สัมภาษณ์และเรียบเรียงโดย
งานสื่อสารและขับเคลื่อนความรู้ ฝ่ายเผยแพร่เทคโนโลยีวัสดุ

ดร.จอมขวัญ มั่นแน่ และคณะทีมวิจัยระบบวิศวกรรมขั้นสูง กลุ่มวิจัยการออกแบบเชิงวิศวกรรมและการคำนวณ ศูนย์เทคโนโลยีโลหะและวัสดุแห่งชาติ (เอ็มเทค) ร่วมกับบริษัทอีควิตี้ เซอร์วิสเซส แอนด์ โซลูชั่นส์ จำกัด และมหาวิทยาลัยเกษตรศาสตร์ ได้นำศาสตร์ทางด้านการบำรุงเชิงป้องกัน (preventive maintenance) มาประยุกต์สำหรับตรวจสุขภาพของเครื่องจักรและอุปกรณ์ในโรงงาน อันจะเป็นประโยชน์ต่อการวางแผนตามหลักการการบำรุงรักษาเน้นความเชื่อถือได้ (Reliability Centered Maintenance: RCM) 

ทีมวิจัยมุ่งพัฒนาโปรแกรมในการบริหารจัดการความเสี่ยงของสินทรัพย์ในสายการผลิต เป้าประสงค์เพื่อเพิ่มศักยภาพในการแข่งขันของผู้ผลิตไทยในการลดต้นทุน เพิ่มประสิทธิภาพการผลิต ลดการพึ่งพาเทคโนโลยีจากต่างประเทศ ทำให้โปรแกรมมีขีดความสามารถในการทดแทนผู้เชี่ยวชาญในการวิเคราะห์แปลผล ตลอดจนมีต้นทุนที่สามารถเข้าถึงได้สำหรับผู้ประกอบการชาวไทยโดยทั่วไป

ปัจจุบันเครื่องจักรและอุปกรณ์ต่างๆ มีบทบาทสำคัญอย่างสูงในการผลิตภาคอุตสาหกรรม เพราะมีจุดเด่นคือช่วยอำนวยความสะดวก เพิ่มความรวดเร็ว และทำให้ได้ผลผลิตมีคุณภาพสม่ำเสมอ ทว่าในอีกด้านหนึ่งเครื่องจักรและอุปกรณ์ต่างๆ ย่อมเกิดการเสื่อมสภาพตามกาลเวลา อาจเกิดการชำรุดเสียหาย กำลังการผลิตลดลง หรือใช้พลังงานสิ้นเปลืองพลังงานมากขึ้น และหากต้องเปลี่ยนหรือซ่อมแซมก็จะทำให้ต้องหยุดการผลิต นอกจากนี้หากเครื่องจักรและอุปกรณ์ไม่ได้รับการออกแบบที่ดีพอ หรือไม่ได้รับการบำรุงรักษาอย่างถูกต้องเหมาะสม จะส่งผลต่อศักยภาพในการแข่งขัน ลดโอกาสทางธุรกิจ เพิ่มต้นทุน และอาจสุ่มเสี่ยงต่อการเกิดอันตรายต่อบุคคลที่เกี่ยวข้องและอาจทำให้เกิดมลภาวะในด้านต่างๆ ตามมาได้

การมีระบบการจัดการงานบำรุงรักษาที่ดีจะช่วยให้มั่นใจได้ว่าเครื่องจักรและอุปกรณ์จะได้รับการดูแลอย่างถูกต้องและมีประสิทธิภาพ แต่ปัญหาของการจัดการบำรุงรักษาเครื่องจักรและอุปกรณ์ของโรงงานอุตสาหกรรมที่สำคัญที่สุด โดยเฉพาะอย่างยิ่งในกลุ่มประเทศที่กำลังพัฒนาก็คือ การขาดการจัดการที่เป็นระบบและมีประสิทธิภาพ ทำให้เกิดการสูญเสียค่าใช้จ่ายในการบำรุงรักษาที่ไม่จำเป็น ซึ่งมักเกิดจากการปล่อยปละละเลยและขาดการปรับปรุงดูแลรักษา ประเด็นนี้มีส่วนสืบเนื่องมาจากแนวความคิดและทัศนคติที่ไม่ถูกต้องนักต่อการบำรุงรักษาเครื่องจักรกล เช่น ‘ของไม่เสียไม่ซ่อม’ เครื่องจักรและอุปกรณ์ไม่ชำรุดเสียหายก็ไม่ต้องไปซ่อมแซม หรือ มุมมองที่มองว่าการจัดการบำรุงรักษาเครื่องจักรเป็นกิจกรรมที่เป็นอุปสรรคต่อการผลิตและเสียค่าใช้จ่ายไปโดยไม่จำเป็น หรืออาจเกิดจากการขาดความรู้ความเข้าใจในการประยุกต์เทคโนโลยีต่างๆ มาช่วยในการเฝ้าระวังได้อย่างมีประสิทธิภาพ เป็นต้น

