การนำโรงงานอัตโนมัติมาใช้: ออกแบบขอบเขตที่มนุษย์ต้องแทรกแซง

เมื่อวางแผนการนำโรงงานอัตโนมัติมาใช้ คำถามแรกไม่ควรเป็น “ลดคนได้กี่คน” แต่ควรเป็น เครื่องจักรและ AI ตัดสินใจเรื่องใดได้บ้าง เมื่อใดต้องขออนุมัติจากมนุษย์ ใครมีอำนาจหยุด และใครอนุญาตให้เริ่มเดินเครื่องอีกครั้ง โรงงานอัตโนมัติไม่ได้หมายถึงแผนกำจัดคนออกจากโรงงาน แต่คือแผนที่กำหนดไว้ล่วงหน้าว่า มนุษย์ต้องเข้ามาแทรกแซงตรงไหน บทความนี้อธิบายแนวทางปฏิบัติสำหรับผู้ว่าจ้างในไทยและอาเซียน ตั้งแต่ PoC 90 วัน, RFP, FAT/SAT ไปจนถึงความรับผิดชอบด้านการบำรุงรักษาและความมั่นคงปลอดภัยไซเบอร์

โรงงานอัตโนมัติไม่ใช่โรงงานไร้คน แต่คือการควบคุมอำนาจตัดสินใจอัตโนมัติ

ภาพจำของ autonomous factory คือโรงงานมืดที่หุ่นยนต์ทำงานตลอด 24 ชั่วโมงโดยไม่มีคนอยู่หน้างาน แต่การผลิตจริงมีความแปรปรวนของวัตถุดิบ การเปลี่ยนรุ่น การสึกของจิ๊ก สัญญาณขาด การอ่านบาร์โค้ดไม่ได้ พนักงานเข้าเขตเครื่องจักร และข้อกำหนดลูกค้าที่เปลี่ยนอยู่เสมอ เราไม่สามารถเขียนโปรแกรมรองรับทุกข้อยกเว้นล่วงหน้า และไม่ควรมอบสิทธิ์ควบคุมเครื่องจักรโดยไม่มีข้อจำกัดให้โมเดล AI

นิยามที่นำไปใช้ได้จริงคือ โรงงานที่อุปกรณ์ ระบบควบคุม และซอฟต์แวร์รับรู้สภาพและปรับการทำงานได้ภายในขอบเขตการเดินเครื่องที่กำหนดไว้ หากออกนอกขอบเขต ระบบจะลดขีดความสามารถหรือหยุดอย่างปลอดภัย พร้อมส่งข้อมูลและอำนาจตัดสินใจให้คน นิยามนี้ทำให้เริ่มสร้างคุณค่าได้โดยไม่ต้องรอระบบไร้คนทั้งหมด เช่น ระบบจัดลำดับงานใหม่ แจ้งงานบำรุงรักษา หรือเสนอให้เพิ่มความถี่การตรวจ แต่การเปลี่ยนค่าที่เกินขีดจำกัด การข้าม interlock และการอนุมัติปล่อยสินค้ายังคงต้องมีคนอนุมัติ

บทความของ Rockwell Automation เรื่อง AI-driven autonomous factories และบทความ Industrial AI ของ Siemens ซึ่งเผยแพร่วันที่ 18 กันยายน 2026 แสดงทิศทางการใช้ข้อมูลเครื่องจักรที่เชื่อมต่อกับ AI เพื่อสนับสนุนการตัดสินใจในการผลิต ส่วน FANUC America กล่าวถึง robotics, CNC, automation และ physical AI ในประกาศ IMTS 2026 อย่างไรก็ตาม ทั้งหมดเป็นมุมมองและประกาศของผู้ขาย ไม่ใช่หลักฐานว่าทุกโรงงานจะได้ผลเหมือนกัน การลงทุนต้องตัดสินจากข้อมูลฐานและหลักฐานการทดสอบรับมอบของโรงงานตนเอง

สามคำถามที่แยก Automation ออกจาก Autonomy

1. เมื่อสภาพเปลี่ยน ใครหรือระบบใดเลือกการกระทำถัดไป
2. อำนาจสั่งให้การกระทำนั้นเกิดขึ้นจริงอยู่ที่ใด
3. หากล้มเหลว ระบบต้องกลับไปสถานะใด และใครอนุมัติการเริ่มใหม่

