กรณีศึกษา AI แยกขวดแก้วในโรงงาน รวดเร็ว แม่นยำ ลดปัญหาขาดแคลนแรงงาน | Techsauce

กรณีศึกษา AI แยกขวดแก้วในโรงงาน รวดเร็ว แม่นยำ ลดปัญหาขาดแคลนแรงงาน

ขวดแก้ว ขยะที่ไม่สามารถย่อยสลายได้ตามธรรมชาติ ดังนั้นจึงต้องนำไป recycle เพื่อนำกลับมาใช้ใหม่ สำหรับประเทศไทยการแยกขยะยังถือเป็นเรื่องที่ห่างไกลกับการนำไปใช้อยู่มาก ส่วนใหญ่มักจะเป็นการแยกเพื่อขายให้กับร้านรับซื้อของเก่าที่จะนำขยะเหล่านี้ โดยเฉพาะขวดแก้วไปขายต่อให้กับโรงงานที่รับซื้อเท่านั้น เพื่อที่โรงงานจะนำไปคัดเลือก และนำไปสู่กระบวนการ recycle กลับมาใช้ใหม่ต่อไป


แต่กระบวนการดังกล่าวนั้นปัญหาที่เกิดขึ้นในปัจจุบัน คงหนีไม่พ้นเรื่องของแรงงาน ไม่ว่าจะเป็นในแง่ของ ปริมาณ ทักษะ และประสิทธิภาพ จึงได้มีการนำเทคโนโลยีอย่างปัญญาประดิษฐ์หรือ AI เข้ามาใช้เพื่อช่วยภาคธุรกิจแก้ปัญหาดังกล่าวที่เกิดขึ้นนั่นเอง

Techsauce for business   นำเสนองานวิจัยที่สามารถนำไปใช้งานได้จริง เพื่อเสริมประสิทธิภาพการทำงานให้กับธุรกิจ episode นี้เป็นกรณีศึกษาจากมหาวิทยาลัย CMKL และบริษัท ไทย เบฟเวอ เรจ จำกัด (มหาชน)  

Case study นี้เป็นงานวิจัยที่นำ AI มาทำงานที่มีความซับซ้อนสูง ย้อนกลับไปเริ่มตั้งแต่การผลิตเครื่องดื่มเพื่อจำหน่ายในอุตสาหกรรมนั้น ส่วนใหญ่มักจะเป็นการขายขาด โดยที่ให้ขวดไปกับผู้บริโภค ซึ่งจะนำขวดไปทิ้งหรือไปขายให้กับรถขายของเก่าก็ได้ หลังจากนั้นขวดเหล่านี้ก็จะถูกส่งกลับมายังโรงงานที่จำเป็นต้องใช้ตามประเภทของขวด โดยขั้นตอนสำคัญ คือ การตรวจสอบขวดว่าสามารถนำมา reuse ได้ต่อหรือไม่ หากไม่ได้ก็จะต้องส่งไป recycle ที่โรงงานผลิตแก้วต่อไป 

แต่ความท้าทายและปัญหาที่เกิดขึ้นกับกระบวนการดังกล่าว คือ แรงงานที่ขาดแคลน และวัฎจักรของความต้องการที่ขึ้นกับฤดูกาล นอกจากนี้ยังมีความท้าทายจากการที่โรงงานไม่สามารถใช้ประสิทธิภาพของเครื่องจักรได้เต็มที่ เพราะเหนือการควบคุมของแรงงานคน

ในภาคธุรกิจ โดยเฉพาะในส่วนของโรงงานนับว่าเป็นความท้าทายอย่างยิ่งที่เทคโนโลยีในอดีตไม่ตอบโจทย์ที่องค์กรต้องการ อีกต่อไป ดังนั้นจึงต้องใช้การวิจัยและพัฒนาอย่างหนัก เพื่อให้ได้มาซึ่งเทคโนโลยีที่สามารถตอบโจทย์ได้ดีที่สุด

ความท้าทายหรือความแตกต่างของ AI ที่นำมาใช้แยกขวดของโครงการนี้ คือ ต้องมีข้อมูลเฉพาะด้านจำนวนมากที่จะให้ AI เรียนรู้ ว่าขวดใดมีปัญหาหรือไม่ หรือเรียนรู้แม้กระทั่งความหนาแน่นของคราบที่อยู่บนขวด เป็นต้น ซึ่งจะแตกต่างจากการใช้ AI ในมุมของ Visual ที่เราเห็นกันค่อนข้างมาก ที่มุ่งไปที่การเรียนรู้จากข้อมูลรูปภาพจำนวนมหาศาลแล้วจำแนกได้

อย่างไรก็ตาม solution ดังกล่าวได้เริ่มนำมาใช้กับการดำเนินงานของภาคธุรกิจ ซึ่งสามารถสะท้อนผลลัพธ์ในเรื่องของการเพิ่มประสิทธิภาพการทำงานของคนได้เป็นอย่างดี จากการที่โรงงานสามารถปรับ ความเร็วของเครื่องจักรที่สามารถทำงานได้เต็มประสิทธิภาพ  ลดการทำงานซ้ำซ้อนของคน เพื่อที่จะนำทักษะไปพัฒนาส่วนอื่นเพิ่มเติม นอกจากนี้ยังสามารถลดต้นทุน ลดเวลา และลดการใช้ทรัพยากรเพิ่มเติมได้อีกด้วย 

ติดตามรับชมฉบับวิดีโอได้ที่ Facebook , Youtube

รับฟังบทสัมภาษณ์ฉบับเต็มได้ที่

ลงทะเบียนเข้าสู่ระบบ เพื่ออ่านบทความฟรีไม่จำกัด

No comment

RELATED ARTICLE

Responsive image

ไข 5 ความลับไต้หวัน ที่ทำให้อุตสาหกรรมเซมิคอนดักเตอร์แกร่งที่สุดในโลก

สำรวจเหตุผลที่ทำให้ไต้หวันกลายเป็นผู้นำอุตสาหกรรมเเซมิคอนดักเตอร์ระดับโลก พร้อมเจาะลึกกลยุทธ์ของ TSMC และบทบาทสำคัญในการขับเคลื่อนเทคโนโลยีแห่งอนาคต...

Responsive image

AGI มาแน่ในปี 2025 ? ทำไม OpenAI ถึงเป็นเจ้าแรกที่ทำ AI ที่ฉลาดเหนือมนุษย์ได้ก่อนใคร

นักวิจัยจาก OpenAI เคยออกมาคาดการณ์ว่า AGI หรือปัญญาประดิษฐ์ที่เหมือนมนุษย์มากท่ีสุด หรือฉลาดเหนือมนุษย์หลายเท่า อาจมาให้เห็นภายในช่วง 3 ปีนับจากนี้ แต่ล่าสุดดูเหมือนว่าเราอาจไม่ต้...

Responsive image

ถกยุทธศาสตร์ AI ไทย หนทางดึงไทยกลับเวทีโลก ควรเริ่มอย่างไร ?

ค้นพบโอกาสและความท้าทายของ AI ที่จะพลิกโฉมเศรษฐกิจและสังคมไทย พร้อมกลยุทธ์สำคัญในการพัฒนาประเทศให้ก้าวทันโลกในยุคดิจิทัลอย่างยั่งยืน!...