An application of artificial intelligence for counting empty packaging Case study of ABC Warehouse
Article Sidebar
Main Article Content
Abstract
ABC Warehouse is a warehouse that is a collection and distribution center. One of the key processes, the process of returning empty packaging to suppliers, is a task that requires constant control and monitoring. Because there is a lot of empty packaging. As a result, in the counting process, it takes a long time to count and there are errors in counting. Therefore, the application of artificial intelligence technology has 2 objectives (1) To reduce time in the empty packaging counting process. (2) To increase the accuracy rate in counting empty packaging. Its related learning activities include object detection, deep learning and image processing.
The research results were obtained after artificial intelligence was applied to count empty packaging 360 times in a period of 1.39 hours. It was found that the working time in the counting process compared to manual counting was reduced from 30 minutes to 10 minutes and the average counting accuracy rate could be increased by up to 7 percent.
Article history: Received 13 November 2023
Revised 29 June 2024
Accepted 20 June 2025
SIMILARITY INDEX = 1.13 %
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
The views and opinions of the article appearing in this journal are those of the author. It is not considered a view and responsibility of the editorial staff.
References
ชนาภา หันจางสิทธิ์. (2560). แนวคิดการเพิ่มผลผลิต. ใน พิษณุ ปุระศิริ, Increase Productivity เพิ่มผลผลิตพิชิตประสิทธิผลด้วย Excel. (15-41). นนทบุรี: ไอดีซี พรีเมียร์.
นพรุจ พัฒนสาร และณัฐวุฒิ ศรีวิบูลย์. (2563). การประมวลผลภาพสำหรับการจำแนกคุณภาพมะม่วงพันธุ์โชคอนันต์โดยการจำลองการมองเห็นของมนุษย์ด้วยวิธีการเรียนรู้เชิงลึก. Journal of Information Science and Technology, 10(1), 24-29.
ศันศนีย์ หิรัญจันทร์ ฏิยาภรณ์ปั้นดี และมหศักดิ์ เกตุฉ่ำ. (2563). ระบบตรวจจับและแจ้งเตือนข้อมูลทะเบียนรถสำหรับกล้องวงจรปิดบนทางเท้า. วารสารวิทยาศาสตร์ เทคโนโลยีและนวัตกรรม, Science Technology and Innovation Journal, 1(1), 1–6. retrieved from https://li01.tci-thaijo.org/index.php/stij/article/view/247602
สำนักงานคณะกรรมการดิจิทัลเพื่อเศรษฐกิจและสังคมแห่งชาติ. กระทรวงดิจิทัลเพื่อเศรษฐกิจและสังคม. (2564). แนวปฏิบัติจริยธรรมปัญญาประดิษฐ์ Thailand AI Ethics Guideline. กรุงเทพมหานคร: สำนักงานคณะกรรมการดิจิทัลเพื่อเศรษฐกิจและสังคมแห่งชาติ.
สุริยะ ชยะธรรมกูล. (2563). การจำแนกผลึกน้ำตาลด้วยวิธีการเรียนรู้เชิงลึก. สารนิพนธ์ปริญญาวิทยาศาสตรมหาบัณฑิต สาขาวิชาวิศวกรรมซอฟต์แวร์ จุฬาลงกรณ์มหาวิทยาลัย.
บุรินทร์ ทองอุดม. (2566). การเพิ่มผลิตภาพแรงงาน(ผลผลิต). [ออนไลน์]. สืบค้นเมื่อ 3 พฤศจิกายน 2566 จาก https://www.dip.go.th/uploadcontent/Ploypilin/PRODUCTIVITY.pdf
วุฒิพงษ์ ปะวะสาร. (2565). การประยุกต์ใช้ปัญญาประดิษฐ์ในการตรวจนับสินค้า กรณีศึกษาโรงงานผลิตชิ้นส่วนอิเล็กทรอนิกส์. Journal of RMUTP & FTI 11th Sustainable Industrial Management Engineering, 112-115.
Azizi A. and Oothariasamy, J. (2020). Vehicle Counting using Deep Learning Models: A Comparative Study. International Journal of Advanced Computer Science and Applications, 11(7), 697-703.
Zhang Y., Song C. and Zhang D. (2020). Deep Learning-Based Object Detection Improvement for Tomato Disease. IEEE Access, 8, 56607-56614.
