มาดูเทคโนโลยี AI ของญี่ปุ่น ใช้ตรวจหาสาเหตุ 'หลุมยุบ' ซ่อมถนนได้ทันใจ | Techsauce
Contact us
2

มาดูเทคโนโลยี AI ของญี่ปุ่น ใช้ตรวจหาสาเหตุ ‘หลุมยุบ’ ซ่อมถนนได้ทันใจ

Posted by
Posted date เมษายน 10, 2019

Fujitsu เผยกรณีศีกษา Kawasaki Geological Engineering Co., Ltd. ทำการสำรวจถนนให้กับรัฐบาลท้องถิ่นและระดับชาติ โดยใช้เทคโนโลยี ‘Zinrai Deep Learning System’ (ระบบเรียนรู้เชิงลึกซินไร) เพื่อวิเคราะห์ข้อมูลจำนวนมหาศาล ซึ่งสามารถตรวจจับหลุมที่อยู่ต่ำกว่าผิวหน้าถนน

โดยการใช้ปัญญาประดิษฐ์ (AI) เพื่อเรียนรู้และจดจำรูปแบบเฉพาะของหลุมทำให้กระบวนการทำงานของบริษัทฯ มีความเป็นกลางและลดเวลาในการตรวจหาความผิดพลาดได้ถึง 90% พร้อมกับลดเวลาในการวิเคราะห์โดยรวมลงครึ่งหนึ่ง

เครื่องมือที่ดีขึ้นหมายถึงจะมีข้อมูลมากขึ้น แต่ก็มีต้นทุนในการวิเคราะห์สูงขึ้นเป็นเงาตามตัว

ในฐานะเป็นผู้บุกเบิกการสำรวจทางธรณีวิทยา Kawasaki Geological Engineering Co., Ltd. ได้ทำการทดสอบที่ระดับใต้พื้นผิวตามคำขอของรัฐบาลแห่งชาติและรัฐบาลท้องถิ่น และได้รับมอบหมายงานให้จัดการทรัพย์สินเหล่านี้เมื่อหลุมมีการก่อตัวขึ้นใต้ถนน ในสถานการณ์ที่เลวร้ายที่สุดอาจก่อให้เกิดการทรุดตัวของถนนที่ก่อให้เกิดความเสียหายสูงได้

ตัวอย่างที่ร้ายแรงที่สุดคือ หลุมยุบขนาดยักษ์ที่ปรากฏตัวขึ้นใกล้กับสถานี JR Hakataในบริเวณคิวซิวเมื่อเดือนพฤศจิกายนปี 2016 โดยทางกระทรวงที่ดิน โครงสร้างพื้นฐาน การคมนาคม และการท่องเที่ยว (Ministry of Land, Infrastructure, Transport and Tourism) ของญี่ปุ่นได้อธิบายว่า สาเหตุส่วนใหญ่ของหลุมทรุดตัวจะมีสาเหตุมาจากท่อระบายน้ำเสียที่เสื่อมโทรม หลุมอาจจะมองเห็นไม่ชัด เพราะประเทศญี่ป่นุ มีการบำรุงรักษาถนนอย่างดีเยี่ยม แต่ในปี 2015 เพียงปีเดียว มีถนนที่ทรุดตัว 3,300 จุดทั่วประเทศญี่ปุ่น

ทางบริษัทฯ ได้พัฒนาเทคโนโลยีหลากหลายสำหรับการสำรวจใต้พื้นผิว เพื่อตรวจหาหลุมที่อยู่ใต้ผิวถนน ซึ่งหน่วยวิศวกรเคลื่อนที่ของบริษัทฯใช้ขณะที่เดินทางบนถนนไปรอบๆ ประเทศ

Mr.Toshihiko Sakagami ซีอีโอ Kawasaki Geological Engineering กล่าวว่า “วิธีการแบบเดิมช่วยให้เราสำรวจได้ลึกแค่ 1.5 เมตรเท่านั้น แต่หลุมที่เกิดจากท่อระบายน้ำเสียที่ทรุดโทรมจะเกิดลึกกว่านั้นลงไปอีก เรานำเทคโนโลยีของเราและความเชี่ยวชาญที่เรามีมาปรับใช้ และพัฒนา ‘ระบบเรดาร์ส่งเสียง’ ได้สำเร็จ ซึ่งระบบนี้สามารถตรวจจับสัญญาณตอบกลับได้ในระดับลึกขึ้น และช่วยให้เราสำรวจได้ในระดับลึก 3 – 5 เมตรในระดับประสิทธิภาพเท่าเดิม”

