Rockwell Automation: Memperkenalkan Pemantauan Jarak Jauh dan Analitik Cloud

Marc Baret, Director, EMEA industrial services, Rockwell Automation membahas masa depan otomatisasi untuk pemantauan jarak jauh dan analitik cloud 

Otomatisasi dengan cepat mengubah pekerjaan yang kita lakukan, tempat kita bekerja, dan bahkan cara kita mendefinisikan kerja. Forrester telah memprediksi bahwa satu juta pekerjaan pengetahuan akan digantikan oleh chatbot, software robotics, RPA dan virtual agents pada 2020 saja. Ini mungkin terdengar seperti peringatan yang menakutkan, tetapi laporan juga memperkirakan 331.500 pekerjaan akan ditambahkan ke tenaga kerja AS saja, ditingkatkan oleh peran yang membutuhkan empati, intuisi dan ketangguhan mental dan fisik.

Saat adopsi otomatisasi meningkat, hal ini akan memperkuat konektivitas dan keandalan dan membantu bisnis membuat data, sistem dan proses lebih dapat diakses dan tersedia. Namun, banyak firma manufaktur menemukan jalur mereka menuju otomatisasi dan strategi transformasi digital ditangguhkan oleh tingkat produktivitas dan risiko waktu henti yang sama.

Mengatasi ini mungkin melalui alat seperti predictive analytics dan maintenance yang bertindak sebagai ekstensi virtual dari tim mereka. Namun, menerapkan teknologi ini dengan sukses memerlukan keahlian eksternal tambahan. Untuk menjelajahi ini lebih jauh, berikut adalah lima jebakan utama yang kami lihadapi bisnis saat mereka mendekati transformasi digital dan saran untuk mengatasi mereka.

Jebakan #1: Risiko Keamanan Siber

Pelanggaran keamanan terus membuat berita besar karena dampak serius yang dapat mereka berikan pada bisnis. Pelanggaran tidak hanya berisiko kehilangan informasi sensitif tetapi juga gangguan, waktu henti dan masalah performa, serta kerusakan reputasi yang serius. Ini menyoroti pentingnya bagi bisnis untuk meningkatkan proses manajemen data mereka dan berinvestasi dalam infrastruktur IT mereka.

Dukungan predictive maintenance dapat membantu produsen menghindari masalah seperti itu dengan secara otomatis memantau pola yang tidak biasa dan segera mengidentifikasi tanda potensi pencurian data atau intrusi jaringan. Mereka juga memerlukan pendekatan komprehensif terhadap keamanan yang mencakup kebijakan dan prosedur dan menyediakan lapisan pertahanan terhadap risiko orang, proses dan teknologi.

Jebakan #2: Memiliki Terlalu Banyak Data

Bisnis menghasilkan volume data yang besar yang, ketika digunakan dengan benar, dapat menjadi aset yang sangat berharga. Namun, banyak organisasi manufaktur tidak tahu cara memanfaatkan data mereka sebaik mungkin, dan akibatnya, tidak mengoptimalkan alur kerja atau proses produksi mereka dengan cara yang memungkinkan mereka untuk mengumpulkan wawasan dan hasil terbaik.

Memahami jumlah data yang besar adalah kunci untuk menyelesaikan tantangan terbesar yang dihadapi organisasi. Namun, keterampilan dan kemampuan yang diperlukan untuk melakukannya jarang menjadi bagian dari inti kompetensi bisnis. Oleh karena itu, penting untuk bekerjasama dengan ahli data terpercaya yang dapat mengumpulkan informasi yang tepat, menyimpannya dan menyajikannya dengan cara yang memungkinkan mereka untuk membuat keputusan bisnis yang paling efektif.

Jebakan #3: Manajemen Data yang Buruk

Bisnis mengumpulkan lebih banyak data dari sebelumnya, tetapi sekadar memiliki jumlah data yang besar tidak cukup. Mereka membutuhkan alat yang membantu mereka memanfaatkan data mereka dengan lebih baik dan memahami informasi yang mereka miliki.

