การผลิตลีนแล้ว แต่โลจิสติกส์ที่ป้อนให้ยังไม่ลีน

ข้อมูลเชิงลึกจาก Scaling Business Summit 2026 นครโฮจิมินห์

ผู้ฟัง SBS ใช้เวลาสองวันในการรับฟังเรื่อง AI การผลิตอัตโนมัติ และโรงงานแห่งอนาคต Dr. Philipp Schäfers หัวหน้าฝ่ายพันธมิตรที่ SYNAOS เริ่มต้นเซสชันของเขาด้วยรถโฟล์กลิฟท์

ไม่ใช่เพื่อย้อนอดีต แต่เพื่อการวินิจฉัย เพราะในโรงงานส่วนใหญ่ สายการผลิตคือสิ่งที่ได้รับการปรับให้เหมาะสมที่สุดบนพื้นโรงงาน การเคลื่อนที่ที่ป้อนให้มัน — รถโฟล์กลิฟท์ เส้นทางการหยิบสินค้า กระแสวัสดุระหว่างสถานี — มักเป็นการทำด้วยมือ ไม่ได้ติดตาม และกำลังรั่วไหลประสิทธิภาพที่ไม่มีใครวัดได้

SYNAOS สร้างซอฟต์แวร์การประสานงานที่จัดการสิ่งนี้ บริษัทก่อตั้งขึ้นที่เมือง Hanover ในปี 2018 เชื่อมต่อรถโฟล์กลิฟท์ด้วยมือ หุ่นยนต์เคลื่อนที่ และกองยานผสมภายใต้แพลตฟอร์มอัจฉริยะเดียว โดยให้บริการลูกค้าตั้งแต่ Volkswagen และ Schaeffler ไปจนถึงผู้ผลิตอาหารและเครื่องดื่ม ในเอเชีย บริษัทดำเนินงานผ่านพันธมิตร Gradion สิ่งที่ Philipp นำเสนอคือเส้นทางจากรถโฟล์กลิฟท์สู่ข้อมูลอัจฉริยะของกองยาน และตัวเลือกที่ชัดเจนซึ่งกำหนดว่าระบบอัตโนมัติจะขยายขนาดได้หรือจะหยุดชะงัก

1. จุดบอดการเพิ่มประสิทธิภาพที่ใหญ่ที่สุดของโรงงาน

กระบวนการผลิตในสถานประกอบการส่วนใหญ่ได้รับการจัดการอย่างเข้มข้น ทีม Lean สร้างแผนที่ของเสีย วิศวกรอุตสาหกรรมปรับสมดุลภาระงาน ทุกวินาทีของเวลารอบการผลิตถูกแข่งขัน วินัยการเพิ่มประสิทธิภาพนั้นเป็นของจริงและผลลัพธ์แสดงให้เห็น

จากนั้นชิ้นส่วนที่เสร็จแล้วออกจากเซลล์การผลิต และรถโฟล์กลิฟท์เข้ามาดูแลต่อ

“บ่อยครั้งในระบบ intralogistics ไม่มีการเพิ่มประสิทธิภาพ กระบวนการเป็นการทำด้วยมือมาก การประมวลผลคำสั่งซื้อก็เป็นการทำด้วยมือมากเช่นกัน นั่นเป็นสาเหตุที่เราเห็นศักยภาพมหาศาลในการเพิ่มประสิทธิภาพกระบวนการเหล่านั้นและทำให้มีประสิทธิภาพมากขึ้น”

ช่องว่างนี้มีลักษณะเชิงโครงสร้าง การเพิ่มประสิทธิภาพการผลิตมีระเบียบวิธีหลายทศวรรษเบื้องหลัง — Lean, Six Sigma, Theory of Constraints การเพิ่มประสิทธิภาพ intralogistics ส่วนใหญ่ได้รับการจัดการด้วยประสบการณ์และสัญชาตญาณ: คนขับที่รู้จักทางลัด หัวหน้าที่ดูแลพื้น นักวางแผนที่สร้างตารางเวลาในสเปรดชีต

