Bagaimana AI Mendorong Efisiensi dan Inovasi dalam Manufaktur Modern
Industry 4.0 telah menjadi lebih dari sekadar kata kunci di dunia manufaktur; ini adalah realitas baru. Realitas yang telah dipercepat oleh pandemi Covid-19. Selama tiga bulan pertama pandemi melanda, digital maju setara dengan sepuluh tahun, baik bisnis maupun konsumen menyesuaikan diri dengan dunia online.
Pilar kunci bisnis yang siap untuk masa depan - kelincahan, ketangguhan dan inovasi - semuanya dapat dibantu dengan investasi dalam solusi digital. Dengan tekanan untuk menyederhanakan operasi, mengurangi biaya dan memaksimalkan pendapatan, transformasi digital telah menjadi keharusan.
“Pemenang dalam transformasi digital menggunakan teknologi gangguan untuk menangani tantangan bisnis, mendorong perbaikan melalui aplikasi praktis. Mengdigitalisasi proses operasional adalah kunci bagi produsen untuk mengatasi permintaan dan tantangan krisis, dan dianggap langkah alami ke depan dalam evolusi manufaktur,” kata Jonathan Whiteside, Principal Technology Consultant di Dept.
“Untungnya, inovasi telah mencapai titik di mana teknologi muncul seperti AI dan Internet of Things (IoT), tersedia luas, membantu mempercepat transformasi bisnis manufaktur tradisional. Ada tiga area kunci di mana produsen dapat menerapkan AI untuk menjadi lebih tangguh dan meningkatkan bottom line: peramalan, pemeliharaan kondisional dan komunikasi.”
#1 - Perencanaan permintaan dan peramalan
Machine Learning memiliki kemampuan untuk mengotomatisasi analisis dan mendeteksi pola data pada tingkat yang mustahil bagi manusia untuk dicapai. Itu dapat membawa segmentasi data di luar kluster kata kunci sederhana dan membuka kesempatan untuk memperoleh informasi dari sumber data baru. Saat diterapkan pada model peramalan, hasilnya mengesankan. Menurut , peramalan yang didukung AI dapat mengurangi kesalahan sebesar 30 hingga 50 persen dalam jaringan rantai pasokan. Akurasi yang ditingkatkan mengarah hingga 65 persen penurunan penjualan yang hilang karena situasi inventori out-of-stock dan biaya gudang menurun sekitar 10 hingga 40 persen. Dampak AI dalam rantai pasokan antara $1,2T dan $2T
Dengan statistik itu dalam pikiran, tidak heran machine learning diterima oleh perencana permintaan di seluruh industri. Kecepatan dan akurasi peramalan machine learning memberikan banyak manfaat, dengan perbaikan pada pengalaman pelanggan sebagai hasil dari ketersediaan yang ditingkatkan hanyalah ujung es bebeku. Ketika ada keyakinan dalam peramalan, tingkat stok pelindung dapat diturunkan, sehingga mengurangi modal kerja dan membebaskan ruang berharga. Peramalan yang lebih baik dapat memberikan penghematan di seluruh rantai nilai dari perencanaan transportasi yang ditingkatkan hingga jadwal tenaga kerja yang dioptimasi.
Meningkatkan akurasi peramalan permintaan menunjukkan hasil yang solid di seluruh industri dengan produsen Barang Konsumsi Kemasan memimpin paket. Perusahaan multinasional Prancis Danone Group meningkatkan koordinasi perencanaan di seluruh pemasaran, penjualan, manajemen akun dan rantai pasokan dengan machine learning. Melalui pemodelan permintaan yang didorong AI, dan mencapai tingkat layanan sasaran untuk inventori channel atau tingkat toko. Sistem ini mengakibatkan penurunan kesalahan peramalan sebesar 20 persen, penurunan penjualan yang hilang sebesar 30 persen, penurunan usangnya produk sebesar 30 persen, dan penurunan beban kerja perencana permintaan sebesar 50 persen.
Machine learning dan AI tidak hanya mempengaruhi bagaimana perusahaan memproduksi, tetapi juga apa mereka memproduksi. Dengan kekuatan untuk mengidentifikasi selera konsumen yang berubah, melalui menganalisis data dan melihat tren, perusahaan makanan kemasan dapat bereaksi dengan mengubah bahan untuk membuat spesial waktu terbatas yang akan bergema dengan konsumen. Ada juga peluang besar untuk mengidentifikasi area potensi untuk ekspansi produk sambil mempercepat proses untuk peluncuran yang lebih tepat waktu.
#2 - Pengembangan dan pemeliharaan
Memelihara peralatan manufaktur secara manual adalah mahal dan memakan waktu, ditambah berisiko tinggi terhadap kegagalan peralatan, yang menimbulkan dampak besar pada jadwal produksi dan menurunkan produktivitas. Karena alasan ini, memprediksi kapan mesin kemungkinan akan gagal adalah penggunaan AI yang paling populer dalam manufaktur saat ini.
