ความเสี่ยงและความล้มเหลวของการลงทุนระบบอัตโนมัติ | 3 โครงสร้างที่ทำให้โครงการพัง และโรดแมป 4 ขั้น

ความเสี่ยงและความล้มเหลวของระบบอัตโนมัติ ส่วนใหญ่ไม่ได้เกิดจากการที่หุ่นยนต์หรือ AI มีสมรรถนะไม่พอ ผ่านไป 3 เดือนหลังติดตั้งแล้วผลิตภาพยังไม่ขยับ มองไม่เห็นเส้นทางการคืนทุน หรือหน้างานค่อย ๆ เลิกใช้ไปเองโดยไม่มีใครประกาศ ปลายทางแบบนี้มักมีต้นเหตุอยู่ที่เกณฑ์การตัดสินใจก่อนเซ็นสัญญา และการออกแบบขอบเขตเชื่อมต่อกับระบบเดิมที่มีอยู่ บทความนี้จะเรียบเรียงโครงสร้าง 3 อย่างที่ทำให้การลงทุนระบบอัตโนมัติพังลง พร้อมแนวทางดำเนินการเพื่อหลีกเลี่ยงปัญหาเหล่านี้ในโรงงานไทยและอาเซียน โดยอ้างอิงตัวเลขจากแหล่งข้อมูลปฐมภูมิที่เผยแพร่ต่อสาธารณะ

ความเสี่ยงและความล้มเหลวของระบบอัตโนมัติเกิดที่โครงสร้าง ไม่ใช่ที่สมรรถนะ

อัตราความล้มเหลวของโครงการระบบอัตโนมัติถูกรายงานไว้ในระดับที่สูงกว่าที่ผู้บริหารส่วนใหญ่คาดไว้มาก รายงานเดือนสิงหาคม 2026 ที่อ้างอิงผลสำรวจของ McKinsey ระบุตัวเลขแยกตามขอบเขตงานไว้ดังนี้

จุดที่ควรสังเกตคือช่องว่างระหว่างอัตราความล้มเหลว 30-50% ของงานอัตโนมัติทั่วไป กับตัวเลขที่ พุ่งขึ้นไปถึง 73% เมื่อนำกระบวนการเดิมที่ยังมีปัญหาไปทำให้เป็นอัตโนมัติโดยไม่ปรับปรุงก่อน ใช้เครื่องมือเดียวกัน ผู้ขายรายเดียวกัน งบประมาณก้อนเดียวกัน แต่ผลลัพธ์กลับแยกออกเป็นสองขั้ว ขึ้นอยู่กับว่างานที่จะทำให้เป็นอัตโนมัตินั้นถูกจัดระเบียบมาก่อนหรือไม่ นี่ไม่ใช่ปัญหาทางเทคโนโลยี แต่เป็นปัญหาของการออกแบบก่อนลงมือ

และตัวเลขที่ว่า 68% ของโครงการที่ล้มเหลวถูกยุติภายใน 18 เดือน บอกเราว่าความล้มเหลวมักไม่จบลงในรูปแบบ “ปรับปรุงแล้วกลับมาใหม่” แต่จบลงในรูปแบบ “ถอนตัวออกไปเงียบ ๆ” เครื่องจักรยังอยู่ ค่าเสื่อมยังตัดต่อไป และสิ่งที่เหลือไว้ในความทรงจำของหน้างานคือกรณีตัวอย่างที่ว่า “เรื่องนั้นมันไม่เวิร์ก” เมื่อรวมความเสียหายทางอ้อมอย่างการที่ข้อเสนอระบบอัตโนมัติครั้งถัดไปผ่านที่ประชุมได้ยากขึ้น ความสูญเสียจริงจะมากกว่ามูลค่าเงินลงทุนที่จ่ายไป

ในงาน FA ของหน้างานผลิตก็มีโครงสร้างแบบเดียวกัน สื่อเฉพาะทางด้านอุตสาหกรรมการผลิตของสหรัฐฯ รายงานกรณีโรงงานแห่งหนึ่งที่ติดตั้ง AMR (หุ่นยนต์ขนย้ายเคลื่อนที่อัตโนมัติ) แล้วผ่านไป 3 เดือน ผลิตภาพยังคงนิ่งอยู่ที่เดิม เมื่อสืบสาวหาต้นเหตุ พบว่าปัญหาไม่ได้อยู่ที่ตัวหุ่นยนต์ ระบบ MES รุ่นเดิมที่ใช้อยู่ สั่งงานออกมาด้วยการประมวลผลแบบแบตช์รอบละ 90 วินาที ในขณะที่ AMR ถูกออกแบบให้ตอบสนองได้ในระดับมิลลิวินาที ผลคือ AMR เอาแต่รอคำสั่งที่ใช้งานได้จริงส่งลงมา และตกอยู่ใน สภาวะว่าง (idle) ต่อเนื่อง สื่อรายเดียวกันชี้ว่ารูปแบบนี้กำลังแพร่กระจายอย่างเงียบ ๆ ท่ามกลางเม็ดเงินลงทุนระดับ 7 ล้านล้านดอลลาร์ในอุตสาหกรรมการผลิตของสหรัฐฯ

ต่อให้ซื้อหุ่นยนต์สมรรถนะสูงมาใช้ ถ้าคำสั่งที่จะขับเคลื่อนมันมาถึงแค่ 90 วินาทีต่อครั้ง สมรรถนะของหุ่นยนต์ตัวนั้นก็มีอยู่แค่บนหน้ากระดาษบัญชี ต่อจากนี้เราจะแยกชิ้นส่วนสาเหตุเชิงโครงสร้าง 3 ข้อที่ผลิตความล้มเหลวประเภทนี้ออกมาทีละข้อ

สาเหตุเชิงโครงสร้างที่ 1 – โมเดล ROI ที่ง่ายเกินไปทำให้การคืนทุนของการลงทุนระบบอัตโนมัติผิดเพี้ยน

