Otomasi dan Robotika Tidak Akan Menghilangkan Kesenjangan Tenaga Kerja—Keduanya Akan Mendefinisikan Ulang Kesenjangan Tersebut
Otomasi sering disajikan sebagai jawaban atas kekurangan tenaga kerja di bidang manufaktur. Dari perspektif teknik, anggapan itu belum lengkap. Robot, cobot, visi mesin, platform otonom, dan sistem kendali berbantuan AI dapat menghilangkan tugas berulang, tetapi juga menciptakan kebutuhan baru untuk komisioning, pemrograman, pemeliharaan, diagnostik, optimalisasi proses, keamanan siber, dan pelatihan operator.
Masalah tenaga kerja tidak hilang ketika operasi manual diotomatisasi. Sebaliknya, profil keterampilan yang dibutuhkan berubah.
Otomasi Menghilangkan Tugas, Bukan Tanggung Jawab
Otomasi industri telah mengubah manufaktur selama beberapa dekade. Sejak diperkenalkannya Unimate di lini produksi General Motors pada tahun 1961, sistem robotik secara bertahap mengambil alih pengelasan, penanganan material, perakitan, pengemasan, inspeksi, dan operasi berulang lainnya.
Sistem saat ini jauh lebih canggih. Robot dapat bekerja dengan sistem visi, penginderaan gaya, navigasi otonom, pembelajaran mesin, dan arsitektur perangkat lunak yang semakin kompleks. Namun, setiap sel otomatis tetap memerlukan orang yang memahami proses, mengonfigurasi peralatan, merawat perangkat keras, menafsirkan informasi diagnostik, dan memulihkan sistem setelah kondisi abnormal.
Pembedaan ini penting.
Robot dapat menjalankan urutan produksi tanpa campur tangan manusia, tetapi sistem produksi di sekitar robot tersebut tetap bergantung pada pengetahuan teknik. Program PLC, sirkuit keselamatan, penggerak servo, jaringan industri, sensor, HMI, robot, dan peralatan proses harus beroperasi sebagai satu sistem terpadu.
Hambatan Utama Tenaga Kerja Bergeser ke Tahap Hulu
Produsen sering berfokus pada pengurangan kebutuhan operator saat mengevaluasi proyek otomasi. Pertanyaan yang lebih sulit adalah apa yang terjadi setelah instalasi.
Lini otomatis dapat mengurangi jumlah orang yang diperlukan untuk menjalankan operasi berulang, sekaligus meningkatkan kebutuhan akan teknisi yang mampu mendiagnosis gangguan pada berbagai lapisan kendali.
Penghentian produksi dapat disebabkan oleh sensor proximity yang rusak, status PLC yang salah, waktu tunggu komunikasi yang habis, gangguan servo, kondisi interlock, pemicu pengendali keselamatan, atau masalah mekanis. Mengidentifikasi akar masalah yang sebenarnya memerlukan pengetahuan tingkat sistem, bukan sekadar keterampilan mengoperasikan peralatan.
Inilah sebabnya pemeliharaan dan rekayasa kontrol menjadi semakin penting.
Orang yang menjaga agar lini produksi terotomasi tetap beroperasi mungkin perlu memahami gambar listrik, logika PLC, Ethernet industri, kontrol gerak, instrumentasi, sistem keselamatan, robotika, dan antarmuka mekanis. Kombinasi keterampilan tersebut jauh lebih sulit ditemukan dibandingkan operator produksi tradisional.
Otomasi yang Lebih Tinggi Dapat Menciptakan Lebih Banyak Pekerjaan Terspesialisasi
Anggapan umum adalah bahwa otomasi secara langsung mengurangi lapangan kerja. Dalam praktiknya, dampaknya sangat bergantung pada cara produsen menerapkan teknologi tersebut.
Fasilitas yang sangat terotomasi mungkin memerlukan lebih sedikit orang untuk operasi manual yang repetitif, tetapi menciptakan posisi tambahan di bidang rekayasa kontrol, robotika, pemeliharaan mesin, rekayasa proses, integrasi sistem, analisis data, dan pelatihan teknis.
Dari sudut pandang rekayasa, hal ini bukanlah kontradiksi.
Otomasi mengubah pembagian kerja manusia. Intervensi manual berkurang, sementara tanggung jawab teknis meningkat.
Tantangannya adalah posisi-posisi baru ini tidak selalu dapat diisi hanya dengan melatih ulang operator selama beberapa jam. Pemecahan masalah pada sistem kontrol industri memerlukan pengalaman praktis, metode diagnostik yang terstruktur, dan pemahaman tentang interaksi antara perangkat keras dan perangkat lunak.
Kemampuan Pemeliharaan Harus Dirancang ke Dalam Sistem Otomasi
Produsen harus memperlakukan kemudahan pemeliharaan sebagai persyaratan rekayasa, bukan sebagai hal yang dipikirkan belakangan.
Sistem otomasi yang canggih secara teknis belum tentu merupakan sistem produksi yang baik jika personel pemeliharaan tidak dapat mendiagnosisnya secara efisien.
