Bagaimana AI Mengatasi Limbah di Pabrik dan Rantai Pasokan
Jika kita menginginkan dunia tanpa sampah, kita mungkin membutuhkan sesuatu selain otak manusia untuk mencapainya.
Jawabannya, seperti banyak aspek bisnis lainnya saat ini, terletak pada kecerdasan buatan — dalam hal ini, kemampuannya untuk menghilangkan limbah industri di bidang manufaktur.
Stephen Pratt adalah CEO Noodle.ai, sebuah perusahaan yang menggunakan AI untuk merampingkan operasi aliran industri. Dia memandang teknologi yang masih baru sebagai alat untuk “kembali ke cara pabrik dan rantai pasokan seharusnya beroperasi.” Dan itu berarti mencapai “aliran mulus dari bahan mentah ke rak”.
Tentu saja, penghapusan pemborosan di pabrik dan di luarnya telah menjadi obsesi para eksekutif rantai pasokan selama beberapa dekade. Sistem Produksi Toyota yang terkenal, yang mengidentifikasi tujuh bentuk muda , kata dalam bahasa Jepang untuk limbah, menelusuri asal-usulnya hingga akhir 1940-an. Baru-baru ini, teori Lean dan just-in-time (JIT) untuk memasok suku cadang ke pabrik dan barang jadi ke gudang menghilangkan apa yang dianggap manajer sebagai kelebihan persediaan. (Sayangnya, begitu banyak pengecer dibiarkan tanpa produk yang cukup untuk memenuhi permintaan barang-barang konsumen yang melonjak selama pandemi COVID-19. Rantai pasokan "ramping" satu orang adalah kehabisan stok orang lain.)
Kita harus bertanya apakah teori-teori sebelumnya untuk membersihkan limbah dari sistem telah menghasilkan lebih banyak buku dan makalah akademis daripada hasil nyata di pabrik. Menurut Pratt, Bank Dunia memperkirakan bahwa limbah industri global saat ini 18 kali lebih besar daripada limbah padat perkotaan — “hal-hal yang kita sebut sampah”.
Agar adil, metodologi Lean, JIT, Six Sigma, Theory of Constraints dan alat perencanaan lanjutan lainnya, semuanya telah membuat jejak mereka pada praktik manajemen di pabrik dan di luarnya. Limbah produksi telah berkurang secara drastis, tetapi tetap menjadi masalah $2 triliun saat ini. (Pratt merinci angka itu di bawah.) “Tidak ada yang mendekati keadaan aliran yang sempurna,” katanya. “Banyak rantai pasokan memiliki aturan bisnis yang tetap, tetapi tanyakan kepada perencana inventaris mana pun, dan mereka akan memberi tahu Anda bahwa satu-satunya hal yang mereka tahu adalah bahwa aturan itu salah.”
Seiring datangnya AI dengan pendekatan baru untuk pengendalian limbah. Perbedaannya, kata Pratt, adalah penggunaan algoritme kompleks untuk memprediksi kapan kelebihan suku cadang, produk, dan praktik mengancam untuk menyumbat pekerjaan. Peringatan tersebut memungkinkan manusia untuk mengambil tindakan untuk mengatasi masalah sebelum hal itu memengaruhi aliran produk.
Penggunaan AI secara khusus untuk menyerang limbah produksi berusia kurang dari satu dekade, kata Pratt, tetapi telah terbukti “sangat efektif.” Aplikasi manufaktur sebelumnya, termasuk perencanaan kebutuhan material (MRP) dan perencanaan sumber daya perusahaan (ERP), terhambat oleh komputer yang lambat dan data yang mahal.
“Kutukan dari keberadaan teknologi tersebut adalah bahwa mereka mengasumsikan rata-rata untuk hasil produksi dan waktu pengiriman,” jelas Pratt. “Itu seperti berbicara tentang ukuran sepatu rata-rata seseorang di planet ini. Perbedaan antara rata-rata dan kenyataan adalah sekitar setengah dari sampah di seluruh dunia.”
Tujuh bentuk muda, Toyota Toyota seperti yang diidentifikasi oleh insinyur industri Jepang Taiichi Ohno, adalah transportasi, inventaris, pergerakan, menunggu, produksi berlebih, pemrosesan berlebih, dan cacat. Dengan AI dalam gambar, Pratt memperluas konsep di luar pabrik untuk menggambarkan apa yang dilihatnya sebagai empat area limbah terbesar dalam rantai pasokan saat ini:
- Produk cacat. Item yang rusak yang membuatnya melalui proses produksi harus dibuang. Biaya bagi produsen, kata Pratt, sekitar $861 miliar per tahun.
- Kerusakan pabrik. Waktu henti yang tidak direncanakan adalah “masalah besar”, yang menelan biaya $689 miliar per tahun.
- Kesalahan dalam distribusi. Pabrik menghasilkan produk tanpa cacat, yang terhenti pada tahap distribusi karena saat ini I.T. sistem tidak dapat memenuhi target pengiriman untuk waktu, tempat, dan kuantitas. Biaya kelebihan persediaan:sekitar $446 miliar per tahun.
- Rak kosong. Tidak adanya sesuatu mungkin tidak tampak seperti bentuk pemborosan. Tetapi ketakutan pengecer akan kehabisan stok ketika pelanggan ingin membeli — yang terjadi sekitar 9% dari waktu — menyebabkan mereka membanjiri rantai pasokan dengan persediaan. Akibatnya, kata Pratt, “mereka memproduksi lebih dari yang seharusnya.”
Untuk pertama kalinya, kemampuan komputasi yang terus berkembang memungkinkan untuk menyerang keempat area tersebut secara efektif. Rata-rata komputer yang digunakan untuk perhitungan seperti itu saat ini 2.000 kali lebih cepat daripada superkomputer tercepat di dunia pada tahun 2000, catat Pratt.
Peran AI bergerak cepat dari analitik deskriptif ke preskriptif. Sistem yang digerakkan oleh AI saat ini dapat memindai kelainan, memperingatkan manajer akan segera terjadinya, memprediksi konsekuensi dari peristiwa tersebut, dan merekomendasikan tindakan korektif. Selain itu, kata Pratt, “Ini memberi tahu Anda cara menyesuaikan pabrik Anda sehingga Anda tidak menghasilkan produk yang cacat.”
Tak satu pun dari ini berarti bahwa orang-orang keluar dari gambar sepenuhnya. Pratt memandang sistem yang ideal sebagai sistem yang menggabungkan kekuatan komputasi brute force AI dengan kreativitas dan wawasan otak manusia. Dan dengan ukuran apa pun, AI masih memiliki jalan panjang sebelum memenuhi janjinya di lingkungan manufaktur, apalagi di dunia yang lebih besar.
Seperti halnya teknologi mutakhir, penerimaan AI akan dilakukan secara bertahap. Tapi Pratt percaya kedewasaannya sedang dipercepat oleh tuntutan pengecer besar seperti Walmart untuk kinerja sempurna oleh pemasok. Kemampuan mereka untuk memenuhi kriteria seperti itu “bisa menjadi perbedaan antara keberadaan dan kebinasaan,” katanya.
