สรุปสาระจากเสวนา “METALEX AI FORUM 2023: จากนโยบายสู่การปฏิบัติ – ปฏิวัติอุตสาหกรรมการผลิต”
เป็นที่รู้กันดีว่าปัจจุบัน แทบทุกอุตสาหกรรมการผลิต นำ “AI” มาใช้ในเพื่อช่วยอำนวยความสะดวกให้กับผู้ใช้งาน ซึ่ง AI กับงานด้านอุตสาหกรรมการผลิตนั้นไม่ใช่เรื่องใหม่หากแต่มีมานานแล้ว ได้แก่ เทคโนโลยีการประมวลผลภาพ (Image processing) หรือ กระบวนการ สอนคอมพิวเตอร์ให้ประมวลผลข้อมูลในลักษณะที่อ้างอิงมาจากสมองมนุษย์ (Neural Networks) ซึ่งปัจจุบันด้วยความพร้อมของโครงสร้างพื้นฐานทำให้กลไกการเรียนรู้สามารถพัฒนาไปถึงระดับ Deep Neural Networks ที่ช่วยในการทำนายหรือจัดกลุ่มการ ทำงานได้อย่าง Real Time ตัวอย่าง ChatGPT ที่สามารถผลิตคำได้มากกว่า 300 ล้านคำ/นาที เมื่อหากนำ ChatGPT มาประยุกต์ใช้กับอุตสาหกรรมการผลิตแล้วนั้น จะเกิดความเป็นไปได้นั้นมีอย่างไม่สิ้นสุด
เหล่านี้เป็นตัวอย่างของ AI ที่นำไปประยุกต์ใช้ทั้งการควบคุมสายการผลิต การทำนาย และวิเคราะห์ ความต้องการของตลาด เพื่อวางแผนการผลิตที่มีประสิทธิภาพมากขึ้น การวิเคราะห์ข้อมูลการลงทุน รวมไปถึงการคาดการณ์ก่อนที่เครื่องจักร จะเกิดการชำรุดและทำให้เกิดความเสียหายแก่การผลิต
การใช้ AI ในอุตสาหกรรมมีผลดี เช่น เพิ่มประสิทธิภาพ ลดค่าใช้จ่าย และสร้างผลิตภัณฑ์/บริการใหม่ๆ แต่ก็มีความท้าทายบางอย่าง เช่น การจัดการข้อมูลที่ซับซ้อน ความเป็นส่วนตัว และการจัดการกับความเป็นไปได้ทางกฎหมายและกฎระเบียบ ต่างๆ ที่เกี่ยวข้องกับการใช้งาน AI ในอุตสาหกรรม
คุณวริทธิ์ กฤตผล ผู้อำนวยการ REPCO NEX (Rayong Engineering and Plant Service Co., Ltd.) บริษัทลูกของเอสซีจี เคมิคอลส์ หรือ เอสซีจีซี (SCGC) ผู้ให้บริการโซลูชั่นด้านอุตสาหกรรมแบบครบวงจร ด้วยประสบการณ์ในการดูแลโรงงานมากกว่า 40 ปี ทั้งในและนอกประเทศมากกว่า 30 แห่ง มีประสบการณ์ดูแลเครื่องจักรที่มีความสำคัญต่อกระบวนการผลิต (Critical Machines) มากกว่า 5,000 ตัว ได้แชร์มุมมองและประสบการณ์จากปัญหาที่ REPCO NEX พบและคาดการณ์ว่าผู้ประกอบหลายๆ โรงงานคงประสบคล้ายๆ กัน ตลอดจนนำองค์ความรู้ที่มีมาเผยแพร่ เพื่อช่วยเพิ่มขีดความสามารถ ในการแข่งขันให้กับประเทศ
สำหรับเส้นทางในการนำดิจิทัลเข้ามาใช้เพื่อขับเคลื่อนการแข่งขันธุรกิจ เพื่อสร้างประสิทธิภาพ สูงสุดให้สินทรัพย์ของ REPCO NEX สามารถนำองค์ความรู้ที่มีผนวกรวมเข้าไปในแพลตฟอร์มได้ เพื่อมั่นใจ ได้ว่าเซนเซอร์ต่างๆ สามารถใช้งานได้จริง นอกจากนี้ยังช่วยขยายผลและสนับสนุนภาคอุตสาหกรรมอื่นๆ โดยวางตำแหน่งผลิตภัณฑ์เป็นผู้เชี่ยวชาญเฉพาะด้านในงานปฏิบัติ (Practitioner) ในสนามจริง
