Intel dan SAP memperkenalkan uji konsep otomatisasi gudang berbasis Physical AI yang menghubungkan sistem bisnis dengan robot otonom. Demonstrasi yang diumumkan pada Oktober 2026 ini berlangsung di fasilitas Intel di Chengdu, China, dengan memanfaatkan SAP Extended Warehouse Management dan teknologi edge AI dari Intel. Melalui integrasi tersebut, permintaan pemindahan material dapat diterjemahkan menjadi tugas robot secara otomatis, sementara hasil pelaksanaannya dikirim kembali ke sistem perusahaan. Perkembangan TEKNOLOGI ini membuka peluang pengelolaan logistik yang lebih terhubung, mengurangi pekerjaan manual berulang, dan membantu perusahaan mengembangkan sistem pergudangan yang semakin cerdas.
Intel dan SAP Mengembangkan Otomatisasi Gudang Berbasis Physical AI
Intel dan SAP memperkenalkan pengujian sistem otomatisasi gudang dengan mengintegrasikan teknologi AI ke perangkat robotik. Pengembangan teknologi tersebut bertujuan menghubungkan keputusan bisnis dengan pekerjaan fisik. Jika dibandingkan dengan penggunaan robot tanpa integrasi bisnis, solusi yang diuji menghubungkan perangkat lunak dan mesin. Melalui kerja sama tersebut, SAP menyediakan pengelolaan proses bisnis, sedangkan Intel menyediakan fondasi komputasi untuk robot. Kombinasi kemampuan tersebut menciptakan hubungan langsung antara instruksi bisnis dan pelaksanaan tugas.
Pengujian sistem ini dilakukan di fasilitas Intel di Chengdu, China. Lokasi pengujian ini memungkinkan pengamatan proses logistik yang dikendalikan sistem digital. Berdasarkan rancangan uji konsep, tugas pemindahan material dikirim melalui perangkat lunak perusahaan. Robot kemudian melakukan transportasi material sesuai instruksi yang telah ditentukan. Status pekerjaan dilaporkan kepada platform pengelolaan gudang. Meski demonstrasi telah berhasil dilakukan, proyek masih berada pada tahap pembuktian konsep.
SAP Extended Warehouse Management Mengatur Tugas Robot Otonom
Salah satu fondasi sistem otomatisasi adalah SAP Extended Warehouse Management. Platform tersebut membantu perusahaan mengoordinasikan pekerjaan gudang. Pada pengujian Intel dan SAP, permintaan pemindahan material dibuat dalam SAP EWM. Permintaan tersebut memiliki konteks bisnis yang berkaitan dengan pekerjaan. Selanjutnya, instruksi diteruskan ke sistem robot. Melalui pengaturan tersebut, pekerjaan fisik mengikuti instruksi yang berasal dari sistem perusahaan. Integrasi tersebut memberikan konteks tambahan pada pengoperasian robot.
Kemampuan utama yang ingin dicapai adalah terbentuknya sistem komunikasi dua arah. Ketika robot menerima pekerjaan, perkembangan aktivitas bisa diteruskan kepada SAP Extended Warehouse Management. Setelah tugas selesai, status akhir pekerjaan menjadi bagian dari data operasional. Ketika sistem menemukan kondisi tidak sesuai, status masalah dapat dikirim kepada sistem. Alur komunikasi dua arah tersebut meningkatkan keterlacakan pekerjaan. Walaupun proses pelaporan dapat dilakukan otomatis, pengecekan kesesuaian pekerjaan masih diperlukan sebelum perusahaan mengandalkan robot untuk kegiatan penting.
Tahapan Otomatisasi dari Permintaan SAP hingga Penyelesaian Tugas
Proses otomatisasi yang diperlihatkan dimulai dari permintaan dalam SAP EWM. Tugas yang dibuat diterjemahkan menjadi misi robot. Pada tahapan pelaksanaan, robot melakukan pemindahan material di gudang. Kemampuan edge AI mendukung pengenalan kondisi sekitar. Melalui kemampuan tersebut, perangkat mampu mengambil keputusan gerak berdasarkan kondisi. Setelah transportasi selesai, data pelaksanaan diteruskan ke perangkat lunak pengelolaan gudang. Siklus pekerjaan ini menghasilkan alur kerja yang saling terhubung.
