ค่าใช้จ่ายและการคืนทุนของระบบวิชันสำหรับหุ่นยนต์ ชี้ขาดด้วยการป้อนชิ้นงาน ความแม่นยำ และแสงสว่าง

คำขอใบเสนอราคาส่วนใหญ่เริ่มต้นด้วยประโยคนี้ว่า ถ้าติดตั้งระบบวิชันสำหรับหุ่นยนต์แล้ว ต่อให้วางชิ้นงานไม่เป็นระเบียบ หุ่นยนต์ก็จะหยิบให้เอง แต่จุดที่ติดขัดตอนเริ่มเดินระบบจริงนั้น แทบไม่มีข้อยกเว้นเลยว่าอยู่นอกตัวกล้องทั้งสิ้น ชิ้นงานถูกป้อนเข้ามาในสภาพใด แสงสว่างนิ่งพอหรือไม่ ตัวหุ่นยนต์และมือจับยอมรับความคลาดเคลื่อนของพิกัดที่รับมาได้มากแค่ไหน สามเรื่องนี้ไม่ปรากฏอยู่ในใบเสนอราคาของกล้องแม้แต่บรรทัดเดียว บทความนี้แยกย่อยให้เห็นทั้งปัจจัยที่ทำให้ค่าใช้จ่ายขยับต่างกันถึงระดับหลัก และเงื่อนไขที่ทำให้การลงทุนคืนทุนได้จริงในโรงงานที่ประเทศไทย รวมถึงตัวอย่างการคำนวณด้วยตัวเลขสมมติ

ระบบวิชันสำหรับหุ่นยนต์ไม่ใช่อุปกรณ์สำหรับดู แต่เป็นกลไกสำหรับส่งพิกัด

ขอจัดระเบียบคำศัพท์ก่อนเป็นอันดับแรก กล้องในโรงงานมีบทบาทหลักอยู่ 2 อย่าง และถ้ารวบทั้งสองประเภทนี้เข้าด้วยกันด้วยคำว่าการประมวลผลภาพเหมือนกันหมด การเขียนข้อกำหนดความต้องการก็จะผิดตั้งแต่วิธีเขียนข้อกำหนดความต้องการ

ประเภทที่หนึ่งคือ กล้องที่ตัดสินว่าดีหรือเสีย มีรอยตำหนิหรือไม่ อ่านตัวพิมพ์ออกหรือไม่ มีชิ้นส่วนประกอบอยู่หรือไม่ ผลลัพธ์สุดท้ายจะลงเอยที่ค่าเดียวคือ OK หรือ NG เป็นการใช้งานเพื่อทดแทนการตรวจสอบด้วยสายตาคน งานหลักจึงอยู่ที่การสร้างเกณฑ์ตัดสินและการตกลงตัวอย่างขอบเขตร่วมกัน วิธีเจาะรายละเอียดของงานประเภทนี้อธิบายไว้ใน เกณฑ์ตัดสินเพื่อไม่ให้การนำ AI มาตรวจสอบด้วยภาพล้มเหลว

อีกประเภทหนึ่งคือหัวข้อของบทความนี้ นั่นคือ กล้องที่ส่งพิกัดให้หุ่นยนต์ ผลลัพธ์ไม่ใช่ OK หรือ NG แต่เป็นชุดตัวเลขที่บอกว่าชิ้นงานชิ้นนี้อยู่ตรงตำแหน่งใดของระบบพิกัดหุ่นยนต์ ด้วยท่าทางแบบใด ถ้าเป็น 2D ก็คือ X และ Y บนระนาบ กับมุมหมุน ถ้าเป็น 3D ก็เพิ่มความสูงและความเอียงเข้ามา รวมมากที่สุดคือองศาอิสระของตำแหน่ง 3 + องศาอิสระของท่าทาง 3 เป็นตัวเลข 6 ค่า หุ่นยนต์รับตัวเลขชุดนั้นไปแล้วจึงเคลื่อนที่

ความต่างนี้แสดงออกมาในรูปของลักษณะความล้มเหลวที่ต่างกัน ถ้ากล้องตัดสินดีเสียพลาด ของเสียก็หลุดออกไปหรือของดีถูกทิ้ง แต่ถ้ากล้องที่ส่งพิกัดพลาด หุ่นยนต์จะคว้าลม จับชิ้นงานไม่ติด หรือในกรณีเลวร้ายที่สุดคือไปชนกับจิ๊กหรืออุปกรณ์รอบข้าง อย่างแรกเป็นความผิดพลาดของผลลัพธ์ แต่อย่างหลังเป็นความผิดพลาดของการเคลื่อนไหว และทำให้สายการผลิตหยุดในเชิงกายภาพ ด้วยเหตุนี้ข้อกำหนดความต้องการของระบบวิชันสำหรับหุ่นยนต์จึงต้องเขียนว่า ด้วยพิกัดที่ส่งไปนั้นหุ่นยนต์จับได้แน่นอนหรือไม่ ไม่ใช่เขียนว่าอัตราการรู้จำได้กี่เปอร์เซ็นต์

สิ่งที่อยู่ระหว่างคำว่ารู้จำได้กับคำว่าจับได้

เวลาไปดูการสาธิต บนหน้าจอจะเห็นชิ้นงานถูกล้อมด้วยกรอบสี และมีแกนพิกัดที่บอกท่าทางซ้อนทับอยู่ ภาพนั้นแสดงว่าระบบรู้จำชิ้นงานได้ แต่ระหว่างการรู้จำกับการจับยึดยังมีด่านอยู่อย่างน้อย 4 ด่าน

• แปลงตำแหน่งที่คำนวณได้ในระบบพิกัดกล้อง ไปเป็นตำแหน่งในระบบพิกัดหุ่นยนต์ได้ถูกต้องหรือไม่ ซึ่งก็คือการคาลิเบรตระหว่างกล้องกับมือหุ่นยนต์
• หุ่นยนต์ไปถึงพิกัดที่แปลงแล้วได้จริงหรือไม่ ทั้งในแง่ความแม่นยำสัมบูรณ์ ระยะเอื้อม จุดเอกฐาน และความเป็นไปได้ของท่าทาง
• เมื่อพามือจับเข้าไปถึงตรงนั้นแล้ว ชนกับชิ้นงานข้างเคียงหรือผนังกล่องหรือไม่ ซึ่งก็คือการวางแผนเส้นทางเพื่อหลบการชน
• ที่ตำแหน่งซึ่งไปถึงแล้ว มือจับดูดซับความแปรปรวนของขนาดชิ้นงานและความคลาดเคลื่อนที่เหลืออยู่ได้หรือไม่ ซึ่งก็คือระยะเผื่อของมือจับ

สิ่งที่เห็นในการสาธิตนั้นอย่างดีที่สุดคือด่านแรกเท่านั้น อีก 3 ด่านที่เหลือพิสูจน์ได้เฉพาะด้วยชิ้นงานของตัวเอง มือจับของตัวเอง และสภาพการป้อนชิ้นงานของตัวเองเท่านั้น นี่คือเหตุผลว่าทำไมการเริ่มพิจารณาระบบวิชันสำหรับหุ่นยนต์จากการเลือกกล้อง จึงเป็นการเดินอ้อมเสมอ

เส้นแบ่งระหว่างกระบวนการที่ใช้ 2D พอ กับกระบวนการที่ต้องใช้ 3D

กล้อง 3D แพงกว่ากล้อง 2D ประมวลผลหนักกว่า และใช้ชั่วโมงงานในการเริ่มเดินระบบมากกว่า สิ่งที่ต้องตัดสินใจเป็นอันดับแรกจึงคือต้องใช้ 3D หรือไม่ ไม่ใช่จะเลือกกล้อง 3D รุ่นไหน

วิธีลากเส้นแบ่งนั้นเรียบง่าย มันถูกกำหนดด้วย จำนวนตัวเลขที่ต้องส่งให้หุ่นยนต์ ถ้าชิ้นงานวางบนระนาบเป็นชั้นเดียว ความสูงทราบค่าและคงที่ และความแปรปรวนของท่าทางมีเพียงการหมุนภายในระนาบ ตัวเลขที่ต้องส่งก็มีแค่ X, Y และมุมหมุน รวม 3 ค่า ซึ่งหาได้ด้วย 2D ในทางกลับกัน ถ้ามีเงื่อนไขว่าชิ้นงานวางซ้อนกัน เอียง ความสูงต่างกันในแต่ละชิ้น หรือหงายกับคว่ำปะปนกัน ความสูงและความเอียงอีก 2 แกนก็จะกลายเป็นตัวแปรที่ไม่ทราบค่าเพิ่มขึ้นมา จึงต้องใช้ข้อมูลความลึกจาก 3D การหยิบชิ้นงานกองรวมในกล่องต้องใช้ 3D ก็ด้วยเหตุผลนี้

อย่ามองข้ามช่วงกลางที่ใช้ 2.5D ก็พอ

สิ่งที่พบมากหน้างานจริงไม่ใช่สองขั้วสุดโต่ง แต่เป็นช่วงกลาง เช่น เรียงอยู่ในถาดเป็นชั้นเดียว แต่ชิ้นงานมีความหนาอยู่หลายแบบ หรือไหลมาบนสายพาน แต่บางครั้งซ้อนกัน 2 ชิ้น กรณีแบบนี้ส่วนใหญ่แล้วเพียงหาตำแหน่งบนระนาบด้วย 2D แล้วใช้เซนเซอร์วัดระยะหรือการวัดความสูงอย่างง่ายเพื่อแยกแค่ว่าอยู่ชั้นที่เท่าไร ก็เพียงพอแล้ว ก่อนจะลงมือสร้างโมเดลการรู้จำแบบ 3D เต็มรูปแบบ ต้องพิจารณาเสมอว่ามีวิธีลดตัวแปรที่ไม่ทราบค่าด้านความสูงลงสัก 1 ตัวได้หรือไม่ ถ้าข้ามขั้นตอนนี้แล้วไปที่ 3D ตั้งแต่แรก ค่าใช้จ่ายของกลุ่มสอนที่จะกล่าวถึงต่อไปจะพุ่งขึ้นทันที

ข้อดีข้อเสียตามวิธีการของ 3D

วิธีเก็บข้อมูล 3D มีทั้งสเตอริโอ แสงโครงสร้าง ToF และการวัดสามเหลี่ยมด้วยเลเซอร์ แต่ละแบบมีสิ่งที่ถนัดและไม่ถนัดต่างกัน ชิ้นงานโลหะที่มีความมันวาวมักทำให้กลุ่มจุดขาดหายเพราะการสะท้อน ส่วนพลาสติกสีดำมักหลุดหายเพราะแสงไม่สะท้อนกลับ และชิ้นงานโปร่งใสหรือกึ่งโปร่งใสเป็นจุดอ่อนของเกือบทุกวิธี เวลาทดสอบกับเครื่องจริง สิ่งที่ถูกต้องคือนำ ชิ้นที่สะท้อนแสงวาววับจนเป็นปัญหามากที่สุด ชิ้นที่ดำที่สุด และชิ้นที่สกปรกที่สุด ไปให้เขาแสดงกลุ่มจุดให้ดู ไม่ใช่นำตัวอย่างของดีที่เป็นตัวแทนไป เพราะภาพตัวอย่างในแคตตาล็อกนั้นถ่ายจากชิ้นงานที่วิธีนั้นถนัดที่สุดอยู่แล้ว

ความแม่นยำในแคตตาล็อกไม่ได้กลายเป็นความแม่นยำหน้างาน — ความคลาดเคลื่อนของการกำหนดตำแหน่งสามชั้นซ้อน

