Kecerdasan Industri Semakin Dekat dengan Mesin
Kecerdasan buatan mengubah cara sistem otomasi industri memproses informasi, mengambil keputusan, dan merespons perubahan kondisi operasional. Alih-alih sepenuhnya mengandalkan sumber daya komputasi terpusat atau analitik berbasis cloud, produsen semakin menjajaki Edge AI, yang membawa pemrosesan data dan pengambilan keputusan cerdas lebih dekat ke sensor, pengendali, platform tertanam, dan peralatan produksi.
IIoT Forum di electronica 2026 akan membahas perkembangan ini pada 10–11 November di Hall C6, Future Tech Stage, Munich, Jerman. Diselenggarakan bekerja sama dengan Embedded Computing Design, forum ini akan membahas Edge AI, konektivitas industri, keamanan siber, kendali motor, robotika, dan pemeliharaan prediktif.
Bagi insinyur industri, pembahasannya tidak hanya seputar kinerja komputasi. Tantangan sesungguhnya adalah mengintegrasikan AI ke dalam arsitektur otomasi yang sudah ada sambil mempertahankan perilaku kendali yang terprediksi, melindungi data operasional, dan memastikan fungsi cerdas beroperasi sesuai batasan teknis lingkungan industri.
Menurut saya, pertanyaan terpenting bukanlah seberapa banyak kecerdasan yang bisa ditempatkan di edge, melainkan seberapa efektif kecerdasan tersebut dapat diintegrasikan ke dalam sistem produksi tanpa menimbulkan risiko operasional baru.
Hari 1: Platform Komputasi Industri dan Keamanan Siber Jangka Panjang
Hari pertama dimulai pukul 14.00 dengan sesi “Qualcomm Dragonwing: Modernizing Industrial Automation for the AI Era.” Anand Venkatesan, Direktur Senior Manajemen Produk di Qualcomm Technologies, akan membahas peran platform komputasi modern dalam mendukung aplikasi industri yang dilengkapi AI.
Seiring kemampuan prosesor tertanam untuk menangani beban kerja yang lebih berat, perancang otomasi memiliki lebih banyak pilihan untuk visi mesin, analisis data lokal, dan pemantauan kondisi. Namun, memilih prosesor hanyalah salah satu bagian dari perancangan sistem. Insinyur juga harus mempertimbangkan kompatibilitas perangkat lunak, antarmuka komunikasi, manajemen termal, konsumsi daya, serta integrasi dengan arsitektur PLC dan kendali industri yang sudah ada.
Pukul 14.45, Balraj Kathiresan, Insinyur Utama di Infineon, akan menyampaikan presentasi “Mitigating Security Risks in the Era of Quantum Attacks.” Sesi ini berfokus pada implikasi keamanan dari kemampuan komputasi kuantum yang terus berkembang dan masa pakai panjang peralatan industri yang terhubung.
Sistem industri sering kali tetap beroperasi selama bertahun-tahun setelah pertama kali diterapkan. Mekanisme keamanan yang memadai saat ini mungkin perlu diperbarui seiring perkembangan standar kriptografi dan kemampuan ancaman. Hal ini menimbulkan tantangan praktis bagi produsen peralatan dan operator pabrik: keamanan siber harus dipertimbangkan sepanjang siklus hidup produk, bukan diperlakukan sebagai tugas sekali selesai saat komisioning.
Bagi insinyur otomasi, ini berarti mengevaluasi komunikasi aman, autentikasi, mekanisme pembaruan firmware, kontrol akses, serta kemampuan untuk mempertahankan perlindungan kriptografi pada peralatan lama maupun modern.
Acara hari itu ditutup dengan panel “AI at the Edge for IIoT” pukul 16.30 hingga 17.15. Pesertanya adalah Vinay Agarwal dari Texas Instruments, Karthi Gopalan dari Renesas, Robin Saltnes dari Nordic Semiconductor, dan Yankin Tanurhan dari MIPS/GlobalFoundries. Rich Nass dari Embedded Computing Design akan memandu diskusi.
Panel ini akan membahas peluang dan pertimbangan teknis dalam memproses beban kerja AI lebih dekat ke perangkat industri. Pemrosesan lokal dapat mengurangi ketergantungan pada konektivitas cloud dan mendukung respons yang lebih cepat, meski kinerja aktual bergantung pada aplikasi, arsitektur jaringan, beban komputasi, dan persyaratan kendali.
Dari sudut pandang teknik, Edge AI seharusnya melengkapi fungsi otomasi yang sudah mapan, bukan serta-merta menggantikannya. Lingkar kendali deterministik, interlok, dan fungsi terkait keselamatan harus mempertahankan perilaku yang telah ditetapkan, sekalipun aplikasi berbasis AI diperkenalkan untuk optimasi atau dukungan pengambilan keputusan.
