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

จับทาง ‘Agentic AI’ ที่องค์กรยุคใหม่ (เริ่ม) ใช้กัน โดย วสันต์ ลิ่วลมไพศาล CTO, MFEC

บทสัมภาษณ์เรื่องการใช้ Agentic AI ที่มาพร้อม Use Cases และคำแนะนำต่างๆ ในปีแห่งการ Adopt ใช้ AI อย่างหนัก กับ คุณวสันต์ ลิ่วลมไพศาล CTO, MFEC...

Responsive image

วิเคราะห์ Trump 2.0 โอกาสและความท้าทาย ต่อระบบวิจัยและนวัตกรรมของไทย

เสวนาพิเศษ Trump 2.0 วิกฤติหรือโอกาสววน. ไทย โดย ผศ.ดร อาร์ม ตั้งนิรันดร ในหัวข้อ Trump 2.0 โอกาสและความท้าท้ายต่อระบบ ววน. วิเคราะห์ผลกระทบที่อาจเกิดขึ้นกับไทย พร้อมทั้งเสนอแนวทาง...

Responsive image

ไขรหัสลับ AI จีนฝ่า "สงครามชิป" ผ่าน Deepseek สูตรลับความสำเร็จจาก Open Source

DeepSeek AI สัญชาติจีนที่ไม่ได้เป็นเพียงผู้ตาม แต่กำลังก้าวขึ้นมาท้าทายผู้นำในวงการ ด้วยโมเดล AI ประสิทธิภาพสูงและแนวคิด Open Source บทความนี้จะพาทุกคนไปเจาะลึกการพัฒนา AI สัญชาติจ...