Philipp ยกตัวอย่างเฉพาะเจาะจง ผู้อำนวยการโรงงานยืนอยู่บนพื้นสังเกตคนขับรถโฟล์กลิฟท์และสังเกตเห็นว่าพวกเขาขับรถเปล่ามากกว่าที่ควรจะเป็น เขาสงสัยแต่ไม่มีข้อมูลเพื่อยืนยัน ไม่มีเส้นฐานเพื่อปรับปรุง ไม่มีการมองเห็นว่าเส้นทางต่างๆ ถูกดำเนินการอย่างไรในความเป็นจริง “เขาไม่มีความโปร่งใสเกี่ยวกับประสิทธิภาพของกระบวนการ intralogistics แบบ manual ของเขาเลย” ช่องว่างความโปร่งใสนั้น — มองไม่เห็นเพราะไม่มีใครตรวจวัดมัน — คือที่ที่โรงงานส่วนใหญ่ทิ้งประสิทธิภาพไว้มากที่สุด

บทเรียนที่ 1: การผลิตได้รับการเพิ่มประสิทธิภาพเพราะมีคนเลือกวัดมัน ระบบ intralogistics ไม่มีประสิทธิภาพด้วยเหตุผลเดียวกัน ช่องว่างระหว่างสิ่งที่คุณสันนิษฐานว่าเกิดขึ้นและสิ่งที่เกิดขึ้นจริงเริ่มต้นด้วยเซ็นเซอร์

2. ปัญหาพิพิธภัณฑ์ระบบอัตโนมัติ

โรงงานหลายแห่งได้เริ่มโครงการนำร่องระบบอัตโนมัติ หุ่นยนต์เคลื่อนที่ขนชิ้นส่วนระหว่างสองสถานี มันทำงานได้ รายงานโครงการนำร่องดูดี จากนั้นมันก็หยุดอยู่ที่นั่น หุ่นยนต์ตัวเดียว บางทีสองตัว วิ่งลูปเดิมมาหลายปี

Philipp ตั้งชื่อรูปแบบนี้โดยตรง “คุณจะติดอยู่กับหุ่นยนต์หนึ่งหรือสองตัวที่วิ่งอยู่แล้วมันก็กลายเป็นพิพิธภัณฑ์ระบบอัตโนมัติไปในที่สุด” ไม่ใช่เพราะเทคโนโลยีล้มเหลว แต่เพราะการตัดสินใจในช่วงแรกทำให้การขยายขนาดเป็นไปไม่ได้

จุดบกพร่องที่พบบ่อยที่สุดคือการล็อคซอฟต์แวร์ โรงงานซื้อหุ่นยนต์เคลื่อนที่จากผู้จำหน่ายรายหนึ่ง หุ่นยนต์นั้นมาพร้อมกับระบบจัดการกองยานที่เป็นกรรมสิทธิ์ของผู้จำหน่าย มันทำงานได้สำหรับหุ่นยนต์นั้น เมื่อโรงงานต้องการหุ่นยนต์ตัวที่สองจากผู้จำหน่ายรายอื่น — เพราะต้องการประเภทยานพาหนะที่แตกต่างหรือผู้จำหน่ายรายแรกไม่สามารถจัดส่งได้เร็วพอ — ทั้งสองระบบไม่สามารถสื่อสารกันได้ กองยานไม่สามารถจัดการเป็นกองยานได้ แต่ละหุ่นยนต์ทำงานแบบแยกส่วน

วิธีแก้ไขไม่ใช่การผูกมัดกับผู้จำหน่ายหุ่นยนต์รายเดียว แต่คือการผูกมัดกับแพลตฟอร์มที่เป็นอิสระจากผู้จำหน่ายตั้งแต่ต้น

“สิ่งสำคัญคือการตัดสินใจที่ถูกต้องตั้งแต่ต้น มิฉะนั้นคุณจะไม่มีทางไปถึงจุดที่ขยายขนาดระบบอัตโนมัติได้”

นั่นหมายถึงการเลือกซอฟต์แวร์การประสานงานที่สามารถรองรับหุ่นยนต์หลายประเภท ผู้จำหน่ายหลายราย และการขนส่งแบบผสมผสานระหว่างมือคนและอัตโนมัติที่กำลังพัฒนา — ก่อนที่กองยานจะใหญ่พอที่จะทำให้การเปลี่ยนแปลงมีราคาแพง

