Kembali ke Blog
Dampak AI pada sektor manufaktur di Indonesia

AI untuk Manufaktur: Contoh Penggunaan dan Kesiapan Data

oleh Admin User

Pelajari contoh AI untuk manufaktur beserta kebutuhan data dan cara mengevaluasi pilot. Bedakan simulasi perencanaan dari hasil penerapan nyata.

AI untuk manufaktur dapat digunakan untuk membantu pemeriksaan kualitas, pemantauan kondisi mesin dan analisis kebutuhan produksi. Kelayakannya bergantung pada masalah yang dipilih serta data dan cara mengevaluasi hasil. Artikel ini membahas skenario perencanaan. Contoh di bawah bukan klaim implementasi perusahaan tertentu atau proyek klien Nodic.

1. Pemeriksaan kualitas berbasis gambar

Skenario: kamera mengambil gambar produk pada titik inspeksi. Tim kualitas memberi label contoh yang diterima dan yang ditolak. Sebelum menggunakan model, sepakati jenis cacat yang dicari serta pencahayaan dan sudut pengambilan gambar. Ukur cacat yang terlewat dan produk baik yang salah ditolak. Pertahankan pemeriksaan manusia selama pilot.

2. Pemantauan kondisi mesin

Skenario: sensor mengumpulkan pengukuran yang relevan dengan kondisi mesin. Hubungkan data dengan waktu kejadian dan catatan perawatan. Jangan menganggap perubahan sinyal selalu berarti kerusakan. Bandingkan peringatan model dengan pemeriksaan teknisi dan catat peringatan yang tidak memerlukan tindakan.

3. Perencanaan kebutuhan barang

Skenario: riwayat permintaan dipakai untuk memperkirakan kebutuhan material. Bedakan permintaan sebenarnya dari periode stok habis. Bandingkan perkiraan dengan pendekatan sederhana sebelum memutuskan apakah model yang lebih kompleks memberi manfaat.

Data yang perlu disiapkan

  • Identitas produk atau mesin yang konsisten.
  • Waktu pencatatan beserta satuan dan kondisi pengukuran.
  • Contoh kondisi normal dan kejadian yang ingin dikenali.
  • Catatan perubahan proses yang memengaruhi data.
  • Pihak yang berhak mengakses dan memberi label data.

NIST menekankan pentingnya data yang relevan dan sesuai kondisi nyata untuk evaluasi industrial AI. Data simulasi yang terlalu sederhana dapat menghasilkan gambaran kemampuan yang keliru. Lihat panduan kualitas data industrial AI dari NIST.

Checklist pilot sebelum perluasan

  1. Tetapkan satu masalah dan ukuran pembanding awal.
  2. Pisahkan data untuk pengembangan dari data evaluasi yang belum digunakan.
  3. Uji pada variasi kondisi operasi yang relevan.
  4. Catat biaya pemeriksaan dan penanganan kesalahan.
  5. Sepakati siapa yang mengambil keputusan akhir serta kapan sistem perlu dihentikan atau diperiksa ulang.

Pilot belum membuktikan penghematan di seluruh pabrik. Perluasan mengikuti hasil evaluasi serta kesiapan integrasi dan tim operasional.

Mulai dari pencatatan yang dapat ditelusuri

Jika data produksi atau stok masih tersebar, rapikan pencatatannya sebelum memilih model AI. Gunakan toolkit gudang gratis untuk data persediaan. Bahas kebutuhan sensor melalui layanan software IoT dan alur barang melalui layanan WMS. Susun contoh data serta tujuan evaluasi dalam brief software.