AI & Data

ในยุคที่เทคโนโลยีก้าวล้ำไปข้างหน้าอย่างรวดเร็ว ทุกภาคส่วนอุตสาหกรรมต่างต้องเผชิญกับคลื่นความเปลี่ยนแปลงครั้งใหญ่ ไม่เว้นแม้กระทั่งฝ่ายทรัพยากรบุคคล (HR) ที่ต้องปรับตัวจากบทงานตั้งรับ (Reactive) สู่การเป็นฝ่ายกลยุทธ์เชิงรุก (Proactive) ผ่านกระบวนการที่เรียกว่า HR Transformation หนึ่งในความท้าทายที่สุดของ HR ในอุตสาหกรรมยุคใหม่ โดยเฉพาะในกลุ่มธุรกิจที่ขับเคลื่อนด้วยเทคโนโลยีอัจฉริยะและการเชื่อมต่ออย่าง AIoT (Artificial Intelligence of Things) คือการเฟ้นหาบุคลากรที่มีทักษะเฉพาะท

สำหรับชาวโรงงานและวิศวกรซ่อมบำรุง กิจกรรมที่ขาดไม่ได้เลยในทุกๆ เช้าคือ "Morning Talk" หรือการยืนล้อมวงคุยสรุปงานประจำวันตอนเช้า เพื่ออัปเดตว่าเมื่อวานเกิดปัญหาอะไรขึ้นบ้าง เครื่องจักรตัวไหนพัง งานซ่อมไหนเสร็จแล้ว หรือมีงานไหนที่ยังค้างคาอยู่ แต่ปัญหาที่มักจะเกิดขึ้นบ่อยๆ คือ "ข้อมูลกระจัดกระจาย" หัวหน้าทีมต้องเสียเวลาเปิดดูระบบ CMMS (ระบบบริหารงานซ่อมบำรุง) ดึงข้อมูลแชทกลุ่ม LINE ที่คุยกันทั้งคืน เพื่อเอามาสรุปให้ทีมฟัง ซึ่งบางครั้งก็ตกหล่น แถมยังใช้เวลาเตรียมตัวนาน จะดีกว่าไ

ในยุคที่คำว่า AIoT (Artificial Intelligence of Things) และ Smart Manufacturing กำลังเข้ามาเปลี่ยนโฉมภาคอุตสาหกรรมอย่างรวดเร็ว ความท้าทายใหญ่ของ "วิศวกร" ในปัจจุบันไม่ใช่แค่การดูแลเครื่องจักรหรือควบคุมกระบวนการผลิตให้ราบรื่นเท่านั้น แต่คือการ "เชื่อมโยงข้อมูล" จากหน้างานจริง (OT) เข้าสู่ระบบสารสนเทศ (IT) เพื่อสร้างความเป็นอัตโนมัติให้ได้มากที่สุด แต่ปัญหาคลาสสิกที่วิศวกรหลายคนเจอคือ "อยากทำระบบอัตโนมัติ แต่เขียนโค้ดไม่เป็น" จะรอทีม IT มาช่วยพัฒนาระบบให้ บางครั้งก็ต้องต่อคิวนาน

“ไฟไหม้โรงงาน” คือฝันร้ายที่ผู้ประกอบการทุกคนไม่อยากให้เกิดขึ้น โดยเฉพาะในโรงงานอุตสาหกรรมที่มีวัตถุดิบไวไฟสูง เช่น ไม้ น้ำมัน และระบบแรงดันสูง หากเกิดเพลิงไหม้ขึ้นมาครั้งหนึ่ง มูลค่าความเสียหายมักไม่ต่ำกว่าหลักสิบล้านบาท ยิ่งไปกว่านั้น ระบบตรวจความปลอดภัยแบบดั้งเดิมที่ใช้มนุษย์เดินตรวจ มักจะ "ช้าเกินไป" เสมอเมื่อเทียบกับความเร็วของเปลวไฟ บทความก่อนหน้านี้ SkillLane และ Qonnect ได้นำเสนอ 5 กรณีศึกษาการใช้งาน AIoT จากโรงงานไปกันแล้ว บทความนี้จะพาทุกคนไปเจาะลึกกรณีศึกษาจริงของโ

ในบทความก่อนหน้านี้ เราได้ทำความเข้าใจว่า AIoT (Artificial Intelligence + Internet of Things) คือเทคโนโลยีแห่งอนาคต แต่คำถามสำคัญที่ผู้บริหารโรงงานมักสงสัยคือ "เทคโนโลยีนี้ใช้งานได้จริงหรือไม่ และมีกรณีศึกษาที่จับต้องได้บ้างไหม" คำตอบคือ "ใช่" และมีการใช้งานอย่างแพร่หลายแล้วในปัจจุบัน บทความนี้จะนำเสนอ 5 กรณีศึกษาการใช้งาน AIoT จากโรงงานในไทยและเอเชีย ซึ่งไม่ใช่เพียงแนวคิดในความฝัน แต่เป็นโครงการที่ดำเนินการจริงและเห็นผลลัพธ์ชัดเจน โดยเราจะเจาะลึกผ่าน 3 ประเด็นหลัก คือ ปัญหาท

หากคุณเติบโตมาในยุค 2000 กว่า ๆ คุณอาจจำภาพโรงงานแบบเดิมที่มีเสียงเครื่องจักรดัง บริหารงานโดยพนักงานจำนวนมากที่ต้องคอยจดบันทึกข้อมูลด้วยมือ และมักเกิดความล่าช้าหรือข้อผิดพลาดได้ง่ายเนื่องจากขั้นตอนการอนุมัติที่ซับซ้อนหลายขั้นตอน แต่ตั้งแต่ปลายทศวรรษที่ 2010 เป็นต้นมา โลกของเราได้เปลี่ยนไปแล้ว ในเวลาเพียงไม่กี่ปี เทคโนโลยี AIoT (Artificial Intelligence + Internet of Things) ได้เข้ามาเปลี่ยน รูปแบบการผลิตของโรงงานไปอย่างสิ้นเชิง ซึ่งเรามักเรียกปรากฏการณ์นี้ว่า "Industry 4.0" หร

เชื่อว่าหลายคนเคยเจอสถานการณ์ “งานด่วน สไลด์ยังไม่เสร็จ” ไม่ว่าจะเป็นหัวหน้าที่เรียกประชุมแบบกระทันหัน หรือลูกค้าที่ต้องการรายงานผลด่วน ๆ การทำสไลด์ให้สวย มีข้อมูลครบ และเข้าใจง่าย ภายในเวลาจำกัด เป็นเรื่องที่กดดันมาก โชคดีที่ปัจจุบัน เทคโนโลยี AI เข้ามาช่วยเติมเต็มจุดอ่อนนี้ ทำให้เราสามารถสร้างสไลด์ได้รวดเร็ว สวยงาม และดูเหมือนใช้เวลาหลายชั่วโมง ทั้งยังสามารถวิเคราะห์ข้อมูลและหาไอเดียภาพประกอบให้เราได้อีกด้วย แต่ก่อนที่จะได้ผลลัพธ์ที่ดี เราต้องเข้าใจ 5 เทคนิค ใช้ “AI ช่วย