หัวหน้างานคนหนึ่งดูแลสถานีปฏิบัติงานหลายสิบจุดในกะเดียว การเดินตรวจครบทุกจุดตลอดเวลาเป็นไปไม่ได้ ปัญหาที่ตามมาจึงไม่ใช่เรื่องคนไม่ตั้งใจทำงาน แต่เป็นเรื่องที่ความผิดพลาดเล็กน้อยเกิดขึ้นในจังหวะที่ไม่มีใครมองอยู่ แล้วไปปรากฏผลปลายทางเป็นจำนวนสินค้าที่ไม่ตรงกับระบบ หรือเป็นข้อร้องเรียนจากลูกค้าปลายทางในอีกหลายวันถัดมา
บทความนี้อธิบายว่า AI Video Analytics ซึ่งหมายถึงการให้คอมพิวเตอร์วิเคราะห์ภาพจากกล้องแบบต่อเนื่อง เข้ามาช่วยตรงจุดใดได้บ้าง ทำงานอย่างไร และมีข้อจำกัดอะไรที่ต้องรู้ก่อนตัดสินใจ
ปัญหาไม่ได้อยู่ที่การมองไม่เห็น แต่อยู่ที่การมองไม่ทัน
กล้องวงจรปิดมีอยู่แล้วในโรงงานเกือบทุกแห่ง สิ่งที่ขาดไม่ใช่ภาพ แต่เป็นคนที่ว่างพอจะดูภาพทั้งหมด ภาพจากกล้องจึงถูกใช้เป็นหลักฐานย้อนหลังหลังเกิดเรื่องแล้วเท่านั้น ไม่ได้ถูกใช้ป้องกัน
ความต่างของการนำ AI มาวิเคราะห์ภาพ คือระบบดูทุกเฟรมของทุกกล้องตลอดเวลาโดยไม่มีข้อจำกัดด้านความเหนื่อยล้า และไม่ได้ดูเพื่อหาสิ่งผิดปกติแบบกว้าง แต่ดูเทียบกับขั้นตอนการทำงานมาตรฐานของสถานีนั้นโดยเฉพาะ ว่าผู้ปฏิบัติงานทำครบทุกขั้นหรือไม่ ทำถูกลำดับหรือไม่ และมีขั้นใดที่ข้ามไป
ทำไมเรื่องนี้ทำได้จริงแล้วในวันนี้
เมื่อไม่กี่ปีก่อน งานลักษณะนี้ยังเป็นงานวิจัย ต้องมีทีมพัฒนาแบบจำลองเอง ต้องเก็บภาพตัวอย่างจำนวนมากมาฝึก และต้องใช้เครื่องประมวลผลระดับศูนย์ข้อมูล ต้นทุนและระยะเวลาทำให้โรงงานส่วนใหญ่พิจารณาแล้วยุติเรื่องไป
สิ่งที่เปลี่ยนไปคือองค์ประกอบทั้งหมดกลายเป็นของที่จัดหาได้และติดตั้งได้จริง กล้องความละเอียดสูงรับไฟผ่านสายแลนเส้นเดียว เครื่องประมวลผลที่มีการ์ดประมวลผลภาพมีขนาดเท่าเครื่องคอมพิวเตอร์ตั้งโต๊ะและวางไว้ในโรงงานได้ ส่วนแบบจำลองสำหรับตรวจจับคน วัตถุ และท่าทาง เป็นของที่ใช้งานได้ทันทีโดยไม่ต้องเริ่มฝึกจากศูนย์
งานที่เหลือจึงเปลี่ยนลักษณะไป จากการพัฒนาปัญญาประดิษฐ์ขึ้นใหม่ กลายเป็นการตั้งค่าเงื่อนไขให้ตรงกับขั้นตอนการทำงานของสถานีนั้น และการวางตำแหน่งกล้องให้เห็นสิ่งที่ต้องตรวจ ซึ่งเป็นงานวิศวกรรมที่ประเมินเวลาและต้นทุนได้ ผลที่ตามมาคือระยะเวลาทดสอบวัดกันเป็นสัปดาห์ ไม่ใช่เป็นปี และใช้การติดตั้งแบบชั่วคราวที่ถอดออกได้เมื่อจบการทดสอบ
