Tantangan industri otomotif saat ini adalah persaingan yang makin ketat. Perusahaan otomotif dituntut meningkatkan produktivitas agar dapat menghasilkan produk yang kompetitif.
Padahal di sisi lain, produktivitas di lini produksi saat ini sudah mendekati angka 100 persen. Karena itu, pendekatan berbasis teknologi seperti AI menjadi penting.
Salah satu contoh implementasi AI di industri otomotif adalah visual inspection untuk komponen camshaft.
Camshaft adalah komponen di dalam mesin mobil yang berfungsi mengatur bukaan valve. Karena fungsinya yang krusial, sebuah camshaft harus memiliki kualitas sangat tinggi.
Kualitas sebuah camshaft ditentukan oleh keberadaan defect yang ukurannya berkisar di kisaran mikrometer. Selama ini, inspeksi camshaft dilakukan secara manual oleh tenaga manusia, yakni teknisi yang terlatih. Tapi cara ini memiliki beberapa keterbatasan.
Contohnya, proses pemeriksaan manual membutuhkan waktu sekitar 65 detik. Pemeriksaan manual juga menimbulkan kelelahan mata bagi para teknisi, sehingga mereka harus diganti setiap dua jam. Menciptakan talenta untuk inspeksi juga tak mudah.
Keterbatasan inilah yang coba diatasi dengan teknologi visual inspection berbasis AI. Konsep dasar solusi ini adalah adanya mesin berkamera yang dapat “melihat” defect di sebuah camshaft.
Harapannya mesin ini akan memiliki ketelitian layaknya teknisi terlatih, sehingga dapat memutuskan apakah camshaft tersebut memenuhi syarat atau tidak.
Baca juga: Kemajuan Teknologi dan Pengembangan Robot atau Artificial Intelligence
Agar mesin dapat mendeteksi kualitas camshaft, tahapan proses dimulai dengan menciptakan sistem otomasi untuk visual capture.
Setelah itu, perlu dikembangkan data model AI untuk “mengajarkan” mesin agar bisa membedakan camshaft yang lulus standar dan tidak. Setelah proses pembelajaran dianggap memadai, mesin itu mulai melakukan inspeksi dengan didampingi teknisi terlatih.
AI untuk Predictive Maintenance
Selain visual inspection, inisiatif berbasis AI juga bisa diimplementasikan di area predictive maintenance. Tujuan utama inisiatif ini adalah mencari titik keseimbangan antara reactive maintenance (yang menimbulkan risiko terjadinya kegagalan) dan preventive maintenance (yang berbiaya tinggi).
Dengan predictive maintenance,harapannya akan terwujud zero down time dengan biaya paling efisien. Proses implementasi predictive maintenance ini relatif mirip seperti visual inspection.
Hanya saja, mendapatkan basis data untuk data modelling menjadi tantangan tersendiri karena membutuhkan teknologi sensor dan IoT untuk menangkap data kondisi mesin.
Karena itu, dukungan penyedia mesin produksi juga sangat dibutuhkan. Berdasarkan pengalaman, Andhik menyebut penyedia mesin produksi jarang memberikan informasi terkait apa dan bagaimana menangkap parameter kondisi mesin.
Karena itu Andhik mewanti-wanti agar saat pembelian mesin, pembeli harus meminta dukungan kepada penjual untuk mendapatkan parameter yang dibutuhkan. Selain quality control dan maintenance, pemanfaatan AI di industri otomotif sebenarnya masih terbuka lebar.
Penulis: Muhammad Agung Prasetio
Mahasiswa Teknik Informatika, Universitas Pamulang
Editor: Salwa Alifah Yusrina
Bahasa: Rahmat Al Kafi
