Olga Kabsyah Ramadhani

Era Industri 4.0: Peran Penting Data Science dalam Mewujudkan Keunggulan Kompetitif

Teknologi | 2023-05-08 00:46:36

Industri 4.0 adalah kolaborasi antara sains, data, informasi, dan teknologi dengan integrasi ilmu data dan teknik untuk menghasilkan sistem industri yang cerdas. Dengan demikian, agar industri menjadi otomatisasi, industri 4.0 membutuhkan instrumen seperti: Internet of Things (IoT), Sensor dan Aktuator, Sistem Cyber-Physical, Kecerdasan Buatan (AI), Komputasi Awan, Big Data Analytics, Jaringan dan Konektivitas yang mempertimbangkan banyak parameter untuk mengakumulasi informasi baik di dalam maupun di luar sistem industri.

Industri 4.0 telah mengubah lanskap bisnis dengan memperkenalkan konsep-konsep baru seperti Internet of Things (IoT), big data, analitik, dan kecerdasan buatan (AI). Di tengah perubahan yang cepat ini, data science telah muncul sebagai elemen kunci dalam mewujudkan potensi penuh dari Industri 4.0. Dalam sektor industri yang semakin terhubung dan berotomatisasi, data science memberikan wawasan berharga dan kemampuan prediktif yang memungkinkan perusahaan untuk mengambil keputusan yang lebih cerdas dan strategis.

Banyak yang berpendapat bahwa fokus pasar persaingan telah berevolusi dari persaingan antara perusahaan-perusahaan individual menjadi persaingan antara seluruh rantai pasokan (Craighead et al., 2009, Ketchen dan Hult, 2007, Slone, 2004, Whipple dan Frankel, 2000). Fokus yang dihasilkan pada manajemen rantai pasokan (SCM) telah memaksa para manajer untuk berpikir ulang tentang strategi kompetitif mereka (Zacharia et al., 2011), dan banyak yang sekarang berusaha untuk "menang dengan data" (Hopkins et al., 2010). Manajer rantai pasokan semakin bergantung pada data untuk mendapatkan visibilitas ke dalam pengeluaran, mengidentifikasi tren biaya dan kinerja, dan mendukung kontrol proses, pemantauan inventaris, optimalisasi produksi, dan upaya peningkatan proses. Faktanya, banyak bisnis yang kebanjiran data, dan banyak yang berusaha memanfaatkan analisis data sebagai sarana untuk mendapatkan keunggulan kompetitif (Davenport, 2006). Data science, analisis prediktif, dan "big data" masing-masing dianggap sebagai bagian dari area kompetitif yang sedang berkembang yang akan mengubah cara di mana rantai pasokan dikelola dan dirancang (Waller dan Fawcett, 2013).

Bidang data science yang sedang berkembang menggabungkan keahlian matematika, statistik, ilmu komputer, dan ilmu perilaku untuk menggali wawasan dari data perusahaan, sementara analisis prediktif menggambarkan serangkaian alat ilmu data yang digunakan untuk upaya prediksi hasil di masa depan (Barton dan Court, 2012, Davenport dan Patil, 2012). Big data adalah istilah yang lebih luas, definisi dan penggunaannya berubah untuk mencakup lebih dari sekadar ukuran atau volume data organisasi, tetapi juga variasi dan kecepatannya (Megahed dan Jones-Farmer, 2013). Seperti yang dikemukakan oleh Waller dan Fawcett (2013), kami secara kolektif menyebut ketiga topik terkait ini sebagai ilmu data, analisis prediktif, dan data besar (big data).

Data Science berperan dalam beberapa hal berikut ini:

• Pengumpulan dan Pengolahan Data: Industri 4.0 melibatkan pengumpulan data yang besar dan beragam dari berbagai sumber, termasuk sensor, perangkat IoT, dan sistem lainnya. Data science berperan dalam mengumpulkan, membersihkan, dan menggabungkan data ini dari berbagai sumber yang heterogen, sehingga data tersebut dapat diproses dan dianalisis.

