Cobot กับ AI: หุ่นยนต์ร่วมงานคนในโรงงาน SME ไทย เพิ่มผลผลิตโดยไม่ต้องลงทุนมหาศาล

Cobot หรือ collaborative robot คือหุ่นยนต์ที่ถูกออกแบบมาให้ทำงานร่วมกับมนุษย์ได้อย่างปลอดภัยในพื้นที่เดียวกัน จุดที่ต่างจากหุ่นยนต์อุตสาหกรรมแบบเดิมคือไม่ต้องมีกรงเหล็กกั้น และตั้งโปรแกรมง่ายจนช่างในโรงงานสอนงานเองได้ สำหรับธุรกิจ SME ไทย นี่คือก้าวแรกที่จะเข้าใกล้ระบบอัตโนมัติ เพิ่มผลผลิต ลดของเสีย แก้ปัญหาแรงงานไม่เพียงพอ โดยไม่ต้องลงทุนเกินตัวหรือรื้อไลน์ผลิตทิ้งทั้งหมด.

สิ่งที่ทำให้ Cobot ต่างจากหุ่นยนต์อุตสาหกรรมแบบเดิม

หุ่นยนต์อุตสาหกรรมที่เราคุ้นเคย เช่น แขนกลในโรงงานผลิตรถยนต์ มักเป็นเครื่องจักรขนาดใหญ่ที่มีความเร็วสูง ทำงานในพื้นที่จำกัด และเป็นอันตรายถึงชีวิต จึงต้องตั้งอยู่ในกรงนิรภัยหรือรั้วเหล็กเพื่อกันคนเข้าใกล้ แม้แต่การตั้งโปรแกรมก็ต้องใช้วิศวกรที่มีความรู้เฉพาะทาง เพราะใช้ภาษาคอมพิวเตอร์ซับซ้อน ใช้เวลาเป็นสัปดาห์หรือเดือน และการย้ายตำแหน่งแต่ละครั้งต้องถอดฐานเทปูนและติดตั้งระบบไฟฟ้าใหม่ ซึ่งแพงและยุ่งยาก.

โคบอตถูกสร้างขึ้นมาเพื่อแก้ปัญหาเหล่านี้ทั้งหมด. ในด้านความปลอดภัย มันมีเซนเซอร์ตรวจจับแรงบิดและระบบจดจำการชน ทำให้เมื่อมือหรือร่างกายคนเข้าใกล้เกินไป เครื่องจะหยุดชะงักทันทีโดยอัตโนมัติ จึงผ่านมาตรฐาน ISO/TS 15066 ที่รองรับการทำงานร่วมกันระหว่างคนกับหุ่นยนต์โดยไม่ต้องมีกรงกั้น. ในด้านการติดตั้ง ตัวเครื่องมีขนาดเล็ก น้ำหนักเบา ยึดกับโต๊ะทำงานหรือขาตั้งแบบมีล้อได้ ใช้ไฟบ้าน 220V และใช้พื้นที่เพียงไม่กี่ตารางเมตร.

การเขียนโปรแกรมก็ง่ายขึ้นมาก เพราะใช้วิธีจับแขนกลลากไปตามจุดที่ต้องการ (hand-guiding) แล้วกดบันทึก หรือใช้หน้าจอสัมผัสลากไอคอนเป็นบล็อก ไม่ต้องเขียนโค้ด. ช่างเทคนิคที่ผ่านอบรมเพียง 1-3 วันก็เขียนงานพื้นฐานได้ โคบอตบางรุ่นยังมีระบบ AI ช่วยวางแผนเส้นทางให้เองอีกด้วย.

เรื่องงบประมาณก็ต่างกันอย่างมีนัยสำคัญ หุ่นยนต์อุตสาหกรรมทั่วไปเริ่มต้นที่ 1.5-2 ล้านบาท ยังไม่รวมงานวิศวกรรมและการติดตั้ง ในขณะที่โคบอตมีราคาเริ่มต้นประมาณ 5-8 แสนบาทต่อตัว (ผู้ให้บริการระบุ ผลจริงขึ้นอยู่กับรุ่นและอุปกรณ์) และยังมีบริการเช่ารายเดือน หรือแพ็กเกจครบชุดที่รวมกล้อง AI และอุปกรณ์จับยึด ซึ่งทำให้ SME เริ่มทดลองได้ในงบที่ไม่ถึงล้านบาท.

