Jay Schroeder, CTO di CNH – Seri Wawancara

Jay Schroeder menjabat sebagai Chief Technology Officer (CTO) di CNH, mengawasi operasi penelitian dan pengembangan perusahaan secara global. Tanggung jawabnya termasuk mengelola bidang seperti teknologi, inovasi, kendaraan dan alat, teknologi presisi, pengalaman pengguna, dan powertrain. Schroeder fokus pada meningkatkan portofolio produk perusahaan dan kemampuan teknologi presisi, dengan tujuan mengintegrasikan solusi presisi di seluruh jangkauan peralatan. Selain itu, ia terlibat dalam memperluas penawaran propulsi alternatif CNH dan memberikan pengawasan atas proses pengembangan produk untuk memastikan bahwa portofolio produk perusahaan memenuhi standar kualitas dan kinerja yang tinggi.

Melalui berbagai bisnisnya, CNH, memproduksi dan menjual mesin pertanian dan peralatan konstruksi. AI dan teknologi canggih, seperti komputer visi, pembelajaran mesin (ML), dan sensor kamera, mengubah cara peralatan ini beroperasi, memungkinkan inovasi seperti traktor self-driving yang ditenagai AI yang membantu petani mengatasi tantangan kompleks dalam pekerjaan mereka.

Traktor self-driving CNH ditenagai oleh model yang dilatih pada jaringan saraf dalam dan inferensi waktu nyata. Bisakah Anda menjelaskan bagaimana teknologi ini membantu petani melakukan tugas seperti penanaman dengan presisi ekstrem, dan bagaimana itu dibandingkan dengan mengemudi otonom di industri lain seperti transportasi?

Sementara mobil self-driving mendominasi headline, industri pertanian telah memimpin revolusi otonom selama lebih dari dua dekade. Perusahaan seperti CNH telah mempelopori kemudi otonom dan kontrol kecepatan sejak lama sebelum Tesla (TSLA ). Hari ini, teknologi CNH melampaui sekadar mengemudi untuk melakukan pekerjaan yang sangat otomatis dan otonom sambil mengemudi sendiri. Dari menanam benih dengan presisi di tanah tepat di mana mereka perlu, hingga memanen tanaman dengan efisiensi dan optimal, serta mengolah tanah, pertanian otonom tidak hanya mengikuti mobil self-driving – itu meninggalkan mereka dalam debu. Masa depan transportasi mungkin otonom, tetapi di pertanian, masa depan sudah ada di sini.

Lebih lanjut, tumpukan teknologi CNH yang future-proof memungkinkan pertanian otonom jauh melampaui apa yang dapat dicapai oleh mobil self-driving. Arsitektur perangkat lunak yang didefinisikan dengan baik mengintegrasikan berbagai teknologi, memungkinkan otomatisasi untuk tugas pertanian yang kompleks yang jauh lebih menantang daripada navigasi sederhana dari titik A ke titik B. Interoperabilitas dalam arsitektur memberikan petani kontrol dan fleksibilitas yang belum pernah ada sebelumnya untuk melapisi teknologi yang ditingkatkan melalui API terbuka CNH. Tidak seperti sistem tertutup, API terbuka CNH memungkinkan petani untuk menyesuaikan mesin mereka. Bayangkan sensor kamera yang dapat membedakan tanaman dari gulma, diaktifkan hanya ketika diperlukan – semuanya sambil kendaraan beroperasi secara otonom. Fleksibilitas ini, dikombinasikan dengan kemampuan untuk menangani medan yang kasar dan tugas yang beragam, membedakan teknologi CNH. Sementara Tesla dan Waymo membuat kemajuan, frontier sebenarnya dari inovasi otonom terletak di lapangan, bukan di jalan.

Konsep “mesin MRI untuk tanaman” sangat menarik. Bagaimana CNH menggunakan citra sintetis dan pembelajaran mesin untuk mengidentifikasi jenis tanaman, tahap pertumbuhan, dan memberikan nutrisi tanaman yang ditargetkan?