หัวข้อนี้เป็นหัวข้อที่มีความเข้าใจผิดมากที่สุดในบทความ และเป็นประเด็นแรกที่มักพลาดในการพิจารณาระบบวิชันสำหรับหุ่นยนต์

สิ่งที่ตัดสินว่าหน้างานจะจับชิ้นงานได้หรือไม่ ไม่ใช่ค่าความแม่นยำเพียงค่าเดียว ความคลาดเคลื่อนสุดท้ายถูกกำหนดจากผลรวมที่ซ้อนทับกันอย่างน้อย 3 ชั้นต่อไปนี้

ชั้นที่หนึ่ง — ความแม่นยำในแคตตาล็อกคือความแม่นยำในการวัด

ความแม่นยำที่ระบุในแคตตาล็อกกล้อง 3D คือความแม่นยำในการวัดตามเกณฑ์ประเมินระบบวัด 3D เชิงแสง ในตระกูล VDI/VDE ตัวอย่างเช่น กล้องแสงโครงสร้างแบบ DLP ที่ Orbbec แสดงในงาน Automate 2026 ระบุว่าที่ระยะ 0.5 เมตร ให้ความแม่นยำตาม VDI/VDE ประมาณ 0.07 มิลลิเมตร และความแม่นยำในการทำซ้ำแกน Z ที่ 0.05 มิลลิเมตร นี่เป็นความแม่นยำที่สูงมาก แต่ความหมายของมันคือวัดรูปทรงที่ระยะนั้นได้ด้วยความคลาดเคลื่อนระดับดังกล่าวเท่านั้น ไม่ได้แปลว่าจับแล้วเสียบเข้าได้

ข้อควรระวังในทางปฏิบัติอีกข้อคือ ค่าประเภทนี้เป็นค่าที่ระยะเฉพาะและเงื่อนไขของวัตถุเฉพาะ ถ้าเปลี่ยนระยะถ่ายภาพ ความแม่นยำก็เปลี่ยน ถ้าขยายมุมมองภาพ ความละเอียดก็ลดลง เวลาประเมินจึงต้องขอให้เขาแสดงความแม่นยำที่ระยะถ่ายภาพของเรา มุมมองภาพของเรา และชิ้นงานของเรา ไม่ใช่ความแม่นยำในแคตตาล็อก

ชั้นที่สอง — ความแม่นยำในการทำซ้ำกับความแม่นยำเชิงตำแหน่งเป็นคนละตัวชี้วัดกันโดยสิ้นเชิง

มาตรฐาน ISO 9283 ซึ่งเป็นมาตรฐานการทดสอบสมรรถนะของหุ่นยนต์อุตสาหกรรม นิยามความแม่นยำเชิงตำแหน่ง accuracy กับความแม่นยำในการทำซ้ำ repeatability แยกจากกัน อย่างแรกคือผลต่างระหว่างพิกัดที่สั่งกับตำแหน่งที่ไปถึงจริง ส่วนอย่างหลังคือความกระจายเมื่อสั่งให้ไปยังจุดเดิมซ้ำหลายครั้ง การทดสอบจะสมมติลูกบาศก์ทดสอบขนาดใหญ่ที่สุดที่อยู่ในระยะเอื้อมของหุ่นยนต์ แล้วทำซ้ำที่หลายท่าทางภายในลูกบาศก์นั้น

โดยทั่วไปหุ่นยนต์อุตสาหกรรมมีความแม่นยำในการทำซ้ำสูง แต่ความแม่นยำสัมบูรณ์ไม่สูงเท่า และค่าที่ระบุในแคตตาล็อกมักเป็น ความแม่นยำในการทำซ้ำ สำหรับการใช้งานแบบดั้งเดิมที่หุ่นยนต์กลับไปยังจุดที่สอนไว้ด้วยการทีชชิ่ง เรื่องนี้ไม่เป็นปัญหาในทางปฏิบัติเลย เพราะจุดที่สอนไว้นั้นคือตำแหน่งที่หุ่นยนต์ไปถึงได้จริงอยู่แล้ว

ปัญหาเกิดขึ้นทันทีที่ใส่ระบบวิชันเข้าไป เพราะ ระบบวิชันส่งพิกัดที่ต่างกันทุกครั้ง คำถามจึงกลายเป็นว่าไปยังพิกัดที่ไม่เคยสอนไว้ได้ตรงตามค่าที่สั่งหรือไม่ ตรงนี้สิ่งที่มีผลไม่ใช่ความแม่นยำในการทำซ้ำ แต่เป็นความแม่นยำสัมบูรณ์ มีการกล่าวกันว่าค่าทั้งสองอาจต่างกันถึงระดับหลัก แต่นั่นเป็นข้อมูลทุติยภูมิ จึงไม่ขอฟันธง วิธีรับมือในทางปฏิบัติชัดเจน คือ ขอให้ผู้ผลิตหรือผู้ผสานระบบ SIer ออกเป็นเอกสารว่าหุ่นยนต์รุ่นนั้นมีค่าความแม่นยำสัมบูรณ์ที่วัดได้จริงเท่าไร และวัดภายใต้เงื่อนไขใด ถ้าคำตอบคือออกให้ไม่ได้ นั่นก็เป็นข้อมูลสำหรับการออกแบบในตัวมันเอง ถ้าไม่มีค่าที่วัดได้จริง ก็เหลือทางเดียวคือให้มือจับในชั้นที่สามดูดซับแทน

อนึ่ง ความแม่นยำสัมบูรณ์เปลี่ยนแปลงตามความเรียบของฐานติดตั้ง แบ็คแลชของชุดเกียร์ทด ความแข็งแกร่งของแขน และอุณหภูมิ ในโรงงานที่ประเทศไทย พื้นที่ซึ่งไม่มีเครื่องปรับอากาศหรือมีความร้อนแผ่ลงมาจากหลังคา อาจมีผลต่างของอุณหภูมิภายในเครื่องระหว่างช่วงเช้ากับช่วงบ่ายค่อนข้างมาก ปรากฏการณ์ที่พิกัดเคลื่อนไปตามเวลาที่ผ่านไปมีรายงานอยู่จริง จึงต้องกำหนดการคาลิเบรตซ้ำตามรอบเวลาไว้ในแผนการใช้งานเป็นมาตรการรองรับ ประเด็นนี้จะกลายเป็นรายการหนึ่งของค่าใช้จ่ายในการใช้งานรายปีที่กล่าวถึงต่อไป

ชั้นที่สาม — การสร้างระยะหลบให้มือจับถูกกว่าการยกระดับกล้อง

สิ่งที่ทำให้ยังจับชิ้นงานได้แม้จะมีความคลาดเคลื่อนจากชั้นที่หนึ่งและชั้นที่สองหลงเหลืออยู่ คือชั้นที่สาม นั่นคือระยะเผื่อเชิงกลระหว่างมือจับกับชิ้นงาน ในทางรูปธรรมจะออกแบบดังนี้

• ลบมุมหรือทำเทเปอร์ที่ส่วนสอดประกอบ เพื่อให้ยังถูกนำร่องเข้าไปได้แม้เยื้องไปบ้าง
• ใส่กลไกลอยตัวในมือจับ เพื่อให้ตำแหน่งปรับตามหลังจากสัมผัสชิ้นงาน
• เลือกจุดจับยึดไว้ที่ผิวซึ่งจับตรงไหนก็ได้ เพื่อให้ได้รับผลกระทบจากความเยื้องน้อยลง
• จับหยาบก่อนหนึ่งครั้ง แล้ววางลงบนแท่นวางสำหรับจับใหม่ให้ตรงตำแหน่ง จากนั้นจึงจับซ้ำ

ข้อสุดท้ายเรื่องการวางใหม่ได้ผลเป็นพิเศษ คือลดสิ่งที่เรียกร้องจากระบบวิชันลงมาเหลือแค่ความแม่นยำระดับที่หยิบออกจากกล่องได้ แล้วสร้างการกำหนดตำแหน่งที่แม่นยำด้วยแท่นวางเชิงกล การออกแบบแบบนี้ทำให้ความแม่นยำที่เรียกร้องจากกล้องลดลงหนึ่งระดับ ค่าใช้จ่ายและชั่วโมงงานในการเริ่มเดินระบบก็ลดลงตาม หลักการที่ว่า ความแม่นยำไม่ใช่สิ่งที่ซื้อ แต่เป็นสิ่งที่ออกแบบ สรุปรวมอยู่ตรงนี้ ส่วนโครงสร้างที่การออกแบบมือจับและอุปกรณ์รอบข้างเป็นตัวขยับยอดรวมนั้น ก็ได้ข้อสรุปเดียวกันไว้ใน โครงสร้างค่าใช้จ่ายของการนำหุ่นยนต์จัดเรียงพาเลทมาใช้

สิ่งที่ทำให้ค่าใช้จ่ายต่างกันถึงระดับหลักคือสภาพการป้อนชิ้นงาน

ที่ผ่านมาเป็นเรื่องความแม่นยำ ต่อจากนี้จะเข้าสู่เรื่องค่าใช้จ่าย และสิ่งที่ทำให้ค่าใช้จ่ายขยับมากที่สุดไม่ใช่รุ่นของกล้อง แต่เป็น สภาพที่ชิ้นงานถูกป้อนเข้ามา

ก่อนเลือกแบบกองรวมในกล่อง ให้ถามก่อนว่าทำไมต้องกองรวม

การหยิบชิ้นงานจากกองรวมในกล่องเป็นเทคโนโลยีที่ดูหวือหวาที่สุด และสะดุดตาที่สุดในงานแสดงสินค้า อันที่จริง Photoneo อธิบายในงาน Automate 2026 ว่าระบบวิชัน 3D ที่ขับเคลื่อนด้วย AI รองรับทั้งการหยิบชิ้นส่วนที่บอบบาง การหยิบจากกองที่ไร้ระเบียบ และการวัดขนาดพาเลท ในแง่เทคโนโลยีจึงสุกงอมขึ้นเรื่อยอย่างแน่นอน

แต่ในแง่การตัดสินใจของโรงงาน ลำดับมักกลับด้าน คือเริ่มพิจารณาโดยตั้งสมมติฐานไว้แล้วว่า ตอนนี้ของมาแบบกองรวมในกล่อง จึงทำอัตโนมัติแบบกองรวมต่อไป ถ้าย้อนกลับไปถามว่าทำไมถึงต้องกองรวมตั้งแต่แรก ไม่น้อยเลยที่จะไปจบที่เหตุผลซึ่งมีโอกาสเปลี่ยนได้ เช่น ความสะดวกของกระบวนการก่อนหน้า สเปกการบรรจุของซัพพลายเออร์ หรือกฎเรื่องภาชนะขนย้ายภายในบริษัท

ถ้าเปลี่ยนฝั่งการป้อนให้เป็นกึ่งเป็นระเบียบได้ ระบบวิชันที่ต้องใช้ก็ลดจาก 3D ลงมาเป็น 2D การสร้างโมเดลการรู้จำหายไป และการวางแผนเส้นทางหลบการชนก็ไม่จำเป็น อย่างที่จะแสดงในการคำนวณช่วงท้าย ส่วนต่างนี้คิดเป็นเงินระดับหลายแสนบาทของยอดรวม การจัดระเบียบการป้อนถูกกว่าการเสริมความสามารถของระบบวิชัน นี่คือข้อเสนอเชิงปฏิบัติที่สำคัญที่สุดของบทความนี้

