ข่าวประชาสัมพันธ์ Press Releases ข่าวย้อนหลัง หัวข้อข่าว บลอก

เน็ตแอพแชร์การใช้งาน #เอไอ ในกลุ่มอุตสาหกรรม การผลิต โทรคมนาคม และการแพทย์

ข่าวประชาสัมพันธ์ไอที อินเทอร์เน็ท วันพฤหัสบดีที่ ๑๒ ธันวาคม พ.ศ. ๒๕๖๒ ๐๙:๑๙ น.
ขนาดตัวอักษร: ใหญ่ กลาง เล็ก
กรุงเทพฯ--12 ธ.ค.--พีซี แอนด์ แอสโซซิเอทส์ คอนซัลติ้ง

โมเดล Deep Learning (DL) ก่อให้เกิดความเปลี่ยนแปลงครั้งใหญ่เกี่ยวกับรูปแบบการประยุกต์ใช้งานข้อมูลเชิงลึกในสถานการณ์จริงและในชีวิตประจำวัน ก่อนหน้านี้โมเดล Deep Learning ถูกใช้งานอย่างจำกัดเฉพาะในแวดวงวิทยาศาสตร์และการวิจัย แต่เนื่องจากปัจจุบันมีข้อมูลจำนวนมหาศาล อีกทั้งพลังประมวลผลของคอมพิวเตอร์สามารถรองรับการประมวลผลแบบคู่ขนานได้อย่างรวดเร็วมากขึ้น มีเฟรมเวิร์กซอฟต์แวร์และโมเดลต่างๆ ดังนั้นบริษัททั้งขนาดเล็กและขนาดใหญ่จึงหันมาปรับใช้เทคโนโลยี AI (Artificial Intelligence) กันอย่างกว้างขวาง เพื่อกลั่นกรองข้อมูลเชิงลึกและนำไปใช้ในการปรับปรุงและขยายธุรกิจให้เติบโต

กรณีการใช้งาน AI ในอุตสาหกรรมการผลิต

การพบเจอกันของ Internet of Things (IoT) และ AI ส่งผลให้เกิดแนวคิดเรื่องระบบการผลิตแบบอัจฉริยะ หรือ Smart Manufacturing ที่มีการใช้เทคโนโลยีด้านการรู้คิดของคอมพิวเตอร์ปรับปรุงประสิทธิภาพในด้านต่างๆ เช่น การจัดการสินทรัพย์ การจัดการซัพพลายเชน การจัดการการขนส่ง และการตรวจสอบติดตามคำสั่งซื้อ