Menggunakan AI, kamera visi komputer, dan set data besar, CNH melatih model untuk membedakan tanaman dari gulma, mengidentifikasi tahap pertumbuhan tanaman, dan mengenali kesehatan tanaman di seluruh lapangan untuk menentukan jumlah nutrisi dan perlindungan yang tepat untuk mengoptimalkan hasil tanaman. Misalnya, dengan Augmenta Field Analyzer, aplikasi visi komputer memindai tanah di depan mesin saat bergerak cepat melalui lapangan (hingga 20 mph) untuk menilai kondisi tanaman di lapangan dan menentukan area mana yang perlu diobati, dan dengan tingkat apa, untuk membuat area tersebut lebih sehat.

Dengan teknologi ini, petani dapat mengetahui dan mengobati tepat di mana di lapangan masalah sedang berkembang sehingga mereka tidak perlu menyelimuti seluruh lapangan dengan perlakuan untuk membunuh gulma, mengendalikan hama, atau menambahkan nutrisi yang diperlukan untuk meningkatkan kesehatan tanaman. Teknologi ini memungkinkan jumlah kimia yang tepat, diterapkan pada titik yang tepat untuk mengatasi kebutuhan tanaman dengan presisi dan menghentikan setiap ancaman terhadap tanaman. Mengidentifikasi dan menyemprotkan hanya (dan tepat) gulma yang tumbuh di antara tanaman akan mengurangi penggunaan kimia di lapangan hingga 90%. Hanya sejumlah kecil kimia yang diperlukan untuk mengobati setiap ancaman individu daripada mengobati seluruh lapangan untuk mencapai ancaman yang sama.

Untuk menghasilkan citra sintetis yang sangat realistis dan meningkatkan dataset dengan cepat, CNH menggunakan model prosedural birofisik. Ini memungkinkan tim untuk dengan cepat dan efisien menciptakan dan mengklasifikasikan jutaan gambar tanpa harus menghabiskan waktu untuk menangkap citra nyata dalam skala yang diperlukan. Data sintetis melengkapi citra asli, meningkatkan kinerja pelatihan model dan inferensi. Misalnya, dengan menggunakan data sintetis, situasi yang berbeda dapat dibuat untuk melatih model – seperti berbagai kondisi pencahayaan dan bayangan yang bergerak sepanjang hari. Model prosedural dapat menghasilkan gambar spesifik berdasarkan parameter untuk membuat dataset yang mewakili kondisi yang berbeda.

Seberapa akurat teknologi ini dibandingkan dengan metode pertanian tradisional?

Petani membuat ratusan keputusan signifikan sepanjang tahun tetapi hanya melihat hasil dari semua keputusan kumulatif itu sekali: saat panen. Usia rata-rata petani meningkat dan sebagian besar bekerja selama lebih dari 30 tahun. Tidak ada margin untuk kesalahan. Sejak benih ditanam, petani perlu melakukan segala yang mereka bisa untuk memastikan tanaman tumbuh – mata pencaharian mereka ada di garis depan.

Teknologi kami menghilangkan banyak tugas yang memerlukan tebakan dari petani, seperti menentukan cara terbaik untuk merawat tanaman yang tumbuh, sambil memberi petani waktu tambahan untuk fokus pada tantangan bisnis strategis. Di akhir hari, petani menjalankan bisnis besar dan mengandalkan teknologi untuk membantu mereka melakukan itu dengan paling efisien, produktif, dan menguntungkan.