ทำไม Cobot กับ AI ถึงสำคัญกับ SME ไทย

ปัญหาหลักของ SME ไทยคือการขาดแคลนแรงงานภาคการผลิต ทั้งแรงงานทั่วไปและแรงงานฝีมือ คนรุ่นใหม่มักไม่เลือกทำงานโรงงานเพราะมองว่าเหนื่อยและค่าตอบแทนไม่จูงใจ ประกอบกับค่าแรงขั้นต่ำที่ปรับสูงขึ้นเรื่อย ๆ ทำให้ต้นทุนการผลิตเพิ่มตาม. โคบอตช่วยแก้โจทย์นี้ด้วยการทำงานซ้ำซากตลอด 24 ชั่วโมงโดยไม่เหนื่อย ไม่มีวันลางาน ไม่มีปัญหาเรื่องอัตราการลาออก และที่สำคัญทำให้พนักงานที่มีอยู่ไปทำงานที่ต้องใช้ความคิดหรือทักษะสูงขึ้น แทนที่จะเสียเวลากับงานเดิม ๆ ที่ซ้ำซาก.

อีกหนึ่งปัญหาคือความเสี่ยงในงานอันตราย เช่น งานเชื่อม งานพ่นสี งานยกของหนักที่มีโอกาสเกิดอุบัติเหตุสูง โคบอตที่รับงานเหล่านี้แทนคนจะช่วยลดการบาดเจ็บ การเคลมประกัน และสร้างภาพลักษณ์ความปลอดภัยให้โรงงาน ทำให้รับพนักงานใหม่ได้ง่ายขึ้นด้วย.

ในด้านการแข่งขัน SME ต้องเผชิญกับสินค้าราคาถูกจากต่างประเทศ การเพิ่ม "ผลิตภาพแรงงาน" จึงเป็นกุญแจสำคัญ โคบอตผลิตชิ้นงานได้สม่ำเสมอ ไม่มีความเหนื่อยล้าทำให้ของเสียน้อยลง และอัตราการผลิตต่อหน่วยเวลาสูงกว่าคนอย่างชัดเจน เมื่อเทียบกับการลงทุนในเครื่องจักรขนาดใหญ่ โคบอตเป็นจุดเริ่มต้นที่ยืดหยุ่นและขยายผลได้ทีละจุด ตรงกับงบประมาณของ SMEs.

AI เข้ามาเติมเต็มในส่วนที่โคบอตแบบเดิมทำไม่ได้ นั่นคือความสามารถในการ "มองเห็น" และ "ปรับตัว" กับความแปรปรวนในหน้างานจริง เช่น ชิ้นงานที่วางเรียงไม่ได้ระเบียบ สายพานที่สั่นสะเทือน หรือถาดที่ไม่ได้วางตรงตำแหน่ง. ด้วยการใช้กล้อง 2D/3D และโมเดลการเรียนรู้เชิงลึก (deep learning) โคบอตจะตรวจจับตำแหน่งจริงของชิ้นงานแล้วคำนวณพิกัดการจับใหม่ทันที ไม่จำเป็นต้องสร้างฟิกซ์เจอร์ราคาแพงหรือตั้งโปรแกรมใหม่ทุกครั้งที่สินค้าปรับสเปก.

AI เพิ่มความยืดหยุ่นให้ Cobot ทำงานที่ซับซ้อนขึ้นได้อย่างไร

การนำ AI มาผสานกับโคบอตทำให้ระบบอัตโนมัติสามารถรับมือกับความไม่แน่นอนของสภาพแวดล้อมได้ ซึ่งเป็นจุดอ่อนที่ใหญ่ที่สุดของหุ่นยนต์แบบเดิม. ลองนึกภาพโรงงานประกอบชิ้นส่วนอิเล็กทรอนิกส์แห่งหนึ่งในจังหวัดปทุมธานี ที่ต้องหยิบชิ้นส่วนจากกล่องหลวม ๆ ซึ่งแต่ละรอบชิ้นส่วนอาจซ้อนทับกันหรือหมุนไปคนละทิศทาง โคบอตธรรมดาจะหยิบได้เฉพาะชิ้นส่วนที่วางในตำแหน่งตรึงเท่านั้น แต่ถ้าติดตั้งกล้อง AI ที่ผ่านการฝึกให้จดจำรูปทรงชิ้นส่วนเอาไว้ ตัวกล้องจะระบุตำแหน่งและมุมของชิ้นส่วนในภาพ ส่งเป็นพิกัดแบบ real-time ให้โคบอตเข้าหยิบจับอย่างแม่นยำ แม้ชิ้นส่วนจะซ้อนกันก็ยังเลือกหยิบชิ้นบนสุดได้ถูกต้อง.

