การประยุกต์ใช้ปัญญาประดิษฐ์ในการตรวจนับบรรจุภัณฑ์เปล่ากรณีศึกษาคลังสินค้าอุตสาหกรรมยานยนต์
Article Sidebar
Main Article Content
บทคัดย่อ
คลังสินค้าอุตสาหกรรมยานยนต์ของกรณีศึกษา เป็นคลังสินค้าแบบศูนย์รวบรวมและกระจายสินค้า หนึ่งในกระบวนการที่สำคัญ คือ กระบวนการส่งคืนบรรจุภัณฑ์เปล่าให้ซัพพลายเออร์ เป็นงานที่จำเป็นต้องมีการควบคุมและติดตามอย่างต่อเนื่อง เนื่องจากบรรจุภัณฑ์เปล่ามีจำนวนมาก ส่งผลให้ในขั้นตอนการตรวจนับจึงมีการใช้เวลาตรวจนับที่นานและเกิดความผิดพลาดในการตรวจนับ ดังนั้น การนำเทคโนโลยีปัญญาประดิษฐ์เข้ามาประยุกต์ใช้มีวัตถุประสงค์ (1) เพื่อลดเวลาในขั้นตอนการตรวจนับบรรจุภัณฑ์เปล่า (2) เพื่อเพิ่มอัตราความแม่นยำในการตรวจนับบรรจุภัณฑ์เปล่า โดยมีกิจกรรมการเรียนรู้ที่เกี่ยวข้อง ได้แก่ การตรวจจับวัตถุ, การเรียนรู้เชิงลึก และการประมวลผลด้วยภาพ ซึ่งผลการวิจัยหลังจากได้นำปัญญาประดิษฐ์เข้ามาประยุกต์ใช้ในการตรวจนับบรรจุภัณฑ์เปล่าทั้งหมด 360 ครั้งในระยะเวลา 1ชั่วโมง 39 นาที พบว่า ระยะเวลาการทำงานในขั้นตอนการตรวจนับโดยเปรียบเทียบกับการตรวจนับด้วยคน ลดลงจาก 30 นาที เหลือ 10 นาที และสามารถเพิ่มอัตราความแม่นยำในการตรวจนับโดยเฉลี่ยได้ถึง ร้อยละ 7
Article Details
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
บทความที่ได้รับการตีพิมพ์เป็นลิขสิทธิ์ของคณะวิทยาการจัดการ มหาวิทยาลัยราชภัฏอุดรธานี
ข้อความที่ปรากฏในบทความแต่ละเรื่องในวารสารวิชาการเล่มนี้
ไม่ใช่ความคิดเห็นและความรับผิดชอบของผู้จัดทำ บรรณาธิการ กองบรรณาธิการ และคณะวิทยาการจัดการ มหาวิทยาลัยราชภัฏอุดรธานี ความรับผิดชอบด้านเนื้อหาและการตรวจร่างบทความแต่ละเรื่องเป็นความคิดเห็นของผู้เขียนบทความแต่ละท่าน
เอกสารอ้างอิง
ชนาภา หันจางสิทธิ์. (2560). Increase productivity เพิ่มผลผลิตพิชิตประสิทธิผลด้วย Excel (พิมพ์ครั้งที่ 1). ไอดีซี พรีเมียร์.
นพรุจ พัฒนสาร, และณัฐวุฒิ ศรีวิบูลย์. (2563). การประมวลผลภาพสำหรับการจำแนกคุณภาพมะม่วงพันธุ์โชคอนันต์โดยการจำลองการมองเห็นของมนุษย์ด้วยวิธีการเรียนรู้เชิงลึก. Journal of Information Science and Technology, 10(1), 24–29.
บุรินทร์ ทองอุดม. (2565). การเพิ่มผลิตภาพแรงงาน (ผลผลิต). 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.
สุริยะ ชยะธรรมกูล. (2563). การจำแนกผลึกน้ำตาลด้วยวิธีการเรียนรู้เชิงลึก [สารนิพนธ์ปริญญามหาบัณฑิต, จุฬาลงกรณ์มหาวิทยาลัย].
Abdullah, A., et al. (2020). Vehicle counting using deep learning models: A comparative study. International Journal of Advanced Computer Science and Applications, 11(7), 697–703.
Chien, C. F., & Chen, Y. J. (2021). Deep learning applications in smart manufacturing and supply chain management. Computers & Industrial Engineering, 153, Article 107060.
Google Developers. (2023). AppScript & AI integration for Google Sheets. https://developers.google.com/apps-script
Kaewwisetkul, C., & Suthikarnnarunai, N. (2022). Application of AI-based object detection for warehouse operations in Thailand. Journal of Logistics and Supply Chain Management, 19(2), 55–68.
Zhang, Y., Chen, X., & Wang, Z. (2020). Applications of artificial intelligence in warehouse management: A review. International Journal of Production Research, 58(9), 2680–2695.
Zhang, Y., Song, C., & Zhang, D. (2020). Deep learning-based object detection improvement for tomato disease. IEEE Access, 8, 56607–56614.