Automation ทำตามลำดับที่กำหนดในเงื่อนไขที่กำหนด ส่วน autonomy เลือกจากการกระทำที่อนุญาตตามสภาพปัจจุบัน แต่ถ้าไม่กำหนดตัวเลือก ข้อจำกัด เงื่อนไขหยุด และผู้อนุมัติ สิ่งนั้นไม่ใช่ autonomy ที่ดีแต่คือการสูญเสียการควบคุม ในข้อกำหนดควรแทนคำว่า “AI จะ optimize” ด้วยเป้าหมายการตัดสินใจ ข้อมูลเข้า ผลลัพธ์ การกระทำต้องห้าม รอบตรวจสอบ timeout และ fallback

ประเมินระดับความพร้อมระบบอัตโนมัติของโรงงานเป็น 5 ขั้น

Roadmap โรงงานอัตโนมัติควรดูขอบเขตของ closed-loop decision และความสามารถจัดการข้อยกเว้น ไม่ใช่นับจำนวนเครื่องหรือโมเดล AI ตารางนี้เป็นเครื่องมือให้ผู้เกี่ยวข้องตกลงขอบเขต ไม่ใช่มาตรฐานรับรอง

การข้ามขั้นมักทำให้พบปัญหาเรื่องข้อมูลและความรับผิดชอบมากกว่าปัญหา AI ถ้าชื่อเครื่องใน MES ไม่ตรงกับทะเบียนบำรุงรักษา เวลา PLC ไม่ตรงกับ server สาเหตุของเสียเป็นข้อความอิสระ หรือไม่มีบันทึกการกู้คืน ก็ยืนยันผลโมเดลได้ยาก ควรเริ่มจาก การวินิจฉัยระบบอัตโนมัติในโรงงาน และจัดลำดับลงทุนด้วย Roadmap ระบบอัตโนมัติแบบเป็นขั้น เพื่อไม่ให้ PoC กลายเป็นเดโมที่แยกจากการผลิต

อย่าใช้คะแนนเฉลี่ยปิดบังจุดเชื่อมต่อที่อ่อนแอ

ในโรงงานเดียว งาน machining อาจอยู่ขั้น 3 แต่ inspection อยู่ขั้น 1 และ material feeding อยู่ขั้น 0 คะแนนเฉลี่ยทั้งโรงงานจะซ่อนปัญหาที่จุดเชื่อมต่อ ให้ประเมินตาม value stream และตรวจ handoff ระหว่างเครื่องจักร การขนส่ง การตรวจ บำรุงรักษา และแผนการผลิต ถามว่าเมื่อเครื่องต้นทางหยุด เครื่องปลายทางทำอะไร quality hold ไปยับยั้งคำสั่งขนส่งเร็วแค่ไหน และ cell ทำงานแบบ local ได้หรือไม่เมื่อสื่อสารขาด

ผล maturity ไม่ใช่คะแนนสำหรับอนุมัติซื้อ แต่เป็นแผนที่บอกขอบเขตถัดไปที่ต้องทดสอบ ระดับต่ำไม่ใช่เรื่องน่าอาย ขอบเขตที่คลุมเครือและทดสอบไม่ได้ต่างหากที่เป็นความเสี่ยง

กำหนดอำนาจหยุดก่อนเชื่อม AI, PLC และระบบองค์กร

เอกสารสำคัญที่สุดชิ้นหนึ่งคือ stop-authority matrix ซึ่งกำหนดทั้งผู้มีสิทธิ์หยุด เหตุผล ขอบเขต และสถานะปลายทาง Safety stop, quality hold, equipment-protection stop และการหยุดตามแผนมีวัตถุประสงค์ต่างกัน หากรวมทุกอย่างเป็น STOP เดียว มักจบด้วยการหยุดทั้งโรงงานเกินจำเป็นหรือเดินต่ออย่างไม่ปลอดภัย

ห้ามแทนที่ safety PLC หรือ emergency stop ด้วย AI ระดับบน AI อาจตรวจสัญญาณเตือนล่วงหน้าและเสนอการปรับในกรอบได้ แต่ฟังก์ชันความปลอดภัยต้องคงความเป็นอิสระ ความแน่นอน และการตรวจสอบตาม risk assessment และมาตรฐานที่ใช้ ISO 10218-2:2025 ครอบคลุมข้อกำหนดความปลอดภัยในการรวม industrial robot application/cell แต่ไม่ได้รับรอง autonomous factory ทั้งโรงงาน เครื่องจักรอื่น ระบบขนส่ง ไฟฟ้า สารเคมี วิธีทำงาน กฎหมายไทย และข้อกำหนดลูกค้าต้องประเมินแยกกัน

