JRIT ICHI

โลกยุค 4.0 เทรนด์ของอุตสาหกรรม มุ่งหน้าไปยังความเป็น Factory Automation ซึ่งหมายถึงระบบอัตโนมัติในโรงงาน โดยการนำเทคโนโลยี และ AI มาประยุกต์ใช้ เพื่อส่งเสริมให้เครื่องจักรทำงานอย่างมีประสิทธิภาพสูงสุด องค์กรบริหารจัดการได้คล่องตัว นำมาซึ่งผลกำไรที่งอกงามและยั่งยืน บทความนี้จะพาไปติดตามเทรนด์ Automation Solution ในอุตสาหกรรมการผลิต ผ่านมุมมองผู้มากประสบการณ์อย่าง คุณวิษุวัต ซันเฮม Head of Solutions บริษัท Data Wow

Data Wow ที่ปรึกษา และผู้ให้บริการ Data Service
Data Wow เป็นบริษัทที่ให้บริการด้านบริหารข้อมูลที่หลากหลาย มีความชำนาญในการสร้างโมเดล AI เช่น Machine Learning, Deep Learning หรือ AI Engineering ปัจจุบันบริการให้คำปรึกษาด้าน Data ให้กับกลุ่มธุรกิจอุตสาหกรรมต่าง ๆ ครอบคลุมทั้งผลิต ขนส่ง ค้าปลีก กระทั่งการเงิน ฯลฯ ทั้งเชิงรุก และตั้งรับ ภายใต้กฎหมาย PDPA เพื่อให้การใช้ข้อมูลเป็นไปอย่างถูกต้อง เหมาะสม และถูกกฎหมาย

ความสำคัญและประโยชน์ของ Automation Solution ในอุตสาหกรรมการผลิต
Automation Solution ในอุตสาหกรรมการผลิต ส่วนมากเป็นการเพิ่มประสิทธิภาพการทำงาน โดยมุ่งเน้นไปที่การเพิ่มการผลิต และลดต้นทุน จุดประสงค์ทั้ง 2 อย่างนี้ หากเป็นแต่เดิม องค์กรจะทำ 1. เพิ่มเครื่องจักร และโกดังเก็บของ 2. เพิ่มบุคลากร

การเพิ่มเครื่องจักรถือเป็นเรื่องง่าย แต่การเพิ่มพนักงานเป็นเรื่องยาก เพราะการจ้างคนเข้ามาทำงาน 1 คน ไม่ใช่อยู่ ๆ ทำงานได้ทันที ต้องมีการอบรมเพื่อให้เกิดความชำนาญและเข้าใจทั้งเครื่องมือและวัฒนธรรมองค์กร ซึ่งถือเป็นคอขวดหลัก ๆ ที่ทำให้ไม่สามารถขยายศักยภาพ หรือขยายความสามารถในการผลิตได้

นอกจากนี้ หากมองเฉพาะความสามารถในการผลิต การผลิตในโรงงานเน้นปริมาณมาก และทำซ้ำสินค้าเดิม ๆ ซึ่งการจะทำซ้ำได้รวดเร็ว ตรวจสอบสินค้าบกพร่องได้แม่นยำ ต้องอาศัยพนักงานที่มีความชำนาญ ซึ่งกว่าจะเชี่ยวชาญต้องอาศัยเวลาในการเรียนรู้ จะช้าหรือเร็วขึ้นอยู่กับความซับซ้อนของสินค้านั้น ๆ ปัญหาต่อจากนี้ คือ แม้พนักงานจะชำนาญแล้ว แต่เมื่อต้องทำอะไรซ้ำ ๆ ก็อาจเบื่อหน่ายได้ หรือเวลาต้องการเพิ่มการผลิตย่อมต้องจ้างพนักงานเพิ่ม เมื่อมีพนักกงานใหม่ พนักงานเดิมย่อมต้องแบกรับหน้าที่เพิ่ม เพื่อรอให้คนใหม่พร้อมทำงาน คนเก่าอาจต้องทำ Over Time ซึ่งนอกจากเบื่อหน่ายแล้ว อาจส่งผลให้อ่อนล้า สุดท้ายก็ทำให้สินค้าผิดพลาด กลายเป็นปัญหาลูกโซ่ไม่รู้จบ ฉะนั้น Automation Solution ในโรงงานจึงช่วยขจัดช่องโหว่ตรงนี้ได้