ถ้าจะเทไปทางป้อนแบบจัดเรียงเป็นระเบียบ

ถ้าเทไปถึงการป้อนแบบจัดเรียงเป็นระเบียบได้ เรื่องก็ย้ายไปอยู่ในแดนของจิ๊กและเครื่องจักรเฉพาะทาง ถ้ากำหนดท่าทางให้จบด้วยชิ้นส่วนเชิงกลอย่างพาร์ตฟีดเดอร์ รางลำเลียง จิ๊กกำหนดตำแหน่ง หรือพาเลทเฉพาะงาน ระบบวิชันก็จะหดเหลือเพียงการยืนยันว่ามีชิ้นส่วนอยู่หรือไม่ และทิศทางถูกต้องหรือไม่ กระบวนการที่กำหนดท่าทางฝั่งชิ้นงานด้วยจิ๊กได้อย่างการขันสกรูหรือการอัดประกอบ การเทมาทางนี้คือแนวทางมาตรฐาน แนวคิดการออกแบบและผลิตในแดนนี้สรุปไว้ใน เกณฑ์ตัดสินเมื่อจะออกแบบและผลิตจิ๊กในประเทศไทย

ในทางกลับกัน การป้อนแบบจัดเรียงเป็นระเบียบก็มีขีดจำกัด ในกระบวนการที่มีรุ่นชิ้นงานหลากหลาย รูปทรงต่างกันมาก และสลับรุ่นบ่อย ถ้าทำจิ๊กแยกตามรุ่น จำนวนจิ๊ก พื้นที่จัดเก็บ และเวลาตั้งเครื่องเปลี่ยนรุ่นก็จะเพิ่มขึ้นเรื่อย เมื่อจำนวนรุ่นและความถี่การสลับรุ่นเกินระดับหนึ่ง การสลับโมเดลของระบบวิชันจะถูกกว่าปริมาณจิ๊กที่ต้องมี จุดตัดนี้ต่างกันไปตามกระบวนการ จึงไม่มีคำตอบเดียวที่ใช้ได้ทุกที่ วิธีตัดสินเชิงปฏิบัติคือนำรูปแบบการคำนวณที่จะแสดงในหัวข้อการคืนทุน ซึ่งวางผลตอบแทนรายปีคู่กับเงินลงทุน ไปใช้กับทั้งแนวทางที่ทำจิ๊กต่อไปเรื่อย และแนวทางที่ใช้ระบบวิชัน แล้วเปรียบเทียบกัน

กึ่งเป็นระเบียบคือคำตอบที่เป็นจริงสำหรับโรงงานส่วนใหญ่

ในทางปฏิบัติ สภาพที่ให้ความคุ้มค่าได้ง่ายที่สุดคือกึ่งเป็นระเบียบ เช่น ขอให้ซัพพลายเออร์ส่งของมาในถาดที่มีช่องแบ่ง เปลี่ยนการขนย้ายระหว่างกระบวนการภายในให้ใช้ถาด หรือแยกชิ้นงานให้เป็นชั้นเดียวบนสายพาน ทั้งหมดนี้ส่วนใหญ่ไปถึงได้ด้วยการปรับวิธีทำงานและเปลี่ยนภาชนะ ไม่ใช่การลงทุนอุปกรณ์ก้อนใหญ่ ถ้าพาไปถึงสภาพนี้ได้ ระบบวิชันก็ใช้ 2D พอ การรู้จำใช้เพียงการจับคู่รูปทรง และการเริ่มเดินระบบหดลงเหลือระดับสัปดาห์

ดูค่าใช้จ่ายของระบบวิชันสำหรับหุ่นยนต์เป็น 4 กลุ่ม คือ ดู สอน จับ เชื่อม

เวลาวางใบเสนอราคาเรียงกันเปรียบเทียบ ส่วนต่างของยอดเงินดูเหมือนเป็นส่วนต่างของรุ่นกล้อง แต่ความจริงไม่ใช่ สิ่งที่ถูกนำมาเปรียบเทียบในใบเสนอราคาคือกลุ่มที่ 1 เท่านั้น ทั้งที่สิ่งที่ขยับยอดเงินจริงคือกลุ่มที่ 2 และกลุ่มที่ 3 กลุ่มที่ 1 ก็ขยับตามสภาพการป้อนชิ้นงานเช่นกัน แต่นั่นเป็นผลลัพธ์ที่การป้อนเป็นตัวกำหนดอยู่ดี

กลุ่มที่ 1 ดู — ต้องบังคับให้แจกแจงไฟส่องสว่างและการกันแสงภายนอก

ตัวกล้อง เลนส์ แล้วก็ไฟส่องสว่าง การกันแสงภายนอก และขาตั้ง ตรงนี้ถ้าใบเสนอราคาเขียนไว้เพียงว่าชุดไฟส่องสว่าง 1 ชุด ต้องระวังให้มาก ต้องให้แจกแจงถึงประเภทของไฟ ทั้งแบบโคแอกเชียล วงแหวน แท่ง โดม และไฟแบบแผงพื้นผิว วิธีบังแสง ทั้งการทำห้องมืด ม่านบังแสง และฮูดครอบ รวมถึงมีมาตรการรับมือแสงจากภายนอกหรือไม่ เรื่องไฟส่องสว่างจะแยกไปกล่าวถึงในหัวข้อถัดไป

ขาตั้งก็มักถูกมองข้าม ถ้าขาตั้งที่ยึดกล้องสั่นเพียงเล็กน้อย หรือมีคนเดินชนจนตำแหน่งเยื้อง เมื่อการติดตั้งเคลื่อน การแปลงพิกัดที่เคยตรงอยู่ก็จะพังพร้อมกันทั้งหมด จึงต้องใส่ความแข็งแกร่งของขาตั้ง และกลไกตรวจจับว่าตำแหน่งเคลื่อนไปแล้ว เช่น การถ่ายภาพมาร์กอ้างอิงตามรอบเวลา ไว้ในข้อกำหนดด้วย

กลุ่มที่ 2 สอน — แก่นแท้คือการคาลิเบรตระหว่างกล้องกับมือหุ่นยนต์

ตรงนี้เห็นได้ยากที่สุดและกินชั่วโมงงานมากที่สุด แกนกลางคือการคาลิเบรตระหว่างกล้องกับมือหุ่นยนต์ ซึ่งเป็น งานหาความสัมพันธ์การแปลงระหว่างระบบพิกัดกล้องกับระบบพิกัดหุ่นยนต์ กล้องบรรยายโลกที่ตนมองเห็นด้วยพิกัดของตนเอง หุ่นยนต์เคลื่อนที่ด้วยพิกัดของตนเอง ถ้ายังไม่ได้การแปลงที่เชื่อมสองสิ่งนี้เข้าด้วยกัน ต่อให้วัดได้แม่นยำเพียงใด หุ่นยนต์ก็ไปยังตำแหน่งนั้นไม่ได้

โครงสร้างมีอยู่ 2 ประเภท

• eye-in-hand — โครงสร้างที่ติดกล้องไว้ที่ปลายแขนหุ่นยนต์ เนื่องจากขยับหุ่นยนต์เพื่อเปลี่ยนมุมมองได้ จึงใช้งานแบบมองลงไปในกล่องแคบ หรือใช้กล้องตัวเดียวดูหลายจุดได้ สิ่งที่ต้องหาคือตำแหน่งและท่าทางของกล้องเทียบกับระบบพิกัดปลายแขน
• eye-to-hand — โครงสร้างที่ยึดกล้องไว้กับขาตั้งแล้วมองหุ่นยนต์ เนื่องจากกล้องไม่ขยับ เงื่อนไขการถ่ายภาพจึงนิ่ง และทำการเคลื่อนที่ของหุ่นยนต์คู่ขนานไปกับการถ่ายภาพได้ง่าย สิ่งที่ต้องหาคือตำแหน่งและท่าทางของกล้องเทียบกับระบบพิกัดฐานของหุ่นยนต์

ไม่ว่าจะโครงสร้างใด ก็ต้องเก็บข้อมูลจากหลายท่าทางแล้วแก้หาการแปลง ด้วยขั้นตอนอย่างการให้หุ่นยนต์ถือแผ่นคาลิเบรตเคลื่อนที่ หรือใช้ TCP ซึ่งเป็นจุดศูนย์กลางเครื่องมือของหุ่นยนต์แตะจุดที่ทราบค่า ซึ่งเรียกว่าวิธี TCP touch ชั่วโมงงานจะเกิดขึ้นตรงนี้ นอกจากนั้นยังตามมาด้วยการลงทะเบียนโมเดลการรู้จำ ซึ่งคือการสร้างโมเดลจาก CAD หรือจากของจริงแยกตามรุ่น การกำหนดจุดจับยึด ซึ่งต้องมีจุดจับสำรองหลายจุดต่อหนึ่งรุ่น แล้วจึงเป็นการทีชชิ่งและการทดสอบการทำงาน

กลุ่มที่ 2 นี้ต้องขอใบเสนอราคาโดยแยกเป็นส่วนเริ่มต้นกับส่วนต่อเนื่อง ถ้าดูเฉพาะยอดเงินของรุ่นชิ้นงานไม่กี่รุ่นแรกแล้วเซ็นสัญญา ทุกครั้งที่เพิ่มรุ่นก็จะมีใบเสนอราคาเพิ่มเติมตามมา ต้องให้เขียนลงกระดาษว่าคาดว่าจะเพิ่มปีละกี่รุ่น รุ่นละเท่าไร และรวมการอบรมให้เราลงทะเบียนเองได้หรือไม่

กลุ่มที่ 3 จับ — มือจับและการดัดแปลงฝั่งป้อนชิ้นงาน

มือจับ EOAT มักต้องออกแบบเฉพาะตามกระบวนการ กรณีที่ใช้ของสำเร็จรูปได้มีจำกัด ถ้าเป็นการดูดสุญญากาศ ความเป็นไปได้ของการดูดจะเปลี่ยนตามสภาพผิวชิ้นงาน ทั้งรู ผิวขรุขระ คราบน้ำมัน และฝุ่นผง ถ้าเป็นกริปเปอร์แบบขนาน ความขนานของผิวจับและความแปรปรวนของขนาดชิ้นงานจะมีผล ถ้าเป็นแบบแม่เหล็ก วัสดุและแม่เหล็กตกค้างจะกลายเป็นปัญหา

ค่าใช้จ่ายของการออกแบบระยะหลบที่กล่าวไว้ในหัวข้อก่อนหน้าจะเข้ามาอยู่ตรงนี้ ทั้งกลไกลอยตัว แท่นวาง และจิ๊กกำหนดตำแหน่ง รวมถึงการดัดแปลงฝั่งป้อนชิ้นงาน ทั้งการเปลี่ยนไปใช้ถาด การเพิ่มช่องแบ่ง และกลไกแยกชิ้นงานบนสายพาน ก็อยู่ในกลุ่มนี้ด้วย กลุ่มนี้เป็นกลุ่มที่ตกหล่นจากใบเสนอราคาตั้งต้นได้ง่ายที่สุด เคียงคู่กับค่าใช้จ่ายด้านความปลอดภัยในกลุ่มที่ 4

กลุ่มที่ 4 เชื่อม — ความปลอดภัยและการเข้าร่วมช่วงเริ่มเดินระบบ

สเปกการสื่อสารกับ PLC และระบบชั้นบน การส่งผ่านสัญญาณ การจัดการเมื่อเกิดความผิดปกติ แล้วก็ความปลอดภัย ถ้าเป็นเซลล์ที่คนอาจเข้าใกล้ ก็ต้องพิจารณาว่าจะใช้รั้วนิรภัย เลเซอร์สแกนเนอร์ หรือม่านแสงนิรภัย ต้องดำเนินการประเมินความเสี่ยงและบันทึกผล รวมถึงกำหนดขั้นตอนหยุดฉุกเฉินและการกลับสู่สภาพเดิม แม้จะใช้หุ่นยนต์ทำงานร่วม ความปลอดภัยก็ไม่ได้หายไป เพียงแต่เนื้อหาที่ถูกเรียกร้องเปลี่ยนไปเท่านั้น ประเด็นนี้อธิบายไว้อย่างละเอียดใน มาตรฐานความปลอดภัยและค่าใช้จ่ายที่มักถูกมองข้ามในการนำหุ่นยนต์ทำงานร่วมมาใช้

