Home Apps & Platform Setelah Kendaraan Listrik, Inikah Fase Selanjutnya Evolusi Otomotif?

Setelah Kendaraan Listrik, Inikah Fase Selanjutnya Evolusi Otomotif?

Oleh: Eric Ananda, Country Lead Indonesia, Zebra Technologies

Di Indonesia, keberadaan kendaraan listrik (electric vehicles/EV) sudah menjadi realita sehari-hari dengan semakin banyaknya mobil yang terlihat terhubung ke stasiun pengisian baterai di berbagai tempat. Menurut World Economic Forum, Indonesia berkomitmen untuk memproduksi 13 juta sepeda motor listrik dan 2,2 juta mobil listrik hingga tahun 2030. Dengan jumlah cadangan nikel yang melimpah, Indonesia akan memainkan peran penting dalam rantai pasokan produksi baterai global.

Dan nampaknya beberapa produsen mobil sudah melangkah melewati fase transisi. Contohnya, Walter Mertl, Chief Financial Officer, BMW, mengungkapkan bahwa kini pertumbuhan penjualan mobil listrik sudah melampaui mobil dengan sistem pembakaran (combustion). Tetapi ini adalah sebuah perjalanan, dan kecepatan perubahan akan berbeda pada setiap produsen mobil dan wilayah.

Dengan lebih dari 100 juta baris code dan 1.000 atau lebih chip semikonduktor, digitalisasi dan komputerisasi di mobil terbilang sebagai perubahan besar seiring waktu dan akan terus berkembang. Kendaraan otonom saat ini diperkirakan memiliki lebih dari 300 juta baris code dan satu kendaraan listrik membutuhkan sekitar 3.000 chip.

Layer atau transisi baru mungkin sudah terjadi. Mobil-mobil seperti Volkswagen yang punya teknologi asisten suara IDA sekarang sudah dilengkapi dengan ChatGPT, sementara BMW bermitra dengan Amazon untuk memperkenalkan large language models (LLMs) pada Intelligent Personal Assistant BMW. Di tahap ini, masih terlalu dini untuk mengatakan bagaimana AI generatif akan mengubah cara pengemudi, mobil, dan sekelilingnya berinteraksi satu sama lain dalam jangka waktu panjang, namun mari membayangkan bahwa ke depan kita akan menyaksikan berbagai penggunaan dan pengalaman lebih dari yang diperlihatkan BMW dan Volkswagen saat ini.

Pengemudi bisa memanfaatkan asisten AI untuk merencanakan perjalanan mereka, mengatur pengingat, mencari lokasi parkir, berbagi status perjalanan dengan orang lain, menampilkan update rute secara real time, dan memberikan rekomendasi. Ia bahkan bisa memesan kopi atau makan siang yang siap diambil saat pengemudi tiba di drive-thru perhentian berikutnya.


Dari Pabrik ke Mobil – Lebih Banyak AI dalam Manufaktur Otomatis

Penerapan AI generatif di dalam kendaraan menandakan sinyal pertumbuhan AI sebagai penggerak value untuk konsumen dalam manufaktur otomotif. Namun mereka bukanlah satu-satunya yang mendapatkan manfaat dari AI, sebab para engineer di manufaktur juga akan merasakan manfaatnya. Ada beberapa aplikasi AI yang bisa dimanfaatkan oleh produsen mobil untuk memenuhi persyaratan kualitas dan kepatuhan yang sesuai dengan ekspektasi orang terhadap mobil modern, serta meningkatkan pengalaman para pekerja di pabrik. Satu tipe AI yang canggih tersebut adalah deep learning yang meniru jaringan syaraf manusia di dalam otak.