การเข้ามาแก้ไขปัญหาของ Automation Solution
คุณวิษุวัต ยกความสำคัญของ Automation Solution ที่ใช้ AI เข้ามาจัดการ กรณีศึกษาหนึ่งคือความเสถียรของเครื่องจักร ซึ่งมีผลต่อการเพิ่มผลผลิต เนื่องจากหากเครื่องจักรเสียย่อมต้องหยุดซ่อม สินค้าชุดใหม่ ๆ ก็จะหยุดชะงักตามไปด้วย แต่เมื่อใช้การควบคุมด้วย AI องค์กรจะรู้ได้ทันทีว่า เครื่องจักรตัวไหนจะเสีย อะไหล่ชิ้นใดกำลังจะหมดสภาพ สามารถแก้ไขได้ก่อนจะเสียหาย

ถามว่า AI ทราบได้อย่างไร คำตอบคือ ผู้ดูแลได้ใส่ข้อมูลสภาวะปกติของเครื่องจักร (Abnormally detection) ให้ AI จับอาการของเครื่องจักรผ่านระบบเซ็นเซอร์ และเรียนรู้ว่าอาการอย่างไร คือ อาการเครื่องจักรปกติ เช่น โรงงานมีเครื่องจักรการผลิต ซึ่งในเครื่องจักรมีเซ็นเซอร์ตรวจวัดความเร็วสายพาน, เซ็นเซอร์ดูความดัน, เซ็นเซอร์วัดอุณหภูมิ, เซ็นเซอร์ตรวจกระแสไฟฟ้า ฯลฯ หากวันหนึ่งเครื่องจักรมีอุณหภูมิสูงขึ้นเพียงอย่างเดียวอาจเป็นเรื่องปกติ แต่ถ้าอุณหภูมิสูงขึ้นพร้อมความดันที่ต่ำลง นั่นอาจไม่ปกติแล้ว ฉะนั้น AI จะแจ้งให้ผู้ดูแลทราบทันที

สำหรับการผลิตสินค้าซ้ำ ๆ AI เป็นโปรแกรมคอมพิวเตอร์ มีความเชี่ยวชาญเรื่องการทำงานซ้ำ ที่สำคัญมันไม่เหนื่อย จึงสามารถช่วยให้ผลิตสินค้าได้อย่างต่อเนื่องและราบรื่น ด้วยเหตุนี้ คุณวิษุวัต จึงย้ำว่า การที่โรงงานจะเพิ่มการผลิต ไม่มีความจำเป็นต้องเพิ่มพนักงานในไลน์การผลิตใหม่ แค่เพิ่ม AI ก็พอ

ก่อนใช้ Automation Solution ต้องมีความพร้อม และความเข้าใจ
การใช้ Automation Solution ในอุตสาหกรรมการผลิตมีประโยชน์ แต่ก่อนจะตัดสินใจใช้ คุณวิษุวัต ชวนให้คำนึงถึงความเข้าใจ และความพร้อมเป็นหลัก

AI มีประโยชน์ มีความเที่ยงตรง ไม่มีอารมณ์เข้ามาเกี่ยวข้อง ฉะนั้นหากวัฒนธรรมองค์กรเน้นเลือกคู่ค้าด้วยความรู้สึก การใช้ AI ก็อาจเป็นการลงทุนที่สูญเปล่า เช่น อุตสาหกรรมด้านการเกษตร มีการรับซื้อสินค้าทางการเกษตร แล้วใช้วิธีประเมินความเชื่อมั่นในคุณภาพสินค้าจากคู่ค้าที่เป็นคนรู้จัก โดยเชื่อว่าเขาไม่ยัดไส้แน่นอน แต่กับคู่ค้าที่ไม่คุ้นเคยกลับตรวจสอบละเอียด หรือปฏิเสธทันที อย่างนี้ไม่เหมาะกับ AI การใช้ Automation Solution ต้องบรรทัดฐานเดียวกัน ต้องประเมินคุณภาพด้วยไม้บรรทัดดิจิตอลเหมือนกันทุกคน หากคุณ หรือบุคลากรยังคงใช้ความรู้สึกอย่างนี้ แสดงว่าอุตสาหกรรมยังไม่พร้อมสำหรับ Automation ฉะนั้นต้องปรับมุมมองตรงส่วนนี้ก่อน
สำหรับความเข้าใจ ต้องรู้ว่าจะใช้ AI เข้ามาเสริม หรือแก้ไขจุดไหน ไม่ใช่เพียงรู้แค่ว่ามันเพิ่มประสิทธิภาพได้ เพราะหากเสริมไม่ถูกจุด ผลลัพธ์ที่เกิดขึ้น อาจเป็นลบได้ ฉะนั้นหากยังไม่มั่นใจ ปรึกษาผู้เชี่ยวชาญก่อนจะเหมาะอย่างยิ่ง โดยคุณวิษุวัต ย้ำว่า