กรณีการใช้งาน AI ที่พบเห็นอย่างแพร่หลายในภาคการผลิตมีดังนี้
  • การบำรุงรักษาเชิงคาดการณ์: ความสามารถในการคาดการณ์ล่วงหน้าว่าอุปกรณ์และเครื่องจักรจะเสียหรือหยุดทำงานช่วยปรับปรุงการใช้ประโยชน์จากสินทรัพย์และประสิทธิภาพการทำงาน โดยครอบคลุมถึงการรับรู้และการพยากรณ์ล่วงหน้าเกี่ยวกับความล้มเหลวที่อาจเกิดขึ้น การบำรุงรักษาเชิงคาดการณ์จะช่วยลดระยะเวลาหยุดทำงานของอุปกรณ์และช่วยประหยัดค่าใช้จ่ายในการตรวจสอบ
  • ตัวอย่าง: 'Predix' เป็นแพลตฟอร์ม IOT สำหรับภาคอุตสาหกรรม (ซึ่งใช้ AI) จาก GE สำหรับอุตสาหกรรมการผลิต โดยใช้เซ็นเซอร์เพื่อบันทึกขั้นตอนของกระบวนการทั้งหมด และตรวจสอบดูแลเครื่องจักรที่ซับซ้อน แพลตฟอร์มนี้ประกอบด้วยการประมวลผลเหตุการณ์ที่ซับซ้อนกับเทคโนโลยี Machine Learning (ML) ที่อยู่บนอุปกรณ์ปลายทาง (egde)
  • การปรับปรุงผลผลิต: การลดข้อบกพร่องที่ทำให้ต้องกำจัดผลิตภัณฑ์จะส่งผลดีโดยตรงต่อผลกำไรขององค์กร ในอุตสาหกรรมเซมิคอนดักเตอร์ การสูญเสียผลผลิตในกระบวนการผลิตคิดเป็นสัดส่วนเปอร์เซ็นต์ที่สูงมากในต้นทุนการผลิตทั้งหมด ด้วยการใช้เอนจิ้น AI บริษัทต่างๆ จะสามารถระบุปัญหาที่ทำให้เกิดการสูญเสียผลผลิต รวมถึงสาเหตุ ซึ่งสามารถหลีกเลี่ยงได้ด้วยการเปลี่ยนแปลงกระบวนการผลิต
  • ตัวอย่าง: Design for Manufacturability (DFM) เป็นกระบวนการออกแบบผลิตภัณฑ์เพื่อให้ง่ายในการนำไปผลิต นักวิทยาศาสตร์ที่ Iowa State University กำลังพัฒนาเฟรมเวิร์กการรองรับการตัดสินใจด้วย AI DFM ซึ่งเร่งความเร็วด้วย GPU เพื่อช่วยให้นักออกแบบปรับปรุงโมเดล CAD ให้มีความเหมาะสมสูงสุดซึ่งจะช่วยเพิ่มความสามารถด้านการผลิต
  • การทดสอบและปรับปรุงคุณภาพ: ยิ่งสินค้าผ่านการคัดกรองคุณภาพได้เร็วขึ้นเท่าไร บริษัทก็จะยิ่งขายสินค้าได้มากขึ้นเท่านั้น การตรวจสอบสินค้าโดยใช้ AI มีความแม่นยำกว่าการตรวจสอบโดยใช้แรงงานคน ทั้งยังมีค่าใช้จ่ายในการดำเนินงานที่ต่ำกว่า อัลกอริธึมเหล่านี้พึ่งพาการเรียนรู้ภายใต้การกำกับดูแลเพื่อตรวจจับข้อบกพร่องของสินค้าที่รู้จักก่อนหน้านี้ รวมถึงเทคนิคการเรียนรู้ที่อยู่ภายใต้การควบคุมบางส่วนเพื่อระบุประเภทของข้อบกพร่องที่ไม่เคยรู้จักมาก่อน
  • ตัวอย่าง: Bosch สามารถลดเวลาที่ใช้ในการทดสอบและการปรับเทียบ (test and calibration time)ได้ถึง 35% ในกระบวนการผลิตปั๊มไฮดรอลิก โดยใช้โมเดล ML ที่คาดการณ์ผลการทดสอบและเรียนรู้เพิ่มเติมอย่างต่อเนื่องเมื่อเวลาผ่านไป
  • การปรับปรุงในส่วนของการจัดการสินค้าคงคลัง การคาดการณ์ความต้องการ และการจัดการซัพพลายเชน เป็นอีกหนึ่งแง่มุมสำคัญที่มีการปรับใช้เทคโนโลยี AI
  • ตัวอย่าง: Honeywell ใช้โมเดลการคาดการณ์ความต้องการโดยอาศัย AI โดยใช้ความแตกต่างและอัตราส่วนของดัชนีราคาน้ำมันดิบเป็นข้อมูลสำหรับการประมวลผล โดยบริษัทฯ ใช้โมเดลดังกล่าวสำหรับการจัดซื้อจัดจ้าง การจัดหาเชิงกลยุทธ์ และการจัดการต้นทุน
กรณีการใช้งาน AI ในธุรกิจโทรคมนาคม

