Produsen Kecil Aprovekan AI untuk Operasi Lean dan Efisiensi
Kecerdasan buatan (AI) diakui luas sebagai aspek penting dari yang secara luas disebut Industry 4.0. Meskipun belum ada yang tahu secara pasti bagaimana kecerdasan buatan akan diintegrasikan ke dalam fase berikutnya dari Revolusi Industri, sebagian besar setuju bahwa itu akan memungkinkan konektivitas yang lebih besar antara orang, mesin, dan teknologi informasi, memungkinkan produsen untuk mengoptimalkan proses dan memprediksi masalah dengan lebih baik.
Bagaimana produsen kecil dan menengah (SMMs), yang biasanya tidak memiliki waktu atau modal yang diperlukan untuk menguji teknologi yang berkembang, seharusnya mengevaluasi bagaimana kecerdasan buatan dapat mempengaruhi organisasi mereka — dan memainkan peran dalam mempersiapkannya untuk Industry 4.0?
Menunggu sektor manufaktur untuk memutuskan, demikianlah, tentu bukan opsi. Penundaan satu, dua, atau lima tahun dapat menyebabkan produsen tertinggal. Waktu untuk bertindak adalah sekarang, tetapi jalan yang harus ditempuh tidak jelas.
Salah satu cara untuk mengatasi hal ini adalah mengevaluasi kecerdasan buatan melalui transformasi berkelanjutan yang banyak SMMs telah terapkan: manufaktur lean.
Menempatkan “Berkelanjutan” dalam Peningkatan Berkelanjutan dengan Kecerdasan Buatan
Pusat filosofi lean adalah ide peningkatan berkelanjutan. Ini adalah komitmen terhadap perubahan berkelanjutan. Untuk melakukan lean, keinginan untuk berubah harus dipertahankan setiap saat sehingga ketika peluang untuk perbaikan diidentifikasi, itu dapat segera diterapkan.
Peningkatan lean melalui intervensi. Jika masalah diidentifikasi, katakanlah dalam 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 berhenti-mulainya seolah-olah secara fundamental bertentangan dengan ide peningkatan berkelanjutan. Itu adalah yang saat ini memungkinkan, 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 dasar (amati, tarik kesimpulan, buat penilaian, ambil tindakan) saat pekerjaan berlangsung, membuat proses lean lebih berkelanjutan? Ini adalah salah satu janji utama kecerdasan buatan untuk operasi manufaktur dalam skala apa pun.
Di Mana Operasi Lean Dapat Memulai dengan Kecerdasan Buatan
Kecerdasan buatan adalah bidang luas yang mencakup berbagai macam teknologi — segala sesuatu dari algoritma yang mampu belajar dari kumpulan data hingga robot yang mirip dengan sesuatu dari cerita science fiction.
Sejauh produsen kecil yang berhubungan, jenis kecerdasan buatan yang harus menjadi perhatian utama mereka adalah sub-disiplin yang disebut machine learning. Seperti yang didefinisikan Amit Manghani dalam “A Primer on Machine Learning:”
Manghani kemudian menguraikan empat jenis machine learning, semuanya yang dapat memiliki aplikasi untuk manufaktur lean. Ini mengasumsikan, namun, bahwa produsen kecil bersedia menginvestasikan daya komputasi untuk membuat data yang diperlukan tersedia untuk analisis komputasi:
- Supervised machine learning
- Unsupervised machine learning
- Semi-supervised machine learning
- Reinforcement machine learning
Mari kita jelajahi masing-masing dari empat kesempatan ini untuk menerapkan machine learning pada manufaktur lean dengan lebih detail di bawah ini:
1. Supervised Machine Learning
Dalam supervised machine learning, algoritma mengurai data masuk, memberikan label pada setiap data yang memenuhi kriteria yang telah ditentukan. Produsen lean dapat menggunakan teknik seperti ini untuk mengotomatisasi kontrol kualitas untuk bagian kompleks, misalnya, dengan asumsi data bagian yang relevan dapat direkam dan dibuat tersedia untuk algoritma.
2. Unsupervised Machine Learning
Dengan unsupervised machine learning, tidak ada jawaban yang ditetapkan sebelumnya yang dapat digunakan algoritma untuk mengurutkan data. Sebaliknya, algoritma harus mengamati dan mengevaluasi data saat berkumpul, mengidentifikasi pola dan membuat label yang muncul. Jenis machine learning ini dapat digunakan oleh produsen lean untuk memantau mesin produksi — atau serangkaian mesin terjaring — untuk perilaku yang tidak biasa dan dengan demikian mengantisipasi kerusakan.
3. Semi-Supervised Machine Learning
Seperti yang namanya tunjukkan, semi-supervised machine learning mencampur pendekatan supervised dan unsupervised. Dalam skenario semi-supervised, ada beberapa label yang sudah ada untuk data. Kriteria lainnya juga dikembangkan oleh algoritma seiring waktu dengan bantuan supervisi manusia. Skenario semi-supervised dapat berguna untuk mengoptimalkan produksi bagian berulang, yang berpotensi menghilangkan pemborosan bagian dan proses.
4. Reinforcement Machine Learning
Dalam skenario reinforcement, algoritma memproyeksi tindakan mana, dari serangkaian tindakan yang mungkin, yang akan menghasilkan imbalan tertinggi. SMMs yang terlibat dalam proses transformasi lean dapat menggunakan jenis machine learning ini untuk menimbang berbagai jalur menuju perubahan yang berorientasi pada proses yang mereka imajinasikan.
Machine Learning Dapat Melengkapi Manufaktur Lean
Fokus pada machine learning, seseorang dapat mulai melihat bagaimana ada aplikasi kecerdasan buatan yang berguna dan dapat diakses oleh sebagian besar produsen, terlepas dari ukuran mereka. Dalam beberapa kasus, bagian dari teka-teki mungkin sudah tersedia dalam bentuk data yang dipanen oleh sensor mesin yang sudah terinstal, infrastruktur teknologi informasi (TI) dan teknologi operasional (TO) yang ada.
Saat SMMs mulai memikirkan aplikasi untuk kecerdasan buatan, penting untuk diingat bahwa tidak ada skenario ini secara otomatis mengancam ketersediaan pekerjaan untuk manusia. Sebaliknya, ide-ide ini dapat dilakukan dengan cara yang melengkapi proses lean yang memberdayakan pekerja dengan memberikan karyawan akses ke informasi real-time dan alat yang lebih baik untuk pemecahan masalah dan eksekusi di tempat kerja.
Analogi yang berguna adalah teknologi sensor mobil saat ini, yang melengkapi kesadaran dan persepsi pengemudi manusia. Teknologi ini tidak hanya meningkatkan keamanan, tetapi juga membantu memastikan bahwa ada lebih sedikit gesekan dalam sistem pengemudi secara keseluruhan dengan menyelaraskan perilaku semua orang di jalan. Dengan cara ini, teknologi keamanan mobil tidak mengeluarkan siapa pun dari persamaan pengemudi — mereka membuat pengemudi menjadi pengalaman yang lebih aman dan lebih efisien.
Jika kita memandang dari perspektif ini, kecerdasan buatan dapat dianggap sebagai alat lain dalam kotak alat lean — meskipun satu yang memiliki potensi untuk sangat kuat.
