Sudah tujuh tahun sejak pendiri World Economic Forum, Klaus Schwab, mengucapkan frasa “revolusi industri keempat” (4IR) di sebuah konferensi di Davos. Namun demikian, gaung mengenai potensinya, seperti apa wujudnya, dan kapan kedatangannya tak pernah reda sejak saat itu.
Dalam bukunya yang berjudul sama dengan frasa tersebut, Schwab menggambarkan 4IR sebagai “sebuah revolusi teknologi yang mengaburkan batas antara ranah fisik, digital, dan biologis.”
Seiring ketergantungan kita pada teknologi seperti kecerdasan buatan yang makin besar dan perannya yang kian penting dalam hidup kita, banyak orang tak lagi menganggap 4IR sebagai sesuatu di masa depan, melainkan menegaskan bahwa ia telah hadir sekarang – langkah berikutnya adalah membangun kepercayaan pada AI untuk mempercepat adopsinya. Anda dapat mempelajari lebih lanjut tentang merevolusi pengambilan keputusan dengan AI dalam webinar terpisah kami.
Munculnya AI di Industri
AI telah menjadi salah satu kata kunci terbesar di abad ke-21, dengan pendorong utamanya datang dari dekade terakhir. Meski dorongan untuk memajukan kecerdasan buatan terbilang baru, asal-usulnya sudah ada sejak pertengahan abad ke-20.
Uji Turing
Pada tahun 1950, Alan Turing membawa konsep kecerdasan buatan ke kesadaran manusia. Sejalan dengan pemikirannya, ia mengembangkan Uji Turing untuk mengidentifikasi apakah mesin dapat berpikir pada tingkat yang setara dengan manusia atau bahkan melampauinya. Sayangnya, tidak banyak terobosan yang terjadi menjelang akhir 60-an, yang kemudian dikenal sebagai “musim dingin AI” pertama karena kurangnya pendanaan untuk penelitian dan pengembangan AI.
Robot memasuki manufaktur
Namun, diam-diam di latar belakang, aspek-aspek AI mulai diintegrasikan ke dalam manufaktur meski pertumbuhan pada periode ini sedikit. Misalnya, lengan robotik lini perakitan bernama SCARA dikembangkan pada tahun 1978 dan dimanfaatkan dalam manufaktur. Namun baru pada 1980-an kita menyaksikan lonjakan berikutnya dalam riset dan pengembangan AI, dan catur memainkan peran penting.
Skakmat untuk AI
Garry Kasparov, juara dunia catur saat itu, mendominasi permainan. Catur diakui sebagai permainan pamungkas untuk ditaklukkan karena mengatasinya berarti AI memenuhi kriteria Turing untuk membangun mesin yang mampu berpikir setara kapasitas manusia.
Kasparov tidak yakin dengan kemajuan AI di bidangnya dan menyatakan bahwa mesin catur bertenaga AI tidak dapat melampaui level para grandmaster. Keyakinan ini semakin menguat ketika ia mengalahkan Deep Blue milik IBM pada 1996 dan pendahulunya, IBM Deep Thought, pada 1989.
Namun pada 1997, Kasparov menarik ucapannya ketika Deep Blue IBM mengalahkannya dalam pertandingan ulang; momen ini disebut-sebut mengakhiri “Musim Dingin AI” kedua yang dimulai pada 1988.
Masa depan AI
Sejak itu, AI terus mengalami peningkatan yang stabil. Namun, lonjakan berikutnya baru terjadi pada 2012, setelah revolusi deep learning dan, lebih baru lagi, peluncuran GPT-4.
Setiap kemajuan memainkan peran penting dalam pertumbuhan AI, yang secara bertahap merembes ke industri manufaktur. Saat ini, lazim bagi para produsen memanfaatkan AI untuk mengoptimalkan produksi.
Contoh Penggunaan AI dalam Manufaktur
Kita dapat mendefinisikan AI sebagai “kecerdasan—mengindra, menyintesis, dan menyimpulkan informasi—yang ditunjukkan oleh mesin, berbeda dengan kecerdasan yang ditampilkan manusia atau hewan lain.”