“การที่มีเครื่องมือสำรวจได้ลึกกว่าเดิมถึง 2 เท่า ทำให้บริษัทฯ มีข้อมูลจำนวนมาก หากมีการพิมพ์ข้อมูลออกมา ต้องใช้กระดาษขนาด A3 ประมาณ 1,000 – 2,000 แผ่นต่อถนนยาว 100 กิโลเมตร ในการระบุหลุมต้องใช้ทีมงาน 5 – 6 คน และใช้เวลาประมาณ 1 เดือน”

“โดยในแต่ละครั้งต้องศึกษาข้อมูลคลื่นเรดาห์ที่พิมพ์ออกมาเป็นหลายร้อยหลายพันหน้า วิศวกรจะมองหาจุดที่น่าจะมีหลุมและความผิดปกติอื่นๆ แล้วจึงระบุตำแหน่งหลุมที่แท้จริง ดังนั้นจึงกลายเป็นงานใช้เวลาและมีค่าใช้จ่ายสูง วิศวกรใช้เวลาอย่างมากในการแก้ปัญหาและลดความผิดพลาดที่เกิดจากการมองไม่เห็นให้มากที่สุดเท่าที่จะทำได้”

“จากข้อมูลที่ได้มานั้นต้องอาศัยประสบการณ์ วิศวกรที่เข้ามาทำงานใหม่ๆ อาจพลาดไม่เห็นบางหลุม เนื่องจากข้อมูลสัญญาณไม่กระจ่างทันที ดังนั้น วิศวกรที่มีประสบการณ์มากกว่าจึงต้องตรวจสอบยันความถูกต้องเพื่อหลีกเลี่ยงความผิดพลาด Kawasaki Geological Engineering มุ่งเน้นหลักๆ ไปที่การวิเคราะห์เพื่อรักษาความปลอดภัยให้กับถนนที่บริษัทฯ ทำการสำรวจ โชคดีที่ในปัจจุบัน บริษัทฯ มีพนักงานที่มีประสบการณ์สูงมากมายซึ่งสามารถปฏิบัติงานได้อย่างง่ายดาย”

“หากพิจารณาในแง่กำลังคนและปัจจัยอื่นๆ เราไม่สามารถทำงานแบบนี้ต่อไปได้ นั่นเป็นสาเหตุว่าทำไมเราถึงเริ่มสนใจ AI วิศวกรบางคนของเราก็มีความรู้เรื่อง AI ด้วยเหตุนี้เราจึงมีไอเดียพอสมควรว่าจะนำ AI มาใช้ในการตรวจหาหลุมในแบบเดียวกับการตรวจยันความถูกต้องโดยวิศวกรที่มีประสบการณ์”

“แต่ปัญหาที่พบคือ ไม่มีแอปพลิเคชันอันไหนที่วางขายที่ใช้ในการทำงานแบบของเรา เราจึงไม่สามารถนำเทคโนโลยีสำเร็จรูปมาใช้ได้ ซึ่งปัญญาประดิษฐ์ได้ช่วยลดเวลาการตรวจจับความผิดปกติลง 90% ขณะที่เวลาทั้งหมดที่วิศวกรใช้ในการวิเคราะห์ก็ลดลงครึ่งหนึ่งด้วยเช่นกัน” Mr.Toshihiko Sakagami กล่าว

“บริษัทฯ รู้ดีว่าตนเองไม่สามารถนำ AI มาใช้ด้วยตนเองได้อย่างรวดเร็วจึงได้รับข้อเสนอให้นำ ‘Zinrai Deep Learning’ จาก Fujitsu Traffic & Road Data Service Ltd. ซึ่งเป็นบริษัทที่ทาง Kawasaki Geological Engineering เคยร่วมมือกันมาก่อนหน้า”

