ปฏิรูปการดำเนินงานในโรงงานด้วย AI

โดย เฮเลนิโอ กิลาเบิร์ต หัวหน้าฝ่ายการนำเสนอด้านบริการระบบออโตเมชันในอุตสาหกรรมทั่วโลก ชไนเดอร์ อิเล็คทริค

AI หรือปัญญาประดิษฐ์ ไม่ใช่เรื่องใหม่ และมีมานานนับศตวรรษแล้ว อย่างไรก็ตาม เราได้เห็นถึงปัจจัยสำคัญบางประการที่ทำให้เทคโนโลยีนี้กลับมาอยู่ในกระแสความสนใจมากขึ้น

ปัจจัยสำคัญประการแรกและมีความเกี่ยวข้องมากที่สุดสำหรับเรื่องนี้คือ คือการเกิดขึ้นของเอดจ์คอนโทรลเลอร์ รุ่นใหม่ที่มีความสามารถ และให้ความคุ้มค่ายิ่งขึ้นกว่าที่เคยมีมา โดยในบางกรณี ด้วยเงินแค่ไม่ถึงหมื่นบาท เราก็สามารถซื้อโปรเซสเซอร์ในระดับแล็ปท็อปที่มีหน่วยความจำหลายกิกะไบต์และพื้นที่ในการจัดเก็บข้อมูล ไว้ในตู้ควบคุมในโรงงานอุตสาหกรรม ที่สามารถรันรูปแบบของแมชชีนเลิร์นนิ่ง (Machine-learning หรือ ML) ที่ซับซ้อนได้

นอกจากนี้ เรายังเห็นว่าแพลตฟอร์มคลาวด์ส่วนใหญ่สามารถขยายขีดความสามารถได้ ด้วยแมชชีนเลิร์นนิ่งบนเฟรมเวิร์กและไลบรารีแบบเปิด ที่ช่วยให้ทุกคนสามารถพัฒนาแอปพลิเคชันที่ใช้ AI ได้ โดยที่ไม่ต้องใช้ความพยายามมากมาย หรือแทบไม่ต้องใช้ประสบการณ์มาช่วยในเรื่องนี้

เมื่อนำความสามารถทั้งหมดนี้ มาใช้ได้อย่างถูกต้อง ก็จะทำให้เกิดศักยภาพในการปฏิรูปการดำเนินงานได้อย่างมาก

ชไนเดอร์ อิเล็คทริค ได้เรียนรู้จากการสนทนากับลูกค้าในเรื่องนี้มากมายหลายครั้ง ว่าความท้าทายของลูกค้าไม่ได้อยู่ที่ว่าเทคโนโลยีช่วยแก้ปัญหาได้หรือไม่ แต่อยู่ที่ปัญหาใดที่เหมาะจะนำเทคโนโลยีเหล่านี้มาช่วยแก้ไข เพื่อให้เกิดคุณค่าสูงสุดสำหรับธุรกิจ

นั่นคือเหตุผลที่ว่า เทคโนโลยีไม่ใช่ปัจจัยสำคัญที่สุดในการเลือกพันธมิตร แต่เป็นเรื่องของความเชี่ยวชาญด้านอุตสาหกรรมและความรอบรู้ด้านกระบวนการมากกว่า

หากเป็นเรื่องของแมชชีนเลิร์นนิ่ง หรือ ML ล่ะ?

เราเชื่ออย่างแท้จริงว่า ปัญญาประดิษฐ์ โดยเฉพาะแมชชีนเลิร์นนิ่ง มีศักยภาพมหาศาลในการช่วยแก้ปัญหาตามที่กล่าวมา

