โรงงานที่ตรวจงานด้วยตาคน กับสิ่งที่ AI มองเห็นแทนได้จริง

ตีสองสิบห้านาที กะดึกของสายการผลิต พนักงานตรวจสอบคนหนึ่งนั่งมองชิ้นงานผ่านไปทีละชิ้นบนสายพาน เธอทำงานนี้มาหกปี ตาของเธอจับรอยขีดที่ลึกไม่ถึงมิลลิเมตรได้ดีกว่าคนที่เพิ่งเข้ามาสามเดือน แต่ตอนตีสี่ ตาของเธอก็เป็นตาของคนที่ตื่นมาแล้วสิบแปดชั่วโมงเหมือนกัน

นี่คือปัญหาที่ผู้จัดการโรงงานทุกคนรู้ดี ไม่ใช่ว่าคนตรวจไม่เก่ง แต่คุณภาพของการตรวจไม่คงที่ ตลอดกะ ตลอดสัปดาห์ และตลอดอายุงาน มันขึ้นกับความล้า แสงในโรงงาน และความเร็วของสายพานในวันที่ออร์เดอร์เร่ง

ทำไมงานตรวจสอบถึงเป็นจุดตั้งต้นที่ดี

ในบรรดางานที่ AI เข้าไปช่วยได้ในโรงงาน งานตรวจสอบด้วยภาพเป็นงานที่ตอบโจทย์ตรงที่สุด เพราะมันมีลักษณะสามอย่างพร้อมกัน

ข้อแรก มันเป็นงานที่ตัดสินซ้ำ ๆ ด้วยเกณฑ์เดิม ผ่านหรือไม่ผ่าน รอยแบบไหนยอมได้ รอยแบบไหนยอมไม่ได้ นั่นคือรูปแบบของปัญหาที่โมเดลจำแนกภาพทำได้ดี

ข้อสอง ผลลัพธ์วัดได้ทันที ของที่หลุดไปถึงลูกค้าแล้วถูกตีกลับ คือตัวเลขที่ฝ่ายคุณภาพมีอยู่แล้ว ไม่ต้องสร้างตัวชี้วัดใหม่ให้ใครเถียงกัน

ข้อสาม มันไม่ต้องรื้อระบบอื่น กล้องกับไฟติดเพิ่มที่สถานีตรวจได้ โดยไม่ต้องแตะ ERP ไม่ต้องแตะ MES และไม่ต้องหยุดสายผลิตเพื่อเปลี่ยนกระบวนการ

สิ่งที่มันทำได้ และสิ่งที่มันทำไม่ได้

ระบบตรวจสอบด้วยภาพที่ทำงานได้จริง ประกอบด้วยกล้องที่ตำแหน่งคงที่ ไฟที่ควบคุมได้ และโมเดลที่ถูกสอนด้วยภาพของงานเสียจริงจากสายผลิตนั้น ไม่ใช่ภาพตัวอย่างจากอินเทอร์เน็ต

มันเก่งเรื่องรอยที่เกิดซ้ำ รอยขีด รอยบิ่น การประกอบผิดตำแหน่ง ชิ้นส่วนขาด สีเพี้ยน และมันเก่งขึ้นเรื่อย ๆ เมื่อมีภาพของเสียมากขึ้น

มันไม่เก่งเรื่องของเสียแบบที่ไม่เคยเจอ ถ้าซัพพลายเออร์เปลี่ยนวัตถุดิบแล้วเกิดตำหนิลักษณะใหม่ที่โมเดลไม่เคยเห็น มันจะปล่อยผ่าน นี่ไม่ใช่ข้อบกพร่องของเทคโนโลยี มันคือธรรมชาติของการเรียนรู้จากตัวอย่าง และเป็นเหตุผลที่ระบบแบบนี้ต้องมีคนคอยดูอยู่ในวง ไม่ใช่ติดตั้งแล้วเดินจากไป

