ในงาน Delta Future Industry Summit ประจำปี 2568 ซึ่งจัดขึ้นภายใต้ธีม “พลิกโฉมอุตสาหกรรมสู่อนาคตด้วย AI ระบบอัตโนมัติ และพลังงาน แห่งภูมิภาคเอเชียตะวันออกเฉียงใต้” หนึ่งในวงเสวนาที่น่าสนใจที่สุด คือหัวข้อ “ขับเคลื่อนโรงงานสีเขียวอัจฉริยะ ด้วยระบบอุตสาหกรรมอัตโนมัติและพลังงานอัจฉริยะ”
ท่ามกลางการพูดคุยถึง “โรงงานสีเขียว” ประเด็นที่ถูกชูขึ้นมาอย่างน่าสนใจที่สุด กลับไม่ใช่เรื่องของความยั่งยืน (Sustainability) หรือ ESG เป็นอันดับแรก แต่เป็น ‘ความน่าเชื่อถือของระบบ’ (Reliability) และ ‘การลดต้นทุน’ (Cost Saving) ต่างหาก นี่คือข้อสรุปจากผู้เชี่ยวชาญภาคอุตสาหกรรมจาก Bosch, Western Digital และ Kulicke & Soffa ที่ชี้ว่านี่คือโจทย์หลักซึ่งภาคอุตสาหกรรมให้ความสำคัญเร่งด่วนที่สุด
ชี้เป้าคุณค่าแท้จริง: ‘Reliability’ และ ‘Cost Saving’ นำหน้า
ผู้ร่วมเสวนาจากภาคอุตสาหกรรมต่างสะท้อนภาพที่ตรงกันในประเด็นนี้ โดย อังคาร ทองคำพงษ์ รักษาการผู้อำนวยการ ฝ่ายวิศวกรรมและบำรุงรักษาสิ่งอำนวยความสะดวก จาก Western Digital (ประเทศไทย) ระบุว่า สิ่งสำคัญที่สุดคือการควบคุมความน่าเชื่อถือของระบบสาธารณูปโภคในโรงงาน เนื่องจากยิ่งระบบหยุดทำงานมากเท่าไหร่ ต้นทุนที่เกิดขึ้นก็จะยิ่งสูงตามไปด้วย
สอดคล้องกับความเห็นของ Joshua Chang ผู้จัดการฝ่ายปฏิบัติการและคุณภาพการผลิตอุปกรณ์ จาก Kulicke and Soffa Industries (KMS) ที่ยืนยันว่า การประหยัดต้นทุนและความน่าเชื่อถือ คือสองคุณค่าหลักทางธุรกิจที่สำคัญที่สุดในปัจจุบัน
กลไกขับเคลื่อนสู่การลดต้นทุนและเพิ่มเสถียรภาพ
Sven Herchel, Vice President, Bosch Connected Services (Asia Pacific) จาก Bosch Singapore ได้อธิบายเพิ่มเติมถึงกลไกที่ Smart Energy System ใช้ในการสร้างคุณค่าเหล่านี้ว่าไม่ได้มีเพียงมิติเดียว กลไกแรกคือ การบำรุงรักษาเชิงคาดการณ์ ซึ่งระบบอัจฉริยะจะช่วยสร้างความโปร่งใสและคาดการณ์การบำรุงรักษาได้ ยกตัวอย่างเช่น เมื่อมอเตอร์เริ่มใช้พลังงานมากกว่าปกติ 10-15% นี่ไม่ใช่แค่สัญญาณของการสิ้นเปลืองพลังงาน แต่ยังถูกตีความว่าเป็น “สัญญาณการบำรุงรักษา” ช่วยให้ทีมสามารถเปลี่ยนโหมดการทำงานจากการรอให้เครื่องจักรพังมาเป็นการเข้าไปแก้ไขก่อนที่ปัญหาจะลุกลาม ซึ่งไม่เพียงลดการสูญเสียพลังงานในทันที แต่ยังช่วยลด Downtime ได้อย่างมหาศาล โดยมีการประเมินว่าสามารถลด Downtime ได้ถึง 50%
กลไกที่สองคือ การบริหารจัดการช่วงพีค ซึ่งระบบมีความสามารถในการจัดการอัตราการใช้พลังงานตามช่วงเวลา โดยการย้ายกระบวนการผลิตที่ไม่สำคัญไปยังช่วงเวลาที่ความต้องการใช้ไฟต่ำ หรือในหลักการที่ว่า “เมื่อพลังงานราคาถูก ก็ใช้ให้มาก แต่เมื่อพลังงานแพง ก็พยายามหลีกเลี่ยง” เพื่อช่วยลดต้นทุนพลังงานได้อย่างมีนัยสำคัญ