Peneliti akademik dan perusahaan teknologi mengalihkan perhatian mereka kepada deep learning sebagai tools yang berguna untuk produsen otomotif yang selama ini berhadapan dengan berbagai persyaratan inspeksi visual yang sulit dipenuhi oleh tools tradisional. Sistem machine vision tradisional digunakan untuk memeriksa kualitas dan end of line, keterlacakan suku cadang, pengukuran dan perhitungan, pengecekan presence/absencemetrology, dan pemeriksaan porositas. Namun tools tersebut punya masalah-masalah klasik, di antaranya waktu pelatihan yang dibutuhkan, biaya, interoperabilitas, pemeliharaan, dan penanganan kasus penggunaan yang kompleks.

Namun situasi sedang berubah. Dalam laporan AI Machine Vision in the Automotive Industry Benchmark Report, sebanyak 56% pemimpin bisnis dalam industri otomotif di Inggris dan 43% di Jerman mengatakan bahwa saat ini mereka sedang menggunakan beberapa bentuk AI seperti deep learning dalam proyek machine vision mereka. Meskipun rata-rata 20% di Inggris dan Jerman mengatakan bahwa mereka tidak menggunakan AI, mereka telah menyatakan ketertarikan untuk mengetahui lebih lanjut atau saat ini sedang mencari cara untuk mendapatkannya.

Deep learning machine vision “AI eyes” menjamin tingkat akurasi, kualitas, dan pemeriksaan kepatuhan yang sebelumnya tidak dapat dicapai, dan dapat menyatukan para engineer, programmer, dan ilmuwan data dengan tools deep learning yang baru untuk produksi mobil modern.

Deep learning machine vision bisa digunakan dalam produksi semikonduktor yang high-demanding, termasuk untuk melakukan wafer inspection, penyelarasan pola, penyortiran die, wafer dicing, solder paste quality, metrologi, dan inspeksi 3D. Sekarang makin dibutuhkan standar yang lebih tinggi untuk melakukan berbagai hal, mulai dari mobil, AI generatif, hingga mobil yang sudah dibekali AI generatif. Deep learning machine vision juga bermanfaat dalam proses pembuatan baterai kendaraan listrik, meningkatkan pengecekan node dan cathode coating, posisi electrode tabstacking alignment, pengecekan seri/code, dan verifikasi perakitan, saat industri memajukan berbagai upaya elektrifikasinya.

Di saat produsen menghadapi tantangan dalam merekrut dan mempertahankan pekerja yang memiliki keterampilan, tool deep learning yang siap digunakan adalah pengubah permainan. Tool seperti optical character recognition (OCR) deep learning sudah dilengkapi dengan jaringan neural yang siap digunakan dan sudah dilatih menggunakan ribuan sample gambar yang berbeda untuk menghasilkan tingkat akurasi yang tinggi, bahkan saat berhadapan dengan kasus yang sangat sulit. Pengguna bisa membuat aplikasi OCR yang kuat hanya dengan beberapa langkah sederhana – tanpa membutuhkan keahlian machine vision. Ini adalah contoh bagaimana tool AI mutakhir bisa melakukan pendekatan low/no code, supaya AI bisa diakses oleh lebih banyak orang dan lebih mudah digunakan oleh lebih banyak pekerja.

Dalam lima tahun mendatang, 33% dari pengambil keputusan dalam industri otomotif di Inggris dan 29% di Jerman ingin mengotomatisasi lebih dari setengah proses inspeksi visual mereka menggunakan machine vision. Target ini akan sulit dicapai tanpa machine vision modern.

AI, baik itu deep learning maupun AI generatif, adalah penggerak value bagi konsumen dan orang-orang seperti engineer yang menjadi garda depan di pabrik, yang bertanggung jawab untuk memajukan manufaktur. AI sedang menciptakan level baru visibilitas aset, pekerja yang berpengetahuan dan keterampilan lebih baik, serta memperluas peluang untuk mengotomatiskan tugas-tugas yang berulang dan kompleks. Tim engineer yang berharga dan terampil dapat bertindak sebagai manusia di dalam proses tersebut, sambil memberikan lebih banyak waktu untuk memajukan strategi dan operasional manufaktur menuju transisi apa pun yang akan terjadi selanjutnya.


Pelajari lebih lanjut tentang deep learning machine vision di sini.