ใช้ ISA-95 วาดเส้นแบ่งข้อมูลกับคำสั่งที่รันได้จริง

ISA-95 จัดโมเดล คำศัพท์ และ interface สำหรับเชื่อมกิจกรรมระดับองค์กรกับการควบคุมการผลิต ในโครงการ autonomous factory ไม่ควรใช้เพียงเป็นรูปชั้นระบบ แต่ใช้ถามว่า ข้อมูลจากระดับหนึ่งเปลี่ยนเป็นคำสั่งที่เครื่องต้องทำได้ภายใต้เงื่อนไขใด

การเปลี่ยน due date ใน ERP ไม่ควรเขียนค่า speed ที่ PLC โดยตรง ความต้องการจากองค์กรควรเข้าสู่ MES/MOM เป็น production request จากนั้นตรวจ capability, quality hold, material status และ safety constraint ก่อนส่ง dispatch หรือ recipe reference ที่อนุมัติแล้วไปยัง control ขากลับไม่ควรส่ง raw data แบบไร้บริบท แต่ควรเป็น event/result ที่มีเวลา หน่วย quality flag และ asset ID

ขอบเขตแต่ละจุดต้องมีอย่างน้อย:

• เจ้าของข้อมูลและ system of record
• สิทธิ์ read, propose, approve และ write
• อายุคำสั่ง idempotency ID และกฎ retry
• ค่าที่ต้องรักษาและคำสั่งที่ต้องทิ้งเมื่อการสื่อสารขาด
• ช่วงค่าที่ตั้งได้และ unit conversion
• ประวัติเปลี่ยน รุ่นโมเดล และตัวตน operator
• เงื่อนไขและขั้นตอน rollback

สิ่งนี้เปลี่ยน manufacturing AI automation จากโครงการ “เก็บข้อมูลทั้งหมด” เป็นวงจรปิดที่ควบคุมได้ การสอดคล้อง ISA-95 มีประโยชน์ แต่ไม่ได้ทำให้ผ่าน machinery safety หรือ cybersecurity โดยอัตโนมัติ

ออกแบบการกู้คืนข้อยกเว้นจาก NORMAL ถึง RECOVERY

ถ้าทดสอบเฉพาะเดโมสภาพปกติ เราจะประเมิน autonomy ผิด PoC ควรจงใจสร้างข้อยกเว้น เช่น วัตถุดิบไม่มา บาร์โค้ดอ่านไม่ได้ sensor ค้าง robot จับพลาด MES ตอบช้า AI confidence ต่ำ และคำสั่งซ้ำ เป้าหมายคือยืนยันว่าอุปกรณ์ไปยังสถานะที่คาดการณ์ได้

NORMAL — เดินอัตโนมัติในขอบเขตที่รับรอง

สัญญาณพร้อมและกระบวนการอยู่ในข้อจำกัดด้านความปลอดภัย คุณภาพ และเครื่องจักร NORMAL ไม่ได้แปลว่าไม่มี alarm เท่านั้น แต่ต้องตรวจ material identity, recipe match, calibration validity, communication health และ model version ที่อนุมัติ

DEGRADED — เดินต่อด้วยขีดความสามารถที่จำกัด

บางฟังก์ชันใช้ไม่ได้แต่เดินต่อได้ด้วยความเร็ว รุ่นงาน เส้นทาง หรือวิธีตัดสินใจที่ผ่าน risk assessment เช่น vision AI ใช้ไม่ได้ ให้หยุด automatic reject แล้วส่งทุกชิ้นไปตรวจโดยคน หากระบบแผนขาด ให้ทำเฉพาะ short queue ที่อนุมัติ ต้องกำหนดทั้งขอบเขตและเวลาสูงสุด

SAFE STOP — หยุดโดยควบคุมพลังงานและชิ้นงาน

ระบบเข้าสถานะที่ไม่เพิ่มความเสี่ยงและกู้คืนได้ สถานะปลายทางขึ้นกับกระบวนการ เตาหรือ chemical process อาจไม่ปลอดภัยหากตัดไฟทันที ส่วน robot cell ต้องคิดถึงชิ้นงานที่จับค้างและ peripheral axis จึงต้องเขียน final state และ residual risk ไม่ใช่ใช้คำว่า safe stop อย่างเดียว