REPCO NEX มี 6 องค์ประกอบที่สำคัญในการทำ Digital Transformation นอกจากนี้ยังมีกลยุทธ์ การเปลี่ยนแปลงทางดิจิทัลแบบบูรณาการในแนวตั้ง 3 ส่วนที่ต้องคำนึง หากขาด Layer ใดไปการทำ Digital Transformation จะไม่สมบูรณ์ ที่สำคัญคือต้องตอบโจทย์ทางธุรกิจ (Business Value) ซึ่งการมองโจทย์ ทางธุรกิจให้ออกคือหลักสำคัญ การนำ AI เข้ามาใช้ แต่ไม่สามารถตอบโจทย์ทางธุรกิจได้ก็เท่ากับเสียประโยชน์ไปโดยสิ้นเชิง ดังนั้น AI ในแต่ละตัวแต่ละอัลกอริทึมนั้นต้องชี้โจทย์ให้ชัดเจนถึงจะแก้ปัญหาได้
กรณีศึกษาของ REPCO NEX มีทั้งในประเทศและต่างประเทศ ซึ่งหลายๆ แห่งทำไปแล้วไม่สามารถ แก้ปัญหาและขยายผลได้อย่างรวดเร็ว หลักสำคัญต้องพิจารณาถึง Business Impact จุดที่ยากที่สุดคือ ความยั่งยืน (Sustainability) ทำอย่างไรให้เกิดการใช้งานในโรงงานอย่างต่อเนื่อง
Best Practice และ Success Story ที่ใช้ AI ไปบ้างแล้วมีอะไรบ้าง
ดร.วโรดม คำแผ่นชัย ประธานเจ้าหน้าที่บริหารและผู้ก่อตั้ง บริษัท อัลโต้เทค โกบอล จำกัด ได้ยกตัวอย่างอาคาร 70 ปี พพ.ต้นแบบ Net Zero Energy Building เน้นออกแบบให้ประหยัดพลังงานและ นำพลังงานทดแทนมาใช้ ซึ่งสอดคล้องกับแผนที่ประเทศไทยประกาศจะบรรลุเป้า “carbon neutrality” ภายในปี 2050 ซึ่งตามแผนขององค์การพลังงานระหว่างประเทศ (International Energy Agency: IEA) ระบุว่าอาคารต้อง เป็น Zero Carbon Ready คือสร้างอาคารขึ้นมาแล้วยังไม่ต้องผลิตพลังงาน แต่การใช้พลังงานของอาคารนั้นต้องต่ำกว่าอาคารอื่นๆ ดังนั้นสิ่งที่ทำในวันนี้คือการนำเทคโนโลยีของอาคาร ผสานกับนักออกแบบในการออกแบบอาคารมีระบบทำนายการใช้พลังงาน, ควบคุมระบบภายในอาคาร, การเก็บพลังงานจากแสงอาทิตย์เพื่อนำมาใช้, คำนวณช่องทางการเลือกใช้พลังงานจากแหล่งใดที่คุ้มค่าที่สุด รวมทั้งการใช้พลังงานไฟฟ้าจาก EV Charger ว่าควรชาร์จเมื่อไร เพื่อลดปัญหาด้านพลังงาน โดยทำให้เกิดผลลัพธ์ Net Zero มากที่สุด สำหรับผลตอบรับหลังจากที่รันโมเดลและเปิดอาคารได้ 3 เดือน ปรากฎว่าสามารถสามารถช่วยประหยัดพลังงานเพิ่มขึ้น 14 % (ลดการใช้ไฟฟ้าโดยใช้ไฟจากพลังงานแสงอาทิตย์แทน)
สำหรับการขยายผลในอนาคตมุ่งพัฒนาเมือง สร้างนิคมอุตสาหกรรมให้กลายเป็น ความเป็นกลางทางคาร์บอน (Carbon Neutral) โดยแต่ละโรงงานอาจมีพลังงานแสงอาทิตย์เหลือพอจำหน่ายให้แก่โรงงานอื่น จึงต้องพึ่งตัวช่วยอย่างอัลกอริทึมให้เร่งให้เติบโตและขยายผล แม้นการออกแบบดีแต่เมื่อดำเนินงานจริงผลลัพธ์ที่ได้มาอาจแค่ ประมาณ 50 % จึงจำเป็นที่ต้องมี AI มาช่วยเพิ่มประสิทธิภาพหลังบ้านให้ดียิ่งขึ้น
หลักปฏิบัติในการนำ AI ไปใช้งานให้สำเร็จ
