Claim Missing Document
Check
Articles

Found 1 Documents
Search

Kecerdasan Buatan dan Big Data dalam Industri Manufaktur: Sebuah Tinjauan Sistematis Siska, Maudi; Siregar, Indra; Saputra, Ahmad; Juliana, Mery; Afifudin, Mehmed Tegar
Nusantara Technology and Engineering Review Vol. 1 No. 1 (2023): Nusantara Technology and Engineering Review
Publisher : LPPM UNUSIDA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55732/nter.v1i1.1119

Abstract

Peran Kecerdasan Buatan (AI) dan Big Data dalam produksi dan manufaktur semakin penting dan mendesak dalam industri dan bisnis. Penelitian ini bertujuan untuk mengidentifikasi kondisi saat ini, tren, tantangan, dan peluang yang muncul dari teknologi AI dan big data di industri manufaktur. Dengan menggunakan metodologi tinjauan pustaka yang sistematis, penelitian ini dengan cermat menganalisis artikel-artikel yang diterbitkan hingga tahun 2023. Temuan ini mengungkapkan bahwa AI dan Big Data sangat penting dalam meningkatkan efisiensi operasional, pemeliharaan prediktif, optimalisasi rantai pasokan, dan dukungan pelanggan. pendekatan produksi yang sentris. Tantangan seperti integrasi data, masalah kualitas, keamanan siber, dan pertimbangan etis dalam penerapan AI juga diidentifikasi. Tinjauan ini memberikan kontribusi dengan menawarkan gambaran komprehensif mengenai kemajuan terkini dan bidang-bidang penelitian di masa depan, menekankan peran AI dan Big Data yang terus berkembang dalam proses manufaktur modern. The role of Artificial Intelligence (AI) and Big Data in production and manufacturing is increasingly important and urgent in industry and business. This research aims to identify current conditions, trends, challenges and opportunities emerging from AI technology and big data in the manufacturing industry. Using a systematic literature review methodology, this research carefully analyzes articles published through 2023. The findings reveal that AI and Big Data are critical in improving operational efficiency, predictive maintenance, supply chain optimization, and customer support. production centric approach. Challenges such as data integration, quality issues, cybersecurity, and ethical considerations in AI implementation are also identified. This review contributes to the field by offering a comprehensive overview of recent advances and future areas of research, emphasizing the growing role of AI and Big Data in modern manufacturing processes.