การเข้าร่วมช่วงเริ่มเดินระบบก็อยู่ในกลุ่มนี้ กรณีฐานการผลิตในต่างประเทศ จะมีค่าเดินทาง ค่าที่พัก และเบี้ยเลี้ยงของวิศวกรที่มาจากญี่ปุ่นหรือประเทศที่สาม ยิ่งช่วงเวลานั้นยืดยาว ค่าใช้จ่ายก็ยิ่งเพิ่ม และประเด็นสำคัญคือ กลุ่มที่ 4 นี้โดยหลักการแล้วเป็นเงินลงทุนตั้งต้นทั้งหมด ห้ามนำไปคิดซ้ำในค่าใช้จ่ายการใช้งานรายปี ทั้งรั้วนิรภัย การประเมินความเสี่ยง และการเข้าร่วมช่วงเริ่มเดินระบบ ล้วนเป็นรายจ่ายครั้งเดียว ในการคำนวณช่วงท้าย สิ่งที่ใส่ในค่าใช้จ่ายการใช้งานรายปีจำกัดไว้เพียง 3 รายการ คือวัสดุสิ้นเปลือง การตรวจเช็กตามรอบพร้อมการคาลิเบรตซ้ำ และการเพิ่มรุ่นชิ้นงาน

ออกแบบรอบเวลาด้วยค่าที่แย่ที่สุด ไม่ใช่ค่าเฉลี่ย

รอบเวลาของระบบวิชันสำหรับหุ่นยนต์มีคุณสมบัติที่การทำงานของหุ่นยนต์แบบดั้งเดิมไม่มี นั่นคือ ไม่ได้ทำการเคลื่อนไหวเดิมซ้ำ เพราะตำแหน่งชิ้นงานต่างกันทุกครั้ง ระยะทางเคลื่อนที่จึงต่างกัน เวลาที่ใช้ในการรู้จำก็ต่างกันไปตามสภาพภายในกล่อง และบางครั้งก็จับไม่ติด

การทำงานเป็นวงรอบคือ ถ่ายภาพ ไปสู่การประมวลผลการรู้จำ ไปสู่การวางแผนเส้นทาง ไปสู่การเคลื่อนที่และจับยึด ไปสู่การลำเลียงและวาง แล้วกลับไปถ่ายภาพใหม่ กรณีชิ้นงานกองรวมในกล่อง ทุกครั้งที่หยิบออกไป 1 ชิ้น สภาพภายในกล่องก็เปลี่ยน โดยหลักการจึงต้องถ่ายภาพใหม่ทุกครั้ง โครงสร้างที่การถ่ายภาพใหม่นี้ย้อนกลับไปยังจุดตั้งต้นของวงรอบ คือเหตุผลที่ห้ามออกแบบด้วยค่าเฉลี่ย

แบบจำลองรอบเวลาด้วยตัวเลขสมมติ

ตัวเลขต่อไปนี้เป็น ตัวเลขสมมติ ทั้งหมด ไม่ใช่ข้อมูลจากเครื่องจริง ขอให้อ่านในฐานะแบบจำลองที่แสดงว่าตอนออกแบบควรคิดถึงอะไรบ้าง

เวลารวมในสภาพปกติคือ 6.0 วินาที และเวลารวมในสภาพแย่ที่สุดคือ 9.2 วินาที สิ่งที่เขียนในใบเสนอราคาคือค่าแรก แต่ตอนที่กระบวนการถัดไปต้องรอคือตอนที่เป็นค่าหลัง

คิดโอกาสหยิบไม่ติดเข้าไปเป็นความน่าจะเป็น

สิ่งที่สำคัญยิ่งกว่าคือการหยิบพลาด ทั้งกรณีที่คิดว่าจับแล้วแต่ไม่ติด ทำหล่นระหว่างทาง หรือรู้จำได้แต่ทำท่าทางนั้นไม่ได้จริง ความน่าจะเป็นนี้ขึ้นกับสภาพภายในกล่อง และ ยิ่งของในกล่องเหลือน้อยก็ยิ่งสูงขึ้น เพราะชิ้นที่เหลืออยู่ชิดผนังหรือมุมกล่องมีข้อจำกัดเรื่องการชนสูงและมีท่าทางที่จับได้จำกัด

ลองคำนวณด้วยตัวเลขสมมติ กำหนดให้ 1 กล่องมี 200 ชิ้น และการหยิบพลาด 1 ครั้งเสียเวลา 3.8 วินาที ซึ่งมาจากถ่ายภาพ 0.4 + รู้จำ 0.6 + เส้นทาง 0.3 + เคลื่อนที่และจับยึด 2.5 ถ้ากำหนดให้ 180 ชิ้นแรกมีอัตราการหยิบพลาด 3% และ 20 ชิ้นสุดท้ายมีอัตราการหยิบพลาด 30% เวลาที่ใช้ต่อ 1 กล่องจะเป็นดังนี้

• 180 ชิ้นแรก — 180 ชิ้น × (6.0 วินาที + 0.03 × 3.8 วินาที) = 180 × 6.114 = 1,100.5 วินาที
• 20 ชิ้นสุดท้าย — 20 ชิ้น × (6.0 วินาที + 0.30 × 3.8 วินาที) = 20 × 7.14 = 142.8 วินาที
• รวมย่อย — 1,243.3 วินาที หรือประมาณ 20.7 นาที

ยิ่งไปกว่านั้น ถ้ากำหนดว่ามีชิ้นที่หยิบไม่ได้จนสุดท้ายแล้วคนต้องเข้าไปแทรกแซง 2 ชิ้นต่อกล่อง และการแทรกแซง 1 ครั้งใช้เวลา 3 นาที ก็จะบวกเพิ่มอีก 6 นาที กลายเป็นประมาณ 26.7 นาที หรือประมาณ 1,603 วินาที เมื่อหารด้วย 200 ชิ้น รอบเวลาที่แท้จริงคือ 8.0 วินาที เทียบกับกำลังการผลิตที่ประเมินไว้ด้วยเวลาปกติ 6.0 วินาที กำลังการผลิตจริงคือ 6.0 หารด้วย 8.0 เท่ากับประมาณ 75% นั่นคือ ลดลง 25% จากกำลังที่ประเมินไว้

ตัวเลข 25% นี้ถูกใส่เข้าไปในแผนการผลิตโดยไม่ได้ถูกเขียนไว้ที่ใดในการคำนวณกำลังการผลิตเลย ดังนั้นจึงต้องออกแบบรอบเวลาด้วยค่าแย่ที่สุดแทนค่าเฉลี่ย และใส่ 3 ข้อต่อไปนี้ลงในข้อกำหนด

• จำนวนครั้งสูงสุดของการลองใหม่เมื่อหยิบพลาดติดต่อกัน และการทำงานเมื่อถึงขีดจำกัดนั้น เช่น เขย่ากล่อง ย้ายไปกล่องถัดไป หรือเรียกคน
• กลไกเรียกคนโดยตั้งสมมติฐานว่าต้องมีคนเข้ามาแทรกแซง และขั้นตอนการเริ่มเดินต่อหลังการแทรกแซง
• ความจุของบัฟเฟอร์หรือพื้นที่พักงานระหว่างผลิต เพื่อไม่ให้กระบวนการถัดไปต้องรอ หรือการทำเซลล์ขนานกัน

แก้ปัญหาไม่กี่ชิ้นสุดท้ายด้วยเครื่องจักร

จุดที่อัตราการหยิบพลาดพุ่งขึ้นคือก้นกล่องและชิดผนังกล่อง ถ้าพยายามแก้ตรงนี้ด้วยความฉลาดของการรู้จำ ค่าใช้จ่ายจะพุ่งขึ้น แต่การแก้ด้วยกลไกและวิธีทำงานแทน เช่น ใส่กลไกเอียงกล่อง เปลี่ยนเป็นภาชนะที่เปิดก้นได้ หรือกำหนดให้คนเทออกเมื่อของเหลือต่ำกว่าจำนวนหนึ่ง ถูกกว่ากันอย่างเทียบไม่ติด ต้องเปลี่ยนแนวคิดเป็น ไม่ใช่ลดจำนวนชิ้นที่หยิบไม่ได้ แต่คือไม่สร้างสถานการณ์ที่หยิบไม่ได้

ไฟส่องสว่างไม่ใช่ค่าใช้จ่ายเพิ่มเติม แต่เป็นข้อกำหนดตั้งแต่แรก

สาเหตุของปัญหาช่วงเริ่มเดินระบบที่พบมากที่สุดในระบบวิชันสำหรับหุ่นยนต์ ไม่ใช่กล้องและไม่ใช่อัลกอริทึมการรู้จำ แต่เป็นไฟส่องสว่าง และไฟส่องสว่างมักถูกรวบเป็นคำว่า 1 ชุด ในขั้นตอนเสนอราคา แล้วโผล่มาเป็นค่าใช้จ่ายเพิ่มเติมในขั้นตอนเริ่มเดินระบบ ทางเดียวที่จะเลี่ยงเรื่องนี้ได้คือ เขียนไฟส่องสว่างเป็นข้อกำหนดตั้งแต่แรก

เส้นทางที่ไฟส่องสว่างมีผลต่อความแม่นยำของพิกัดมีหลายเส้นทาง ถ้าเวลาเปิดรับแสงไม่พอ ขอบจะเบลอและตำแหน่งจะเคลื่อน ถ้ามีการสะท้อนจากผิวโลหะมันวาวจนเกิดแสงบาน กลุ่มจุดตรงนั้นจะขาดหาย หรือกลับกันคือตรวจพบพื้นผิวที่ไม่มีอยู่จริง ถ้าเงาเข้มเกินไป ขอบของเงาจะถูกเข้าใจผิดว่าเป็นขอบของชิ้นงาน และถ้าความสว่างเปลี่ยนตามช่วงเวลา การรู้จำที่ผ่านในตอนเช้าก็จะตกในตอนบ่าย

นอกจากนั้น เลนส์ยังมีความบิดเบี้ยวที่ใหญ่ขึ้นเมื่อเข้าใกล้ขอบภาพ ชิ้นงานที่ตรวจพบใกล้ขอบมุมมองภาพจึงมีความคลาดเคลื่อนของพิกัดสูงกว่า การชดเชยด้วยการคาลิเบรตคือพื้นฐาน แต่ การออกแบบไม่ให้ต้องจับชิ้นงานที่ขอบมุมมองภาพตั้งแต่ต้น เช่น จำกัดมุมมองภาพให้แคบลง ถ่ายภาพหลายครั้ง หรือย้ายตำแหน่งป้อนชิ้นงานให้ค่อนมาทางกลาง เป็นวิธีที่แน่นอนกว่า