ดร.อภินันทน์ ตั้นพันธุ์ ประธานเจ้าหน้าที่บริหารเทคโนโลยี บริษัท สมาร์ท เซนส์ อินดัสเตรียล ดีไซน์ จำกัด สำหรับกลุ่มลูกค้าส่วนใหญ่ซึ่งเป็นกลุ่มวิสาหกิจขนาดกลางและขนาดย่อม (SME) เรื่องกรอบความคิด (Mindset) ของเจ้าของธุรกิจคือสิ่งสำคัญ โดยพบว่าผู้ประกอบการรุ่นใหม่ๆ ต้องการนำดิจิทัลเทคโนโลยีเข้ามาใช้ เนื่องจากการใช้วิธีดั้งเดิมในการประกอบธุรกิจเริ่มเกิดปัญหาเชิงประสิทธิภาพ และไม่ได้ผลลัพธ์ตามเป้าหมาย ทางสมาร์ท เซนส์ฯ จึงเข้าไปให้คำแนะนำ จุดตั้งต้นที่สำคัญคือข้อมูล (Data) ในกระบวนการผลิตของลูกค้า ซึ่งต้องนำข้อมูลมาแปลงให้อยู่ในรูปแบบดิจิทัล (Digitization) แล้วค่อยๆ ปรับกระบวนการให้มีการใช้ประโยชน์จากข้อมูลดิจิทัลนั้น (Digitalization) เพราะก่อนที่จะมี AI จำเป็นต้องอาศัยการเรียนรู้จาก Data ที่มีความจำเพาะเจาะจงกับแต่ละกิจการ
คุณวริทธิ์ กล่าวเสริมว่านอกจากกระบวนการทั้ง 6 ขั้นตอนของ Digital Transformation Critical Elements แล้วนั้น สิ่งที่ขาดไม่ได้คือ ลูกค้าต้องมีโจทย์/ความต้องการที่ชัดเจน โดยโจทย์ส่วนใหญ่ ได้รับจากลูกค้าหลากหลาย เช่น ต้องการหน้าจอ (Dashboard) ที่สรุปข้อมูลทุกอย่างให้ผู้บริหาร แต่ยังไม่รู้ว่าต้องการ Transform เป็นอะไร หลายๆ โจทย์ไม่ชัดเจน บางโจทย์ยังไม่เคยผ่านกระบวนการ ขั้นพื้นฐานแต่ต้องการทำ Supply Chain ซึ่งเป็นการก้าวกระโดดอย่างมาก รวมถึงการก้าวไปสู่ Digital Twin ถึงแม้ AI จะสั่งให้ทำงานได้แต่สุดท้ายแล้วโรงงานไม่สามารถทำงานได้ก็เท่ากับเปล่าประโยชน์
สำหรับก้าวแรก ผู้ประกอบการสามารถกลับไปศึกษาได้จากแผนระยะกลาง(medium term plan) ขององค์กร ซึ่งฝ่าย Business Development (BD) ของแต่ละแห่งที่จัดทำไว้ดีแล้ว เพียงทดลองเพิ่มความเร็ว ในการผลิต หรือเพิ่มมูลค่า (Value) สินค้าให้เพิ่มขึ้นอีก 10 เท่า เพื่อเพิ่มประสิทธิภาพ ข้อสำคัญที่ไม่ควร ละเลย คือ วัฒนธรรมขององค์กร (Culture Transformation) ซึ่งในองค์กรจะประกอบไปด้วยผู้มีส่วนได้ส่วนเสีย (Stakeholders) ที่หลากหลาย จะทำอย่างไรบุคคลเหล่านี้สามารถเดินไปด้วยกันได้ สิ่งสำคัญผู้บริหาร จำเป็นต้องเข้าใจถึงกระบวนการ Work Process ของโรงงานด้วย ผู้บริหารหลายๆ ท่านคิดว่า Transformation คือ ยาวิเศษ มีตัวอย่างที่ผู้บริหารไม่เข้าใจ Work Process ของโรงงาน เมื่อนำเอา Digital Transformation ไปใช้อาจเกิดความล้มเหลวสร้างมูลค่าความเสียหายเป็นร้อยล้านก็เป็นได้ ท้ายสุดการปลุกกำลังใจของคนในองค์กรเพื่อให้ลุกขึ้นมาสู้ใหม่นั้นเป็นเรื่องที่ค่อนข้างยาก และใช้เวลา ดั้งนั้นการเลือกใช้เทคโนโลยีที่มีความหลากหลายโดยอาศัยความเชื่อมั่นในฝีมือคนไทยด้วย (Thailand Team)
จะรู้ได้อย่างไรว่ากระบวนการผลิตของแต่ละโรงงาน/ธุรกิจ จำเป็นต้องมี AI เข้าไปช่วยหรือไม่
