Integrasi Artificial Intelligence (AI) dan machine learning dalam proses produksi di perusahaan manufaktur makin banyak dilakukan di seluruh dunia. Banyak perusahaan sudah merasakan keuntungannya, mulai dari penghematan, peningkatan laba, efisiensi proses, pencegahan error, hingga tentu saja peningkatan produktivitas.
Kecerdasan buatan alias artificial intelligence (AI) bukan lagi teknologi masa depan. Banyak pusat produksi dan pabrik sudah menggunakannya. Beberapa pabrik menggunakan robot yang dikelola oleh pekerja manusia, untuk melakukan tugas otomatis yang terkoordinasi di sepanjang rantai pasokan.
Artificial Intelligence (AI) pada Industri Manufaktur
Amazon, contohnya, telah mengembangkan sistem robot yang terhubung untuk mengoptimalkan layanan pusat pemenuhan dengan mempersingkat waktu yang dihabiskan untuk mencari produk di dalam gudang dan meningkatkan jumlah pesanan yang dipenuhi dalam sehari.
The International Federation of Robotics memperkirakan bahwa pada awal tahun 2019, akan ada lebih dari 1,3 juta robot industri yang bekerja di pabrik-pabrik di seluruh dunia. Secara teori, karena semakin banyak pekerjaan diambil alih oleh robot, pekerja akan dilatih untuk posisi yang lebih maju dalam desain, pemeliharaan, dan pemrograman.
Sementara AI makin banyak diadopsi oleh perusahaan manufaktur, kolaborasi robot manusia akan lebih efisien dan aman, karena akan ada lebih banyak robot industri memasuki lantai produksi bersama pekerja manusia.
Kemajuan dalam AI akan menjadi pengembangan lebih lanjut dalam penggunaan robot dalam lini produksi, memungkinkan robot untuk menangani lebih banyak tugas kognitif dan membuat keputusan otonom berdasarkan data lingkungan yang real-time, yang kemudian akan mengoptimalkan proses.
Tak hanya memuluskan ‘hubungan’ kerjasama antara manusia dan robot, AI di lantai produksi (dan di area lainnya di perusahaan manufaktur) akan membawa banyak keuntungan. Seperti dikemukakan pakar transformasi digital Javier Jimenez, berikut ini keuntungan besar lainnya yang bisa diperoleh perusahaan manufaktur ketika memasukkan kecerdasan buatan dalam proses produksinya.
1) Memperkirakan kebutuhan produksi dengan lebih akurat
Dengan menggunakan AI dan machine learning, sistem dapat menguji ratusan model matematika dari kemungkinan produksi dan hasil yang diproduksi, dan lebih akurat dalam melakukan analisis, sementara beradaptasi dengan informasi baru seperti pengenalan produk baru, gangguan pada supply chain, atau perubahan permintaan yang tiba-tiba.
Menurut perusahaan konsultan McKinsey, karena machine learning, inventori keseluruhan di perusahaan manufaktur bisa diturunkan sebesar 20% hingga 50%. AI juga dapat melakukan efisiensi dengan memperbaiki sesuatu yang sederhana, seperti mengurangi inventori fisik.
Salah satu contoh aplikasinya, pekerjaan yang butuh waktu satu bulan untuk diselesaikan di Wal-Mart dapat diselesaikan dalam 24 jam, menggunakan drone canggih yang terbang melalui gudang, memindai barang, dan memeriksa barang yang salah tempat.
2) Menunjang implementasi predictive maintenance
Banyak perusahaan mulai menyadari perlunya berinvestasi dalam solusi predictive maintenance (pemeliharaan mesin prediktif), karena ini merupakan cara yang pasti untuk meningkatkan efisiensi operasi dan karenanya memiliki dampak yang hampir langsung pada bottom line.
Predictive maintenance menggunakan sensor untuk melacak kondisi peralatan dan menganalisis data secara berkelanjutan, memungkinkan perusahaan untuk memperbaiki peralatan/mesin saat mereka benar-benar membutuhkannya alih-alih, pada waktu maintenance yang dijadwalkan, yang akan meminimalkan downtime. Mesin bahkan dapat diatur sedemikian rupa sehingga mereka mengevaluasi kondisinya sendiri, ‘memesan’ suku cadangnya sendiri dan menjadwalkan teknisi lapangan jika diperlukan.
Sebagai implementasi predictive maintenance lebih jauh, algoritma berdasarkan big data dapat digunakan untuk memprediksi kegagalan atau kerusakan peralatan di masa depan. Ini akan memberi peringatan sebelum mesin rusak, memungkinkan perusahaan untuk secara pre-emptif menjadwalkan waktu untuk memperbaiki atau mengganti komponen tanpa harus mengalami downtime, menjaga lantai produksi berjalan tepat waktu dan tetap produktif.
Menurut McKinsey, pemeliharaan prediktif yang disandingkan dengan AI untuk peralatan industri dapat menghasilkan pengurangan sebesar 10% biaya pemeliharaan tahunan, menghasilkan 20% pengurangan downtime dan pengurangan sebesar 25% dalam biaya inspeksi.
