Produsen Kecil Menjadi Ramping dengan Kecerdasan Buatan
Kecerdasan buatan secara luas diakui sebagai aspek penting dari apa yang secara luas disebut sebagai Industri 4.0. Meskipun belum ada yang tahu bagaimana kecerdasan buatan akan dimasukkan ke dalam fase berikutnya dari Revolusi Industri, sebagian besar setuju bahwa itu akan memungkinkan konektivitas yang lebih besar antara manusia, mesin, dan teknologi informasi, memungkinkan produsen untuk lebih mengoptimalkan proses dan memprediksi masalah.
Bagaimana produsen kecil dan menengah (SMM), yang biasanya tidak memiliki waktu atau modal yang diperlukan untuk menguji teknologi yang muncul, dapat mengevaluasi bagaimana kecerdasan buatan dapat memengaruhi organisasi mereka — dan berperan dalam mempersiapkan mereka untuk Industri 4.0 ?
Menunggu sektor manufaktur untuk memutuskan, boleh dikatakan, bukanlah pilihan. Penundaan satu, dua, atau lima tahun dapat menyebabkan produsen tertinggal. Waktu untuk bertindak adalah sekarang, tetapi jalan ke depan belum jelas.
Salah satu cara untuk mengatasinya adalah dengan mengevaluasi kecerdasan buatan melalui transformasi berkelanjutan yang telah diterapkan oleh banyak SMM:lean manufacturing.
Menempatkan "Terus-menerus" dalam Peningkatan Berkelanjutan dengan Kecerdasan Buatan
Inti dari filosofi lean adalah gagasan perbaikan terus-menerus. Ini adalah komitmen untuk perubahan yang berkelanjutan. Untuk melakukan lean, kemauan untuk berubah harus dipertahankan setiap saat sehingga ketika peluang untuk perbaikan diidentifikasi, itu dapat diimplementasikan dengan cepat.
Perbaikan lean dilakukan melalui intervensi. Jika masalah diidentifikasi, katakanlah dalam suatu proses, pekerjaan dihentikan. Anggota tim dipanggil untuk mengamati, menarik kesimpulan, membuat penilaian, dan akhirnya mengambil tindakan yang mengatasi penyebab masalah. Operasi intermiten ini adalah cara kerja lean, meskipun ritme stop-start-nya tampaknya secara fundamental bertentangan dengan gagasan perbaikan terus-menerus. Namun, itulah yang saat ini layak — atau setidaknya mungkin secara manusiawi.
Sekarang, bagaimana jika Anda tidak perlu menghentikan pekerjaan untuk melakukan operasi lean? Bagaimana jika Anda dapat melakukan sebagian besar proses lean yang mendasar (mengamati, menarik kesimpulan, membuat penilaian, mengambil tindakan) saat pekerjaan sedang berlangsung, membuat proses lean lebih berkelanjutan? Ini adalah salah satu janji utama kecerdasan buatan untuk operasi manufaktur skala apa pun.
Di mana Operasi Lean Dapat Dimulai dengan Kecerdasan Buatan
Kecerdasan buatan adalah bidang yang luas yang mencakup berbagai teknologi — mulai dari algoritme yang mampu belajar dari kumpulan data hingga robot yang menyerupai sesuatu dari cerita fiksi ilmiah.
Sejauh menyangkut produsen kecil, jenis kecerdasan buatan yang terutama harus mereka perhatikan adalah sub-disiplin yang disebut pembelajaran mesin. Seperti yang didefinisikan Amit Manghani dalam bukunya “A Primer on Machine Learning:”
Manghani selanjutnya menguraikan empat jenis pembelajaran mesin, yang semuanya dapat memiliki aplikasi untuk manufaktur ramping. Namun, ini mengasumsikan bahwa produsen kecil bersedia berinvestasi dalam daya komputasi untuk menyediakan data yang diperlukan untuk analisis komputasi:
- Pembelajaran mesin yang diawasi
- Pembelajaran mesin tanpa pengawasan
- Pembelajaran mesin semi-diawasi
- Penguatan pembelajaran mesin
Mari kita jelajahi masing-masing dari empat peluang ini untuk menerapkan pembelajaran mesin ke lean manufacturing dengan sedikit lebih detail di bawah ini:
1. Pembelajaran Mesin yang Diawasi
Dalam pembelajaran mesin yang diawasi, algoritme mengurai data yang masuk, menetapkan label ke setiap datum yang memenuhi kriteria yang telah ditentukan. Produsen lean dapat menggunakan teknik semacam itu untuk mengotomatiskan kontrol kualitas untuk suku cadang yang kompleks, misalnya, dengan asumsi data suku cadang yang relevan dapat direkam dan tersedia untuk algoritme.