ประเด็นเรื่องไฟส่องสว่างที่เพิ่มขึ้นในโรงงานที่ประเทศไทย

โรงงานในประเทศไทยมีเงื่อนไขที่ต่างจากโรงงานในญี่ปุ่นอยู่หลายข้อ

• ปริมาณแสงจากภายนอกมีมาก — ทั้งอาคารที่ออกแบบรับแสงธรรมชาติ พื้นที่ที่เปิดประตูม้วนทำงาน และช่องรับแสงบนหลังคา ทิศทางและปริมาณแสงที่ส่องเข้ามาเปลี่ยนไปตามช่วงเวลา ถ้าคิดเรื่องการกันแสงไว้ทีหลัง ปัญหาจะเกิดหลังเริ่มเดินระบบอย่างแน่นอน
• ความสว่างต่างกันระหว่างฤดูแล้งกับฤดูฝน — เวลาเดียวกันแต่สภาพท้องฟ้าต่างกัน กรณีที่อุปกรณ์ซึ่งเริ่มเดินระบบในฤดูแล้งแล้วอัตราการรู้จำตกลงเมื่อเข้าฤดูฝน ไม่ใช่เรื่องแปลก ควรพิจารณาว่าใส่เงื่อนไขการตรวจรับที่ครอบคลุมการยืนยันข้ามฤดูกาลได้หรือไม่
• ความต่างระหว่างกะ — มีโรงงานที่ขอบเขตการเปิดไฟภายในอาคารต่างกันระหว่างกะกลางวันกับกะกลางคืน อุปกรณ์ที่ทำงานไม่ผ่านในช่วงกะกลางคืนจะทำให้ผลตอบแทนจากการเดินเครื่องไร้คนคุมที่กล่าวถึงต่อไปหายไปทั้งหมด
• ฝุ่นผงและควันน้ำมัน — คราบสกปรกบนหน้าต่างกล้องและไฟส่องสว่างค่อยส่งผลทีละน้อย จึงสังเกตได้ยาก ต้องกำหนดความถี่และขั้นตอนการทำความสะอาดลงในวิธีทำงาน และระบุว่าใครเป็นคนทำ

มาตรการที่ได้ผลที่สุดคือการกันแสงเชิงกายภาพ ทั้งการล้อมเซลล์ ติดฮูดครอบ และขึงม่านกันแสงโดยรอบ ถ้าจะตั้งรั้วนิรภัยอยู่แล้ว ควรพิจารณาตั้งแต่ขั้นออกแบบว่าให้รั้วนั้นทำหน้าที่กันแสงไปด้วยได้หรือไม่ ถ้ารวมการกันแสงเข้ากับรั้วนิรภัยได้ ก็จะบีบค่าใช้จ่ายทั้งกลุ่มที่ 1 และกลุ่มที่ 4 ลงพร้อมกัน

การคืนทุนไม่ได้มาจากการลดต้นทุนค่าแรง — 3 เสาหลักและตัวอย่างการคำนวณ

จากนี้จะเจาะความคุ้มค่าด้วยตัวเลข ข้อมูลตั้งต้นคือ ค่าจ้างขั้นต่ำของประเทศไทยอยู่ที่ 337 ถึง 400 บาทต่อวัน และคงอัตราเดิมมาตั้งแต่เข้าปี 2026 เมื่อหารด้วย 8 ชั่วโมง จะเทียบเป็นค่าจ้างรายชั่วโมงระดับ 42 ถึง 50 บาท เมื่อตั้งอยู่บนระดับนี้ ข้อสรุปที่บริษัทเราพูดมาโดยตลอดก็ยังเป็นจริงในกรณีนี้เช่นกัน นั่นคือ การลดต้นทุนค่าแรงเพียงอย่างเดียวไม่ทำให้การลงทุนในระบบวิชันสำหรับหุ่นยนต์คืนทุน

การคืนทุนต้องประกอบขึ้นจาก 3 เสาต่อไปนี้

• การลดเวลาตั้งเครื่องเปลี่ยนรุ่นและการสลับรุ่นชิ้นงาน — เปลี่ยนจากการสลับจิ๊กเป็นการสลับโมเดล เพื่อย่นเวลาสลับรุ่นลงโดยตรง
• การป้องกันของเสียหลุดออกไปและการประกอบผิด — ลดการแก้ไขงานในกระบวนการถัดไป การตรวจซ้ำ และข้อร้องเรียนจากลูกค้า
• การเพิ่มชั่วโมงเดินเครื่องด้วยการเดินเครื่องไร้คนคุมในเวลากลางคืนและวันหยุด — เพิ่มปริมาณผลผลิตที่ได้จากอุปกรณ์ชุดเดิม

สมมติฐานของกรณีตัวอย่าง ทั้งหมดเป็นตัวเลขสมมติ

สมมติเป็นโรงงานญี่ปุ่นในประเทศไทย มีเซลล์ประกอบชิ้นส่วนขนาดเล็ก 1 ชุด ตัวเลขต่อไปนี้เป็น ตัวเลขสมมติ ทั้งหมด ไม่ใช่ใบเสนอราคาของงานจริง ขอให้ใช้เป็นโครงสำหรับนำตัวเลขของบริษัทท่านไปแทนแล้วคำนวณใหม่

• เดินเครื่อง 250 วันต่อปี กำไรส่วนเกินของเซลล์นี้ 1,200 บาทต่อชั่วโมง
• สลับรุ่นชิ้นงาน 6 ครั้งต่อวัน รวม 1,500 ครั้งต่อปี
• การแก้ไขงานที่มีสาเหตุจากการประกอบผิดในปัจจุบัน 400 ครั้งต่อปี ต้นทุนเฉลี่ยของการแก้ไข การตรวจซ้ำ และการขนส่ง 550 บาทต่อครั้ง

สิ่งที่นำมาเปรียบเทียบคือ 2 สถานการณ์ สถานการณ์ที่ 1 คือแก้ด้วยระบบวิชัน 3D โดยคงสภาพกองรวมในกล่องไว้ สถานการณ์ที่ 2 คือเปลี่ยนการป้อนให้เป็นกึ่งเป็นระเบียบก่อนแล้วแก้ด้วย 2D

เงินลงทุน ซึ่งคือเงินลงทุนตั้งต้น 4 กลุ่ม บวกตัวหุ่นยนต์

หน่วยเป็นบาท เมื่อเปลี่ยนการป้อนให้เป็นกึ่งเป็นระเบียบ กลุ่มดูลดลง 450,000 บาท และกลุ่มสอนลดลง 650,000 บาท ขณะที่กลุ่มจับเพิ่มขึ้น 400,000 บาท หักลบกันแล้วลดลง 700,000 บาท ยอดรวมจึงลดจาก 4,000,000 บาท เหลือ 3,300,000 บาท ประเด็นสำคัญของตารางนี้คือ สิ่งที่ทำให้ค่าใช้จ่ายขยับไม่ใช่รุ่นของกล้อง แต่เป็นสภาพการป้อนชิ้นงาน

ค่าใช้จ่ายในการใช้งานรายปี เฉพาะรายการที่เกิดขึ้นทุกปีและไม่รวมอยู่ในเงินลงทุนตั้งต้น

การเพิ่มรุ่นชิ้นงานตั้งไว้ที่สถานการณ์ที่ 1 รุ่นละ 40,000 บาท คือปีละ 4 รุ่นเป็น 160,000 บาท และสถานการณ์ที่ 2 รุ่นละ 15,000 บาท คือปีละ 4 รุ่นเป็น 60,000 บาท เพราะการสร้างโมเดลการรู้จำแบบ 3D และการกำหนดจุดจับยึด หนักกว่าการลงทะเบียนรูปทรงแบบ 2D อย่างแน่นอน

รั้วนิรภัย การประเมินความเสี่ยง และการเข้าร่วมช่วงเริ่มเดินระบบ ถูกคิดเป็นเงินลงทุนตั้งต้นในกลุ่มที่ 4 ไปแล้ว จึงไม่ได้ใส่ไว้ในค่าใช้จ่ายการใช้งานรายปีนี้ ระบุไว้เพื่อเลี่ยงการคิดซ้ำซ้อน

ผลตอบแทนรายปีจาก 3 เสาหลัก

เสาที่ 1 การลดเวลาตั้งเครื่องเปลี่ยนรุ่นและการสลับรุ่นชิ้นงาน การสลับจิ๊ก 12 นาที กลายเป็นการสลับโมเดลและตรวจสอบ 2 นาที ลดลงครั้งละ 10 นาที ปีละ 1,500 ครั้งจึงเป็น 15,000 นาที หรือ 250 ชั่วโมง คูณด้วยกำไรส่วนเกิน 1,200 บาทต่อชั่วโมง ได้ 300,000 บาทต่อปี กำหนดให้เท่ากันทั้งสองสถานการณ์ อย่างไรก็ตาม สถานการณ์ที่ 2 มีจิ๊กกำหนดตำแหน่งอยู่ฝั่งป้อนชิ้นงาน ในกระบวนการที่ต้องสลับถาดหรือช่องแบ่งตามรุ่น การตั้งเครื่องเปลี่ยนรุ่นจึงไม่ได้หายไปทั้งหมด ผลตอบแทนนี้จะไม่เท่ากันจริง ควรตรวจสอบก่อนขอใบเสนอราคาว่าถาดมีรูปทรงที่ใช้ร่วมกันได้ทุกรุ่นหรือไม่ นอกจากนั้น ผลตอบแทนนี้จะกลายเป็นตัวเงินได้ก็ต่อเมื่อเซลล์นั้นเป็นคอขวดด้านกำลังการผลิต และมีงานให้ไหลเข้ามาในเวลาที่ว่างขึ้น ถ้าเป็นเพียงการเพิ่มเวลารอเปล่า เงิน 300,000 บาทนี้ก็เป็นภาพลวงตา

เสาที่ 2 การป้องกันการประกอบผิดและของเสียหลุดออกไป ต้นทุนการแก้ไขงานในปัจจุบันคือ 400 ครั้งต่อปี × 550 บาท = 220,000 บาท สมมติว่าลดได้ 80% ด้วยการยืนยันรุ่น ทิศทาง และการมีอยู่ของชิ้นส่วนด้วยระบบวิชัน จะได้ 176,000 บาทต่อปี กำหนดให้เท่ากันทั้งสองสถานการณ์

เสาที่ 3 การเพิ่มชั่วโมงเดินเครื่องด้วยการเดินเครื่องไร้คนคุมในเวลากลางคืน กำหนดกรอบการเดินเครื่องไร้คนคุมเป็นกลางคืน 2 ชั่วโมง × สัปดาห์ละ 5 วัน × ปีละ 50 สัปดาห์ = 500 ชั่วโมง ตรงนี้จะเกิดความต่างระหว่างสถานการณ์ ถ้าใช้แบบจำลองรอบเวลาในหัวข้อก่อนหน้าตามเดิม แบบกองรวมในกล่องจะมีการแทรกแซงของคน 2 ครั้งต่อกล่อง การเดินเครื่องไร้คนคุมกลางคืนจึงไม่เกิดขึ้นตั้งแต่ต้น เราจึงตั้งสมมติฐานว่าใส่มาตรการเชิงกลที่กล่าวไว้ท้ายหัวข้อก่อนหน้า ทั้งกลไกเอียงกล่อง ภาชนะที่เปิดก้นได้ และการย้ายไปกล่องถัดไปเมื่อของเหลือต่ำกว่าจำนวนหนึ่ง จนไม่ต้องเรียกคน แต่เนื่องจากยังมีการหยิบพลาดหลงเหลืออยู่ ถ้ากำหนดสัดส่วนที่เดินไร้คนคุมได้จนจบเป็น 50% ก็จะได้ 250 ชั่วโมง คูณด้วย 1,200 บาท ได้ 300,000 บาทต่อปี ส่วนแบบกึ่งเป็นระเบียบมีการหยิบพลาดน้อย ถ้ากำหนดเป็น 80% ก็จะได้ 400 ชั่วโมง เป็น 480,000 บาทต่อปี สัดส่วนทั้งสองค่านี้เป็นตัวเลขสมมติ และมีผลต่อข้อสรุปมากที่สุดตามที่จะแสดงในการวิเคราะห์ความอ่อนไหวต่อไป