3) Optimasi proses manufaktur
Pada tahun 2019 ini, diperkirakan akan ada sejumlah jenis mesin yang ditenagai oleh mesin AI yang menjalankan algoritma machine learning yang mampu secara mandiri meningkatkan efisiensi proses produksi.
Sistem AI akan memantau jumlah yang digunakan, cycle time, temperatur, waktu tunggu, error, dan downtime untuk mengoptimalkan operasi produksi.
Langkah pertama dalam penerapan AI adalah mode “asisten operator,” di mana AI akan bekerja di latar belakang, dan menyampaikan saran-saran kepada operator. Sistem AI akan menggunakan keputusan akhir operator untuk mempelajari kinerja pikiran manusia, sehingga AI juga akan dapat digunakan dalam mode “penggantian operator.”
Di masa depan, AI akan memungkinkan kita untuk mentransformasikan data menjadi intelijen dalam lingkungan vendor-agnostik, di mana semua mesin ‘berbicara’ dalam bahasa yang sama, meningkatkan efisiensi produksi dari mesin ke mesin di seluruh lantai produksi.
4) Pengadaan material otomatis
Analytics yang dikombinasikan dengan machine learning akan merekam dan memindai segala sesuatu, termasuk tahap awal pemesanan material dan penetapan supply chain.
McKinsey memperkirakan, machine learning akan mengurangi kesalahan supply chain forecasting sebesar 50%, dan mengurangi biaya yang berkaitan dengan transportasi dan pergudangan dan administrasi rantai pasokan masing-masing sebesar 5% hingga 10% dan 25% hingga 40%.
Salah satu contoh manufaktur yang sudah mengimplementasikan adalah Honeywell, yang sudah mengintegrasikan algoritma AI dan machine learning ke dalam pengadaan, sumber strategis dan manajemen biaya.
5) Produksi produk yang dipersonalisasi
Kemajuan dalam AI dan software intelligence memungkinkan perusahaan manufaktur untuk membuat produk dan layanan yang bisa dipersonalisasikan, hingga produk atau layanan akan sangat relevan bagi konsumen individu. Ini penting, karena personalisasi kian banyak dicari oleh pelanggan.
Dalam survei terbaru, 20% konsumen mengatakan bahwa mereka akan bersedia membayar 20% lebih banyak untuk produk atau layanan yang dipersonalisasi. Tak hanya itu, merek yang bersedia mempersonalisasikan produk juga dapat membangun kepercayaan yang lebih besar dengan pelanggan mereka.
6) Mengatur penjadwalan secara otomatis dan fleksibel
Kecerdasan buatan juga sangat cocok digunakan untuk menunjang perbaikan di sisi penjadwalan. Proses pengiriman teknisi untuk memperbaiki peralatan penting memakan waktu, melelahkan, dan, jika dilakukan dengan menggunakan proses yang sudah usang, penggunaan sumber daya akan jadi tidak efisien.
Hal itu disebabkan oleh berbagai faktor mempengaruhi kebutuhan untuk menjadwal ulang janji temu layanan, termasuk perkiraan waktu perjalanan dan durasi kerja yang tidak akurat, bagian yang salah atau hilang dan bahkan kondisi cuaca.
Penyesuaian jadwal adalah tipikal, tetapi demi efisiensi, penjadwalan ulang harus dilakukan dengan cepat, dan manusia tidak selalu memiliki data lengkap untuk menyelesaikan masalah dengan cepat. Masalah kecil berpotensi berubah menjadi masalah logistik yang besar.
Mengintegrasikan AI ke dalam penjadwalan Anda memungkinkan manajer untuk memperkirakan waktu perjalanan dan mengoptimalkan rute teknisi, dengan mempertimbangkan cuaca dan kondisi lalu lintas.
Berdasarkan riwayat dan jenis tugas, AI juga dapat menandai pelanggan yang berisiko lebih tinggi untuk pembatalan dan merespons secara proaktif dan efisien. Ini menghemat waktu yang berharga, tidak hanya untuk teknisi, yang sekarang dapat melakukan pekerjaan lain, tetapi juga bagi pelanggan.
Itulah lima area di mana AI dan machine learning bisa diimplementasikan untuk meningkatkan produktivitas dan competitive advantage perusahaan manufaktur.
Memang masuk akal bahwa kecerdasan buatan membuat pekerja gelisah. Mulai dari ketakutan akan otomasi akan menggantikan pekerjaan mereka, hingga kegelisahan seputar gangguan proses yang ada, AI menawarkan banyak keuntungan, tetapi juga menghadirkan beberapa kecemasan.
Tapi yang pasti adalah bahwa AI dan teknologi lainnya adalah bagian besar dari the future of work, dan mereka yang memanfaatkannya secara bertanggung jawab, akan mendapatkan peningkatan efisiensi dan produktivitas.
AI memungkinkan organisasi untuk memangkas waktu yang dihabiskan pekerja manusia untuk tugas yang berulang dan memakan waktu serta mengoptimalkan seluruh alur kerja untuk memaksimalkan efisiensi, memangkas biaya dan mempertahankan keunggulan kompetitif. Hal ini, pada akhirnya, tidak akan menggantikan tenaga manusia, hanya membuat pekerjaan lebih mudah dan pekerja lebih produktif.