Sebuah cabang khusus AI yang dikenal sebagai machine learning telah membuat kemajuan terobosan dalam industri manufaktur karena besarnya data yang menjadi sandaran industri ini.
Machine learning memungkinkan mesin mengambil keputusan tanpa masukan manusia berdasarkan pola yang dipelajari dari data. Manusia biasanya kesulitan memilah data dalam jumlah besar, tetapi ini hal yang sederhana bagi mesin.
Sementara pabrik yang dipenuhi pekerja robot mungkin dulu terdengar seperti fantasi fiksi ilmiah yang terlalu jauh, kini hal itu mencerminkan salah satu skenario dunia nyata di mana produsen memanfaatkan AI.
Namun produsen dapat memperoleh manfaat dari AI dalam berbagai cara; mari kita lihat beberapa di antaranya.
Pemeliharaan prediktif
Semua peralatan industri memiliki masa pakai. Gagal merawatnya tepat waktu dapat berakibat pada kerugian uang dan waktu yang signifikan. Melakukan servis terlalu dini juga dapat menyebabkan kerugian waktu dan biaya, sehingga tantangannya adalah mengidentifikasi waktu ideal untuk menservis atau mengganti peralatan. Pemeliharaan prediktif berbasis AI semakin banyak diperkenalkan untuk memenuhi kebutuhan ini.
Kontrol kualitas dan inspeksi
Produk manufaktur sering menerapkan tingkat kontrol kualitas tertentu untuk memastikan produk berada pada standar yang baik sebelum sampai ke tangan konsumen. Menerapkan kontrol kualitas secara tradisional berarti manusia melakukan inspeksi visual untuk mencari cacat. Masalah inspeksi visual oleh manusia ada dua: 1) manusia cenderung melakukan kesalahan, dan 2) inspeksi dapat memakan waktu lama.
Mengalihkan tanggung jawab alat inspeksi visual ke peralatan inspeksi bertenaga AI, seperti kamera visi mesin, sering kali menghasilkan deteksi cacat dan inspeksi yang lebih cepat dan lebih akurat, sehingga perusahaan dapat lebih yakin bahwa produk mereka memenuhi kualitas yang diinginkan sebelum sampai ke tangan konsumen.
Optimasi proses dan otomasi
Teknologi seperti Robotic Process Automation (RPA) menyederhanakan kebutuhan untuk membangun, menerapkan, dan mengelola robot perangkat lunak yang meniru tindakan manusia saat berinteraksi dengan sistem dan perangkat lunak digital.
Perangkat lunak semacam ini dapat menangani proses berulang dengan volume tinggi dengan akurasi yang lebih baik daripada manusia. Contoh penggunaan RPA meliputi transfer data antarsistem, pencarian, perhitungan, dan pemeliharaan catatan.
Manajemen rantai pasok
Contoh yang baik dari AI dalam manufaktur dapat dilihat pada manajemen rantai pasok. Produsen umumnya harus memproses jutaan pesanan, pembelian, material, bahan, dan sebagainya. Menangani proses-proses ini secara manual sangat menyita waktu dan sumber daya, itulah sebabnya semakin banyak perusahaan yang beralih ke AI untuk meningkatkan proses rantai pasok mereka.
Cobot
Robot kolaboratif, atau disingkat Cobot, semakin mengambil peran pendukung yang lebih besar berdampingan dengan manusia alih-alih menggantikannya.
Berbeda dengan robot otomatis yang diprogram untuk melakukan satu tugas secara berulang, Cobot dapat mempelajari cara melakukan berbagai tugas dan lebih sering diterapkan untuk menjalankan pekerjaan yang melibatkan pengangkatan berat (misalnya, mengangkat suku cadang mobil yang berat) atau bekerja di lini perakitan pabrik. Contoh penggunaan lain untuk Cobot termasuk menemukan dan mengambil barang di gudang besar.
Implikasi Etis AI dalam Manufaktur
Di tengah semua hasil positif dan potensi terobosan yang mungkin kita alami sebagai hasil dari AI dalam manufaktur, beberapa implikasi etis menimbulkan kekhawatiran di sejumlah kalangan.
Berikut beberapa kekhawatiran yang mereka sampaikan.