Tidak hanya data yang dihasilkan oleh mesin memungkinkan petani membuat keputusan yang lebih baik dan lebih informasi untuk mendapatkan hasil yang lebih baik, tetapi tingkat otomatisasi dan otonomi yang tinggi pada mesin itu sendiri melakukan pekerjaan dengan lebih baik dan dalam skala yang lebih besar daripada yang dapat dilakukan manusia. Mesin penyemprot dapat “melihat” titik-titik masalah di ribuan hektar tanaman lebih baik daripada mata manusia dan dapat mengobati ancaman dengan presisi; sementara teknologi seperti pengolahan tanah otonom dapat menghilangkan beban tugas yang berat dan memakan waktu dan melakukan tugas tersebut dengan lebih akurat dan efisien dalam skala yang lebih besar daripada yang dapat dilakukan manusia. Dalam pengolahan tanah otonom, sistem yang sepenuhnya otonom mengolah tanah dengan menggunakan sensor yang dikombinasikan dengan jaringan saraf dalam untuk menciptakan kondisi ideal dengan presisi sentimeter untuk mempersiapkan tanah agar memungkinkan jarak antara barisan yang konsisten, kedalaman benih yang presisi, dan penempatan benih yang dioptimalkan meskipun perubahan tanah yang drastis di seluruh lapangan. Metode tradisional, yang sering bergantung pada mesin yang dioperasikan manusia, biasanya menghasilkan lebih banyak variabilitas dalam hasil karena kelelahan operator, navigasi yang kurang konsisten, dan penempatan yang kurang akurat.

Selama musim panen, mesin kombinasi CNH menggunakan komputasi edge dan sensor kamera untuk menilai kualitas tanaman secara real-time. Bagaimana proses pengambilan keputusan yang cepat ini bekerja, dan apa peran AI dalam mengoptimalkan panen untuk mengurangi limbah dan meningkatkan efisiensi?

Mesin kombinasi adalah mesin yang sangat kompleks yang melakukan beberapa proses – pemanenan, penggilingan, dan pengumpulan – dalam satu operasi yang berkelanjutan. Ini disebut kombinasi karena alasan itu: itu menggabungkan apa yang dulunya beberapa perangkat menjadi satu pabrik di roda. Banyak hal terjadi sekaligus dan sedikit ruang untuk kesalahan. Mesin kombinasi CNH secara otomatis membuat jutaan keputusan cepat setiap dua puluh detik, memprosesnya di tepi, tepat di mesin. Sensor kamera menangkap dan memproses gambar rinci dari tanaman yang dipanen untuk menentukan kualitas setiap butir tanaman yang sedang dipanen – menganalisis tingkat kelembaban, kualitas biji, dan konten debris. Mesin akan secara otomatis membuat penyesuaian berdasarkan data gambar untuk menerapkan pengaturan mesin yang optimal untuk mendapatkan hasil yang optimal. Kami dapat melakukannya hari ini untuk barley, beras, gandum, jagung, kedelai, dan kanola dan akan segera menambahkan kemampuan untuk sorgum, oats, kacang polong, bunga matahari, dan kacang tanah.

AI di tepi sangat penting dalam mengoptimalkan proses ini dengan menggunakan model pembelajaran dalam yang dilatih untuk mengenali pola dalam kondisi tanaman. Model ini dapat dengan cepat mengidentifikasi area panen yang memerlukan penyesuaian, seperti mengubah kecepatan kombinasi atau memodifikasi pengaturan penggilingan untuk memastikan pemisahan biji dari sisa tanaman yang lebih baik. Optimasi waktu nyata ini membantu mengurangi limbah dengan meminimalkan kerusakan tanaman dan mengumpulkan hanya tanaman berkualitas tinggi. Ini juga meningkatkan efisiensi, memungkinkan mesin untuk membuat keputusan berdasarkan data saat bergerak untuk memaksimalkan hasil panen petani, semuanya sambil mengurangi stres operasional dan biaya.

Pertanian presisi yang didorong oleh AI dan ML berjanji untuk mengurangi limbah input dan memaksimalkan hasil. Bisakah Anda menjelaskan bagaimana teknologi CNH membantu petani mengurangi biaya, meningkatkan keberlanjutan, dan mengatasi kekurangan tenaga kerja di lanskap pertanian yang semakin menantang?