Selama perancangan sistem, para insinyur harus mempertimbangkan visibilitas diagnostik, identifikasi gangguan, kebutuhan suku cadang, akses ke komponen listrik, pemantauan jaringan, pengelolaan alarm, prosedur pencadangan, dan dokumentasi pemeliharaan.
Program PLC harus berisi tag yang bermakna dan logika diagnostik yang terstruktur. HMI harus menyediakan informasi gangguan yang berguna, bukan pesan alarm generik. Arsitektur jaringan harus membuat kegagalan komunikasi dapat diidentifikasi. Sistem keselamatan harus menyediakan informasi diagnostik yang sesuai tanpa mendorong praktik bypass yang tidak aman.
Keputusan ini secara langsung memengaruhi waktu henti.
Sistem yang menghemat beberapa detik dalam setiap kejadian pemecahan masalah dapat menghasilkan peningkatan operasional yang besar selama ribuan siklus produksi. Oleh karena itu, upaya rekayasa yang dicurahkan untuk diagnostik dan kemudahan pemeliharaan dapat sama berharganya dengan penambahan fungsionalitas otomasi.
Pelatihan Tidak Dapat Dipisahkan dari Rekayasa Otomasi
Pelatihan sering kali diperlakukan sebagai tahap akhir proyek otomasi. Pendekatan tersebut menimbulkan masalah yang tidak perlu.
Operator dan teknisi harus dipertimbangkan sebagai pengguna sistem sejak awal proyek. Kebutuhan pelatihan mereka harus memengaruhi desain HMI, struktur alarm, prosedur pemeliharaan, dokumentasi, dan kegiatan commissioning.
Pelatihan yang efektif harus menjawab pertanyaan-pertanyaan praktis.
Seperti apa kondisi mesin yang normal? Bagaimana operator membedakan masalah proses dari gangguan peralatan? Alarm mana yang memerlukan intervensi segera? Kapan personel pemeliharaan harus dipanggil? Bagaimana teknisi menentukan apakah masalah berasal dari sensor, PLC, jaringan, drive, atau peralatan mekanis?
Pertanyaan-pertanyaan ini lebih berharga daripada sekadar mengajari karyawan di mana harus menekan tombol.
Teknisi Terbaik Tidak Selalu Menjadi Pelatih Terbaik
Produsen sering kali memberikan tanggung jawab pelatihan kepada karyawan yang paling berpengalaman. Hal itu dapat berhasil, tetapi kompetensi teknis dan kemampuan mengajar adalah dua kemampuan yang berbeda.
Teknisi berpengalaman mungkin mendiagnosis gangguan secara intuitif setelah bertahun-tahun menangani mesin tertentu. Namun, teknisi baru memerlukan metode yang dapat diulang dan menjelaskan alasan setiap langkah diagnostik dilakukan.
Oleh karena itu, pelatihan industri yang efektif harus mengubah pengalaman individu menjadi prosedur terdokumentasi.
Pohon pemecahan masalah, gambar kelistrikan, contoh diagnostik PLC, riwayat alarm, daftar periksa pemeliharaan, latihan simulasi, dan skenario gangguan terkendali dapat membantu mengubah pengetahuan yang belum terdokumentasi menjadi pengetahuan yang dapat ditransfer.
Hal ini sangat penting terutama ketika pekerja berpengalaman pensiun atau beralih ke peran lain. Jika pengetahuan pemecahan masalah yang penting hanya tersimpan dalam ingatan seseorang, produsen menghadapi risiko operasional yang signifikan.
Proyek Otomasi Harus Mencakup Arsitektur Keterampilan
Cara yang bermanfaat untuk mengembangkan tenaga kerja adalah memetakan keterampilan teknis secara langsung ke arsitektur otomasi.
Sebagai contoh, operator mungkin memerlukan kemampuan dasar dalam mengoperasikan HMI, menafsirkan alarm, dan menjalankan prosedur pemulihan yang aman. Teknisi pemeliharaan mungkin memerlukan keterampilan dalam pemecahan masalah kelistrikan, diagnosis sensor, kontrol motor, dan konfigurasi drive. Teknisi kontrol mungkin memerlukan kemampuan pemrograman PLC, jaringan industri, kontrol gerak, dan pemecahan masalah terstruktur.
Insinyur tingkat lanjut mungkin juga memerlukan keterampilan dalam arsitektur sistem, keamanan siber, integrasi data, pengoptimalan proses, dan manajemen siklus hidup.
Pendekatan ini membuat pelatihan dapat diukur.
Alih-alih menanyakan apakah karyawan telah menyelesaikan suatu kursus, produsen dapat mengevaluasi apakah personel mampu melaksanakan tugas teknis yang ditentukan secara mandiri dalam waktu dan tingkat kesalahan yang dapat diterima.
Manufaktur dengan Variasi Tinggi Mengubah Pertimbangan Otomatisasi
Tantangan tenaga kerja menjadi semakin rumit dalam manufaktur dengan variasi tinggi dan volume rendah.