ดร.ณิชา อภิชิตโสภา นักวิจัย ทีมวิจัยสมองกลอัจฉริยะและความจริงเสมือน กลุ่มวิจัยไอโอทีและระบบอัตโนมัติสำหรับงานอุตสาหกรรม เนคเทค สวทช. ได้ยกตัวอย่าง การตรวจคุณภาพชิ้นงานทางด้านบรรจุภัณฑ์เครื่องดื่มและอาหาร ในมุมมองนักวิจัยไม่ใช่ว่าทุกโจทย์จะใช้ AI เพื่อตอบโจทย์ ได้ บางโจทย์อาจปรับมาใช้ระบบถ่ายภาพให้ภาพมันมีความคงที่มากขึ้นทำให้จุดตำหนิที่ต้องการตรวจพบมีความชัดเจนขึ้น ซึ่งอาจจะเป็นสิ่งรบกวนในภาพที่ทำให้ภาพไม่ชัด (Noise) ก็สามารถใช้ Traditional image processing algorithm โดยไม่ต้องเสียเวลาในการเก็บ จัดการ ทำชุดข้อมูล (Data) และเทรนโมเดล ดังนั้นควรหารือกับผู้เชี่ยวชาญก่อนว่าควรใช้เทคนิคใด ต้องใช้ AI หรือไม่ และจัดลำดับโครงการที่ควรเริ่มทำก่อนจะทำให้โครงการนั้นมีโอกาสประสบความสำเร็จได้สูง ทำให้ทีมทำงานและผู้บริหารเกิดความมั่นใจในการนำAI มาใช้งานต่อไป
ข้อควรพิจารณาในการเลือก Technology หรือ Solution สำหรับผู้ผลิต
ดร.อภินันทน์ กล่าวว่าสำหรับโรงงานขนาดกลางและเล็กควรเริ่มพิจารณาจากปัญหาหรือจุดอ่อนของตัวธุรกิจ (Pain Point) ว่าต้องการแก้ปัญหาอะไร เช่น ปัญหาผลิตแล้วของเสียเยอะ หรือปัญหาการวางแผนและติดตามการผลิต ซึ่งเจ้าของกิจการจะทราบปัญหาดี จากนั้นจึงจะรู้ว่าจะต้องเสนอให้เลือกใช้เทคโนโลยีอะไร โดยเลือกความเร็ว (Speed) และ ราคา (Price Point) ที่เหมาะสมกับปัญหาหน้างาน ซึ่งทาง สมาร์ท เซนส์ จะพยายามช่วยให้ลูกค้าดำเนินการแก้ปัญหาที่มี impact ต่อลูกค้า SME สูงก่อน
คุณวริทธิ์ ข้อคิดเห็นสำหรับลูกค้าโรงงานขนาดใหญ่ ประเด็นแรกที่ต้องพิจารณาคือ ความเหมาะสมกับอุตสาหกรรม (Fit for Purpose) ทำแล้วต้องได้ใช้ โดยกุญแจหลัก จากการตั้งโจทย์ที่ถูกต้อง ธุรกิจต้องการผลักดันอะไร สร้างมูลค่าทางธุรกิจเท่าไร เพราะอย่าลืมทุกเทคโนโลยีล้วนมีค่าใช้จ่าย ดังนั้นการเลือกใช้ Technology หรือ Solution ต้องช่วยตอบโจทย์ทางธุรกิจ มึความเหมาะสมกับอุตสาหกรรม (Fit for Purpose) ช่วยสร้างมูลค่าทางธุรกิจที่คุ้มค่าเมื่อเทียบกับค่าใช้จ่ายที่ลงทุนไป รวมทั้งต้องยั่งยืน (Sustainability) เพราะหากทำแล้วไม่ได้ใช้ก็เปล่าประโยชน์ หลายๆ องค์กรที่กำลังประสบปัญหาเนื่องจากมีพนักงานหลายคนอยู่พื้นที่ Comfort Zone จำเป็นต้องพัฒนาให้ก้าวสู่ Learning Zone ซึ่งเกิดจากความร่วมมือทั้งผู้บริหารระดับสูงจนถึงพนักงานในทุกระดับ
ปัญหาที่พบบ่อยเมื่อนำเทคโนโลยีมาใช้ และมีวิธีการแก้ปัญหาอย่างไร
