เปรียบเทียบโปรแกรมวางแผนการผลิต (APS) ปี 2026｜ค่าใช้จ่ายและวิธีเลือกสำหรับโรงงานในไทย

ออเดอร์ด่วนที่แทรกเข้ามาบ่ายวันศุกร์ เครื่องจักรเสียที่เพิ่งรู้เช้าวันจันทร์ และไฟล์ Excel แผนการผลิตที่ “มีอยู่คนเดียวที่แตะได้” ทุกครั้งที่ต้องรื้อแผนใหม่ต้องใช้เวลาครึ่งวัน และตลอดครึ่งวันนั้นหน้างานก็ยังเดินตามแผนเดิมที่ใช้ไม่ได้แล้ว ช่องว่างของเวลาตรงนี้เองคือต้นเหตุที่ใหญ่ที่สุดของการส่งของล่าช้าและสต๊อกงานระหว่างผลิตที่บวมขึ้นเรื่อย ๆ

บทความนี้สรุปในมุมคนทำงานจริงว่า การเปรียบเทียบโปรแกรมวางแผนการผลิตควรดู 7 แกนอะไรบ้าง ค่าใช้จ่ายอยู่ระดับไหนและประกอบด้วยอะไร รวมถึงรูปแบบความล้มเหลวที่เจอซ้ำ ๆ โดยวางบริบทของโรงงานในประเทศไทยและอาเซียน ทั้งเรื่องค่าแรงขั้นต่ำ 400 บาทต่อวัน ปัญหาแรงงานขาดแคลน และสิทธิประโยชน์ทางภาษีที่ใช้ได้จริง บทความนี้ไม่ใช่การจัดอันดับผลิตภัณฑ์ แต่เป็นเครื่องมือช่วยตัดสินใจว่า “ระบบแบบไหนเหมาะกับโรงงานของคุณ”

โปรแกรมวางแผนการผลิตคืออะไร｜พื้นฐานของ APS (Advanced Planning and Scheduling)

โปรแกรมวางแผนการผลิต คือระบบที่นำข้อมูลคำสั่งซื้อ ข้อมูลกระบวนการผลิต กำลังการผลิตของเครื่องจักร และกำลังคน มาประมวลผลภายใต้เงื่อนไขข้อจำกัดต่าง ๆ เพื่อจัดเรียงบนแกนเวลาว่า “จะผลิตสินค้าตัวไหน เมื่อไร ด้วยเครื่องจักรใด ใครเป็นคนทำ และเรียงลำดับอย่างไร”

ในระดับสากลเรียกระบบกลุ่มนี้ว่า ระบบวางแผนการผลิต APS หรือ การวางแผนและจัดตารางการผลิตขั้นสูง (Advanced Planning and Scheduling) ซึ่งถือเป็นซอฟต์แวร์เฉพาะทางสาขาหนึ่งของอุตสาหกรรมการผลิตที่มีตลาดของตัวเองชัดเจน

กลไกการจัดตารางการผลิตระยะสั้นแบบอัตโนมัติ

แผนการผลิตมีลำดับชั้นของความละเอียดอยู่ 3 ระดับ ได้แก่ แผนระยะยาวที่กำหนดกรอบปริมาณการผลิตเป็นรายปีหรือรายเดือน แผนระยะกลางที่กระจายรุ่นสินค้าและจำนวนลงเป็นรายสัปดาห์ และแผนระยะสั้นที่ลงรายละเอียดถึงระดับวัน ชั่วโมง หรือกระทั่งนาที ว่าจะเรียงลำดับงานอย่างไรและใช้เครื่องจักรตัวใด

ในสามระดับนี้ ERP และระบบบริหารการผลิตแบบดั้งเดิมจะเก่งถึงแค่แผนระยะยาวและระยะกลาง กล่าวคือระบบเหล่านี้ตอบได้ว่า “เดือนนี้ผลิตรุ่นนี้ 3,000 ชิ้น” แต่จะไม่ลงลึกถึงระดับ “วันที่ 30 กรกฎาคม เวลา 8:15 น. ที่เครื่องปั๊มหมายเลข 3 ของไลน์ 2 หลังเปลี่ยนแม่พิมพ์เสร็จให้เดินล็อต A” และตรงจุดนี้เองคือขอบเขตงานของโปรแกรมวางแผนการผลิต

หากจัดตารางการผลิตระยะสั้นด้วยมือ จำนวนความเป็นไปได้จะเพิ่มขึ้นแบบทวีคูณตาม จำนวนกระบวนการ × จำนวนรหัสสินค้า × จำนวนเครื่องจักร ในทางปฏิบัติจึงลงเอยที่การให้ผู้วางแผนที่มีประสบการณ์ใช้ความเคยชินตัดสินว่า “น่าจะเรียงประมาณนี้” โปรแกรมวางแผนการผลิตจะแก้ปัญหาเชิงการจัดหมู่นี้ด้วยกฎเกณฑ์ (rule-based) หรืออัลกอริทึมการหาค่าเหมาะที่สุด (optimization) แล้วออกผลลัพธ์เป็นตารางการผลิตในรูปแบบแผนภูมิแกนต์ (Gantt Chart) ที่นำไปใช้ได้จริง ภายในเวลาไม่กี่นาทีถึงไม่กี่สิบนาที

แนวคิดการจัดตารางแบบกำลังการผลิตจำกัด (Finite Capacity Scheduling)

หัวใจของ APS คือแนวคิด “การจัดตารางแบบกำลังการผลิตจำกัด” หรือ Finite Capacity Scheduling (FCS)

การคำนวณแบบ MRP ดั้งเดิมจะตั้งสมมติฐานว่ากำลังการผลิตไม่จำกัด แล้วบวกความต้องการวัสดุขึ้นไปเรื่อย ๆ ผลลัพธ์คือแผนที่ระบุว่า “วันจันทร์ต้องเดินเครื่องที่อัตราการใช้กำลังการผลิต 240%” ซึ่งเป็นไปไม่ได้ในทางกายภาพ สุดท้ายหน้างานต้องมาเกลี่ยเองด้วยมือ เราเรียกวิธีนี้ว่าการวางแผนแบบกำลังการผลิตไม่จำกัด (Infinite Capacity)

ในทางกลับกัน FCS จะรับข้อจำกัดจริง เช่น “เครื่องนี้เดินได้มากสุดวันละ 16 ชั่วโมง” “จิ๊กตัวนี้มีแค่ 2 ชุด” “พนักงานที่มีใบรับรองการตรวจสอบมี 3 คน” เข้าไปเป็นเงื่อนไข แล้วสร้างเฉพาะแผนที่อยู่ในกรอบนั้นเท่านั้น ความต่างที่ชี้ขาดคือ ตารางที่ออกมาสามารถใช้เป็นใบสั่งงานให้หน้างานได้ทันที

ข้อจำกัดที่ระบบกลุ่มนี้แสดงผลได้ตามปกติ ได้แก่

• ปฏิทินการเดินเครื่อง (กะทำงาน วันหยุด แผนซ่อมบำรุงเชิงป้องกัน)
• เวลาเปลี่ยนรุ่น/ตั้งเครื่อง (setup) ที่เปลี่ยนไปตามคู่ลำดับสินค้าก่อน–หลัง หรือที่เรียกว่า sequence-dependent setup
• ทรัพยากรรองที่มีจำกัด เช่น แม่พิมพ์ จิ๊ก พาเลท
• ตารางทักษะ (skill matrix) ของพนักงานและเพดานจำนวนคน
• กำหนดวันรับเข้าของวัตถุดิบและชิ้นส่วน
• เวลารอระหว่างกระบวนการก่อนหน้ากับกระบวนการถัดไป เช่น รอแห้ง รอเย็น รอบ่ม

จำลองสถานการณ์ what-if เพื่อได้คำตอบ “ก่อน” ตัดสินใจ

คุณค่าอีกด้านหนึ่งของโปรแกรมวางแผนการผลิตคือการจำลองสถานการณ์แบบ what-if

“ถ้าแทรกออเดอร์ด่วนตัวนี้เข้าไป กำหนดส่งของงานเดิมจะเลื่อนไปเท่าไร” “ถ้าเปิดไลน์ 3 ทำงานวันเสาร์ ความล่าช้าจะหายไปแค่ไหน” “ถ้าส่งงาน 3 กระบวนการออกไปให้ผู้รับเหมาช่วง lead time จะสั้นลงกี่วัน” คำถามเหล่านี้ตอบได้ด้วยการสร้างแผนทางเลือกหลายชุดพร้อมกัน แล้วเปรียบเทียบด้วยตัวชี้วัด เช่น อัตราการส่งมอบตรงเวลา อัตราการใช้กำลังการผลิต งานระหว่างผลิต และชั่วโมงล่วงเวลา

ถ้าใช้ Excel การ “สร้างหลายทางเลือกแล้วเทียบกัน” มีต้นทุนสูงเกินไปในตัวมันเอง หน้างานจึงมักเดินตามทางเลือกแรกที่นึกออก แต่คุณภาพของการตัดสินใจแปรผันตามจำนวนทางเลือกที่เปรียบเทียบได้ ประเด็นนี้คือประโยชน์ของ APS ที่ถูกประเมินค่าต่ำที่สุดในทางปฏิบัติ

ความต่างระหว่าง APS กับ ERP, ระบบบริหารการผลิต และ MES

จุดที่หลายโรงงานสะดุดเป็นเรื่องแรกคือคำถามว่า “ก็มีระบบบริหารการผลิตอยู่แล้ว ทำไมต้องซื้อโปรแกรมวางแผนการผลิตเพิ่มอีก” ถ้าไม่เคลียร์ประเด็นนี้ก่อนแล้วกระโดดเข้าสู่การเปรียบเทียบผลิตภัณฑ์ ความต้องการของโครงการจะกระจัดกระจายทันที

การแบ่งบทบาทของระบบ 4 ชั้น

ถ้าจะสรุปให้ง่ายที่สุด ERP รับผิดชอบ “ผลิตอะไรเมื่อไร” APS รับผิดชอบ “เมื่อไร เครื่องไหน ใครทำ” และ MES รับผิดชอบ “สั่งงานและเก็บผลจริง” ทั้งสามไม่ได้แข่งกัน แต่ต่อกันเป็นอนุกรม โดย APS รับคำสั่งซื้อและความต้องการวัสดุมาจาก ERP ส่งลำดับงานต่อให้ MES และรับผลการผลิตจริงจาก MES กลับมาปรับแผน กลายเป็นวงจรที่หมุนต่อเนื่อง

