Page 26 - วิศวกรรมสาร ปีที่ 78 ฉบับที่ 1 มกราคม - มีนาคม 2568
P. 26
การใช้ Raspberry Pi ในงานอุตสาหกรรมร่วมกับ AI
ในคลังสินค้า Raspberry Pi สามารถใช้ส�าหรับการวิเคราะห์ข้อมูล สูงสุด เพื่อลดการหยุดท�างาน (Downtime) และเพิ่มประสิทธิภาพ
เบื้องต้นในสถานที่จริง (Edge Computing) โดยไม่ต้องส่งข้อมูล การผลิต (Overall Equipment Effectiveness - OEE) เป็นแนวทาง
ไปยังเซิร์ฟเวอร์กลาง การจัดการการบ�ารุงรักษาเครื่องจักรและอุปกรณ์ในอุตสาหกรรม
TPM ประกอบด้วย 8 เสาหลัก (8 Pillars) เช่น การบ�ารุงรักษาด้วย
ตัวเอง (Autonomous Maintenance) การซ่อมและบ�ารุงรักษา
ความสัมพันธ์ระหว่าง AI ตามแผน (Planned Maintenance) การปรับปรุงเฉพาะจุด
กับงานอุตสาหกรรม (Focused Improvement) การบริหารจัดการตั้งแต่ขั้นตอนของ
การออกแบบ (Early Equipment Management) การจัดบริหาร
AI และอุตสาหกรรมมีความสัมพันธ์ที่เสริมกัน โดย AI ช่วยเพิ่ม จัดการเพื่อคุณภาพ (Quality Management) ความปลอดภัย
ประสิทธิภาพของอุตสาหกรรมตามแนวคิด TPM ผ่านการวิเคราะห์ ระบบชีวอนามัย และสิ่งแวดล้อม (Safety Health and Environment)
ข้อมูล การคาดการณ์ปัญหา และการปรับปรุงกระบวนการ ในขณะ TPM ในส�านักงาน (Office TPM) และการฝึกอบรมพนักงาน
ที่แนวคิดเป็นกรอบการท�างานที่ช่วยให้ AI ถูกน�าไปใช้อย่างมีระบบ (Training) กล่าวได้ว่า AI จะช่วยเพิ่มประสิทธิภาพใน TPM โดย
และเป็นประโยชน์ต่อองค์กร การผสมผสานทั้งสองอย่างเข้าด้วย การวิเคราะห์ข้อมูลอย่างแม่นย�าและรวดเร็ว ช่วยคาดการณ์การ
กันจะช่วยขับเคลื่อนอุตสาหกรรมสู่ยุค 4.0 ได้อย่างมีประสิทธิภาพ บ�ารุงรักษา วิเคราะห์ประสิทธิภาพเครื่องจักร ตรวจสอบสภาพ
TPM (Total Productive Maintenance) เป้าหมายคือมุ่งเน้น เครื่องจักร ปรับปรุงกระบวนการ ฝึกอบรมพนักงาน และจัดการ
การบ�ารุงรักษาเครื่องจักรและอุปกรณ์ให้ท�างานได้อย่างมีประสิทธิภาพ ข้อมูลได้อย่างมีประสิทธิภาพมากขึ้น
ตารางที่ 3: การน�า AI ไปช่วยในอุตสาหกรรมตามกรอบการท�างาน TPM
TPM
(Total Productive ปัญหา AI ช่วยได้อย่างไร
Maintenance)
กำรบ�ำรุงรักษำเชิงคำดกำรณ์ กำรบ�ำรุงรักษำเชิงป้องกัน (Preventive AI สำมำรถวิเครำะห์ข้อมูลจำกเซ็นเซอร์ (เช่น อุณหภูมิ กำรสั่นสะเทือน)
