Use Case การใช้ AI ในภาคอสังหาริมทรัพย์และภาคอุตสาหกรรมสรุปจากงาน “Navigating AI Frontier”
เมื่อเร็ว ๆ นี้ สองผู้นำด้านเทคโนโลยี ได้แก่ ทีซีซี เทคโนโลยี (TCCtech) และเดลล์ เทคโนโลยีส์ (ประเทศไทย) (Dell Technologies) ร่วมกันจัดเวทีให้ความรู้ ภายใต้หัวข้อ “Navigating AI Frontier” โดยได้รับเกียรติจากผู้ทรงคุณวุฒิจากสถาบัน IMC ผู้บริหารของ TCCtech และ เดลล์ เทคโนโลยีส์ (ประเทศไทย) เข้าร่วมแบ่งปันประสบการณ์การนำ AI ไปใช้งานในหลายอุตสาหกรรม อัพเดทผลิตภัณฑ์และบริการด้านเทคโนโลยีรวมถึงแนะนำโซลูชันที่ตอบโจทย์เพื่อช่วยเพิ่มขีดความสามารถและประสิทธิภาพของการบริหารจัดการธุรกิจ
OPEN-TEC ศูนย์รวมองค์ความรู้ด้านเทคโนโลยี (Tech Knowledge Sharing Platform) ภายใต้การดูแลของ TCC TECHNOLOGY GROUP ขอนำเสนอประสบการณ์และผลลัพธ์จริงจากทีมงาน TCCtech ซึ่งนำความเชี่ยวชาญด้านเทคโนโลยีและความสามารถของ AI มาประยุกต์ใช้กับโครงการต่าง ๆ ของลูกค้าให้สามารถบริหารอาคารได้มีประสิทธิภาพมากขึ้น จัดการภาคอุตสาหกรรมได้อย่างชาญฉลาดยิ่งขึ้น ด้วย AI
ตัวอย่างการใช้เทคโนโลยีเพื่อเพิ่มประสิทธิภาพการบริหารจัดการโซลูชันภายในโครงการอสังหาริมทรัพย์ เช่น การใช้ Video Analytics วิเคราะห์ภาพใบหน้า เครื่องแบบ เพื่อคัดแยกกลุ่มแรงงานที่เข้ามาทำงานในพื้นที่แต่ละจุด สามารถจำแนกเพศ สังกัด แม้กระทั่งพฤติกรรมของแรงงานที่ก่อให้เกิดความเสี่ยง เช่น การสูบบุหรี่ในพื้นที่ควบคุม ด้วยการสร้างเงื่อนไขให้ AI เรียนรู้ คาดการณ์ และวิเคราะห์จากลักษณะที่ปรากฎ ซึ่งมีความแม่นยำสูง ละเอียดถึงระดับดวงตา สามารถค้นหาบุคคลหรือยานพาหนะในพื้นที่ภายในเวลาอันรวดเร็ว นอกจากนี้ ยังมีการใช้งาน AI เพื่อบริหารจัดการสภาพการจราจร และสนับสนุนงานอาชีวะอนามัย เป็นต้น ตัวอย่างถัดมา เป็นการบริหารจัดการพลังงาน ซึ่งโครงการขนาดใหญ่จะมีการใช้พลังงานจำนวนมาก ข้อมูลการใช้พลังงานจากระบบเซนเซอร์ต่าง ๆ เช่น อุณหภูมิ น้ำเย็น แสงสว่าง และความเร็วลม ซึ่งมีปริมาณมหาศาลจะถูกบันทึกไว้บน Data Server เพื่อรองรับการทำงานของซอฟต์แวร์เพื่อประมวลผล ระบบปรับอากาศจะทำงานอัตโนมัติโดยเปรียบเทียบข้อมูลต่าง ๆ เช่น อุณหภูมิภายในและภายนอกอาคาร ปริมาณน้ำฝน ภาพจากกล้องวงจรปิด และความหนาแน่นของ Heat Map เพื่อปรับอุณหภูมิของน้ำเย็นและความเร็วลมให้เหมาะสม