บทเรียนที่ 2: โครงการนำร่องระบบอัตโนมัตินั้นง่าย การตัดสินใจขยายขนาดเกิดขึ้นที่ชั้นซอฟต์แวร์ — ก่อนหุ่นยนต์ตัวที่สอง เลือกการประสานงานที่เป็นอิสระจากผู้จำหน่ายตั้งแต่ต้น หรือยอมรับว่าระบบอัตโนมัติของคุณยังคงเป็นนิทรรศการในพิพิธภัณฑ์

3. กองยานของคุณจะหลากหลาย วางแผนสำหรับมันตอนนี้

ในระดับขนาดใหญ่ ไม่มีผู้ผลิตรายใดใช้กองหุ่นยนต์จากผู้จำหน่ายรายเดียว การดำเนินการ 50 หรือ 100 ไซต์ทั่วโลกหมายถึงการตัดสินใจจัดซื้อที่แตกต่างกัน ความต้องการยานพาหนะที่แตกต่างกันสำหรับพื้นประเภทต่างๆ ผู้ส่งมอบที่แตกต่างกันในแต่ละภูมิภาค กองยานหลายผู้จำหน่ายไม่ใช่กรณีพิเศษ มันคือค่าเริ่มต้นในระดับองค์กร

ความท้าทายที่เกิดขึ้นคือการสื่อสาร หุ่นยนต์จากผู้ผลิตต่างกันพูดโปรโตคอลต่างกัน รถลากจากผู้จำหน่ายรายหนึ่งและ AMR จากอีกรายไม่มีภาษาร่วมในการแลกเปลี่ยนตำแหน่ง รับคำสั่ง หรือจัดการข้อผิดพลาด — เว้นแต่มาตรฐานจะบังคับใช้

VDA 5050 คือมาตรฐานนั้น พัฒนาโดยสมาคมยานยนต์และเครื่องจักรของเยอรมัน โดยกำหนดอินเทอร์เฟซการสื่อสารสากลระหว่างหุ่นยนต์เคลื่อนที่และระบบจัดการกองยาน มันเป็นอิสระจากเทคโนโลยี: โปรโตคอลเดียวกันทำงานได้สำหรับ AMR, AGV, AGV รถโฟล์กลิฟท์ หรือรถขนส่งอัตโนมัติ SYNAOS เป็นส่วนหนึ่งของคณะทำงานตั้งแต่มาตรฐานเริ่มต้น และใช้มันเป็นชั้นการรวมระบบสำหรับหุ่นยนต์ที่เชื่อมต่อทั้งหมด

มาตรฐานนี้ยังจัดการกับความซับซ้อนในการดำเนินงานของสภาพแวดล้อมกองยานผสม การตัดสินใจด้านความปลอดภัยในพื้นที่ — การหยุดเมื่อคนเดินหน้าหุ่นยนต์ — ยังคงอยู่ในระบบบนหุ่นยนต์ การเพิ่มประสิทธิภาพแบบรวมศูนย์และการมอบหมายคำสั่งทำงานบนคลาวด์ สถาปัตยกรรมแยกแยะสิ่งที่ต้องเป็นท้องถิ่นจากสิ่งที่รวมศูนย์ได้ดีกว่า และโปรโตคอลจัดการการส่งมอบระหว่างทั้งสอง

บทเรียนที่ 3: กองยานหลายผู้จำหน่ายนั้นหลีกเลี่ยงไม่ได้ในระดับขนาดใหญ่ ออกแบบสถาปัตยกรรมการรวมระบบของคุณรอบมาตรฐานเปิดตอนนี้ เพื่อที่คุณจะสามารถเพิ่มผู้จำหน่ายรายที่สามและสี่ได้โดยไม่ต้องสร้างใหม่ตั้งแต่ต้น

4. เริ่มด้วยรถโฟล์กลิฟท์ ไม่ใช่หุ่นยนต์

จุดเข้าที่ขัดกับสัญชาตญาณสำหรับระบบอัตโนมัติในโรงงานไม่ใช่การซื้อหุ่นยนต์ แต่คือการตรวจวัดสิ่งที่คุณมีอยู่แล้ว