จำนวนปีที่คืนทุนและ ROI 5 ปี

ขอย้ำนิยามของเงินลงทุนกับผลตอบแทนสุทธิรายปีให้ตรงกัน เงินลงทุนคือผลรวมของรายจ่ายตั้งต้นของ 4 กลุ่มบวกตัวหุ่นยนต์ และ ผลตอบแทนสุทธิรายปีคือผลตอบแทนรายปีหักด้วยค่าใช้จ่ายการใช้งานรายปี กลุ่มที่ 4 ถูกคิดไว้เฉพาะฝั่งเงินลงทุน และไม่ได้อยู่ในค่าใช้จ่ายการใช้งานรายปี ด้วยนิยามนี้จึงคำนวณจำนวนปีที่คืนทุนแบบง่ายได้ดังนี้

• สถานการณ์ที่ 1 — 4,000,000 หารด้วย 416,000 = ประมาณ 9.6 ปี
• สถานการณ์ที่ 2 — 3,300,000 หารด้วย 756,000 = ประมาณ 4.4 ปี

เมื่อดูยอดสะสมตลอด 5 ปี จะได้ผลดังนี้

ทั้งที่เป็นกระบวนการเดียวกันและใช้กรอบผลตอบแทนเดียวกัน เพียงเปลี่ยนสภาพการป้อนชิ้นงานอย่างเดียว เครื่องหมายของ ROI 5 ปี ก็พลิกกลับได้ นี่คือการแสดงข้อเสนอแกนกลางของบทความนี้ด้วยตัวเลข อย่างไรก็ตาม ตามที่จะแสดงในการวิเคราะห์ความอ่อนไหวต่อไป การพลิกกลับนี้ไม่ได้เกิดจากส่วนต่างของเงินลงทุนเพียงอย่างเดียว แต่ตั้งอยู่บนสมมติฐานว่าการจัดระเบียบการป้อนทำให้เวลาเดินเครื่องไร้คนคุมยาวขึ้นด้วย

กรณีที่ดูเฉพาะการลดต้นทุนค่าแรง

เพื่อการเปรียบเทียบ ลองคำนวณกรณีที่จำกัดผลตอบแทนไว้เพียงการลดต้นทุนค่าแรง สมมติว่าทดแทนคนได้ 1 คน ค่าจ้าง 337 ถึง 400 บาทต่อวัน ปีละ 250 วัน และบวกภาระตามกฎหมายกับสวัสดิการอีก 25% ซึ่งเป็นตัวเลขสมมติ ต้นทุนบุคลากรรายปีจะอยู่ในช่วงนี้

• กรณีค่าจ้าง 337 บาทต่อวัน — 337 × 250 × 1.25 = ประมาณ 105,000 บาทต่อปี
• กรณีค่าจ้าง 400 บาทต่อวัน — 400 × 250 × 1.25 = 125,000 บาทต่อปี

ต่อให้คำนวณด้วยค่าสูงสุดคือ 125,000 บาท ก็ยัง ต่ำกว่าค่าใช้จ่ายการใช้งานรายปีของสถานการณ์ที่ 2 ซึ่งอยู่ที่ 200,000 บาท นั่นแปลว่า ถ้าวางผลตอบแทนไว้ที่การลดต้นทุนค่าแรงอย่างเดียว ผลตอบแทนสุทธิรายปีจะติดลบ 75,000 บาท และคำนวณจำนวนปีที่คืนทุนไม่ได้เลย ถ้าเป็นสถานการณ์ที่ 1 ก็ติดลบ 235,000 บาท ซึ่งต้องควักจ่ายเพิ่มทุกปีมากกว่าเดิม แม้จะละเลยค่าใช้จ่ายการใช้งานแล้วหารเฉพาะเงินลงทุน ก็ยังได้ 3,300,000 หารด้วย 125,000 = 26.4 ปี และ 4,000,000 หารด้วย 125,000 = 32.0 ปี

ทันทีที่ยกการลดต้นทุนค่าแรงขึ้นเป็นเหตุผลหลักในการขออนุมัติงบ โครงการนั้นก็จะไม่คืนทุน นี่คือข้อสรุปที่บริษัทเราพูดมาโดยตลอด และสำหรับระบบวิชันสำหรับหุ่นยนต์ก็ไม่ต่างกัน

การวิเคราะห์ความอ่อนไหว — สมมติฐานข้อใดที่พลิกข้อสรุปได้

สมมติฐานที่มีผลมากที่สุดในการคำนวณข้างต้นคือกำไรส่วนเกิน 1,200 บาทต่อชั่วโมง ผลรวมของเสาที่ 1 กับเสาที่ 3 ในสถานการณ์ที่ 2 อยู่ที่ 780,000 บาท คิดเป็นประมาณ 80% ของผลตอบแทนรายปี 956,000 บาท ถ้าค่านี้ลดลงครึ่งหนึ่งเหลือ 600 บาทต่อชั่วโมง เสาที่ 1 จะเหลือ 150,000 บาท เสาที่ 3 เหลือ 240,000 บาท ส่วนเสาที่ 2 ยังเป็น 176,000 บาทเท่าเดิม ผลตอบแทนรายปีจะเป็น 566,000 บาท และผลตอบแทนสุทธิรายปีเป็น 366,000 บาท จำนวนปีที่คืนทุนคือ 3,300,000 หารด้วย 366,000 = ประมาณ 9.0 ปี และ ROI 5 ปี เป็น -44.5% ซึ่งทำให้แม้แต่สถานการณ์ที่ 2 ก็ไม่คุ้มค่า

อีกข้อที่มีผลคือความถี่ของการเพิ่มรุ่นชิ้นงาน ถ้าในสถานการณ์ที่ 1 เปลี่ยนจากปีละ 4 รุ่นเป็นปีละ 12 รุ่น ค่าเพิ่มรุ่นจะเป็น 12 × 40,000 = 480,000 บาท ค่าใช้จ่ายการใช้งานรายปีบวมขึ้นเป็น 680,000 บาท และผลตอบแทนสุทธิรายปีตกลงเหลือ 96,000 บาท จำนวนปีที่คืนทุนคือ 4,000,000 หารด้วย 96,000 = ประมาณ 41.7 ปี ความถี่ของการเพิ่มรุ่นชิ้นงานฆ่าการคืนทุนได้มากกว่าสมรรถนะของกล้อง

ข้อที่สามที่มีผลคืออัตราความสำเร็จของการเดินเครื่องไร้คนคุมที่ตั้งไว้ในเสาที่ 3 ถ้าแยกที่มาของส่วนต่างผลได้ผลเสีย 5 ปี ซึ่งอยู่ที่ 2,400,000 บาท จะพบว่าส่วนต่างของเงินลงทุนมีเพียง 700,000 บาท ที่เหลือมาจากส่วนต่างของเสาที่ 3 ซึ่งเท่ากับ 900,000 บาท และส่วนต่างของค่าใช้จ่ายการใช้งานรายปี ซึ่งเท่ากับ 800,000 บาท สมมติว่าลดอัตราความสำเร็จของฝั่งกึ่งเป็นระเบียบลงมาเท่ากับฝั่งกองรวมในกล่องที่ 50% เสาที่ 3 ของสถานการณ์ที่ 2 จะเป็น 300,000 บาท ผลตอบแทนรายปีเป็น 776,000 บาท ผลตอบแทนสุทธิรายปีเป็น 576,000 บาท ผลได้ผลเสีย 5 ปี คือ 2,880,000 ลบด้วย 3,300,000 เท่ากับติดลบ 420,000 บาท และ ROI 5 ปี เป็น -12.7% ซึ่ง เครื่องหมายไม่พลิกกลับ เมื่อคำนวณย้อนกลับ สถานการณ์ที่ 2 จะพลิกเป็นบวกในผลได้ผลเสีย 5 ปี ก็ต่อเมื่ออัตราความสำเร็จเกิน 64% การจัดระเบียบการป้อนได้ผลก็เพราะการหยิบพลาดลดลงจนเวลาที่เดินไร้คนคุมได้ยาวขึ้น ถ้าไม่ได้ส่วนที่ยาวขึ้นนี้มา ลำพังส่วนต่างของเงินลงทุนก็พลิกการคืนทุนไม่ได้

อนึ่ง เรื่องที่การเพิ่มรุ่นชิ้นงานฆ่าการคืนทุน ไม่ได้ขัดแย้งกับเรื่องในหัวข้อก่อนหน้าที่ว่ายิ่งมีรุ่นชิ้นงานมาก ระบบวิชันยิ่งได้เปรียบ สิ่งที่ทำให้ได้เปรียบคือจำนวนครั้งที่สลับไปมาระหว่างรุ่นที่ลงทะเบียนไว้แล้ว ส่วนสิ่งที่ฆ่าการคืนทุนคือจำนวนรุ่นที่ต้องลงทะเบียนใหม่ ในกระบวนการที่ส่วนผสมของรุ่นคงที่และมีแต่การสลับรุ่นบ่อย ระบบวิชันจะแข็งแรง แต่ในกระบวนการที่มีรุ่นใหม่พอกขึ้นทุกปี ระบบวิชันจะอ่อนแอ

เวลาคำนวณใหม่ด้วยตัวเลขของบริษัทท่านเอง สิ่งที่ต้องตรวจสอบเป็นอันดับแรกคือ 3 ข้อนี้ นั่นคือ มูลค่าของเวลาซึ่งก็คือกำไรส่วนเกิน ความถี่ของการเพิ่มรุ่นชิ้นงาน และอัตราความสำเร็จของการเดินเครื่องไร้คนคุม

ประเด็นที่เพิ่มขึ้นสำหรับโรงงานในประเทศไทยและต่างประเทศ

การนำหุ่นยนต์มาใช้ไม่ใช่เรื่องแปลกใหม่อีกต่อไปแล้ว ตามรายงาน World Robotics 2025 ของ International Federation of Robotics ซึ่งเผยแพร่วันที่ 25 กันยายน 2025 การติดตั้งหุ่นยนต์อุตสาหกรรมใหม่ในปี 2024 ทั่วโลกอยู่ที่ 542,000 ตัว และจำนวนที่ใช้งานอยู่แตะ 4,664,000 ตัว ซึ่งเพิ่มขึ้น 9% จากปีก่อนหน้า ในจำนวนที่ติดตั้งใหม่นั้น เอเชียมีสัดส่วน 74% ยุโรป 16% และทวีปอเมริกาเหนือกับใต้ 9% เมื่อแยกตามประเทศ จีนอยู่ที่ 295,000 ตัว ญี่ปุ่น 44,500 ตัว และเกาหลีใต้ 30,600 ตัว

เมื่อหันมาดูประเทศไทย รายงานของสำนักงาน Tokyo SME Support Center ประจำประเทศไทย ซึ่งเผยแพร่วันที่ 18 กรกฎาคม 2025 โดยอ้างอิงข้อมูลจาก IFR และ NECTEC ระบุว่าประเทศไทยนำหุ่นยนต์มาใช้ประมาณ 3,300 ตัวในปี 2022 อยู่อันดับที่ 14 ของโลก และอันดับที่ 2 ของอาเซียนรองจากสิงคโปร์ ตัวเลขของประเทศไทยเป็นข้อมูล ณ ปี 2022 แต่ถึงจะคำนึงถึงความต่างของปีข้อมูลแล้ว ก็ยังต่างจากญี่ปุ่นและจีนอยู่คนละระดับ ส่วนต่างนี้แสดงออกมาโดยตรงในรูปของ ความบางของฐานวิศวกรที่ใช้งานได้ในประเทศ