RECOVERY — ตรวจ Sync ทดลอง และอนุมัติเริ่มใหม่

หลังแก้สาเหตุแล้วอย่ากลับ full automatic ทันที ต้องตรวจ work in process, transaction ที่ยังไม่จบ, counter MES/PLC, quality hold และความสดของ input อาจต้อง dry cycle หรือ first-piece verification บันทึกผู้อนุมัติ และเก็บหลักฐานว่ากลับ NORMAL แล้ว

Transition table ต้องระบุ start condition, permitted action, prohibited action, timeout, notification และ return criteria โดยฝ่ายผลิต บำรุงรักษา คุณภาพ EHS IT/OT และหัวหน้ากะร่วมอนุมัติ สำหรับช่วงไร้คนหน้าไลน์ ให้ใช้ร่วมกับ คู่มือการเดินเครื่องกลางคืนแบบไม่มีคน เพื่อกำหนด escalation, response time, ขอบเขต remote control และกรณีที่ต้องตรวจหน้างานก่อน recovery

สิ่งที่ต้องใส่ใน RFP โรงงานอัตโนมัติ

RFP ที่เขียนเพียง “ใช้ AI เพื่อทำ autonomy” หรือ “สร้าง dashboard” จะได้ข้อเสนอที่เทียบกันไม่ได้ และมีค่า interface, log, maintenance, training เพิ่มภายหลัง ให้เขียน operating boundary และ accountability ก่อน feature

1. กระบวนการที่รวมและขอบเขตที่ไม่รวม

ระบุสินค้า เครื่องจักร mode กะ วัตถุดิบ และระบบเชื่อมต่อ กำหนดจุดเริ่ม/จบด้วย asset tag ตำแหน่ง transfer และ data handshake พร้อมเขียนสิ่งที่ PoC ไม่ครอบคลุม

2. Decision use case

แต่ละ use case ต้องมี input, decision cycle, output, allowed range, prohibited operation และเงื่อนไข human approval แยกผลของคำแนะนำผิดออกจากการ execute ผิด คำแนะนำยังมีคนปฏิเสธได้ แต่ automatic write ต้องมี guard ทางวิศวกรรม

3. Non-functional requirement

กำหนด response time, availability, recovery objective, time synchronization, data retention, audit log, backup, ภาษา, terminal และ bandwidth ตัวเลขต้องมาจาก delay/stop ที่กระบวนการรับได้ ไม่ใช่ลอกค่ามาตรฐานผู้ขาย

4. Safety, Quality และ Cybersecurity

กำหนด risk assessment, interlock, change control, access control, vulnerability handling, remote maintenance, restore และ revalidation หลังเปลี่ยนชิ้นส่วน IEC 62443-2-4:2023 กล่าวถึง security program requirements ของผู้ให้บริการ integration/maintenance สำหรับ IACS จึงใช้ตรวจ process ของ supplier ได้ แต่ไม่แทนมาตรการทั้งโรงงาน

5. เงื่อนไขวงจรชีวิต AI

ระบุสิทธิ์ข้อมูลฝึก ที่ตั้งข้อมูล model version ขั้นตอน update การเฝ้าระวัง performance degradation ข้อมูลอธิบาย manual fallback และ stop condition NIST AI RMF เป็นกรอบสมัครใจที่ใช้ Govern, Map, Measure, Manage เพื่อตรวจช่องว่างได้ แต่ไม่แทนกฎหมายหรือ safety certification

6. Deliverable และ handover

ระบุ editable backup, I/O list, network drawing, state table, alarm list, user role, test record, training, spare, licence และ escalation contact รวมทั้ง format และผู้ได้รับ admin access

7. Responsibility matrix

แจกบทบาทระหว่างโรงงาน machine builder, SI, AI supplier, IT operations และ telecom provider ต้องระบุคนรับผิดชอบ revalidation หลัง model update, ความสอดคล้องเมื่อแก้ PLC, security patch, remote-access approval และ night incident first response