Pengangguran dan meningkatnya ketimpangan
Kekhawatiran yang paling jelas adalah ancaman terhadap keamanan manusia. Bagi sebagian orang, ancaman ini bersifat eksistensial, tetapi bagi yang lain, ini lebih tentang permintaan tenaga kerja.
Secara tradisional, kemajuan teknologi meningkatkan permintaan akan tenaga kerja terampil, sementara permintaan terhadap pekerja dengan pendidikan dan keterampilan yang lebih rendah menurun.
Namun, seperti yang diprediksi oleh ketua dan CEO IBM, Arvind Krishna, di Davos pada Januari 2023, kita bisa melihat kebalikannya dengan revolusi AI:
“Anda semestinya lebih mengkhawatirkan pekerjaan administratif, kerah-putih dibandingkan pekerjaan fisik. Sebagian besar akan tergantikan. Jadi pertanyaannya: ‘Pekerjaan apa yang Anda ciptakan untuk menggantikan itu?’”
Arvind Krishna, Chairman and Chief Executive IMB
Saat mesin menjadi lebih cerdas, banyak manusia di tempat kerja akan tergantikan, membuat mereka yang tidak memiliki keterampilan 4IR kehilangan pekerjaan.
Ancaman Keamanan Siber
Pelaku kejahatan siber terus-menerus menemukan cara baru untuk meretas sistem, menimbulkan banyak kekhawatiran tentang AI karena lebih rentan terhadap serangan siber. World Economic Forum menyoroti ancaman utama sektor manufaktur sebagai berikut:
- Serangan phishing
- Ransomware
- Pencurian kekayaan intelektual
- Serangan rantai pasok
- Serangan Internet of Things (IoT)
Ketika manusia, produk, dan peralatan semakin terhubung melalui IoT, bahkan pelanggaran kecil dalam sistem sudah cukup untuk mengacaukan seluruh lini produksi dan, dalam skenario terburuk, menutup total bisnis manufaktur.
Bias
Salah satu kompromi saat mempercayakan AI untuk memproses tumpukan data dengan cepat adalah potensi ia mempelajari bias yang melekat. AI tidak selalu dapat dipercaya untuk bersikap adil dan netral.
Sebagai contoh, sebuah sistem AI yang dilatih untuk memprediksi pelaku kejahatan di masa depan menunjukkan bias yang kuat terhadap orang kulit hitam. Orang-orang yang membangun sistem itu juga harus diperhitungkan. Manusialah yang menciptakan sistem AI ini, dan manusia cenderung memiliki bias masing-masing, yang mungkin tersisipkan.
Dalam konteks manufaktur, bias AI dapat menimbulkan sejumlah masalah.
Dalam pemeliharaan prediktif, misalnya, model AI yang dilatih pada dataset bias mungkin gagal memprediksi kegagalan peralatan secara akurat, yang mengarah pada waktu henti tak terduga, peningkatan biaya, dan turunnya produktivitas.
Bias juga dapat memiringkan proses kontrol kualitas otomatis, berpotensi memfavoritkan produk atau komponen tertentu dibandingkan yang lain berdasarkan data yang cacat.
Lebih jauh lagi, dalam manajemen rantai pasok berbasis AI, bias dapat menghasilkan pemilihan vendor yang tidak adil, alokasi sumber daya yang tidak efisien, dan salah menilai permintaan pasar. Dampak ini bukan hanya memengaruhi efisiensi operasional, tetapi juga menimbulkan risiko reputasi dan menciptakan masalah kepatuhan regulasi.
Penutup
Tidak diragukan lagi, AI adalah teknologi yang revolusioner; semakin banyak bisnis yang mengadopsinya untuk meningkatkan praktik, mengambil keputusan yang lebih baik, dan membangun produk yang lebih baik.
Seiring sistem-sistem ini menjadi lebih cerdas, praktik manufaktur kemungkinan akan ikut meningkat; oleh karena itu, perusahaan yang memiliki pemahaman kuat tentang fundamental AI kemungkinan akan memiliki keunggulan signifikan atas para pesaingnya.
Minta demo tentang bagaimana DataCamp dapat memandu Anda melalui proses peningkatan keterampilan seluruh tim dan membangun budaya yang positif terhadap data.