“Downtime yang tidak terencana dapat dicegah dengan pemeliharaan prediktif. Produsen dapat membuat rencana perlindungan kelayakan aset yang menunjukkan kapan akan paling layak untuk meningkatkan peralatan dengan merespons peringatan dan menyelesaikan masalah kecil saat terjadi. Algoritma machine learning terpantau dan tidak terpantau menafsirkan pergeseran dalam data waktu nyata. Dalam hitungan detik dapat mendeteksi proses, produk dan workflow yang sebelumnya tidak diketahui dengan memanfaatkan berbagai jenis data,” kata Whiteside.
Data sensor dikumpulkan dari peralatan itu sendiri mendeteksi panas, getar dan gerakan, sementara data PLC (programmable logic controller) melacak input dan output mesin. Data computer vision ditangkap dari kamera di sekitar pabrik, dan data time series menentukan keadaan mesin berdasarkan histori. Sumber data eksternal yang relevan juga dipertimbangkan, seperti kondisi cuaca yang berubah atau efek domino dari peralatan terkait. Temuan ini menyediakan sumber data kontekstual yang luar biasa yang dapat digunakan untuk pelatihan model machine learning, pengembangan produk dan optimisasi produksi garis perakitan.
#3 - Strategi komunikasi
AI dan machine learning bukan hanya untuk proses operasional. Kemampuannya untuk mendeteksi pola dari berbagai sumber seperti audio, gambar dan video, dapat meningkatkan cara Anda berkomunikasi dengan pelanggan dan karyawan. Diterapkan pada saluran komunikasi Anda, bisnis dapat menghemat waktu yang besar.
Chat-bot AI dapat mengurangi tekanan pada call center Anda dan membebaskan tim penjualan lapangan untuk fokus pada akuisisi klien baru, sambil menyediakan jawaban yang tepat waktu dan relevan atas kueri klien Anda. Jika Anda menggunakan digital twin, Anda juga harus mengetahui siklus pemeliharaan dan kapan potensi upgrade atau masalah produk Anda mungkin terjadi. Mengotomatisasi proses komunikasi untuk memberitahu pelanggan Anda secepatnya sebelum mereka perlu menghubungi Anda akan mendapatkan pujian di bidang pelayanan pelanggan.
Melalui kemajuan konektivitas jaringan online, terbaru peluncuran perangkat terhubung 5G dan penguatan Bluetooth yang berkelanjutan, lebih mudah dari sebelumnya untuk menghubungkan berbagai perangkat yang memungkinkan fungsi bisnis utama. Ada dua cara ini terwujud: analisis data dan otomatisasi. Data yang saling terhubung ini sering dikumpulkan melalui perangkat lunak cloud, mengumpulkan data di satu tempat yang mudah diakses. Bisnis dapat menggunakan aplikasi cloud untuk mengumpulkan informasi tentang FAQ website yang paling banyak dicari, rekaman pemenuhan dan pengembalian, dan data sourcing bahan. Ini dapat melacak kapan pelanggan mulai mengalami masalah tertentu dengan produk, apakah masalah dapat diselesaikan melalui dukungan atau memerlukan pemanggilan balik, dan apakah itu sesuai dengan pesanan tertentu dari supplier. Bersama-sama, baik masalah dan solusi dapat disimpulkan.
Bergerak maju dengan solusi yang dapat diskalakan
Perusahaan manufaktur di seluruh mundo mempercepat digitalisasi sebagai respons terhadap tantangan yang ditimbulkan oleh pandemi Covid-19. Di Inggris, lebih dari dua dari lima produsen (43 persen) mengatakan bahwa untuk operasi bisnis mereka masing-masing selama tahun. Dan, meski hampir 95 persen produsen atau operator rantai pasokan global mengatakan mereka telah terpengaruh secara negatif oleh pandemi, 82 persen sekarang merasa siap untuk menangani peristiwa serupa di masa depan. Kunci yang mereka ambil adalah kemampuan untuk bertransformasi dan menerima pengikat digital.
Ambil inspirasi dan pembelajaran dari pemimpin global. Misalnya, dalam beberapa cara; mengoptimalkan konsumsi daya di pabrik selama produksi langsung; pemeriksaan kualitas yang dioperasikan mesin, dan menyesuaikan otonom posisi roter turbin angin untuk meningkatkan hasil farm angin. untuk membawa tingkat kontrol kualitas baru ke pusat manufaktur. Komponen manufaktur diperiksa dengan cermat menggunakan radiografi industri untuk memverifikasi integritas setiap bagian dan struktur internalnya.
Industri manufaktur lebih siap dari sebelumnya untuk menggunakan strategi AI, dan nilai melakukannya telah menjadi sangat jelas. Dengan fokus pada digitalisasi, mendekati pengguna akhir, dan berinovasi ekosistem digital untuk memastikan kebutuhan pelanggan dapat terpenuhi, produsen dapat menghindari komoditisasi, berada dalam posisi yang lebih baik untuk mengalahkan persaingan, dan memelihara loyalitas jangka panjang dari pelanggan baru dan yang sudah ada.
Untuk informasi lebih lanjut tentang topik manufaktur - silakan lihat edisi terbaru
Ikuti kami di dan .
