คุณรู้หรือไม่ว่า ลูกกอล์ฟลูกเล็ก ๆ เพียงลูกเดียว มีรายการตรวจจับข้อบกพร่องมากถึง 28 รายการ หากตรวจด้วยคน หนึ่งชั่วโมงดูได้ 500 ลูก แต่หากใช้ AI ตรวจจับข้อบกพร่อง หนึ่งชั่วโมงตรวจได้ 6,000 ลูก เทคโนโลยีการตรวจสอบด้วยแสงอัตโนมัติ (AOI) ที่ AIWin พัฒนาขึ้น ทำอัตราการตรวจพลาดได้ที่ 0.1% ดีกว่าสายตามนุษย์ถึง 10 เท่า นอกจากอุตสาหกรรมลูกกอล์ฟแล้ว การตรวจสอบ AOI ของ AIWin ยังจะนำไปใช้ในอุตสาหกรรมอื่น เช่น สิ่งทอ ด้วย
Aaron Lin (林耿呈) ผู้ก่อตั้งและ CEO ของ AIWin เป็นผู้เชี่ยวชาญที่ศึกษาปัญญาประดิษฐ์ (AI) อย่างลึกซึ้ง ตั้งแต่ช่วงปี 2013 เขาก็มองเห็นอนาคตและพลังการเติบโตของดีปเลิร์นนิง (Deep Learning, DL) และการรู้จำภาพด้วย AI ขณะเดียวกัน AOI ก็เป็นสิ่งที่ภาคการผลิตต้องการอย่างมากมาโดยตลอด เพราะช่วยให้เจ้าของกิจการยกระดับคุณภาพผลิตภัณฑ์ ทำให้คุณภาพของสินค้าที่ส่งมอบมีความสม่ำเสมอ นอกจากนี้ ยังนำข้อมูลผลการตรวจสอบ AOI ไปปรับปรุงกระบวนการผลิต ให้การปรับปรุงกระบวนการเข้าสู่วงจรเชิงบวก และประหยัดต้นทุนได้มากขึ้น
เนื่องจากสายตามนุษย์มีปัจจัยที่ควบคุมไม่ได้ เช่น ความเหนื่อยล้าและมาตรฐานที่ไม่ตรงกัน การตรวจสอบจึงเผชิญคอขวด อัตราการตรวจพลาดของสายตามนุษย์ที่ผ่านการฝึกฝนแล้ว มีขีดจำกัดอยู่ที่ราว 1~2% และยิ่งตรวจนาน ผลการตรวจก็ยิ่งแย่ลงเรื่อย ๆ ส่วน AOI เป็นอุปกรณ์ที่ทำงานได้เสถียร และตรวจสอบได้ในปริมาณมาก AIWin ทำอัตราการตรวจพลาดได้ที่ 0.1% ดีกว่าสายตามนุษย์ถึง 10 เท่า หรือคิดเป็นอัตราการตรวจพบ 99.9% แน่นอนว่า AOI ก็ทำให้เกิดอัตราการตรวจเกิน (over-detection) 5%-10% ซึ่งใช้คนคัดกรองเฉพาะส่วนที่ตรวจเกินอีกครั้งก็เพียงพอ เมื่อมี AOI ช่วย ภาระของงานตรวจสอบคุณภาพก็เบาลง และประหยัดชั่วโมงทำงานได้ไม่น้อย
AOI ตรวจจับข้อบกพร่องของลูกกอล์ฟ กำลังการตรวจต่อชั่วโมงเพิ่มขึ้น 12 เท่า
บททดสอบแรกของเทคโนโลยี AOI ของ AIWin คือลูกกอล์ฟ ผิวลูกกอล์ฟมีรอยบุ๋มไม่เรียบ และเป็นผลิตภัณฑ์ที่สะท้อนแสงสูง ที่ผ่านมาต้องอาศัยคนตรวจหาข้อบกพร่องทีละลูก ลูกกอล์ฟลูกเล็ก ๆ หนึ่งลูกมีข้อบกพร่องได้มากถึง 28 แบบ และหนึ่งชั่วโมงตรวจได้ 500 ลูก ผู้ผลิตลูกกอล์ฟรายใหญ่ในไต้หวัน จึงนำการตรวจสอบ AOI มาใช้เมื่อสองปีก่อน เพื่อตอบสนองความต้องการของลูกค้าญี่ปุ่น โดยใช้ระบบตรวจสอบภาพเชิงแสง AOI ความเร็วสูงและความแม่นยำสูง ร่วมกับเทคโนโลยีการรู้จำภาพด้วย AI ดีปเลิร์นนิง ตรวจจับข้อบกพร่องบนผิวลูกกอล์ฟ การป้อนและนำชิ้นงานออกเป็นระบบอัตโนมัติทั้งหมด เพื่อแก้ปัญหาการตรวจพลาดจากการคัดแยกด้วยคน ทั้งยังบันทึกและรายงานสภาพข้อบกพร่องได้แบบเรียลไทม์ แต่ละเครื่องตรวจลูกกอล์ฟได้ปีละ 200,000 โหล ช่วยยกระดับความพึงพอใจของลูกค้าได้อย่างมาก แต่กว่าจะมาถึงก้าวนี้ AIWin ใช้เวลาไปเต็ม ๆ กว่าสองปี……