ในระดับที่สูงขึ้นไป สองปัจจัยหลักที่ขับเคลื่อนการใช้งาน AI ในธุรกิจโทรคมนาคม ได้แก่ การลดค่าใช้จ่ายในการดำเนินงานโดยอาศัยระบบงานอัตโนมัติ และการมอบประสบการณ์ที่เหนือกว่าให้แก่ลูกค้า ข้อมูลจาก Tractica ชี้ว่าการลงทุนด้านโทรคมนาคมในเทคโนโลยี AI คาดว่าจะแตะระดับ 36.7 พันล้านดอลลาร์ต่อปีภายในปี 2568 กรณีการใช้งาน AI ที่สำคัญในภาคธุรกิจโทรคมนาคมคาดว่าจะเป็นเรื่องของการตรวจสอบและจัดการการดำเนินงานเกี่ยวกับเครือข่าย โดยครองสัดส่วนค่าใช้จ่ายด้าน AI สูงที่สุดในช่วงระยะเวลาดังกล่าว ส่วนกรณีการใช้งาน AI ที่สำคัญอื่นๆ เกี่ยวข้องกับโปรแกรมผู้ช่วยเสมือนจริงสำหรับบริการลูกค้า, ระบบ CRM อัจฉริยะ และไซเบอร์ซีเคียวริตี้

กรณีการใช้งาน AI ที่ได้รับความนิยมในธุรกิจโทรคมนาคมมีดังนี้
  • การปรับปรุงเครือข่าย: ใช้ AI เพื่อทำนายการเชื่อมต่อที่เหมาะสมสำหรับเครือข่ายโทรคมนาคม ขับเคลื่อนการวิเคราะห์เครือข่ายและการสร้างแบบจำลองที่ซับซ้อน และการวางแผนเกี่ยวกับเครือข่ายอัจฉริยะ และผลักดันให้มีการปรับปรุงประสิทธิภาพ
  • แชทบอท: โปรแกรมแชทแบบอัตโนมัติที่ขับเคลื่อนด้วย AI สำหรับตอบข้อซักถามของลูกค้า โอนการติดต่อของลูกค้าไปยังเจ้าหน้าที่ในแผนกที่เกี่ยวข้อง และโอนลูกค้าเป้าหมายไปยังทีมงานฝ่ายขาย ถือว่ามีความสำคัญต่อการดำเนินงาน
  • ตัวอย่าง: Spectrum ใช้โปรแกรมผู้ช่วยเสมือนจริง 'Ask Spectrum' ซึ่งขับเคลื่อนด้วย AI เพื่อช่วยเหลือลูกค้าสำหรับการแก้ไขปัญหา การตรวจสอบข้อมูลบัญชี และการตอบคำถามทั่วไป
  • ตัวอย่าง: CenturyLink ได้ปรับใช้โปรแกรมผู้ช่วยเสมือนจริง 'Angie' ซึ่งเป็นซอฟต์แวร์ที่ใช้ AI สำหรับงานขายและการตลาด โดยทำหน้าที่ส่งอีเมล 30,000 ฉบับต่อเดือน และตีความการตอบกลับเพื่อระบุลูกค้าเป้าหมาย
  • บริการสั่งงานด้วยเสียง: ผู้ให้บริการพยายามที่จะปรับเปลี่ยนอุปกรณ์รีโมทคอนโทรลให้มีความสามารถในการจดจำเสียงพูด เพื่อให้สามารถขายคอนเทนต์และบริการในลักษณะที่เป็นแบบเฉพาะบุคคลมากขึ้น
  • ตัวอย่าง: 'XI Talking Guide' คือเครื่องมือ AI ที่สั่งงานด้วยเสียงพูดจาก Comcast โดยสามารถพูด แสดงชื่อรายการ ช่อง และช่วงเวลา
  • การบำรุงรักษาเชิงคาดการณ์: แก้ไขปัญหาเกี่ยวกับอุปกรณ์ฮาร์ดแวร์ (หอส่งสัญญาณ สายไฟ ฯลฯ) ก่อนที่จะเสีย รวมทั้งตรวจจับสัญญาณและจุดเปลี่ยนที่มักจะนำไปสู่ความล้มเหลวในการทำงาน เช่น การใช้โดรนเพื่อตรวจสอบเสาสัญญาณโทรศัพท์
  • ตัวอย่าง: AT&T พัฒนาอัลกอริธึมที่ใช้ DL เพื่อควบคุมสั่งการโดรนแบบอัตโนมัติอย่างสมบูรณ์สำหรับการตรวจสอบเสาสัญญาณโทรศัพท์มือถือโดยใช้ AI ในการวิเคราะห์ข้อมูลวิดีโอ
กรณีการใช้งาน AI ในแวดวงการแพทย์

