Produsen Mengadopsi IoT Ditingkatkan AI untuk Rantai Pasok, Produksi, dan Inovasi
Ada banyak data yang sekarang mengalir dari berbagai ujung IoT, jadi wajar untuk mulai memikirkan cara untuk menerapkan kecerdasan buatan (AI) untuk menyampaikan wawasan yang berharga bagi bisnis. Untuk produsen, ini bisa menjadi perubahan permain, dengan dramatis memotong biaya dan mempercepat entri mereka ke bisnis layanan. Namun, banyak masih di awal perjalanan ini.
Konvergensi yang akan datang antara IoT dan AI dieksplorasi dalam panel di konferensi AI World terbaru di Boston, dimoderasi oleh Les Yeamans, executive editor RTInsights.
Lihat juga: Jerman Mengubah Manufaktur menjadi Bentuk Seni IoT
Potensi IoT yang diperluas AI membawa tiga manfaat utama bagi produsen saat ini — optimasi rantai pasok, manufaktur cerdas, dan inovasi produk atau layanan, kata Reid Paquin, direktur riset dengan IDC. Saat ini, menurutnya, “manufaktur cerdas adalah tempat sebagian besar perusahaan memulai dan fokuskan investasi mereka. Ini sangat benar dengan manufaktur proses, khususnya manajemen aset.” Di sisi manufaktur diskrit, menurutnya, “kesempatan besar adalah produk dan layanan — banyak produsen mencoba untuk mengeluarkan produk lebih cepat, tetapi kemudian juga mencoba mengubah campuran produk ke layanan mereka, beralih ke servitization.”
Beralih ke perusahaan yang didorong data dan AI mungkin memakan waktu bagi banyak produsen, para panelis setuju. “Dalam setiap proyek data science atau AI, langkah pertama adalah mengumpulkan dan mengorganisir data Anda,” kata Zachariah Eslami, pemimpin pengiriman, lab ahli data dan AI dan pembelajaran untuk IBM. Tantangan adalah membawa data bersama dari bagian-bagian yang berbeda perusahaan, dia amati. “Masalahnya adalah masukan dari data dan koleksi data, gudang data sering didistribusikan di antara grup TI yang berbeda, tim yang berbeda yang menggunakannya tanpa repositori tunggal atau katalog pengetahuan, yang dapat Anda ambil dan mendistribusikan data dan memanipulasinya, mengekstrak wawasan darinya.”
Tantangan lain untuk proyek IoT-AI adalah kurangnya keterampilan secara umum, Eslami lanjutkan. “Itu baik dalam arti mampu beradaptasi dengan ilmu komputer, pemahaman, dan pembelajaran serta menggunakan Python atau R notebooks, dan benar-benar mendapatkan pemahaman yang jelas tentang apa itu membersihkan data, mempersiapkannya, dan kemudian mulai melakukan analisis padanya, sehingga Anda dapat membangun model mesin di atasnya.”
Ketika datang untuk memulai perjalanan AI, “di mana Anda bergantung pada di mana Anda duduk,” kata Ryan Martin, analis utama dengan ABI Research. “Jika Anda memiliki pabrik manufaktur yang berukuran cukup besar — beberapa ratus ribu kaki persegi — mulailah dengan pemantauan kondisi atau pelacakan aset. Pelacakan aset akan jauh paling relevan, karena itu membantu biaya, itu membantu perusahaan tetap terorganisir.” Pemeliharaan prediktif adalah titik awal lainnya, karena “tidak masuk akal untuk mengirim seseorang untuk memeriksa semua pemadam kebakaran yang berbeda yang ada di luar secara bulanan jika hanya empat dari mereka yang perlu diganti.”
Paquin setuju bahwa manajemen aset adalah titik awal yang baik untuk AI yang ditingkatkan IoT, bersama dengan sistem kualitas berbasis visi. Selain itu, “semua penyedia ERP besar mencoba menenun AI ke dalam aplikasi mereka, terutama di sisi keuangan dan sisi perencanaan.”
Para panelis juga membahas penggunaan digital twin untuk manufaktur, baik itu menerapkan digital twin untuk sebuah bagian, untuk sebuah mesin, untuk seluruh pabrik, untuk produk di pabrik. “Manufaktur adalah ruang yang sangat besar untuk digital twin,” kata Eslami. “NASA mulai menerapkannya pertama, GE melakukannya untuk mesin jet, Siemens melakukannya untuk energi alternatif, Chevron melakukannya untuk distribusi lapangan minyak. “Hal yang hebat tentang digital twin adalah di bawah semuanya adalah model, yang mengambil data dan dapat menguji berbagai keadaan dan situasi. Dengan AI, Anda dapat memasukkan dan menguji beberapa variabel secara real-time, dan menyesuaikan performa, dan melihat bagaimana itu akan bereaksi seiring waktu. Ini adalah penghematan biaya besar.”
Kedatangan yang akan datang dari jaringan 5G — yang akan lebih memfasilitasi jaringan mesin-ke-mesin real-time — juga dieksamin. “5G akan terjadi seperti 4G hadir lebih cepat dari 3G, 5G akan hadir lebih cepat dari 4G,” Martin memprediksi. “Yang menarik tentang 5G adalah kemampuan yang datang dengan itu — jaringan deterministik. Itu berarti, ‘oke, lebih penting untuk memberitahu robot itu untuk berhenti daripada sensor getaran terus berjalan. Itu akan datang dengan spesifikasi 5G di jalan depan, dalam kerangka waktu 2021 sampai -2025.”
Martin menambahkan bahwa “akan memakan waktu sebelum Anda benar-benar mulai melihat hal-hal, tetapi percobaan awal yang kita lihat dengan 5G sangat memaksa, teknologi melakukan apa yang mereka katakan, ini hanya masalah membungkus standar yang tepat di sekitarnya dan mendapatkannya ke pasar. ”