ความเข้าใจผิดที่พบบ่อย 3 ข้อ

ความเข้าใจผิดที่ 1: ฟังก์ชันจัดตารางใน ERP น่าจะพอแล้ว

ERP หลายตัวมีโมดูลวางแผนการผลิต แต่จำนวนไม่น้อยหยุดอยู่แค่การกระจายความต้องการวัสดุบนสมมติฐานกำลังการผลิตไม่จำกัด ส่วนที่ว่าจะจัดลำดับเพื่อลดเวลาเปลี่ยนรุ่นได้หรือไม่ หรือรองรับข้อจำกัดทรัพยากรรองอย่างแม่พิมพ์ได้แค่ไหน แตกต่างกันมากในแต่ละผลิตภัณฑ์ ดังนั้นต้องขอให้เดโมด้วยฟังก์ชันมาตรฐานให้เห็นกับตาเสมอ

ความเข้าใจผิดที่ 2: ติดตั้ง MES แล้วแผนจะดีขึ้นเอง

MES เก็บผลการผลิตจริงได้ละเอียด แต่ไม่ได้ทำหน้าที่สร้างแผน อย่างไรก็ตาม เวลาการผลิตจริงและเวลาเปลี่ยนรุ่นจริงที่ MES สะสมไว้ คือวัตถุดิบชั้นดีที่สุดในการยกระดับความแม่นยำของมาสเตอร์ใน APS ทั้งสองระบบจึงเป็นส่วนเสริมซึ่งกันและกัน สำหรับภาพรวมของระบบทั้งโรงงาน สามารถอ่านเพิ่มเติมได้ที่คู่มือเลือกระบบบริหารการผลิตและ MES สำหรับโรงงานในไทย

ความเข้าใจผิดที่ 3: มี APS แล้วไม่ต้องมีระบบบริหารการผลิต

ตรงกันข้ามเลย APS ทำงานบนสมมติฐานว่ามีข้อมูลต้นน้ำอย่างคำสั่งซื้อ BOM และสต๊อกป้อนเข้ามา จึงทำงานลำพังไม่ได้ ถ้าแหล่งข้อมูลมีแค่ Excel แล้วติดตั้ง APS อย่างเดียว งานคีย์ข้อมูลจะกลายเป็นภาระใหม่ที่ผูกติดกับตัวบุคคลอีกงานหนึ่ง

ต้นทุนแฝงของการวางแผนการผลิตด้วย Excel ต่อไปเรื่อย ๆ

Excel เป็นเครื่องมือที่ดีมาก ปัญหาไม่ได้อยู่ที่ Excel แต่อยู่ที่ต้นทุนแฝงของการวางแผนการผลิตด้วย Excel ไปเรื่อย ๆ ซึ่งตามปกติแล้วจะไม่ปรากฏอยู่ในงบกำไรขาดทุนที่ไหนเลย

ต้นทุนที่ 1: การผูกติดกับตัวบุคคล คือระเบิดเวลา

ไฟล์ Excel วางแผนการผลิตส่วนใหญ่คือผลงานที่พนักงานคนหนึ่งค่อย ๆ สร้างขึ้นมาตลอด 10 ปี มีชีตหลายสิบชีต สูตร VLOOKUP หลายร้อยจุด และแมโครที่ไม่มีใครอธิบายได้ว่าทำอะไร เมื่อคนคนนั้นย้ายแผนก ลาออก หรือลาหยุดยาว ฟังก์ชันการวางแผนของโรงงานก็หยุดทำงานไปด้วย

สำหรับโรงงานในประเทศไทย ความเสี่ยงข้อนี้มักรุนแรงกว่าที่ญี่ปุ่น เพราะพนักงานชาวญี่ปุ่นที่ประจำการอยู่มักหมุนเวียนกลับทุก 3–5 ปี ทุกครั้งที่ส่งมอบงาน ตรรกะภายในไฟล์จะเสื่อมลงเรื่อย ๆ และแม้จะพยายามส่งต่อให้ทีมงานคนไทย ก็ยังเจอกรณีที่หมายเหตุในชีตเขียนเป็นภาษาญี่ปุ่นทั้งหมดจนอ่านไม่ออก ซึ่งเกิดขึ้นจริงอยู่บ่อยครั้ง

ต้นทุนที่ 2: ปรับแผนช้า ทำให้ส่งของล่าช้า

คุณค่าของแผนการผลิตขึ้นอยู่กับความสด โรงงานที่ใช้เวลารื้อแผนใหม่ 4 ชั่วโมง จะสั่งการรับมือเครื่องจักรเสียตอนเช้าได้จริงก็ช่วงบ่าย ระหว่างครึ่งวันนั้นหน้างานยังเดินตามแผนที่ใช้ไม่ได้แล้ว และผลิตงานระหว่างผลิตที่ยังไม่จำเป็นต้องผลิตออกมา

สิ่งที่ควรลงมือทำเป็นอย่างแรกเพื่อลดการส่งของล่าช้า จริง ๆ แล้วไม่ใช่การ “ลดความล่าช้า” แต่คือการ “รู้สัญญาณของความล่าช้าให้เร็วขึ้น” ถ้าปรับแผนใหม่ได้กี่ครั้งก็ได้ภายในวันเดียว เราจะตรวจจับงานที่เสี่ยงล่าช้าได้ล่วงหน้า 1 สัปดาห์แทนที่จะรู้ตอนก่อนส่งของ 1 วัน เมื่อรู้เร็ว ทางเลือกยังเหลืออยู่ ไม่ว่าจะเป็นการทำล่วงเวลา จ้างผู้รับเหมาช่วง แยกกระบวนการ หรือแจ้งลูกค้าล่วงหน้า แต่ความล่าช้าที่รู้ก่อนวันส่งของแค่วันเดียว เหลือทางเลือกเดียวคือคำขอโทษ

ต้นทุนที่ 3: มองไม่เห็นความไม่สมดุลของภาระงาน

ตารางแผนใน Excel ส่วนใหญ่อยู่ในรูปเมทริกซ์ “รหัสสินค้า × วันที่” ซึ่งมองไม่ออกด้วยสายตาว่าเครื่องจักรแต่ละตัวมีภาระงานกี่เปอร์เซ็นต์ ผลก็คือบางสัปดาห์มีเฉพาะบางไลน์ที่ต้องทำงานเสาร์อาทิตย์ ขณะที่ไลน์ข้าง ๆ ว่างรอ กลายเป็นสภาพปกติที่ไม่มีใครแก้

จำนวนครั้งของการเปลี่ยนรุ่นก็เช่นกัน บางกรณีแค่จัดเรียงลำดับตามกลุ่มรหัสสินค้าใหม่ก็ลดเวลาเปลี่ยนรุ่นได้เดือนละ 20 ชั่วโมง แต่ Excel ไม่มีวิธีประเมินเลยว่า “ลำดับที่ใช้อยู่ตอนนี้ดีที่สุดแล้วหรือยัง” ตามบทความของ scw.ai มีการรายงานกรณีที่การนำ APS มาใช้ช่วยลดงานที่เกี่ยวข้องกับการจัดตารางการผลิตลง 50% และปรับปรุงค่า OEE ได้มากกว่า 3% (สร้างเวลาการผลิตเพิ่มขึ้นประมาณ 30 นาทีต่อวัน) รวมถึงกรณีการปรับให้เหมาะที่สุดครอบคลุม 6 ไลน์การผลิต ซึ่งนำไปสู่การลดต้นทุนได้ราว 100,000 ดอลลาร์สหรัฐต่อเดือน

ต้นทุนที่ 4: PDCA ของการปรับปรุงไม่หมุน

ถ้าเทียบแผนกับผลจริงไม่ได้ ก็ไม่มีทางรู้ว่าทำไมงานถึงล่าช้า จะแยกไม่ออกว่า “เวลามาตรฐานตั้งไว้หลวมไป” “เปลี่ยนรุ่นนานกว่าที่คิด” หรือ “วัตถุดิบมาไม่ทัน” สุดท้ายมาตรการแก้ไขจะไหลไปทางการเรียกร้องความพยายามของคนแทนการแก้ที่ระบบ

7 แกนในการเปรียบเทียบโปรแกรมวางแผนการผลิต

เข้าเรื่องหลักกันแล้ว การเปรียบเทียบโปรแกรมวางแผนการผลิตด้วยการวางตารางฟีเจอร์เรียงกันจะไม่เห็นความต่าง ให้ประเมินด้วย 7 แกนต่อไปนี้โดยเทียบกับรูปแบบการผลิตของโรงงานตัวเอง

แกนที่ 1: รูปแบบการผลิตที่รองรับ

แกนที่สำคัญที่สุด เพราะผลิตภัณฑ์แต่ละตัวมีจุดแข็งตามปรัชญาการออกแบบของมันเอง

• การผลิตตามคำสั่งซื้อเฉพาะราย (หลากหลายรุ่น ปริมาณน้อย งานเฉพาะชิ้น): เช่น เครื่องจักรอุตสาหกรรม แม่พิมพ์ งานสร้างเครื่อง กระบวนการเปลี่ยนไปตามออเดอร์ จึงต้องการความยืดหยุ่นในการสร้าง BOM และเส้นทางการผลิตใหม่ทุกครั้ง ในตลาดญี่ปุ่น ผลิตภัณฑ์ที่ขึ้นชื่อในกลุ่มนี้เช่น TECHS-BK และ TECHS-S NOA
• การผลิตซ้ำ (ผลิตตามพยากรณ์ / ผลิตเป็นล็อต): เช่น ชิ้นส่วนยานยนต์ ชิ้นส่วนอิเล็กทรอนิกส์ รหัสสินค้าคงที่ สมรภูมิหลักคือการรับมือความผันผวนของอุปสงค์และการจัดลำดับเพื่อลดเวลาเปลี่ยนรุ่น ผลิตภัณฑ์อย่าง Asprova หรือ FLEXSCHE ที่แข็งเรื่องการแสดงข้อจำกัดซับซ้อนและการจูนอัลกอริทึม จะเข้ามาเป็นตัวเลือก
• การผลิตแบบกระบวนการ (ต่อเนื่อง / แบตช์): เช่น เคมี อาหาร ยา ต้องรองรับข้อจำกัดเฉพาะทาง เช่น หน่วยการผสม ความจุถัง วันหมดอายุ และการล้างระบบ (CIP)