การใช้ AI เพื่อหาความผิดปกติในทุกจุด และจะต้องไม่พลาดแม้แต่จุดเดียว

“เงื่อนไขอันแรกสุดของเราคือ เราจะต้องเจอความผิดปกติทุกๆ จุด และจะต้องไม่พลาดแม้แต่จุดเดียว การพัฒนา AI เริ่มจากการสร้างเงื่อนไขอันแรกนี้ และเริ่มเป็นรูปเป็นร่างในเวลาไม่ถึงหนึ่งเดือน โดยมีการสร้างข้อมูลการฝึกขนาดใหญ่และโหลดเข้าไปใน Zinrai Deep Learning ทันที การให้ข้อมูลการฝึกเพิ่มและการปรับระบบให้เข้าที่เข้าทางทำให้บริษัทฯ สามารถลดเวลาการตรวจหาเบื้องต้นได้ถึง 90% ตอนนี้ระบบสามารถตรวจหาความผิดปกติได้มีความแม่นยำเกือบถึง 100% ดังนั้นหากรวมเวลาที่ใช้ในการตรวจสอบผลทางรูปภาพ เวลาโดยรวมที่ใช้ในการระบุว่ามีหลุมใต้พื้นผิวจุดนั้นๆ หรือไม่ก็ลดลงถึงครึ่งหนึ่ง”

Shigeharu Yamada ผู้จัดการทั่วไปด้านการบำรุงรักษาประจำ Kawasaki Geological Engineering กล่าวว่า “การนำ Zinrai Deep Learning ช่วยให้เรามองข้อมูลอย่างเป็นกลาง”

แต่นั่นไม่ได้หมายความว่าเราไม่ต้องพึ่งคน อย่างไรเราก็ต้องพึ่งวิศวกรที่เชี่ยวชาญเฉพาะทางเสมอ สำหรับธุรกิจของเรานั้น การพัฒนา AI และการพัฒนาวิศวกรมีความเกี่ยวข้องกันมากแม้ว่าจะดูเป็นเรื่องที่ต่างกัน สิ่งที่สำคัญที่สุดคือ การรู้วิธีใช้ AI

“นอกจากการตรวจหาความผิดปกติแล้ว หากเราพัฒนาความแม่นยำของการระบุหลุมเอง ผมคาดว่าในไม่ช้าเราจะสามารถลดเวลาการวิเคราะห์ลงได้ถึง 80% ทีเดียว ซึ่งการนำเทคโนโลยีมาใช้ช่วยทำให้มีประสิทธิภาพมากขึ้น ทั้งช่วยลดเวลาวิเคราะห์ลงครึ่งหนึ่งอีกทั้งลดต้นทุน และผลที่ได้คือเราสามารถรับงานได้เพิ่มขึ้น”

“Kawasaki Geological Engineering กำลังพิจารณาว่าจะติดตั้งเซ็นเซอร์ที่รถยนต์ ซึ่งรัฐบาลท้องถิ่นจะใช้ในการลาดตระเวนแต่ละวัน และจะทำให้การวิเคราะห์ง่ายยิ่งขึ้นไปอีกการตรวจสอบข้อมูลอย่างต่อเนื่องทุกวันควรจะทำให้การค้นพบหลุมอันตรายทำได้เร็วขึ้นมาก

ด้าน Mr.Toshihiko Sakagami กล่าวว่า “ในฐานะนักสำรวจทางภูมิศาสตร์มืออาชีพ เราไม่เพียงแค่ตรวจหาหลุม แต่เราต้องวิเคราะห์สาเหตุด้วยเช่นกัน การรู้สาเหตุเหล่านี้จะช่วยให้ผู้คนป้องกันไม่ให้เกิดหลุมตั้งแต่ในตอนแรก โดยการใช้เทคโนโลยีของบริษัทฯ เองร่วมกับ Zinrai Deep Learning ทำให้ Kawasaki Geological Engineering จะยังคงเดินหน้าทำให้สังคมมีความปลอดภัยสำหรับทุกคน”

Comments

comments

Sign-up for exclusive content. Be the first to hear about ConvertPlug news.
Subscribe