การดำเนินการทางการแพทย์ต้องอาศัยกระบวนการต่างๆ อย่างมาก จึงมีความเป็นไปได้สูงมากที่จะใช้ AI เพื่อขับเคลื่อนการปรับปรุงประสิทธิภาพ ตอบสนองความต้องการในส่วนที่ยังเข้าไม่ถึง และรองรับการทำงานซ้ำๆ โดยอัตโนมัติ ทั้งในส่วนของการวิจัยและพัฒนา (R&D) การดูแลรักษาผู้ป่วย การถ่ายภาพทางการแพทย์ และงานด้านการบริหารจัดการ ผลการศึกษาของ Accenture ชี้ว่า ภายในปี 2569 การประยุกต์ใช้งาน AI ในด้านการแพทย์จะช่วยประหยัดค่าใช้จ่ายได้ถึง 150 พันล้านดอลลาร์ต่อปี

กรณีการใช้งาน AI ที่ได้รับความนิยมในแวดวงการแพทย์มีดังนี้
  • การผ่าตัดโดยใช้หุ่นยนต์: เทคโนโลยีเหล่านี้จะช่วยปรับปรุงการวิเคราะห์ข้อมูลจากเวชระเบียนก่อนการผ่าตัด แนะนำเครื่องมือในแบบเรียลไทม์ในระหว่างการผ่าตัด ใช้ข้อมูลจากประสบการณ์การผ่าตัดจริงเพื่อนำเสนอเทคนิคการผ่าตัดใหม่ๆ ประโยชน์ที่ได้รับคือ การลดข้อผิดพลาด และลดระยะเวลาพักฟื้นของผู้ป่วยภายหลังการผ่าตัด
  • ตัวอย่าง: Mazor Robotics ใช้ AI เพื่อช่วยเหลือในกระบวนการผ่าตัดแบบส่องกล้อง
  • ความช่วยเหลือของพยาบาลเสมือนจริง: แอพที่สั่งงานด้วยเสียงและข้อความได้รับการฝึกฝนเพื่อให้สามารถถามและจัดการคำถามเบื้องต้นเกี่ยวกับสุขภาพ โดยรองรับการตรวจสุขภาพผ่านการสั่งงานด้วยเสียงพูดและ AI ลดการเดินทางไปยังโรงพยาบาลโดยไม่จำเป็น ประเมินอาการ และส่งผู้ป่วยไปยังแผนกที่เกี่ยวข้องเพื่อให้การดูแลรักษาอย่างมีประสิทธิภาพสูงสุด เป้าหมายของแอพนี้คือ เพื่อลดระยะเวลาที่พยาบาลต้องใช้ในการให้บริการแก่ผู้ป่วย
  • ตัวอย่าง: Sensely นำเสนอตัวละครพยาบาล 'Molly' ที่ขับเคลื่อนด้วย AI ซึ่งรับฟังและตอบคำถามของผู้ใช้
  • การวินิจฉัย: ด้วยการปรับใช้เทคโนโลยีการรู้คิดเพื่อปลดล็อคข้อมูลเวชระเบียนจำนวนมหาศาล ระบบ AI จะให้คุณประโยชน์มากมายในการจดจำแบบแผนของภาพสแกนหลายล้านชุดภายในระยะเวลาที่รวดเร็ว และมีความแม่นยำสูงมาก โดยเป้าหมายหลักคือการค้นคว้าวิจัยด้านมะเร็งและรังสีวิทยา
  • ตัวอย่าง: LYNA (Lymph Node Assistant) ของ Google AI ตรวจจับมะเร็งเต้านมระยะแพร่กระจายได้อย่างแม่นยำถึง 99%
  • การบริหารจัดการ: บุคลากรทางการแพทย์ต้องเสียเวลามากมายไปกับกิจกรรมที่ไม่ได้เกี่ยวข้องกับผู้ป่วย ดังนั้นจึงมีการใช้แอพแปลงเสียงพูดเป็นข้อความเพื่อลดระยะเวลาสำหรับงานเอกสาร ปรับปรุงการรายงานเรื่องคุณภาพ และวิเคราะห์รายงานทางการแพทย์หลายพันฉบับโดยใช้ NLP ในการแจ้งข้อมูลเกี่ยวกับแผนการรักษาพยาบาล ซึ่งทั้งหมดนี้ช่วยให้บุคลากรสามารถดูแลผู้ป่วยได้อย่างเต็มที่ และเพิ่มประสิทธิภาพการทำงาน
กรณีศึกษาสำหรับ ONTAP AI ในแวดวงการแพทย์

