AN APPLICATION OF ARTIFICIAL INTELLIGENCE FOR COUNTING EMPTY PACKAGING CASE STUDY OF AUTOMOTIVE INDUSTRY WAREHOUSE
Article Sidebar
Main Article Content
Abstract
Automotive industry 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 Details
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
บทความที่ได้รับการตีพิมพ์เป็นลิขสิทธิ์ของคณะวิทยาการจัดการ มหาวิทยาลัยราชภัฏอุดรธานี
ข้อความที่ปรากฏในบทความแต่ละเรื่องในวารสารวิชาการเล่มนี้ ไม่ใช่ความคิดเห็นและความรับผิดชอบของผู้จัดทำ บรรณาธิการ กองบรรณาธิการ และคณะวิทยาการจัดการ มหาวิทยาลัยราชภัฏอุดรธานี ความรับผิดชอบด้านเนื้อหาและการตรวจร่างบทความแต่ละเรื่องเป็นความคิดเห็นของผู้เขียนบทความแต่ละท่าน
References
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.