“ในมุมของการวางแผนเรื่อง Automation การมองเรื่องประสิทธิภาพความแม่นยำเป็นส่วนที่ต้องระวัง การประเมินตรงนี้ ต้องคุยตั้งแต่เบื้องต้นว่า เราคาดหวังแค่ไหน เพราะบางโจทย์เราไม่ต้องการ ใส่เข้ามาก็สูญเปล่า ฉะนั้นจึงควรกระจายความรู้ แนวคิด Concept ออกมาก่อน เมื่อรู้ความต้องการที่แท้จริงแล้ว จะได้ใช้ Solution ที่เหมาะสม และถูกจุดมากขึ้น สุดท้ายแล้วก็จะเป็นประโยชน์กับธุรกิจอย่างแท้จริง”

อุปสรรคและความท้าทายในการนำ Automation Solution ไปใช้ในอุตสาหกรรมการผลิต
อุปสรรคและความท้าทายในการนำ Automation Solution หลัก ๆ ประกอบด้วย

1. การปรับประยุกต์ใช้ บางอุตสาหกรรมไม่จำเป็นต้องใช้ระบบอัตโนมัติเต็มรูปแบบ เช่น ระบบกลไกหุ่นยนต์ ที่มีแขนยื่นเข้าไปหยิบสินค้าบกพร่องออกมา เมื่อประเมินแล้วอุตสาหกรรมต้องการเพียงการเฝ้าสังเกต ฉะนั้นเราจึงสามารถตัดแขนกลออกได้เลย ให้เหลือเฉพาะตากับสมอง โดยตาของ AI คอยดูว่าสินค้าไหนไม่ผ่านมาตรฐาน แล้วค่อยเตือนพนักงานให้ไปตรวจสอบอีกที เป็นต้น อุปสรรคของการขาดความเข้าใจเรื่องการประยุกต์ใช้งาน Solution เป็นความท้าทายหนึ่งที่เกิดขึ้น

2. ความร่วมมือ การใช้ Automation Solution จำเป็นต้องใช้ผู้เชี่ยวชาญภายนอก หลายครั้งไม่รู้จักบริบทของโรงงาน ฉะนั้นจึงต้องอาศัยความร่วมมือกับทั้งทางโรงงาน และพาร์ทเนอร์อื่น ๆ ฉะนั้นหากมีการร่วมมือกันงานที่ออกมาก็จะมีประสิทธิภาพเต็มรูปแบบ

3. ความช่วยเหลือจากพื้นที่ ผู้ให้บริการ Automation Solution เชี่ยวชาญระบบ AI ก็จริง แต่ไม่คุ้นเคยกับบริบทเฉพาะของแต่ละอุตสาหกรรม ฉะนั้นจะวางระบบกับเซ็นเซอร์ตำแหน่งไหน ต้องอาศัยคำแนะนำจากผู้เชี่ยวชาญในอุตสาหกรรมนั้น ๆ

4. ช่องว่างของโปรแกรม ในการวางระบบมีช่องว่างบาง ๆ หรือคำสั่งที่กำกวมอยู่เสมอ โดยปกติเมื่อ AI เจอกรณีตรวจสอบที่ก้ำกึ่ง ธรรมชาติของมันจะตัดสินใจเลือกทำในสิ่งที่ไม่ให้ตัวเองผิด เช่น สั่งให้มันตรวจอนุมัติ สินค้า 100 ชิ้น มันก็อาจจะเลือกให้สินค้าผ่านทั้ง 100 ชิ้น ทั้ง ๆ ที่อาจมีสินค้าไม่ผ่านเกณฑ์ถึง 10 ชิ้น (เพราะมันรู้ว่าถ้าอนุมัติให้ผ่าน มีโอกาสผิดแค่ 10%) นั่นหมายความว่า มีสินค้าตกเกรดจากเราเข้าไปขายในตลาดแล้ว ผลเสียที่ตามมา อาจทำให้ชื่อเสียงบริษัทเสียหายได้

