การก้าวสู่ Industry 5.0 อาจทำให้ผู้ประกอบการจำนวนไม่น้อยคิดถึง AI ระบบอัตโนมัติ หรือเครื่องจักรรุ่นใหม่ แต่โจทย์ของอุตสาหกรรมยุคนี้ไม่ได้อยู่ที่ว่าโรงงานมีเทคโนโลยีมากเพียงใด หากอยู่ที่ว่าเทคโนโลยีเหล่านั้นช่วยแก้ปัญหา เพิ่มประสิทธิภาพ และทำให้คนทำงานได้ดีขึ้นจริงหรือไม่
Industry 5.0 จึงไม่ได้เข้ามาแทนที่ Industry 4.0 แต่เป็นการต่อยอดเทคโนโลยีดิจิทัล AI และ Automation ที่มีอยู่ ไปสู่เป้าหมายที่กว้างขึ้นทั้งการให้มนุษย์เป็นศูนย์กลาง หรือ Human Centric การสร้างความยืดหยุ่นในการรับมือความเปลี่ยนแปลง หรือ Resilience และความยั่งยืน หรือ Sustainability
แนวคิดนี้ถูกนำมาถอดบทเรียนผ่านกรณีใช้งานจริงในหัวข้อ “Road to Industry 5.0: เจาะลึก Real-World Use Cases & Roadmap เปลี่ยนโรงงานไทยให้ทำได้จริง” ภายในงานการประชุมวิชาการและนิทรรศการเนคเทค ประจำปี 2569 (NECTEC-ACE 2026) ภายใต้แนวคิด “NECTEC 40 Years – Legacy & Beyond” ซึ่งชี้ให้เห็นตรงกันว่า การเปลี่ยนผ่านไม่จำเป็นต้องเริ่มจากโครงการขนาดใหญ่หรือการซื้อเครื่องจักรใหม่เสมอไป แต่สามารถเริ่มจากปัญหาที่โรงงานมีอยู่ แล้วเลือกใช้เทคโนโลยีเท่าที่จำเป็นเพื่อแก้ปัญหานั้น
ก่อนลงทุน AI ต้องรู้ว่าโรงงานพร้อมแค่ไหน
ดร.วิรัช ฉัตรดรงค์ รองประธานสภาอุตสาหกรรมแห่งประเทศไทย และ ประธานสถาบันดิจิทัลเพื่ออุตสาหกรรม สภาอุตสาหกรรมแห่งประเทศไทย กล่าวถึงแนวคิด Intelligent Industry ซึ่งเป็นหนึ่งในนโยบาย 5I ของสภาอุตสาหกรรมแห่งประเทศไทย โดยมองการใช้ Digital, AI และ Automation เป็นเครื่องมือเพิ่มประสิทธิภาพและความสามารถในการแข่งขัน ก่อนต่อยอดไปสู่เป้าหมายของ Industry 5.0
ปัญหาของผู้ประกอบการวันนี้ไม่ใช่การขาดเทคโนโลยี แต่กลับเป็นการมีเครื่องมือให้เลือกจำนวนมากจนไม่รู้ว่าควรเริ่มจากอะไร การลงทุนจึงควรเริ่มจากการประเมินสถานะขององค์กรก่อนว่าอยู่ตรงไหน มีจุดแข็ง จุดอ่อน และส่วนใดที่ควรพัฒนา โดยมีเครื่องมืออย่าง Thailand Industry 4.0 Index ของเนคเทค และ Thailand AI Readiness Index หรือ TARi เป็นส่วนหนึ่งของการประเมินความพร้อม
ดร.วิรัชยังเสนอ Three Plus Framework เป็นกรอบช่วยมองความพร้อมขององค์กรผ่านสามแกน โดยมี Data เป็นฐาน ก่อนต่อยอดไปสู่ Operational Intelligence สำหรับการตัดสินใจหน้างานที่ต้องใช้ข้อมูลอย่างรวดเร็ว และ Strategic Intelligence สำหรับการรวบรวมและวิเคราะห์ข้อมูลในระยะยาวเพื่อใช้ประกอบการตัดสินใจทางธุรกิจ
หลักคิดนี้ช่วยให้ผู้บริหารเห็นว่าการลงทุนด้านเทคโนโลยีควรเดินไปในทิศทางใด หากโรงงานมีข้อมูลพร้อมและระบบปฏิบัติการมีความแข็งแรง การต่อยอดด้วย AI ก็มีโอกาสสร้างประโยชน์ได้มากขึ้น แต่หากลงทุน AI ไปก่อนทั้งที่ข้อมูลยังไม่พร้อม โครงการต่าง ๆ อาจแยกออกเป็นส่วน ๆ และไม่สามารถนำไปต่อยอดร่วมกันได้
