Menurut Laporan Pasar AI Industri dan AI 2021-2026 yang baru dirilis, tingkat adopsi AI di lingkungan industri meningkat dari 19 persen menjadi 31 persen hanya dalam waktu lebih dari dua tahun. Selain 31 persen responden yang telah sepenuhnya atau sebagian menerapkan AI dalam operasional mereka, 39 persen lainnya saat ini sedang menguji atau melakukan uji coba teknologi tersebut.
AI muncul sebagai teknologi kunci bagi produsen dan perusahaan energi di seluruh dunia, dan analisis IoT memprediksi bahwa pasar solusi AI industri akan menunjukkan tingkat pertumbuhan tahunan gabungan (CAGR) pasca-pandemi yang kuat sebesar 35% untuk mencapai $102,17 miliar pada tahun 2026.
Era digital telah melahirkan Internet of Things (IoT). Terlihat bahwa munculnya kecerdasan buatan telah mempercepat laju perkembangan IoT.
Mari kita lihat beberapa faktor yang mendorong kebangkitan AI industri dan AIoT.
Faktor 1: Semakin banyak alat perangkat lunak untuk AIoT industri
Pada tahun 2019, ketika analitik IoT mulai mencakup AI industri, hanya ada sedikit produk perangkat lunak AI khusus dari vendor teknologi operasional (OT). Sejak saat itu, banyak vendor OT telah memasuki pasar AI dengan mengembangkan dan menyediakan solusi perangkat lunak AI dalam bentuk platform AI untuk lantai pabrik.
Menurut data, hampir 400 vendor menawarkan perangkat lunak AIoT. Jumlah vendor perangkat lunak yang bergabung dengan pasar AI industri telah meningkat secara dramatis dalam dua tahun terakhir. Selama studi, IoT Analytics mengidentifikasi 634 pemasok teknologi AI untuk produsen/pelanggan industri. Dari perusahaan-perusahaan ini, 389 (61,4%) menawarkan perangkat lunak AI.
Platform perangkat lunak AI baru ini berfokus pada lingkungan industri. Selain Uptake, Braincube, atau C3 AI, semakin banyak vendor teknologi operasional (OT) yang menawarkan platform perangkat lunak AI khusus. Contohnya termasuk rangkaian analitik dan AI Genix Industrial dari ABB, rangkaian inovasi FactoryTalk dari Rockwell Automation, platform konsultasi manufaktur milik Schneider Electric sendiri, dan yang terbaru, add-on khusus. Beberapa platform ini menargetkan berbagai macam kasus penggunaan. Misalnya, platform Genix dari ABB menyediakan analitik canggih, termasuk aplikasi dan layanan yang sudah jadi untuk manajemen kinerja operasional, integritas aset, keberlanjutan, dan efisiensi rantai pasokan.
Perusahaan-perusahaan besar menerapkan perangkat lunak AI mereka di lantai produksi.
Ketersediaan perangkat lunak AI juga didorong oleh perangkat lunak khusus kasus penggunaan baru yang dikembangkan oleh AWS, perusahaan besar seperti Microsoft dan Google. Misalnya, pada Desember 2020, AWS merilis Amazon SageMaker JumpStart, sebuah fitur dari Amazon SageMaker yang menyediakan serangkaian solusi siap pakai dan dapat disesuaikan untuk kasus penggunaan industri yang paling umum, seperti PdM, visi komputer, dan pengemudian otonom, yang dapat diimplementasikan hanya dengan beberapa klik.
Solusi perangkat lunak yang spesifik untuk setiap kasus penggunaan mendorong peningkatan kemudahan penggunaan.
Perangkat lunak khusus untuk kasus penggunaan tertentu, seperti yang berfokus pada pemeliharaan prediktif, semakin umum digunakan. IoT Analytics mengamati bahwa jumlah penyedia yang menggunakan solusi perangkat lunak manajemen data produk (PdM) berbasis AI meningkat menjadi 73 pada awal tahun 2021 karena peningkatan variasi sumber data dan penggunaan model pra-pelatihan, serta adopsi luas teknologi peningkatan data.