ผลิตภัณฑ์แรกของ SYNAOS ในเส้นทางระบบอัตโนมัติคือการระบุตำแหน่งแบบเรียลไทม์สำหรับยานพาหนะแบบ manual: ชุดเซ็นเซอร์ขนาดเล็กที่ใช้กล้องติดตั้งบนรถโฟล์กลิฟท์ที่มีอยู่ ส่งตำแหน่งอย่างต่อเนื่อง รถโฟล์กลิฟท์ยังคงเป็น manual คนขับยังคงขับ แต่เป็นครั้งแรกที่ระบบสามารถมองเห็นว่ารถโฟล์กลิฟท์ไปที่ไหน ใช้เวลานานแค่ไหนที่แต่ละสถานี มีการเดินทางที่มีสินค้ากี่เปอร์เซ็นต์เทียบกับเปล่า และคอขวดในกระแสอยู่ที่ไหนจริงๆ

ขั้นตอนที่สองคือการนำทางรถโฟล์กลิฟท์: แอปที่ให้คำแนะนำแก่คนขับว่าจะหยิบอะไรต่อไปและไปที่ไหน โดยเรียงลำดับด้วยเครื่องมือเพิ่มประสิทธิภาพเดียวกันที่จะจัดการกองหุ่นยนต์ในภายหลัง การตัดสินใจของคนขับในการเรียงลำดับคำสั่งถูกแทนที่ด้วยข้อมูลอัจฉริยะของระบบ แต่ยานพาหนะยังคงดำเนินการโดยมนุษย์

ทั้งสองขั้นตอนผลิตบางสิ่งที่มีค่ามากกว่าผลประโยชน์จากประสิทธิภาพ: พวกเขาผลิตข้อมูล ข้อมูลเผยให้เห็นกระแสวัสดุจริงในโรงงาน — ไม่ใช่กระแสที่สันนิษฐานจากเอกสารการออกแบบ แต่เป็นกระแสจริง ความจริงนั้นกลายเป็นพื้นฐานสำหรับการตัดสินใจระบบอัตโนมัติทุกอย่างที่ตามมา หุ่นยนต์มีความหมายที่ไหน เส้นทางไหนมีปริมาณเพียงพอที่จะพิสูจน์ระบบอัตโนมัติ? ที่ไหนกระแสมือคนและอัตโนมัติต้องอยู่ร่วมกัน?

บทเรียนที่ 4: การมองเห็นมาก่อนระบบอัตโนมัติ ข้อมูลจากการตรวจวัดกระบวนการ manual ของคุณมีค่ามากกว่าหุ่นยนต์ตัวแรก มันบอกคุณว่าควรวางหุ่นยนต์ไว้ที่ไหน

5. ซอฟต์แวร์คือข้อมูลอัจฉริยะ คลาวด์คือการขยายขนาด

อนาคตที่ Philipp อธิบายคืออนาคตที่ข้อมูลอัจฉริยะการประสานงานถูกแยกออกจากฮาร์ดแวร์ที่จัดการอย่างชัดเจน หุ่นยนต์พกซอฟต์แวร์ในตัวของตัวเองสำหรับการนำทาง ความปลอดภัย และการตัดสินใจในพื้นที่ แพลตฟอร์มคลาวด์จัดการทุกอย่างที่เหนือกว่านั้น: การมอบหมายคำสั่ง การเพิ่มประสิทธิภาพเส้นทาง การจัดการการจราจร การประสานการชาร์จ และการวางแผนใหม่แบบเรียลไทม์เมื่อสภาพเปลี่ยนแปลง

ชั้นคลาวด์คำนวณอย่างต่อเนื่อง “เราคำนวณ 200 ถึง 300,000 โซลูชันต่อวินาทีเพื่อบรรลุเป้าหมายนี้” — เปรียบเทียบคำสั่งขนส่งที่รอดำเนินการทั้งหมดกับทรัพยากรที่มีอยู่ทั้งหมด ทุกครั้งที่เกิดเหตุการณ์ใหม่ขึ้น หุ่นยนต์หยุดโดยไม่คาดคิด คำสั่งใหม่มาถึง ประตูถูกปิดกั้น แผนถูกคำนวณใหม่แบบเรียลไทม์ ไม่ใช่เช้าวันรุ่งขึ้นเมื่อมีคนส่งออกรายงาน Excel

