Dalam artikelnya, Eric Ananda, Country Lead Indonesia, Zebra Technologies mengungkapkan, pasar kendaraan listrik dan hybrid di Indonesia mengalami pertumbuhan luar biasa dalam beberapa tahun terakhir, yang didorong oleh adanya insentif dari pemerintah dan meningkatnya minat konsumen.
Menurut Gabungan Industri Kendaraan Bermotor Indonesia (Gaikindo), penjualan whole sales atau penjualan dari pabrik ke dealer untuk mobil hybrid di seluruh Indonesia mencapai 56.812 unit pada tahun 2024, naik 4,86% secara year-on-year. Sementara itu, penjualan mobil listrik mencapai 42.889 unit, dengan pertumbuhan yang luar biasa yakni mencapai 151,53% year-on-year.
Pemerintah Indonesia menargetkan kehadiran 2 juta unit mobil listrik dan 13 juta unit motor listrik di jalan pada tahun 2030, sehingga mendorong pertumbuhan industri ini dan menempatkan Indonesia sebagai pusat kendaraan listrik yang berkembang pesat.
Meningkatnya permintaan akan kendaraan listrik, hybrid, dan kendaraan autonom memberikan kesempatan sangat langka kepada industri otomotif untuk mengatur ulang pendekatan mereka terhadap software machine vision yang digunakan untuk inspeksi visual, atau memastikan bahwa mereka melakukan semuanya dengan benar sejak awal jika mereka pemain baru di industri ini.
Sayangnya, sebagian besar software hingga saat ini membuat machine vision – dan otomatisasi secara umum – menyandang reputasi sebagai sesuatu yang rumit, mahal, dan memusingkan. Banyak orang beranggapan bahwa menggunakan hardware dari vendor yang berbeda-beda merupakan sebuah tantangan besar ketika membangun sebuah sistem vision. Tetapi masalah sebenarnya bukan di hardware. Hal yang sulit adalah memastikan bahwa beragam software dari vendor yang berbeda bisa bekerja dengan baik satu sama lain.
Tim inspeksi visual harus memastikan bahwa mereka telah sepenuhnya mengeksplorasi dan memahami software yang mendasari sistem machine vision. Hal ini sangat penting bagi OEM dan supplier otomotif guna memenuhi meningkatnya permintaan akan kendaraan listrik, hybrid, dan otonom.
Lakukan pengaturan Ulang dengan Mengajukan Pertanyaan yang Tepat
Saat hendak membeli solusi machine vision baru, biasanya ada dua pertanyaan utama yang diajukan: “Berapa biaya lisensi software untuk menjalankan hardware?” dan “Apa yang diperlukan dalam integrasi, pengelolaan, dan pelatihan pengguna dalam komponen yang baru?” Ini adalah pertimbangan penting, tetapi ada pertanyaan ketiga yang juga harus ditanyakan: “Apakah ada cara untuk menjalankan seluruh sistem dari rangkaian software vision yang sama dari satu vendor yang sama, bahkan ketika saya membutuhkan hardware vision dari beberapa vendor yang berbeda?”
Sebenarnya, pertanyaan ketiga ini adalah pertanyaan paling penting untuk diajukan ketika menerapkan sistem machine vision. Pertanyaan ini harus menjadi prioritas karena akan membantu tim inspeksi kualitas memutuskan apakah biaya yang akan mereka keluarkan akhirnya akan mengatasi– atau membantu menghindari – kelemahan umum dalam desain sistem machine vision tradisional: yaitu harus berurusan dengan beragam platform software yang berasal dari beberapa vendor yang berbeda dan mengatasi tantangan dalam proses setup, ketika mereka ingin menambah atau memperbarui komponen hardware.
Software adalah perekat yang menopang sistem machine vision. Software ini dapat mendukung atau mencegah berbagai komponen hardware yang berbeda untuk bekerja sama sesuai kebutuhan para engineer untuk melakukan otomatisasi inspeksi atau pemeriksaan kualitas. Baik saat mereka mencoba meningkatkan kontrol kualitas atau mengaudit kepatuhan terhadap regulasi, software ini akan menghubungkan teknologi inspeksi visual dengan sistem bisnis lainnya untuk mendukung pengambilan dan analisis data secara otomatis.
Interoperabilitas ini sangat penting, karena tim operasional dan IT harus berinteraksi dengan software secara terus-menerus untuk merancang proses inspeksi, melatih model pembelajaran yang mendalam, memutuskan apa yang lolos atau gagal dalam inspeksi, memenuhi service level agreements, dan melindungi reputasi brand mereka dalam hal kualitas dan keamanan.