จุดที่โครงการมักพัง

ไม่มีภาพของเสีย โรงงานที่คุมคุณภาพได้ดี มีของเสียน้อย ซึ่งแปลว่ามีภาพให้สอนโมเดลน้อยตามไปด้วย ทางแก้ไม่ใช่การรอให้ของเสียสะสม แต่คือการเริ่มเก็บภาพอย่างเป็นระบบตั้งแต่วันแรก แม้ยังไม่มีโมเดล

แสงไม่นิ่ง โครงการจำนวนมากตายตรงนี้ ไม่ใช่ที่อัลกอริทึม ภาพที่ถ่ายตอนเช้ากับตอนกลางคืนภายใต้แสงจากหน้าต่างที่ต่างกัน คือภาพคนละชุดในสายตาของโมเดล การลงทุนกับกล่องครอบและไฟ LED ที่คุมได้ ให้ผลตอบแทนสูงกว่าการเปลี่ยนโมเดล

ตั้งเกณฑ์ผิดด้าน ระบบที่ปรับให้จับของเสียได้ทุกชิ้น จะตีกลับของดีเยอะจนพนักงานเลิกเชื่อภายในสองสัปดาห์ ระบบที่ปรับให้ไม่รบกวนใครเลย จะปล่อยของเสียหลุด การเลือกจุดสมดุลเป็นการตัดสินใจทางธุรกิจ ไม่ใช่การตั้งค่าทางเทคนิค และควรเป็นฝ่ายคุณภาพที่ตัดสิน

เริ่มอย่างไรให้ไม่เสียเวลาเปล่า

เลือกชิ้นงานเดียว สถานีเดียว และตำหนิสองสามชนิดที่เกิดบ่อยที่สุด เก็บภาพหนึ่งถึงสองเดือนควบคู่กับการตรวจด้วยคนตามปกติ แล้วเทียบผลกันเงียบ ๆ ก่อนที่จะให้ระบบตัดสินใจแทนใคร

ช่วงเทียบผลนี้สำคัญกว่าที่คนส่วนใหญ่คิด มันคือช่วงที่ทีมคุณภาพได้เห็นว่าระบบผิดพลาดแบบไหน และได้ตัดสินใจเองว่าจะเชื่อมันแค่ไหน ความไว้ใจที่สร้างในช่วงนี้ คือสิ่งที่ทำให้ระบบยังถูกใช้อยู่ในปีที่สอง

ที่ GIPSIC เราทำส่วนไหน

งานลักษณะนี้ไม่ได้จบที่โมเดล มันต้องมีกล้องและไฟที่ติดตั้งถูกตำแหน่ง อุปกรณ์ที่ทนสภาพในโรงงาน ระบบที่เก็บภาพและผลการตัดสินไว้ย้อนดูได้ และหน้าจอที่หัวหน้ากะเปิดดูได้จริงโดยไม่ต้องเรียกฝ่ายไอที

ทีมของเรามีทั้งฝั่งฮาร์ดแวร์และฝั่งซอฟต์แวร์อยู่ในทีมเดียวกัน ตั้งแต่การออกแบบอุปกรณ์ เฟิร์มแวร์ ระบบคลาวด์ที่อยู่เบื้องหลัง ไปจนถึงช่างติดตั้งหน้างาน เราจึงคุยเรื่องตำแหน่งกล้องกับเรื่องโครงสร้างฐานข้อมูลในบทสนทนาเดียวกันได้

และถ้าเราประเมินแล้วว่าโจทย์ของคุณยังไม่ควรเริ่มที่ AI เราจะบอกตรง ๆ พร้อมเหตุผล บางโรงงานได้ผลมากกว่าจากการทำให้ข้อมูลการตรวจสอบเป็นดิจิทัลก่อน แล้วค่อยคิดเรื่องโมเดลในปีถัดไป

อยากคุยเรื่องสายการผลิตของคุณ ติดต่อเราได้