Melalui pendekatan dengan umpan balik, perusahaan memiliki informasi tentang tugas yang diminta dan hasilnya. Hal tersebut mendukung keterlacakan aktivitas. Untuk menggambarkan manfaat praktisnya, instruksi transportasi material antarlokasi dapat diteruskan secara otomatis kepada robot. Walaupun konsepnya menawarkan efisiensi, penerapan harus mempertimbangkan berbagai skenario kegagalan. Apabila robot tidak dapat mencapai tujuan, perusahaan perlu menyiapkan langkah pemulihan. Dengan demikian, keberhasilan sistem juga bergantung pada pengelolaan pengecualian.
Peran CPU, GPU, dan NPU dalam Sistem Physical AI
Dalam kolaborasi ini, Intel menyediakan perangkat keras serta perangkat lunak AI lokal. Teknologi komputasi dekat sumber data memungkinkan analisis dilakukan secara lokal. Pendekatan komputasi tersebut mendukung perangkat otonom dengan kebutuhan waktu nyata. Fondasi teknologinya memanfaatkan gabungan beberapa jenis pemrosesan yang melibatkan CPU, GPU, dan NPU. Unit komputasi tersebut memiliki peran sesuai karakter beban kerja. Dengan arsitektur ini, sistem otonom dapat menjalankan sejumlah pekerjaan AI secara bersamaan.
Sebagai bagian dari ekosistem robotika, tersedia fondasi pemrosesan fisik berbasis OpenVINO, platform pengembangan bernama Physical AI Studio, dan kumpulan alat robotika Robotics AI Suite. Rangkaian alat pengembangan tersebut ditujukan untuk membantu penerapan AI pada robot. Dalam penggunaan industri, pemrosesan visual dan pengambilan keputusan harus berlangsung dengan respons yang sesuai. Pengembangan platform tersebut bertujuan menyederhanakan penggunaan beragam kemampuan AI. Meski teknologi komputasi semakin berkembang, efektivitas sistem perlu diuji berdasarkan kebutuhan industri. Dengan mempertimbangkan kondisi tersebut, pengujian di fasilitas nyata menjadi tahap penting.
Otomatisasi Gudang Berbasis Physical AI Berpotensi Meningkatkan Efisiensi
Dalam uji konsep yang dilakukan, Intel dan SAP melaporkan pengurangan jarak transportasi. Selain itu, pekerjaan manual yang berulang dapat dikurangi. Peningkatan tersebut menunjukkan potensi otomatisasi fisik. Namun informasi yang diumumkan belum mencantumkan persentase peningkatan terperinci. Oleh sebab itu, dampak biaya operasional membutuhkan analisis lanjutan. Perusahaan yang mempertimbangkan penerapan harus menilai manfaat berdasarkan proses bisnis masing-masing.
Keuntungan tambahan yang mungkin diperoleh adalah pemantauan status pekerjaan yang lebih terstruktur. Ketika tugas robot terhubung ke SAP EWM, perusahaan memperoleh data tentang perkembangan tugas. Informasi tersebut mendukung evaluasi proses logistik. Pada pekerjaan pergudangan, perusahaan dapat memeriksa tugas yang tertunda. Meski data menjadi lebih mudah dikumpulkan, keakuratan informasi harus tetap diperiksa. Apabila status tugas keliru, tindak lanjut perusahaan mungkin tidak tepat. Karena alasan ini, integrasi sistem harus mempertahankan mekanisme verifikasi.
Kesimpulan: Physical AI Menghubungkan Keputusan Bisnis dan Robot Otonom
Kolaborasi Intel dan SAP menjadi langkah berarti dalam otomatisasi logistik modern. Melalui integrasi SAP Extended Warehouse Management, instruksi operasional mampu menjadi misi perangkat otonom. Sementara itu, Intel mendukung sistem otonom dengan perangkat keras serta perangkat lunak. Kombinasi tersebut menciptakan hubungan antara keputusan perusahaan dan hasil pelaksanaan. Pengamatan pada proyek Chengdu memperlihatkan potensi pengurangan jarak transportasi. Meski hasilnya menjanjikan, keberhasilan pada fasilitas lain membutuhkan pembuktian tambahan.
Seiring meningkatnya penggunaan robot industri, integrasi AI dan robot dapat memperoleh peran lebih besar dalam pengelolaan logistik perusahaan. Intel dan SAP berencana menjadikan demonstrasi sebagai dasar penerapan pada berbagai lokasi. Arsitektur yang terbuka membuka pilihan teknologi yang lebih luas. Meski demikian, perlindungan keselamatan operator, kebutuhan investasi, dan kemampuan menangani gangguan tetap harus menjadi prioritas. Bagaimana menurut Anda, apakah robot Physical AI di gudang akan menjadi bagian penting dari gudang masa depan? Jangan ragu berbagi pemikiran Anda mengenai perkembangan robotika industri.