การวัดผลจึงต้องเริ่มตั้งแต่ก่อนลงทุนด้วยการกำหนด Baseline ให้ชัดว่า ก่อนนำเทคโนโลยีเข้ามา โรงงานมีประสิทธิภาพอยู่ระดับใด เพราะหากไม่รู้จุดตั้งต้น ก็ยากที่จะตอบได้ว่าการลงทุนช่วยให้องค์กรดีขึ้นหรือคุ้มค่าเพียงใด
Kenvue ใช้เทคโนโลยีลดงานซ้ำให้คนตัดสินใจมากขึ้น
ณชา เกื้อกูลเกียรติ Director Manufacturing Business Unit บริษัท เคนวิว (ประเทศไทย) จำกัด กล่าวว่า ในอดีตต้องใช้คนรวบรวมข้อมูลและคำนวณผ่าน Excel ทั้งคำสั่งซื้อ เวลาเปลี่ยนการผลิต และข้อมูลที่เกี่ยวข้อง นักวางแผนหนึ่งคนสามารถดูแลได้ประมาณ 4 สายการผลิต
เมื่อโรงงานนำ Data Analytics Tool เข้ามาช่วยประมวลผลข้อมูลความต้องการจากลูกค้าและพารามิเตอร์ต่าง ๆ ระบบสามารถสร้างแผนเบื้องต้นออกมาได้ทันที ทำให้นักวางแผนหนึ่งคนสามารถรองรับได้ประมาณ 30 สายการผลิต
สิ่งที่เปลี่ยนไปจึงไม่ใช่การนำเทคโนโลยีมาแทนคน แต่เป็นการย้ายงานคำนวณและจัดเรียงข้อมูลที่ทำซ้ำไปให้ระบบจัดการ แล้วให้คนใช้เวลากับการตัดสินใจที่ซับซ้อนกว่า เพราะสถานการณ์จริงยังมีเงื่อนไขที่ระบบไม่สามารถตัดสินใจแทนได้ทั้งหมด เช่น คำสั่งซื้อเร่งด่วน การเปลี่ยนลำดับความสำคัญทางธุรกิจ หรือการจัดสรรคนระหว่างหน่วยการผลิต
“เราไม่ได้ตัดคนเลย ยังไงคนก็มาต่อ แต่ว่าคนเปลี่ยนหน้าที่” คุณณชา กล่าว
แนวทางเดียวกันถูกนำมาใช้กับระบบ Chiller ของโรงงาน จากเดิมที่พนักงานต้องเดินตรวจและปรับระบบหน้างาน โรงงานติดตั้ง IoT Sensor เพื่อวัด Flow Rate อุณหภูมิ และค่าการทำงานของมอเตอร์ แล้วนำข้อมูลเข้าสู่ Digital Twin ก่อนใช้ AI ช่วยปรับการทำงานของ Chiller ให้เหมาะสมกับความต้องการจริง
ผลที่เกิดขึ้นคือโรงงานใช้ไฟฟ้าลดลง ลดการปล่อยก๊าซคาร์บอนไดออกไซด์ และลดการใช้งานเครื่องจักรเกินความจำเป็น ซึ่งช่วยยืดอายุอะไหล่ ส่วนพนักงานที่เคยเดินตรวจเครื่องเปลี่ยนมาดูข้อมูลผ่านหน้าจอ เมื่อระบบแจ้งความผิดปกติจึงเข้าไปตรวจสอบ วิเคราะห์สาเหตุ และหาวิธีป้องกันไม่ให้ปัญหาเกิดซ้ำ
กรณีนี้ทำให้เห็นภาพ Human Centric ได้ชัดขึ้น เทคโนโลยีรับงานที่ทำซ้ำและงานควบคุมบางส่วนไป ขณะที่คนขยับไปทำงานด้าน Problem Solving และ Continuous Improvement มากขึ้น
Western Digital ใช้ AI เปลี่ยนข้อมูลเป็นตัวช่วยตัดสินใจ
อัศวิน แซ่ตั้ง Test Engineering Director บริษัท เวสเทิร์น ดิจิตอล สตอเรจ เทคโนโลยีส์ (ประเทศไทย) จำกัด กล่าวว่า บทเรียนจากโรงงานที่ผ่านการใช้ Automation, Data Analytics, Data Modeling และ Machine Learning มาแล้วว่า ปัญหาที่ตามมาคือโรงงานมีข้อมูลจำนวนมหาศาล แต่การตัดสินใจยังต้องอาศัยคน
