RADARPAPUA - Sistem deteksi cacat berbasis kecerdasan buatan (AI) kini banyak digunakan di pabrik pintar. Namun, masalah muncul ketika proses produksi berubah akibat penggantian mesin atau variasi suhu, tekanan, maupun kecepatan. Dalam kondisi seperti ini, performa model AI yang ada biasanya menurun drastis karena gagal beradaptasi dengan lingkungan baru.
Menjawab tantangan tersebut, peneliti KAIST berhasil mengembangkan teknologi AI yang mampu mendeteksi cacat secara akurat tanpa perlu pelatihan ulang. Inovasi ini terbukti meningkatkan performa hingga 9,42% dan diharapkan dapat menekan biaya operasional AI sekaligus memperluas penerapannya ke bidang lain seperti perangkat kesehatan dan kota pintar.
Tim riset yang dipimpin Profesor Jae-Gil Lee dari School of Computing KAIST memperkenalkan teknologi baru bernama time-series domain adaptation. Teknologi ini memungkinkan model AI yang menangani data deret waktu—seperti getaran mesin, perubahan suhu, dan sinyal sensor—tetap stabil kinerjanya meskipun kondisi produksi berubah.
Kunci keberhasilan riset ini adalah pemahaman bahwa penurunan performa AI tidak hanya disebabkan perbedaan distribusi data, tetapi juga pergeseran pola terjadinya cacat (label distribution). Misalnya, dalam proses wafer semikonduktor, rasio cacat berbentuk cincin dan goresan bisa berubah setelah ada modifikasi peralatan.
Untuk mengatasinya, tim memecah data sensor proses baru menjadi tiga komponen—tren, non-tren, dan frekuensi—lalu menganalisis karakteristik masing-masing. Layaknya manusia yang mengenali kerusakan mesin lewat kombinasi nada, getaran, dan pola bunyi, AI kini dapat menilai data sensor dari berbagai sudut.
Hasilnya adalah teknologi TA4LS (Time-series domain Adaptation for mitigating Label Shifts), yang mampu menyesuaikan prediksi model lama dengan kondisi baru. TA4LS bekerja layaknya modul tambahan yang mudah dipasang pada sistem AI eksisting tanpa perlu pengembangan rumit, sehingga praktis digunakan di berbagai lini industri.
Uji coba pada empat dataset standar menunjukkan peningkatan akurasi hingga 9,42%. Bahkan ketika pola cacat berbeda jauh dari kondisi awal, AI tetap mampu menyesuaikan diri dengan tepat. Menurut Profesor Lee, keberhasilan ini mengatasi hambatan utama dalam penerapan AI di industri manufaktur, sekaligus membuka jalan bagi adopsi pabrik pintar yang lebih luas dengan biaya lebih rendah.(aj)
Editor : Prisilia Rumengan