หลาย ๆ ท่านอาจจะมีความเข้าใจผิดเรื่องของ Machine Learning ว่า “มันเป็นเรื่องของเครื่องจักร” แต่จริง ๆ แล้วไม่ได้เกี่ยวกับเครื่องจักรเลย แต่ “เกี่ยวข้องกับการเรียนรู้ของข้อมูล” เป็นความสัมพันธ์ระหว่างข้อมูล จากนั้นเครื่องจักรจึงนำสิ่งที่ได้เรียนรู้ไปใช้ต่อนั่นเอง
ในปัจจุบันวิศวกรกระบวนการและนักวิทยาศาสตร์เริ่มมีการเก็บข้อมูลจำนวนมากจากการติดตั้งเซ็นเซอร์ในหลาย ๆ แบบ พอได้ข้อมูลที่เกี่ยวข้องกับเครื่องจักร ไม่ว่าจะเป็นกำลังผลิต ความดัน อุณหภูมิ อัตราการกินไฟ หรือแม้กระทั่งงบประมาณที่จ่ายไป ทางวิศวกรก็สามารถนำข้อมูลเหล่านั้นไปหาความสัมพันธ์ภายใต้กระบวนการ Machine Learning เพื่อหากลยุทธ์ในการพัฒนาเครื่องจักรและต้นทุนการผลิตต่อไป สำหรับวันนี้ทางนายช่างมาแชร์จะขอยกตัวอย่างประโยชน์จากการใช้ Machine Learning เพื่อนำไปประยุกต์ใช้ในโรงงานของเรากัน
การลดต้นทุนการผลิต (Cost Reduction) โดยใช้การหาความสัมพันธ์ข้อมูลจาก Machine Learning
ในการผลิตนั้นจำเป็นต้องมีกระบวนการปรับปรุงอย่างต่อเนื่อง ในปัจจุบันหลาย ๆ อย่างล้วนมีต้นทุนที่เพิ่มขึ้น ไม่ว่าจะเป็นวัตถุดิบ (Material) ต้นทุนการฝึกอบรม ค่าแรง (Man-Power) โดยเฉพาะอย่างยิ่งค่าใช้จ่ายในกระบวนการซ่อมบำรุงรักษาเครื่องจักรและสินทรัพย์ในโรงงาน
การที่เครื่องจักรพังเสียหายและหยุดชะงักลง ทั้งหมดนี้อาจทำให้สูญเสียการผลิตสินค้าไปหลายชั่วโมงหรือหลายวัน ส่งผลกระทบต่อ Supply Chain ของบริษัทโดยรวมเลยทีเดียว การป้องกันไม่ให้กระบวนการผลิตเสียหายจึงจำเป็นต้องมุ่งเน้นไปที่การปรับปรุงประสิทธิภาพ ดังนั้น วิศวกรกระบวนการ นักวิทยาศาสตร์ข้อมูล (Data Science) จึงนำข้อมูลที่เก็บได้ในกระบวนการผลิตผ่านกระบวนการ Machine Learning หาความสัมพันธ์ของข้อมูลเพื่อนำวิธีการที่ดีที่สุดในการปรับปรุงกระบวนการมาลดต้นทุนและดำเนินการผลิตอย่างมีประสิทธิภาพมากขึ้น
การกำหนดกลยุทธ์งานซ่อมบำรุงและการปรับปรุงการผลิตจากการใช้ข้อมูล
กระบวนการ Machine Learning ช่วยให้พบกลยุทธ์ที่ดีกว่าในการบำรุงรักษาเชิงคาดการณ์และเชิงป้องกัน (Predictive & Preventive Maintenance) เมื่อค้นพบกลยุทธ์ในงานซ่อมบำรุงรักษาแล้ว กระบวนการผลิต (Manufacturing Process) จะสามารถปรับ Work Flow ให้เหมาะสม และยังสามารถนำข้อมูลเหล่านี้ไปประยุกต์ใช้ในกระบวนการผลิตที่มีความคล้ายคลึงได้
การประยุกต์ใช้ Machine Learning ยังช่วยให้โรงงานอุตสาหกรรมสามารถคาดการณ์การบำรุงรักษาที่จำเป็นได้ และในบางกรณีสามารถหลีกเลี่ยงเวลาหยุดทำงานที่ไม่คาดคิด (Breakdown Maintenance) ซึ่งส่งผลให้ค่าใช้จ่ายสูงได้อีกด้วย
อุตสาหกรรมสามารถใช้ Machine Learning เพื่อคาดการณ์และกำหนดตารางการซ่อมบำรุงรักษาที่สำคัญล่วงหน้าได้อย่างเหมาะสม มีความสามารถมากกว่าการกำหนดตารางปฏิทินจากการเปิด Manual ของเครื่องจักรแบบเดิม ๆ อีกด้วย ซึ่งจะเป็นการลดงบประมาณในการทำแผน Preventive Maintenance ได้อย่างมีนัยสำคัญ
ทั้งหมดนี้จะส่งผลให้ค่า Maintenance KPI ต่าง ๆ เกือบจะทุกค่าการวัดผล ยกตัวอย่างเช่น ค่า OEE, Realibilty, MTBF และ Cost Efficency เพิ่มขึ้นอย่างมีนัยสำคัญอีกด้วย
การวิเคราะห์ขั้นสูงและหารูปแบบความสัมพันธ์ของข้อมูลด้วยวิธีการ Machine Learning ช่วยให้วิศวกรกระบวนการระบุปัญหาที่ไม่เคยรู้มาก่อนได้ และยังช่วยระบุคอขวด (Debottleneckling) ที่ซ่อนอยู่ในกระบวนการผลิตที่ทำให้โรงงานไม่สามารถเพิ่มกำลังผลิตได้ เป็นการเปิดโอกาสให้โรงงานสร้างประสิทธิภาพเพิ่มทั้งในแง่ของทรัพยากร พื้นที่ สินค้า บุคลากร เวลา และระบบการผลิตแบบอัตโนมัติ สุดท้ายจะส่งผลต่อกำไรภาพรวมของบริษัทเลยครับ
บทความที่น่าสนใจ
