Manufaktur Industri Akan Menggunakan Lebih dari 15 Juta Perangkat AI-Enabled pada 2024, Menurut Prediksi ABI Research
Laporan terbaru ABI Research meramalkan lonjakan adopsi artificial intelligence dalam sektor manufaktur industri, mengestimasi bahwa jumlah total perangkat AI-enabled akan melebihi 15,4 juta pada 2024—pertumbuhan tahunan komposit 64,8% dari 2019 hingga 2024.
"AI di manufaktur industri adalah cerita implementasi edge," kata Lian Jye Su, analis utama di ABI Research. "Karena produsen lebih suka menyimpan data di lokasi mereka sendiri daripada di cloud publik, hampir semua beban kerja pelatihan dan inferensi AI terjadi di edge—pada perangkat, gateway, dan server on-premise."
Untuk mendukung pergeseran ini, produsen chipset AI dan vendor server telah memperkenalkan server AI-enabled khusus yang dirancang untuk lingkungan industri. Akibatnya, porsi infrastruktur industri yang semakin besar kini dilengkapi dengan perangkat lunak AI atau chipset spesial untuk melakukan inferensi real-time.
Meski data melimpah dan solusi tersedia, implementasi AI di manufaktur tidak sejalan seperti yang diharapkan. Aplikasi yang paling matang secara komersial tetap prediktif maintenance dan pemantauan peralatan, dengan basis terpasang diproyeksi mencapai 9,8 juta dan 6,7 juta unit masing-masing pada 2024.
Banyak perangkat ini multifungsi, berkat kemajuan chipset AI. Startup utama seperti Uptake, SparkCognition, FogHorn, dan Falkonry menawarkan solusi berbasis cloud dan edge yang memantau kinerja aset keseluruhan dan alur proses.
Inspeksi cacat muncul sebagai kasus penggunaan pertumbuhan tinggi lainnya. Basis terpasang untuk aplikasi ini diproyeksi akan naik dari 300.000 pada 2019 menjadi lebih dari 3,7 juta pada 2024, terutama di manufaktur elektronik dan semikonduktor di mana mitra bekerjasama dengan vendor chipset dan penyedia perangkat lunak untuk mengembangkan machine vision yang didorong AI untuk deteksi cacat tingkat komponen.
Teknologi machine vision tradisional tetap populer di manufaktur karena repeatabilitas, keandalan, dan stabilitasnya. Namun, algoritma deep learning memperluas kemampuan ini, memungkinkan deteksi abnormalitas tidak terduga, mengungkap wawasan baru, dan melebihi batas pendekatan konvensional.
Produsen kini menghadapi persaingan sengit dalam membangun dan melatih tim data science internal untuk implementasi AI. Sebagian besar profesional AI cenderung tertarik pada pemain web-scale besar atau startup yang cepat, sehingga akuisisi talenta menjadi tantangan signifikan bagi perusahaan industri.
"Dalam lanskap ini, jalur paling viable adalah kemitraan," kata Su. "Bekerjasama dengan penyedia cloud, startup AI murni, integrator sistem, produsen chipset dan server, serta penyedia konektivitas sangat penting untuk menavigasi berbagai kasus penggunaan AI."
Untuk informasi lebih lanjut, kunjungi www.abiresearch.com.