และกลไกสุดท้ายคือ การรายงานและการปฏิบัติตามกฎระเบียบโดยการใช้ระบบอัตโนมัติในการรวบรวมข้อมูลและจัดทำรายงานด้านพลังงาน ไม่เพียงช่วยลดภาระงาน แต่ยังสามารถเปลี่ยนเป็นสินทรัพย์เชิงกลยุทธ์ เช่น การใช้ข้อมูลนี้เพื่อเข้าถึงแหล่งเงินทุนที่เชื่อมโยงกับความยั่งยืน
เผชิญ 3 ความท้าทายใหญ่สู่ Smart Manufacturing
อย่างไรก็ตาม แม้คุณค่าของ Smart Manufacturing จะชัดเจน แต่การเดินทางไปสู่จุดนั้นไม่ใช่เรื่องง่าย วงเสวนาได้ชี้ให้เห็นถึงอุปสรรคสำคัญที่หลายองค์กรกำลังเผชิญ ความท้าทายประการแรกคือการขาดกลยุทธ์ที่ชัดเจน โดย Joshua Chang ได้อ้างอิงถึงผลการศึกษาในการผลิตเซมิคอนดักเตอร์ที่น่าสนใจว่า 78% ขององค์กรยังขาดกลยุทธ์หรือแผนงานการเปลี่ยนผ่านดิจิทัลแบบ End-to-End นอกจากนี้ 55% ยังขาดโครงสร้างพื้นฐานด้าน Data Science ที่สำคัญ และอีก 40% ถูกรั้งไว้ด้วยข้อจำกัดด้านงบประมาณและปัญหาการวัดผลตอบแทนการลงทุนต่ำ
ความท้าทายประการที่สองคือปัญหาคลาสสิกด้านการผสานระบบ อังคาร เน้นย้ำว่า ความท้าทายใหญ่ประการหนึ่งคือการทำให้ “ระบบเก่าและระบบใหม่” สามารถพูดคุยกันได้ รวมถึงการทำให้ระบบใหม่สามารถสื่อสาร “ภาษาเดียวกัน” กับเครื่องจักรในสายการผลิตให้ได้
และความท้าทายประการสุดท้าย คือรากฐานที่สำคัญที่สุดอย่าง “ข้อมูล” โดย อลัน โจว หัวหน้าฝ่ายแพลตฟอร์มระบบอัตโนมัติอุตสาหกรรม ประจำภูมิภาคเอเชียตะวันออกเฉียงใต้ จาก Delta ชี้ว่า AI หรือ Digital Twin เป็นเพียงเครื่องมือ แต่สิ่งสำคัญอันดับแรกคือ “การทำให้แน่ใจว่าเรามีข้อมูลที่เพียงพอและถูกต้อง” เพราะหากข้อมูลตั้งต้นไม่มีคุณภาพ ผลลัพธ์ที่ได้ก็จะเป็น “ขยะเข้า ขยะออก” (Garbage in, garbage out) ซึ่ง Joshua Chang ก็ได้เสริมในประเด็นนี้ว่า หากไม่มีข้อมูลที่เหมาะสม แม้จะมีระบบที่ดีที่สุดก็ไร้ประโยชน์
ทางออกเชิงสถาปัตยกรรม: ‘Hybrid’ และ ‘Data-Driven’
เมื่อเผชิญกับความท้าทายเหล่านี้ ผู้เชี่ยวชาญได้เสนอแนวทางแก้ไขเชิงสถาปัตยกรรมและกลยุทธ์ที่น่าสนใจ เริ่มต้นจากคำถามสำคัญที่ว่าควรเลือกระบบแบบรวมศูนย์ (Centralized) หรือกระจายศูนย์ (Distributed) ซึ่ง Sven Herchel ให้คำตอบว่า แนวทางที่ดีที่สุดคือ “แนวทางแบบผสมผสาน”
โดยส่วนของ Edge หรือระบบประมวลผลที่หน้างาน จะใช้สำหรับการประมวลผลที่ต้องการความหน่วงต่ำ พื่อควบคุมการดำเนินงานแบบเรียลไทม์ และยังช่วยสร้างความยืดหยุ่นทำให้แต่ละไซต์เป็นอิสระต่อกันมากขึ้น ซึ่งแนวทางนี้จึงเหมาะอย่างยิ่งสำหรับโรงงานเดิมที่มีเครื่องจักรเก่าอยู่มาก
ในขณะที่ส่วนของ Cloud (Centralized) จะใช้สำหรับการรวบรวมข้อมูล การวิเคราะห์ และการคำนวณของ AI เพื่อเพิ่มประสิทธิภาพกระบวนการ และให้ข้อมูลเชิงลึกระดับองค์กร