▲หน้าจอเทคโนโลยีการรู้จำ AOI สำหรับลูกกอล์ฟ
▲การรู้จำ AOI สำหรับลูกกอล์ฟ ข้อบกพร่องบนผิวลูกทั้ง 28 แบบไม่มีทางเล็ดลอด
Aaron Lin กล่าวว่า งานเริ่มจากการประเมินข้อมูลและให้คำปรึกษา ตามด้วยการจัดระเบียบและติดป้ายกำกับข้อมูล การคัดเลือกและทวนสอบอัลกอริทึม AI และบริการฝึกสอน AI ข้อมูลลูกกอล์ฟนั้นแทบจะเริ่มจากศูนย์ และสะสมขึ้นมาทีละรายการ โชคดีที่ผู้ผลิตลูกกอล์ฟให้ความร่วมมืออย่างเต็มที่ จึงเห็นผลสำเร็จในที่สุด สำหรับการตรวจจับข้อบกพร่องของลูกกอล์ฟด้วย AOI โดยทั่วไปหากตรวจด้วยคน หนึ่งชั่วโมงดูได้ 500 ลูก แต่หากตรวจด้วย AI หนึ่งชั่วโมงตรวจได้ 6,000 ลูก ได้ผลสูงขึ้นถึง 12 เท่า
ต่างจากบริษัทอื่น Aaron Lin เห็นว่า AI ต้องลงลึกใน Domain เพื่อขัดเกลาข้อมูลเฉพาะทางออกมา มีเพียงข้อมูลของ Domain เหล่านี้ที่จะทำให้ AI ทำงานได้ดี บริษัทจึงเริ่มต้นจากการรับงานเป็นรายโครงการ ไม่ได้กำหนดผลิตภัณฑ์ AI ขึ้นมาตั้งแต่แรก เพราะหากไม่มีข้อมูลที่ดี หรือไม่มีสาขาที่มุ่งเน้น ต่อให้อัลกอริทึมดีเพียงใด ก็สร้าง AI ให้สำเร็จไม่ได้ ในช่วงหลายปีที่ผ่านมา AIWin สะสมประสบการณ์จากโครงการ แล้วค่อย ๆ พัฒนาเป็นผลิตภัณฑ์ นอกจากมุ่งเน้นข้อมูลของ Domain แล้ว AIWin ยังมอบอัลกอริทึม AI ล่าสุดให้ลูกค้า และเติบโตไปพร้อมกับลูกค้า ด้วยเหตุนี้ แทนที่จะระดมทุนจากภายนอก นักลงทุนของ AIWin จึงเป็นลูกค้าหรือพันธมิตรเอง เกิดเป็นความร่วมมือที่แน่นแฟ้นยิ่งขึ้น
จากระยะประเมินถึงการใช้งานจริง การนำ AI ไปใช้ต้องผ่านหกระยะ
โครงการที่ AIWin รับดำเนินการ จะแบ่งออกเป็นหลายระยะ ได้แก่ 1. ระยะประเมิน 2. ระยะพิสูจน์แนวคิดเบื้องต้น (POC) 3. ระยะเก็บรวบรวมข้อมูล 4. ระยะทวนสอบซ้ำ 5. ระยะวงจรเชิงบวกของ AI 6. การใช้งานจริงอย่างเป็นทางการ ระยะประเมินคือการทำความเข้าใจและประเมินสภาพ Domain ของฝั่งผู้มีความต้องการในเบื้องต้น จากนั้นจึงทวนสอบด้วย POC เมื่อผ่าน POC แล้ว จะเก็บรวบรวมข้อมูลจำนวนมาก และเข้าสู่ระยะทวนสอบซ้ำ สุดท้ายจึงให้ AI เข้าสู่ระยะวงจรเชิงบวก เมื่อได้ผลถึงระดับหนึ่งแล้ว ก็ใช้งานจริงอย่างเป็นทางการได้ โดยทั่วไป โครงการหนึ่งต้องใช้เวลาขัดเกลาราวครึ่งปีถึงหนึ่งปี แต่สำหรับโครงการ PCB AOI ที่คุ้นเคยมากกว่า จะข้ามสองระยะแรกไปได้เลย และเริ่มจากการเก็บรวบรวมข้อมูล เวลาที่ใช้จึงสั้นลงมาก