นอกเหนือจากกรณีศึกษาเกี่ยวกับกรณีการใช้งาน AI ในกลุ่มอุตสาหกรรมต่างๆแล้ว เรามาลองดูตัวอย่างบางส่วนของการนำแพลตฟอร์ม ONTAP AI ไปใช้งานในภาคส่วนที่เกี่ยวข้องดังต่อนี้

สำหรับกรณีการใช้งานที่เกี่ยวข้องกับการแพทย์ มีการนำแพลตฟอร์มไปใช้ในการคัดแยกภาพถ่ายเนื้องอกมะเร็งเต้านม เราใช้ชุดข้อมูลของภาพเซลล์จาก University of Wisconsin รวมไปถึงโมเดล CNN พร้อมด้วยเลเยอร์แบบคอนโวลูชัน 3 เลเยอร์ และเลเยอร์แบบเชื่อมต่ออย่างทั่วถึง 2 เลเยอร์ โดยทั้งหมดนี้อยู่บนระบบ DGX-1, AFF A800, TensorFlow โดยมีการจัดเก็บข้อมูลด้วยเทคโนโลยี FlexGroup Volumes

เราสามารถฝึกสอนโมเดลดังกล่าวให้มีความแม่นยำ 79% ในการระบุเซลล์ที่เป็นเนื้องอกธรรมดา และมีความแม่นยำถึง 92% ในการระบุเซลล์ที่เป็นเนื้อร้ายภายในชุดข้อมูลที่ทดสอบ แน่นอนว่าความแม่นยำดังกล่าวถูกจำกัดด้วยชุดข้อมูลขนาดเล็กที่ใช้ แต่ก็แสดงให้เห็นถึงความเป็นไปได้ในการใช้งาน AI และ ONTAP AI

การประยุกต์ใช้งาน AI ในกลุ่มอุตสาหกรรมต่างๆ จำเป็นต้องอาศัยการจัดเก็บข้อมูลที่สอดประสานกันระหว่างอุปกรณ์ปลายทาง (edge) ศูนย์คอมพิวเตอร์หลัก (core) และระบบคลาวด์ ดังนั้นการจัดการข้อมูลอย่างไร้รอยต่อจึงมีความสำคัญ องค์กรต่างๆ สามารถเลือกที่จะพัฒนาแอพพลิเคชั่น AI บนระบบคลาวด์สาธารณะหรือระบบที่ติดตั้งภายในองค์กรก็ได้ โดยขึ้นอยู่กับแหล่งข้อมูล ขนาดของชุดข้อมูล และต้นทุนค่าใช้จ่าย

ติดตามข้อมูลเพิ่มเติมจากเน็ตแอพได้ที่ www.netapp.com/ai #AI #ONTAPAI

เกี่ยวกับเน็ตแอพ

เน็ตแอพ ผู้นำในการบริหารจัดการข้อมูลสำหรับระบบไฮบริดคลาวด์ ให้บริการสำหรับการบริหารจัดการข้อมูลบนระบบไฮบริดคลาวด์อย่างครบถ้วน สามารถทำให้การจัดการแอปพลิเคชั่นและข้อมูลสามารถเชื่อมข้ามระบบคลาวด์และระบบที่ติดตั้งภายในองค์กร (on-premise) ได้ง่ายขึ้น เพื่อเร่งการทำดิจิทัลทรานส์ฟอร์เมชั่นให้สำเร็จได้อย่างรวดเร็ว เน็ตแอพ ร่วมกับพันธมิตร สร้างพลังให้แก่องค์กรระดับโลกในการนำเสนอคุณค่าของข้อมูลเพื่อขยายบริการที่ตรงกับความต้องการของลูกค้า พร้อมนวัตกรรมที่ล้ำหน้า และสร้างระบบการปฏิบัติงานที่เหมาะสม ติดตามข้อมูลเพิ่มเติมจากเน็ตแอพได้ที่ www.netapp.com #DataDriven