แต่การที่เทคโนโลยีพร้อมแล้ว ไม่ได้แปลว่าติดตั้งแล้วใช้งานได้ทันที เงื่อนไขหน้างานยังเป็นตัวตัดสิน ซึ่งเป็นเหตุผลที่หัวข้อถัดไปอธิบายทั้งสิ่งที่ระบบตรวจได้ และสิ่งที่ต้องยอมรับก่อนเริ่ม
ระบบตรวจอะไรได้บ้าง
ในงานตรวจการปฏิบัติตามขั้นตอนมาตรฐานของสถานีประกอบและสถานีบรรจุ ความสามารถที่ใช้ได้จริงมีดังนี้
| สิ่งที่ตรวจ | ตอบคำถามว่าอะไร |
|---|---|
| การยืนยันตัวบุคคลด้วยใบหน้า | ผู้ที่เข้าประจำสถานีผ่านการอบรมและมีสิทธิ์ทำงานจุดนี้หรือไม่ |
| ลำดับขั้นตอนการทำงาน | ทำครบทุกขั้นหรือไม่ ข้ามขั้นหรือสลับลำดับหรือไม่ |
| การหยิบและวางชิ้นงาน | สแกนแล้ววางลงบรรจุภัณฑ์จริงหรือไม่ มีการนำออกภายหลังหรือไม่ |
| การอ่านผลจากหน้าจอของสถานี | ชิ้นงานที่ระบบแจ้งว่าไม่ผ่าน ถูกนำไปบรรจุหรือไม่ |
| ความครบของบรรจุภัณฑ์ | ปิดกล่องหรือลังทั้งที่จำนวนยังไม่ครบหรือไม่ |
จุดที่ควรสังเกตคือความสามารถเรื่องการอ่านผลจากหน้าจอของสถานี ระบบอ่านผลด้วยกล้อง แทนการเชื่อมต่อเข้ากับระบบควบคุมการผลิต วิธีนี้ทำให้ติดตั้งได้โดยไม่ต้องแก้ระบบเดิมของโรงงาน และไม่มีความเสี่ยงที่ระบบใหม่จะไปกระทบสายการผลิตที่เดินอยู่
ประมวลผลที่โรงงาน ไม่ส่งภาพออกไปข้างนอก
คำถามแรกที่ได้รับเสมอคือภาพจากสายการผลิตจะถูกส่งออกไปที่ใด คำตอบในสถาปัตยกรรมที่บริษัทใช้คือ การวิเคราะห์ภาพทั้งหมดเกิดขึ้นบนเครื่องประมวลผลที่ติดตั้งอยู่ภายในโรงงาน ไม่ได้ส่งภาพออกไปประมวลผลภายนอก สิ่งที่ออกจากเครื่องคือผลการตรวจและภาพหลักฐานเฉพาะเหตุการณ์ที่ตรวจพบเท่านั้น
ผลลัพธ์ที่ได้จึงมีสองแบบ แบบแรกคือรายการเหตุการณ์ที่ทำต่างไปจากขั้นตอนมาตรฐาน พร้อมเวลาและภาพประกอบ ซึ่งใช้ตรวจสอบย้อนหลังได้ว่าเกิดอะไรขึ้นจริงในวินาทีนั้น แบบที่สองคือข้อมูลสะสมที่บอกว่าความผิดพลาดกระจุกอยู่ที่สถานีใด กะใด หรือรุ่นสินค้าใด ซึ่งเป็นข้อมูลที่ใช้ปรับปรุงกระบวนการได้จริง ต่างจากการรู้เพียงว่ามีของเสียเกิดขึ้น
สิ่งที่ต้องยอมรับก่อนเริ่ม
