Skills yang dibutuhkan Automation Engineer di era Industry 4.0 (Tulisan seorang kawan - part 1)

 BY HANDY WICAKSONO ST, MT, PHD - Dosen Kontrol & Otomasi UK Petra Surabaya 

Seorang Automation Engineer (AE) harus memiliki knowledge dan skill terkait sensor dan aktuator, instrumentasi dan kontrol, PLC, HMI, SCADA, dan lain – lain. Beberapa skill terkait teknologi informasi juga penting, di antaranya: coding, data communication, network, sampai ke database. Saya pernah menuliskan profesi AE di salah satu post lama.

Saat dunia sudah memasuki tahapan Revolusi Industri 4.0, makin banyak skills lain yang harus ditambahkan sehingga AE siap bersaing di masa mendatang. Skills di beberapa bidang berikut ini (menurut saya) akan menjadi nilai tambah bagi AE untuk siap menghadapi era industri 4.0:

1. Industrial internet of things
2. Machine learning
3. Cloud computing
4. Computer vision

Pada posting kali ini, akan dibahas 2 topik: Industrial Internet of Things (IIoT) dan machine learning. Saya akan menjelaskan deskripsi singkat, dan bagaimana anda bisa mempersiapkan diri untuk memiliki skill di bidang tersebut.

1. Industrial internet of things

Deskripsi

Sebagai pengantar, pemahaman sederhana Internet of Things (IoT) ialah kondisi dimana berbagai peralatan (umumnya sensor dan aktuator) saling terhubung satu dengan yang lain melalui internet. Penerapan IoT secara spesifik di industri/pabrik disebut dengan IIoT. Berikut ini contoh arsitektur IIoT yang terdiri dari 3 bagian: edge (meliputi PLC atau kontroler lain, HMI, sensor, aktuator), network, dan cloud.

IIoT Architecture

Sumber: https://en.wikipedia.org/wiki/Industrial_internet_of_things

Selama ini dunia automasi industri menerapkan Automation Hierarchy (lihat gambar di bawah), sehingga untuk melakukan komunikasi antara peralatan di salah satu level dengan level lainnya harus mengikuti hirarki tersebut. Misalnya jika suatu software SCADA ingin mendapatkan nilai sensor, maka software tersebut harus “meminta” data tersebut ke PLC, dan PLC akan “memberikan” data dari sensor yang terhubung ke PLC. Hal ini tentunya membuat sistem secara umum berjalan lebih lambat dan kurang fleksibel.

Sumber: https://iot-analytics.com/industrial-internet-disrupt-smart-factory/

Di sinilah Industrial Internet of Things (IIOT) melakukan perubahan besar, karena setiap peralatan (things) dapat terhubung dengan peralatan di level manapun melalui internet. Boleh dikatakan tidak ada lagi hirarki di sini. Akibatnya, sistem bekerja dengan lebih cepat dan fleksibel. Hal ini tentunya bukan tanpa kekurangan, diantaranya sistem IIOT masih belum teruji di lapangan dan munculnya masalah security karena sistem menjadi terbuka via internet.

Bagaimana mempersiapkan diri?

Anda bisa mulai dengan mempelajari konsep internet of things secara umum. Sangat banyak sumber yang bagus di internet (video, artikel) yang membahas IoT. Setelah itu, anda bisa mulai masuk ke IIoT, yaitu penerapan IoT di industri/pabrik. Saat ini hampir semua vendor otomasi terkemuka (misal: Siemens, Schneider, AB, dll) telah memiliki produk yang terkait dengan IIoT.

Selain konsep, anda juga bisa mencoba mempraktekkan langsung. Salah satu tool yang menurut saya paling mudah (dan gratis) untuk dipelajari ialah NodeRed. Jika anda memiliki PLC fisik dan IoT gateway (misal RaspberryPi atau Siemens IOT 2040), kemungkinan besar PLC anda bisa terhubung dengan IIoT memanfaatkan NodeRed. Saya telah menulis beberapa artikel tentang koneksi NodeRed dan PLC Siemens S71200 (bagian 1, bagian 2).

FYI, dalam beberapa semester ini cukup banyak mahasiswa di Teknik Elektro, UK Petra (dan pasti di kampus lain juga) yang menggunakan platform ini.

2. Machine Learning

Deskripsi

Machine learning ialah mekanisme cerdas yang diterapkan pada suatu agent (bisa berupa software, robot, dll) sehingga ia dapat belajar sendiri dari pengalamannya, dan menjadi makin pintar dalam mengambil keputusan. Machine learning ialah bagian dari bidang artificial intelligence (AI) yang saat ini sedang sangat populer di berbagai bidang. Mulai dari self-autonomous car sampai situs perjodohan, semua menggunakan teknologi machine learning.

Di dunia automasi industri, machine learning (atau AI secara umum) juga mulai banyak diterapkan. Salah satu bidang penerapannya ialah predictive maintenance, di mana sistem akan menentukan kapan suatu peralatan harus diperbaiki atau diganti. Umumnya peralatan akan diganti menurut jadwal yang sudah dibuat, hanya kondisi peralatan yang berbeda – beda (misal: ada yang memiliki cacat bawaan, namun ada yang tidak), membuat pergantian alat yang terlalu cepat (atau terlalu lambat) dapat merugikan perusahaan. Machine learning dapat membuat prediksi optimal tentang hal ini.

sumber: https://bit.ly/32gt6BC

Contoh penerapan lain ialah dalam proses penentuan varian dan jumlah produk yang harus diproduksi suatu pabrik. Sistem dengan machine learning dapat memberi rekomendasi varian produk (dan berapa jumlah produk) yang harus dibuat pada periode waktu tertentu sehingga produk tersebut laku dengan baik. Sering kali pabrik membuat berbagai varian produk yang kurang laku di pasaran sehingga merugikan pabrik itu sendiri.

Selain itu juga ada penerapan machine learning untuk mendeteksi kerusakan barang dengan computer vision. Hal ini akan saya bahas secara khusus pada posting berikutnya.

Bagaimana mempersiapkan diri?

Saat ini sangat banyak media belajar machine learning yang bisa Anda temukan, salah satu sumber terbaik menurut saya ialah belajar dari kuliah online “Machine Learning” yang disampaikan Andrew Ng di Coursera. Cara penyampaian Andrew Ng sederhana dan mudah dipahami (tentunya dalam bahasa Inggris).

Sebagai tool untuk praktek, Anda bisa menggunakan bahasa pemrograman Python, dan menambahkan library machine learning seperti Scikit-Learn yang semuanya bersifat gratis. Ada banyak sumber lain yang membahas penerapan machine learning dengan library tersebut. Setelah itu anda bisa berpindah mempelajari library untuk big data ataupun deep learning.

Bagaimana menghubungkan algoritma machine learning dengan kontroler seperti PLC? Dalam hal ini NodeRed kembali bisa membantu, karena ada node yang dapat mengakomodasi ML library seperti ScikitLearn maupun Tensorflow. Sebagai catatan, saya belum pernah mencoba node ini secara langsung.

Demikian posting kali ini, 2 topik lain akan saya bahas pada posting mendatang. Terima kasih, semoga bermanfaat!