Page 27 - FoodFocusThailand No.242 June 2026
P. 27
SPECIAL FOCUS FOCUS
SPECIAL
SOFT ROBOTICS:
จากแขนกลส่�หุ�นยนต์อัจฉริยะในอุตสาหกรรมอาหารยุคใหม�
อุุตสาหกรรมอุาหารกำาลัังเปลั่�ยนผ่่านจากระบบอุัตโนมัติแบบเดิิมส่่ “โรงงานอุัจฉริยะ” ที่่�สามารถรับร่� ตัดิสินใจ แลัะปรับตัวไดิ�
1
แบบเรียลัไที่ม์ ภายใต�แรงกดิดิันจากต�นทีุ่นแรงงานที่่�ผ่ันผ่วน มาตรฐานความปลัอุดิภัยอุาหารที่่�เข้�มงวดิข้้�น การลัดิคาร์บอุน แลัะ
ความคาดิหวังดิ�านคุณภาพข้อุงผ่่�บริโภค เที่คโนโลัย่ที่่�อุย่่เบ้�อุงหลัังการเปลั่�ยนผ่่านน่� ค้อุ การบ่รณาการปัญญาประดิิษฐ์เข้�ากับ
หุ่นยนต์แลัะข้�อุม่ลัจากเซนเซอุร์ในสายการผ่ลัิต (IIoT/Industrial Sensing) ส่งผ่ลัให�หุ่นยนต์จากเดิิมที่ำาหน�าที่่�เพ่ยงแข้นกลัเคลั้�อุนย�าย
วัสดิุกลัายเป็น “หุ่นยนต์ที่่�ข้ับเคลั้�อุนดิ�วยระบบ AI” ซ้�งสามารถวิเคราะห์ เรียนร่� แลัะที่ำางานไดิ�อุย่างม่ประสิที่ธิิภาพมากข้้�น
ในอนาคต โรงงานอุตสาหกรรมจะขัับเคลื่่�อนด้้วยการทำำางาน รวิิศ ทััศคร
ร่วมกันระหว่างมนุษย์แลื่ะหุ่นยนต์มากขั้�น โด้ยหุ่นยนต์จะรับหน้าทำ่�
ในงานทำ่�ทำำาซ้ำำ�าๆ งานทำ่�ใช้้แรงมาก หร่องานทำ่�ม่ความเส่�ยง ขัณะทำ่� Ravis Tasakorn
Department of Food Science and Technology
มนุษย์จะมุ่งเน้นการตัด้สินใจ การแก้ปััญหาทำ่�ซ้ำับซ้ำ้อน แลื่ะการควบคุม Faculty of Agro-Industry
Chiang Mai University
คุณภาพ ส่งผลื่ให้ Collaborative robot (Cobot) กลื่ายเปั็น ravis.t@cmu.ac.th
เทำคโนโลื่ย่สำาคัญทำ่�ช้่วยยกระด้ับทำั�งความปัลื่อด้ภัย ความรวด้เร็ว
แลื่ะปัระสิทำธิิภาพขัองสายการผลื่ิตอาหาร เร่ยลื่ไทำม์ โด้ยขั้อม่ลื่ทำ่�ใช้้ในโรงงานอาหารนั�นครอบคลืุ่มตั�งแต่เซ้ำนเซ้ำอร์
อุณหภ่มิ ความด้ัน อัตราการไหลื่ แรงบิด้มอเตอร์ กำาลื่ังไฟ ความช้่�น
จากการตรวจสอบปลายทาง นำ�าหนัก หร่อการวิเคราะห์กลืุ่่ม NIR สำาหรับค่าปัระมาณขัอง
ส่�การควบคุมคุณภาพระหว�างการผลิต องค์ปัระกอบในวัตถุุด้ิบ อาทำิ โปัรต่น ความช้่�น แลื่ะนำ�าตาลื่ รวมถุ้งขั้อม่ลื่
สำาหรับโรงงานผลื่ิตอาหารแบบด้ั�งเด้ิม การควบคุมกระบวนการผลื่ิต จากกลื่้องเพ่�อวิเคราะห์ส่ ขันาด้ ร่ปัร่าง แลื่ะพ่�นผิวขัองผลื่ิตภัณฑ์์
ยังคงอาศััยการรักษาตัวแปัรสำาคัญให้อย่่ในช้่วงทำ่�กำาหนด้ไว้ เช้่น รวมถุ้งการตรวจวัด้สัญญาณเส่ยงหร่อการสั�นสะเทำ่อนเพ่�อติด้ตาม
อุณหภ่มิ ความด้ัน อัตราการไหลื่ เวลื่าในการให้ความร้อน แลื่ะ สภาพขัองเคร่�องจักรในสายการผลื่ิต
ความช้่�น ผ่านระบบ PID controller แลื่ะส่ตรการผลื่ิตแบบคงทำ่� ก่อน เม่�อขั้อม่ลื่จากหลื่ายลื่็อตการผลื่ิตถุ่กนำามาวิเคราะห์ร่วมกับ AI แลื่ะ
จะตรวจสอบคุณภาพอ่กครั�งในขัั�นตอนปัลื่ายทำาง ผ่านการสุ่มวัด้ค่า Machine Learning เช้่น regression, random forest, gradient
ต่างๆ เช้่น a , pH ส่ ความหน่ด้ ความกรอบ ปัริมาณนำ�าตาลื่ แลื่ะ boosting แลื่ะ neural networks ระบบจะสามารถุเร่ยนร่้ความสัมพันธิ์
w
การปันเปั้�อนทำางจุลื่ช้่ววิทำยา เปั็นต้น ระหว่าง “โปัรไฟลื่์ขัองกระบวนการ” กับ “คุณภาพปัลื่ายทำาง” ได้้อย่าง
Predictive Quality Control (PQC) ค่อแนวคิด้ขัองการย้ายจุด้ แม่นยำา ทำำาให้สามารถุคาด้การณ์ผลื่ลื่ัพธิ์แบบเร่ยลื่ไทำม์ (Online
ตัด้สินด้้านคุณภาพจากปัลื่ายทำางมาไว้ “ระหว่างการผลื่ิต” โด้ย Inference) แลื่ะปัรับกระบวนการได้้ทำันทำ่ระหว่างการผลื่ิต
อาศััยแบบจำาลื่องเช้ิงขั้อม่ลื่ (Data-driven Models) เพ่�อทำำานาย หากโรงงานต้องการก้าวส่่การผลื่ิตทำ่�ม่ขัองเส่ยใกลื่้ศั่นย์ การพัฒนา
คุณภาพผ่านสัญญาณจากเซ้ำนเซ้ำอร์แลื่ะขั้อม่ลื่กระบวนการแบบ closed-loop control system ถุ่อเปั็นกลื่ไกสำาคัญทำ่�จะช้่วยให้ระบบ
JUN 2026 FOOD FOCUS THAILAND 27
22/5/2569 BE 16:57
27-31_Special Focus_Ravis.indd 27 22/5/2569 BE 16:57
27-31_Special Focus_Ravis.indd 27