สมการบรรทัดเดียวที่เอาค่าหุ่นยนต์หารด้วยค่าแรงที่ลดได้

การคำนวณที่พบบ่อยที่สุดในเอกสารขออนุมัติงบระบบอัตโนมัติ สรุปได้เป็นบรรทัดเดียว คือเอามูลค่าเครื่องจักรหารด้วยค่าแรงต่อปีที่ประหยัดได้ เพื่อหาจำนวนปีคืนทุน เป็นสมการที่เข้าใจง่ายและผ่านการอนุมัติได้ไม่ยาก ปัญหาอยู่ตรงที่สมการนี้ ประเมินทั้งตัวเศษและตัวส่วนคลาดเคลื่อนไปคนละทาง

ตัวเศษซึ่งเป็นมูลค่าเครื่องจักร มักรวมแค่ตัวหุ่นยนต์ มือจับ ฐานติดตั้ง และรั้วนิรภัย แต่ไม่ค่อยรวมงานพัฒนาเพื่อเชื่อมต่อกับระบบเดิม งานเดินไฟ ลม และเครือข่าย การหยุดผลิตชั่วคราวที่เกิดจากการปรับผังโรงงาน รวมถึงต้นทุนการเดินคู่ขนานระหว่างช่วงเริ่มต้นใช้งาน ส่วนตัวส่วนซึ่งเป็นค่าแรงที่ลดได้ มักคำนวณจาก “จำนวนคนที่ยืนอยู่ในกระบวนการนั้นคูณด้วยค่าแรง” ทั้งที่ในความเป็นจริง แม้ทำระบบอัตโนมัติแล้วก็ยังต้องมีคนอยู่เพื่อเปลี่ยนรุ่น กู้คืนเมื่อเกิดความผิดปกติ และตรวจสอบคุณภาพ การลดกำลังคนส่วนใหญ่ไม่ได้เกิดในแบบมีหรือไม่มี แต่เกิดในรูปแบบ จาก 2 คนเหลือ 1 คน

อัตราการเดินเครื่องคือตัวแปรที่ใหญ่ที่สุด

สิ่งที่กำหนดจำนวนปีคืนทุนมากที่สุดไม่ใช่ราคาต่อหน่วยหรือค่าแรง แต่คืออัตราการเดินเครื่องจริง ตัวเลข “ได้กี่ชิ้นต่อวัน” ที่คำนวณจากรอบเวลาทางทฤษฎี จะหดตัวลงอย่างมากเมื่อหักเวลาเปลี่ยนรุ่น รอวัตถุดิบ กระบวนการต้นน้ำหยุด และเวลาบำรุงรักษาออกไป ตัวอย่างเช่น แผนที่ตั้งอยู่บนสมมติฐานอัตราการเดินเครื่องทางทฤษฎี 85% และคืนทุนใน 2 ปี ถ้าของจริงทำได้เพียง 60% ระยะคืนทุนจะยืดออกไปเกือบ 3 ปี พูดอีกอย่างคือ พลาดการประเมินอัตราการเดินเครื่องเพียงจุดเดียว ข้อสรุปของการตัดสินใจลงทุนก็เปลี่ยนได้ทันที

กรณี AMR ที่ยกมาข้างต้นคือตัวอย่างที่อัตราการเดินเครื่องนี้ ถูกกำหนดโดยเงื่อนไขของระบบอื่น ไม่ใช่โดยสมรรถนะของเครื่องจักรที่ซื้อมา ต่อให้สเปกในแคตตาล็อกของหุ่นยนต์ตัวนั้นดีเลิศเพียงใด ถ้าการป้อนคำสั่งกลายเป็นคอขวด อัตราการเดินเครื่องจริงก็จะตันอยู่ตรงนั้น อัตราการเดินเครื่องไม่ใช่ตัวเลขที่ถูกกำหนดตอนซื้อ แต่เป็นตัวเลขที่ถูกกำหนดโดยการออกแบบระบบรอบข้าง

ต้นทุนการเชื่อมต่อและต้นทุนการอบรมไม่เคยปรากฏในใบเสนอราคา

ใบเสนอราคาของงานระบบอัตโนมัติส่วนใหญ่ครอบคลุมเฉพาะฮาร์ดแวร์และการติดตั้ง แต่กว่าจะนำระบบขึ้นใช้งานจริงได้ ยังมีค่าใช้จ่ายเหล่านี้เกิดขึ้น

• งานพัฒนาอินเทอร์เฟซกับระบบบริหารการผลิตหรือ MES ที่ใช้อยู่ รวมถึงชั่วโมงประชุมเพื่อปรับข้อกำหนดให้ลงตัว
• การจัดระเบียบมาสเตอร์รหัสสินค้า มาสเตอร์กระบวนการ มาสเตอร์ตำแหน่งจัดเก็บ และการสำรวจข้อมูลเดิมทั้งหมด
• การอบรมการใช้งาน การฝึกรับมือเมื่อเกิดความผิดปกติ การแก้ไขเอกสารมาตรฐานการทำงานและการแปลหลายภาษา
• การแก้ปัญหาช่วงต้นหลังเริ่มใช้งาน และช่วงเวลาปรับจูนพารามิเตอร์
• สต็อกอะไหล่สำหรับงานบำรุงรักษา การวางแผนบำรุงรักษาเชิงป้องกัน และการสร้างทักษะให้ช่างซ่อมบำรุงภายใน

รายการเหล่านี้มักหลุดออกจากวงสนทนาเรื่องความคุ้มค่าการลงทุน ทั้งที่เมื่อรวมกันแล้วอาจสูงถึงหลายสิบเปอร์เซ็นต์ของมูลค่าเครื่องจักร ความย้อนแย้งอยู่ตรงนี้เอง คือ ค่าใช้จ่ายที่ไม่ปรากฏในใบเสนอราคาต่างหากที่เป็นตัวกำหนดจำนวนปีคืนทุน วิธีคิดเพื่อประกอบภาพรวมของการลงทุนในเครื่องจักรทั้งก้อน เราได้เรียบเรียงไว้แล้วในบทความเรื่อง การวางแผนลงทุนเครื่องจักรของโรงงานควรประกอบขึ้นอย่างไร