เปลี่ยน FAT/SAT ให้เป็น Acceptance Gate

FAT และ SAT ไม่ใช่พิธีติ๊ก checklist แต่เป็น gate สำหรับตัดสินว่าจะเดินหน้าหรือหยุด FAT ทดสอบ logic, interface, fault injection, logging และ backup restore ที่ผู้ขาย SAT ทดสอบกับเครื่องจริง network จริง วัตถุดิบจริง คนจริง และสภาพกะจริง

อย่ารวม acceptance เป็นตัวเลขเดียว เช่น “AI accuracy 95%” ต้องกำหนด population, ผลของ false positive/negative, behavior เมื่อ confidence ต่ำ, ปริมาณงานที่ส่งให้คน และเวลาในการหยุด ค่าเป้าหมายมาจาก baseline และ risk ของกระบวนการ ไม่ใช่ case study อื่น

PoC 90 วันตรวจสอบ Operating Model ไม่ใช่แค่เทคโนโลยี

90 วันเป็นตัวอย่างการวางโครงการ ไม่ใช่คำรับรองผล เป็นช่วงที่บางโครงการสามารถทำ design, connection, test และ handover ได้หนึ่งรอบ การดัดแปลงเครื่องหรือ certification อาจใช้เวลานานกว่า ขณะที่ read-only recommendation อาจสั้นกว่า

วันที่ 1–15: ยืนยัน Boundary และ Baseline

• จำกัด SKU, เครื่อง, กะ และ mode
• ตรวจประเภทการหยุด การตัดสินคุณภาพ และวิธีวัด recovery ปัจจุบัน
• สรุป decision use case และ prohibited operation ในหน้าเดียว
• ตั้งผู้ review ด้าน safety, quality, cyber, privacy และ contract
• ตกลง success และ termination condition

อย่าสัญญาเปอร์เซ็นต์ปรับปรุงในช่วงนี้ ให้ทำ data definition และ measurement ให้ตรงกัน ข้อมูลหายและ label ไม่ตรงคือผลการค้นพบของ PoC

วันที่ 16–35: สร้าง Data และ Control Connection

จัด tag, clock, quality flag, asset ID และ user access เริ่ม read-only เพื่อตรวจคุณภาพข้อมูล ต่อด้วย recommendation แล้วจึงพิจารณา bounded write ปิด development access ก่อน production และบันทึก approval ทุก remote session

วันที่ 36–55: ทำ Scenario และ FAT

ฉีด fault เช่น communication loss, sensor fault, wrong material, low confidence, duplicate command และ upstream ช้า ตรวจ state transition และความตรงกันของ alert/log หากมี critical issue ให้เลื่อน site deployment

วันที่ 56–75: SAT หน้างานและ Restricted Operation

ใช้วัตถุดิบและ operator จริง ตรวจศัพท์ไทย/อังกฤษ shift handover, maintenance callout และ network behavior ฝึก operator ให้รู้ทั้งวิธีใช้ วิธีปฏิเสธคำแนะนำ AI กลับ manual และรายงานหลักฐาน

วันที่ 76–90: ประเมิน Handover และตัดสิน Gate ถัดไป

เทียบผลตามวิธีที่ตกลง แยก achieved, not achieved และ not measurable กรณีวัดไม่ได้ไม่ถือว่าสำเร็จ ต้องแก้ measurement design เจ้าของโครงการเป็นผู้ตัดสิน continue, reduce scope, hold หรือ stop

PoC ที่ดีอาจจบโดยไม่ขึ้น Production

การพบ boundary ที่ไม่ปลอดภัยหรือ dataset ไม่เหมาะและตัดสินใจไม่ deploy คือผลที่มีคุณค่า การตกลง failure condition ล่วงหน้าทำให้หน้างานกล้าเปิดเผยข้อยกเว้น แยกการประเมิน supplier ออกจาก capital decision เพราะเป้าหมาย PoC คือหลักฐานสำหรับการตัดสินใจ ไม่ใช่เดโมสวย

การนำมาใช้ในไทย: คน การบำรุงรักษา และ BOI

โรงงานไทยและอาเซียนมักมีผู้บริหารหลายชาติ หน้างานภาษาไทย OEM ต่างประเทศ และ SI ท้องถิ่น การแปลความรับผิดชอบสำคัญเท่ากับแปลหน้าจอ หาก alarm procedure, training, escalation หรือ change approval อยู่ภาษาเดียว การกู้คืนกะกลางคืนจะล้มเหลว ควรมี glossary ร่วมและผูกคำไทย อังกฤษ ญี่ปุ่นกับ state/event code เดียวกัน