จากเหตุผลข้างต้น คุณวิษุวัต จึงเสนอลูกค้าเสมอว่า หากให้ AI เลือกอนุมัติสินค้า อยากให้ตั้งค่าเผื่อไว้บ้าง การใช้ค่า 99% แม้ดูดี แต่ในทางปฏิบัติอาจไม่ใช่สิ่งที่ควรนัก เช่น ตั้งค่าเผื่อไว้ที่ให้ผ่าน 80% หากเราผลิต 100 ชิ้น ระบบ AI จะเขี่ยทิ้ง 20 ชิ้น ซึ่งไม่ใช่ปัญหาอะไร เนื่องจากสามารถใช้คนไปตรวจซ้ำได้อีกครั้ง อาจจะพบของตรงคุณภาพนำกลับมาอีก 19 ชิ้น ซึ่งเป็นการดีกว่าปล่อยให้ของตกเกรดเข้าสู่ตลาด การทำงานในลักษณะนี้ นอกจากจะได้ผลดีกว่า ใช้เวลาไม่มาก แล้วยังช่วยป้องกันผลเสียต่อชื่อเสียงและภาพลักษณ์ของบริษัทได้เป็นอย่างดีอีกด้วย

ที่ยกมา เป็นเพียงตัวอย่างของช่องว่างบาง ๆ ของโปรแกรม ความท้าทายหนึ่งจึงอยู่ที่การทำความเข้าใจกับผู้บริหารของอุตสาหกรรมที่เลือกใช้ AI เนื่องจากทุกคนเมื่อเลือกจ้างแล้วย่อมหวังผลสูงสุด การเสนอว่าขอใช้ค่าความสำเร็จน้อย ๆ จึงขัดกับความรู้สึก แต่แท้จริงแล้วแม้โปรแกรมจะทำงานเสถียรมาโดยตลอด แต่หากวันใดเกิดช่องว่างให้ AI สับสนขึ้นมา ความผิดพลาดเพียง 1% อาจนำความเสื่อมเสียมาให้องค์กรได้ ฉะนั้นการใช้แผนสำรองเผื่อไว้จึงเป็นเรื่องดี

เทรนด์การใช้งาน Automation Solution ของโรงงานอุตสาหกรรมการผลิตในปัจจุบัน
คุณวิษุวัต แบ่งเทรนด์ Automation Solution ในอุตสาหกรรมเป็น 2 ส่วน

1. Traditional AI หรือ AI แบบดั้งเดิม คือ ระบบที่เน้นเพิ่มการผลิต เป็นโมเดลลดความบกพร่อง และลดจำนวนคนในไลน์ผลิต เช่น เดิมใช้ 3 ก็ให้เหลือ 1 คน ส่วนที่เหลือ 2 คน ไปดูแลส่วนอื่น เป็นต้น สรุปแล้ว คือ เน้นการเพิ่มการผลิต ลดต้นทุน

2. Generative AI หรือ AI ยุคใหม่ ตัวอย่างของ AI ยุคนี้คือ ChatGPT ฯลฯ ส่วนนี้จะเน้นเรื่องความสะดวกและการเพิ่มประสิทธิภาพในการทำงาน เช่น สอบถามวิธีแก้ไขปัญหา และสืบค้นข้อมูลภายใน โดยป้อนข้อมูลขององค์กรเข้าไปให้มันเรียนรู้ เมื่อต้องการข้อมูลก็สอบถามได้ทันที โดยไม่ต้องไปค้นเอกสารอย่างแต่ก่อน ตัวอย่างเช่น ถ่ายภาพน็อตของเครื่องจักรเข้าไปพร้อมกับรายละเอียดการดูแลรักษาในระบบ AI ให้มันรู้จัก เมื่อถึงเวลาเปลี่ยนอะไหล่ ก็แค่ถ่ายภาพส่งให้ AI มันจะตอบทันทีว่า น็อตตัวนี้อยู่ไหน และควรเปลี่ยนอะไหล่ตัวไหนไปพร้อมกัน เป็นต้น

นอกจากนี้เมื่อใส่ข้อมูลของบริษัทให้มันเรียนรู้แล้ว เมื่อเราต้องการสอบถามบางสิ่งที่คำถามไม่ชัดเจนนัก AI ก็ยังสามารถประมวลคำถาม แล้วตอบออกมาเป็นภาษา เป็นประเด็นที่เราเข้าใจได้

