3 ทิศทางในกระแส DIGITAL TRANSFORMATION

3 ทิศทางในกระแส DIGITAL TRANSFORMATION

นักการตลาดอิเล็กทรอนิกส์หรือ eMarketer ได้เคยให้นิยามความหมายของ digital transformation ว่าคือ “กระบวนการเพิ่มศักยภาพและผสมผสานการใช้งานเทคโนโลยีในรูปแบบดิจิทัลเพื่อเสริมสร้างการดำเนินงานขององค์กร ผลิตภัณฑ์ การตลาด วัฒนธรรมและเป้าหมายในอนาคตขึ้นมาใหม่”

ดังนั้นดิจิทัลเทคโนโลยีคือหนึ่งในภาคส่วนสำคัญซึ่งจะช่วยเปลี่ยนแปลงวิถีการผลิตแบบเดิมๆ ให้เกิดขึ้น และนี่คือทิศทางล่าสุดของการเปลี่ยนแปลงครั้งยิ่งใหญ่นี้

การปฏิวัติทางดิจิทัลจะเกิดขึ้นและจะดำเนินต่อไป ทำให้เกิดผลกระทบครั้งใหญ่ต่ออุตสาหกรรมการผลิต จากเทคโนโลยีร่วมสมัยที่เติบโตขึ้นเช่น ปัญญาประดิษฐ์ (Artificial intelligence) เครื่องจักรกลอัตโนมัติ (Automation) และ หุ่นยนต์ (Robotics) Additive technology (เทคโนโลยีการเติมเนื้อวัสดุ) หรือเทคโนโลยีการสร้างต้นแบบอย่างรวดเร็ว (Rapid Prototyping Technology) และ human-machine หรือ หุ่นยนต์-มนุษย์ มีปฏิสัมพันธ์กันในสเกลใหญ่

พลวัติของอุตสาหกรรมการผลิตถูกทำให้เกิดการเปลี่ยนแปลง เทคโนโลยีอุตสาหกรรมการผลิตแบบดิจิทัลจะช่วยเปลี่ยนแปลงรูปแบบและกระบวนการผลิตทั้งหมดทั้งมวล แสดงให้เห็นยุทธวิธีที่ดีกว่าเดิมและมาพร้อมกับวิธีแก้ปัญหาที่ใช้นวัตกรรมแบบใหม่ ๆ มากขึ้น บทความ “ทิศทางหลัก 3 ประการในกระบวนการเปลี่ยนแปลงสู่ดิจิทัล” นี้จะช่วยให้ผู้ผลิตเข้าใจมากขึ้นรวมถึงขยายขอบเขตในกระบวนการต่าง ๆ ด้วย

Internet of Thing (IoT) ในภาคอุตสาหกรรม

มีการคาดการณ์ว่า มูลค่าการตลาดของอินเทอร์เน็ต ออฟ ธิงส์ สำหรับภาคอุตสาหกรรม (Industrial Internet of Things: IIoT) ทั่วโลกจะขยับขึ้นไปถึง 232.15 พันล้านดอลลาร์สหรัฐภายในปี 2023 โตขึ้นที่อัตราเติบโตเฉลี่ยสะสม (CAGR) ต่อปีประมาณร้อยละ 8.06 ระหว่างปี 2018 และ 2023 จากข้อมูลของบริษัทวิจัยตลาด Zion Market Research ด้วยตัวเลขที่แสดงถึงศักยภาพ (มูลค่า) มหาศาลของตลาด ไม่แปลกที่แอพพลิเคชั่นของ IIoT ในภาคอุตสาหกรรมการผลิตได้ทำให้เกิดการเปลี่ยนแปลงอย่างสิ้นเชิงในภาคนี้

องค์การต่างๆ ล้วนก็ใช้ปัญญาประดิษฐ์นี้ในการเชื่อมต่ออุปกรณ์ต่างๆ ในหน่วยงานต่างๆ เข้ากับจอแสดงผล รวบรวม แลกเปลี่ยน วิเคราะห์ และส่งผลที่ประมวลได้ด้วยความเร็วและอย่างมีประสิทธิภาพ ซึ่งช่วยให้พวกเขาได้ผลตอบรับอย่างทันทีทันใดตามความเป็นจริง และด้วยความช่วยเหลือของกระบวนการนี้ ผู้ผลิตยังสามารถคำนวณการเพิ่มผลผลิตและลดปริมาณลงได้ รวมถึงการคำนวณต้นทุนและค่าเสียหาย