สัญญาบำรุงรักษาต้องกำหนดว่าใครเห็นและเปลี่ยนอะไรได้ ไม่ใช่แค่ response time หลีกเลี่ยงกรณี machine supplier เห็น PLC, AI vendor เห็น model, IT เห็น server แต่ไม่มีใคร reconstruct เหตุการณ์ end-to-end ใช้ event ID ร่วม clock sync และ change ticket และอ้างอิง IEC 62443-2-4:2023 เพื่อตรวจการจัดการบุคลากร access configuration และ incident ของ IACS service provider

ข้อมูล Smart and Sustainable Industry ของ Thailand BOI ที่ใช้อ้างอิงในบทความนี้ระบุเงินลงทุนขั้นต่ำ 1 ล้านบาท และกรอบยกเว้นภาษีเงินได้นิติบุคคล 3 ปี โดยทั่วไปจำกัดที่ 50% ของเงินลงทุนที่เข้าเกณฑ์ หากเครื่องจักรหรืออุปกรณ์ที่เชื่อมโยงกับอุตสาหกรรมระบบอัตโนมัติในไทยมีมูลค่าอย่างน้อย 30% ของยอดรวม มีกรอบเพดาน 100% อย่างไรก็ตาม คุณสมบัติขึ้นกับกิจการ ประเภทรายจ่าย ขอบเขตการปรับปรุง เวลายื่นคำขอ และการจัดหา สิทธิประโยชน์ไม่ได้ใช้ได้อัตโนมัติทุกโครงการ ต้องยืนยันรายโครงการกับ BOI หรือที่ปรึกษาที่มีคุณสมบัติ และควรแยก technical scope ออกจาก incentive scope

KPI ของ Manufacturing AI Automation: ผลลัพธ์ ความเสี่ยง และการเรียนรู้

ถ้าวัด productivity อย่างเดียว หน้างานอาจมีแรงกดดันให้เลี่ยง safe stop หรือ quality hold ควรสมดุลสามกลุ่มตัวชี้วัด

KPI ต้องมี owner, formula, source, frequency และ exclusion rule หากไม่มี baseline ก่อน PoC ห้ามอ้าง improvement ให้ถือความสามารถวัดเป็น deliverable แรก และตั้งช่วงประเมินผลแยก

รูปแบบความล้มเหลวที่พบบ่อยและวิธีป้องกัน

เริ่มจากโมเดล AI แล้วค่อยคิดอำนาจหยุด

แม้เดโมแม่นยำ ระบบอาจไม่ถูกใช้เพราะไม่มีคำตอบเมื่อแนะนำผิด ให้ออกแบบสิทธิ์ propose, approve, execute, stop และ recover ก่อน

Train และ Test เฉพาะข้อมูลปกติ

ของจริงมีข้อมูลหาย อะไหล่เปลี่ยน SKU ใหม่ สิ่งสกปรก และแสงเปลี่ยน จึงต้องมี fault injection และ out-of-domain data ใน FAT/SAT

ใช้ Connection ของ PoC ต่อใน Production

มักเหลือ shared account, fixed password, open port และ manual CSV ต้องเพิ่ม authentication, audit log, backup, configuration document และการถอด access ที่ไม่จำเป็นใน exit criteria

มอง Operator ว่าต่อต้านการเปลี่ยนแปลง

Operator อาจกำลังชี้ว่าระบบกู้คืนไม่ได้ ให้ดึง exception knowledge เข้าสเปกและบันทึกเหตุผลที่ปฏิเสธ Human intervention คือข้อมูลเพื่อปรับ boundary ไม่ใช่ความล้มเหลวเสมอไป

ใช้ประกาศผู้ขายเป็น Business Case

ประกาศช่วยเห็นทิศทางเทคโนโลยี แต่ผลของโรงงานต้องพิสูจน์ด้วยข้อมูลโรงงาน ใส่ baseline, acceptance condition และ stop condition ในสัญญา