เฟสบุ๊ค: NetAppThailand

ขนาดตัวอักษร: ใหญ่ กลาง เล็ก

ข่าวประชาสัมพันธ์ที่เกี่ยวข้อง

สภาอุตสาหกรรมฯ ขอเชิญสื่อมวลชนร่วมงานแถลงข่าวการจัดงาน CICA 2005 งานแสดงเทคโนโลยี ผลิตภัณฑ์ สัมมนาวิชาการและการประชุมเพื่ออุตสาหกรรมเซรามิกแห่งอาเซียน

กรุงเทพฯ--10 ม.ค.--สยาม พีอาร์ คอนซัลแทนท์ ตามที่สภาอุตสาหกรรมแห่งประเทศไทย โดยกลุ่มอุตสาหกรรมเซรามิก ร่วมกับสมาพันธ์เซรามิกแห่งอาเซียนจะจัดงานแสดงเทคโนโลยี ผลิตภัณฑ์ สัมมนาวิชาการ และการประชุมเพื่ออุตสาหกรรมเซรามิกแห่งอาเซียน ครั้งที่ 13 (CICA The 13th C...

สสว.จับมือจุฬาฯตั้งศูนย์บ่มเพาะธุรกิจต้นแบบ แห่งที่ 3

กรุงเทพฯ--4 ม.ค.--สสว. สำนักงานส่งเสริมวิสาหกิจขนาดกลางและขนาดย่อม (สสว.) จับมือจุฬาลงกรณ์มหาวิทยาลัยตั้งศูนย์บ่มเพาะธุรกิจต้นแบบ เพื่อสร้างผู้ประกอบการวิสาหกิจรุ่นใหม่ด้านอุตสาหกรรมอาหาร แฟชั่นและผลิตภัณฑ์ที่ใช้ในชีวิตประจำวัน หวังบ่มเพาะธุรกิจไม่ต่ำกว่า...

เนคเทค ขอเชิญสื่อมวลชนร่วมงานแถลงข่าวการเซ็นสัญญาความร่วมมือ IT for Agriculture Forum

เนื่องจากศูนย์เทคโนโลยีอิเล็กทรอนิกส์และคอมพิวเตอร์แห่งชาติ (เนคเทค) จัดแถลงข่าว การเซ็นสัญญาความร่วมมือ IT for griculture Forum ในวันศุกร์ที่ 31 มกราคม 2546 เวลา 09.30 น. - 12.00 น. ณ ห้องประชุม 106 เนคเทค อุทยานวิทยาศาสตร์ประเทศไทย ** หมายเหตุ ทางศูนย์เ...

หัวข้อข่าวที่เกี่ยวข้อง

หัวข้อข่าวยอดนิยม

กรมสรรพากร ธนาคารกรุงเทพ ธนาคารกรุงไทย ธนาคารออมสิน ไปรษณีย์ไทย การบินไทย ธนาคารกสิกรไทย hotmai เพียวริคุ jobbkk ธนาคารไทยพาณิชย์ คาราบาว ดีแทค ไทยพาณิชย์ แจ่มใส เมเจอร์ ธนาคารอาคารสงเคราะห์ 12car กรุงไทย ธนาคารกรุงศรีอยุธยา กระทรวงสาธารณสุข การรถไฟแห่งประเทศไทย มิตซูบิชิ เมืองทอง ธนาคารทหารไทย ตลาดหลักทรัพย์แห่งประเทศไทย ซัมซุง มาม่า วันทูคอล ธนาคารแห่งประเทศไทย กระทรวงพาณิชย์ เวลาประเทศไทย ปตท ธอส บิ๊กซี กรมอุตุ กรมศุลกากร แม็คโคร ธนาคารกรุงศรี กระทรวงการคลัง