Dari AI World:Produsen Bersiap untuk Menambahkan AI ke IoT mereka
AI yang diperluas IoT membawa tiga manfaat utama bagi produsen:pengoptimalan rantai pasokan, manufaktur cerdas, dan inovasi produk atau layanan,
Ada banyak sekali data yang sekarang mengalir dari berbagai sisi IoT, jadi wajar untuk mulai memikirkan cara menerapkan kecerdasan buatan (AI) untuk memberikan wawasan berharga bagi bisnis. Bagi produsen, ini mungkin merupakan pengubah permainan, secara dramatis memotong biaya dan mempercepat hidangan utama mereka ke dalam bisnis jasa. Namun, banyak yang hanya di awal perjalanan ini.
Konvergensi yang akan datang antara IoT dan AI dieksplorasi pada panel pada konferensi AI World baru-baru ini di Boston, yang dimoderatori oleh Les Yeamans, editor eksekutif RTInsights.
Lihat juga: Jerman Mengubah Manufaktur menjadi Bentuk Seni IoT
Potensi AI yang diperluas IoT membawa tiga manfaat utama bagi produsen saat ini — pengoptimalan rantai pasokan, manufaktur cerdas, dan inovasi produk atau layanan, kata Reid Paquin, direktur riset IDC. Saat ini, tambahnya, “manufaktur pintar adalah tempat sebagian besar perusahaan memulai dan memfokuskan investasi mereka. Hal ini terutama berlaku untuk proses manufaktur, khususnya manajemen aset.” Di sisi manufaktur terpisah, katanya, “peluang besar adalah produk dan layanan — banyak produsen mencoba mengeluarkan produk lebih cepat, tetapi kemudian juga mencoba mengubah produk mereka menjadi campuran layanan, beralih ke servisisasi.”
Pindah ke perusahaan yang digerakkan oleh data dan AI mungkin membutuhkan waktu bagi banyak produsen, panelis setuju. “Dalam ilmu data atau proyek AI apa pun, langkah pertama adalah mengumpulkan dan mengatur data Anda,” kata Zachariah Eslami, pemimpin pengiriman, lab pakar data dan AI, dan pembelajaran untuk IBM. Tantangannya adalah menyatukan data dari berbagai bagian perusahaan, ia mengamati. “Masalahnya adalah masukan dari data dan pengumpulan data, gudang sering didistribusikan di antara kelompok TI yang berbeda, tim berbeda yang menggunakannya tanpa repositori atau katalog pengetahuan tunggal, yang dapat Anda ambil dan mendistribusikan data dan memanipulasinya, mengekstrak wawasan ini darinya.”
Tantangan lain untuk proyek IoT-AI adalah kurangnya keterampilan secara umum, lanjut Eslami. “Itu baik dalam arti mampu beradaptasi dengan ilmu komputer, memahami, dan belajar dan menggunakan notebook Python atau R, dan benar-benar mendapatkan pemahaman yang jelas tentang apa itu membersihkan data, menyiapkannya, dan kemudian mulai melakukan analisis pada data. itu, sehingga Anda dapat membuat model mesin di atasnya.”
Saat memulai perjalanan AI, “di mana Anda berdiri tergantung di mana Anda duduk,” kata Ryan Martin, analis utama di ABI Research. “Jika Anda memiliki pabrik manufaktur dengan ukuran yang layak — beberapa ratus ribu kaki persegi — mulailah dengan pemantauan kondisi atau pelacakan aset, Pelacakan aset akan menjadi yang paling relevan, karena membantu biaya, membantu perusahaan tetap terorganisir.” Pemeliharaan prediktif adalah titik awal lainnya, karena “tidak masuk akal untuk mengirim seseorang untuk memeriksa semua alat pemadam kebakaran berbeda yang ada di luar sana setiap bulan jika hanya empat 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 memasukkan AI ke dalam aplikasi mereka, terutama di sisi keuangan dan sisi perencanaan”.
Panelis juga membahas penggunaan kembar digital untuk manufaktur, apakah itu menerapkan kembaran digital untuk sebagian, untuk mesin, untuk seluruh pabrik, untuk produk di pabrik. “Manufaktur adalah ruang yang sangat besar untuk kembar digital,” kata Eslami. “NASA mulai mengimplementasikannya terlebih dahulu, GE melakukannya untuk mesin jet, Siemens melakukannya untuk energi alternatif, Chevron melakukannya untuk distribusi ladang minyak. “Hal hebat tentang kembar digital adalah bahwa yang mendasari 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 kinerja, dan melihat bagaimana hal itu akan bereaksi dari waktu ke waktu. Ini adalah penghematan biaya yang sangat besar.”
Kedatangan jaringan 5G yang akan datang – yang akan lebih memfasilitasi jaringan mesin-ke-mesin waktu-nyata – juga diperiksa. “5G akan terjadi seperti 4G keluar lebih cepat dari 3G, 5G akan datang lebih cepat dari 4G,” prediksi Martin. “Yang menarik dari 5G adalah kemampuan yang menyertainya — jaringan deterministik. Artinya, 'oke, lebih penting memberi tahu robot itu untuk berhenti daripada membiarkan sensor getaran terus berjalan.' Itu akan datang dengan spesifikasi 5G di masa depan, dalam jangka waktu 2021 hingga -2025.”
Martin menambahkan bahwa “akan butuh beberapa saat sebelum Anda benar-benar mulai melihat sesuatu, tetapi uji coba awal yang kami lihat dengan 5G sangat menarik, teknologinya melakukan apa yang mereka katakan, ini hanya masalah membungkus standar yang tepat. sekitarnya dan membawanya ke pasar. “