Petani menghadapi hambatan besar dalam mencari tenaga kerja terampil. Ini terutama benar untuk pengolahan tanah – langkah kritis yang sebagian besar petani butuhkan untuk mempersiapkan tanah untuk musim dingin untuk membuat kondisi penanaman yang lebih baik di musim semi. Presisi sangat penting dalam pengolahan tanah dengan akurasi diukur hingga seperseribu inci untuk menciptakan kondisi pertumbuhan tanaman yang optimal. Teknologi pengolahan tanah otonom CNH menghilangkan kebutuhan akan operator yang sangat terampil untuk menyesuaikan implementasi pengolahan tanah secara manual. Dengan menekan tombol, sistem mengotomatisasi seluruh proses, memungkinkan petani untuk fokus pada tugas penting lainnya. Ini meningkatkan produktivitas dan presisi yang menjaga bahan bakar, membuat operasi lebih efisien.

Ketika datang ke perawatan tanaman, teknologi penyemprot CNH dilengkapi dengan lebih dari 125 mikroprosesor yang berkomunikasi secara real-time untuk meningkatkan efisiensi biaya dan keberlanjutan penggunaan air, nutrisi, herbisida, dan pestisida. Prosesor ini bekerja sama untuk menganalisis kondisi lapangan dan menentukan secara presisi kapan dan di mana untuk menerapkan nutrisi ini, menghilangkan kelebihan kimia hingga 30% hari ini dan hingga 90% di masa depan, secara drastis mengurangi biaya input dan jumlah kimia yang masuk ke tanah. Katup kontrol nozzle memungkinkan mesin untuk menerapkan produk dengan akurasi berdasarkan kecepatan penyemprot, memastikan laju dan tekanan yang konsisten untuk pengiriman tetesan yang presisi ke tanaman sehingga setiap tetes jatuh tepat di mana diperlukan untuk kesehatan tanaman. Tingkat presisi ini mengurangi kebutuhan untuk pengisian ulang yang sering, dengan petani hanya perlu mengisi penyemprot sekali sehari, menghasilkan konservasi air/kimia yang signifikan.

Demikian pula, Otomatisasi Kereta CNH menyederhanakan tugas yang kompleks dan berstres tinggi dari mengoperasikan kombinasi selama panen. Presisi sangat penting untuk menghindari tabrakan antara header kombinasi dan kereta gandum yang berjalan dalam inci dari satu sama lain selama berjam-jam. Ini juga membantu mengurangi kehilangan tanaman. Otomatisasi Kereta memungkinkan proses pengisian yang lancar, mengurangi kebutuhan akan koordinasi manual dan memungkinkan kombinasi untuk terus melakukan tugasnya tanpa harus berhenti. CNH telah melakukan pengujian fisiologis yang menunjukkan bahwa teknologi bantuan ini mengurangi stres untuk operator kombinasi sekitar 12% dan untuk operator traktor sekitar 18%, yang menambahkan hingga operator tersebut berada di mesin selama hingga 16 jam sehari selama musim panen.

Merek CNH, New Holland, baru-baru ini bermitra dengan Bluewhite untuk kit traktor otonom. Bagaimana kemitraan ini masuk ke dalam strategi CNH yang lebih luas untuk memperluas otonomi di pertanian?

Otonomi adalah masa depan CNH, dan kami mengambil pendekatan yang sengaja dan strategis untuk mengembangkan teknologi ini, didorong oleh kebutuhan paling mendesak dari pelanggan kami. Insinyur internal kami fokus mengembangkan otonomi untuk segmen pelanggan pertanian besar kami – petani tanaman yang tumbuh di lapangan terbuka yang luas, seperti jagung dan kedelai. Basis pelanggan lain yang penting bagi CNH adalah petani “tanaman permanen” yang tumbuh di kebun dan kebun anggur. Bermitra dengan Bluewhite, pemimpin terbukti dalam menerapkan otonomi di kebun dan kebun anggur, memungkinkan kami untuk memiliki skala dan kecepatan pasar untuk melayani kedua segmen pelanggan pertanian besar dan tanaman permanen dengan solusi otonomi yang sangat dibutuhkan. Dengan Bluewhite, kami menyampaikan traktor otonom penuh di tanaman permanen, membuat kami menjadi produsen peralatan asli (OEM) pertama dengan solusi otonom di kebun dan kebun anggur.