แนวทางการเลือก: กำหนดให้ชัดก่อนว่าสายผลิตภัณฑ์หลักของโรงงานอยู่ในกลุ่มไหน หากในโรงงานเดียวมีหลายรูปแบบปนกัน (เช่น มีทั้งไลน์ผลิตจำนวนมากและไลน์งานต้นแบบ/อะไหล่ซ่อม) การตัดสินใจว่าให้ฝั่งผลิตจำนวนมากเป็นหลัก ส่วนฝั่งงานเฉพาะรายยังใช้ Excel ต่อไปก่อน ก็เป็นทางเลือกที่สมจริง ถ้าพยายามเอาให้ครบทุกอย่างในครั้งเดียว ขอบเขตงานจะบานปลายจนโครงการหยุดชะงัก

แกนที่ 2: ความสามารถในการแสดงเงื่อนไขข้อจำกัด

คำถามที่เป็นแก่นคือ “ซอฟต์แวร์ตัวนั้นแสดงข้อจำกัดของโรงงานเราได้หรือไม่” ให้ขอเดโมด้วยข้อมูลจริงของโรงงานตัวเองเสมอ โดยตรวจสอบว่ารองรับสิ่งเหล่านี้ได้ไหม

• เวลาเปลี่ยนรุ่นที่ขึ้นกับลำดับ (เช่น สีขาวไปสีดำใช้ 10 นาที แต่สีดำไปสีขาวใช้ 40 นาที ซึ่งไม่สมมาตร)
• ข้อจำกัดการใช้ทรัพยากรรองพร้อมกัน (แม่พิมพ์ จิ๊ก เครน พนักงาน)
• การแยก/รวมกระบวนการ การแบ่งล็อต และการผลิตแบบเหลื่อมเวลา (เริ่มกระบวนการถัดไปโดยไม่ต้องรอกระบวนการก่อนหน้าเสร็จทั้งล็อต)
• เวลารอต่ำสุด/สูงสุดระหว่างกระบวนการ (รอเย็น ข้อจำกัดด้านความสด)
• เครื่องจักรทดแทน และเวลาการผลิตที่ต่างกันของแต่ละเครื่อง
• Lead time ของกระบวนการที่ส่งออกไปให้ผู้รับเหมาช่วง

แนวทางการเลือก: โรงงานที่ข้อจำกัดไม่ซับซ้อนและมีคอขวดชัดเจน ใช้ผลิตภัณฑ์เรียบง่ายก็ได้ผลเพียงพอแล้ว ในทางกลับกัน โรงงานที่มีข้อจำกัดเกี่ยวพันกันเกิน 10 ประเภท ถ้าไม่เลือกผลิตภัณฑ์ที่แสดงข้อจำกัดได้ลึก สุดท้ายจะกลายเป็นการ “บิดหน้างานให้เข้ากับข้อจำกัดของซอฟต์แวร์” แต่ผลิตภัณฑ์ที่แสดงข้อจำกัดได้ลึกก็ตั้งค่ายากและใช้แรงงานติดตั้งมากขึ้น จึงต้องพิจารณาควบคู่ไปกับคำถามว่าจะมีบุคลากรภายในที่ดูแลการตั้งค่าต่อเนื่องได้หรือไม่

แกนที่ 3: ความเร็วในการจัดตารางใหม่

การสร้างแผน 1 ชุดใช้เวลากี่นาที นี่คือตัวชี้วัดเชิงปฏิบัติที่ตัดสินว่าจะใช้งานจริงได้หรือไม่

• 30 วินาที–3 นาที: ใช้ถกเถียงพร้อมปรับเงื่อนไขในที่ประชุมเช้าได้ ระบบจะติดเป็นนิสัยการทำงานได้ง่าย
• 5–15 นาที: ถ้ารันเป็นรอบวันละ 1–2 ครั้ง ยังอยู่ในวิสัยที่ใช้งานได้
• เกิน 30 นาที: ใช้เป็นงานประจำวันได้ยาก จะกลายเป็นเครื่องมือสำหรับแผนรายสัปดาห์เท่านั้น

แนวทางการเลือก: ส่งข้อมูลจริงทั้งจำนวนรหัสสินค้า จำนวนกระบวนการ และจำนวนออเดอร์ (ถ้าได้ ให้ใช้ปริมาณช่วงพีคของฤดูกาลงานหนัก) ให้ผู้ขายวัดเวลาจริง ตัวเลขในแคตตาล็อกหรือจากเดโมชุดเล็กใช้อ้างอิงไม่ได้ และควรตรวจสอบเป็นพิเศษว่าถ้าจำนวนออเดอร์เพิ่มเป็น 2 เท่าในอนาคต ระบบยังรับไหวหรือไม่

แกนที่ 4: รูปแบบการเชื่อมต่อกับ ERP และ MES

รูปแบบการเชื่อมต่อจะกำหนดภาระงานหลังใช้จริงไปอีก 10 ปี

แนวทางการเลือก: เช็กก่อนเป็นอย่างแรกว่ามีคอนเนคเตอร์มาตรฐานสำหรับ ERP ที่ใช้อยู่หรือไม่ เพราะมีหรือไม่มีทำให้ค่าพัฒนาการเชื่อมต่อต่างกันได้ในระดับหลักแสนถึงหลักล้านบาท หากไม่มีตัวมาตรฐาน แนวทางที่ปลอดภัยคือเริ่มจาก CSV ก่อนเพื่อพิสูจน์ผล แล้วค่อยยกระดับเป็น API หลังจากที่การใช้งานเริ่มนิ่งแล้ว

แกนที่ 5: UI และความเหมาะกับการใช้งานหน้างาน

นี่คือหน้าจอที่ผู้วางแผนต้องเปิดทุกวัน ผลิตภัณฑ์ที่ใช้ยากตรงนี้ ต่อให้คำนวณเก่งแค่ไหน สุดท้ายก็จะไม่มีใครใช้

จุดที่ควรตรวจสอบคือ การแก้แผนด้วยการลากวางบนแผนภูมิแกนต์ ฟังก์ชัน “ปักหมุด” ที่ล็อกออเดอร์ซึ่งกำหนดด้วยมือไม่ให้ขยับเมื่อคำนวณใหม่ การแสดงส่วนต่างก่อน–หลังการเปลี่ยนแปลง การพิมพ์แผน/ส่งออก PDF/เปิดดูบนอุปกรณ์หน้างาน และการจัดการสิทธิ์ (ใครมีสิทธิ์ยืนยันแผนเป็นฉบับสมบูรณ์)

แนวทางการเลือก: วิธีที่แน่นอนที่สุดคือให้คนที่วางแผนจริงเป็นผู้ทดลองใช้เดโมด้วยตัวเอง ถ้าให้ฝ่าย IT ประเมินฝ่ายเดียว มักจะเลือกจากความครบของฟีเจอร์ และได้ผลิตภัณฑ์ที่หน้างานไม่ใช้มาแทน

แกนที่ 6: การรองรับหลายภาษาและการใช้งานในโรงงานต่างประเทศ

ถ้าจะใช้ในโรงงานที่ประเทศไทยหรืออาเซียน นี่คือแกนที่หลีกเลี่ยงไม่ได้

• การสลับภาษาบนหน้าจอ (ไทย / อังกฤษ / ญี่ปุ่น / เวียดนาม)
• การออกรายงานและใบสั่งงานเป็นภาษาท้องถิ่น
• เขตเวลาและปฏิทิน (วันหยุดนักขัตฤกษ์ไทย สงกรานต์ ตรุษจีน และวันหยุดยาวของแต่ละประเทศ เช่น เต๊ตของเวียดนาม)
• ภาษาและช่วงเวลาที่ให้บริการซัพพอร์ตในประเทศ
• ภาษาของคู่มือและสื่อการอบรม

หากใช้ผลิตภัณฑ์ที่มี UI ภาษาญี่ปุ่นอย่างเดียวแล้วให้ทีมงานคนไทยเป็นผู้ใช้งาน ในทางปฏิบัติผู้บริหารชาวญี่ปุ่นจะกลายเป็นคอขวดเอง ถ้ามี UI ภาษาอังกฤษ ขอบเขตการใช้งานจะกว้างขึ้นมาก แต่ถ้าต้องการให้ระบบหยั่งรากลึกถึงระดับหัวหน้าไลน์ ควรออกเอกสารระดับใบสั่งงานเป็นภาษาไทยได้ด้วย

แนวทางการเลือก: ให้แยกคิดระหว่าง “คนที่สร้างแผน” กับ “คนที่ดูแผน” คนสร้างแผนมีเพียง 1–3 คน ใช้ภาษาอังกฤษก็เดินได้ แต่คนที่ดูแผนคือหน้างานหลายสิบถึงหลายร้อยคน จึงควรให้น้ำหนักกับความสามารถในการออกเอกสารสำหรับกลุ่มหลังเป็นภาษาไทย

แกนที่ 7: รูปแบบราคา (ซื้อขาด หรือ แบบสมาชิกรายเดือน)

รูปแบบราคาเป็นตัวกำหนดหน้าตาของต้นทุนรวมตลอดการใช้งาน

• ซื้อขาด (ออนพรีมิส): ค่าใช้จ่ายเริ่มต้นสูง และมีค่าบำรุงรักษารายปีต่อเนื่อง (โดยทั่วไปประมาณ 15–20% ของค่าไลเซนส์) ถ้าใช้เกิน 5 ปี มักคุมยอดรวมได้ดีกว่า
• แบบสมาชิก (คลาวด์): ค่าใช้จ่ายเริ่มต้นต่ำ จ่ายเป็นรายเดือนหรือรายปีต่อเนื่อง ไม่ต้องดูแลเซิร์ฟเวอร์เอง และขยายไปโรงงานอื่นได้ง่าย
• แบบผสม: ซื้อไลเซนส์ขาด แต่รันบนสภาพแวดล้อมคลาวด์

แนวทางการเลือก: เริ่มจากตรวจสอบกฎการอนุมัติงบลงทุนของบริษัทตัวเองก่อน ถ้าลงบัญชีเป็นสินทรัพย์ถาวรได้และตั้งใจใช้ยาว ให้เลือกซื้อขาด แต่ถ้ากรอบงบถูกตัดเป็นรายปีและอยากเริ่มจากเล็ก ๆ แบบสมาชิกจะเหมาะกว่า สำหรับโรงงานต่างประเทศที่มีบุคลากร IT บาง ข้อได้เปรียบด้านการดูแลระบบของคลาวด์ที่ไม่ต้องบำรุงรักษาเซิร์ฟเวอร์เองเป็นเรื่องที่มองข้ามไม่ได้