นี่คือช่องว่างที่โรงงานส่วนใหญ่อาศัยอยู่ในปัจจุบัน ข้อมูลมีอยู่ ระบบสร้างมันขึ้นมา แต่มีคนนั่งอยู่ระหว่างข้อมูลและการตัดสินใจ ทำการวิเคราะห์ด้วยมือที่สามารถทำโดยอัตโนมัติได้ การเพิ่มประสิทธิภาพที่ซอฟต์แวร์ดำเนินการอย่างต่อเนื่องในหน่วยมิลลิวินาทีต้องใช้เวลาของนักวิเคราะห์หลายชั่วโมงและสร้างแผนที่ล้าสมัยแล้วเมื่อนำไปใช้งาน

สถาปัตยกรรมคลาวด์ยังช่วยให้สามารถนำไปใช้งานในระดับองค์กรที่พิสูจน์การลงทุนได้ แพลตฟอร์มเดียวกันที่ทำงานในโรงงานหนึ่งสามารถขยายไปยังสิบ ห้าสิบ หรือหนึ่งร้อยไซต์โดยไม่เพิ่มต้นทุนซอฟต์แวร์หรือค่าใช้จ่ายการจัดการตามสัดส่วน นั่นคือที่ที่ผลตอบแทนสะสม

บทเรียนที่ 5: ข้อโต้แย้งด้านประสิทธิภาพสำหรับซอฟต์แวร์ intralogistics คือการเพิ่มประสิทธิภาพต่อเนื่องแบบเรียลไทม์ Business case คือการขยายขนาดในระดับองค์กร ทั้งสองต้องการสถาปัตยกรรมคลาวด์

Playbook การปฏิบัติสำหรับ CEO: สิ่งที่ต้องทำพรุ่งนี้

1. 1. ติดตั้งเซ็นเซอร์บนรถโฟล์กลิฟท์หนึ่งคันในไตรมาสนี้ ก่อนการพูดคุยเรื่องหุ่นยนต์ใดๆ ให้มีการมองเห็นแบบเรียลไทม์ว่าระบบ intralogistics แบบ manual ของคุณทำงานอย่างไรในความเป็นจริง ข้อมูลจะยืนยันหรือแก้ไขสมมติฐานของคุณ ผลลัพธ์ใดก็ตามก็คุ้มค่า
2. 2. สร้างแผนที่อัตราการขับรถเปล่าของคุณ เมื่อคุณมีข้อมูลการระบุตำแหน่ง ให้คำนวณเปอร์เซ็นต์ของการเดินทางรถโฟล์กลิฟท์ที่ว่างเปล่า ในการดำเนินงานที่ไม่ได้ปรับให้เหมาะสมส่วนใหญ่ ตัวเลขนี้สูงอย่างน่าแปลกใจ มันเป็นเส้นฐานแรกของคุณสำหรับการปรับปรุง
3. 3. ตรวจสอบซอฟต์แวร์ระบบอัตโนมัติปัจจุบันของคุณเพื่อหาการล็อคผู้จำหน่าย หากระบบจัดการหุ่นยนต์ที่มีอยู่ของคุณทำงานได้กับฮาร์ดแวร์ของผู้จำหน่ายรายเดียวเท่านั้น คุณมีเพดานการขยายขนาดแล้ว เข้าใจว่าเพดานนั้นอยู่ที่ไหนก่อนการจัดซื้อหุ่นยนต์ครั้งต่อไปของคุณ
4. 4. ตรวจสอบการสอดคล้องกับ VDA 5050 ในการซื้อหุ่นยนต์ครั้งต่อไปของคุณ ก่อนลงนามสัญญาหุ่นยนต์เคลื่อนที่ใหม่ ให้ยืนยันว่าผู้จำหน่ายรองรับ VDA 5050 มันคือความแตกต่างระหว่างการเพิ่มหุ่นยนต์เข้ากองยานของคุณและการเพิ่มหุ่นยนต์เข้าพิพิธภัณฑ์ของคุณ
5. 5. กำหนดเป้าหมายการขยายขนาด intralogistics ก่อนโครงการนำร่อง คุณต้องการให้หุ่นยนต์กี่ตัวทำงานในสถานที่นี้ในที่สุด? ออกแบบสถาปัตยกรรมซอฟต์แวร์สำหรับจำนวนนั้น ไม่ใช่สำหรับตัวแรก โครงการนำร่องมีราคาถูกในการเริ่มใหม่ สถาปัตยกรรมไม่ใช่

→ ดูเซสชันเต็มรูปแบบบน YouTube