Bagaimana data manufaktur tersimpan di kembar digital? Teknologi menciptakan jembatan penghubung arsitektur Internet of Things dengan solusi pertukaran data proses industri yang aman berbasis Industry 4.0 atau arsitektur International Data Spaces.
Bagaimana sebuah grup perusahaan berbagi data secara bersama dan meski pengguna lebih dari satu perusahaan, namun data manufaktur tersimpan di dalam kembar digital yang terkendali?
Data Manufaktur
Untuk menggambarkan konsep kembar digital maka tim peneliti Fraunhofer CCIT membuat solusi di satu area yang terhubung agar memungkinkan perusahaan-perusahaan dapat saling berbagi data yang sensitif.
Proses pembuatan data dan pembagian (data sharing) hanya dapat dilakukan dengan mitra dan pelanggan yang masing-masing berwenang dan punya otoritas.
Pengamanan data yang tersimpan di dalam kembar digital dapat dilakukan secara aman berkat teknologi informasi (TI).
Sementara itu, solusi IT terdiri dari tiga komponen meliputi arsitektur Internet of Things (IoT), kembar digital, dan International Data Spaces (IDS).
Aplikasi arsitektur RIOTANA® (Real-time IoT Analytics) mengambil data mentah dari proses yang dieksekusi meliputi getaran, suhu atau gesekan, dan kemudian menggunakannya untuk menghasilkan indikator yang bermakna secara real time.
Informasi ini kemudian disimpan dalam kembar digital di dalam server perusahaan. Peran kembar digital menampilkan produk dalam bentuk virtual sebelum diproses dalam bentuk produk yang sesungguhnya (nyata).
Kembar digital berguna untuk pembuatan desain produk, simulasi, pemantauan, optimisasi, dan servis—merupakan bagian penting pada sektor industri berbasis Internet of Things (IoT).
Manajemen perusahaan dapat menentukan tiap jenis data yang boleh dibagikan dengan pengguna lain. Sedangkan kondisi dan kriteria data yang dapat dibagikan (share), apakah ditententukan harganya dan sebagainya bergantung pada pemilik (utama) data.
Konektor IDS menyediakan transmisi data yang aman dan kontrol atas pemrosesan data lebih lanjut kepada penerima data tersebut yakni mitra atau pelanggan.
Kita ingat bahwa berbagi data dapat berlangsung dengan dua arah. Apa bila diperlukan, informasi atau data dapat ditambahkan lagi ke kembar digital berikutnya yang dapat dimanfaatkan oleh pengguna eksternal.
“Teknologi yang kami ciptakan dapat menjembatani arsitektur IoT dan solusi yang ada untuk pertukaran data proses industri yang aman, seperti asset administrasi berbasis Industry 4.0 atau arsitektur IDS. Hal itu mengakomodasi semua jenis database atau aplikasi,” jelas Hendrik Haße salah satu peneliti Institut Fraunhofer khuus Perangkat Lunak dan Rekayasa Sistem ISST.
Misalnya, lanjut Hendrik Haße hal itu memungkinkan produsen mesin dan pengguna mesin untuk berbagi data dalam proses peningkatan pemantauan kondisi alat-alat industri saat dioperasikan di lokasi pabrik jauh dari tempat produsen mesin.
Apakah penggunaan artificial intelligence (AI) atau kecerdasan buatan menghasilkan produk lebih cepat sehingga tercapaiu efisience?
Tim pakar mengakaui bahwa nilai tambah teknologi buatan mereka yang digunakan di sektor industri melampaui kemampuan untuk berbagi data dengan mitra luar.
Teknologi seperti pembelajaran mesin atau machine learning dan kecerdasan buatan dapat diterapkan mengolah data yang diperoleh dari proses manufaktur yang sedang berlangsung.
Untuk memastikan bahwa peralatan mesin menghasilkan hasil yang andal dan dapat direproduksi, seyogianya tanda-tanda keausan harus dideteksi pada waktu yang tepat.
Sampai sekarang, hal itu bergantung pada pengalaman dan pengetahuan operator alat berat—terutama didasarkan pada kekuatan pengamatan mereka.
Para peneliti di Institut Fraunhofer untuk Teknologi Produksi IPT dan untuk Algoritma dan Scientific Computing SCAI telah mengembangkan algoritma untuk mencapai tujuan dengan melatih operator untuk dengan menggunakan metode pembelajaran mesin yang diadaptasi secara khusus.
Penggunaan AI mampu menentukan kondisi alat dengan menganalisis spektrum suaranya dan pada gilirannya memungkinkan untuk mengidentifikasi tanda-tanda keausan sekecil apa pun di dalam mesin.
“Sebetulnya manusia dapat melakukan pekerjaan itu,” ujar Sebastian Mayer seorang peneliti di Fraunhofer SCAI.
“Namun, AI mengerjakannya lebih cepat, menganalisis lebih banyak spektrum suara pada saat yang sama, dan mampu membedakan tanda-tanda keausan pada suatu skala yang lebih halus. Algoritma membantu operator manusia untuk memutuskan, misalnya, apakah suatu alat perlu diganti atau tidak,” tambah Sebastian Mayer.
“AI disetel ke frekuensi yang berbeda dari telinga manusia. Kecerdasan buatan dapat memberitahukan jenis frekuensi yang harus diberi perhatian khusus oleh operator,” Arno Schmetz ilmuwan Fraunhofer IPT melengkapi penjelasan rekannya.