ตัวอย่างที่ยกมา เป็นเทรนด์ที่นิยมอยู่ในปัจจุบัน ซึ่งในอนาคตจะก้าวกระโดดไปมาก

เทรนด์การใช้งาน Automation Solution ของโรงงานอุตสาหกรรมการผลิตในอนาคต
สำหรับเทรนด์ในอนาคต คุณวิษุวัต ชวนมองที่ Multimodal AI ซึ่งเป็นเทคโนโลยีประมวลผลข้อมูลหลาย ๆ ประเภทในงานเดียว เช่น การใช้ Video Call สอบถามข้อมูลจาก AI โดยจะได้รับคำตอบเป็นทั้งแบบข้อความอักษร และแบบข้อความเสียง ยกตัวอย่าง เมื่อเราต้องการเปลี่ยนอะไหล่เครื่องจักร คือ น็อตตัวหนึ่ง สามารถวิดีโอคอลล์ ให้ AI เห็นบริบทได้ว่า น็อตเป็นตัวไหน และเรายืนอยู่ข้างเครื่องจักรตัวใด เครื่องจักรตัวนั้นขึ้นไฟสัญลักษณ์อะไร มันจะตอบ และแนะนำการแก้ไขให้เราอย่างแม่นยำ

ฉะนั้นถ้าองค์กรอยากจะทำ Automation Solution ต้องปรับกลยุทธ์การใช้ข้อมูลอย่างจริงจัง เพื่อเตรียมพร้อมสำหรับสิ่งที่กำลังจะมา

Manufacturing Solution ต่าง ๆ จาก Data Wow
จากที่กล่าวข้างต้น Data Wow ให้บริการ Automation Solution แก่อุตสาหกรรมไทยอย่างหลากหลาย Solution จึงมีมากมายเช่นกัน ดังตัวอย่างเหล่านี้

ตรวจสอบสินค้าทางการเกษตร Data Wow มี Solution อำนวยความสะดวกในการตรวจรับสินค้าทางการเกษตร โดยใช้ AI จับภาพป้ายทะเบียนรถบรรทุกที่ขนส่งสินค้าทางการเกษตรเข้ามายังโรงงานรับซื้อ แล้วสร้างแฟ้มไว้

เมื่อบันทึกป้ายทะเบียนแล้ว AI ก็จะเฝ้าสังเกตการขนย้ายสินค้า โดยแสกนประเมินว่าเน่าเสียเท่าไหร่ ขนาดสินค้าตกเกรด หรือผ่านเกรดเท่าไหร่ สินค้าทั้งหมดน้ำหนักเท่าไหร่ แล้วส่งข้อมูลเหล่านี้เป็นรายงานให้เจ้าหน้าที่อนุมัติ ซึ่งคนตรวจสอบสามารถดูข้อมูลจาก AI มาเปรียบเทียบอีกที เช่น เมื่อเห็นข้อมูลจำนวนเน่าเสียไม่ตรงกับความจริง ก็สามารถแจ้งกลับไปยัง AI เพื่อให้มันเรียนรู้สำหรับพัฒนาตัวเองได้อีกต่อ หรือหากข้อมูลตรง แต่พนักงานขนส่งโต้แย้ง ผู้ตรวจก็สามารถนำภาพที่ AI ภาพแนบมาให้ ยืนยันได้

ตรวจสอบเครื่องจักร Data Wow ให้บริการ Solution ตรวจสอบความพร้อมของเครื่องจักร โดยการวัดค่าจากเซ็นเซอร์ที่ติดกับเครื่องจักร แล้วประเมินว่าเครื่องจักรตัวนั้นปกติ หรือไม่ปกติ โดยแต่เดิมต้องมีเจ้าหน้าที่นั่งเฝ้าหน้าจอตลอดเวลา แต่เมื่อใช้ AI มาตรวจสอบแทน พนักงานรายนั้นก็ไม่ต้องเฝ้าอีก สามารถ Work From Home ได้เลย เมื่อเครื่องจักรมีสัญญาณว่าจะเกิดปัญหา AI จะแจ้งเตือนไปยังผู้ดูแลทันที

QC หน้าสายพานการผลิต ระบบ AI ของ Data Wow สามารถตรวจสอบคุณภาพสินค้าจากสายพานการผลิตได้ทันที ทำให้ลดขั้นตอนการตรวจสอบลงมาก และเช่นเดิม หากผู้ตรวจเห็นว่าสิ่งที่ AI ปฏิเสธเป็นการตัดสินใจที่ผิด สามารถสอนมันให้เรียนรู้ได้ อนาคตมันจะแม่นยำมากขึ้น

Solution ต่าง ๆ จาก Data Wow ที่ยกมา แม้ดูเป็นเรื่องเฉพาะ แต่ทุกอุตสาหกรรมที่ใช้บริการจะมีความต้องการคล้ายกัน ซึ่งสุดท้ายแล้วก็อยู่ที่การประยุกต์ใช้ตามความต้องการนั่นเอง

********