การพัฒนาระบบประมวลผลข้อมูลอัตโนมัติสำหรับการผลิต
Development of an Automated Data Processing System for Manufacturing
ผู้จัดทำ: นายอดิลันต์ บากา (รหัสนิสิต 65109010306)
อาจารย์ที่ปรึกษา: ดร.กฤษฎา เล้งเวหาสถิตย์
ที่มาและความสำคัญ
ในกระบวนการผลิตฮาร์ดดิสก์ไดรฟ์ (HDD) ของแผนก THO มีการสร้างข้อมูลวิศวกรรมจากเครื่องจักรหลายเจเนอเรชันตลอด 24 ชั่วโมง แต่กระบวนการเตรียมข้อมูลและจัดทำรายงานยังคงพึ่งพาการทำงานด้วยมนุษย์ (Manual Process) ก่อให้เกิด "ปัญหาคอขวด" (System Bottleneck) ได้แก่ การสูญเสียเวลาหลายนาทีต่อรอบการทำงาน ปัญหาความไม่เข้ากันของโครงสร้างข้อมูล (Data Interoperability) และความเสี่ยงต่อข้อผิดพลาด (Human Error) โครงการนี้จึงมุ่งพัฒนาระบบไปป์ไลน์ข้อมูลอัตโนมัติเพื่อแก้ไขปัญหาดังกล่าว
วัตถุประสงค์
- ออกแบบและพัฒนาระบบไปป์ไลน์ข้อมูลอัตโนมัติ (Automated Data Pipeline)
- สร้างแอปพลิเคชัน (Desktop Application และ Macro) ที่ใช้งานง่ายและแก้ปัญหาข้อมูลขนาดใหญ่
- ลดระยะเวลาในกระบวนการเตรียมข้อมูลลงอย่างน้อย 80% และขจัดข้อผิดพลาดจากมนุษย์
- สร้างรูปแบบรายงานที่เป็นมาตรฐานเดียวกัน (Standardized Report) และแก้ปัญหาความเข้ากันไม่ได้ของข้อมูลระหว่างเครื่องจักร
วิธีการดำเนินงาน (Methodology)
ระบบถูกพัฒนาโดยยึดหลัก User-centric Design ผสานการทำงานระหว่าง Microsoft Excel (VBA) กับภาษา Python โดยแบ่งการแก้ปัญหาเป็น 4 ส่วนหลัก ดังนี้
- Data Pipeline Automation — ใช้สถาปัตยกรรม ETL (Extract, Transform, Load) ร่วมกับ Excel VBA เพื่อสร้างระบบดึงข้อมูล แปลงโครงสร้าง และโหลดผลลัพธ์โดยอัตโนมัติ
- Middleware Solution — พัฒนา Desktop Application ด้วย Python เป็นตัวกลางในการแปลงไฟล์ Log แบบเรียลไทม์ พร้อมจับคู่โครงสร้างแบบไดนามิก
- Concurrency for Performance — ใช้สถาปัตยกรรม Multithreading โดยแยกงานประมวลผลออกไปทำงานใน Background Thread เพื่อให้โปรแกรมทำงานได้อย่างลื่นไหล
- Regular Expression & Hash Mapping — ใช้ Regular Expression ร่วมกับ Hash Mapping ในการสกัดและจับคู่ไฟล์รูปภาพ ช่วยลดระยะเวลาค้นหาและเพิ่มประสิทธิภาพ
ผลการดำเนินงาน
- กำจัดคอขวดด้านเวลา (>90% Time Reduction): ลดระยะเวลาประมวลผลและรอคอยจาก 15–40 นาที เหลือเพียง 1–3 นาทีต่อรอบการทำงาน และลดเวลาโอนย้ายข้อมูลข้ามสเตชันจาก 25 นาที เหลือเพียง 2 นาที
- กำจัดคอขวดด้านคุณภาพ (100% Data Integrity): ขจัดข้อผิดพลาดที่เกิดจากมนุษย์ได้อย่างสมบูรณ์ ข้อมูลมีความถูกต้องแม่นยำ พร้อมส่งต่อโดยไม่ต้องรอการตรวจสอบซ้ำ
- Data Consistency: โครงสร้างข้อมูลเป็นมาตรฐานเดียวกัน จัดเก็บในฐานข้อมูล SQLite รองรับ Edge Computing และตรวจสอบย้อนหลังได้อย่างมีประสิทธิภาพ
บทสรุป
การพัฒนาระบบไปป์ไลน์ข้อมูลอัตโนมัติและแอปพลิเคชันนี้บรรลุวัตถุประสงค์ทั้งหมด สามารถลดระยะเวลาเตรียมข้อมูลได้มากกว่า 90% เกินเป้าหมาย 80% ที่ตั้งไว้ และขจัด Human Error ได้ 100% นอกจากนี้ระบบยังแก้ปัญหาความเข้ากันไม่ได้ของข้อมูลระหว่างเจเนอเรชันเครื่องจักร พร้อมสร้างรูปแบบรายงานมาตรฐานเดียวกัน ซึ่งพร้อมนำไปขยายผลภายในองค์กรต่อไปในอนาคต