Pendekatan kami terhadap otonomi adalah untuk memecahkan tantangan paling kritis yang dihadapi pelanggan dalam pekerjaan dan tugas di mana mereka sangat ingin mesin menyelesaikan pekerjaan dan menghilangkan beban pada tenaga kerja. Otonomi pengolahan tanah memimpin pengembangan otonomi internal kami karena ini adalah tugas yang berat yang memakan waktu lama selama periode waktu yang ketat di tahun ketika banyak hal lain juga perlu terjadi. Mesin dalam hal ini dapat melakukan pekerjaan lebih baik daripada operator manusia. Petani tanaman permanen juga memiliki kebutuhan mendesak akan otonomi, karena mereka menghadapi kekurangan tenaga kerja yang ekstrem dan membutuhkan mesin untuk mengisi kesenjangan. Pekerjaan ini memerlukan traktor untuk mengemudi 20-30 kali melalui setiap baris kebun atau kebun anggur per musim, melakukan pekerjaan penting seperti menerapkan nutrisi pada pohon dan menjaga rumput di antara anggur dipotong dan bebas dari gulma.

Banyak solusi CNH sedang diadopsi oleh operator kebun dan kebun anggur. Apa tantangan unik yang ditawarkan oleh lingkungan ini untuk mesin dan teknologi AI yang otonom, dan bagaimana CNH menyesuaikan teknologinya untuk aplikasi khusus ini?

Jendela panen berubah, dan menemukan tenaga kerja terampil semakin sulit. Perubahan iklim membuat musim menjadi tidak terduga; ini sangat kritis bagi petani untuk memiliki teknologi yang siap untuk pergi yang mengemudi presisi dan efisiensi ketika tanaman optimal untuk panen. Pertanian selalu memerlukan presisi, tetapi ini terutama diperlukan ketika menuai sesuatu yang kecil dan halus seperti anggur atau kacang.

Sebagian besar teknologi mengemudi otonom bergantung pada GPS untuk memandu mesin di jalur mereka, tetapi di kebun dan kebun anggur, sinyal GPS dapat diblokir oleh cabang dan ranting pohon. Kamera visi dan radar digunakan bersama dengan GPS untuk menjaga mesin tetap pada jalur optimal. Dan, dengan kebun dan kebun anggur, panen tidak tentang hektar barisan yang seragam tetapi tentang tanaman dan pohon individu yang bervariasi, sering di tanah yang bergelombang. Sistem otomatis CNH menyesuaikan diri dengan ketinggian setiap tanaman, tingkat tanah, dan kecepatan pemetikan yang diperlukan untuk memastikan hasil yang berkualitas tanpa merusak tanaman. Mereka juga menyesuaikan sekitar pohon yang tidak produktif atau mati untuk menghemat input yang tidak perlu. Mesin robot ini secara otomatis bergerak sepanjang tanaman, dengan aman melintasi tanaman sambil dengan hati-hati menghilangkan hasil dari pohon atau tanaman. Operator menyetel ketinggian kepala pemetikan yang diinginkan, dan mesin secara otomatis menyesuaikan untuk mempertahankan pengaturan tersebut per tanaman, terlepas dari medan. Lebih lanjut, untuk beberapa buah, waktu terbaik untuk panen adalah ketika kandungan gula mencapai puncaknya semalam. Kamera yang dilengkapi dengan teknologi inframerah bekerja bahkan dalam kondisi gelap untuk menuai buah pada kondisi optimal.

