Internet of Things (IoT) mengubah cara banyak perusahaan melakukan bisnis. Produsen tradisional mengintegrasikan produk fisik mereka dengan layanan backend berbasis internet, dan perusahaan internet memperluas penawaran mereka dengan mengintegrasikan data dari sensor dan aset fisik. Perusahaan baru memasuki pasar dengan penawaran IoT yang menggabungkan produk fisik dengan layanan berbasis internet. Data yang dihasilkan sensor dan solusi machine learning memungkinkan model bisnis baru berdasarkan data.
Untuk mendorong pengembangan solusi IoT yang mudah, yang dapat dimanfaatkan oleh semua pemain ini, tiga tantangan harus dikuasai:
Pengembangan aplikasi yang cepat untuk IoT :Membangun antarmuka pengguna dan aplikasi dengan cepat dan efisien untuk kasus penggunaan IoT yang membutuhkan efisiensi biaya dan waktu pemasaran yang cepat.
Mengelola heterogenitas dan keragaman :Menangani sejumlah besar aset dan perangkat yang heterogen dan terus berkembang di IoT.
Membangun solusi IoT yang dapat disesuaikan :Mendukung vendor solusi IoT dalam menciptakan solusi yang dapat dengan mudah disesuaikan untuk berbagai kasus penggunaan.
Saya akan mengandalkan dua contoh otentik untuk memberikan wawasan yang lebih praktis tentang tantangan dalam mengembangkan solusi IoT. Kasus penggunaan pertama adalah Track &Trace, yang memfasilitasi pengelolaan armada besar alat listrik industri heterogen yang digunakan untuk pengeboran, pengencangan, pengelasan, pengukuran, dll. Solusi ini adalah hasil uji coba Konsorsium Internet Industri dan saat ini sedang dikembangkan oleh Bosch, Tech Mahindra, dan Cisco. Memanfaatkan konektivitas alat nirkabel dan lokalisasi dalam ruangan, hal ini meningkatkan efisiensi peralatan (OEE) dan kualitas produksi.
Contoh kedua membahas kemungkinan cacat pada ban berjalan di industri pertambangan. Untuk memenuhi target pemanfaatan kapasitas, ban berjalan harus beroperasi terus menerus. Beberapa sensor dipasang pada motor listrik dan poros gearbox untuk mengukur getaran. Informasi ini dikumpulkan untuk memprediksi kemungkinan kerusakan, mengelola pemeliharaan dengan lebih baik, dan mengurangi waktu henti secara keseluruhan. Kemampuan pembelajaran mesin digunakan untuk menganalisis pola getaran ini dan menentukan penyimpangan (seperti kegagalan pada motor listrik) sehingga alarm dapat dipicu sebelum penyimpangan benar-benar terjadi.
Dua kasus penggunaan ini mengungkapkan tiga tantangan yang biasanya dihadapi sebagian besar aplikasi IoT. Mari kita bahas lebih detail.
Tantangan 1:Pengembangan aplikasi yang cepat untuk IoT
Sifat evolusioner dari sebagian besar proyek IoT membutuhkan aplikasi yang dapat dikembangkan dan dimodifikasi secara cepat dan fleksibel. Hal ini terutama berlaku untuk proyek di awal, fase eksplorasi, karena persyaratan mungkin berubah selama fase yang lebih matang nanti. Saya telah mendefinisikan dua jenis proyek:
Proyek dengan pengembangan aplikasi khusus: Beberapa aplikasi IoT memiliki persyaratan yang sangat tinggi sehubungan dengan volume data, kinerja, dan kompleksitas algoritme. Biasanya, aplikasi ini harus mendukung banyak pengguna akhir. Ambil contoh solusi rumah pintar dengan jutaan rumah tangga yang menggunakan sistem. Aplikasi ini memiliki UI canggih yang biasanya dikodekan dengan tangan dan sangat dioptimalkan – dengan biaya tinggi.
Proyek yang membutuhkan pengembangan aplikasi yang cepat ("aplikasi long tail") :Di ujung spektrum yang berlawanan adalah jumlah yang sangat tinggi dari aplikasi yang lebih khusus dengan kompleksitas yang lebih rendah. Ini biasanya digunakan oleh sejumlah kecil pengguna spesialis, mis. tim manajemen pabrik. Mengembangkan UI yang sangat terkustomisasi dan dioptimalkan untuk aplikasi ini seringkali memakan biaya karena banyaknya aplikasi yang dibutuhkan dan sedikitnya jumlah pengguna spesialis. Aplikasi ini terkadang juga disebut sebagai "aplikasi long tail", karena mewakili ekor panjang kurva yang memetakan kompleksitas dan jumlah aplikasi untuk kasus penggunaan ini.