ในงานตรวจสอบคุณภาพ AI ก็ทำหน้าที่เป็น "ตา" ที่ไม่รู้จักเหนื่อย เช่น วางกล้องความละเอียดสูงไว้เหนือไลน์ แล้วใช้โมเดลตรวจจับรอยร้าว รอยขีดข่วน หรือสีที่ไม่สม่ำเสมอ เมื่อพบของเสีย โคบอตจะทำหน้าที่พลิกหรือแยกชิ้นงานออกไปยังถาด NG ทันที. วิธีนี้ลดการใช้คนตรวจสายตา ซึ่งมักมีข้อจำกัดเรื่องความล้าและความไม่คงเส้นคงวา และยังช่วยเก็บข้อมูลสถิติของเสียเพื่อนำมาวิเคราะห์หาสาเหตุต้นตอได้อีกต่างหาก.

งานเชื่อมเป็นอีกหนึ่งงานที่ AI ช่วยให้โคบอตทำงานได้มีประสิทธิภาพมากขึ้น เพราะรอยเชื่อมที่เคยต้องพึ่งพาฝีมือช่างที่มีประสบการณ์สูง โคบอตติดตั้งเซนเซอร์เลเซอร์หรือกล้องสแกนแนวรอยต่อก่อนการเชื่อม แล้วปรับเส้นทางของหัวเชื่อมให้ชดเชยความคลาดเคลื่อนของชิ้นงานที่อาจบิดเบี้ยวจากการจับยึดได้. ทำให้ชิ้นงานเชื่อมมีคุณภาพสม่ำเสมอ ลดงานซ่อม และทำให้โรงงานไม่ต้องพึ่งพาช่างเชื่อมเฉพาะทางที่หายาก.

นอกจากนี้ AI ยังช่วยลดเวลาในการเปลี่ยนงานได้อย่างมาก เพราะเมื่อเปลี่ยนรุ่นสินค้า แค่เรียกโปรแกรมที่บันทึกไว้แล้วระบบกล้องจะจดจำชิ้นงานใหม่ให้เอง บางระบบใช้ภาพถ่ายเพียง 10-20 รูปในการฝึกโมเดลใหม่ภายในไม่กี่ชั่วโมง เทียบกับวิธีเดิมที่ต้องวัดตำแหน่งและตั้งพิกัดด้วยมือ ซึ่งกินเวลาอย่างน้อยครึ่งวัน ทำให้โรงงานที่มีสินค้าหลากหลายรุ่นสามารถผลิตแบบผสมในแต่ละวันได้โดยไม่สูญเสียเวลาเปลี่ยนสายการผลิตมากนัก.

แนวทางเริ่มต้นใช้งาน Cobot ในโรงงาน SME ไทย

เริ่มต้นอย่างมีระบบจะช่วยลดความเสี่ยงและเห็นผลเร็ว ขั้นแรกคือการเลือกงานที่ "ซ้ำซากและเสี่ยง" ก่อน เพราะงานประเภทนี้มีผลลัพธ์ชัดเจนที่สุด เช่น การหยิบชิ้นส่วนวางลงเครื่องจักร การจัดเรียงสินค้าเข้าลัง การบรรจุถุง การปิดฝา การประกอบชิ้นส่วนเล็ก ๆ รวมถึงงานเชื่อมและพ่นสี. สังเกตจุดที่คนทำงานบ่อยที่สุด มีการหมุนเวียนพนักงานสูงที่สุด และมีอัตราของเสียสูง ตารางเวลาการผลิตก็ช่วยบอกได้ เช่น งานที่ทำ 2 กะแล้วยังส่งไม่ทัน.

ขั้นที่สองคือการคำนวณ ROI อย่างละเอียด โดยคิดจากต้นทุนทั้งหมดของโครงการ ทั้งตัวหุ่นยนต์ Gripper อุปกรณ์นิรภัย ระบบกล้อง AI ค่าขนส่ง ติดตั้ง อบรม และบำรุงรักษาใน 5 ปีข้างหน้า เทียบกับผลตอบแทนที่จะได้รับ ได้แก่ ค่าแรงพนักงานที่ลดลง (รวมค่าล่วงเวลาและสวัสดิการ) จำนวนชิ้นที่ผลิตได้เพิ่มขึ้นต่อกะ ของเสียที่ลดลง อุบัติเหตุที่ลดลง และโอกาสในการรับงานที่ต้องใช้ความแม่นยำสูง. หากตัวเลขคืนทุนอยู่ในช่วง 12-24 เดือนถือว่าน่าสนใจ และหาก SME สามารถใช้สิทธิประโยชน์จาก BOI หรือกองทุนเพิ่มผลิตภาพของกรมโรงงานอุตสาหกรรม ก็จะยิ่งทำให้ระยะเวลาคืนทุนสั้นลง.

