Mengapa Produsen Harus Menerima AI & Big Data untuk Keunggulan Bersaing
Manufacturing Global berbicara dengan pemimpin eksekutif di EY, Infor, dan GE Digital untuk menjawab pertanyaan ini. Meskipun dorongan untuk mentransformasi secara digital industri manufaktur telah menjadi topik pembicaraan selama sepuluh tahun terakhir, peristiwa terbaru hanya meningkatkan kebutuhan akan ketangguhan, skalabilitas, dan ketahanan yang dapat disediakan oleh Industri 4.0 dan kemampuan manufaktur cerdas. Dengan berbicara dengan Cobus Van Heerden, Senior Digital Product Manager di GE Digital, Mark Powell, Partner di EY (UKI Consulting), dan Phil Lewis, Vice President, Solution Consulting EMEA di Infor, Manufacturing Global melihat bagaimana teknologi yang memanfaatkan AI dan Big Data dapat membantu produsen membuka visibilitas operasional real-time untuk mencapai keandalan dan kinerja proses yang ditingkatkan.
Aplikasi Saat Ini Kecerdasan Buatan (AI) dan Big Data di Industri Manufaktur
CVH: Industrial AI menggunakan kombinasi teknologi AI yang ditargetkan, data, fisika, dan pengetahuan domain yang dalam untuk mengatasi tantangan bisnis industri utama. AI tradisional meniru kecerdasan manusia, sedangkan industrial AI membangun di atasnya untuk membuka wawasan dan menentukan pengetahuan kausal dalam lingkungan industri yang berisiko tinggi, dinamis, dan bervariasi. Dalam Manufaktur, Industrial AI dapat digunakan untuk mendeteksi dan memprediksi masalah proses dan aset kunci untuk membantu perusahaan mengoptimalkan operasinya termasuk kapasitas, kualitas, dan struktur biaya.
PL: Definisi buku teks AI atau Big Data melewati poin bahwa industri berbeda dan akan memiliki kebutuhan yang sangat berbeda terhadap teknologi. Ini tentang penerapan teknologi tertentu pada masalah spesifik yang mungkin dialami bisnis. Masalah ini dapat menjadi masalah ‘standar industri’ atau sesuatu yang muncul dalam konfigurasi teknologi. Namun, nilai terbesar ada dalam penerapan alat seperti Big Data dan AI pada 10% kritis bisnis yang benar-benar unik. Kami mengklasifikasikan ini sebagai pembagian 60/30/10 dan ini adalah cara kami menerapkan teknologi ini untuk menghasilkan nilai maksimal.
Bagi Produsen yang Ingin Menerapkan Industri 4.0 dan Kemampuan Manufaktur Cerdas, Mengapa Menggunakan AI dan Big Data?
CVH: Manufaktur cerdas menerapkan analitik industri lanjutan untuk memprediksi kinerja aset dan proses di masa depan menggunakan data real-time dan historis dan mengoptimalkan dalam loop tertutup. Ini melibatkan penggunaan AI dan pembelajaran mesin untuk memungkinkan insinyur proses menggabungkan data di seluruh sumber data industri dan dengan cepat mengidentifikasi masalah, menemukan penyebab akar masalah di pabrik, memprediksi kinerja aset di masa depan, dan mengotomatisasi tindakan yang dapat diambil karyawan untuk meningkatkan kualitas, produktivitas, dan operasi.
MP: Digitalisasi memaksa produsen untuk mengimajinasi kembali rantai pasokan mereka. Sebagai contoh, sebagian besar perusahaan menggunakan data internal untuk melacak keseimbangan permintaan-pasokan dan sulit bagi mereka untuk memprediksi peristiwa eksternal yang mempengaruhi rantai pasokan mereka. Dengan menggunakan teknik AI yang memahami set data eksternal terstruktur, seperti media sosial dan data lain tentang peristiwa, produsen dapat merencanakan gangguan rantai pasokan lebih awal.
Selain itu, produsen dapat menggunakan AI dan Big Data untuk membangun replika digital dari operasi manufaktur mereka dan memanfaatkan kemungkinan transformatif untuk mengurangi waktu siklus produksi, menambahkan kapasitas manufaktur, dan memprediksi aktivitas pemeliharaan tidak terjadwal, dll.
PL: Beberapa statistik poster child untuk AI dan Big Data cukup menuntut perhatian. Baru-baru ini, Siemens mengotomatisasi salah satu pabriknya di Jerman, dengan 75% proses yang diigitalisasi atau memiliki otomatisasi yang ditingkatkan. Produktivitas meningkat sebesar 1.400%. Ini mengubah aturan permainan bagi bisnis apa pun. Ini berarti banyak produsen kini mempertimbangkan bagaimana mereka menghubungkan AI dan Big Data ke dalam rencana masa depan mereka.