ดร.วโรดม กล่าวถึงตัวอย่างลูกค้าที่ได้นำเทคโนโลยี IoT มาใช้ในแต่ละโรงงานทำความเย็น Chiller Plant ของแต่ละพื้นที่ที่มีสภาพหน้างานต่างกัน ดังนั้นปัญหาที่พบคือ Hardware และ Technical สำหรับปัญหาด้าน Software อาจพบน้อยกว่า เพราะสามารถควบคุมเองได้ รวมทั้งการนำเทคโนโลยีเข้ามาใช้เพื่อปรับตัวเป็นดิจิทัลเทคโนโลยี โดยผู้บริหารนำเข้าเทคโนโลยีจากต่างประเทศ ทั้งแพลตฟอร์ม เครื่องมือในการวิเคราะห์ข้อมูลธุรกิจ (Business Analytics Tool) :Power BI และ AI ซึ่งเครื่องมือเหล่านี้ผู้ใช้คือ ช่าง หัวหน้าช่าง แม้หน้าบ้านจะดูล้ำสมัย แต่หลังบ้านเจอปัญหาในการใช้งานเนื่องจากผู้ใช้ไม่มีประสบการณ์การใช้งาน(User Experience)
ตัวอย่างผู้บริหารธุรกิจโรงแรมที่ต้องการดำเนินงานข้อมูล ซึ่ง Pain Point ของงานโรงแรมคือ ทำอย่างไรให้ผู้ที่เข้าพัก/ใช้บริการ เสียเวลาน้อยที่สุด ซึ่งช่วงแรกที่ปรับเป็นดิจิทัลเทคโนโลยีได้ปรับให้แม่บ้าน ช่าง ไม่ต้องใช้กระดาษบันทึกในการทำงานแต่ละชั้น นำเครื่องมือ จับเวลาการทำงาน เดินเข้าออกห้องไหน ลูกค้าห้องไหนคอมแพลนบ้าง มีการดึงข้อมูลพฤติกรรมการทำงานของพนักงาน รวมถึงนำเซนเซอร์ไปใช้ในโรงแรมผ่าน IoT สุดท้ายแล้วสิ้นสุดลงที่ ประสบการณ์การใช้งานของผู้ใช้ (User Experience) เนื่องจากแม่บ้านและช่างที่กล่าวนั้นไม่คุ้นเคยกับเครื่องมือ ดังนั้นต้องเป็นเทคโนโลยีที่ได้รับการยอมรับ เหมาะสม และง่ายต่อการใช้ง่าย เพียงไม่กี่ขั้นตอนเท่านั้น และผู้ใช้งานจะช่วยในการประชาสัมพันธ์และการันตีผลงานให้เป็นที่รู้จักต่อไป
ดร.อภินันทน์ กล่าวว่าความคาดหวังหนึ่งในการทำงานสำหรับกลุ่มลูกค้าขนาดเล็ก คืออาจต้องเป็นที่ปรึกษาด้านเทคโนโลยี (Technology Advisor) ให้ด้วย โดยเน้นการแก้ปัญหาเฉพาะหน้าเพื่อให้บริหารจัดการงานได้ง่ายขึ้น อาจทำทุกอย่างผ่าน Cloud เพื่อให้ง่ายต่อการเข้าถึง รวมทั้งการวางระบบการประมวลผลและสื่อสารข้อมูล (Data Processing & Communication) ตั้งต้นที่เหมาะสมสำหรับการเริ่มต้นทำ Edge AI นอกจากนี้ต้องมี UX/UI ที่ง่ายต่อการใช้งาน และพูดคุยสื่อสารติดตามผลกับลูกค้าบ่อย ๆ เพื่อให้ทราบว่ามีประสบปัญหาเชิงเทคนิคอื่นใดเพิ่มเติมหรือไม่
สำหรับความท้าทายในมุมมองนักวิจัยในการนำ AI ไปใช้ในอุตสาหกรรม
ดร.ณิชา ให้ข้อมูลว่า ความท้าทายหลักคือการจัดการความคาดหวังของลูกค้า เช่น ChatGPT ที่ทุกคนคาดว่าทุก AI โมเดลจะทำได้ ทั้งภาพ เสียง เหมือนที่มนุษย์ทำได้ แต่จริงๆ ChatGPT Model หรือ โมเดลพื้นฐานเป็นรูปแบบหนึ่งของปัญญาประดิษฐ์ (Foundational Model) นั้นเกิดจาการสอนจาก ชุดข้อมูลขนาดใหญ่มาแล้วด้วยการคำนวณที่สูงมาก เมื่อนำไปใช้ในอุตสาหกรรมไม่จำเป็นต้องใช้โมเดล ขนาดนั้น เพราะไม่สามารถนำมาใช้หน้างานจริงได้ ดั้งนั้นควรใช้โมเดลที่มีขนาดเล็กลงมาหน่อย แต่ควรผ่านการปรับแต่งให้เข้ากับโจทย์