Membongkar Misteri AI di Industri Manufaktur: Strategi Berbasis Bukti bagi Investor
Produtor menghadapi tugas yang sulit dalam mengatur agenda inovasi saat ini. Kini, Industrial Internet of Things (IIoT), otomatisasi robotik, dan kecerdasan buatan (AI) semuanya diprediksi menjadi hal besar berikutnya. Namun, para pelaku di garis depan manufaktur cenderung waspada dalam mengadopsi inovasi—dan dengan alasan yang tepat. Terlalu sering, ekspektasi tidak terpenuhi, investasi modal terbuang sia-sia, dan eksperimen tidak menghasilkan keuntungan yang positif.
Alih-alih, banyak perusahaan memilih pendekatan "tunggu dan lihat". Mereka menunggu perusahaan pemimpin dengan anggaran lebih besar untuk menemukan cara membuat teknologi baru ini feasible, sambil mendidik seluruh pasar. Namun, AI berbeda. AI industri berfokus pada penggunaan data dari peralatan dan sensor untuk membuat prediksi cerdas dan mengotomatisasi pengambilan keputusan operasional. Produtor tidak dapat menunggu untuk menerapkan AI industri—hadiah yang ditawarkan terlalu besar. Meskipun ada mitos seputarnya, AI industri adalah kasus langka inovasi terjangkau tanpa kelemahan bawaan. Mari kita uraikan mitos-mitos tersebut satu per satu.
Mitos #1: AI Mahal
Meskipun semua inovasi berpotensi meningkatkan manufaktur, mereka sering memerlukan investasi besar. Namun, AI dapat mencapai hasil nyata tanpa investasi signifikan. Rahasia terletak pada mengetahui cara menerapkannya dan memanfaatkan upaya riset dan pengembangan yang sudah dilakukan oleh perusahaan berbasis internet. Memang, algoritma yang digunakan oleh Amazon dan Netflix kini dapat ditransfer ke implementasi lantai produksi offline. Bagi produsen, pekerjaan berat—mengembangkan dan menguji teknologi inti—telah diselesaikan dan dibiayai.
Namun, produsen harus memahami di mana di lantai produksi AI akan paling efektif diterapkan. Jangan tertipu oleh gagasan futuristik tentang "pabrik terhubung". AI dapat hadir dalam format yang jauh lebih sederhana dan praktis: mengoptimalkan proses yang ada dengan data yang ada. Dengan proses tradisional manufaktur—alur kerja yang sudah terbentuk, operasi 24/7, dan siklus hidup peralatan yang panjang—AI memiliki banyak bahan untuk bekerja.
Ini akan segera menjadi AI yang kita kenal. Terintegrasi secara tidak terlihat, AI akan meningkatkan area seperti pengeluaran bahan baku, efisiensi energi, dan throughput dengan pengambilan keputusan yang lebih tepat di setiap langkah. Yang lebih baik lagi, tidak diperlukan pengeluaran modal atau perangkat keras baru.
Mitos #2: AI Hanya Memberikan Hasil Nyata dalam Jangka Panjang
Biaya awal bukanlah satu-satunya kekhawatiran produsen saat berinvestasi dalam inovasi. Khawatir tentang waktu yang diperlukan untuk return on investment (ROI) juga dapat menundakan ambisi teknologis. Dalam manufaktur, penerapan teknologi inovatif dapat memakan waktu tahunan, dengan ROI kadang diukur dalam dekade. Prioritas lain campur tangan dan manajer mungkin menjadi kurang termotivasi ketika hasil akhir tidak terjamin.
Situasi berbeda dengan AI industri. Pembangunan model berbasis AI memakan waktu bulan-bulan, bukan tahun. Pengujian untuk mengukur hasil AI pada proses berkelanjutan hanya membutuhkan hari atau minggu. Setelah model diterapkan, ia segera menghasilkan nilai dengan menghasilkan hasil yang memandu perubahan strategis lebih lanjut.
Mitos #3: AI Mengganggu Proses yang Ada
Manusia secara alami khawatir terhadap perubahan, terutama ketika melibatkan perubahan proses yang sudah berfungsi. Satu perubahan sering mengarah pada perubahan lain, dan, sebagaimana manajer yang berpengalaman ketahui, meskipun teknologi berfungsi, proses integrasi dan adopsi bisa menjadi tantangan. Namun, ketika AI digunakan untuk mengoptimalkan proses, semuanya ini tidak berlaku.
Di tempat AI digunakan untuk optimisasi, tidak perlu mengubah ulang lini produksi atau melatih staf untuk menggunakan kontrol proses baru. Juga tidak diperlukan proyek integrasi IT yang kompleks—seringkali penyebab keluhan di antara CIO dan pengguna akhir. Sebaliknya, proses bisnis yang sama dilakukan dengan cara yang sama, namun dengan cara yang jauh lebih efisien. Misalnya, AI dapat menyarankan mode operasi peralatan terbaik atau jumlah bahan baku yang tepat, semuanya dalam antarmuka yang sama yang sudah digunakan operator. Satu-satunya hal yang terpengaruh oleh AI adalah laba bersih produsen.
AI telah lama berada pada radar manufaktur. Namun kini, dengan daya komputasi yang cukup dan data kritis yang tersedia, AI dapat dilakukan secara efektif. Ada sedikit alasan untuk menunda proyek AI; teknologi sudah ada dan ketakutan terhadap inovasi tidak berlaku. Dalam kasus AI, benar-benar tidak ada waktu yang lebih tepat dari sekarang.