• Analisis dan Pemodelan Data: Data science menggunakan teknik statistik dan matematika untuk menganalisis data yang besar dan kompleks. Dengan menggunakan metode seperti analisis prediktif, analisis clustering, dan machine learning, data science membantu dalam mengidentifikasi pola, tren, dan wawasan penting dari data yang dapat digunakan dalam pengambilan keputusan yang lebih baik di industri 4.0.

• Pengembangan Model Prediktif: Salah satu aspek penting dalam industri 4.0 adalah kemampuan untuk membuat model prediktif yang dapat memprediksi hasil dan perilaku di masa depan. Ilmu data berperan penting dalam mengembangkan dan melatih model-model ini dengan menggunakan algoritma pembelajaran mesin dan teknik kecerdasan buatan lainnya.

• Optimalisasi Proses Produksi: Data science dapat membantu mengoptimalkan proses produksi di industri 4.0. Dengan menganalisa data yang dihasilkan oleh alat produksi dan sistem sensorik, data science dapat mengidentifikasi area-area di mana efektivitas dapat ditingkatkan, waktu henti dapat dikurangi, dan kualitas dapat ditingkatkan. Hal ini dapat menghasilkan pengurangan biaya dan peningkatan produktivitas yang signifikan.

• Pengambilan Keputusan Berbasis Data: Data science memberikan dasar yang kuat untuk pengambilan keputusan berbasis data di industri 4.0. Dengan menggabungkan data historis, data real-time, dan wawasan prediktif, data science dapat membantu para pemimpin bisnis untuk mengambil keputusan yang lebih baik dan lebih informatif.

Secara keseluruhan, data science menjadi kekuatan utama industri 4.0 dengan menyediakan metode dan alat yang diperlukan untuk mengumpulkan, mengolah, menganalisis, dan mengambil tindakan terhadap data yang besar dan kompleks. Dalam proses ini, data science memberikan keunggulan kompetitif bagi perusahaan dalam menghadapi berbagai tantangan dan peluang yang ada di era industri 4.0.

Referensi:

Abid Haleem, S. B. (2021). Data science applications for predictive maintenance and materials science in context to Industry 4.0. 4898-4905.

Benjamin T. Hazen, C. A.-F. (2014). Data quality for data science, predictive analytics, and big data in supply chain management: An introduction to the problem and suggestions for research and applications. International Journal of Production Economics, 72-80.

Clifton, C. 2009. Penambangan data. https://www.britannica.com/technology/data-mining. Dai, J., dan MA Vasarhelyi. 2016. Imagineering Audit 4.0. Kertas Kerja.

Davenport, TH, P. Barth, dan R. Bean. 2012. Seberapa Besar Perbedaan Data. Tinjauan Manajemen Sloan MIT 54 (1): 43–46.

Deloitte. 2016. Deloitte membentuk aliansi dengan Kira Systems | Deloitte AS | Jumpa pers. Deloitte Amerika Serikat.http://www2.deloitte.com/us/en/pages/about-deloitte/articles/press- releases/deloitte-forms-alliance-with-kira-systems-to-drive-the-adoption-of-artificial- intelligence-in-the-workplace.html.

Melancon, B. 2012. “Big Data” Menghadirkan Peluang Besar bagi Perusahaan dan CFO. Wawasan AICPA.http://blog.aicpa.org/2012/07/big-data-presents-big-opportunities-for-firms-and- cfos.html#sthash.OgDrQ0yQ.dpbs.

Tabish, S. A. (2023). Embracement of industry 4.0 and sustainable supply chain practices under the shadow of practice-based view theory: Ensuring environmental sustainability in corporate sector. Cleaner Production, 398.

Trimi, H. H. (2022). Towards a data science platform for improving SME collaboration through Industry 4.0 technologies. Technological Forecasting and Social Change, 174.

Trimi, H. H. (2023). Evolution of artificial intelligence research in Technological and Social Change. Technological Forecasting and Social Change. Retrieved from https://www.sciencedirect.com/science/article/pii/S0040162523002640

Valentin Steinwandter, D. B. (2019). Data science tools and applications on the way to Pharma 4.0. Drug Discovery Today, 1795-1805.

Oleh: Olga Kabsyah Ramadhani

S1 Teknologi Sains Data, Universitas Airlangga