Strategi Terbaik bagi Produsen yang Berusaha Merealisasikan Nilai AI dan Big Data dalam Operasi Mereka
CVH: Insinyur proses memiliki keahlian domain yang luar biasa untuk menyusun model proses — atau Process Digital Twins — dan dapat menginterpretasikan model-model tersebut. Ini adalah fondasi untuk meningkatkan keunggulan bersaing dan sukses dengan analitik. Untuk mendorong analitik dan meningkatkan proses, produsen harus menyusun strategi yang dapat menyelaraskan keahlian domain dengan lima kemampuan: Analisis - identifikasi penyebab akar otomatis mempercepat perbaikan berkelanjutan; Pemantauan - peringatan awal mengurangi waktu henti dan limbah; Prediksi - tindakan proaktif meningkatkan kualitas, stabilitas, dan keandalan; Simulasi - simulasi what-if mempercepat keputusan yang akurat dengan biaya lebih rendah; dan Optimasi - titik set proses optimal meningkatkan throughput dengan kualitas yang dapat diterima hingga 10 persen.
Semua insinyur proses dapat dan perlu mengembangkan kemampuan dalam analitik dan pembelajaran mesin untuk tetap bersaing. Seiring waktu, insinyur dapat pergi dari proyek kecil ke pilot ke optimasi multi-pabrik dengan aplikasi analitik yang dalam. Keahlian domain yang dalam mereka memberikan fondasi untuk memodelkan proses dan mengembangkan analitik yang mengubah aturan permainan dalam aplikasi yang sangat spesifik.
Yang paling penting, mulailah dengan analitik. “Trystorm” beberapa proyek; uji ide intuitif Anda dan tempelkan data dan analitik di baliknya. Jangan menunggu hingga menjadi ahli data science. Itu tidak diperlukan. Manfaatkan alat analitik industri yang mudah digunakan dan terbukti yang dipenuhi dengan keahlian domain Anda. Ini akan menghasilkan perbaikan besar dengan cepat.
PL: Bisnis — termasuk produsen — cenderung menilai proyek digital dengan fokus pada pelanggan, rantai pasokan, efisiensi internal, atau orang — itu adalah empat penggerak utama untuk setiap langkah ke digital. Ini seringkali organis dan muncul dari sikap ‘bagaimana kita bisa lebih baik’ yang berkelanjutan. Ini telah dipercepat oleh kekhawatiran persaingan karena perusahaan kini takut ketinggalan dari persaingan dan pemasok baru yang mengganggu. Terdapat ketakutan yang terasa tentang relevansi digital dan ini mendorong banyak investasi.
Namun, layak untuk dicatat bahwa banyak produsen telah berinvestasi banyak dalam teknologi (bahkan sebelum COVID memaksa pergeseran ke digitalisasi) jadi titik pertama definisi adalah menyelaraskan AI dan Big Data dengan teknologi yang sudah ada. Saat bisnis menilai teknologi yang digunakan saat ini, mereka perlu mengingat tidak hanya perspektif jangka pendek apakah teknologi akan menangani proses saat ini tetapi juga apakah itu menyediakan platform untuk masa depan? Perspektif terakhir ini dibangun pada data. Kedua elemen sama pentingnya tetapi yang kedua ‘perspektif platform’ membutuhkan big data. Tidak cukup lagi untuk memilih platform yang hanya mendukung/menyesuaikan proses yang berlangsung — harus ada kemampuan masa depan yang built-in.
Kemudian ada kebutuhan untuk memastikan bahwa teknologi ini diimplementasikan dengan cara terbaik. Ini menuntut lanskap aplikasi cloud terbuka sehingga bisnis dapat merebut peluang baru seperti Big Data atau AI tanpa harus melalui proses integrasi dan bolt-on yang rumit. Ini membuat organisasi lebih tangkas, fokus pada aplikasi kreatif teknologi terhadap kebutuhan bisnis, seperti mengidentifikasi peluang pendapatan baru.
Tantangan dalam Menerapkan Analitik AI dan Big Data ke dalam Operasi Manufaktur
CVH: Produsen dituntut untuk mengurangi limbah, biaya, dan risiko sambil memenuhi permintaan pelanggan. Kombinasi AI dan data memberikan percepatan digitalisasi melalui solusi berbasis analitik yang memberdayakan pekerja dengan data dalam konteks sehingga orang, aset, dan proses bekerja sama secara efisien.