Hari 2: AI Fisik dan Sistem Robotik Cerdas
Hari kedua mengalihkan fokus ke AI fisik, robotika, penyimpanan tertanam, dan perilaku mesin otonom.
Pukul 14.00, Jean-Jacques Adragna, Manajer Staf di Qualcomm France, akan menyampaikan “Advancing Physical AI with Qualcomm Dragonwing Robotics.” Presentasi ini akan mengulas platform komputasi untuk sistem robotik cerdas, yang mengharuskan persepsi, pengambilan keputusan, dan interaksi fisik bekerja dalam batas pemrosesan dan daya yang praktis.
Tidak seperti aplikasi yang menghasilkan rekomendasi atau menganalisis data historis, sistem robotik harus menerjemahkan informasi menjadi tindakan fisik. Kamera, sensor, aktuator, penggerak motor, prosesor tertanam, dan perangkat lunak kendali harus bekerja bersama sesuai batas waktu dan operasi mesin.
Hal ini memperkenalkan pembedaan yang sangat penting bagi aplikasi industri: mengenali objek atau memprediksi kondisi tidak serta-merta berarti robot dapat bertindak berdasarkan informasi tersebut dengan aman. Sistem secara keseluruhan harus memperhitungkan akurasi sensor, latensi komunikasi, respons aktuator, batasan gerak, serta konsekuensi keputusan yang keliru.
Pukul 14.45, Donnie Garcia, Manajer Pemasaran PSoC di Infineon, akan menyampaikan “Beyond Bigger Memory: Smart Storage and AI Performance on PSoC Edge.”
Sesi ini membahas hubungan antara memori, arsitektur penyimpanan, dan eksekusi AI. Kinerja AI tertanam tidak hanya bergantung pada kapasitas pemrosesan prosesor. Kapasitas memori, laju transfer data, akses penyimpanan, dan alokasi sumber daya juga dapat memengaruhi kinerja aplikasi.
Bagi perancang peralatan, faktor-faktor ini menjadi sangat penting saat menerapkan visi mesin, fusi sensor, atau beberapa fungsi AI pada platform dengan sumber daya terbatas. Karena itu, pemilihan perangkat keras harus didasarkan pada keseluruhan beban kerja aplikasi, bukan hanya spesifikasi prosesor.
Pukul 15.30, Ivo Marocco, Wakil Presiden dan Kepala UX di Renesas, akan membahas “Managing Complexity in the Humanoid Robotics Ecosystem: A Systems Approach to Scalable Autonomy.”
Robot humanoid menggabungkan pengindraan, aktuasi, komputasi, komunikasi, dan perangkat lunak kendali dalam arsitektur yang semakin kompleks. Koordinasi subsistem ini memerlukan pengelolaan antarmuka, alokasi sumber daya, perilaku sistem, dan kondisi gangguan secara cermat.
Prinsip yang sama berlaku lebih luas pada robotika industri. Seiring mesin menjadi lebih otonom, integrasi sistem semakin penting. Prosesor yang mumpuni atau model AI yang canggih tidak dapat mengimbangi subsistem yang koordinasinya buruk, mekanisme umpan balik yang tidak memadai, atau strategi penanganan gangguan yang tidak jelas.
AI Fisik di Lantai Pabrik: Dari Demonstrasi ke Penerapan
Panel terakhir pada hari kedua, “Physical AI on the Factory Floor,” dimulai pukul 16.30. Diskusi ini akan menghadirkan Lee Gonzales-Fuentes, Manajer Pemasaran Produk Global yang menangani PSoC Control MCU di Infineon, dan Larry Olivas, Wakil Presiden Secure Connected Edge di NXP Semiconductors. Rich Nass kembali menjadi moderator.
Diskusi ini kembali membahas kebutuhan praktis produksi industri, tempat mesin cerdas harus berinteraksi dengan peralatan, proses, dan lingkungan kerja nyata. Menerapkan AI di lantai pabrik bukan sekadar menjalankan model secara lokal. Insinyur harus menentukan bagaimana keluaran AI berinteraksi dengan kendali mesin, urutan produksi, mekanisme keselamatan, dan sistem pengawasan.
Sebagai contoh, aplikasi pemantauan kondisi berbasis AI dapat mendeteksi pola getaran yang tidak biasa dan menyarankan pemeriksaan. Mengintegrasikan informasi tersebut ke dalam alur kerja pemeliharaan berbeda dengan mengizinkan sistem AI langsung mengubah gerakan mesin atau parameter proses. Setiap aplikasi memerlukan tingkat kewenangan yang jelas, validasi yang sesuai, dan respons yang tepat terhadap hasil yang tidak pasti atau keliru.
