Find Us On Social Media :

Teknologi AI dan IoT untuk Efisiensi Produksi Manufaktur, Bagaimana Memulainya?

By Yussy Maulia, Senin, 23 November 2020 | 20:38 WIB

Tech Gathering Manufacture 4.0: Embracing AI to Improve Production Efficiency

Seiring dengan hadirnya revolusi industri 4.0, pemanfaatan big data, artificial intelligence (AI), serta Internet of Things (IoT) semakin masif. Ketiganya perlahan menjadi bagian dari kehidupan manusia. Mulai dari penyelenggaraan kehidupan sehari-hari hingga di ranah bisnis.

Survei McKinsey bertajuk Industry 4.0: Reinvigorating ASEAN Manufacturing for the Future, sekitar 93 persen responden yang adalah pelaku usaha beranggapan, teknologi seputar industri 4.0 akan memberikan manfaat yang lebih tinggi dibanding risiko yang muncul.

Keyakinan tersebut menambah masif penetrasi teknologi digital di segi-segi bisnis. Bukan hanya perusahaan berbasis teknologi (tech company) saja yang mengadopsinya.

Perusahaan-perusahaan berbasis manufaktur pun mengadopsi teknologi dari hulu ke hilir untuk memastikan proses produksi berjalan baik.

Baca Juga: Inilah 5 Tren Teknologi yang Harus Diperhatikan Bisnis di Tahun 2021

Masih dari survei yang sama, AI dapat membantu perusahaan manufaktur menerapkan predictive maintenance yang efek baiknya adalah efisiensi dengan penghematan biaya pemeliharaan tahunan hingga 10 persen dan biaya inspeksi & waktu tunggu untuk melakukan perbaikan mesin produksi pun berkurang 25 persen.

Oleh karenanya, muncul istilah manufacture 4.0 yang mengacu pada tren industri manufaktur yang serba mengandalkan teknologi dan internet (Internet of Things).

Transformasi digital perusahaan-perusahaan manufaktur tersebut dibahas mendalam lewat webinar bertajuk “Tech Gathering, Manufacture 4.0: Embracing AI to Improve Production Efficiency” yang digelar Kamis (12/11/2020).

Ketua Asosiasi IoT Indonesia Teguh Prasetya hadir menyampaikan perubahan perilaku dan pola bisnis berbasis teknologi pada industri manufaktur.

“Dari sisi teknologi, makin banyak otomasi, makin banyak perangkat digital, itu membuat data digital makin banyak termasuk analytic data. Tren tracking online bakal meningkat, seiring tumbuh pesatnya platform online,” ungkapnya.

Baca Juga: Begini Cara Kerja Aplikasi PeduliLindungi Lacak Positif Covid-19

Penggunaan teknologi seperti Artificial Intelligence (AI), Internet of Things (IoT), serta machine-learning digunakan untuk membantu optimalisasi kegiatan operasional, produktivitas karyawan, hingga product and business development.

Prinsip kerja IoT dan AI

Dalam prinsip kerjanya, IoT dan AI saling berkesinambungan. IoT menjadi tempat mengumpulkan informasi, termasuk big data yang dikumpulkan dari berbagai sumber dan perangkat.

Sementara, AI berperan sebagai mesin yang menganalisa dan memutuskan apa tindakan yang harus diambil dari kumpulan data dengan parameter yang telah ditentukan.

Yanto Tjia dari NTT Indonesia Solutions dan Christian Suryanto dari IBM yang turut hadir sebagai tech expert dalam webinar tersebut juga menyatakan, gabungan IoT dan AI akan menghasilkan algoritma yang lebih cerdas dan akurat.

“Jadi, ketika IoT di-combine dengan solusi artificial intelligence, ini akan melengkapi Data Science journey dan membuat solusi advanced analytics dengan tingkatan prediksi yang lebih tinggi,” ujar Yanto.

Baca Juga: Cara Pemerintah Kembangkan Artificial Intelligence di Sektor Industri

Lalu, Christian menambahkan tentang set data yang mumpuni untuk menunjang kinerja teknologi AI.

“Yang terpenting dari memulai journey dengan Artificial Intelligence adalah set data yang telah distandarisasi agar dapat digunakan untuk banyak inisiatif, baik berskala kecil maupun besar, baik yang datang dari berbagai sumber dari sensor hingga yang datang dari aplikasi perusahaan,” ujar Christian.

Gabungan dari kedua teknologi tersebut dikenal dengan sebutan Artificial Intelligent of Things (AIoT). Teknologi tersebut akan mampu menganalisis data dan membuat keputusan, serta melakukan tindakan sesuai dari data yang diperoleh tanpa ada campur tangan manusia.