สมมติฐานขยับได้ตลอด สมการปีเดียวจึงไม่พอ

สิ่งที่ยุ่งยากยิ่งกว่าคือสมมติฐานของการคำนวณคืนทุนเองก็เปลี่ยนไปทุกปี ในประเทศไทย ค่าจ้างขั้นต่ำถูกปรับขึ้นเป็นขั้น ๆ จาก 300 บาทในปี 2013 มาเป็น 363 บาทในกรุงเทพฯ ปี 2024 เป็น 372 บาทในเดือนมกราคม 2025 และเป็น 400 บาทในเดือนกรกฎาคม 2025 โดยครอบคลุมพื้นที่กรุงเทพฯ ทั้งหมดรวมถึงโรงแรมและสถานบันเทิง ส่วนอัตราการขึ้นค่าจ้างรายปีจากผลสำรวจของ JETRO อยู่ที่ 3.8% ในปี 2023 ปี 2024 อยู่ที่ 4.58% และปี 2025 คาดการณ์ไว้ที่ 4.64% ซึ่งยืนอยู่ในระดับ 4 เปอร์เซ็นต์กว่า ๆ ต่อเนื่อง

หมายความว่า ค่าแรงที่ลดได้ ซึ่งคำนวณไว้ตอนพิจารณาโครงการ ไม่ใช่ตัวเลขที่หยุดนิ่ง แต่เป็นตัวเลขที่โตขึ้นปีละไม่กี่เปอร์เซ็นต์ทุกปี กลับกัน วิธีคำนวณจำนวนปีคืนทุนด้วยค่าแรงของปีเดียว จึงเท่ากับ ประเมินผลของระบบอัตโนมัติต่ำเกินจริง การทำโมเดล ROI ให้ง่ายเกินไปจึงส่งผลได้ทั้งในทิศทางที่ทำให้การลงทุนดูเกินจริง และในทิศทางที่ทำให้ดูด้อยกว่าความเป็นจริง

ในอีกด้านหนึ่ง ตัวเลขอ้างอิงระยะคืนทุนที่ข้อมูลตลาดแสดงไว้ก็ไม่ได้มองโลกในแง่ร้ายเลย ตลาดหุ่นยนต์ทำงานร่วมกับคน (Cobot) มีมูลค่า 11.3 พันล้านดอลลาร์ ณ ปี 2026 เติบโตปีละ 28% และมียอดส่งมอบ 210,000 ตัวใน 4 ไตรมาสล่าสุด รายงานตลาดฉบับเดียวกันระบุว่าระยะคืนทุนของหุ่นยนต์ทำงานร่วมกับคนอยู่ที่ราว 6-12 เดือน ส่วนตัวเลขระดับนี้จะเกิดขึ้นจริงหรือไม่ ขึ้นอยู่กับอัตราการเดินเครื่องและการออกแบบการเชื่อมต่อโดยตรง รายละเอียดโครงสร้างต้นทุนและลำดับการดำเนินงาน อ่านเพิ่มเติมได้ที่ บทความที่เรียบเรียงค่าใช้จ่ายและขั้นตอนการนำหุ่นยนต์ทำงานร่วมกับคนมาใช้

สาเหตุเชิงโครงสร้างที่ 2 – ขอบเขตระหว่างระบบที่ไม่ลงรอยกัน คือแหล่งเพาะความล้มเหลวของการนำ FA มาใช้

ความเร็วในการตอบสนองที่ไม่ตรงกัน

กรณี AMR กับ MES รุ่นเดิมที่กล่าวถึงตอนต้น คือตัวอย่างคลาสสิกของขอบเขตระหว่างระบบที่ไม่ลงรอยกัน เมื่อนำระบบสองตัวที่มีแกนเวลาห่างกันเกิน 3 หลัก คือ รอบแบตช์ 90 วินาที กับสมรรถนะการตอบสนองระดับมิลลิวินาที มาต่อตรงเข้าหากัน ฝั่งที่เร็วกว่าย่อมต้องรอเสมอ ที่สำคัญคือเวลารอนี้ไม่ปรากฏเป็น “ความผิดปกติ” บนหน้าจอจัดการของ AMR เพราะหุ่นยนต์อยู่ในสถานะพร้อมทำงานตามปกติ เพียงแต่ไม่มีคำสั่งเข้ามาเท่านั้น

สิ่งที่เกิดขึ้นที่หน้างานคือ ช่วงเวลาที่หุ่นยนต์ไม่ได้ขยับมีมากขึ้นเรื่อย ๆ แต่ไม่มีหน้าจอแจ้งเตือนใดขึ้นสีแดงเลย การแยกแยะสาเหตุทำได้ยากเพราะทั้งสองฝั่งทำงานถูกต้องตามข้อกำหนดของตัวเอง เมื่อการออกแบบขอบเขตหายไป ความรับผิดชอบก็พร่าเลือนตามไปด้วย ผู้ขายหุ่นยนต์จะบอกว่าอุปกรณ์ของตนกำลังรอคำสั่ง ส่วนผู้ขายระบบจะตอบว่ารอบแบตช์เป็นข้อกำหนดเดิมของระบบ ในเมื่อไม่มีใครผิด เรื่องจึงมักถูกปล่อยค้างไว้

ความละเอียดของข้อมูลและรหัสอ้างอิงที่ไม่ตรงกัน

ไม่ใช่แค่แกนเวลา ความละเอียดของข้อมูลก็สร้างความไม่ลงรอยที่ขอบเขตได้เช่นกัน ระบบบริหารการผลิตถือสต็อกเป็นระดับล็อต AMR บริหารการขนย้ายเป็นระดับชั้นวางหรือระดับคอนเทนเนอร์ ส่วนเซลล์หุ่นยนต์ประมวลผลเป็นระดับชิ้นงานเดี่ยว หากไม่มีการกำหนดกฎการแปลงที่เชื่อมความละเอียดทั้ง 3 ระดับนี้เข้าด้วยกัน จะไม่มีใครตอบได้ว่า “ชิ้นงานไหนของล็อตไหน ตอนนี้อยู่บนชั้นวางไหน”

