Dalam mencapai SDGs poin 9, yaitu membangun Industri, Inovasi dan Infrastruktur, data science memiliki peran penting dalam menjawab berbagai tantangan kualitas dan kinerja di sektor industri. Di era Industri 4.0, pengambilan keputusan berbasis data menjadi landasan utama untuk meningkatkan efisiensi operasional, mengoptimalkan infrastruktur, dan menghasilkan inovasi yang berkelanjutan.
Teknologi seperti Internet of Things (IoT), Artificial Intelligence (AI), dan Machine Learning (ML) memungkinkan integrasi data real-time dari berbagai sumber di lini produksi, menciptakan sistem yang lebih responsif, adaptif, dan terukur.
Pendekatan berbasis data digunakan untuk mengukur kinerja (Performance Measurement System) dan mengelola kualitas (Quality Management) dalam lingkungan industri modern. Dengan memanfaatkan teknologi ini, sektor industri dapat meminimalkan kerugian, meningkatkan kualitas produk, dan mengoptimalkan proses.
Selain itu, data science juga memberikan informasi prediktif, memungkinkan pencegahan kegagalan mesin dan penurunan angka cacat produk. Hal ini penting untuk memastikan keberlanjutan produksi serta menciptakan nilai tambah bagi ekonomi dan masyarakat secara luas.
Dalam Performance Measurement Systems, data science memungkinkan pengelolaan efisiensi operasional melalui teknologi seperti cyber-physical production systems (CPPS). Sistem ini menghubungkan sensor fisik dan perangkat produksi dengan teknologi virtual, seperti cloud computation dan big data.
Dengan standar seperti ISO 22400, indikator kinerja utama (Key Performance Indicators atau KPI), seperti Overall Equipment Effectiveness (OEE), dihitung secara otomatis berdasarkan data real-time. Hal ini memungkinkan pengelola pabrik untuk mengidentifikasi akar penyebab kegagalan, mengambil tindakan korektif secara proaktif, dan memaksimalkan produktivitas.
Di sisi lain, Machine Learning memainkan peran penting dalam mendeteksi potensi anomali yang dapat memengaruhi kualitas produk. Data historis dan real-time dianalisis menggunakan algoritma prediktif untuk mengidentifikasi pola kegagalan. Contohnya, Rolls-Royce menggunakan sensor pintar yang digabungkan dengan Machine Learning untuk memprediksi kebutuhan perawatan.
Dengan cara ini, mereka memastikan kualitas produk tetap tinggi sekaligus mengurangi downtime yang tidak terencana. Sistem ini mencerminkan prinsip Quality 4.0, yang memanfaatkan teknologi mutakhir untuk pengelolaan kualitas secara otomatis dan berkelanjutan.
Dengan mengintegrasikan data science, sektor industri dapat mendukung pencapaian SDGs poin 9 melalui pengembangan infrastruktur yang cerdas, inovasi berbasis data, dan optimalisasi proses yang berkelanjutan.
Sistem seperti CPPS dan pendekatan Quality 4.0 memperkuat ketangguhan industri, mendorong inovasi yang inklusif, dan menciptakan efisiensi yang mendukung ekonomi rendah emisi. Melalui penerapan teknologi ini, industri global tidak hanya meningkatkan daya saing tetapi juga berkontribusi pada pembangunan yang lebih adil dan berkelanjutan.
Penulis: Athalia Andria Loly Aruan
Mahasiswa Teknologi Sains Data, Universitas Airlangga
Referensi:
Tambare, Parkash. Meshram, Chandrashekhar. Lee, Cheng‐Chi. Ramteke, Rakesh Jagdish. Imoize, Agbotiname Lucky. 2021. “Performance Measurement System and Quality Management in Data‐Driven Industry 4.0: A Review”.
Editor: Salwa Alifah Yusrina
Bahasa: Rahmat Al Kafi
Ikuti berita terbaru Media Mahasiswa Indonesia di Google News