Penerapan IoT dan AI dalam industri manufaktur

Menurut studi McKinsey bertajuk “Industry 4.0 Reinvigorating ASEAN Manufacturing for The Future”, industri manufaktur di wilayah ASEAN memiliki potensi dapat dampak finansial sebesar 600 miliar dolar jika mengadopsi teknologi industri 4.0.

Baca Juga: Tren Pemanfaatan IoT di Industri Manufaktur

“Manufaktur menyumbang 18 persen ke PDB. (Maka) sangatlah penting untuk mempercepat penerapan teknologi digital IoT terbaru pada sektor manufaktur,” ujar Teguh.

NTT Solutions Indonesia pun memberikan contoh implementasi IoT pada salah satu kliennya yang merupakan jasa penyedia perangkat pemurnian air atau water purifier. Teknologi ini menerapkan predictive maintenance untuk memprediksi kinerja suatu alat.

Seringkali, klien perusahaan tidak memperhatikan peringatan yang muncul pada perangkat water purifier. Padahal, peringatan tersebut adalah tanda bahwa perangkat purifier sudah tidak bekerja optimal. Alhasil, ketika perangkat sudah terlanjur rusak, perusahaan membutuhkan downtime yang lama. Belum lagi, adanya biaya perbaikan yang tidak terduga.

Untuk mengatasi masalah ini, predictive maintenance dibuat dengan memasangkan sensor ke dalam perangkat water purifier. Sensor ini akan mengirim peringatan maintenance ke bagian support melalui IoT platform dan clouds, yang nantinya akan diteruskan ke teknisi untuk turun ke lapangan.

“Jadi yang terjadi adalah, provider water purifier ini lebih proaktif. Jadi, bukan nunggu perangkat rusak dulu atau bertindak ketika komplain dari pengguna diterima. Namun sebelum rusak, mereka (teknisi) sudah datang duluan,” imbuh Yanto.

Baca Juga: Predictive Maintenance Pangkas Biaya, Jaga Keselamatan Pekerja

Beda perusahaan, maka berbeda juga kebutuhannya. Dwiwahyu Haryo Suryo sebagai EVP & Chief Supply Chain Officer Paragon Technology and Innovation turut menuturkan bagaimana teknologi IoT dan AI diadopsi di perusahaan yang memegang bidang kosmetik.

Dwi mengatakan, salah satu faktor terpenting yang menjadi konsen bagi perusahaan adalah adanya kompleksitas dalam hal operasional, meliputi stock keeping unit, raw materials, packaging items, hingga suppliers network.

“(Yang diharapkan) adalah interkoneksi, sebenarnya. Mulai dari perencanaan kita di up stream sampai juga nanti secara product flow dari supplier ke pabrik Paragon, kemudian ke Parama distribution, lalu sampai ke customer dan akhirnya ke end consumer,” ungkap Dwi.

Dwi juga menjelaskan, interkoneksi ini akan menghubungkan input balik dari customer dari berbagai sumber untuk diolah. Yang terjadi, perlu manajemen big data agar olahannya menjadi inovasi bagi perusahaan dalam berdaya saing di pasaran.

Kembali dijelaskan Dwi, ubahan yang telah diterapkan adalah mengeliminasi manual operation, seperti operasi Microsoft Excel yang sudah menggunakan sistem otomatis. Lalu, product traceability yang menggunakan sistem material requirement planning (MRP).

Baca Juga: Alasan CRM Berbasis Teknologi Low Code Banyak Diminati Saat ini

Pada target selanjutnya, Dwi mengatakan Paragon akan mengadopsi supply planning dan distribution tools untuk memprediksi downstream dan perencanaan ke depan di akhir November 2020.

Penerapan proses data yang terintegrasi adalah tujuan dari implementasi Artificial Intelligence yang dapat menghasilkan banyak insights sebagai competitive value perusahaan dalam efisiensi operasional untuk mendukung kecepatan perusahaan dalam menggarap pasar.

Di akhir sesi, baik IBM dan NTT sepakat bahwa untuk memulai digitalisasi dengan advance layer seperti Big Data melalui penerapan IoT, machine learning, deep learning, fokuslah dengan prioritas perusahaan mana lini bisnis yang dapat di-enable untuk memulai piloting sebuah inisiatif area–area baru Manufacturing 4.0.

Mulailah dengan skala kecil yang dapat kita jadikan acuan untuk perluasan di lini bisnis lainnya. Pemanfaatan teknologi yang tepat guna dan mitra teknologi yang berpengalaman dan kemampuan menawarkan banyak opsi yang dapat disesuaikan dengan kebutuhan perusahaan adalah hal krusial bagaimana memulai journey digitalisasi secara efektif dan yang paling penting berkelanjutan.