การออกแบบรหัสอ้างอิงก็เช่นกัน ถ้าระบบรหัสสินค้าเดิมมีทั้งรหัสย่อยและรหัสชั่วคราวปะปนกันอยู่ ระบบอัตโนมัติจะประมวลผลข้อยกเว้นไม่ได้และหยุดทำงาน คนสามารถตีความได้ว่า “อันนี้คือรหัสชั่วคราวของกระบวนการก่อนหน้า” แต่ระบบอัตโนมัติไม่มีหลักฐานอะไรให้ตีความ เนื้อในของตัวเลขที่ว่า อัตราความล้มเหลวพุ่งถึง 73% เมื่อนำกระบวนการเดิมที่ยังมีปัญหาไปทำให้เป็นอัตโนมัติโดยไม่ปรับปรุงก่อน ส่วนใหญ่ก็คือความไม่สอดคล้องของข้อมูลพื้นฐานแบบนี้เอง

ใครจะรับผิดชอบการจัดการข้อยกเว้น

สิ่งที่กินชั่วโมงงานมากที่สุดในการออกแบบระบบอัตโนมัติ ไม่ใช่เส้นทางปกติ แต่คือเส้นทางผิดปกติ เมื่อจุดหมายปลายทางของการขนย้ายเต็ม เมื่อท่าวางของชิ้นงานผิดไปจากที่คาด เมื่อกระบวนการต้นน้ำหยุดแล้วคำสั่งขาดช่วง การขีดเส้นว่าจะให้ระบบจัดการอัตโนมัติถึงระดับไหน และจะส่งต่อให้คนตั้งแต่จุดใด คือสิ่งที่กำหนดอัตราการเดินเครื่องโดยตรง

ถ้าเริ่มใช้งานโดยที่เส้นแบ่งยังคลุมเครือ ทุกครั้งที่เกิดความผิดปกติก็จะต้องเรียกคน ขั้นตอนการกู้คืนจะผูกติดกับตัวบุคคล และสุดท้ายจะนำไปสู่ข้อสรุปที่ว่า “ถ้าต้องถูกเรียกขนาดนี้ ทำมือตั้งแต่แรกยังจะดีกว่า” ความล้มเหลวของการนำหุ่นยนต์มาใช้ส่วนใหญ่ไม่ได้เริ่มจากการเสีย แต่เริ่มจากการไม่มีการออกแบบการทำงานตอนเกิดความผิดปกติ เงื่อนไขตั้งต้นที่ต้องจับให้อยู่ในงานระบบขนย้าย เราเรียบเรียงไว้แล้วใน แนวทางและค่าใช้จ่ายในการนำ AGV และ AMR มาใช้

ตัวเลขที่จะออกมาก็ต่อเมื่อเชื่อมต่อกันได้จริง

ผลลัพธ์เมื่อออกแบบขอบเขตได้ถูกต้องนั้นชัดเจน รายงานตลาด AMR ประเมินว่าตลาดมีมูลค่า 3.4 พันล้านดอลลาร์ เติบโตปีละ 19.5% และจะแตะ 17 พันล้านดอลลาร์ในปี 2035 พร้อมกับระบุผลของการนำมาใช้ว่าช่วยลดรอบเวลาตั้งแต่รับคำสั่งซื้อจนถึงส่งมอบได้ สูงสุด 40% และลดกำลังคนในงานขนย้ายได้ 30-50% อย่างไรก็ตาม เมื่อพิจารณาจากกรณี AMR กับ MES รุ่นเดิมที่ดูมาทั้งหมด การประเมินที่สมเหตุสมผลคือ ตัวเลขเหล่านี้จะออกมาตรงตามนั้นเฉพาะกรณีที่ผสานเข้ากับโครงสร้างพื้นฐานและระบบของโรงงานได้อย่างเหมาะสมเท่านั้น

ลงเครื่องรุ่นเดียวกัน โรงงานที่ออกแบบการเชื่อมต่อมาดีจะได้ผลลดเวลาลง 40% ส่วนโรงงานที่ไม่ได้ทำ ผ่านไป 3 เดือนตัวเลขก็ยังนิ่งเท่าเดิม ผลสำเร็จของระบบอัตโนมัติไม่ได้ถูกกำหนดโดยการเลือกอุปกรณ์ แต่ถูกกำหนดโดยคุณภาพของเส้นที่เราลากไว้ระหว่างอุปกรณ์กับระบบเดิม

สาเหตุเชิงโครงสร้างที่ 3 – การขาดการบริหารการเปลี่ยนแปลงและการฝังตัวที่หน้างานจะออกฤทธิ์เป็นลำดับสุดท้าย

ระยะห่างระหว่างคำว่า “ใช้งานได้” กับคำว่า “ถูกใช้จริง”

การที่ระบบทำงานตรงตามข้อกำหนด ณ วันตรวจรับ กับการที่อีกครึ่งปีต่อมายังทำอัตราการเดินเครื่องได้เท่าเดิม เป็นคนละเรื่องกัน เครื่องจักรอัตโนมัติจะค่อย ๆ ทำผลงานได้แย่ลงเมื่อเงื่อนไขรอบข้างเปลี่ยนไป มีสินค้าใหม่เพิ่มเข้ามา ค่าพิกัดความเผื่อของชิ้นงานเปลี่ยน ขั้นตอนการเปลี่ยนรุ่นเปลี่ยน ผังการวางเครื่องขยับไปเล็กน้อย ถ้าในองค์กรไม่มีคนที่ปรับพารามิเตอร์ตามได้ทุกครั้งที่เกิดเรื่องเหล่านี้ เครื่องจักรจะค่อย ๆ กลายเป็น “เครื่องที่ใช้ยาก”

ตัวเลขที่ว่า 68% ของโครงการที่ล้มเหลวถูกยุติภายใน 18 เดือน สอดคล้องกับกรอบเวลานี้พอดี 18 เดือนคือระยะเวลาที่พอเหมาะให้ความกระตือรือร้นช่วงแรกเย็นลง ผู้รับผิดชอบถูกโยกย้าย และเงื่อนไขรอบข้างหมุนครบหนึ่งรอบ จุดชี้ขาดของการฝังตัวจึงไม่ได้อยู่ที่ 1-2 เดือนแรกหลังติดตั้ง แต่อยู่ที่ จะออกแบบหนึ่งปีครึ่งหลังจากนั้นอย่างไร