แนวโน้มผลิตภัณฑ์หลักและระดับค่าใช้จ่าย

ตารางด้านล่างคือค่าใช้จ่ายเริ่มต้นโดยประมาณที่เผยแพร่ในบทความเกี่ยวกับโปรแกรมวางแผนการผลิตของ IT trend ซึ่งเป็นสื่อเปรียบเทียบผลิตภัณฑ์ไอที ทั้งหมดนี้เป็น ราคาอ้างอิงจากตลาดญี่ปุ่น เท่านั้น ใบเสนอราคาจริงจะแตกต่างกันมากตามจำนวนกระบวนการที่ครอบคลุม จำนวนไลเซนส์ และขอบเขตการเชื่อมต่อระบบ อนึ่ง ตารางนี้ไม่ใช่การจัดอันดับว่าตัวไหนดีกว่ากัน แต่จัดทำขึ้นเพื่อให้เห็นการกระจายตัวของช่วงราคา

*หมายเหตุเรื่องอัตราแลกเปลี่ยน: จำนวนเงินบาทในวงเล็บเป็นเพียงตัวเลขคร่าว ๆ ที่คำนวณจาก 1 เยน ≒ 0.23 บาท เพื่อให้เห็นภาพเท่านั้น อัตราจริงเปลี่ยนแปลงตลอดเวลา จึงควรยึดตัวเลขสกุลเยนเป็นหลัก (หมายเหตุนี้ใช้กับทุกตัวเลขในบทความ)*

ค่าใช้จ่ายเริ่มต้นโดยประมาณ

นอกจากนี้ ชื่อผลิตภัณฑ์ที่เป็นตัวแทนของกลุ่มโปรแกรมวางแผนการผลิต/APS ตามที่สื่อเดียวกันระบุไว้ ยังรวมถึง Asprova, FLEXSCHE, Saiteki Works (最適ワークス), Seiryu, TECHS-BK และ TECHS-S NOA แต่ละตัวถนัดรูปแบบการผลิตและมีปรัชญาการตั้งค่าที่ต่างกัน การเรียงเทียบด้วยราคาอย่างเดียวจึงไม่มีความหมาย วิธีที่มีประสิทธิภาพกว่าคือนำเงื่อนไขของโรงงานตัวเองไปจับกับ 7 แกนในหัวข้อก่อนหน้า คัดให้เหลือ 2–3 ผลิตภัณฑ์ แล้วค่อยเข้าสู่ขั้นตอนขอเดโม

ความต่างระหว่างแบบคลาวด์กับแบบออนพรีมิส

สำหรับโรงงานในประเทศไทย ปัจจัยตัดสินคือคุณภาพของสายอินเทอร์เน็ตและความพร้อมของทีม IT ภายใน หากอยู่ในนิคมอุตสาหกรรม อินเทอร์เน็ตมักเสถียรพอสมควร แต่ผลิตภัณฑ์ที่ต้องโหลดข้อมูลแผนระดับหลายสิบเมกะไบต์จะรู้สึกถึงความต่างของความเร็ว ในทางกลับกัน ถ้าโรงงานไม่มีเจ้าหน้าที่ IT ประจำแล้วยังตั้งเซิร์ฟเวอร์ออนพรีมิสไว้เอง งานสำรองข้อมูล อัปเดตระบบปฏิบัติการ และการรับมือเครื่องเสีย จะกลายเป็นการรีโมตจากสำนักงานใหญ่ที่ญี่ปุ่นทั้งหมด ทำให้การกู้คืนเมื่อเกิดปัญหายืดเยื้อ แนวคิดเรื่องโครงสร้างพื้นฐานของโรงงานโดยรวมมีอธิบายเพิ่มเติมไว้ที่คู่มือปฏิบัติการนำระบบอัตโนมัติ (FA) มาใช้ในโรงงานที่ประเทศไทย

โครงสร้างค่าใช้จ่ายและต้นทุนรวมตลอดการใช้งาน (TCO)

ถ้าเปรียบเทียบค่าใช้จ่ายของโปรแกรมวางแผนการผลิตด้วย “ราคาไลเซนส์” อย่างเดียว งบประมาณจะไม่พอเกือบทุกครั้ง ต้นทุนรวมที่แท้จริงคือผลรวมของ 5 องค์ประกอบต่อไปนี้

ทำไมแรงงานจัดทำมาสเตอร์จึงถูกประเมินต่ำเสมอ

สิ่งที่ทำให้โครงการติดตั้งลุกเป็นไฟบ่อยที่สุดคืองานจัดทำมาสเตอร์ เหตุผลง่ายมาก เพราะงานนี้ไม่ปรากฏในใบเสนอราคาของผู้ขาย ผู้ขายจะเขียนว่า “มาสเตอร์รบกวนทางลูกค้าจัดเตรียม” ส่วนฝ่ายผู้ว่าจ้างก็คิดว่า “มีตารางกระบวนการเดิมอยู่แล้ว น่าจะเอามาใช้ต่อได้” แต่ความจริงคือเวลามาตรฐานในตารางกระบวนการเดิมถูกตั้งไว้เมื่อ 10 ปีก่อนและไม่เคยอัปเดต ส่วนเวลาเปลี่ยนรุ่นนั้น ปกติแล้วไม่มีแม้แต่บันทึก

บทความเรื่องการเริ่มใช้งานระยะสั้นที่ Asprova เผยแพร่ก็ระบุว่า การบันทึกลำดับงาน เครื่องจักรที่รับผิดชอบ เวลาทำงานมาตรฐาน และเวลาเปลี่ยนรุ่นในมาสเตอร์กระบวนการให้ถูกต้อง คือจุดชี้ขาดความสำเร็จของการเริ่มใช้งาน พูดกลับกันก็คือ ถ้าตรงนี้ยังคลุมเครือ เลือกผลิตภัณฑ์ตัวไหนก็ได้ผลเหมือนกันหมด

ในเชิงปริมาณงาน โรงงานขนาด 100 รหัสสินค้า 20 กระบวนการ ควรเผื่อแรงงานสำหรับการวัดและตรวจสอบเวลามาตรฐานไว้รวมประมาณ 1–2 คน-เดือน (คิดเป็นผู้รับผิดชอบ 0.5 คน × 2–3 เดือน) โครงการที่บรรจุภาระงานส่วนนี้ไว้ในแผนตั้งแต่ต้น และจัดการดึงงานประจำบางส่วนออกจากผู้รับผิดชอบ แทบทุกโครงการเดินได้ราบรื่น

คิดเป็น TCO 5 ปี

สมมติค่าใช้จ่ายเริ่มต้น 5,000,000 เยน (ประมาณ 1,150,000 บาท) และค่าบำรุงรักษาปีละ 800,000 เยน (ประมาณ 184,000 บาท) ต่อเนื่อง 5 ปี ยอดสะสมจะเป็น 9,000,000 เยน (ประมาณ 2,070,000 บาท) ขณะที่แบบสมาชิกเดือนละ 200,000 เยน (ประมาณ 46,000 บาท) รวม 5 ปีจะเป็น 12,000,000 เยน (ประมาณ 2,760,000 บาท) เมื่อเทียบตรง ๆ ดูเหมือนออนพรีมิสได้เปรียบ แต่ฝั่งออนพรีมิสยังมีค่าเซิร์ฟเวอร์ ค่าอัปเดตระบบปฏิบัติการ และแรงงานภายในสำหรับรับมือเหตุขัดข้องบวกเพิ่มอีกต่างหาก เวลาเสนอขออนุมัติงบ ให้เปรียบเทียบด้วยยอดสะสม 5 ปีเสมอ และแปลงแรงงานภายในเป็นตัวเงินมาวางเรียงด้วย

4 รูปแบบความล้มเหลวของการติดตั้ง และวิธีหลีกเลี่ยง

รูปแบบที่ 1: ขึ้นระบบจริงทั้งที่มาสเตอร์ยังไม่แม่น

ความล้มเหลวที่พบมากที่สุด มีกรณีจริงที่รายงานไว้ว่า หลังจากสรุปความต้องการของระบบเสร็จ พนักงานที่มีทักษะสูงลาออก อีกทั้งเครื่องจักรมีปัญหาทำให้ขีดความสามารถของกระบวนการเปลี่ยนไปจริง แต่ค่าในมาสเตอร์กลับไม่ได้ถูกปรับตามการเปลี่ยนแปลงนั้นและถูกปล่อยทิ้งไว้ จนกระทั่งใกล้วันขึ้นระบบจึงต้องเร่งจัดทำมาสเตอร์ครั้งใหญ่และเกิดความสับสนที่หน้างาน ถ้าความแม่นยำของมาสเตอร์ต่ำ ต่อให้ใช้โปรแกรมวางแผนการผลิตที่ทรงพลังแค่ไหน ก็ได้แผนที่ทำจริงไม่ได้อยู่ดี

วิธีหลีกเลี่ยง: นิยามมาสเตอร์ใหม่ว่าเป็น “สิ่งที่ต้องอัปเดตต่อเนื่อง” ไม่ใช่ “ทำครั้งเดียวจบ” ในทางปฏิบัติควรฝังไว้ในกระบวนการทำงาน 3 ข้อ คือ (1) แต่งตั้งผู้รับผิดชอบการอัปเดตมาสเตอร์แยกตามกระบวนการ (2) วางกฎว่าเหตุการณ์ใดเป็นทริกเกอร์ให้ทบทวนมาสเตอร์ เช่น เปลี่ยนเครื่องจักร เปลี่ยนกำลังคน เปลี่ยนแม่พิมพ์ (3) ทำรายงานส่วนต่างระหว่างค่าจริงกับค่ามาตรฐานรายเดือน แล้วคัดกรองกระบวนการที่ส่วนต่างเกินเกณฑ์ที่ตั้งไว้ (เช่น เกิน 20%)

รูปแบบที่ 2: เวลามาตรฐานและเวลาเปลี่ยนรุ่นไม่ตรงกับความเป็นจริง

บทความของ scw.ai อธิบายแนวทางที่ระบบดึงผลจริงเข้ามาปรับค่าเอง ในกรณีที่เวลาเปลี่ยนรุ่นถูกคาดการณ์ไว้ 25 นาที แต่ผลจริงคือ 40 นาที ส่วนต่าง 15 นาทีนี้ ถ้าวันหนึ่งเปลี่ยนรุ่น 8 ครั้ง จะกลายเป็นความคลาดเคลื่อน 2 ชั่วโมง และแผนจะพังตั้งแต่วันแรก