(Predictive Maintenance) Maintenance) ใน TPM อำจท�ำให้มี คำดกำรณ์กำรเสียหำยของเครื่องจักรและวำงแผนกำรบ�ำรุงรักษำ
กำรบ�ำรุงรักษำเครื่องจักรบ่อยเกินควำม ช่วยลดกำรหยุดท�ำงำนของเครื่องจักรและลดกำรบ�ำรุงรักษำที่ไม่จ�ำเป็น
จ�ำเป็น หรือไม่ทันเวลำก่อนเกิดปัญหำ
กำรวิเครำะห์ประสิทธิภำพ กำรวัดประสิทธิภำพเครื่องจักร (OEE) AI สำมำรถวิเครำะห์ข้อมูลกำรผลิตแบบเรียลไทม์เพื่อค�ำนวณ OEE และ
เครื่องจักร ใน TPM อำจใช้เวลำนำนและไม่แม่นย�ำ วิเครำะห์ประสิทธิภำพเครื่องจักร ระบุปัจจัยที่ท�ำให้ประสิทธิภำพลดลง
(OEE Analysis) หำกท�ำด้วยมือ (เช่น กำรหยุดท�ำงำนของเครื่องจักร ควำมเร็วเครื่องจักรที่ลดลง) ช่วยให้
ผู้จัดกำรสำมำรถวิเครำะห์ข้อมูลและตัดสินใจได้อย่ำงรวดเร็วแม่นย�ำ
กำรตรวจสอบสภำพ กำรตรวจสอบสภำพเครื่องจักรด้วย AI สำมำรถใช้ข้อมูลจำกเซ็นเซอร์และกล้องเพื่อตรวจสอบสภำพ
เครื่องจักร (Condition มนุษย์อำจไม่ครอบคลุมหรือไม่ต่อเนื่อง เครื่องจักรตลอดเวลำ สำมำรถแจ้งเตือนเมื่อพบควำมผิดปกติ เช่น
Monitoring) เสียงผิดปกติหรือกำรสั่นสะเทือนที่เพิ่มขึ้น ตรวจสอบสภำพเครื่องจักร
และปรับปรุงกระบวนกำรผลิตเพื่อลดของเสีย
กำรปรับปรุงกระบวนกำร กำรปรับปรุงกระบวนกำรใน TPM AI สำมำรถวิเครำะห์ข้อมูลกำรผลิตเพื่อหำจุดที่สำมำรถปรับปรุงได้
(Process Optimization) อำจใช้เวลำนำนและไม่แม่นย�ำหำกใช้วิธี เช่น กำรลดของเสียหรือกำรเพิ่มควำมเร็วกำรผลิต ช่วยให้กำรปรับปรุง
กำรแบบเดิม กระบวนกำรท�ำได้อย่ำงมีประสิทธิภำพมำกขึ้น
กำรฝึกอบรมพนักงำน กำรฝึกอบรมพนักงำนใน TPM AI สำมำรถสร้ำงระบบฝึกอบรมแบบอัตโนมัติที่ปรับแต่งตำมควำม
(Training) อำจใช้เวลำนำนและไม่สอดคล้องกับ ต้องกำรของพนักงำนแต่ละคน ช่วยให้พนักงำนเข้ำใจและมีส่วนร่วม
ปัญหำจริง ในกำรบ�ำรุงรักษำมำกขึ้น สำมำรถใช้เทคโนโลยี AR (Augmented
Reality) หรือ VR (Virtual Reality) เพื่อฝึกพนักงำนในสถำนกำรณ์
เสมือนจริง
กำรจัดกำรข้อมูล TPM ต้องจัดกำรข้อมูลจ�ำนวนมำกจำก AI สำมำรถรวบรวม วิเครำะห์ และจัดระเบียบข้อมูลได้อย่ำงมี
(Data Management) เครื่องจักรและกระบวนกำรผลิต ประสิทธิภำพ ช่วยให้กำรตัดสินใจใน TPM ท�ำได้อย่ำงรวดเร็วและแม่นย�ำ
26 ปีที่ 78 ฉบับที่ 1 มกราคม - มีนาคม 2568 l วิศวกรรมสาร
