AI ในเครื่องจักรอุตฯโตปีละ 29% มูลค่า 9 พันล้าน USD ปี 2030

ภายในปี 2030 นักวิเคราะห์ได้คาดการณ์ไว้ว่ามูลค่าของตลาด AI สำหรับเครื่องจักรจะมีมูลค่าสูงถึง 9 พันล้านดอลลาร์สหรัฐฯ จาก 3 พันล้านดอลลาร์สหรัฐฯ ในปี 2026 เป็นการเติบโตเฉลี่ยปีละ 29.2% ด้วยแรงขับเคลื่อนของระบบอัตโนมัติที่ทันสมัยในภาคอุตสาหกรรม, ต้นทุนที่เกิดจาก Downtime, การใช้งานเซนเซอร์ในเครื่องจักร และความต้องการกระบวนการผลิตที่มีประสิทธิภาพมากยิ่งขึ้น

Table of Contents

• แรงกดดันสามด้านที่ทำให้ AI ไม่ใช่ทางเลือก
• การติดตามและใช้ประโยชน์จากข้อมูล: หัวใจสำคัญการใช้งาน AI แบบ Real-Time
• ‘เอเชียตะวันออกเฉียงใต้’ ตลาดเกิดใหม่ที่จะเปลี่ยนฉากทัศน์มูลค่า AI ในเครื่องจักระดับสากล

แรงกดดันสามด้านที่ทำให้ AI ไม่ใช่ทางเลือก

การเติบโตขนาดนี้ไม่ได้เกิดจากความตื่นตัวของตลาดกับเทคโนโลยีล่าสุดเพียงอย่างเดียวเท่านั้น แต่ยังมีรากมาจากปัญหาที่โรงงานทั่วโลกเผชิญอยู่จริง และหาทางออกแบบเดิมไม่ได้อีกต่อไป

แรงกดดันที่หนักที่สุดคือ ต้นทุนของ Downtime รายงานระบุว่าต้นทุนที่เกิดขึ้นเป็นหนึ่งในตัวขับเคลื่อนหลักของตลาด ในโรงงานสมัยใหม่ที่สายการผลิตหนึ่งสายหยุดหมายถึงความเสียหายเป็นแสนบาทต่อชั่วโมง การรอให้เครื่องจักรพังก่อนแล้วค่อยซ่อมเป็นทางเลือกที่แพงเกินไป

ด้านที่สองคือ Sensor-Enabled Machinery ที่แพร่หลายขึ้นเรื่อยๆ เครื่องจักรรุ่นใหม่ติดเซนเซอร์มาตั้งแต่โรงงาน ข้อมูลที่ได้จากเซนเซอร์เหล่านั้นมีมากเกินกว่าที่คนจะอ่านและตีความได้ทัน AI จึงกลายเป็นเครื่องมือที่จำเป็นสำหรับการใช้ข้อมูลเหล่านั้นให้เกิดประโยชน์จริง

แรงกดดันที่สามคือ การขาดแคลนแรงงานที่มีทักษะ โดยเฉพาะในตำแหน่งที่ต้องอ่านสัญญาณเครื่องจักรและตัดสินใจแก้ปัญหาได้เร็ว AI ไม่ได้มาแทนคนงาน แต่มาเสริมในงานที่ขาดคนที่มีความเชี่ยวชาญเพียงพอ

การติดตามและใช้ประโยชน์จากข้อมูล: หัวใจสำคัญการใช้งาน AI แบบ Real-Time

ข้อมูลการแบ่งส่วนตลาดชี้ให้เห็นว่าแอปพลิเคชันที่โตเร็วที่สุดและได้รับการลงทุนสูงสุด คือ การซ่อมบำรุงเชิงคาดการณ์ ตามมาด้วย การควบคุมคุณภาพ, ยกระดับประสิทธิภาพกระบวนการ และ หุ่นยนต์อัจฉริยะ ซึ่งแอปพลิเคชันเหล่านี้นั้นเป็นการต่อยอดจากการเข้าถึงข้อมูลสำคัญได้อย่างครบถ้วนและสามารถตอบสนองได้แบบ Real-Time