Tantangan lain bagi perusahaan adalah hanya memulai. Mereka ingin belajar lebih banyak tentang cara menggunakan analitik dalam operasi mereka tetapi tidak melihatnya sebagai tugas untuk tenaga kerja saat ini. Untungnya, solusi Industrial AI dapat membantu dan tidak memerlukan insinyur proses untuk menjadi data scientist.
MP: Tantangan kunci dalam menerapkan AI akan bergantung pada kemampuan produsen untuk menetapkan selarasan di seluruh organisasi pada beberapa area nilai tinggi di mana AI akan memberikan dampak. Contohnya, menggunakan pembelajaran mesin dan visi komputer untuk memprediksi dan mengidentifikasi kesalahan pada peralatan sebelum mereka terjadi, sehingga mengurangi waktu henti produksi dan menurunkan biaya pemeliharaan. Tantangan lain adalah membangun budaya penginfusan AI ke dalam proses mereka melalui budaya coba dan pelajari.
Terlalu lama, organisasi telah berbicara tentang menjadi ‘data driven’ dan ini secara umum tidak bekerja sebaik yang diharapkan. Produsen perlu mengambil pendekatan yang berbeda yang dimulai dengan memahami di mana nilai dapat dihasilkan dari wawasan baru dan kemudian fokus pada data yang diperlukan untuk mendorong wawasan yang kemudian dapat mendorong nilai bisnis. Organisasi perlu menjadi ‘insight-driven and data enabled’ dan tidak hanya ‘data driven’ — baru kemudian mereka akan benar-benar memanfaatkan kekuatan AI dan big data.
PL: Ini semua tentang bagaimana sikap terhadap data telah berubah. Sebelumnya dilihat sebagai kejahatan yang diperlukan tetapi kini merupakan aset nomor satu dalam bisnis. Biasanya ini mendorong obsesi dengan label big data tetapi apa yang Anda lakukan dengan data itulah yang penting — menggunakan AI / BI / IoT dll untuk mengubah data tersebut menjadi aset yang benar-benar berharga. Industri otomotif adalah contoh utama — menggunakan dan menjual data yang dihasilkan oleh mobil. Menariknya, kini kami hampir menganggap ‘cloud’ sebagai sesuatu yang wajar — jika kami menjawab pertanyaan ini 24 bulan yang lalu, cloud akan menjadi pertimbangan pertama, tetapi kini itu merupakan standar. Tidak lagi apakah bisnis akan cloud tetapi lebih banyak pertanyaan tentang jenis cloud/penggunaan cloud? — Kami telah jauh melampaui percakapan infrastruktur — bagaimana dan ke apa — dan ke mengapa bisnis ingin memeluk digital.
Apakah Kecerdasan Buatan (AI) dan Big Data Menggerakkan Revolusi Industri Keempat (Industri 4.0)?
CVH: Kombinasi Industrial AI dan data menghasilkan apa yang kami sebut Process Digital Twin yang membantu produsen untuk dengan cepat memecahkan masalah kinerja proses manufaktur kontinu, diskrit, atau batch dengan menambang wawasan dari data sensor dan produksi yang tersedia. Teknologi ini, yang memanfaatkan analitik prediktif, memungkinkan pengguna untuk menganalisis skenario operasional, mengkualifikasi dampak perubahan operasional terhadap metrik kinerja kunci dan mengidentifikasi penyebab variasi kinerja. Digital Twins menginspirasi perbaikan berkelanjutan, tujuan utama dari masa depan industri dengan melihat kembali ke data historis serta real-time untuk bergerak maju dengan cepat.
PL: Kami melihat peningkatan harian dalam penggunaan AI/ML — optimisasi inventaris, pemeliharaan, proses keuangan yang lebih cepat adalah semua area kunci yang kami lihat muncul banyak kali. Untuk hal ini berlanjut, dan return on investment berlanjut, AI perlu terintegrasi dan siap digunakan dengan sistem lain, alih-alih bolt-on, atau bisnis akan menghadapi proyek integrasi yang mahal dan biaya tinggi. Dalam hal teknologi spesifik berikutnya, tergantung pada maturitas perusahaan atau proyek individu — bisnis baru saja mencapai titik digital fabric daripada sekelompok proyek digital. Kerja preskriptif, yang didorong AI dan dipenuhi oleh massa data sensor, menjanjikan banyak hal untuk pasar B2B / industri dan kami melihat beberapa tanda awal yang sangat mengalahkan dalam pemeliharaan aset dan service lapangan.