วิธีหลีกเลี่ยง: อย่าพยายามทำทุกกระบวนการให้ละเอียดพร้อมกัน เริ่มจากกระบวนการคอขวดและกระบวนการที่ใช้เวลาเปลี่ยนรุ่นนาน แค่วัดจริงเฉพาะกระบวนการ 20% แรกตามหลักพาเรโต ความแม่นยำของแผนก็ดีขึ้นเป็นส่วนใหญ่แล้ว นอกจากนี้ ตรวจสอบด้วยว่าเวลามาตรฐานถูกแสดงเป็นค่าเดียวหรือแสดงแบบขึ้นกับขนาดล็อต (เวลาเปลี่ยนรุ่น + เวลาผลิต × จำนวน)

รูปแบบที่ 3: หน้างานไม่ทำตามแผน

ระบบออกแผนที่ถูกต้อง แต่หน้างานยังผลิตตามลำดับของตัวเองแบบเดิม ช่องว่างนี้ไม่ใช่ปัญหาความถูกต้องของแผน แต่เป็นปัญหาการยอมรับ แผนที่หน้างานมองแล้ว “อธิบายไม่ได้ว่าทำไมต้องเรียงแบบนี้” จะไม่มีใครทำตาม

วิธีหลีกเลี่ยง: ในช่วงแรกให้ตั้งใจลดระดับความเข้มของการปรับให้เหมาะที่สุดลง แล้วเริ่มจากการออกแผนที่ใกล้เคียงวิธีทำงานเดิม จากนั้นค่อยแสดงผลลัพธ์เป็นตัวเลขว่า “ถ้าเปลี่ยนลำดับแบบนี้ เวลาเปลี่ยนรุ่นจะลดลงเดือนละ 15 ชั่วโมง” เมื่อได้ฉันทามติจากหน้างานแล้วจึงค่อยเพิ่มความเข้มของการปรับให้เหมาะที่สุด ถ้าทำสลับลำดับกัน ระบบจะถูกมองเป็น “เครื่องจักรที่ไม่สนใจหน้างาน” นอกจากนี้ ความสามารถในการติดตามเหตุผลของการเปลี่ยนแผนบนหน้าจอ (ว่าทำไมออเดอร์นี้ถูกเลื่อนไปด้านหลัง) มีผลอย่างมากต่อการยอมรับ

รูปแบบที่ 4: ไม่มีกฎการใช้งานสำหรับการเปลี่ยนแผน

มีโรงงานจำนวนมากที่ไม่ได้กำหนดว่า “ใคร เมื่อไร เปลี่ยนแผนได้ในขอบเขตแค่ไหน” เมื่อไม่มีกฎ ฝ่ายขายจะไปขอให้หน้างานทำงานด่วนโดยตรง ลำดับงานถูกสลับโดยที่ผู้วางแผนไม่รู้ตัว และแผนในระบบกับความจริงจะห่างกันขึ้นเรื่อย ๆ

วิธีหลีกเลี่ยง: จัดทำเป็นเอกสารและตกลงร่วมกันก่อนเริ่มใช้งานจริง ดังนี้

• จังหวะการยืนยันแผนเป็นฉบับสมบูรณ์ (เช่น ล็อกแผนของวันถัดไปเวลา 16:00 น. ของวันก่อนหน้า)
• เงื่อนไขที่ยอมให้เปลี่ยนแผนหลังล็อกแล้ว และผู้มีอำนาจอนุมัติ
• รวมช่องทางรับออเดอร์ด่วนไว้ที่จุดเดียว
• ผู้รับผิดชอบการบันทึกการเปลี่ยนแปลงเข้าระบบ
• การตั้งเวทีทบทวนอัตราการทำตามแผนเป็นรายสัปดาห์

การออกแบบวิธีใช้งานยากกว่าเรื่องเทคนิค และให้ผลตอบแทนสูงกว่าด้วย

ขั้นตอนการนำระบบมาใช้｜5 ขั้นตอนและระยะเวลาโดยประมาณ

ขั้นตอนที่ 1: สำรวจงานวางแผนในปัจจุบัน

สิ่งที่ต้องทำสรุปได้ในประโยคเดียวว่า “ไปนั่งข้างผู้วางแผน” เพราะมีการตัดสินใจจำนวนมากที่ไม่ออกมาจากการสัมภาษณ์ สิ่งที่ควรบันทึกเป็นพิเศษคือ วันหนึ่งเปลี่ยนแผนกี่ครั้ง ทริกเกอร์ของการเปลี่ยนคืออะไร (เครื่องหยุด ของขาด งานด่วน คนขาด) และการเปลี่ยนแต่ละครั้งใช้เวลากี่นาที ข้อมูลเชิงปริมาณเหล่านี้จะกลายเป็นหลักฐานสนับสนุนการคำนวณผลตอบแทนจากการลงทุนในภายหลัง

ขั้นตอนที่ 2: แปลงข้อจำกัดให้เป็นภาษาที่เขียนได้

ขั้นตอนที่สำคัญที่สุดในการชี้ขาดความสำเร็จของโครงการ ให้เขียนกฎโดยปริยาย เช่น “สินค้าตัวนี้ต้องเดินช่วงเช้าเสมอ” หรือ “สองรหัสนี้ห้ามผลิตติดกัน” ออกมาให้ครบทั้งเงื่อนไขและเหตุผล การถามถึงเหตุผลด้วยคือหัวใจ เพราะข้อจำกัดที่ตอบว่า “เมื่อก่อนทำแบบนี้” ส่วนใหญ่ไม่จำเป็นอีกต่อไปแล้ว ในทางปฏิบัติ ข้อจำกัดที่ดึงออกมาได้ราว 20–30% สามารถยกเลิกได้

พร้อมกันนั้นให้กำหนดตัวชี้วัดว่าอะไรคือแผนที่ดี จะให้อัตราการส่งมอบตรงเวลาสำคัญที่สุด หรือให้ความสำคัญกับการลดเวลาเปลี่ยนรุ่น หรือการลดงานระหว่างผลิต ถ้าไม่กำหนดลำดับความสำคัญนี้ ผู้ขายก็ไม่มีทางจูนระบบให้ได้

ขั้นตอนที่ 3: จัดทำมาสเตอร์

ตามที่อธิบายในหัวข้อก่อนหน้า ขั้นตอนนี้กินแรงงานมากที่สุด อย่าทำทุกกระบวนการพร้อมกัน ให้เริ่มจากกระบวนการที่เป็นเป้าหมายของการทดลองนำร่องก่อน

ขั้นตอนที่ 4: ทดลองใช้งานในกระบวนการนำร่อง

อย่าขยายทั่วทั้งองค์กรทันที ให้จำกัดขอบเขตไว้ที่ 1 ไลน์หรือ 1 กลุ่มสินค้า และใช้งานคู่ขนานกับ Excel เป็นเวลา 2–4 สัปดาห์ สิ่งที่ต้องตรวจสอบมี 3 ข้อ คือ แผนที่ระบบออกมาทำได้จริงหรือไม่ ส่วนต่างระหว่างแผนกับผลจริงเกิดขึ้นตรงจุดใด และเวลาที่ใช้สร้างแผนลดลงไปเท่าไร ปัญหาที่พบในขั้นนี้ราว 80% มีต้นตอมาจากมาสเตอร์หรือการนิยามข้อจำกัด

ขั้นตอนที่ 5: ขยายทั่วทั้งองค์กร

เมื่อการนำร่องนิ่งแล้ว ให้ขยายขอบเขตพร้อมกับเริ่มเชื่อมต่อ ERP/MES อย่างจริงจัง สิ่งที่ควรเตรียมไว้ในขั้นนี้คือ “ซูเปอร์ยูเซอร์” ภายในองค์กร ถ้าอยู่ในสภาพที่ต้องโทรถามผู้ขายทุกครั้งจึงจะแก้การตั้งค่าได้ ระบบจะตามการเปลี่ยนแปลงของโรงงานไม่ทัน ควรพัฒนาบุคลากรกลุ่มนี้อย่างน้อย 1 คน ถ้าเป็นไปได้ 2 คน

ในภาพรวม ระยะเวลาที่สมจริงสำหรับโรงงานขนาดกลางคือ 4–6 เดือนจนถึงขั้นนำร่อง และ 8–14 เดือนหากรวมการขยายทั่วทั้งองค์กร โครงการที่ประกาศว่า “ติดตั้งทั่วทั้งองค์กรใน 3 เดือน” มีความเป็นไปได้สูงว่าประเมินงานจัดทำมาสเตอร์ต่ำเกินไป

ประเด็นเฉพาะของโรงงานในประเทศไทยและอาเซียน

ค่าแรงขั้นต่ำ 400 บาทต่อวัน และขีดจำกัดของการ “เพิ่มคนเข้าไปแก้”

ตั้งแต่วันที่ 1 กรกฎาคม 2025 (พ.ศ. 2568) ประเทศไทยได้ปรับค่าแรงขั้นต่ำในกรุงเทพมหานครเป็นวันละ 400 บาทสำหรับทุกประเภทกิจการ จากเดิม 372 บาท โดยมีแรงงานที่ได้รับผลกระทบราว 700,000 คน

สิ่งที่สำคัญกว่าตัวเลขการปรับขึ้นครั้งเดียว คือข้อเท็จจริงที่ว่านี่เป็นแนวโน้มต่อเนื่อง โครงสร้างต้นทุนของโรงงานในไทยที่เคยตั้งอยู่บนสมมติฐานว่า “ถึงช่วงงานหนักก็แค่เพิ่มคนชั่วคราว” กำลังถูกกดดันจากทั้งสองด้าน คือค่าแรงต่อหัวที่สูงขึ้น และการหาคนที่ยากขึ้น

ลองคิดเป็นตัวเลขง่าย ๆ ถ้าเพิ่มพนักงาน 10 คนเพื่อรองรับช่วงพีค ค่าแรงพื้นฐานอย่างเดียวจะเพิ่มขึ้น 4,000 บาทต่อวัน หรือประมาณ 100,000 บาทต่อเดือน (คิดที่ 25 วันทำงาน) ยังไม่รวมค่าล่วงเวลา สวัสดิการ ค่ารถรับส่ง และต้นทุนการฝึกอบรม ในทางกลับกัน ถ้าการจัดลำดับใหม่ช่วยลดเวลาเปลี่ยนรุ่นลงเดือนละ 20 ชั่วโมง นั่นคือกำลังการผลิตที่งอกขึ้นมาโดยไม่ต้องเพิ่มคนเลย นี่คือเหตุผลที่การลงทุนใน ระบบวางแผนการผลิต APS เริ่มถูกพิจารณาในระดับเดียวกับการลงทุนเครื่องจักร