2. Pembelajaran Mesin Tanpa Pengawasan
Dengan pembelajaran mesin tanpa pengawasan, tidak ada jawaban yang ditentukan sebelumnya yang dapat digunakan algoritme untuk mengurutkan data. Sebaliknya, algoritme harus mengamati dan mengevaluasi data saat terakumulasi, mengidentifikasi pola, dan membuat label yang muncul. Jenis pembelajaran mesin ini dapat digunakan oleh produsen lean untuk memantau mesin produksi — atau serangkaian mesin berjaringan — untuk perilaku yang tidak biasa dan dengan demikian mengantisipasi kegagalan fungsi.
3. Pembelajaran Mesin Semi-Diawasi
Seperti namanya, pembelajaran mesin semi-terawasi menggabungkan pendekatan yang diawasi dan tidak diawasi. Dalam skenario semi-diawasi, ada beberapa label yang ada untuk data. Kriteria lain juga dikembangkan oleh algoritma dari waktu ke waktu dengan bantuan pengawasan manusia. Skenario semi-diawasi dapat berguna untuk mengoptimalkan produksi suku cadang berulang, yang berpotensi menghilangkan limbah suku cadang dan proses.
4. Pembelajaran Mesin Penguatan
Dalam skenario penguatan, sebuah algoritma memproyeksikan tindakan mana, dari serangkaian tindakan yang mungkin, akan menghasilkan hadiah tertinggi. SMM yang terlibat dalam proses transformasi lean dapat menggunakan jenis pembelajaran mesin ini untuk mempertimbangkan jalur berbeda menuju perubahan berorientasi proses yang mereka bayangkan.
Pembelajaran Mesin Dapat Melengkapi Lean Manufacturing
Berfokus pada pembelajaran mesin, orang dapat mulai melihat bagaimana ada aplikasi untuk kecerdasan buatan yang berguna dan dapat diakses oleh sebagian besar produsen, berapa pun ukurannya. Dalam beberapa kasus, potongan teka-teki mungkin sudah tersedia dalam bentuk data yang dikumpulkan oleh sensor mesin yang sudah terpasang, infrastruktur teknologi informasi (TI) dan teknologi operasional (OT) yang ada.
Saat SMM mulai mempertimbangkan aplikasi untuk kecerdasan buatan, penting untuk diingat bahwa tidak satu pun dari skenario ini yang secara otomatis mengancam ketersediaan pekerjaan bagi manusia. Sebaliknya, ide-ide ini dapat diwujudkan dengan cara yang melengkapi proses lean yang memberdayakan pekerja dengan memberi karyawan akses ke informasi real-time dan alat yang lebih baik untuk pemecahan masalah dan eksekusi di tempat kerja.
Sebuah analogi yang berguna adalah teknologi sensor mobil saat ini, yang melengkapi kesadaran dan persepsi pengemudi manusia. Teknologi ini tidak hanya meningkatkan keselamatan, tetapi juga membantu memastikan bahwa ada lebih sedikit gesekan dalam sistem mengemudi secara keseluruhan dengan menyelaraskan perilaku semua orang di jalan. Dengan cara ini, teknologi keselamatan mobil tidak membuat siapa pun keluar dari persamaan mengemudi — mereka membuat pengalaman berkendara menjadi lebih aman dan efisien.
Jika kita mengambil perspektif ini, kecerdasan buatan dapat dilihat hanya sebagai alat lain di kotak alat lean — meskipun alat ini berpotensi sangat kuat.