เพราะการซ่อมบำรุงเชิงคาดการณ์นั้นมี ROI ที่วัดได้ชัดเจนที่สุด การลงทุนในระบบ AI ที่อ่านสัญญาณเครื่องจักรและแจ้งเตือนก่อนที่จะเสียหาย เมื่อเปรียบกับค่าซ่อมและเวลาสูญเสียที่หายไป ตัวเลขออกมาในทางบวกเกือบทุกกรณี

ในฝั่งของเทคโนโลยี Machine Learning ครองส่วนใหญ่ ตามด้วย Computer Vision ซึ่งใช้กันแพร่หลายในระบบตรวจสอบคุณภาพบนสายการผลิต ทั้งสองอย่างนี้ไม่ใช่ AI ในระดับ Generative หรือ ChatBot แต่เป็น AI ที่ทำงานเฉพาะทาง ฝึกมาบนข้อมูลจากเครื่องจักรจริง และตัดสินใจได้เร็วกว่าคนที่ดีที่สุดในสายการผลิต

‘เอเชียตะวันออกเฉียงใต้’ ตลาดเกิดใหม่ที่จะเปลี่ยนฉากทัศน์มูลค่า AI ในเครื่องจักระดับสากล

รายงานระบุถึงพื้นที่เอเชียตะวันออกเฉียงใต้โดยตรงว่าเป็นภูมิภาคที่มีความสำคัญต่อห่วงโซ่มูลค่าในระดับโลกที่จะเปลี่ยนแปลงไป หนึ่งในจุดเปลี่ยนสำคัญ คือ การย้ายฐานการผลิตออกจากจีนที่เกิดขึ้นตั้งแต่ช่วง COVID-19 และเข้มข้นยิ่งขึ้นในสงครามการค้า ตลอดจนความท้าทายด้านภูมิรัฐศาสตร์ที่เกิดขึ้น ทำให้ภูมิภาคนี้กลายเป็นจุดยุทธศาสตร์ใหม่ของห่วงโซ่อุปทานโลก

เป็นโชคดีที่ประเทศไทยอยู่ตรงกลางของโอกาสนั้น ทั้งจากฐานอุตสาหกรรมยานยนต์และชิ้นส่วนอิเล็กทรอนิกส์ที่มีอยู่แล้ว และจากนโยบายดึงดูดการลงทุนในอุตสาหกรรมเป้าหมาย แต่โอกาสนี้จะไม่รอ และมาพร้อมกับข้อกำหนดที่ชัดเจน ดังนั้นโรงงานที่จะรับงานในห่วงโซ่อุปทานระดับโลกจะต้องแสดงให้ได้ว่ามีระบบควบคุมคุณภาพและการติดตามข้อมูลที่เชื่อถือได้ ซึ่งทั้งสองประเด็นนั้นกำลังถูกขับเคลื่อนอัตโนมัติด้วย AI อยู่ในตอนนี้

การเติบโตของตลาด AI ในเครื่องจักรที่มีเอเชียตะวันออกเฉียงใต้เป็นหนึ่งในจุดสนใจสำคัญ เมื่อผนวกรวมเข้ากับภาพของการขับเคลื่อนภาคชิ้นส่วนอิเล็กทรอนิกส์ขั้นสูงอย่างเข้มข้น ก็จะมองเห็นภาพของโอกาสตลาด AI ในเครื่องจักรด้วยเช่นกัน เพราะชิ้นส่วนอิเล็กทรอนิกส์ขั้นสูงไทยถูกขับเคลื่อนด้วยเป้าหมายของการสร้าง AI Data Center ซึ่งใช้ชิ้นส่วนและเทคโนโลยีร่วมกับ AI ในเครื่องจักรเป็นจำนวนมาก ประกอบกับประเทศไทยนั้นมีผู้ผลิตเครื่องจักร ศูนย์ความเป็นเลิศต่างๆ และการเร่งพัฒนา SI ในปัจจุบัน ทำให้แนวโน้มที่เกิดขึ้นจะเป็นผลดีในระยะยาวหากสามารถสร้างฐานรากโครงสร้างพื้นฐานด้านอิเล็กทรอนิกส์และ AI ยุคใหม่ขึ้นได้จริง

ที่มา:
GlobalBewswire