แรงงานขาดแคลนเชิงโครงสร้าง ไม่ใช่ปัญหาชั่วคราว

นอกจากค่าแรง ยังมีปัจจัยเชิงโครงสร้างที่หนักกว่า คือประชากรวัยแรงงานของไทยถูกคาดการณ์ว่าจะเข้าสู่ช่วงลดลงตั้งแต่ปี 2026 (พ.ศ. 2569) เป็นต้นไป

ความหมายในทางปฏิบัติคือ วาล์วปรับสมดุลแบบเดิมที่ว่า “ช่วงงานหนักก็เพิ่มคนเข้าไปให้ผ่านไปได้” จะใช้ได้ยากขึ้นเรื่อย ๆ โรงงานจะต้องรับออเดอร์มากขึ้นด้วยจำนวนคนเท่าเดิม และด้วย lead time ที่สั้นลง เบื้องหลังการที่โรงงานในไทยเริ่มพิจารณาโปรแกรมวางแผนการผลิตกันมากขึ้น คือข้อจำกัดด้านกำลังคนข้อนี้โดยตรง

ปัญหาแรงงานขาดแคลนยังส่งผลต่อการวางแผนอีกทางหนึ่ง คือเมื่ออัตราการลาออกสูงขึ้น สัดส่วนพนักงานที่มีทักษะสูงจะลดลง ความแตกต่างของเวลาการผลิตระหว่างพนักงานแต่ละคนจึงกว้างขึ้น การวางแผนโดยอิงเวลามาตรฐานค่าเดียวจะคลาดเคลื่อนมากขึ้นเรื่อย ๆ ระบบที่จัดการตารางทักษะ (skill matrix) ของพนักงานได้ จึงมีมูลค่าสูงขึ้นในบริบทของไทยมากกว่าในญี่ปุ่น

สิทธิประโยชน์ที่ใช้ได้จริง (1): depa หักรายจ่ายได้ 200%

สำหรับการลงทุนด้านดิจิทัลของ SME ไทย มีพระราชกฤษฎีกาที่มีผลใช้บังคับเมื่อวันที่ 7 กุมภาพันธ์ 2026 (พ.ศ. 2569) ซึ่งเปิดให้นำรายจ่ายที่เข้าเงื่อนไขมาหักเป็นรายจ่ายได้ 200%

จุดที่ต้องตรวจสอบมี 3 ข้อ

ประเด็นสำคัญคือเงื่อนไขเรื่อง Thailand Digital Catalog โปรแกรมวางแผนการผลิตหรือบริการสนับสนุนการติดตั้งจะเข้าข่ายสิทธิ์นี้หรือไม่ ขึ้นอยู่กับว่าผู้ขายรายนั้นขึ้นทะเบียนไว้หรือยัง จึงคุ้มค่าอย่างยิ่งที่จะสอบถามเรื่องนี้ตั้งแต่ขั้นตอนขอใบเสนอราคา ไม่ใช่หลังเซ็นสัญญาแล้ว คำถามที่ควรถามผู้ขายตรง ๆ คือ “บริษัทของท่านหรือผลิตภัณฑ์นี้ขึ้นทะเบียนใน Thailand Digital Catalog หรือไม่ และออกเอกสารประกอบการใช้สิทธิ์ให้ได้หรือไม่”

อีกจุดที่ควรระวังคือช่วงเวลาของรายจ่าย เนื่องจากช่วงที่เข้าข่ายสิ้นสุดวันที่ 31 ธันวาคม 2027 และโครงการติดตั้งโปรแกรมวางแผนการผลิตขนาดกลางใช้เวลา 8–14 เดือน การเริ่มโครงการในช่วงครึ่งหลังของปี 2026 จึงยังอยู่ในกรอบเวลาที่จัดสรรงบให้ตกอยู่ในช่วงที่ใช้สิทธิ์ได้ แต่ถ้าเลื่อนออกไปเรื่อย ๆ ค่าใช้จ่ายส่วนหลังของโครงการอาจหลุดกรอบ

สิทธิประโยชน์ที่ใช้ได้จริง (2): BOI และแนวทาง Industry 4.0

สำนักงานคณะกรรมการส่งเสริมการลงทุน (BOI) ก็มีมาตรการสนับสนุนที่มุ่งไปทาง Industry 4.0 และโรงงานอัจฉริยะ (Smart Factory) โดยมีกลไกที่ให้นำค่าใช้จ่ายการฝึกอบรมที่ผ่านการรับรองมาหักเป็นรายจ่ายได้ 200%

ในบริบทของโครงการติดตั้งโปรแกรมวางแผนการผลิต จุดที่นำมาใช้ได้จริงคือ ค่าอบรมพนักงานคนไทย ตามที่กล่าวไว้ในขั้นตอนที่ 5 การพัฒนาซูเปอร์ยูเซอร์ภายในองค์กรอย่างน้อย 1–2 คน เป็นเงื่อนไขจำเป็นที่ทำให้ระบบอยู่รอดในระยะยาว การอบรมส่วนนี้อาจพิจารณาใส่ไว้ในกรอบของ BOI ได้

สิ่งที่ควรทำในทางปฏิบัติคือ ตั้งแต่ตอนทำใบเสนอราคา ให้แยกบรรทัด “ค่าอบรม” ออกจาก “ค่าสนับสนุนการติดตั้ง” ให้ชัดเจน เพราะถ้ารวมเป็นก้อนเดียว การพิสูจน์ขอบเขตที่เข้าข่ายจะยุ่งยากขึ้นมาก

ทั้งกรณี depa และ BOI ความเข้าข่ายขึ้นอยู่กับสถานการณ์เฉพาะของแต่ละบริษัท จึงจำเป็นต้องตรวจสอบกับสำนักงานบัญชีหรือที่ปรึกษาด้าน BOI เสมอ อย่าใช้ข้อมูลจากบทความใด ๆ รวมถึงบทความนี้ เป็นข้อสรุปสุดท้ายในการยื่นขอสิทธิ์

กรณีที่มีฐานผลิตในเวียดนามด้วย

ในเวียดนามมีการผลักดันการเปลี่ยนผ่านสู่ดิจิทัลและนวัตกรรมโดยมีมติที่ 57 (Nghị quyết 57-NQ/TW) เป็นแกน และมีรายงานถึงแนวคิดจัดตั้งศูนย์วิจัยการผลิตขั้นสูง (VAMRC) จุดที่น่าสนใจคือ แนวทางที่เลือกใช้ไม่ใช่การเปลี่ยนเครื่องจักรใหม่ทั้งหมด แต่เป็นการสนับสนุนให้ปรับกระบวนการของไลน์ที่มีอยู่เดิมให้เหมาะที่สุด โดยมีรายงานว่าบริษัทที่เข้าร่วมมีผลิตภาพเพิ่มขึ้น 30–50%

การติดตั้งโปรแกรมวางแผนการผลิตเข้าข่ายมาตรการแบบ “เปลี่ยนวิธีการไหลของงานโดยใช้เครื่องจักรเดิม” นี้พอดี สำหรับกลุ่มบริษัทที่มีทั้งฐานผลิตในไทยและเวียดนาม การเลือกผลิตภัณฑ์ที่ใช้มาตรฐานเดียวกันได้ทั้งสองประเทศจะช่วยลดต้นทุนการดูแลระยะยาวลงได้มาก

UI หลายภาษาและการทำให้ทีมงานคนไทยใช้งานได้จริง

แกนที่ 6 กล่าวถึงไปแล้ว แต่ขอเสริมประเด็นเชิงปฏิบัติ

กุญแจของการทำให้ทีมงานคนไทยใช้ระบบได้จริง ไม่ได้อยู่ที่การแปลภาษา แต่อยู่ที่การออกแบบบทบาท ถ้ากำหนดให้การวางแผนเป็นงานของผู้จัดการ (คนญี่ปุ่นหรือคนไทยระดับหัวหน้า) และสำหรับหน้างานให้แจกเฉพาะ “ลำดับงานของวันนี้” ผ่านเอกสารภาษาไทยหรือแสดงบนแท็บเล็ต ขอบเขตการรองรับหลายภาษาที่จำเป็นจะอยู่ในขนาดที่จัดการได้จริง ถ้าตั้งเป้าแปลทุกฟังก์ชันให้ครบ ต้นทุนจะพุ่งขึ้นมากแต่กลับไม่ค่อยมีใครใช้

ด้านการอบรม สิ่งสำคัญคืออย่าจบการฝึกใช้งานในครั้งเดียว ควรแบ่งเป็น 3 ครั้ง คือทันทีหลังติดตั้ง หลังจากนั้น 1 เดือน และ 3 เดือน โดยครั้งที่ 3 ใช้รูปแบบให้แต่ละคนนำ “สถานการณ์ที่เจอปัญหาจริง” มาแลกเปลี่ยนกัน จะช่วยเพิ่มอัตราการใช้งานต่อเนื่องได้ชัดเจน

อีกประเด็นที่พบบ่อยในโรงงานไทยคือเรื่องเอกสารประกอบ หากคู่มือมีแต่ภาษาญี่ปุ่น เมื่อคนที่รู้เรื่องย้ายกลับ องค์ความรู้จะหายไปทั้งหมด ควรตกลงตั้งแต่ตอนทำสัญญาว่าจะจัดทำคู่มือปฏิบัติงานฉบับภาษาไทยของโรงงานเองเป็นส่วนหนึ่งของขอบเขตงาน

เขตเวลาและโครงสร้างการซัพพอร์ต

หากใช้ผลิตภัณฑ์ของผู้ขายญี่ปุ่น หลายรายมีศูนย์ซัพพอร์ตเปิดเฉพาะวันทำการ เวลา 9:00–17:00 น. ตามเวลาญี่ปุ่น ซึ่งญี่ปุ่นเร็วกว่าไทย 2 ชั่วโมง ช่วงเวลาที่ติดต่อได้จริงจึงเท่ากับ 7:00–15:00 น. ตามเวลาไทย ควรตรวจสอบก่อนเซ็นสัญญาว่าถ้าเกิดปัญหาในกะกลางคืนของโรงงานไทย หรือช่วงวันหยุดยาวของญี่ปุ่น (เช่น โกลเดนวีก หรือปีใหม่) จะมีการรับมืออย่างไร ปฏิทินวันหยุดของสองประเทศไม่ตรงกัน จึงต้องเช็กทั้งวันหยุดไทยอย่างสงกรานต์และวันหยุดญี่ปุ่นควบคู่กัน