ใครจะเป็นคนจัดการการเพิ่มรุ่นชิ้นงาน

ตามที่เห็นในการวิเคราะห์ความอ่อนไหวในหัวข้อก่อน ความถี่ของการเพิ่มรุ่นชิ้นงานเป็นตัวชี้ขาดการคืนทุน และสิ่งที่ทำให้เรื่องนี้เป็นปัญหาสำหรับฐานการผลิตในต่างประเทศ ไม่ใช่ตัวค่าใช้จ่าย แต่เป็น ระยะเวลารอคอย ต้องขอให้ SIer มาลงทะเบียนโมเดลของรุ่นใหม่ ต้องนัดหมายการเดินทางมา แล้วให้เขาทำงาน ระหว่างนี้รุ่นดังกล่าวก็ผลิตด้วยหุ่นยนต์ไม่ได้ สิ่งที่ในญี่ปุ่นจบได้ในไม่กี่วัน กลายเป็นหลายสัปดาห์สำหรับฐานการผลิตในต่างประเทศ

มาตรการรับมือมีทางเดียว คือ ทำให้ผู้รับผิดชอบในประเทศจัดการการลงทะเบียนโมเดลและการทีชชิ่งซ้ำได้เอง สิ่งที่ต้องตกลงตั้งแต่ตอนทำสัญญาเพื่อการนี้ ได้แก่ จำนวนคนที่จะเข้ารับการอบรม ภาษาของสื่อการสอน ภาษาของหน้าจอใช้งาน คู่มือขั้นตอนจัดทำเป็นภาษาไทยหรือไม่ และช่องทางสอบถามหลังการอบรม ถ้าเซ็นสัญญาโดยปล่อยจุดนี้ไว้คลุมเครือ งานจะผูกติดกับคนเพียงคนเดียว และเมื่อคนคนนั้นลาออก สายการผลิตก็หยุดทันที

เรื่องภาษาและการแสดงผลในทางปฏิบัติ

ภาษาของหน้าจอใช้งานมักถูกมองข้าม โครงสร้างแบบที่หน้าจอตั้งค่าของระบบวิชันมีแต่ภาษาอังกฤษ หรือข้อความแจ้งข้อผิดพลาดมีแต่ภาษาญี่ปุ่น มีอยู่จริง สิ่งที่พนักงานหน้างานต้องอ่านไม่ได้มีเพียงข้อความแจ้งข้อผิดพลาดเท่านั้น เพราะการสลับรุ่นในแต่ละวันก็ต้องเปิดหน้าจอตั้งค่า และการตัดสินใจว่าต้องทำอะไรเมื่อเกิดความผิดปกติก็ขึ้นอยู่กับภาษาบนหน้าจอ ถ้าแสดงภาษาไทยไม่ได้ ก็ต้องรวมงานจัดทำป้ายแสดงรายการรหัสข้อผิดพลาดพร้อมวิธีแก้ไขเป็นภาษาไทยเข้าไว้ในขอบเขตงานช่วงเริ่มเดินระบบด้วย

การแบ่งขอบเขตความรับผิดชอบ

ระบบวิชันสำหรับหุ่นยนต์อยู่ในตำแหน่งที่คร่อมเส้นแบ่งของระบบ ทั้งผู้ผลิตกล้อง ผู้ผลิตหุ่นยนต์ ผู้ผลิตมือจับ SIer ที่ผสานระบบ และฝ่ายวิศวกรรมการผลิตของโรงงานท่านเอง เมื่อกำหนดตำแหน่งไม่ได้ ก็ตัดสินไม่ได้ทันทีว่าเป็นขอบเขตความรับผิดชอบของใคร สภาพที่กินเวลามากที่สุดคือสภาพที่ต่างฝ่ายต่างบอกว่ากล้องให้ความแม่นยำตามสเปกแล้ว หุ่นยนต์ก็ผ่านความแม่นยำในการทำซ้ำแล้ว แต่ก็ยังจับไม่ได้

วิธีเลี่ยงคือ เขียนเกณฑ์ตัดสินผ่านหรือไม่ผ่านขั้นสุดท้ายด้วยคำว่าจับได้หรือไม่ ตั้งแต่ก่อนทำสัญญา ไม่ใช่ด้วยอัตราการรู้จำ และไม่ใช่ด้วยความแม่นยำในการวัด แต่คือจากจำนวนครั้งที่กำหนด ระบบจับชิ้นงานที่กำหนดจากสภาพการป้อนที่กำหนด แล้ววางลงในตำแหน่งที่กำหนดได้กี่ครั้ง การมีข้อความนี้หรือไม่ จะทำให้ลักษณะการติดขัดตอนเริ่มเดินระบบต่างกันไปเลย เรื่องวิธีลากเส้นแบ่งความรับผิดชอบสรุปไว้ใน 5 ขอบเขตที่ต้องดูในการคัดเลือกผู้ผสานระบบหุ่นยนต์ ระบบวิชันอยู่ในตำแหน่งที่คร่อมหลายขอบเขตในบรรดาที่ยกไว้ตรงนั้น จึงต้องลากเส้นแบ่งอย่างประณีตเป็นพิเศษ

อะไหล่สำรองและเวลากู้คืน

กล้อง ไฟส่องสว่าง สายเคเบิล และมือจับเฉพาะงาน เวลากู้คืนเมื่อของเหล่านี้เสียถูกกำหนดด้วยว่ามีอะไหล่อยู่ในประเทศหรือไม่ ต้องเปรียบเทียบเป็นตัวเงินแล้วตัดสินว่า จะถืออะไหล่สำรองไว้ หรือจะไม่ถือแล้วยอมรับการหยุดเดินเครื่อง ถ้าความสูญเสียเมื่อหยุด 1 วัน สูงกว่าราคาอะไหล่สำรอง 1 ชุด ก็ควรถือไว้ ตรงนี้ก็ต้องตัดสินด้วยตัวเลขของบริษัทท่านเอง ไม่ใช่ด้วยตัวเลขสมมติ

10 ข้อที่ต้องตกลงกันเป็นลายลักษณ์อักษรก่อนสั่งซื้อ

สรุปเนื้อหาทั้งหมดลงเป็นรายการตรวจสอบก่อนสั่งซื้อ ทุกข้อต้อง เขียนลงกระดาษและตกลงร่วมกับคู่สัญญา สิ่งที่ยืนยันกันด้วยวาจาจะขัดแย้งกันเสมอในช่วงเริ่มเดินระบบ

ในบรรดานี้ ข้อที่มักทำให้เกิดส่วนต่างในขั้นตอนเปรียบเทียบใบเสนอราคาคือข้อ 1, 4, 5 และ 7 ถ้าขอใบเสนอราคาเปรียบเทียบภายใต้เงื่อนไขที่จัดให้ตรงกันทั้ง 4 ข้อนี้ ส่วนต่างของยอดเงินจะกลายเป็นส่วนต่างของฝีมือแทบทั้งหมด แต่ถ้าขอโดยไม่จัดให้ตรงกัน ใบเสนอราคาที่ถูกกว่าส่วนใหญ่ก็เป็นเพียงใบที่ไม่ได้รวมของบางอย่างไว้เท่านั้น

คำถามที่พบบ่อย

ระบบวิชันสำหรับหุ่นยนต์มีค่าใช้จ่ายประมาณเท่าไร

ในกรณีตัวอย่างของบทความนี้ ซึ่งเป็นตัวเลขสมมติ เงินลงทุนตั้งต้นรวมตัวหุ่นยนต์อยู่ที่ 4,000,000 บาท สำหรับสถานการณ์กองรวมในกล่อง + 3D และ 3,300,000 บาท สำหรับสถานการณ์กึ่งเป็นระเบียบ + 2D อย่างไรก็ตาม ตัวเลขนี้เปลี่ยนแปลงได้มากตามกระบวนการ ชิ้นงาน และสภาพการป้อน สิ่งที่กำหนดยอดเงินไม่ใช่รุ่นของกล้อง แต่เป็นสภาพการป้อนชิ้นงาน และปริมาณการดัดแปลงมือจับกับฝั่งป้อนชิ้นงาน เวลาขอใบเสนอราคา ให้บังคับแจกแจงรายการเป็น 4 กลุ่ม คือ ดู สอน จับ เชื่อม และเปรียบเทียบรายการย่อยของกลุ่มสอนกับกลุ่มจับเป็นพิเศษ

การหยิบชิ้นงานกองรวมในกล่องด้วยระบบวิชัน 3D ใช้งานได้จริงหรือไม่

ในแง่เทคโนโลยีอยู่ในขั้นใช้งานได้จริงแล้ว โครงสร้างที่เก็บข้อมูลความลึกเพื่อหาท่าทางของชิ้นงานที่วางซ้อนกัน แล้วหยิบออกมาโดยหลบการชน มีผู้ผลิตหลายรายทำออกมาเป็นสินค้าแล้ว ปัญหาไม่ได้อยู่ที่ใช้งานได้จริงหรือไม่ แต่อยู่ที่ความคุ้มค่า ในการคำนวณของบทความนี้ สถานการณ์ที่แก้โดยคงสภาพกองรวมในกล่องไว้มี ROI 5 ปี ที่ -48.0% ส่วนสถานการณ์ที่เปลี่ยนการป้อนเป็นกึ่งเป็นระเบียบอยู่ที่ +14.5% ถ้าจะเลือกแบบกองรวมในกล่อง ควรตรวจสอบก่อนว่า เหตุผลที่เปลี่ยนการป้อนไม่ได้นั้น เป็นสิ่งที่เปลี่ยนไม่ได้จริงหรือไม่

หุ่นยนต์หยิบชิ้นงานทีละชิ้นใช้กับงานหลายรุ่นได้หรือไม่

ใช้ได้ แต่ต้นทุนของการเพิ่มรุ่นชิ้นงานเป็นตัวชี้ขาดการคืนทุน ในการวิเคราะห์ความอ่อนไหวของบทความนี้ สถานการณ์ที่ 1 ซึ่งตั้งสมมติฐานว่าเพิ่มปีละ 4 รุ่น มีจำนวนปีที่คืนทุนประมาณ 9.6 ปี แต่เมื่อเปลี่ยนเป็นปีละ 12 รุ่น ค่าใช้จ่ายการใช้งานรายปีเพิ่มเป็น 680,000 บาท และจำนวนปีที่คืนทุนยืดเป็นประมาณ 41.7 ปี ซึ่งทั้งหมดเป็นการคำนวณด้วยตัวเลขสมมติ ถ้าจะใช้กับงานหลายรุ่น เงื่อนไขตั้งต้นคือต้องลดต้นทุนการลงทะเบียนต่อรุ่นให้ต่ำลง และสร้างทีมงานในประเทศที่จัดการการลงทะเบียนได้เอง

เลือกมือจับหุ่นยนต์ทีหลังจากเลือกกล้องได้หรือไม่

กลับกัน ควรคิดเรื่องมือจับก่อน เพราะต้องรู้ก่อนว่ามือจับดูดซับความคลาดเคลื่อนของตำแหน่งได้เท่าไร จึงจะกำหนดความแม่นยำที่เรียกร้องจากกล้องได้ ถ้าใช้การลบมุม กลไกลอยตัว หรือโครงสร้างที่จับหยาบก่อนแล้ววางใหม่บนแท่นวาง สิ่งที่เรียกร้องจากกล้องจะลดลงหนึ่งระดับ ค่าใช้จ่ายและชั่วโมงงานในการเริ่มเดินระบบก็ลดลงตาม หลักการเชิงปฏิบัติคือ การสร้างระยะหลบไว้ที่มือจับถูกกว่าการยกระดับกล้อง