ระบบลักษณะนี้ไม่ได้ทำงานได้ทุกสภาพหน้างาน เงื่อนไขที่ต้องมีคือกล้องต้องเห็นกิจกรรมของแต่ละขั้นตอนได้ชัดเจน ถ้าขั้นตอนใดถูกบังด้วยตัวผู้ปฏิบัติงาน ด้วยอุปกรณ์ หรือด้วยมุมกล้องที่ติดตั้งได้จริงในพื้นที่นั้น ระบบจะตรวจขั้นตอนนั้นไม่ได้ ทางแก้คือปรับตำแหน่งกล้อง หรือปรับการจัดวางหน้างานเล็กน้อยเพื่อให้มองเห็น ซึ่งเป็นเรื่องที่ต้องตกลงร่วมกันหลังสำรวจหน้างานจริง ไม่ใช่เรื่องที่ตอบได้จากแบบแปลน
อีกเรื่องที่ต้องพูดตรงไปตรงมาคือความแม่นยำ ระบบตรวจภาพไม่ได้ถูกเสมอ เกณฑ์ที่บริษัทใช้เป็นเป้าหมายในการทดสอบคือความแม่นยำของการตรวจลำดับขั้นตอนที่ 90 เปอร์เซ็นต์ขึ้นไป ซึ่งหมายความว่ายังมีส่วนที่ต้องให้คนตรวจซ้ำ การวางระบบจึงต้องออกแบบให้คนกับระบบทำงานร่วมกัน ไม่ใช่ให้ระบบตัดสินแทนคนทั้งหมด
เหตุผลที่ควรเริ่มจากการทดสอบขนาดเล็ก
ความเสี่ยงที่แท้จริงของงานลักษณะนี้ไม่ใช่เรื่องเทคโนโลยีทำไม่ได้ แต่เป็นเรื่องที่สภาพแวดล้อมของแต่ละโรงงานต่างกันมาก ทั้งแสง ระยะติดตั้ง ลำดับงานจริงที่อาจไม่ตรงกับเอกสาร และพฤติกรรมการทำงานที่ต่างกันไปในแต่ละกะ สิ่งเหล่านี้ประเมินจากเอกสารไม่ได้
แนวทางที่บริษัทใช้จึงเป็นการเริ่มจากการทดสอบในขอบเขตเล็กก่อน คือเลือกสถานีจำนวนน้อย ติดตั้งแบบชั่วคราวโดยไม่เดินสายถาวร แล้ววัดความแม่นยำจากการทำงานจริงในสายการผลิต ผลที่ได้จะบอกได้ว่าตำแหน่งกล้องเหมาะสมหรือไม่ เงื่อนไขการตรวจตรงกับงานจริงหรือไม่ และควรขยายผลต่อหรือไม่ ก่อนที่จะลงทุนเต็มรูปแบบ
สรุป
AI Video Analytics ไม่ได้มาแทนหัวหน้างาน แต่มาทำส่วนที่การเฝ้าดูด้วยสายตาทำไม่ไหว คือการดูทุกสถานีตลอดเวลาและบันทึกหลักฐานไว้ให้ตรวจสอบได้ ประโยชน์ที่ชัดที่สุดจึงไม่ใช่การจับผิดผู้ปฏิบัติงาน แต่เป็นการทำให้ปัญหาปรากฏตั้งแต่ต้นทาง แทนที่จะไปปรากฏเป็นข้อร้องเรียนที่ปลายทาง
บทความนี้อธิบายแนวทางที่บริษัทออกแบบไว้ ยังไม่ได้อ้างผลการวัดจากการใช้งานจริง เมื่อมีผลจากการทดสอบในสายการผลิตแล้ว จะนำมาเผยแพร่เพิ่มเติม
งานลักษณะนี้อยู่ในกลุ่มสินค้าและบริการ End-to-End Solutions ของบริษัท หากต้องการหารือว่าสายการผลิตของคุณเหมาะกับแนวทางนี้หรือไม่ ติดต่อได้ที่ หน้าติดต่อเรา