กุญแจสำคัญคือการนำไปใช้เพื่อเปิดรับข้อมูล และการเรียนรู้อย่างต่อเนื่องจากผู้ดำเนินการหรือผู้ปฏิบัติการ ไม่ใช่การติดตั้งกล่องดำ (black box) ไว้ใช้งาน วัตถุประสงค์คือเพื่อซ่อนความซับซ้อนด้านวิทยาศาสตร์ข้อมูลและการเขียนโปรแกรม รวมถึงนำเสนอผลลัพธ์และเหตุการณ์ในรูปของกระบวนการ ที่ช่วยให้ผู้ปฏิบัติงานสามารถโต้ตอบกับโมเดลได้อย่างเป็นธรรมชาติ อีกทั้งช่วยเพิ่มความแม่นยำและขยายศักยภาพได้อย่างต่อเนื่อง

ผลที่ได้ก็คือ โมเดลแมชชีนเลิร์นนิ่งจะรวบรวม “ความเชี่ยวชาญของผู้ปฏิบัติงาน” ในเรื่องของ “กระบวนการ” และทำให้เป็นระบบอัตโนมัติ โดยเก็บเกี่ยวความรู้ของผู้ปฏิบัติงานที่มีประสบการณ์มากที่สุดเอาไว้ และยังช่วยให้ผู้ที่มีประสบการณ์น้อยกว่าสามารถเรียนรู้จากเรื่องเหล่านี้ได้

การที่โมเดลแมชชีนเลิร์นนิ่ง มีการวางเลเยอร์ด้านเทคนิคอื่นๆ เช่นวางเวิร์กโฟล์วไว้เหนือการตรวจจับ และการจำแนกประเภท ทำให้เราสามารถนำกลยุทธ์ด้านระบบอัตโนมัติมาใช้ประโยชน์ได้อย่างเต็มรูปแบบ จึงช่วยให้เกิดความคล่องตัวในการตอบสนองต่อเงื่อนไขทางการตลาดที่ผันผวนได้ดี

สินค้าของเราราคาสูงกว่าท้องตลาดหรือไม่? ลองให้ความสำคัญเรื่องปริมาณการผลิต พร้อมกับจัดการหรือลดการปล่อยมลพิษ ราคาสินค้าของเราถูกลงหรือไม่? ลองให้ความสำคัญเรื่องการจัดการต้นทุนและอายุการใช้งานของสินทรัพย์ให้มีประสิทธิผล ในโลกปัจจุบัน เราจำเป็นต้องมีความยืดหยุ่นเรื่องกลยุทธ์ด้านกระบวนการที่เหมาะสมที่สุด แต่เราต้องสามารถเปลี่ยนแปลงได้เช่นกัน เพื่อให้รองรับกับสภาวะตลาดที่เปลี่ยนแปลงอย่างรวดเร็ว ซึ่งความคล่องตัวคือปัจจัยที่ช่วยสร้างความแตกต่างทางธุรกิจได้

About pawarit

Check Also

เทคนิคการไม่เปิดเผยตัวตนแบบ 3 มิติ เพื่อความปลอดภัยในที่ทำงาน ความเป็นส่วนตัวของข้อมูล และจริยธรรม AI ในระดับสูงสุด

Intenseye ผู้นำวิธีการสร้างความปลอดภัยในที่ทำงานที่ขับเคลื่อนด้วย AI เปิดตัวเทคโนโลยีล่าสุดที่อยู่ระหว่างการจดสิทธิบัตร คือ เทคนิคการไม่เปิดเผยตัวตนแบบ 3 มิติ (3D anonymization) ที่จะปฏิวัติวงการเพื่อให้เกิดความเชื่อมั่นในความปลอดภัยในที่ทำงาน ขณะเดียวกันยังรักษาความเป็นส่วนตัวของพนักงานไว้ในระดับสูงสุด

Movement GPT ผู้ช่วยในแบบ generative AI รายแรกสำหรับห่วงโซ่อุปทาน โดย project44

project44 ผู้สร้างแพลตฟอร์มชั้นนำด้านทัศนสามารถในห่วงโซ่อุปทาน (supply chain visibility) ประกาศเปิดตัวปัญญาประดิษฐ์ใหม่ภายในแพลตฟอร์มของ project44 ที่ชื่อว่า Movement โดยใช้ความสามารถของโมเดล generative AI ทำให้เป็น Movement GPT …