Faktor 2: Pengembangan dan pemeliharaan solusi AI semakin disederhanakan.
Pembelajaran mesin otomatis (AutoML) menjadi produk standar.
Karena kompleksitas tugas yang terkait dengan pembelajaran mesin (ML), pertumbuhan pesat aplikasi pembelajaran mesin telah menciptakan kebutuhan akan metode pembelajaran mesin siap pakai yang dapat digunakan tanpa keahlian. Bidang penelitian yang dihasilkan, otomatisasi progresif untuk pembelajaran mesin, disebut AutoML. Berbagai perusahaan memanfaatkan teknologi ini sebagai bagian dari penawaran AI mereka untuk membantu pelanggan mengembangkan model ML dan mengimplementasikan kasus penggunaan industri dengan lebih cepat. Pada November 2020, misalnya, SKF mengumumkan produk berbasis autoML yang menggabungkan data proses mesin dengan data getaran dan suhu untuk mengurangi biaya dan memungkinkan model bisnis baru bagi pelanggan.
Operasi pembelajaran mesin (ML Ops) menyederhanakan manajemen dan pemeliharaan model.
Disiplin baru dalam operasi pembelajaran mesin bertujuan untuk menyederhanakan pemeliharaan model AI di lingkungan manufaktur. Kinerja model AI biasanya menurun seiring waktu karena dipengaruhi oleh beberapa faktor di dalam pabrik (misalnya, perubahan distribusi data dan standar kualitas). Akibatnya, pemeliharaan model dan operasi pembelajaran mesin menjadi penting untuk memenuhi persyaratan kualitas tinggi di lingkungan industri (misalnya, model dengan kinerja di bawah 99% mungkin gagal mengidentifikasi perilaku yang membahayakan keselamatan pekerja).
Dalam beberapa tahun terakhir, banyak perusahaan rintisan telah bergabung dengan ruang lingkup ML Ops, termasuk DataRobot, Grid.AI, Pinecone/Zilliz, Seldon, dan Weights & Biases. Perusahaan-perusahaan mapan telah menambahkan operasi pembelajaran mesin ke penawaran perangkat lunak AI mereka yang sudah ada, termasuk Microsoft, yang memperkenalkan deteksi pergeseran data di Azure ML Studio. Fitur baru ini memungkinkan pengguna untuk mendeteksi perubahan dalam distribusi data input yang menurunkan kinerja model.
Faktor 3: Kecerdasan buatan diterapkan pada aplikasi dan kasus penggunaan yang sudah ada.
Penyedia perangkat lunak tradisional menambahkan kemampuan AI.
Selain perangkat lunak AI horizontal skala besar yang sudah ada seperti MS Azure ML, AWS SageMaker, dan Google Cloud Vertex AI, rangkaian perangkat lunak tradisional seperti Sistem Manajemen Pemeliharaan Terkomputerisasi (CAMMS), Sistem Eksekusi Manufaktur (MES) atau Perencanaan Sumber Daya Perusahaan (ERP) kini dapat ditingkatkan secara signifikan dengan menyuntikkan kemampuan AI. Misalnya, penyedia ERP Epicor Software menambahkan kemampuan AI ke produk yang sudah ada melalui Epicor Virtual Assistant (EVA). Agen EVA yang cerdas digunakan untuk mengotomatiskan proses ERP, seperti penjadwalan ulang operasi manufaktur atau melakukan kueri sederhana (misalnya, mendapatkan detail tentang harga produk atau jumlah suku cadang yang tersedia).
Penggunaan di sektor industri sedang ditingkatkan dengan memanfaatkan AIoT.