ความเสี่ยงเรื่องการฝังตัวที่เป็นเรื่องเฉพาะของโรงงานในไทย

ในโรงงานญี่ปุ่นทั่วอาเซียน ความยากของการบริหารการเปลี่ยนแปลงยิ่งสูงขึ้นไปอีก ในสถานที่ทำงานที่พึ่งพาแรงงานต่างชาติในสัดส่วนสูง บุคลากรที่อบรมไปแล้วก็ไม่แน่ว่าจะอยู่กับองค์กรต่อไป ต่อให้จัดทำมาตรฐานการทำงานทั้งภาษาญี่ปุ่นและภาษาไทยไว้แล้ว หากผู้ปฏิบัติงานจริงเป็นผู้พูดภาษาเมียนมา ขั้นตอนที่ส่งต่อกันด้วยปากเปล่าก็จะผิดเพี้ยนไปเรื่อย ๆ ในแต่ละรุ่นของคนทำงาน

การจะทำให้ระบบอัตโนมัติฝังตัวได้ในสภาพแวดล้อมแบบนี้ ต้องเลิกมองการอบรมว่าเป็นการฝึกที่ทำกับตัวคน แล้วผนวกมันเข้าไปในการออกแบบตัวงานเองแทน เช่น ทำหน้าจอปฏิบัติการโดยยึดไอคอนเป็นหลัก ออกแบบโครงสร้างให้ทำผิดขั้นตอนไม่ได้ในเชิงกายภาพ และติดขั้นตอนการกู้คืนเมื่อเกิดความผิดปกติแบบแผ่นเดียวจบที่ใช้ภาพถ่ายเป็นหลักไว้ที่หน้างาน การใส่ใจรายละเอียดเล็ก ๆ ที่ดูไม่หวือหวาเหล่านี้แหละที่ป้องกันไม่ให้ต้นทุนการอบรมกลับมาเกิดซ้ำ

การขีดเส้นแบ่งระหว่างงานบำรุงรักษาภายในกับงานที่จ้างภายนอก

อีกเงื่อนไขหนึ่งของการฝังตัวคือระบบงานบำรุงรักษา การแก้ไขการสอนตำแหน่งหุ่นยนต์ การปรับตั้งระบบวิชันใหม่ การเปลี่ยนอะไหล่สิ้นเปลือง การแก้พารามิเตอร์ง่าย ๆ ถ้าต้องเรียกผู้ขายเข้ามาทุกครั้ง เวลาที่รอการตอบสนองจะกลายเป็นเวลาหยุดเครื่องเต็ม ๆ และค่าใช้จ่ายก็สะสมขึ้นเรื่อย ๆ แต่หากจะทำเองทั้งหมด ภาระด้านการอบรมก็จะเกินกว่าที่ทำได้จริง

ในทางปฏิบัติ สิ่งที่ได้ผลคือ การระบุเป็นลายลักษณ์อักษรตั้งแต่ขั้นตอนทำสัญญาก่อนเริ่มโครงการ ว่าขอบเขตใดทำเองภายใน และขอบเขตใดมอบให้ผู้ขาย จะได้รับซอร์สโค้ดและเอกสารถึงระดับไหน สิทธิความเป็นเจ้าของข้อมูลการสอนตำแหน่งอยู่กับฝ่ายใด เวลาตอบสนองในกรณีฉุกเฉินคือกี่ชั่วโมง การมีหรือไม่มีข้อตกลงเหล่านี้ส่งผลอย่างมากต่ออัตราการเดินเครื่องตั้งแต่ปีที่ 3 เป็นต้นไป มุมมองในการคัดเลือกพันธมิตร เราสรุปไว้ใน วิธีเลือกผู้รับงานระบบหุ่นยนต์

ใครเป็นคนตัดสินใจว่า “พอแค่นี้”

สิ่งที่มักไม่ถูกออกแบบไว้อย่างน่าแปลกใจ คือเส้นทางการตัดสินใจถอนตัวหรือเปลี่ยนข้อกำหนด เมื่อผลที่คาดไว้ไม่ออกมา ใครจะเป็นคนตัดสิน ด้วยตัวชี้วัดใด และเมื่อไร ถ้าไม่มีกลไกนี้ โครงการจะถูกปล่อยค้างไว้โดยไม่มีการประกาศทั้งความสำเร็จและความล้มเหลว แล้วจบลงเงียบ ๆ เมื่อไม่มีงบประมาณตั้งให้ในอีก 18 เดือนถัดมา การกำหนดจังหวะและเกณฑ์การตัดสินไว้ก่อนเริ่มโครงการ จึงไม่ได้มีไว้เพื่อป้องกันความล้มเหลว แต่มีไว้เพื่อ ทำให้ความล้มเหลวจบลงเร็วและเล็กที่สุด

3 เงื่อนไขตั้งต้นที่โรงงานในไทยและอาเซียนกำลังเผชิญ

เงื่อนไขที่ 1 – ค่าแรงยังมีทิศทางสูงขึ้นต่อไป

ความเคลื่อนไหวของค่าจ้างขั้นต่ำในไทยส่งผลโดยตรงต่อการตัดสินใจลงทุนระบบอัตโนมัติ

นอกจากนี้ พรรคเพื่อไทยยังประกาศนโยบายปรับขึ้นเป็นวันละ 600 บาทภายในปี 2027 ซึ่งเทียบกับระดับ 372 บาทเมื่อเดือนมกราคม 2025 แล้วคิดเป็นการเพิ่มขึ้นราว 61% และแม้เทียบกับระดับล่าสุด 400 บาทเมื่อเดือนกรกฎาคม 2025 ก็ยังเป็นการเพิ่มขึ้นถึง 50% นโยบายจะเป็นจริงตามนั้นหรือไม่เป็นอีกเรื่องหนึ่ง แต่การวางแผนลงทุนบนสมมติฐานว่า สถานการณ์ที่ค่าแรงลดลงนั้นแทบไม่มีอยู่จริง คือแนวทางที่สมเหตุสมผล หากอัตราการเพิ่มระดับ 4 เปอร์เซ็นต์กว่า ๆ ดำเนินต่อไป ค่าแรงในอีก 5 ปีข้างหน้าจะอยู่ที่ประมาณ 1.2 เท่าของปัจจุบัน