Produksi volume besar dapat membenarkan otomatisasi yang sangat terspesialisasi karena urutan yang sama mungkin dijalankan ribuan atau jutaan kali. Manufaktur kustom melibatkan perubahan produk, perubahan perkakas, perubahan resep, persyaratan inspeksi, dan penyesuaian proses yang sering.
Dalam lingkungan seperti ini, fleksibilitas dapat lebih berharga daripada otomatisasi maksimum.
Sistem yang sangat terotomatisasi dan memerlukan intervensi rekayasa yang ekstensif setiap kali produk berubah dapat memberikan nilai praktis yang lebih rendah daripada sistem semiotomatis yang dapat dikonfigurasi ulang dengan cepat oleh teknisi.
Di sinilah keahlian manusia tetap sangat berharga.
Oleh karena itu, produsen sebaiknya mengevaluasi otomatisasi berdasarkan keekonomian proses secara keseluruhan, bukan jumlah robot. Waktu pergantian produksi, upaya rekayasa, kebutuhan pemeliharaan, kompleksitas pemrograman, persyaratan kualitas, dan fleksibilitas operator semuanya harus diperhitungkan.
AI Akan Meningkatkan Kebutuhan akan Penilaian Rekayasa
Otomatisasi berbantuan AI akan semakin mengubah keadaan ini.
AI dapat membantu mengidentifikasi pola dalam data mesin, mendeteksi perilaku abnormal, mendukung pemeliharaan prediktif, mengoptimalkan parameter produksi, dan membantu teknisi dalam pemecahan masalah. Namun, AI tidak menghilangkan kebutuhan akan penilaian rekayasa.
Sinyal getaran abnormal tetap memerlukan seseorang yang memahami mesin. Penyimpangan proses yang tidak terduga tetap memerlukan seseorang untuk menentukan apakah penyebabnya adalah instrumentasi, logika kontrol, peralatan mekanis, variasi material, atau kondisi proses.
AI dapat mengurangi waktu yang diperlukan untuk menemukan informasi, tetapi tidak secara otomatis memberikan tanggung jawab atas keputusan rekayasa akhir.
Karena itu, organisasi manufaktur masa depan akan membutuhkan orang-orang yang memahami sistem industri sekaligus teknologi digital.
Strategi Tenaga Kerja Harus Berubah Bersama Strategi Kontrol
Produsen harus berhenti memperlakukan investasi otomasi dan pengembangan tenaga kerja sebagai program yang terpisah.
Ketika sebuah pabrik menambahkan robot, peralatan yang dikendalikan PLC, inspeksi visi, penanganan material otomatis, atau sistem gerak canggih, kebutuhan tenaga kerjanya segera berubah. Oleh karena itu, rencana pelatihan harus dikembangkan bersamaan dengan arsitektur otomasi.
Pabrik yang paling efektif kemungkinan akan menggabungkan tiga elemen: otomasi untuk pekerjaan berulang, sistem rekayasa yang menyediakan diagnostik yang kuat, dan pelatihan terstruktur yang mengembangkan kemampuan teknis terkait sistem tersebut.
Hal ini menciptakan model operasional yang lebih berkelanjutan.
Otomasi tidak boleh diukur hanya dari berapa banyak tugas manual yang hilang. Otomasi juga harus diukur dari seberapa efektif tenaga kerja yang tersisa dapat mengoperasikan, memelihara, memecahkan masalah, dan meningkatkan sistem otomatis tersebut.
Keunggulan Manufaktur Berikutnya Akan Ditentukan oleh Kemampuan Teknis
Tenaga kerja manufaktur pada dekade mendatang akan terlihat berbeda dari tenaga kerja pada dekade sebelumnya.
Robot akan terus menjadi semakin mampu. Cobot akan merambah aplikasi yang sebelumnya memerlukan tenaga kerja manual. AI akan semakin membantu inspeksi, pemeliharaan, penjadwalan, dan optimalisasi proses. Sistem mobil otonom akan menangani lebih banyak logistik internal.
Tidak satu pun perkembangan ini menghilangkan kebutuhan akan tenaga kerja terampil.
Sebaliknya, otomasi meningkatkan tingkat keahlian teknis orang-orang yang bertanggung jawab atas pabrik.
Produsen yang paling diuntungkan dari otomasi belum tentu mereka yang memasang robot dalam jumlah terbesar. Mereka adalah organisasi yang mampu mengintegrasikan otomasi dengan arsitektur kontrol yang mudah dipelihara, diagnostik praktis, transfer pengetahuan yang terstruktur, dan pengembangan tenaga kerja berkelanjutan.
Oleh karena itu, masalah tenaga kerja yang mendesak bukan sekadar kekurangan orang.
Ini adalah kekurangan tenaga kerja dengan kemampuan teknis yang tepat untuk sistem industri yang semakin kompleks.
Robot mengubah cara kerja. Produsen harus mengubah cara mereka mengembangkan orang-orang yang mengoperasikan dan memeliharanya.