Nilai sebenarnya dari otomatisasi terletak pada IP yang dimiliki bisnis tentang pelanggan, proses dan desain produk mereka. Memanfaatkan AI dan machine learning memungkinkan mereka menganalisis jumlah informasi yang besar, membentuk hipotesis dan menciptakan pola data yang signifikan, dan melatih model pembelajaran untuk menemukan yang tidak diketahui. Selanjutnya, tim data akan dapat mencoba lebih banyak kasus penggunaan dalam waktu yang sangat singkat, yang akan membantu mereka membuat langkah besar dalam memahami data mereka.

Potensi kemajuan AI ini disoroti oleh analisis McKinsey yang menemukan bahwa teknik deep learning yang paling canggih dapat mencakup hingga $5,8 triliun nilai tahunan. Dalam dua pertiga dari 400 kasus uji, AI meningkatkan performa di luar yang diaktifkan oleh teknik analitik lainnya. Tanpa kemampuan untuk mengumpulkan jumlah data yang besar dari berbagai platform dan bertindak padanya secara efektif, produsen akan terus kesulitan untuk menarik kesimpulan efektif tentang perubahan dan produktivitas di pabrik mereka.

Jebakan #4: Tidak Mengikuti Kecepatan Teknologi

Jumlah buzzword yang mengelilingi transformasi digital seringkali mengganggu dan bahkan mengiritasi bisnis yang hanya ingin teknologi bekerja. Banyak penyedia juga menuntut investasi besar di awal, yang dapat menjadi prospek yang menakutkan dan dapat membuat bisnis tertunda ketika proyek tidak berhasil. Selain itu, terkunci pada satu vendor atau deployment dapat mengakibatkan perusahaan tertinggal dari pesaing mereka.

Oleh karena itu, penting untuk bekerja sama dengan penyedia yang menawarkan pilot atau prototype sebelum deployment apa pun yang mewakili pergeseran teknologi yang besar. Ini akan memberikan visi langkah demi langkah tentang bagaimana proses akan bekerja, memberikan milestone, dan membantu bisnis memahami bagaimana proses akan bekerja dan apa ROI yang diharapkan mereka. Mitra teknologi terpercaya perlu menjadi ekstensi dari tim jika mereka akan membantu bisnis merealisasikan tujuan dan KPI mereka.

Jebakan #5: Kurangnya Keahlian

Bahkan dengan teknologi otomatisasi yang tepat yang ada, bisnis seringkali masih membutuhkan dukungan eksternal dari orang dengan pengalaman dan keahlian yang tepat. Ini kini dapat dicapai dengan menggunakan augmented reality untuk menyediakan remote application support dan overlay informasi bagi insinyur untuk diikuti.

Seperti dengan deployment teknologi apa pun, itu perlu sesuai dengan budaya bisnis dan apa yang paling sesuai dengan kebutuhan spesifik mereka. Namun, bisnis yang lambat bergerak pada jenis teknologi emerging ini berisiko nyata untuk tertinggal.

Terima Masa Depan Otomatisasi

Memenuhi tantangan utama produktivitas yang lebih baik dan waktu henti yang lebih rendah mungkin dengan praktik teknologi yang tepat dan mitra teknologi yang tepat yang ada. Dengan memahami jebakan umum yang diuraikan di atas, firma manufaktur dapat lebih baik menavigasi jalur mereka menuju masa depan otomatisasi. Namun, digitalisasi bukan sesuatu yang dapat mereka capai sendiri.

SEE ALSO:

• C3.ai: delivering leading enterprise AI software

• AWS: smarter manufacturing with cloud and IoT technology

• How smart technology is transforming the industrial world

• Read the latest issue of Manufacturing Global here

Untuk informasi lebih lanjut tentang topik manufaktur - silakan lihat edisi terbaru Manufacturing Global

Ikuti kami di LinkedIn dan Twitter.