เงื่อนไขที่ 2 – สิทธิประโยชน์ BOI ต้องตรวจเงื่อนไขที่ใช้ได้จริงก่อน

ในการมุ่งสู่ปี 2026 BOI ของไทยกำลังขยับน้ำหนักจากการให้สิทธิประโยชน์การลงทุน ไปสู่การสนับสนุนให้โครงการเกิดขึ้นจริงเร็วขึ้น มาตรการสิทธิประโยชน์สำหรับอุตสาหกรรมอัจฉริยะและยั่งยืนกำหนดเงินลงทุนขั้นต่ำ 1 ล้านบาท พร้อมยกเว้นภาษีเงินได้นิติบุคคล 3 ปี จุดสำคัญอยู่ที่เงื่อนไขเพดานการยกเว้น โดย ปกติเพดานอยู่ที่ 50% ของมูลค่าเงินลงทุนที่เข้าเกณฑ์ แต่ เฉพาะกรณีที่เครื่องจักรระบบอัตโนมัติและหุ่นยนต์ที่ผลิตในประเทศมีสัดส่วนตั้งแต่ 30% ขึ้นไป เพดานจะขยับเป็น 100%

เงื่อนไขนี้ส่งผลโดยตรงต่อการเลือกอุปกรณ์ จะจัดสเปกทั้งชุดด้วยเครื่องรุ่นใหม่ล่าสุดจากต่างประเทศ หรือจะรักษาสัดส่วนที่ผลิตในประเทศไว้ระดับหนึ่งเพื่อดึงสิทธิประโยชน์ให้มากที่สุด ถ้ามาตรวจสอบสิทธิประโยชน์หลังจากข้อกำหนดทางเทคนิคนิ่งแล้ว การเลือกใหม่แทบเป็นไปไม่ได้ การตรวจสอบเงื่อนไขของมาตรการส่งเสริมจึงเป็นขั้นตอนที่ต้องทำก่อนการคัดเลือกอุปกรณ์

เงื่อนไขที่ 3 – การลงทุนรอบตัวกำลังเร่งตัวขึ้น

มูลค่าคำขอรับการส่งเสริมการลงทุนของไทยในครึ่งปีแรกของปี 2026 อยู่ที่ 43.6 พันล้านดอลลาร์ เพิ่มขึ้น 37% จากช่วงเดียวกันของปีก่อน และมีจำนวน 1,299 โครงการ ในจำนวนนี้ มาตรการ Smart and Sustainable Industry ของ BOI มีคำขอ 132 โครงการ มูลค่า 507.6 ล้านดอลลาร์ โดยครอบคลุมการปรับปรุงเครื่องจักร การประหยัดพลังงาน การนำเทคโนโลยีดิจิทัลมาใช้ และการนำระบบอัตโนมัติกับหุ่นยนต์มาใช้

สิ่งที่ตัวเลขนี้บอกก็คือ ภายในนิคมอุตสาหกรรมเดียวกัน คู่แข่งในธุรกิจเดียวกันกำลังขยับไปในทิศทางเดียวกัน นี่ไม่ใช่เหตุผลให้รีบร้อนลงทุน แต่ข้อเท็จจริงที่ต้องจับไว้คือ ต้นทุนของการเลื่อนการตัดสินใจออกไปกำลังสูงขึ้นทุกปี

แนวทางการทำระบบอัตโนมัติที่ไม่ล้มเหลว – โรดแมป 4 ขั้น

เมื่อพลิกสาเหตุเชิงโครงสร้างทั้ง 3 ข้อกลับด้าน แนวทางดำเนินการก็จะปรากฏขึ้นเอง สิ่งสำคัญคือการวาง จุดตัดสินใจ (gate) ว่าจะไปต่อหรือไม่ ไว้ที่ปลายของแต่ละขั้น

ขั้นที่ 1 – แปลงสภาพปัจจุบันให้เป็นตัวเลขก่อน

การพิจารณาระบบอัตโนมัติมักเริ่มจากการเปรียบเทียบเครื่องจักร แต่สิ่งที่ควรทำก่อนคือการวัดสภาพปัจจุบันจริง ไม่ใช่รอบเวลาทางทฤษฎีแต่เป็นรอบเวลาจริง ไม่ใช่อัตราการเดินเครื่องตามสเปกแต่เป็นอัตราการเดินเครื่องจริง และสัดส่วนเวลาหยุดที่แยกย่อยตามสาเหตุ ถ้าไม่มีครบ 3 อย่างนี้ การคำนวณผลตอบแทนการลงทุนทั้งหมดจะตั้งอยู่บนสมมติฐานล้วน ๆ

ระหว่างการวัดจริง ไม่ใช่เรื่องแปลกที่จะพบปัญหาซึ่งแก้ได้โดยไม่ต้องทำระบบอัตโนมัติเลย การทุ่มงบลงทุนเครื่องจักรใส่ปัญหาที่แก้ได้ด้วยการลดเวลาเปลี่ยนรุ่นหรือปรับปรุงจิ๊ก คือความล้มเหลวที่แพงที่สุด

ขั้นที่ 2 – วาดขอบเขตให้เสร็จก่อนซื้อ

ก่อนขอใบเสนอราคา ให้กำหนดข้อกำหนดการเชื่อมต่อกับระบบเดิมให้จบบนกระดาษก่อน คำสั่งจะส่งลงมาทุกกี่วินาที ผลการผลิตจะส่งกลับที่ความละเอียดระดับใด จะใช้อะไรเป็นรหัสอ้างอิง และเมื่อการสื่อสารขาด ฝ่ายใดจะเป็นฝ่ายรอ ผลของการข้ามขั้นตอนนี้ไปก็คือความไม่เข้ากันระหว่าง 90 วินาทีกับมิลลิวินาที นั่นเอง