โจทย์ของ Industry 5.0 จึงเป็นการทำให้ข้อมูลเหล่านั้นสร้างประโยชน์ต่อการตัดสินใจมากขึ้น ตั้งแต่ Machine Learning ไปสู่ Generative AI และ Agentic AI โดย Western Digital นำ Autonomous AI Agents มาช่วยวิเคราะห์การทำงานของเครื่องจักรและให้ข้อมูลแก่คนทำงานตลอด 24 ชั่วโมง แต่การตัดสินใจขั้นสุดท้ายยังอยู่กับมนุษย์
“เราสามารถที่จะให้ AI ทำงานยี่สิบสี่ชั่วโมงเพื่อจะบอกเราว่าเกิดปัญหาอะไรบ้าง เราให้คนยังคงตัดสินใจว่าเราจะแก้มันอย่างไร” คุณอัศวิน กล่าว
เป้าหมายสำคัญคือการเพิ่ม OEE หรือประสิทธิผลโดยรวมของเครื่องจักร โดยเฉพาะการทำ Smart Maintenance ซึ่งต้องพิจารณาทั้ง MTTR หรือระยะเวลาที่ใช้ในการซ่อมเมื่อเครื่องจักรเกิดความล้มเหลว และ MTBF หรือระยะเวลาระหว่างความล้มเหลวแต่ละครั้ง การใช้ AI และการเตรียมข้อมูลที่ดีสามารถเข้ามาช่วยปรับปรุงตัวแปรเหล่านี้และส่งผลต่อ OEE ได้
แต่ก่อนจะไปถึงจุดนั้น โรงงานต้องมี Single Source of Truth หรือข้อมูลที่ทุกฝ่ายใช้ร่วมกันบนฐานเดียวกัน เพราะในองค์กรหนึ่ง ฝ่ายวางแผน วิศวกรรม และการผลิตอาจใช้ข้อมูลชุดเดียวกันแต่คนละช่วงเวลา เมื่อข้อมูลไม่ตรงกัน การวิเคราะห์และตัดสินใจก็ยากที่จะเดินไปในทิศทางเดียวกัน
เมื่อข้อมูลมีฐานร่วมกัน โรงงานจึงสามารถมองหา Bottleneck และ Pain Point ที่สำคัญ ก่อนกำหนดว่าจะนำเทคโนโลยีไปแก้ปัญหาส่วนใด แทนที่จะเริ่มจากคำถามว่ามี AI ตัวไหนที่ควรซื้อมาใช้
ปตท. ชี้ Data ต้องมีบริบทจึงใช้ AI ได้จริง
ธเนศ อิงสกุลรุ่งเรือง ผู้จัดการส่วนตลาดและขายเอนเนอร์ยี่ โซลูชั่นส์ บริษัท ปตท. จำกัด (มหาชน) กล่าวว่า การเปลี่ยนจาก Industry 4.0 ไปสู่ Industry 5.0 เป็นการต่อยอดจากระบบที่เริ่มเชื่อมโยงข้อมูลและแจ้งเตือนความผิดปกติ ไปสู่การใช้ AI ประมวลผลข้อมูลจำนวนมาก มองหารูปแบบความผิดปกติ และเสนอ Recommendation หรือแนวทาง Optimization ให้ผู้ปฏิบัติงานนำไปใช้ตัดสินใจ
แต่การมีข้อมูลจำนวนมากไม่ได้หมายความว่าจะใช้ AI ได้ทันที ข้อมูลต้องเชื่อมโยงและมีบริบท เช่น การรู้ว่ามอเตอร์ใช้ไฟ 80 กิโลวัตต์ยังไม่เพียงพอ หากต้องรู้ด้วยว่ามอเตอร์นั้นอยู่ในกระบวนการใด กำลังผลิตสินค้าอะไร ทำงานด้วย Production Rate เท่าใด และอยู่ภายใต้เงื่อนไขแบบไหน ข้อมูลจึงจะมีความหมายมากพอสำหรับการวิเคราะห์
กรณีหนึ่งที่ ปตท. นำมาเล่าคือการปรับปรุงการใช้พลังงานของห้องเย็น ซึ่งสามารถพัฒนาไปสู่ Smart Control ได้ แต่แทนที่จะเริ่มจากการลงทุนระบบควบคุมทันที ทีมงานนำข้อมูลต้นทุนมาคุยกับโรงงานและพนักงานหน้างานก่อน เพื่อให้เห็นว่าการเปิดประตูห้องเย็นทิ้งไว้นานสร้างต้นทุนพลังงานเพิ่มขึ้นอย่างไร
เมื่อคนหน้างานเห็นผลกระทบเป็นตัวเลข การปรับพฤติกรรมสามารถเกิดขึ้นได้ก่อนการลงทุนระบบควบคุมเต็มรูปแบบ จากนั้นจึงค่อยพัฒนาต่อเป็นระบบอัตโนมัติ
