang bertindak sebagai perpanjangan virtual tim mereka. Namun, penerapan teknologi ini dengan sukses membutuhkan keahlian eksternal tambahan. Untuk mempelajarinya lebih lanjut, berikut adalah lima jebakan utama yang kami lihat dihadapi bisnis saat mereka mendekati transformasi digital dan saran tentang cara mengatasinya.

Perangkap #1:Risiko Keamanan Siber

Pelanggaran keamanan terus menjadi berita utama karena dampaknya yang serius terhadap bisnis. Pelanggaran tidak hanya berisiko kehilangan informasi sensitif tetapi juga gangguan, waktu henti dan masalah kinerja, serta kerusakan reputasi yang serius. Ini menyoroti pentingnya bisnis untuk meningkatkan proses manajemen data mereka dan berinvestasi dalam infrastruktur TI mereka.

Dukungan pemeliharaan prediktif dapat membantu produsen menghindari masalah tersebut dengan secara otomatis memantau pola yang tidak biasa dan segera mengidentifikasi tanda-tanda potensi pencurian data atau intrusi jaringan. Mereka juga memerlukan pendekatan keamanan yang komprehensif yang mencakup kebijakan dan prosedur dan memberikan lapisan pertahanan di sekitar orang, proses, dan risiko teknologi.

Perangkap #2:Memiliki Terlalu Banyak Data

Bisnis menghasilkan volume data yang sangat besar, yang bila digunakan dengan benar, dapat menjadi aset yang sangat berharga. Namun, banyak organisasi manufaktur tidak tahu cara memanfaatkan data mereka sebaik mungkin dan, akibatnya, tidak mengoptimalkan alur kerja atau proses produksi mereka dengan cara yang memungkinkan mereka mengumpulkan wawasan dan hasil terbaik.

Mampu memahami sejumlah besar data adalah kunci untuk memecahkan tantangan terbesar yang dihadapi organisasi. Tetapi keterampilan dan kemampuan yang diperlukan untuk melakukannya jarang menjadi bagian dari kompetensi inti bisnis. Oleh karena itu, penting untuk bermitra dengan pakar data tepercaya yang dapat mengumpulkan informasi yang tepat, menyimpannya, dan menyajikannya dengan cara yang memungkinkan mereka membuat keputusan bisnis yang paling efektif.

Perangkap #3:Pengelolaan Data yang Buruk

Bisnis mengumpulkan lebih banyak data dari sebelumnya, tetapi memiliki data dalam jumlah besar saja tidak cukup. Mereka membutuhkan alat yang membantu mereka memanfaatkan data dan memahami informasi yang mereka miliki dengan lebih baik.

Nilai sebenarnya dari otomatisasi terletak pada IP yang dimiliki bisnis pada pelanggan, proses, dan desain produk mereka. Memanfaatkan AI dan pembelajaran mesin memungkinkan mereka untuk menganalisis sejumlah besar informasi, membuat hipotesis dan membuat pola data yang signifikan, dan melatih model pembelajaran untuk menemukan yang tidak diketahui. Selain itu, tim data akan dapat mencoba lebih banyak kasus penggunaan dalam waktu yang dikurangi secara signifikan, yang akan membantu mereka membuat langkah besar dalam memahami data mereka.

Potensi kemajuan dalam AI ini disorot oleh analisis McKinsey yang menemukan bahwa teknik deep learning paling canggih dapat menghasilkan hingga $5,8 triliun dalam nilai tahunan. Dalam dua pertiga dari 400 kasus penggunaan yang diuji, AI meningkatkan kinerja melebihi yang dimungkinkan oleh teknik analitik lainnya. Tanpa kemampuan untuk mengumpulkan data dalam jumlah besar dari berbagai platform dan menjalankannya secara efektif, produsen akan terus berjuang untuk menarik kesimpulan yang efektif tentang perubahan dan produktivitas di dalam pabrik mereka.

Perangkap #4:Tidak Mengikuti Kecepatan Teknologi

Jumlah kata kunci seputar transformasi digital sering kali sangat berlebihan dan bahkan menjengkelkan bagi bisnis yang hanya ingin teknologi bekerja. Banyak penyedia juga menuntut investasi besar di muka, yang dapat menjadi prospek yang menakutkan dan dapat menunda bisnis ketika sebuah proyek tidak berhasil. Selain itu, terkunci dalam satu vendor atau penerapan dapat mengakibatkan perusahaan tertinggal dari pesaing mereka.

Oleh karena itu, penting untuk bekerja sama dengan penyedia yang menawarkan percontohan atau prototipe sebelum penerapan apa pun yang mewakili perubahan teknologi yang besar. Ini akan memberikan visi langkah demi langkah tentang bagaimana proses akan bekerja, memberikan tonggak sejarah, dan membantu bisnis memahami cara kerjanya dan apa ROI yang diharapkan. Mitra teknologi tepercaya perlu menjadi perpanjangan dari tim jika mereka ingin membantu bisnis mewujudkan tujuan dan KPI mereka.

Perangkap #5:Kurangnya Keahlian

Bahkan dengan teknologi otomatisasi yang tepat, bisnis sering kali masih memerlukan dukungan eksternal dari orang-orang dengan pengalaman dan keahlian yang sesuai. Hal ini sekarang dapat dicapai dengan menggunakan augmented reality untuk memberikan dukungan aplikasi jarak jauh dan informasi overlay untuk diikuti oleh engineer.

Seperti halnya penerapan teknologi apa pun, penerapannya harus sesuai dengan budaya bisnis dan apa yang paling sesuai untuk kebutuhan spesifik mereka. Namun, bisnis yang lambat bergerak dalam jenis teknologi baru ini menghadapi risiko nyata tertinggal.

Merangkul Masa Depan Otomasi

Memenuhi tantangan utama produktivitas yang lebih baik dan mengurangi waktu henti dapat dilakukan dengan praktik teknologi yang tepat dan mitra teknologi yang tepat. Dengan memahami jebakan umum yang diuraikan di atas, perusahaan manufaktur dapat menavigasi jalan mereka menuju masa depan otomatisasi dengan lebih baik. Namun, digitalisasi bukanlah sesuatu yang dapat mereka capai sendiri.

LIHAT JUGA:

• C3.ai:menghadirkan perangkat lunak AI perusahaan terkemuka

• AWS:manufaktur yang lebih cerdas dengan teknologi cloud dan IoT

• Bagaimana teknologi pintar mengubah dunia industri

• Baca edisi terbaru Manufacturing Global di sini

Untuk informasi lebih lanjut tentang topik manufaktur - silakan lihat edisi terbaru Manufacturing Global

Ikuti kami di LinkedIn dan Twitter.