การประยุกต์ใช้ปัญญาประดิษฐ์ในการตรวจนับบรรจุภัณฑ์เปล่ากรณีคลังสินค้า ABC
Article Sidebar
Main Article Content
บทคัดย่อ
คลังสินค้า ABC เป็นคลังสินค้าแบบศูนย์รวบรวมและกระจายสินค้า หนึ่งในกระบวนการที่สำคัญ คือ กระบวนการส่งคืนบรรจุภัณฑ์เปล่าให้ซัพพลายเออร์ เป็นงานที่จำเป็นต้องมีการควบคุมและติดตามอย่างต่อเนื่อง เนื่องจากบรรจุภัณฑ์เปล่ามีจำนวนมาก ส่งผลให้ในขั้นตอนการตรวจนับจึงมีการใช้เวลาตรวจนับที่นานและเกิดความผิดพลาดในการตรวจนับ ดังนั้น การนำเทคโนโลยีปัญญาประดิษฐ์เข้ามาประยุกต์ใช้มีวัตถุประสงค์ (1) เพื่อลดเวลาในขั้นตอนการตรวจนับบรรจุภัณฑ์เปล่า (2) เพื่อเพิ่มอัตราความแม่นยำในการตรวจนับบรรจุภัณฑ์เปล่า โดยมีกิจกรรมการเรียนรู้ที่เกี่ยวข้อง ได้แก่ การตรวจจับวัตถุ, การเรียนรู้เชิงลึก และการประมวลผลด้วยภาพ
ซึ่งผลการวิจัยหลังจากได้นำปัญญาประดิษฐ์เข้ามาประยุกต์ใช้ในการตรวจนับบรรจุภัณฑ์เปล่าทั้งหมด 360 ครั้งในระยะเวลา 1.39 ชั่วโมง พบว่า ระยะเวลาการทำงานในขั้นตอนการตรวจนับโดยเปรียบเทียบกับการตรวจนับด้วยคน ลดลงจาก 30 นาที เหลือ 10 นาที และสามารถเพิ่มอัตราความแม่นยำในการตรวจนับโดยเฉลี่ยได้ถึง ร้อยละ 7
1 นักศึกษาสาขาวิชาการจัดการโลจิสติกส์และโซ่อุปทาน, คณะบริหารธุรกิจ, สถาบันเทคโนโลยีไทย-ญี่ปุ่น, กรุงเทพมหานคร
2 อาจารย์ประจำคณะบริหารธุรกิจ สถาบันเทคโนโลยีไทย-ญี่ปุ่นกรุงเทพมหาคร
Corresponding Author: e-mail: tanayot@tni.ac.th
Article Details
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
ทัศนะและข้อคิดเห็นของบทความที่ปรากฏในวารสารฉบับนี้เป็นของผู้เขียนแต่ละท่าน ไม่ถือว่าเป็นทัศนะและความรับผิดชอบของกองบรรณาธิการ
เอกสารอ้างอิง
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.