Menurut penilaian saya, keberhasilan penerapan AI fisik bergantung pada penetapan batas yang jelas antara fungsi AI probabilistik dan fungsi kendali deterministik. AI dapat memberikan kemampuan persepsi, klasifikasi, dan optimasi yang bermanfaat, sementara logika kendali konvensional tetap mengelola urutan yang peka waktu dan interlok tervalidasi. Fungsi terkait keselamatan harus mengikuti arsitektur keselamatan yang berlaku dan tidak dapat hanya mengandalkan model AI, kecuali keseluruhan implementasinya telah dinilai dan disertifikasi secara tepat untuk tujuan tersebut.
Pendekatan ini memungkinkan produsen menjajaki kemampuan AI sembari mempertahankan disiplin operasional yang dibutuhkan dalam produksi industri.
Pemeliharaan Prediktif dan Konektivitas Industri Tetap Menjadi Kebutuhan Utama
Pemeliharaan prediktif dan konektivitas industri juga menjadi bagian dari program IIoT Forum yang lebih luas. Teknologi ini menyediakan infrastruktur yang diperlukan untuk mengumpulkan data peralatan, mengidentifikasi gangguan yang mulai berkembang, dan mengoordinasikan aktivitas pemeliharaan.
Pemrosesan edge dapat membantu menganalisis getaran, suhu, arus, tekanan, dan pengukuran operasional lainnya di dekat sumbernya. Hal ini dapat mengurangi volume data yang dikirim ke sistem terpusat dan mendukung deteksi kondisi abnormal yang lebih cepat. Namun, manfaat pemeliharaan prediktif tetap bergantung pada mutu sensor, konsistensi data, model analitis yang sesuai, serta validasi berdasarkan perilaku peralatan yang sebenarnya.
Konektivitas menghadirkan tantangan terkait. Lingkungan industri sering kali mencakup peralatan dari berbagai generasi dan produsen, masing-masing dengan antarmuka, protokol, dan persyaratan pemeliharaan tersendiri. Mengintegrasikan perangkat edge ke lingkungan PLC, SCADA, DCS, dan sistem eksekusi manufaktur yang sudah ada memerlukan perhatian cermat terhadap interoperabilitas, segmentasi jaringan, kepemilikan data, dan ketersediaan sistem.
Karena itu, strategi penerapan praktis sebaiknya dimulai dengan masalah operasional yang didefinisikan secara jelas. Insinyur perlu menetapkan kinerja dasar, menentukan data yang diperlukan, mengevaluasi konsekuensi kegagalan komunikasi atau pemrosesan, serta mengukur apakah aplikasi yang dihasilkan meningkatkan hasil pemeliharaan atau produksi.
Hal yang Perlu Dicermati Insinyur Industri dari electronica 2026
IIoT Forum menyoroti beberapa prioritas teknik yang saling terkait: komputasi edge, keamanan siber jangka panjang, pengelolaan sumber daya tertanam, otonomi robotik, dan integrasi AI dengan sistem kendali fisik.
Topik-topik ini tidak boleh diperlakukan sebagai tren teknologi yang berdiri sendiri. Semuanya merupakan bagian dari arsitektur industri yang sama. Prosesor edge yang lebih mumpuni membuka peluang bagi kecerdasan lokal, tetapi juga meningkatkan kebutuhan perangkat lunak dan keamanan. Robot yang lebih otonom menghadirkan tuntutan integrasi baru, sementara pemeliharaan prediktif bergantung pada pengumpulan data yang andal dan analisis yang bermakna.
Bagi produsen, prioritasnya adalah mengidentifikasi aplikasi yang memberikan manfaat terukur dari kecerdasan edge, seperti berkurangnya latensi diagnostik, peningkatan deteksi gangguan, atau penggunaan sumber daya mesin yang lebih efisien. Aplikasi tersebut kemudian harus dievaluasi berdasarkan batasan operasional, persyaratan keamanan siber, biaya siklus hidup, serta kebutuhan untuk mempertahankan fungsi kendali dan keselamatan yang sudah ada.
Peralihan dari eksperimen AI ke penerapan industri tidak hanya ditentukan oleh kinerja komputasi. Keberhasilannya bergantung pada kemampuan insinyur mengintegrasikan perangkat lunak cerdas dengan prinsip otomasi yang teruji, perangkat keras yang mudah dipelihara, komunikasi yang aman, dan tanggung jawab operasional yang didefinisikan dengan jelas.
IIoT Forum di electronica 2026 menyediakan wadah untuk mengkaji tantangan ini melalui presentasi teknis dan diskusi pakar. Peserta juga berkesempatan mengajukan pertanyaan pada akhir setiap sesi agar dapat mendalami penerapan teknologi baru pada sistem industri mereka sendiri.
Pada akhirnya, solusi AI industri terbaik adalah solusi yang mengatasi masalah teknik tertentu, sesuai dengan arsitektur operasional yang sudah ada, dan memberikan peningkatan terukur tanpa mengorbankan persyaratan kendali, keamanan, dan keselamatan peralatan yang didukungnya.
