Tidak dapat dipungkiri bahwa AI (Artificial Intelligent) mulai merambah kedalam berbagai aktifitas bisnis ditengah pro kontra akan pentingnya AI dalam mendukung produktifitas manusia. Google dan Microsoft yang gempar dengan platform Chat GPT mulai membangun platform AI karena melihat bagaiman antusias pengguna Chat GPT yang lima hari setelah launch  mencapai 1 juta pemakai  dan pada Maret 2024 sudah mencapai lebih dari 180,5 juta pengguna [1].  Data statistic mengenai pengguna platform Ai membuat kita perlu merenungkan implikasi Ai dalam bidang lain, salah satunya Rekayasa Desain (Engineering Design).

Gambar 1. Bionic partition yang 45% lebih ringan dengan pendekatan Generative Design [2]
Source: Noor (2017)

Rekayasa desain merupakan bidang ilmu rekayasa yang mengadopsi prinsip-prinsip sains, kreatifitas dalam berkreasi, membangun dan meningkatkan kualitas produk melalui keunikan dalam perancangan fungsi dan keyamanannya. James Watt bisa dikatakan sebagai sebagai seorang Design Engineer yang berhasil menjadi referensi awal penemuan-penemuan penting dalam industry, seperti penemuan listrik oleh Benjamin Franklin. Kunci pengembangan mesin uap yang dilakukan oleh James Watt adalah kepraktisan mesin uap yang mengubah energi potensial dari uap menjadi energi mekanik. Menariknya, James Watt meningkatkan efisiensi mesin uap rancangan Thomas Newcomen (1664-1729) yang berfokus pada mesin uap pemompa air. Oleh James Watt, mesin uap tersebut dimodifikasi dengan penambahan kondensor terpisah yang membuat proses pemanasan air dapat dilakukan bersamaan dengan proses pengembunan air.  Kepraktisan ini membuat  pabrik-pabrik dapat menggerakkan mesin secara mekanik dengan mesin uap tanpa bergantung pada lokasi sumber air dan implikasinya berhasil diterapkan pada kereta api uap yang menjadi alat transportasi utama semasa revolusi industri.

Pengembangan mesin uap ini saja membutuhkan waktu sekitar 77 tahun oleh beragam penemu, seperti Thomas Savery yang mematenkan mesin uap versinya pada tahun 1686, kemudian dilanjutkan Thomas Newcomen yang mematenkan pengembangan mesin uapnya pada 1712, dan James Watt yang memunculkan mesin uap yang praktis pada 1763. Penyempurnaan  mesin uap tersebut tidak lepas dari eksperimen, trial and error dan penerapan berbagai prinsip-prinsip sains dengan kreatifitas yang membutuhkan stamina pemikiran dan aksi kreasi yang tak kenal lelah. Disamping itu, komunikasi melalui dokumentasi dari penemu sebelumnya seperti James Watt yang mempelajari desain Thomas Newcomen secara seksama juga mengijinkan penambahan kondensor dapat mempraktiskan mesin uap model baru karya James Watt. Disini, interaksi antara expertise engineering dari ketiga inovator Thomas Savery, Thomas Newcomen, dan James Watt mampu meningkatkan kualitas desain mesin uap melalui rekayasa fungsi mesin uap tersebut.

Artikel berjudul AI and the Future of the Machine Design [2] mendiskusikan benefit dari AI pada masa depan proses rekayasa desain produk berbasis mesin, yaitu platform AI dapat mengintegrasikan secara sinergi kombinasi fungsi dari teknologi-teknologi seperti cognitive computing, internet of things, 3D (atau bahkan 4D) printing, robotika, mixed reality, dan human-machine interface dalam mendefinisikan apa, dimana dan bagaimana produk tersebut dirancang, dimanufaktur, diasembli, termasuk mekanisme perawatan dan distribusi produk tersebut ke pasaran. Faktanya, saat ini AI yang ada di pasaran fungsinya mendampingi pengguna dalam memberikan panduan dalam pengambilan keputusan. Contoh yang disampaikan oleh Noor (2017) sangat jelas bahwa dengan pendekatan Generative Design, maka perancang bionic partition dapat mengidentifikasi desain optimum dari beragam iterasi untuk mendapatkan desain bionic-partition yang beratnya lebih ringan 45% dari iterasi pertama (Gambar 1). Seberapa perlunya AI dalam Engineering Desain saat ini adalah sebagai rekan pendamping dalam memberikan alternatif dalam pengambilan keputusan dan manusia lah sebagai pengambil keputusan dan mempersiapkan diri menghadapi resiko dari pengambilan keputusan tersebut. Disamping itu, integrasi yang sinergi juga tidak terlepas bagaimana perancang platform AI merangkai dan merakit fitur-fitur yang dibutuhkan. Sehingga sistem berkarakter self-repairing, self-healing, self-adaptive, self-reconfiguring systems  sekaligus ‘operationally improve’ themselves masih merupakan sistem AI rekomendasi. Ketika Ai yang mengambil keputusan dalam rekayasa desain maka pemilik pabrik akan bingung ketika bangun pagi  melihat produk yang diproduksi adalah mesin cuci padahal sepulang kerja pabriknya masih memproduksi vacuum cleaner.

SDG 9: Industrial, Innovation

References

[1] Rohit Shewale, (2024). ChatGPT Statistics — Users, Revenue (March 2024). URL: https://www.demandsage.com/chatgptstatistics/#:~:text=Top%20ChatGPT%20Statistics,are%20from%20the%20United%20States. Accessed: 29 March 2024

[2] Noor, A. K. (2017). AI and the Future of the Machine Design. Mechanical engineering, 139(10), 38-43.