คำตอบที่สมจริงคือโครงสร้างสองชั้น โดยให้พาร์ตเนอร์ในประเทศไทยรับผิดชอบการตอบสนองขั้นต้น และส่งต่อเฉพาะปัญหาเชิงลึกที่เป็นเรื่องเฉพาะของผลิตภัณฑ์ไปยังผู้ขายที่ญี่ปุ่น เมื่อเลือกพาร์ตเนอร์ในประเทศ ควรดูว่าเข้าใจทั้งภาษาไทยและกระบวนการผลิตจริง ไม่ใช่แค่ติดตั้งซอฟต์แวร์ได้

AI กับการวางแผนการผลิตในวันนี้｜ตรงไหนได้ผล ตรงไหนไม่ได้ผล

ตลาดกำลังขยายตัวอย่างต่อเนื่อง

ตามรายงานตลาดของ Global Growth Insights ตลาดซอฟต์แวร์ APS มีมูลค่าราว 994.74 ล้านดอลลาร์สหรัฐในปี 2025, ราว 1,093.22 ล้านดอลลาร์สหรัฐในปี 2026 และราว 1,201.45 ล้านดอลลาร์สหรัฐในปี 2027 โดยคาดว่าจะแตะราว 2,556.75 ล้านดอลลาร์สหรัฐในปี 2035 (อัตราการเติบโตเฉลี่ยต่อปี 9.9%) การเติบโตเกือบ 10% ต่อปีสะท้อนว่าการทำให้การวางแผนการผลิตเป็นอัตโนมัติ กำลังเลิกเป็นเรื่องของโรงงานล้ำสมัยเพียงไม่กี่แห่ง

รายงานฉบับเดียวกันยังระบุว่า ผู้ผลิตรายใหญ่ราว 57% กำลังนำการจัดตารางการผลิตที่ใช้ AI มาใช้ และ 49% วัดผลได้จริงว่ารอบการผลิตดีขึ้น ส่วนโมดูลที่ฝัง AI ไว้ให้ความแม่นยำและความเร็วของแผนดีขึ้น 31% เมื่อเทียบกับแบบเดิม

สิ่งที่ AI ทำได้ดี

ณ ปัจจุบัน แนวทางที่ใช้ AI หรือ Machine Learning ให้ผลชัดในงานวางแผนการผลิต มีดังนี้

• การเรียนรู้เวลามาตรฐานและเวลาเปลี่ยนรุ่นจากผลจริง: ประมาณค่าเวลาที่ใช้จริงแยกตามรหัสสินค้า เครื่องจักร พนักงาน และช่วงเวลา แล้วปรับค่ามาสเตอร์ให้ ทำให้อัปเดตได้ในระดับความละเอียดที่แรงคนตามไม่ทัน
• ยกระดับความแม่นยำของการพยากรณ์อุปสงค์: ป้อนการพยากรณ์ปริมาณที่คำนึงถึงฤดูกาลและแนวโน้มในอดีตเข้าไปที่ฝั่งข้อมูลนำเข้าของแผน
• การค้นหาในพื้นที่คำตอบขนาดมหาศาล: การค้นหาคำตอบสำหรับปัญหาที่นิยามฟังก์ชันประเมินได้ เช่น ลำดับการเปลี่ยนรุ่นและการจัดสรรเครื่องจักร
• การตรวจจับความผิดปกติ: ตรวจจับกระบวนการที่ส่วนต่างระหว่างแผนกับผลจริงกำลังขยายตัว ด้วยรูปแบบ (pattern) แทนการใช้ค่าเกณฑ์ตายตัว

สิ่งที่ AI ยังทำแทนไม่ได้

ในทางกลับกัน เรื่องต่อไปนี้ยังเป็นงานของคน

• การนิยามว่าอะไรคือแผนที่ดี: จะให้กำหนดส่งมาก่อน หรืออัตราการใช้กำลังการผลิตมาก่อน หรือการลดสต๊อกมาก่อน การตัดสินคุณค่าแบบนี้อัลกอริทึมตัดสินแทนไม่ได้
• การดึงข้อจำกัดโดยปริยายออกมา: กฎแบบ “สินค้าของลูกค้ารายนี้ต้องส่งวันจันทร์เสมอ” ซึ่งไม่ปรากฏในข้อมูล
• การประมาณค่าในพื้นที่ที่ไม่มีข้อมูล: สินค้าใหม่ เครื่องจักรใหม่ พนักงานใหม่ ถ้าไม่มีข้อมูลสำหรับเรียนรู้ก็ไม่มีความแม่นยำ
• การสร้างฉันทามติในองค์กร: การไกล่เกลี่ยความขัดแย้งด้านลำดับความสำคัญระหว่างฝ่ายขายกับฝ่ายผลิต เป็นงานของคน ไม่ใช่ของระบบ

สรุปได้ว่า AI เป็นเครื่องมือทรงพลังที่ยกระดับความแม่นยำของมาสเตอร์และความเร็วในการปรับแผนซ้ำ ๆ แต่ไม่ได้มาแทนที่การแปลงข้อจำกัดให้เป็นภาษาที่เขียนได้ และการวางกฎการใช้งาน ดังนั้นแทนที่จะยึด “มี AI ในตัว” เป็นแกนหลักในการคัดเลือก วิธีที่รอบคอบกว่าคือตรวจสอบพื้นฐานด้วย 7 แกนในหัวข้อก่อนหน้าให้ครบก่อน แล้วประเมินฟังก์ชัน AI เป็นส่วนเสริมที่บวกเพิ่มเข้ามา ในแง่ของการวางรากฐานข้อมูลการผลิต เรื่องนี้เชื่อมโยงกับการจัดระเบียบข้อมูลรับเข้า-จ่ายออกที่กล่าวถึงในการเปลี่ยนผ่านสู่ดิจิทัลด้านโลจิสติกส์และการใช้ WMS ในเอเชียตะวันออกเฉียงใต้

คำถามที่พบบ่อย (FAQ)

โปรแกรมวางแผนการผลิตคืออะไร

คือระบบที่สร้างตารางการผลิตระยะสั้นโดยอัตโนมัติ ว่า “จะผลิตเมื่อไร ด้วยเครื่องจักรใด ใครทำ และเรียงลำดับอย่างไร” โดยอ้างอิงเงื่อนไขข้อจำกัดต่าง ๆ เช่น คำสั่งซื้อ กระบวนการผลิต กำลังการผลิตของเครื่องจักร และกำลังคน มีอีกชื่อว่า APS (Advanced Planning and Scheduling) ฟังก์ชันแกนกลางคือการจัดตารางแบบกำลังการผลิตจำกัดที่ถือเพดานกำลังการผลิตเป็นข้อจำกัด และการจำลองสถานการณ์ what-if เพื่อเปรียบเทียบแผนหลายทางเลือก

ค่าใช้จ่ายของระบบวางแผนการผลิตอยู่ที่ประมาณเท่าไร

อ้างอิงข้อมูลที่เผยแพร่โดย IT trend ซึ่งเป็น ราคาอ้างอิงจากตลาดญี่ปุ่น ค่าใช้จ่ายเริ่มต้นมีตั้งแต่แบบเริ่มเล็กที่ระดับ 500,000 เยน (ประมาณ 115,000 บาท) กลุ่ม SME ที่ระดับ 1,200,000–2,500,000 เยน (ประมาณ 276,000–575,000 บาท) ไปจนถึงกลุ่มขนาดใหญ่ฟังก์ชันครบที่ระดับ 10,000,000 เยน (ประมาณ 2,300,000 บาท) และยังมีแบบสมาชิกรายเดือนที่ 48,000 เยน (ประมาณ 11,000 บาท) ต่อไลเซนส์ 1 แผนก อย่างไรก็ตาม ต้นทุนรวมไม่ได้ตัดสินด้วยค่าไลเซนส์อย่างเดียว ต้องรวมค่าสนับสนุนการติดตั้ง แรงงานจัดทำมาสเตอร์ ค่าพัฒนาการเชื่อมต่อ และค่าบำรุงรักษารายปี (โดยทั่วไป 15–20% ของค่าไลเซนส์) แล้วเปรียบเทียบด้วยยอดสะสม 5 ปี

มีระบบบริหารการผลิตอยู่แล้ว ยังต้องมีโปรแกรมวางแผนการผลิตอีกไหม

บทบาทต่างกัน จึงทดแทนกันไม่ได้ ระบบบริหารการผลิตและ ERP จัดการเรื่อง “ผลิตอะไร จำนวนเท่าไร ส่งเมื่อไร” ส่วนโปรแกรมวางแผนการผลิตจัดการเรื่อง “ผลิตเมื่อไร เครื่องไหน ใครทำ เรียงลำดับอย่างไร” อย่างไรก็ตาม บางกรณีฟังก์ชันมาตรฐานของระบบบริหารการผลิตก็เพียงพอแล้ว ลำดับที่ถูกต้องคือสำรวจก่อนว่างานวางแผนของโรงงานเสียเวลาไปกับจุดใด แล้วตรวจสอบว่านั่นเป็นปัญหาระดับการจัดตารางระยะสั้นหรือไม่ จึงค่อยตัดสินใจ

ถ้าจะเปลี่ยนจากการวางแผนการผลิตด้วย Excel ต้องใช้เวลานานแค่ไหน

สำหรับโรงงานขนาดกลาง ระยะเวลาที่สมจริงคือ 4–6 เดือนนับจากการสำรวจสถานะปัจจุบัน ผ่านการแปลงข้อจำกัดเป็นภาษาที่เขียนได้ และการจัดทำมาสเตอร์ จนถึงการเริ่มใช้งานนำร่อง และ 8–14 เดือนหากรวมการขยายทั่วทั้งองค์กร ปัจจัยที่มีผลต่อระยะเวลามากที่สุดคือการจัดทำมาสเตอร์ หากต้องวัดเวลามาตรฐานและเวลาเปลี่ยนรุ่นจริง ให้เผื่อไว้ 1–3 เดือน ถ้าต้องการย่นระยะเวลา การจำกัดขอบเขตไว้รอบ ๆ กระบวนการคอขวดเป็นวิธีที่ได้ผล