ปัญญาประดิษฐ์แสนฉลาดและการเรียนรู้ของเครื่องจักร

ผลงานของปัญญาประดิษฐ์ (AI) และ machine learning ในภาคพื้นการผลิตจะช่วยปรับปรุงกระบวนการทำงานอย่างแท้จริง หุ่นยนต์อุตสาหกรรม/Industrial robots จะถูกใช้บน shop floors ในงานที่ซ้ำซากจำเจและเสี่ยงอันตรายด้วยความเร็วและด้วยความแม่นยำมากขึ้น หุ่นยนต์เหล่านี้จะถูกเชื่อมต่อเข้ากับระบบและเครือข่ายของโรงงานเพื่อช่วยให้กระบวนการผลิตราบรื่นพร้อมไปกับประสิทธิภาพที่เพิ่มขึ้นและปริมาณผลผลิตที่เพิ่มขึ้น ตัวอย่างเช่น หุ่นยนต์อุตสาหรรมถูกใช้อย่างกว้างขวางในภาคอุตสาหกรรมการผลิตรถยนต์เพื่อสร้างความเชื่อมั่นในเรื่องมาตรฐานสูงสุด ความพึงพอใจของลูกค้า และประสิทธิภาพที่เพิ่มขึ้นในระยะเวลาที่สั้นลง

ในส่วนของการเรียนรู้ของเครื่องจักร (Machine learning: การทำให้ระบบคอมพิวเตอร์เรียนรู้ได้ด้วยตนเองโดยใช้ข้อมูล) ร่วมกับการช่วยเหลือด้านข้อมูลและการวิเคราะห์ เครื่องจักรจะช่วยกำหนดขอบเขตหรือชี้วัดปัจจัย/มูลเหตุและองค์ประกอบต่างๆ ซึ่งจะส่งผลต่อคุณภาพการผลิตและการบริการ ช่วยให้ฝ่ายจัดการการผลิตใช้มาตรการที่เหมาะสมได้อย่างทันท่วงที

วิเคราะห์วิทยา

บริษัทต่าง ๆ มีข้อมูลมากมายมหาศาลแต่ส่วนใหญ่ต่างล้มเหลวในการดึงข้อมูลเหล่านั้นมาใช้เพื่อก่อให้เกิดประโยชน์ หากมีการจัดการข้อมูลอย่างถูกต้อง เราสามารถรวบรวมข้อมูลเหล่านั้นจากฐานข้อมูลหลายแหล่งรวมถึงโมเดลต่าง ๆ จากการเรียนรู้ของเครื่องจักร แสดงผลทางเทคนิกใหม่ๆ ที่ช่วยให้กระบวนการผลิตมีประสิทธิภาพเพิ่มขึ้นไปจนถึงการเพิ่มยอดขายสินค้า กล่าวอีกอย่างก็คือ การวิเคราะห์ผลล่วงหน้ายังช่วยให้ผู้ผลิตแก้ไขปัญหาเฉพาะหน้าและช่วยให้เกิดความระมัดระวังในกระบวนการผลิตที่ไม่ก่อให้เกิดผลกำไรด้วย

กล่าวโดยสรุป กระบวนการเพิ่มศักยภาพและผสมผสานการใช้งานเทคโนโลยีในรูปแบบดิจิทัลเพื่อเสริมสร้างการดำเนินงานขององค์กร ผลิตภัณฑ์ การตลาด วัฒนธรรมและเป้าหมายในอนาคตขึ้นมาใหม่ได้ช่วยให้เกิดความเป็นไปได้ใหม่ ๆ การปรับปรุงข้อมูลปริมาณมหาศาล ในขณะเดียวกันก็ช่วยเพิ่มผลกำไร นำเสนอผลิตภัณฑ์ที่มีคุณภาพมากขึ้นและลดต้นทุน พัฒนาการนี้ยังเป็นหนึ่งในหัวข้อหลักภายในงาน Automatica 2018 นิทรรศการสำคัญของวงการ Automation และ Robotics ที่จัดขึ้นเมื่อวันที่ 19-22 มิถุนายนที่ผ่านมาที่มิวนิค ประเทศเยอรมนีด้วย

  •  
  •  
  •  
  •  
  •  
  •  

Categories