Seiring dengan semakin banyaknya peralatan pertanian otonom yang diterapkan, apa langkah-langkah yang diambil CNH untuk memastikan keamanan dan kesesuaian peraturan dari sistem AI yang ditenagai ini, terutama di lingkungan pertanian global yang beragam?

Keamanan dan kesesuaian peraturan adalah sentral bagi sistem AI yang ditenagai CNH, sehingga CNH berkolaborasi dengan otoritas setempat di berbagai wilayah, memungkinkan perusahaan untuk menyesuaikan sistem otonomnya untuk memenuhi persyaratan regional, termasuk standar keamanan, peraturan lingkungan, dan hukum privasi data. CNH juga aktif dalam organisasi standar untuk memastikan kami memenuhi semua standar yang diakui dan persyaratan yang muncul.

Sebagai contoh, sistem keamanan otonom termasuk sensor seperti kamera, LiDAR, radar, dan GPS untuk pemantauan waktu nyata. Teknologi ini memungkinkan peralatan untuk mendeteksi hambatan dan secara otomatis berhenti ketika mendeteksi sesuatu di depan. Mesin juga dapat menavigasi medan yang kompleks dan merespons perubahan lingkungan, meminimalkan risiko kecelakaan.

Apa yang Anda lihat sebagai hambatan terbesar untuk adopsi teknologi AI yang luas di pertanian? Bagaimana CNH membantu petani beralih ke sistem ini dan menunjukkan nilainya?

Saat ini, hambatan terbesar adalah biaya, koneksi, dan pelatihan petani.

Tapi hasil yang lebih baik, biaya yang lebih rendah, stres fisik yang lebih rendah, dan manajemen waktu yang lebih baik melalui otomatisasi yang ditingkatkan dapat mengimbangi biaya kepemilikan total. Petani kecil dapat mendapat manfaat dari solusi otonom yang lebih terbatas, seperti sistem pakan atau paket upgrade aftermarket.

Koneksi yang tidak memadai, terutama di daerah pedesaan, menimbulkan tantangan. Teknologi AI memerlukan koneksi yang konsisten dan selalu aktif. CNH membantu mengatasi hal ini melalui kemitraannya dengan Intelsat dan melalui modem universal yang terhubung ke jaringan mana pun yang ada di dekatnya – wifi, seluler, atau satelit – menyediakan koneksi siap lapangan untuk pelanggan di lokasi yang sulit dijangkau. Sementara banyak pelanggan memenuhi kebutuhan ini dengan jaringan virtual seluler global CNH yang memimpin pasar, menara seluler yang ada tidak memungkinkan koneksi yang merata.

Akhirnya, kurva belajar yang dirasakan yang terkait dengan teknologi AI dapat terasa menakutkan. Ini memerlukan pelatihan dan perubahan pola pikir, yang mengapa CNH bekerja sama dengan pelanggan untuk memastikan mereka nyaman dengan teknologi dan mendapatkan manfaat penuh dari sistem.

Menghadap ke depan, bagaimana Anda membayangkan solusi AI dan otonom CNH akan berkembang dalam dekade mendatang?

CNH mengatasi tantangan kritis, global dengan mengembangkan teknologi canggih untuk menghasilkan lebih banyak makanan dengan cara yang berkelanjutan dengan menggunakan lebih sedikit sumber daya, untuk populasi yang tumbuh. Fokus kami adalah memberdayakan petani untuk meningkatkan mata pencaharian dan bisnis mereka melalui solusi inovatif, dengan AI dan otonomi memainkan peran sentral. Kemajuan dalam pengumpulan data, keterjangkauan sensor, koneksi, dan kekuatan komputasi akan mempercepat pengembangan sistem AI dan otonom. Teknologi ini akan mengemudi kemajuan dalam pertanian presisi, operasi otonom, perawatan prediktif, dan pengambilan keputusan berbasis data, pada akhirnya memberdayakan pelanggan kami dan dunia.

Terima kasih atas wawancara yang luar biasa, pembaca yang ingin mempelajari lebih lanjut harus mengunjungi CNH.