"ปัญหาร่วมที่พบทั้งในโครงการนี้และโครงการอื่น คือลูกค้ามักถามว่า ต้องมีข้อมูลมากเพียงใดจึงจะพอ และ AI จะเรียนรู้ได้เมื่อไร" เมื่อเผชิญกับคำถามลักษณะนี้ Aaron Lin ชี้ว่า สาเหตุที่ทำให้เกิดคำถามเหล่านี้คือ 1. ในเชิงเทคนิค ดีปเลิร์นนิงอธิบายไม่ได้ เพราะเป็นกล่องดำ 2. ลูกค้าโดยทั่วไปยังไม่มีพื้นความเข้าใจด้านเทคโนโลยี AI ดังนั้น บริษัทจึงต้องอดทนทวนสอบข้อมูลซ้ำแล้วซ้ำอีก ค้นหาข้อมูลที่ AI ต้องการ สะสมและทดสอบ แล้วคลี่คลายและแก้ไขสภาพของ Domain ทั้งหมดไปทีละเรื่อง ซึ่งต้องใช้ทั้งเวลาและความอดทนอย่างมาก
ในกระบวนการนำ AI ไปใช้ ลูกค้าคาดหวังกับ AI ไว้สูง โดยเชื่อว่าเพียงผสานบริการ AI เข้าไป ก็จะทดแทนกำลังคนได้ทันที Aaron Lin ชี้ว่า ความจริงไม่เป็นเช่นนั้น คุณค่าของ AI เกิดจากการสะสมข้อมูลคุณภาพสูงจำนวนมาก แล้วนำมาแปลง วิเคราะห์ และสร้างโมเดลสำหรับฝึกสอนและทวนสอบ AI จึงจะแก้ปัญหาที่เกิดจากการทำงานด้วยคนได้อย่างครบถ้วน
ปัจจุบัน นอกจากการตรวจสอบลูกกอล์ฟแล้ว AIWin กำลังนำระบบไปใช้กับสินค้าในอุตสาหกรรมสิ่งทอ เช่น ผ้าและเชือกผูกรองเท้า และยังมีอีกหลายอุตสาหกรรมที่ทำ POC ร่วมกับ AIWin เช่น เซมิคอนดักเตอร์ PCB และอุตสาหกรรมดั้งเดิมอื่น ๆ
▲การตรวจจับข้อบกพร่องของผ้าด้วย AOI ภาพบนคือก่อนนำการตรวจสอบ AOI มาใช้ ภาพล่างคือหลังนำการตรวจสอบ AOI มาใช้
Aaron Lin ชี้ว่า ในเส้นทางการก่อตั้งธุรกิจ สิ่งที่ยากที่สุดคือการพัฒนาบุคลากรและความเข้าใจของลูกค้า ลูกค้ามักต้องการเห็นผลอย่างรวดเร็ว โดยไม่ทราบว่า การนำ AI ไปใช้ต้องอาศัยการสะสมข้อมูลและการทวนสอบซ้ำ ซึ่งกระบวนการเหล่านี้ หากไม่ถึงครึ่งปีขึ้นไป ก็ยังไม่เห็นผลลัพธ์
จากผลกระทบของโรคโควิด-19 แนวโน้มห่วงโซ่อุปทานภาคการผลิต ที่เป็นแบบโลกาภิวัตน์และรวมศูนย์ ได้ถูกทำลายลง และถูกแทนที่ด้วยห่วงโซ่อุปทานแบบ "ระยะสั้นในภูมิภาค" กล่าวคือ โรงงานขนาดเล็กแต่มีคุณภาพจะเกิดขึ้นทั่วทุกพื้นที่ สิ่งนี้จะนำโอกาสทางธุรกิจใหม่มาสู่ AOI ด้วยหรือไม่ Aaron Lin กล่าวว่า ระบบอัตโนมัติระดับสูงนำโอกาสทางธุรกิจมาสู่การตรวจสอบอัตโนมัติด้วย AI จริง แต่ก็ต้องลงทุนค่อนข้างสูง ทั้งอุปกรณ์อัตโนมัติ เครื่องแม่ข่าย GPU และบุคลากรดูแลระบบ AI ที่เพียงพอ ซึ่งล้วนเป็นภาระ ที่วิสาหกิจขนาดกลางและขนาดย่อม หรือโรงงานขนาดเล็กแบกรับไม่ไหว จึงต้องอาศัยเงินทุนและทรัพยากรจากภาครัฐ จึงจะเปลี่ยนผ่านได้อย่างราบรื่น