คุณ Sven ระบุว่า “ความมหัศจรรย์จะเกิดขึ้นเมื่อทั้งสองแนวทางทำงานประสานกัน” กล่าวคือ Cloud จะส่งกระบวนการที่ปรับให้เหมาะสมแล้วกลับไปยัง Edge เพื่อสั่งการ สร้างเป็นวงจรการตอบรับแบบเรียลไทม์
สำหรับองค์กรที่มีหลายไซต์งานซึ่งมีความแตกต่างกัน Sven (Bosch) ยังได้แนะนำแนวทาง “Template-based customization” ซึ่งเปรียบเสมือนการมี “ระบบปฏิบัติการ” (เช่น iOS) ที่เป็นมาตรฐานเดียวกันสำหรับทุกไซต์ เพื่อกำหนดพื้นฐานด้านความปลอดภัยและ “ภาษาของข้อมูล” (Data Language) จากนั้นแต่ละไซต์จึงจะมี “แอปพลิเคชัน” ของตนเองเพื่อปรับใช้ตามความต้องการเฉพาะหน้างาน
ท้ายที่สุดแล้ว ทุกกลยุทธ์จะไร้ความหมายหากขาดข้อมูล Joshua Chang (KMS) ได้ให้สมการที่ชัดเจนว่า Data + Insight + Action = Value องค์กรจึงจำเป็นต้องสร้างรากฐานข้อมูลและวิทยาศาสตร์ข้อมูลก่อน (Data and Science Foundation) จากนั้นจึงใช้ AI เพื่อปลดล็อกความเชี่ยวชาญเฉพาะทาง และสร้างข้อมูลเชิงลึกที่นำไปปฏิบัติได้
ESG กับบทบาท ‘ตัวจุดประกาย’ การเปลี่ยนแปลง
แม้ว่า Reliability และ Cost Saving จะเป็นเป้าหมายหลักในการดำเนินงาน แต่ประเด็นด้าน ESG และพลังงานหมุนเวียนก็ยังคงเป็นตัวจุดประกายที่สำคัญ โดย คุณ Joshua Chang กล่าวว่า ปัจจุบันลูกค้ามีส่วนสำคัญอย่างมากในการขับเคลื่อนแผนงาน ESG โดยเรียกร้องให้อุปกรณ์มีประสิทธิภาพสูงขึ้นแต่ใช้พลังงานน้อยลง เช่น การตั้งเป้าลดการใช้พลังงานลง 20-30% และต้องการความโปร่งใสในการเปิดเผยข้อมูล เช่น การรายงานการปล่อยก๊าซเรือนกระจก (GHG) Scope 1 และ 2
อย่างไรก็ตาม วงเสวนาได้ให้ข้อสรุปที่น่าสนใจว่า Smart Energy ไม่จำเป็นต้องรวมพลังงานหมุนเวียนเสมอไป แต่ Smart Energy ต่างหากที่ “เปิดทาง” ให้สามารถใช้พลังงานหมุนเวียนได้ เนื่องจากพลังงานหมุนเวียนอย่างพลังงานแสงอาทิตย์มีรูปแบบการจ่ายไฟที่ไม่แน่นอน คุณอลัน โจว เสริมว่า จำเป็นต้องมีระบบจัดการพลังงานอัจฉริยะและระบบกักเก็บพลังงาน เพื่อเข้ามาบริหารจัดการความผันผวนนี้
นวัตกรรมคือการแก้ปัญหา ไม่ใช่การตามกระแส
ข้อสรุปจากวงเสวนานี้จึงสะท้อนภาพจริงของภาคอุตสาหกรรมได้อย่างชัดเจนว่า การเปลี่ยนผ่านสู่ Smart Manufacturing ไม่ใช่การวิ่งตามกระแสหรือทำตามแฟชั่น แต่เป็น “การเดินทางเชิงกลยุทธ์” ที่ต้องเริ่มต้นจากฐานรากที่มั่นคงอย่าง “ความเสถียรของระบบ” และ “ความคุ้มค่าในการลงทุน” เสียก่อน นี่จึงเป็นบทเรียนสำคัญสำหรับทุกองค์กรที่กำลังวางแผน Digital Transformation ว่าแท้จริงแล้วหัวใจของนวัตกรรมคือการแก้ปัญหาทางธุรกิจที่ตรงจุดนั่นเอง
ข่าวอื่น ๆ ที่น่าสนใจ
ผอ.สวทช. ชู ‘แผนปฏิบัติการ AI ไทย 2570’ เวทีโลก ย้ำความพร้อมด้านโครงสร้างพื้นฐานและธรรมาภิบาล
การ์ทเนอร์ เผย 10 เทรนด์เทคโนโลยีเชิงกลยุทธ์ปี 2569
Bitkub ขยายสมรภูมิ: รุก AI – สุขภาพ อัด 9 ฟีเจอร์ใหม่ Exchange