Ada rangkaian software dari satu vendor yang mudah digunakan, skalabel, dan aman, serta mampu menjalankan berbagai jenis komponen hardware seperti kamera, pemindai barcode, sensor, dan lengan robotik untuk pemeriksaan visual, otomatisasi proses, serta proses track and trace. Rangkaian software vision ini dapat menjalankan kamera, sensor, dan pemindai dari vendor yang berbeda ke dalam sistem tanpa menuntut operator untuk mengonfigurasi, mempelajari, atau mengelola paket software yang berbeda atau membayar biaya lisensi ke beberapa vendor. Mereka juga dapat berinteraksi dengan sistem yang menjalankan robot untuk membantu memandu mereka dalam alur kerja otomatis.
Machine vision jangan hanya menjadi cara untuk mengkompensasi kekurangan tenaga kerja atau memvalidasi keputusan yang terkait dengan pekerja. Machine vision dapat menjadi mekanisme yang digunakan untuk membangun kepercayaan terhadap brand dan mengamankan keuntungan. Kemampuan analisis dan pengambilan data secara real-time dapat membantu meyakinkan tim engineering bahwa suku cadang atau kendaraan yang rusak tidak lolos dari inspeksi manusia dan memungkinkan intervensi secepatnya ketika masalah teridentifikasi.
Machine Vision yang Dapat Berubah Sesuai Perkembangan Industri
Di masa lalu, banyak OEM dan supplier otomotif mengandalkan machine vision untuk mempermudah mereka dalam memenuhi toleransi produksi yang ketat, memastikan kontrol kualitas yang tepat, dan mengikuti standar industri yang terus berkembang. Hal ini juga berarti bahwa sistem akan terus dikembangkan agar bisa memenuhi kebutuhan terhadap kemampuan-kemampuan yang akan digunakan untuk memuaskan permintaan produksi yang semakin kompleks, menjaga konsistensi dengan inspeksi, dan mengurangi cacat.
Mempertahankan throughput yang lebih tinggi dan kepatuhan terhadap peraturan akan sulit tanpa otomatisasi. Namun, dalam upaya meraih efisiensi dan memastikan akurasi secara terus menerus, industri otomotif akhirnya menggunakan serangkaian paket software dan sebagai konsekuensinya dihadapkan dengan berbagai tantangan.
Ketika industri otomotif berkembang, software machine vision juga harus berkembang. Industri otomotif harus dapat membuat perubahan-perubahan secara bertahap dalam sistem machine vision seiring dengan perubahan kebutuhan bisnis, seperti yang kita lihat dengan pertumbuhan kendaraan listrik, hybrid, dan otonom. Platform software terpadu tidak hanya untuk menangani tugas-tugas saat ini, tetapi juga mendukung teknologi-teknologi masa depan seperti inspeksi berbasis AI dan model pembelajaran mendalam. Fleksibilitas ini memastikan bahwa ketika kendaraan listrik dan otonom membutuhkan inspeksi yang lebih kompleks, software Anda akan berkembang untuk memenuhi permintaan tersebut tanpa memerlukan perombakan sistem besar-besaran.
Jadi, jika di kemudian hari ada pembicaraan tentang otomatisasi inspeksi, penyedia teknologi atau integrator sistem harus ditanya apakah desain sistem yang mereka rekomendasikan dapat diatur untuk dijalankan dari satu software tunggal, meskipun hardwarenya berasal dari beberapa vendor berbeda.
Jika jawabannya adalah “ya”, maka pertanyaan penting lainnya dapat menyusul. Pertanyaan-pertanyaan tersebut harus mencakup pertanyaan tentang interoperabilitas, keamanan data, kemampuan untuk terus meningkatkan solusi, dukungan untuk inspeksi 2D/3D, aplikasi AI saat ini dan masa depan termasuk model pembelajaran mendalam, dan waktu pelatihan yang dibutuhkan.
Mengganti hardware itu mudah, dan software yang tepat akan membuat pembaruan alur kerja di masa depan terasa seperti penyesuaian kecil bukannya perombakan besar-besaran. Tim engineering dan para programmer harus fokus pada upaya menemukan software yang fleksibel dan siap digunakan di masa depan, serta dapat menjalankan hardware apa pun yang mereka inginkan dan tidak akan membuat mereka menyesal dalam beberapa bulan atau beberapa tahun kemudian.
(rr/Syam)