Sumber:Bosch.IO Gambar 2:Aplikasi IoT ekor panjang
Tantangan 2:Mengelola heterogenitas dan keragaman
Banyak vendor produk ingin memanfaatkan konektivitas perangkat dan aplikasi berbasis cloud untuk menawarkan layanan baru seperti pemeliharaan prediktif dan penagihan berbasis penggunaan. Namun, mereka menghadapi masalah dalam hal mengelola heterogenitas portofolio produk mereka di IoT. Alasan tingginya tingkat heterogenitas termasuk jumlah kategori produk yang terus meningkat, sejumlah besar versi produk, dan evolusi produk individual yang konstan. Gambar 3 memberikan ikhtisar tentang heterogenitas perangkat yang perlu diselesaikan dalam kasus penggunaan Track &Trace.
Sumber:Bosch.IO Gambar 3:Tiga dimensi heterogenitas di IoT
Masalah yang sama berlaku untuk sensor getaran dalam kasus penggunaan sabuk konveyor. Sensor ini tersedia dalam berbagai jenis (misalnya induktif, piezoelektrik, atau magnetik), yang masing-masing memiliki serangkaian fitur yang berbeda serta tingkat akurasi dan kinerja yang berbeda.
Tantangan 3:Membangun solusi IoT yang dapat disesuaikan
Meskipun solusi dan aplikasi IoT berakar pada masing-masing proyek IoT, solusi ini akan semakin dikemas atau distandarisasi seiring waktu. Vendor solusi IoT telah mulai mengembangkan solusi IoT standar dan menjualnya ke banyak pelanggan dan pasar, seperti yang telah kita lihat dengan ERP (perencanaan sumber daya perusahaan), CRM (manajemen hubungan pelanggan), PLM (pengelolaan siklus hidup produk), dan aplikasi paket lainnya. Oleh karena itu, sangat penting bagi pelanggan akhir untuk memiliki cara mudah untuk menyesuaikan solusi agar sesuai dengan kebutuhan spesifik mereka.
Mari kita lihat lebih dekat solusi Track &Trace, yang dirancang untuk digunakan oleh pelanggan di berbagai industri, seperti manufaktur otomotif dan pesawat. Selain mendapatkan manfaat dari fungsionalitas dasar, sebagian besar pelanggan ingin memperluas solusi inti Track &Trace; misalnya, mereka ingin mengintegrasikannya dengan proses dan sistem mereka sendiri. Pengalaman menunjukkan bahwa pelanggan Track &Trace memiliki persyaratan individu di bidang-bidang seperti:
Alat listrik yang berbeda: Selain alat yang didukung di luar kotak, pelanggan biasanya memiliki alat lain yang perlu diintegrasikan. Hal ini memerlukan penambahan antarmuka baru dan penyesuaiannya serta antarmuka yang sudah ada.
Proses manufaktur khusus: Secara umum, setiap pelanggan memiliki persyaratan yang berbeda untuk integrasi proses; misalnya, bagaimana menangani masalah yang terjadi selama langkah pengetatan.
Dari sudut pandang pelanggan akhir (misalnya, perusahaan otomotif), pertanyaannya adalah bagaimana penyesuaian tersebut paling baik dicapai:
Jika mereka membeli COTS (komersial off-the-shelf) solusi, mereka kemungkinan besar akan mendapatkan solusi Track &Trace yang hemat biaya dan kecepatan implementasi yang tinggi – asalkan mereka tetap menggunakan fungsi standar. Namun, segera setelah mereka mulai menyesuaikan, solusinya kemungkinan besar akan menjadi sangat mahal dan rumit.
Di sisi lain, jika pelanggan memutuskan untuk mengembangkan solusi Lacak &Lacak dari awal , biaya dan waktu awal yang dibutuhkan akan sangat tinggi, meskipun hasil akhirnya adalah solusi yang memenuhi 100% persyaratan.
Sumber:Bosch.IO Gambar 4:Trade-off untuk berbagai jenis solusi IoT
Dengan tumpukan teknologi IoT saat ini, ini bukan lagi keputusan hitam-putih yang harus Anda buat di sini. Menurut pendapat saya, opsi terbaik di sini adalah kompromi antara dua alternatif ini dan untuk membangun solusi IoT yang didasarkan pada platform yang fleksibel, seperti dua kasus penggunaan yang disajikan sebelumnya.
Jika Anda tertarik dengan cara kerjanya dalam praktik dan ingin mendapatkan wawasan tentang tumpukan teknologi yang direkomendasikan, yang telah terbukti di banyak proyek, lihat buku putih teknologi IoT ini.
Sumber:Bosch.IO Gambar 2:Aplikasi IoT ekor panjang 
Sumber:Bosch.IO Gambar 3:Tiga dimensi heterogenitas di IoT 
Sumber:Bosch.IO Gambar 4:Trade-off untuk berbagai jenis solusi IoT