ขั้นที่สามคือการทดลองนำร่องหรือ Pilot ในพื้นที่งานจริงก่อนการขยายผล อย่าเริ่มติดตั้งพร้อมกันหลายจุด เพราะจะควบคุมปัญหาไม่ทัน เลือกพื้นที่ใดพื้นที่หนึ่งที่มีเงื่อนไขไม่ซับซ้อน เช่น โคบอตเครื่องเดียวทำหน้าที่หยิบวางชิ้นส่วนจากเครื่อง CNC เครื่องเดียว แล้ววัดตัวชี้วัดหลังติดตั้ง เทียบกับก่อนติดตั้งเป็นเวลา 1-2 เดือน เพื่อให้เห็นข้อมูลจริง.

ขั้นที่สี่ คือการพัฒนาจากหุ่นยนต์ธรรมดาสู่หุ่นยนต์ที่มองเห็นด้วย AI โดยเริ่มจากการติดตั้งกล้องและระบบจดจำชิ้นงานในจุดที่ไม่เหมาะสมกับตำแหน่งวางแบบตายตัว ทดสอบให้ได้ก่อนว่า AI รู้จักชิ้นงานถูกต้องและความแม่นยำสูงพอ ซึ่งช่วยเพิ่มความยืดหยุ่นให้กับสายการผลิตอย่างมาก โดยเฉพาะเมื่อต้องเปลี่ยนรุ่นสินค้าบ่อย ๆ.

ขั้นสุดท้ายคือการเชื่อมโยงข้อมูลกับระบบ ERP ซึ่งเป็นสะพานสำคัญที่ทำให้การลงทุนไม่ใช่แค่การเปลี่ยนเครื่องจักร แต่ยกระดับไปถึงการบริหารจัดการทั้งโรงงาน การเชื่อมต่อนี้จะทำให้ฝ่ายวางแผนรู้จริง ๆ ว่ากำลังการผลิตเป็นเท่าไหร่ เวลาเครื่องจักรทำงานจริงกี่เปอร์เซ็นต์ สาเหตุการหยุดคืออะไร ซึ่งเราจะเจาะลึกในหัวข้อถัดไป.

การเชื่อมต่อกับ ERP เพื่อควบคุมต้นทุนอย่างคุ้มค่า

คำถามที่ผู้จัดการสาย IT มักสงสัยคือ โคบอตซึ่งเป็นเครื่องจักรในสายการผลิต จะเชื่อมต่อกับระบบบริหารทรัพยากรองค์กรเช่น Odoo ได้อย่างไร. ในทางปฏิบัติ โคบอตมีคอนโทรลเลอร์ที่รองรับการสื่อสารกับ PLC (Programmable Logic Controller) ซึ่งเป็นตัวกลางที่โรงงานส่วนใหญ่ใช้อยู่แล้ว โดยอาศัยโปรโตคอลอย่าง Modbus, OPC UA หรือ EtherCAT จากนั้น PLC ก็จะส่งข้อมูลผ่าน REST API หรือ MQTT เข้าสู่ Odoo ได้โดยตรง ไม่ต้องผ่านคนกลาง.

เมื่อเชื่อมต่อแล้ว Odoo จะได้รับข้อมูลสถานะแบบ real-time เช่น จำนวนชิ้นงานที่ผลิตได้ในแต่ละชั่วโมง, รอบเวลาของแต่ละชิ้น, สถานะ Walking / Idle / Stop, และเวลาที่หยุดเนื่องจากเหตุฉุกเฉิน. ข้อดีคือฝ่ายวางแผนการผลิตจะเห็นภาพรวมที่แท้จริง ไม่ต้องรอรายงานสรุปจากหัวหน้ากะ ช่วยให้การจัดตารางการผลิตแม่นยำขึ้น ตอบสนองต่อคำสั่งซื้อด่วนได้ทันที และป้องกันการสะดุดของวัตถุดิบคงคลัง.

นอกจากนี้ การเก็บข้อมูลการผลิตแบบละเอียดยังช่วยในการคำนวณต้นทุนต่อหน่วยที่แม่นยำขึ้น เพราะระบบจะรู้ว่าชิ้นงานแต่ละล็อตใช้เวลาเครื่องจักรจริงเท่าไหร่ สูญเสียวัตถุดิบ