ในขั้นนี้อาจพบว่าจำเป็นต้องปรับปรุงฝั่งระบบเดิมด้วย ในกรณีเช่นนั้น ค่าใช้จ่ายในการปรับปรุงต้องถูกนับรวมเป็นส่วนหนึ่งของเงินลงทุนระบบอัตโนมัติตั้งแต่ต้น ไม่ใช่สิ่งที่โผล่มาเป็นงบเพิ่มเติมในภายหลัง

ขั้นที่ 3 – พิสูจน์แบบเล็ก ๆ แล้วตัดสินด้วยตัวเลข

อย่าเพิ่งขยายทั้งสายการผลิตในทีเดียว ให้จำกัดขอบเขตไว้ที่ 1 เซลล์หรือ 1 สายการผลิตเพื่อพิสูจน์ก่อน วัตถุประสงค์ไม่ใช่การตรวจสอบว่าเครื่องทำงานได้ แต่คือ การตรวจสอบสมมติฐานอัตราการเดินเครื่องที่ตั้งไว้ในขั้นที่ 1 ด้วยข้อมูลจริง ถ้าอธิบายส่วนต่างระหว่างค่าที่คาดกับค่าที่วัดได้จริงได้ ก็เดินหน้าขยายผล ถ้าอธิบายไม่ได้ ก็ไม่ไปต่อจนกว่าจะรู้สาเหตุ กฎที่บังคับให้ตัดสินแบบนี้อย่างเป็นกลไก คือสิ่งที่ป้องกันการถอนตัวช้าเกินไป

ขั้นที่ 4 – ทิ้งกลไกที่ทำให้ระบบฝังตัวไว้

สิ่งที่ต้องจัดให้พร้อมในขั้นขยายผลไม่ใช่เครื่องจักร แต่คือกลไก ได้แก่ การแปลเอกสารมาตรฐานการทำงานเป็นหลายภาษา การติดประกาศขั้นตอนกู้คืนเมื่อเกิดความผิดปกติ แผนอบรมช่างซ่อมบำรุงภายใน การระบุการแบ่งบทบาทกับผู้ขายเป็นลายลักษณ์อักษร และการเฝ้าดูอัตราการเดินเครื่องกับผลการลดกำลังคนอย่างต่อเนื่อง โครงการที่ไม่ได้กันงบประมาณและชั่วโมงงานไว้ให้ขั้นที่ 4 นี้ จะหยุดลงเงียบ ๆ ในอีก 18 เดือนข้างหน้า

ชุดตัวชี้วัดสำหรับวัดความคุ้มค่าของการลงทุนลดกำลังคนอย่างถูกต้อง

ถ้าประเมินระบบอัตโนมัติด้วยตัวชี้วัดเดียวคือจำนวนปีคืนทุน เราจะมองไม่เห็นความคืบหน้าระหว่างทาง ในทางปฏิบัติ เราแนะนำให้ดูตัวชี้วัดต่อไปนี้ควบคู่กันไป

สองตัวที่สำคัญเป็นพิเศษคือ สัดส่วนเวลารอคำสั่ง และ การเพิ่มลดของชั่วโมงงานทางอ้อม ตัวแรกคือตัวชี้วัดที่จับความไม่ลงรอยของขอบเขตได้ตั้งแต่เนิ่น ๆ ส่วนตัวหลังคือตัวชี้วัดที่เปิดโปงการลดกำลังคนแบบผิวเผิน ในแบบที่ “คนลดลงจริง แต่ไปทำให้คนอีกกลุ่มยุ่งขึ้นแทน” ถ้าออกแบบให้วัดสองตัวนี้ตั้งแต่ต้น การถกเรื่องความคุ้มค่าการลงทุนจะเปลี่ยนจากการถกด้วยความรู้สึกไปเป็นการถกด้วยตัวเลข

คำถามที่พบบ่อย

ทำไมการลงทุนระบบอัตโนมัติจึงล้มเหลว?

ส่วนใหญ่ต้นเหตุอยู่ที่สมมติฐานและการออกแบบก่อนตัดสินใจลงทุน มากกว่าที่สมรรถนะทางเทคโนโลยีไม่เพียงพอ กรณีคลาสสิกมี 3 อย่าง คือโมเดล ROI ที่ง่ายเกินไป ขอบเขตที่ไม่ลงรอยกับระบบเดิม และการขาดการบริหารการเปลี่ยนแปลงกับการฝังตัวที่หน้างาน รายงานที่ระบุว่าอัตราความล้มเหลวสูงถึง 73% เมื่อนำกระบวนการเดิมที่ยังมีปัญหาไปทำให้เป็นอัตโนมัติโดยไม่ปรับปรุงก่อน แสดงให้เห็นว่าการจัดระเบียบงานเป้าหมายต้องทำก่อนลงมือ

ระยะคืนทุนของการลงทุนระบบอัตโนมัติอยู่ที่ประมาณเท่าไร?

สำหรับหุ่นยนต์ทำงานร่วมกับคน มีการระบุตัวเลขอ้างอิงไว้ที่ 6-12 เดือน แต่นี่คือตัวเลขในกรณีที่อัตราการเดินเครื่องออกมาตรงตามที่คาดไว้ การคำนวณที่ไม่รวมต้นทุนการเชื่อมต่อและต้นทุนการอบรม และตั้งอัตราการเดินเครื่องไว้แบบมองโลกในแง่ดี จะเบี่ยงเบนไปจากความเป็นจริง ในทางกลับกัน เนื่องจากค่าจ้างในไทยเพิ่มขึ้นปีละ 4 เปอร์เซ็นต์กว่า ๆ วิธีคำนวณด้วยค่าแรงของปีเดียวก็มีด้านที่ประเมินผลลัพธ์ต่ำเกินไปด้วยเช่นกัน

ควรวัดความคุ้มค่าของการลงทุนลดกำลังคนอย่างไร?