ปตท. ยังนำ Human in the Loop มาใช้ โดยเปิดให้คนตรวจสอบคำแนะนำของ AI หากคำแนะนำนั้นไม่สอดคล้องกับสถานการณ์จริง ผู้ปฏิบัติงานสามารถให้เหตุผลกลับเข้าไปในระบบ เพื่อให้ AI เรียนรู้บริบทและปรับคำแนะนำในครั้งต่อไปได้ดีขึ้น
เริ่มจาก Problem ก่อนเลือก Technology
เมื่อถอดบทเรียนจากทั้ง 3 องค์กร จุดร่วมไม่ได้อยู่ที่ว่าใครใช้ AI มากกว่าใคร แต่อยู่ที่การรู้ก่อนว่าองค์กรต้องการแก้ปัญหาอะไร มีข้อมูลพร้อมแค่ไหน และผลลัพธ์ที่ต้องการวัดคืออะไร
สำหรับโรงงานที่ต้องการเริ่มต้น คุณอัศวินเสนอว่า ไม่จำเป็นต้องซื้อเครื่องจักรใหม่ทันที สามารถใช้เครื่องจักรเดิม ติดตั้งเซนเซอร์เพื่อดึงข้อมูล และพัฒนาทักษะคนไปพร้อมกัน จากนั้นเลือกโครงการขนาดเล็กที่มีโอกาสคืนทุนภายในประมาณ 3 เดือนเป็น Quick Win ก่อนขยายผล
แนวทางของ Kenvue เริ่มจากการถามแต่ละหน่วยงานว่า มีงานใดที่ต้องทำซ้ำ ใช้เวลานาน หรือยังต้องทำผ่าน Excel แล้วจึงมองหา Digital Tool เข้ามาช่วย กระบวนการนี้นำไปสู่การพัฒนา Digital Translator โดยพัฒนาคนที่เข้าใจกระบวนการธุรกิจอยู่แล้วให้มีความรู้ด้านดิจิทัลเพิ่มขึ้น เพราะคนที่รู้ปัญหาหน้างานย่อมมองเห็นได้ว่าเครื่องมือดิจิทัลควรถูกนำไปใช้ตรงไหน
ฝั่ง ปตท. ใช้หลักเดียวกันคือ “ขึ้นด้วย Problem ไม่ใช่ขึ้นด้วยเทคโนโลยี” แล้วประเมินต่อว่าปัญหานั้นสร้างผลกระทบต่อธุรกิจมากเพียงใด ข้อมูลพร้อมหรือไม่ และมีโอกาสทำเป็น Quick Win ได้หรือไม่ หากข้อมูลยังไม่พร้อม สิ่งที่ควรทำก่อนอาจไม่ใช่ AI แต่เป็นการกลับมาสร้าง Data Foundation ให้แข็งแรง
Industry 5.0 จึงไม่จำเป็นต้องเริ่มจากโรงงานใหม่ เครื่องจักรใหม่ หรือการลงทุนครั้งใหญ่ แต่เริ่มได้จากการมองกลับเข้ามาในโรงงานของตัวเองว่า ปัญหาอยู่ตรงไหน งานใดกำลังใช้เวลาของคนโดยไม่จำเป็น และข้อมูลที่มีอยู่สามารถนำมาใช้ประโยชน์ได้มากกว่านี้หรือไม่
เมื่อโจทย์ชัด ข้อมูลพร้อม และคนในองค์กรเข้าใจว่ากำลังใช้เทคโนโลยีเพื่ออะไร การลงทุนจึงค่อยขยับจากโครงการเล็กไปสู่การขยายผลในระดับที่ใหญ่ขึ้น เพราะท้ายที่สุดแล้ว เทคโนโลยีจะสร้างคุณค่าได้ก็ต่อเมื่อคนยอมรับและนำไปใช้จริง
“เทคโนโลยี Scale Only When People Use” คุณธเนศ กล่าว
นี่จึงเป็นเส้นทางของ Industry 5.0 ที่จับต้องได้มากกว่าการวิ่งตามเทคโนโลยีใหม่ที่สุด เพราะเป้าหมายไม่ได้อยู่ที่การทำให้โรงงานมี AI มากที่สุด แต่อยู่ที่การทำให้เทคโนโลยี ข้อมูล และคนทำงานร่วมกัน เพื่อสร้างโรงงานที่มีประสิทธิภาพ ยืดหยุ่น และยั่งยืนกว่าเดิม
ข่าวอื่น ๆ ที่น่าสนใจ
เอกนัฏ เดินหน้า Energy Transition เปิดทางคนตัวเล็กเป็นเจ้าของพลังงาน
ยศชนัน ชี้ไทยต้องเปลี่ยนกติกา สร้างเศรษฐกิจที่โตไปกับความยั่งยืน
