ในสภาพแวดล้อมที่เกิดการเปลี่ยนแปลงอย่างต่อเนื่อง ทำให้ผู้ผลิตจำนวนมากได้รับความกดดันต่อการเพิ่มผลผลิตในกระบวนการทำงาน การส่งมอบผลิตภัณฑ์ที่มีคุณภาพ การสร้างความพึงพอใจให้กับลูกค้า การบรรลุผลกำไร และความยั่งยืนที่มากขึ้น ซึ่งทำให้ผู้ผลิตหลายรายหันไปใช้เทคโนโลยีใหม่ เช่น ปัญญาประดิษฐ์ (Artificial Intelligence หรือ AI) เพื่อให้สามารถเป็นผู้นำในตลาดการแข่งขันได้ โดยทั้งหมดนี้เกี่ยวข้องกับการก้าวสู่การเปลี่ยนแปลงทางดิจิทัล (Digital Transformation) แต่ก็ไม่สามารถละเลยต่ออุปสรรคที่ยังคงมีอยู่ได้ หากไม่ได้นำเทคโนโลยีมาใช้อย่างเต็มศักยภาพ
ปัญญาประดิษฐ์ (Artificial Intelligence หรือ AI)
Glenn Graney ผู้อำนวยการฝ่ายตลาดอุตสาหกรรมและเทคโนโลยีชั้นสูงของ QAD ได้กล่าวถึง ปัญญาประดิษฐ์ในไวท์เพเพอร์ Whitepaper หัวข้อ “อุตสาหกรรม 4.0 จุดเปลี่ยนของอุตสาหกรรมการผลิต” ว่า
“ปัญญาประดิษฐ์ (Artificial Intelligence หรือ AI) ถูกพัฒนาจนกลายเป็นปัจจัยหลักในธุรกิจการผลิต เนื่องจากการใช้งาน AI ผ่าน Machine Learning นั้นทำให้เกิดประสิทธิภาพมากมาย ไม่ว่าจะเป็นการเชื่อมต่อวงกว้าง, Smart sensors และการวิเคราะห์ขั้นสูง ที่สามารถกำหนดค่าได้อย่างแม่นยำ”
อย่างไรก็ตามเรารู้ว่าไม่ใช่ผู้ผลิตทุกรายจะเข้าใจวิธีการนำเทคโนโลยี AI มาใช้ในการแก้ปัญหาและการดำเนินงานภายในองค์กร ซึ่งบริษัทจำเป็นต้องสร้างรากฐานที่เหมาะสม เพื่อให้เกิดการเติบโตอย่างรวดเร็วของ AI, Machine learning และเทคโนโลยีที่คล้ายคลึงกัน พร้อมกับการใช้แนวทางปฏิบัติที่ดีที่สุด สถาปัตยกรรมไอทีที่เรียบง่าย ทีมสนับสนุนที่ผ่านการฝึกอบรมมาอย่างดี และการลงทุนด้านไอทีที่เหมาะสม ซึ่งหมายถึง เงิน ความอดทน การวางแผน และความมุ่งมั่นนั่นเอง
อุปสรรคและแนวทางแก้ไขในการใช้ปัญญาประดิษฐ์
แน่นอนว่า ไม่มีความก้าวหน้าทางเทคโนโลยีใดเกิดขึ้นโดยไม่มีผลเสีย ผู้ผลิตต้องเผชิญกับความท้าทายหลัก 4 ประการที่เกิดจากเทคโนโลยีของปัญญาประดิษฐ์ นั่นก็คือ:
1. การกลัวพลาด (FOMO - Fear of Missing Out)
เพื่อหลีกเลี่ยงการเกิดพฤติกรรมการกลัวพลาด (FOMO) เทคโนโลยีใหม่ๆ แทนที่ผู้ผลิตจะรีบเร่งดำเนินการใช้เทคโนโลยีเหล่านี้ ผู้ผลิตจำเป็นต้องเริ่มโครงการด้วยกลยุทธ์ที่ชัดเจน สร้างแผนงานที่ออกแบบอย่างรอบคอบ และควรเริ่มต้นด้วยการสร้างคู่มือการใช้งานที่แสดงให้เห็นถึงคุณค่าของเทคโนโลยี โดยระบุกระบวนการผลิตตั้งแต่เริ่มแรกพร้อมกำหนดระยะเวลา รวมถึงการเพิ่มประสิทธิภาพของการผลิต การคาดการณ์การขาย การจัดประเภทผลิตภัณฑ์ การคำนวณสต็อค ความปลอดภัย การจัดการซัพพลายเออร์ (Supplier management) และการจัดการคลังสินค้า สิ่งสำคัญคือ การกำหนดรูปแบบและ KPI ให้ชัดเจน เพื่อวัดผลควบคู่ไปกับเป้าหมายและวัตถุประสงค์ ประมาณการ ROI ตามต้นทุนที่เกี่ยวข้องกับโครงการ
2. ความยากในการปรับใช้