ให้วัดด้วยชั่วโมงงานที่ลดได้แทนจำนวนคนที่ลดได้ แล้วหักชั่วโมงงานทางอ้อมที่เพิ่มขึ้นจากงานบำรุงรักษา การเปลี่ยนรุ่น และการจัดระเบียบข้อมูลออกไป นอกจากนี้ การดูอัตราการเดินเครื่องจริงและสัดส่วนเวลารอคำสั่งควบคู่กันไป จะช่วยให้ระบุสาเหตุได้ด้วยในกรณีที่ผลลัพธ์ยังไม่ออกมา

แนวทางการทำระบบอัตโนมัติเพื่อเลี่ยงความล้มเหลวของการนำ FA มาใช้คืออะไร?

วิธีที่ได้ผลคือแบ่งงานออกเป็น 4 ขั้น ได้แก่ การวัดสภาพปัจจุบันเป็นตัวเลข การออกแบบขอบเขต การพิสูจน์ในขอบเขตจำกัด และการขยายผลกับการฝังตัว พร้อมวางจุดตัดสินใจ (gate) ว่าจะไปต่อหรือไม่ไว้ที่ปลายของแต่ละขั้น สิ่งสำคัญเป็นพิเศษคือการกำหนดข้อกำหนดการเชื่อมต่อกับระบบเดิมให้จบก่อนขอใบเสนอราคา

จะมองออกว่าการนำหุ่นยนต์มาใช้กำลังล้มเหลวได้ตั้งแต่ขั้นไหน?

ส่วนใหญ่แยกแยะได้จากข้อมูลอัตราการเดินเครื่องในขั้นพิสูจน์ หากอธิบายส่วนต่างจากอัตราการเดินเครื่องที่คาดไว้ไม่ได้ สาเหตุแทบจะแน่นอนว่าอยู่ที่ระบบรอบข้างหรือการออกแบบการทำงาน สภาพที่ผ่านไป 3 เดือนหลังติดตั้งแล้วผลยังนิ่งอยู่กับที่ ทั้งที่ไม่มีสัญญาณเตือนใดขึ้นมาเลย คือสัญญาณคลาสสิกว่าการป้อนคำสั่งได้กลายเป็นคอขวดไปแล้ว

สรุป

สิ่งที่แยกความเสี่ยงกับความล้มเหลวของระบบอัตโนมัติออกจากกัน ไม่ใช่สมรรถนะของหุ่นยนต์ที่เลือก จุดชี้ขาดอยู่ที่ 3 จุด จุดแรกคือได้คำนวณการคืนทุนโดยรวมอัตราการเดินเครื่อง ต้นทุนการเชื่อมต่อ และต้นทุนการอบรมเข้าไปด้วยหรือไม่ จุดที่สองคือได้ออกแบบความเร็วในการตอบสนอง ความละเอียดของข้อมูล และการแบ่งหน้าที่จัดการข้อยกเว้นกับระบบบริหารการผลิตหรือ MES เดิมไว้ก่อนซื้อหรือไม่ จุดที่สามคือได้ใส่กลไกการอบรม การบำรุงรักษา และตัวชี้วัดสำหรับใช้เครื่องจักรต่อเนื่องไปตลอด 18 เดือนหลังติดตั้งไว้ในงบประมาณหรือไม่

ในประเทศไทย ค่าจ้างขั้นต่ำแตะ 400 บาททั่วกรุงเทพฯ เมื่อเดือนกรกฎาคม 2025 และค่าจ้างยังเพิ่มขึ้นปีละ 4 เปอร์เซ็นต์กว่า ๆ อย่างต่อเนื่อง ส่วนสิทธิประโยชน์ของ BOI สำหรับอุตสาหกรรมอัจฉริยะและยั่งยืนก็มีเงื่อนไขว่า หากเครื่องจักรระบบอัตโนมัติและหุ่นยนต์ที่ผลิตในประเทศมีสัดส่วนตั้งแต่ 30% ขึ้นไป เพดานสิทธิประโยชน์จะขยับเป็น 100% ท่ามกลางคำขอรับการส่งเสริมการลงทุนในครึ่งปีแรกของปี 2026 ที่เพิ่มขึ้น 37% จากปีก่อน ทางเลือกที่จะไม่ทำระบบอัตโนมัติเลยจึงไม่ใช่ทางเลือกที่สมจริง ด้วยเหตุนี้เอง การตรึงเกณฑ์การตัดสินใจให้ชัดก่อน จึงเป็นมาตรการลดความเสี่ยงที่ได้ผลมากที่สุด

การพิจารณาระบบอัตโนมัติ ถ้าเริ่มจากการตรวจตัวเลขของกระบวนการปัจจุบันและขอบเขตกับระบบเดิม จะเดินหน้าได้เร็วกว่าการเริ่มจากการเปรียบเทียบรุ่นเครื่องจักร แม้จะยังอยู่ในขั้นแนวคิดและยังไม่ได้กำหนดข้อกำหนดทางเทคนิค หรือยังไม่ชัดเจนว่าจะเชื่อมต่อกับระบบบริหารการผลิตเดิมในขอบเขตแค่ไหน เราก็สามารถร่วมคิดตั้งแต่ขั้นการเรียบเรียงความต้องการได้ เริ่มจากการพูดคุยถึงโครงสร้างสายการผลิตปัจจุบันและปัญหาที่กำลังเผชิญอยู่ก็ได้ ติดต่อเราได้ตามสะดวกที่ แบบฟอร์มติดต่อ

แหล่งอ้างอิง

• The robot didn’t fail. The factory did. – AdvancedManufacturing.org
• Why Most Automation Projects Fail – Zelu AI
• AI, Robotics and Automation in Smart Factories 2026 – iFactory
• Thailand’s BOI in 2026 – From Investment Incentives to Accelerated Project Delivery – Mahanakorn Partners Group
• 2026年最新版 タイ労務・タイ労務管理の最新動向 – 久野康成公認会計士事務所
• Thailand investment applications surge 37% in first half of 2026 – The Nation Thailand