โรงงานของท่านจะทำการทีชชิ่งหุ่นยนต์เองได้หรือไม่

กรณีที่ใส่ระบบวิชันเข้าไป นอกจากการทีชชิ่งแบบดั้งเดิมแล้ว จะเกิดงานเพิ่มอีก 3 อย่าง คือการลงทะเบียนโมเดลการรู้จำ การกำหนดจุดจับยึด และการเก็บค่าคาลิเบรตใหม่ ในจำนวนนี้ การลงทะเบียนโมเดลการรู้จำและการกำหนดจุดจับยึด ส่วนใหญ่ผู้รับผิดชอบในประเทศจัดการเองได้หลังผ่านการอบรม ส่วนการคาลิเบรตก็เช่นเดียวกันหากขั้นตอนถูกจัดให้เป็นแบบแผนแล้ว ตอนทำสัญญาให้ระบุจำนวนคนที่เข้ารับการอบรม ภาษาของสื่อการสอน ภาษาของคู่มือขั้นตอน และช่องทางสอบถามหลังการอบรมให้ชัดเจน

ระหว่างอุปกรณ์ขันสกรูอัตโนมัติกับอุปกรณ์ป้อนแบบจัดเรียงเป็นระเบียบ กับระบบวิชันสำหรับหุ่นยนต์ ควรเลือกอะไร

ก่อนอื่น กระบวนการที่กำหนดตำแหน่งฝั่งชิ้นงานด้วยจิ๊กได้ อย่างการขันสกรูหรือการอัดประกอบ แนวทางมาตรฐานคือเทไปทางการป้อนแบบจัดเรียงเป็นระเบียบ ในกรณีนั้นระบบวิชันจะหดเหลือเพียงการยืนยันว่ามีชิ้นส่วนอยู่หรือไม่ และทิศทางถูกต้องหรือไม่ ระบบวิชันสำหรับหุ่นยนต์ในฐานะที่ใช้ส่งพิกัดจึงไม่จำเป็น สิ่งที่ต้องการเอาต์พุตเป็นพิกัดจำกัดอยู่เฉพาะกรณีที่ตำแหน่งชิ้นงานเปลี่ยนไปทุกครั้ง

จากนั้น การจะเทไปทางอุปกรณ์ป้อนแบบจัดเรียงเป็นระเบียบหรือทางระบบวิชัน ถูกกำหนดด้วยจำนวนรุ่นและความถี่การสลับรุ่น ถ้ามีรุ่นน้อยและสลับไม่บ่อย การใช้พาร์ตฟีดเดอร์หรือจิ๊กเฉพาะงานเพื่อป้อนแบบจัดเรียงเป็นระเบียบจะถูกกว่า เร็วกว่า และพังยากกว่า แต่เมื่อรุ่นมีจำนวนมากและสลับบ่อยขึ้น จำนวนจิ๊ก พื้นที่จัดเก็บ และเวลาตั้งเครื่องเปลี่ยนรุ่นจะเพิ่มขึ้น จนถึงจุดหนึ่งการสลับโมเดลของระบบวิชันจะถูกกว่า การจะตัดสินให้ได้ ต้องนำค่าผลิตจิ๊ก 1 ชุดกับต้นทุนการจัดเก็บ เวลาต่อการสลับ 1 ครั้ง และจำนวนครั้งการสลับต่อปี มาวางเรียงกัน แล้วคำนวณผลตอบแทนรายปีกับเงินลงทุนในรูปแบบเดียวกับบทความนี้

การนำระบบวิชันสำหรับหุ่นยนต์มาใช้ในการประกอบอัตโนมัติมีคุณค่าตรงไหน

จุดที่ให้คุณค่ามากที่สุดคือการลดเวลาตั้งเครื่องเปลี่ยนรุ่นและการป้องกันการประกอบผิด ถ้าเปลี่ยนการสลับจิ๊กตามรุ่นเป็นการสลับโมเดลได้ เวลาสลับรุ่นจะหดลง และปริมาณจิ๊กก็ลดลงด้วย ถ้าใช้ระบบวิชันตรวจยืนยันรุ่น ทิศทาง และการมีอยู่ของชิ้นส่วน ก็ป้องกันไม่ให้การประกอบผิดไหลไปยังกระบวนการถัดไปได้ ในทางกลับกัน ถ้าวางผลตอบแทนไว้แค่การลดคนลง 1 คน ที่ระดับค่าจ้างของประเทศไทยซึ่งอยู่ที่ 337 ถึง 400 บาทต่อวัน ก็จะไม่คืนทุน

สรุป

สิ่งที่ตัดสินความสำเร็จหรือล้มเหลวของระบบวิชันสำหรับหุ่นยนต์ ไม่ใช่จำนวนพิกเซลของกล้อง และไม่ใช่สเปกความแม่นยำ สิ่งที่ตัดสินคือ 3 เรื่อง ได้แก่ ชิ้นงานถูกป้อนเข้ามาอย่างไร แสงสว่างนิ่งพอหรือไม่ และตัวหุ่นยนต์กับมือจับยอมรับความคลาดเคลื่อนได้มากแค่ไหน ซึ่งทั้งหมดไม่ปรากฏอยู่ในใบเสนอราคาของกล้อง

ความคลาดเคลื่อนของการกำหนดตำแหน่งถูกกำหนดจากสามชั้นซ้อน คือความแม่นยำในการวัดของกล้อง ความแม่นยำสัมบูรณ์ของหุ่นยนต์ และระยะเผื่อเชิงกลระหว่างมือจับกับชิ้นงาน สิ่งที่ระบุในแคตตาล็อกมีเพียงชั้นที่หนึ่ง กับความแม่นยำในการทำซ้ำของชั้นที่สองเท่านั้น ในการใช้งานที่ระบบวิชันส่งพิกัดใหม่ทุกครั้ง สิ่งที่มีผลคือความแม่นยำสัมบูรณ์ แต่ค่านั้นกลับไม่ถูกเปิดเผยในกรณีส่วนใหญ่ คำตอบเชิงการออกแบบจึงไม่ใช่การซื้อความแม่นยำ แต่คือการสร้างระยะหลบไว้ที่ฝั่งมือจับ

ให้ดูค่าใช้จ่ายเป็น 4 กลุ่ม คือ ดู สอน จับ เชื่อม สิ่งที่ถูกนำมาเปรียบเทียบในใบเสนอราคาคือกลุ่มดูเท่านั้น ทั้งที่สิ่งที่ขยับยอดรวมคือกลุ่มสอนกับกลุ่มจับ และสิ่งที่มีผลมากที่สุดคือสภาพการป้อนชิ้นงาน ในการคำนวณด้วยตัวเลขสมมติของบทความนี้ การแก้ด้วย 3D โดยคงสภาพกองรวมในกล่องให้ ROI 5 ปี ที่ -48.0% ส่วนการเปลี่ยนการป้อนเป็นกึ่งเป็นระเบียบแล้วแก้ด้วย 2D ให้ +14.5% ซึ่งพลิกกลับกันถึงระดับเครื่องหมาย ให้ออกแบบรอบเวลาด้วยค่าแย่ที่สุดแทนค่าเฉลี่ย และคิดการหยิบพลาดกับการแทรกแซงของคนเข้าไปด้วย เขียนไฟส่องสว่างเป็นข้อกำหนดตั้งแต่แรกแทนที่จะเป็นค่าใช้จ่ายเพิ่มเติม และการคืนทุนไม่ได้มาจากการลดต้นทุนค่าแรง แต่ต้องประกอบขึ้นจาก 3 เสา คือการลดเวลาตั้งเครื่องเปลี่ยนรุ่น การป้องกันของเสียหลุดออกไป และการเพิ่มการเดินเครื่องด้วยการเดินไร้คนคุม

TOMAS TECH มีฐานอยู่ที่กรุงเทพมหานคร ให้บริการระบบบริหารการผลิต IoT และระบบอัตโนมัติแก่ผู้ผลิตสัญชาติญี่ปุ่นในประเทศไทยและอาเซียน สำหรับงานระบบวิชันสำหรับหุ่นยนต์นั้น การเจาะให้ชัดก่อนว่าเปลี่ยนสภาพการป้อนได้หรือไม่ และสร้างระยะหลบไว้ที่มือจับได้หรือไม่ ก่อนจะเลือกกล้อง มักทำให้เริ่มเดินระบบได้เร็วกว่าและถูกกว่าในท้ายที่สุด ไม่ว่าจะยังอยู่ในขั้นที่กระบวนการยังไม่นิ่ง หรืออยู่ในขั้นที่กำลังลำบากใจเพราะเปรียบเทียบรายการย่อยของใบเสนอราคาหลายเจ้าไม่ได้ ก็ปรึกษาได้ ถ้าท่านนำสภาพการป้อนชิ้นงานในปัจจุบันและรูปถ่ายชิ้นงานมาให้ เราช่วยได้ตั้งแต่การประเมินว่าใช้ 2D พอ หรือต้องใช้ 3D ติดต่อเราได้ที่ แบบฟอร์มติดต่อสอบถาม

แหล่งอ้างอิง

• International Federation of Robotics “World Robotics 2025” ข่าวประชาสัมพันธ์ วันที่ 25 กันยายน 2025 — การติดตั้งหุ่นยนต์อุตสาหกรรมใหม่ปี 2024 จำนวน 542,000 ตัว จำนวนที่ใช้งานอยู่ 4,664,000 ตัว พร้อมสัดส่วนแยกตามภูมิภาคและประเทศ
• Tokyo SME Support Center สำนักงานประเทศไทย「タイの産業用ロボットとサービスロボットの市場動向」วันที่ 18 กรกฎาคม 2025 — ประเทศไทยนำหุ่นยนต์มาใช้ประมาณ 3,300 ตัวในปี 2022 อยู่อันดับที่ 14 ของโลกและอันดับที่ 2 ของอาเซียน
• RoboDK “Robot Validation ISO 9283” — นิยามของความแม่นยำเชิงตำแหน่ง ความแม่นยำในการทำซ้ำ และความแม่นยำของเส้นทางตาม ISO 9283 พร้อมเงื่อนไขการทดสอบด้วยลูกบาศก์ทดสอบ
• Mech-Mind「ハンド・アイ・キャリブレーションの原理」 — โครงสร้าง 2 แบบคือ eye-in-hand และ eye-to-hand ความสัมพันธ์การแปลงที่ต้องหา และวิธี TCP touch
• KEYENCE「産業用ロボットの生産性を高めるカギは位置決め能力とキャリブレーション」 — การเคลื่อนของพิกัดตามเวลาที่ผ่านไป ความไม่นิ่งของแสงสว่าง ความบิดเบี้ยวของเลนส์ และการเคลื่อนของตำแหน่งติดตั้ง
• KEYENCE「ばら積みピッキング対応3Dロボットビジョン」 — นิยามของการหยิบชิ้นงานจากกองรวมในกล่อง และเหตุผลที่ต้องใช้ 3D เพื่อให้ได้ข้อมูลความลึก
• Orbbec ข่าว “Automate 2026” วันที่ 22 มิถุนายน 2026 — กล้องแสงโครงสร้างแบบ DLP ที่ระยะ 0.5 เมตร ให้ความแม่นยำตาม VDI/VDE ประมาณ 0.07 มิลลิเมตร และความแม่นยำในการทำซ้ำแกน Z ที่ 0.05 มิลลิเมตร
• Photoneo “Automate 2026” — ระบบวิชัน 3D ที่ขับเคลื่อนด้วย AI สำหรับการหยิบชิ้นส่วนที่บอบบาง การหยิบจากกองที่ไร้ระเบียบ และการวัดขนาดพาเลท