Checklist ก่อนสั่งซื้อระบบ Autonomous Factory AI

• ระบุ included/excluded scope ตามเครื่อง สินค้า และ mode
• แยก AI proposal ออกจาก executable operation
• ระบุ stop authority ของคน PLC safety system MES และ ERP
• กำหนด degraded behavior เมื่อสื่อสารขาดหรือข้อมูลหาย
• มี transition NORMAL, DEGRADED, SAFE STOP, RECOVERY
• วาด data/command boundary โดยอ้างอิง ISA-95
• FAT/SAT มี fault injection, restore และ permission test
• ตั้งเจ้าของ revalidation หลัง model update และ PLC change
• เตรียม training ภาษาไทย night escalation และ handover
• ตรวจ BOI รายโครงการ ไม่ถือว่าได้รับแน่นอน
• ตกลง PoC termination และ access removal
• อนุมัติ KPI formula, data source และ baseline period

FAQ เรื่องการนำโรงงานอัตโนมัติมาใช้

Autonomous factory คือโรงงานไร้คนทั้งหมดหรือไม่

ไม่ใช่ ระบบตัดสินใจและปรับได้ใน operating domain ที่กำหนด และเมื่อออกนอกขอบเขตจะลดความสามารถหรือหยุดอย่างปลอดภัยเพื่อส่งต่อให้คน คนยังดูแลเป้าหมาย ข้อจำกัด ข้อยกเว้น และ change approval

วัดระดับความพร้อม Automation อย่างไร

วัดขอบเขต visibility, recommendation, bounded autonomy, coordinated decision และ safe recovery ประเมินเป็นรายกระบวนการและจุด handoff ไม่ใช้คะแนนเฉลี่ยโรงงานอย่างเดียว

เรื่องสำคัญที่สุดใน Autonomous Factory RFP คืออะไร

คือ scope, decision ที่อนุญาต, prohibited operation, stop/recovery authority, acceptance evidence และ responsibility เมื่อระบุชัดจึงเทียบข้อเสนอและบังคับใช้ FAT/SAT ได้

PoC 90 วันพิสูจน์ผลทั้งหมดได้หรือไม่

ไม่เสมอไป สามารถตรวจ technical feasibility, operating boundary, data quality และ exception recovery แต่ seasonal variation, SKU ทั้งหมด และอายุเครื่องอาจต้องสังเกตนานกว่า

สิทธิประโยชน์ BOI สำหรับ Automation ได้แน่นอนหรือไม่

ไม่แน่นอน โครงการมีเงื่อนไขด้านเงินลงทุน การจัดหา กิจการ ค่าใช้จ่าย และช่วงเวลา ต้องยืนยันกรณีเฉพาะกับ BOI หรือที่ปรึกษาที่มีคุณสมบัติ

สรุป: ความสำเร็จของโรงงานอัตโนมัติอยู่ที่ขอบเขตการแทรกแซง

คุณค่าของ autonomous factory ไม่ใช่การเอาคนออก แต่คือให้เครื่องและซอฟต์แวร์รับผิดชอบการตัดสินใจซ้ำ ๆ เพื่อให้คนมุ่งที่เป้าหมาย ข้อยกเว้น การปรับปรุง และการเปลี่ยนแปลงที่ควบคุมได้ ประเมิน maturity เป็นรายกระบวนการ กำหนดขอบเขตข้อมูลกับคำสั่ง อำนาจหยุด degraded/recovery และความรับผิดชอบบำรุงรักษา ใช้ RFP ทำให้ข้อเสนอเทียบกัน ทดสอบ fault ใน FAT/SAT และเก็บหลักฐานด้วย PoC 90 วันก่อนขยาย scope

TOMAS TECH สนับสนุนโรงงานในไทยได้ตั้งแต่การวินิจฉัยเบื้องต้น การจัดทำ RFP การแบ่งความรับผิดชอบ PLC/MES/AI ไปจนถึง scenario สำหรับ FAT/SAT แม้สเปกเครื่องจักรยังไม่เสร็จ ก็สามารถหารือเพื่อเลือกขอบเขตแรกที่ปลอดภัยได้ผ่าน หน้าติดต่อเรา

เอกสารอ้างอิง

1. Rockwell Automation, AI-driven autonomous factories (18 Sep 2026)
2. Siemens, How industrial AI is transforming manufacturing with intelligent solutions (18 Sep 2026)
3. FANUC America, Robotics, Automation, Physical AI and CNC Innovation at IMTS 2026 (3 Sep 2026)
4. ISA, ISA-95 Standard
5. IEC, IEC 62443-2-4:2023
6. ISO, ISO 10218-2:2025
7. Thailand Board of Investment, Smart and Sustainable Industry
8. NIST, AI Risk Management Framework resources