สำหรับการนำ AI ไปใช้ในภาคอุตสาหกรรม ซึ่ง TCCtech ได้พัฒนาโซลูชัน AI ให้ครอบคลุมทุกแง่มุมของธุรกิจ เพื่อตอบโจทย์ความต้องการของลูกค้า โดยใช้เทคนิคต่าง ๆ ดังนี้
- Rule-Based: การกำหนดกฎเกณฑ์ให้ AI ทำงานตาม
- Optimization: กระบวนการค้นหาคำตอบที่เหมาะสมที่สุดภายใต้ข้อจำกัดที่มีอยู่
- Statistics: โดยการผสมผสานหลากหลายเทคนิควิธีเข้าด้วยกันมาเป็นผลวิเคราะห์และตัวตัดสินใจ
- Machine Learning: การให้แมชชีนเรียนรู้จากข้อมูล
- Deep Learning: การให้แมชชีนเรียนรู้ข้อมูลเชิงลึกด้วยการเลียนแบบการทำงานของโครงข่ายประสาทมนุษย์
ตัวอย่างการใช้งาน AI จากต้นน้ำถึงปลายน้ำ ในภาคอุตสาหกรรม
- Production Planning: การวางแผนการผลิตสินค้า โดยคำนึงถึงปัจจัยต่าง ๆ เช่น ความต้องการของตลาด กำลังการผลิต และวัตถุดิบ เพื่อเพิ่มความแม่นยำ และลดเวลาการทำงาน
- Inventory Planning: วางแผนการจัดการสินค้าคงคลัง โดยใช้ Route Optimization มาช่วยให้ Operation ที่เคยทำงานแยกกัน ให้สามารถมองเห็นข้อมูลทั้งระบบและลดระยะทางการจัดส่งสินค้า และเวลาในการทำงาน
- Vehicle Routing Problem: ช่วยแก้ปัญหาการวางแผนเส้นทางขนส่งสินค้า ช่วยให้ประหยัดค่าขนส่งสินค้า และเวลาวางแผนขนส่งได้
- Demand Forecasting: การพยากรณ์ความต้องการสินค้าของผู้บริโภค
- Retail Outlet: การประเมินคุณภาพร้านค้า โดยใช้ ML วิเคราะห์ข้อมูล Actual Transaction ด้วยเทคนิค Local Outlier Factor ช่วยในการตรวจสอบและระบุ Indicator ที่ส่งผลต่อคุณภาพการให้บริการของร้านค้า
- Bottle Recycle Classification: การคัดแยกขวดรีไซเคิล ไปจัดการในรูปแบบต่าง ๆ โดยใช้ AI วิเคราะห์ภาพจากกล้อง
ความท้าทาย และอนาคตของ AI
การนำ AI ไปใช้ในบางกรณี ยังมีข้อจำกัด เช่น เทคโนโลยี Deep Learning ที่แม้จะทำงานได้อย่างแม่นยำ แต่อาจยังไม่สามารถทำงานได้ทันเวลาในบางสถานการณ์ อย่างเช่น การวิเคราะห์ภาพขวดรีไซเคิลบนสายพานลำเลียงความเร็วสูง หรือข้อมูลที่เก็บมาบางประเภท ไม่เพียงพอหรือไม่มีคุณภาพต่อการนำไปสอน AI อย่างไรก็ตาม เป็นที่แน่นอนแล้วว่าเทคโนโลยี AI จะได้รับการพัฒนาอย่างต่อเนื่อง และมีบทบาทสำคัญในภาคธุรกิจ โดยเฉพาะ Gen AI ที่จะเข้ามาช่วยแก้ปัญหาที่ซับซ้อนและสร้างประสิทธิภาพให้กับธุรกิจมากขึ้น
ทั้งหมดนี้เป็นส่วนหนึ่งของเนื้อหาที่ OPEN-TEC ได้รวบรวมไว้จากงานสัมมนา “Navigating AI Frontier” ที่จัดขึ้นโดย ทีซีซี เทคโนโลยี และเดลล์ เทคโนโลยีส์ (ประเทศไทย)
บทความโดย OPEN-TEC