Beberapa kasus penggunaan industri ditingkatkan dengan menambahkan kemampuan AI ke infrastruktur perangkat keras/perangkat lunak yang ada. Contoh nyata adalah visi mesin dalam aplikasi kontrol kualitas. Sistem visi mesin tradisional memproses gambar melalui komputer terintegrasi atau terpisah yang dilengkapi dengan perangkat lunak khusus yang mengevaluasi parameter dan ambang batas yang telah ditentukan (misalnya, kontras tinggi) untuk menentukan apakah objek menunjukkan cacat. Dalam banyak kasus (misalnya, komponen elektronik dengan bentuk kabel yang berbeda), jumlah positif palsu sangat tinggi.
Namun, sistem-sistem ini dihidupkan kembali melalui kecerdasan buatan. Misalnya, penyedia visi mesin industri Cognex merilis alat Deep Learning baru (Vision Pro Deep Learning 2.0) pada Juli 2021. Alat-alat baru ini terintegrasi dengan sistem visi tradisional, memungkinkan pengguna akhir untuk menggabungkan pembelajaran mendalam dengan alat visi tradisional dalam aplikasi yang sama untuk memenuhi lingkungan medis dan elektronik yang menuntut pengukuran akurat terhadap goresan, kontaminasi, dan cacat lainnya.
Faktor 4: Perangkat keras AIoT industri sedang ditingkatkan
Chip AI berkembang pesat.
Chip AI perangkat keras tertanam berkembang pesat, dengan berbagai pilihan yang tersedia untuk mendukung pengembangan dan penerapan model AI. Contohnya termasuk unit pemrosesan grafis (GPU) terbaru NVIDIA, A30 dan A10, yang diperkenalkan pada Maret 2021 dan cocok untuk kasus penggunaan AI seperti sistem rekomendasi dan sistem visi komputer. Contoh lain adalah Unit Pemrosesan Tensor (TPU) generasi keempat Google, yang merupakan sirkuit terpadu tujuan khusus (ASIC) yang kuat yang dapat mencapai efisiensi dan kecepatan hingga 1.000 kali lebih tinggi dalam pengembangan dan penerapan model untuk beban kerja AI tertentu (misalnya, deteksi objek, klasifikasi gambar, dan tolok ukur rekomendasi). Menggunakan perangkat keras AI khusus mengurangi waktu komputasi model dari berhari-hari menjadi menit, dan telah terbukti menjadi pengubah permainan dalam banyak kasus.
Perangkat keras AI yang canggih tersedia langsung melalui model pembayaran per penggunaan.
Perusahaan-perusahaan berskala besar terus meningkatkan server mereka untuk menyediakan sumber daya komputasi di cloud sehingga pengguna akhir dapat mengimplementasikan aplikasi AI industri. Pada November 2021, misalnya, AWS mengumumkan rilis resmi instance berbasis GPU terbarunya, Amazon EC2 G5, yang didukung oleh GPU NVIDIA A10G Tensor Core, untuk berbagai aplikasi ML, termasuk visi komputer dan mesin rekomendasi. Misalnya, penyedia sistem deteksi Nanotronics menggunakan contoh Amazon EC2 dari solusi kontrol kualitas berbasis AI-nya untuk mempercepat upaya pemrosesan dan mencapai tingkat deteksi yang lebih akurat dalam pembuatan mikrochip dan nanotube.
Kesimpulan dan Prospek
AI sedang diproduksi secara massal, dan akan menjadi hal yang umum dalam aplikasi baru, seperti PdM berbasis AI, dan sebagai peningkatan pada perangkat lunak dan kasus penggunaan yang sudah ada. Perusahaan-perusahaan besar sedang menerapkan beberapa kasus penggunaan AI dan melaporkan keberhasilan, dan sebagian besar proyek memiliki pengembalian investasi yang tinggi. Secara keseluruhan, munculnya komputasi awan, platform IoT, dan chip AI yang canggih menyediakan platform untuk generasi baru perangkat lunak dan optimasi.
Waktu posting: 12 Januari 2022