การปรับใช้จะง่ายขึ้นเมื่อผู้ผลิตเลือกแอปพลิเคชันแบบแพ็คเกจจาก 3 ประเภทต่อไปนี้ และสิ่งสำคัญคือต้องสร้างแผนการจัดการการเปลี่ยนแปลงเพื่อให้ผู้ใช้นำไปใช้ได้ดียิ่งขึ้น
โซลูชันสำหรับอุตสาหกรรมโดยเฉพาะ (Focused solutions) หรือแอปพลิเคชันที่มีโมเดล AI ที่ต้องการการป้อนข้อมูลเข้าสู่ระบบเท่านั้น
โซลูชัน AI แบบฝัง (Embedded AI solutions) จากแอปพลิเคชันทั่วไป เช่น การวางแผนขั้นสูง การจัดการการขนส่ง และระบบการจัดการคลังสินค้า
โซลูชันแบบกำหนดเอง (Custom solutions) จากแพลตฟอร์ม open-source, frameworks และอินเทอร์เฟซการเขียนโปรแกรม ซึ่งช่วยให้องค์กรสามารถสร้างแบบจำลอง AI แบบกำหนดเองได้
3. ความพร้อมของข้อมูล
เน้นที่คุณภาพของข้อมูลและความเกี่ยวข้องมากกว่าปริมาณ และมุ่งเน้นทำงานกับข้อมูลเป็นหลัก ทั้งนี้โซลูชันซัพพลายเชนที่ฝังด้วย AI จำนวนมากมีวิธีการทำงานโดยใช้ชุดข้อมูลขนาดเล็กลง เพื่อเพิ่มประสิทธิภาพความสามารถของ AI ด้วยการเริ่มต้นด้วยข้อมูลที่เกี่ยวข้องมากที่สุดก่อน บางครั้งในโครงการ Machine learning สำหรับการจัดหมวดหมู่ผลิตภัณฑ์และการจัดกลุ่ม บริษัทต่างๆ ตัดสินใจที่จะใส่แหล่งข้อมูลจำนวนมากโดยไม่รับรองความเกี่ยวข้อง การขาดคุณภาพของข้อมูลอาจนำไปสู่ความล้มเหลวของโครงการ นอกจากนี้ การเตรียมข้อมูลยังเป็นกระบวนการที่ใช้เวลานานและใช้ความอดทนสูง
4. การขาดความสามารถ
การฝึกอบรมถือเป็นปัจจัยสำคัญเพื่อเติมเต็มบทบาท AI เนื่องจากการขาดชุดทักษะที่เหมาะสมเป็นอุปสรรคสำคัญในการปรับใช้เทคโนโลยี AI ไม่ว่าจะเป็นภายในองค์กร ทางออนไลน์ หรือเปิดสอนโดยหลักสูตรบัณฑิตศึกษาที่มหาวิทยาลัย เป็นต้น
“AI กลายเป็นเครื่องมือขั้นสูงภายในอุตสาหกรรมการผลิต รวมถึงการจัดการทรัพยากรในองค์กร ทั้งด้านการผลิต และการจัดการสินทรัพย์ อย่างไรก็ตามความสามารถของเครื่องมือต่างๆ สามารถวิเคราะห์ด้วยตัวชี้วัด (Metrics) หลากหลายประเภท เช่น การบำรุงรักษาเครื่องจักรที่ใช้ตัวชี้วัดของระยะเวลาในการทำงาน แต่เครื่องมือขั้นสูงนี้อาจวิเคราะห์ด้วยตัวชี้วัดของการกำหนดคำสั่งซื้อล่วงหน้าเพื่อคาดการณ์การผลิตในอนาคต” – Glenn Graney ผู้อำนวยการตลาดอุตสาหกรรมและไฮเทคของ QAD
ดังนั้นผู้ผลิตที่ต้องการก้าวสู่การเปลี่ยนแปลงด้านดิจิทัลที่แท้จริง ควรคำนึงถึงการนำโซลูชันที่เหมาะสมสำหรับอุตสาหกรรมผลิตโดยเฉพาะมาใช้ในกระบวนการผลิตอย่างโซลูชัน Cloud ERP เพื่อเพิ่มศักยภาพในการเข้าถึงข้อมูลเชิงลึก สร้างความคล่องตัว และความสามารถในการตอบสนองความต้องการอย่างชาญฉลาด รวมถึงทำให้การดำเนินงานเป็นอัตโนมัติทั้งภายในและภายนอกองค์กรอย่างประสิทธิภาพ หากต้องการสอบถามข้อมูลเพิ่มเติมโทร. 02 202 9363 หรืออีเมล์ [email protected]
ผู้เขียน
Caleb Finch
คาเลบ หนึ่งในทีมของ QAD Marketing Communication และเป็นผู้ที่ชื่นชอบเทคโนโลยีใหม่ๆ ซึ่งเขารับผิดชอบในการเขียนบล็อก รวมทั้งดูแลจัดการ Social Media และเว็บไซต์
แหล่งที่มา https://www.qad.com/blog/2021/08/uncovering-the-promise-of-artificial-intelligence