โรงงานขนาดเล็กติดตั้งได้ไหม

ได้ เพราะมีผลิตภัณฑ์ที่ค่าใช้จ่ายเริ่มต้นระดับ 500,000 เยน (ประมาณ 115,000 บาท) และแบบคิดค่าบริการรายเดือน จึงออกแบบขนาดการลงทุนได้ยืดหยุ่น แต่ในทางปฏิบัติ ยิ่งโรงงานเล็ก ยิ่งมีกรณีที่ “ผู้วางแผน = ผู้จัดการโรงงาน” ทำให้เจียดเวลามาจัดทำมาสเตอร์ได้ยาก ขอแนะนำให้จำกัดขอบเขตไว้ที่ 1 ไลน์และรหัสสินค้าหลักราว 20 รายการ แล้วเริ่มจากหัวข้อที่วัดผลได้ชัด เช่น การลดเวลาเปลี่ยนรุ่น

โรงงานในไทยใช้ผลิตภัณฑ์ตัวเดียวกับที่ญี่ปุ่นได้ไหม

ในทางเทคนิคผลิตภัณฑ์ส่วนใหญ่ใช้ได้ แต่มี 3 จุดที่ต้องตรวจสอบ ข้อแรกคือการรองรับหลายภาษา (อย่างน้อยต้องมี UI ภาษาอังกฤษ ถ้าเป็นไปได้ควรออกเอกสารสำหรับหน้างานเป็นภาษาไทยได้) ข้อสองคือโครงสร้างการซัพพอร์ต (ถ้ามีเฉพาะช่องทางตามเวลาญี่ปุ่น ช่วงเวลาที่ติดต่อได้จริงจะจำกัด) ข้อสามคือการมีพาร์ตเนอร์ในประเทศ ความสามารถในการจัดโครงสร้างที่ตอบสนองขั้นต้นได้ภายในประเทศไทย มีผลอย่างมากต่อเสถียรภาพของการใช้งาน

ค่าใช้จ่ายในการติดตั้งใช้สิทธิ์ลดหย่อนภาษีในไทยได้ไหม

มีความเป็นไปได้ แต่ต้องตรวจสอบเป็นรายกรณี สำหรับ SME มีมาตรการหักรายจ่ายได้ 200% ตามพระราชกฤษฎีกาที่มีผลใช้บังคับวันที่ 7 กุมภาพันธ์ 2026 โดยรายจ่ายที่เข้าข่ายอยู่ในช่วงวันที่ 24 มิถุนายน 2025 ถึง 31 ธันวาคม 2027 และต้องเป็นสินค้าหรือบริการของผู้ขายที่ขึ้นทะเบียนใน Thailand Digital Catalog ส่วนค่าอบรมพนักงานที่ผ่านการรับรอง มีกลไกของ BOI ที่ให้หักรายจ่ายได้ 200% เช่นกัน ควรสอบถามสถานะการขึ้นทะเบียนของผู้ขายตั้งแต่ขั้นตอนขอใบเสนอราคา และตรวจสอบความเข้าข่ายกับสำนักงานบัญชีหรือที่ปรึกษา BOI

ควรวัดผลของการติดตั้งอย่างไร

ต้องเก็บค่าตั้งต้น (baseline) ก่อนติดตั้งเสมอ ตัวชี้วัดที่แนะนำมี 5 ข้อ คือ (1) อัตราการส่งมอบตรงเวลา (2) เวลาที่ใช้สร้างและแก้ไขแผน (3) เวลาเปลี่ยนรุ่นรวม (4) มูลค่างานระหว่างผลิต (5) อัตราการใช้กำลังการผลิตหรือค่า OEE บทความของ scw.ai มีรายงานกรณีการลดงานที่เกี่ยวข้องกับการจัดตารางลง 50% และการปรับปรุง OEE มากกว่า 3% (สร้างเวลาการผลิตเพิ่มขึ้นประมาณ 30 นาทีต่อวัน) การติดตามตัวชี้วัดเหล่านี้เป็นรายเดือนจะทำให้เห็นผลลัพธ์ได้ชัดเจน

สรุป

ประเด็นสำคัญของการเปรียบเทียบโปรแกรมวางแผนการผลิต สรุปได้ดังนี้

• โปรแกรมวางแผนการผลิต (APS) รับผิดชอบการจัดตารางการผลิตระยะสั้น ซึ่งมีบทบาทต่างจาก ERP (ผลิตอะไรเมื่อไร) และ MES (สั่งงานและเก็บผลจริง) ทั้งสามเสริมกันแบบต่อเป็นอนุกรม
• ต้นทุนที่แท้จริงของการใช้ Excel สะสมอยู่ในที่ที่งบกำไรขาดทุนมองไม่เห็น ทั้งการผูกติดกับตัวบุคคล ความล่าช้าในการปรับแผน ภาระงานที่ไม่สมดุล และการที่ PDCA ไม่หมุน
• การเปรียบเทียบไม่ควรดูจากตารางฟีเจอร์ แต่ให้ดู 7 แกน คือ รูปแบบการผลิตที่รองรับ / ความสามารถในการแสดงข้อจำกัด / ความเร็วในการจัดตารางใหม่ / รูปแบบการเชื่อมต่อ / UI และความเหมาะกับหน้างาน / การรองรับหลายภาษาและโรงงานต่างประเทศ / รูปแบบราคา
• อย่าตัดสินค่าใช้จ่ายจากค่าไลเซนส์อย่างเดียว ให้เปรียบเทียบด้วยยอดสะสม 5 ปีที่รวมค่าสนับสนุนการติดตั้ง แรงงานจัดทำมาสเตอร์ ค่าพัฒนาการเชื่อมต่อ และค่าบำรุงรักษา โดยเฉพาะแรงงานจัดทำมาสเตอร์ที่มักถูกประเมินต่ำ
• ความล้มเหลวส่วนใหญ่มาจาก 4 เรื่อง คือ ความแม่นยำของมาสเตอร์ ความคลาดเคลื่อนของเวลามาตรฐาน/เวลาเปลี่ยนรุ่น การยอมรับของหน้างาน และการไม่มีกฎการเปลี่ยนแผน ทั้งหมดเป็นปัญหาการออกแบบวิธีใช้งาน ไม่ใช่การเลือกผลิตภัณฑ์
• สำหรับไทยและอาเซียน มีปัจจัยเชิงโครงสร้างอย่างค่าแรงขั้นต่ำ 400 บาทต่อวันและประชากรวัยแรงงานที่จะลดลงตั้งแต่ปี 2026 บวกกับประเด็นเฉพาะทาง เช่น สิทธิหักรายจ่าย 200% ของ depa มาตรการ BOI ด้าน Industry 4.0 การใช้งานหลายภาษา และโครงสร้างซัพพอร์ตที่คำนึงถึงเขตเวลา
• AI ช่วยได้จริงในเรื่องการปรับความแม่นยำของมาสเตอร์ การพยากรณ์อุปสงค์ และการค้นหาคำตอบให้เร็วขึ้น แต่ไม่ได้มาแทนการแปลงข้อจำกัดเป็นภาษาที่เขียนได้และการสร้างฉันทามติในองค์กร

ก่อนจะเลือกผลิตภัณฑ์ ลองสังเกตงานวางแผนการผลิตของโรงงานตัวเองสัก 1 สัปดาห์ ถ้าได้ตัวเลข 2 ตัวคือ “เปลี่ยนแผนไปกี่ครั้ง” และ “แต่ละครั้งใช้เวลาเท่าไร” การถกเถียงเรื่องการตัดสินใจลงทุนจะเป็นรูปธรรมขึ้นทันที

TOMAS TECH CO., LTD. เป็นผู้ให้บริการด้านไอทีสำหรับโรงงาน (Factory IT Integrator) ที่มีฐานอยู่ในกรุงเทพฯ ให้บริการด้านการบริหารการผลิต IoT และการเปลี่ยนผ่านสู่ดิจิทัลที่หน้างาน แก่ผู้ผลิตสัญชาติญี่ปุ่นในไทยและอาเซียน โดยมีระบบบริหารการผลิต/บริหารพลังงาน PEGASUS เป็นหนึ่งในบริการหลัก และสนับสนุนการสร้างระบบที่สอดคล้องกับการทำงานจริงในพื้นที่ ด้วยทีมงานที่สื่อสารได้ทั้งภาษาไทย ญี่ปุ่น และอังกฤษ หากยังอยู่ในขั้น “ยังไม่ได้เลือกผลิตภัณฑ์” หรือ “ยังไม่แน่ใจว่าโรงงานเราจำเป็นต้องใช้โปรแกรมวางแผนการผลิตหรือไม่” ก็ยินดีพูดคุยตั้งแต่ขั้นตอนการจัดระเบียบงานวางแผนในปัจจุบัน ติดต่อสอบถามได้ที่ หน้าติดต่อเรา

แหล่งอ้างอิง

• Advanced Planning and Scheduling (APS) Software Market — Global Growth Insights: https://www.globalgrowthinsights.com/market-reports/advanced-planning-and-scheduling-aps-software-market-123267
• Advanced Planning and Scheduling — SCW.AI: https://scw.ai/blog/advanced-planning-and-scheduling/
• โปรแกรมวางแผนการผลิตคืออะไร ผลิตภัณฑ์หลักและราคา — IT trend: https://it-trend.jp/production_management/article/production-scheduler
• ความเสี่ยงของการนำระบบวางแผนการผลิตมาใช้ — Totec Sangyo: https://www.totec-sangyo.jp/article/use/productionplanningsystem_introduction_risk
• การเริ่มใช้งานระยะสั้นและการจัดทำมาสเตอร์กระบวนการ — Asprova: https://www.asprova.jp/column/a1/20240624a/
• ไทยปรับค่าแรงขั้นต่ำในกรุงเทพฯ เป็นวันละ 400 บาท — JETRO: https://www.jetro.go.jp/biznews/2025/07/b21007a1ac8f7fca.html
• แนวโน้มกำลังแรงงานและประชากรวัยแรงงานของไทย — IDE-JETRO: https://www.ide.go.jp/Japanese/IDEsquare/Eyes/2023/ISQ202320_007.html
• Thailand Introduces 200% Tax Deduction for SME Digital Spending — BizWings: https://www.bizwings.co/post/thailand-introduces-200-tax-deduction-for-sme-digital-spending
• Thailand BOI Manufacturing Incentives — Pertama Partners: https://www.pertamapartners.com/funding/thailand-boi-manufacturing
• มติที่ 57 และแนวคิดศูนย์วิจัยการผลิตขั้นสูง — Vietnam.vn: https://www.vietnam.vn/en/hien-thuc-hoa-nghi-quyet-57-bang-trung-tam-nghien-cuu-san-xuat-tien-tien