ดังนั้น การจัดการงานบำรุงรักษาเครื่องจักรและอุปกรณ์ภายในโรงงานของประเทศกำลังพัฒนาส่วนใหญ่ รวมถึงประเทศไทย จึงมักมีลักษณะเชิงตั้งรับและดำเนินการตามกำหนดของเครื่องจักรและอุปกรณ์ หรือแม้กระทั่งรอให้เครื่องจักรและอุปกรณ์ชำรุดเสียหายก่อนจึงซ่อมแซม การจัดการงานบำรุงรักษาในลักษณะนี้จะไม่สามารถประเมินผลของการดำเนินงานได้ เนื่องจากไม่มีการกำหนดนโยบาย วัตถุประสงค์ และเป้าหมายที่ชัดเจน ทำให้ไม่อาจทราบปัญหาที่แท้จริง หรืออาจไม่รู้ว่ามีการสูญเสียอยู่ หลายครั้งยังทำให้ค่าใช้จ่ายบานปลาย และส่งผลให้การปรับปรุงการจัดการงานบำรุงรักษาที่เป็นอยู่ไม่สามารถทำได้ในที่สุด

การบำรุงรักษาเน้นความเชื่อถือได้ หรือ RCM เป็นหนึ่งในแนวทางที่โรงงานหลายแห่งในประเทศที่มีความก้าวหน้าทางอุตสาหกรรมนิยมนำมาใช้ในการวางแผนบำรุงรักษาเครื่องจักร โดยมุ่งเน้นการ optimize ความสามารถในการทำงาน (functionality) สภาพความพร้อมใช้งาน (availability) ของเครื่องจักรและอุปกรณ์ให้เกิดความเชื่อถือได้ในกระบวนการผลิต (reliability) ด้วยต้นทุนค่าใช้จ่ายตลอดอายุการใช้งาน (Life Cycle Cost: LCC) ที่น้อยที่สุด เพื่อบรรลุความต้องการในการผลิตได้อย่างมีประสิทธิภาพ

เพื่อให้การตัดสินใจในแต่ละขั้นตอนเกิดประสิทธิภาพสูงสุด ผู้ประกอบการจำเป็นต้องมีข้อมูลพื้นฐาน (ข้อมูลเชิงกายภาพ ฟังก์ชัน ประสิทธิภาพ) ของเครื่องจักร อุปกรณ์ และองค์ประกอบต่างๆ ที่เกี่ยวข้องกันในแต่ละสายการผลิต ตลอดจนข้อมูลทางการเงิน เช่น ค่าใช้จ่ายต่างๆ ที่เกิดขึ้นในแต่ละขั้นตอน เพื่อให้ผู้ประกอบการสามารถมองเห็น value และ cost span ตลอดอายุการใช้งานของเครื่องจักรและอุปกรณ์ในสายการผลิตเพื่อประเมินความสามารถในการผลิตได้อย่างถูกต้อง สามารถนำไปใช้ในการวางแผนการบริหารจัดการแบบองค์รวมให้เกิดประสิทธิภาพการผลิตสูงสุด

กล่าวกันว่าหากผู้ประกอบการสามารถดำเนินการประยุกต์ใช้หลักการ RCM ได้อย่างถูกต้องเหมาะสม ก็จะช่วยลดค่าใช้จ่ายลงได้ถึงร้อยละ 20-70 ของค่าใช้จ่ายทั้งหมดจากการซ่อมบำรุงปกติ (John Moubray, Reliability-Centered Maintenance Second Edition) ตัวเลขนี้สอดคล้องกับตัวเลขในคู่มือ Operations & Maintenance Best Practices ของกระทรวงพลังงานสหรัฐอเมริกา (U.S. department of energy) ซึ่งพบว่าค่าใช้จ่ายการซ่อมบำรุงรักษาที่ใช้หลักการ RCM สามารถลดลงได้มากถึง 2 ใน 3 เมื่อเปรียบเทียบกับแบบปกติ (run-to-failure maintenance)

นอกจากด้านค่าใช้จ่ายที่เห็นได้ชัดแล้ว การใช้หลักการ RCM ยังช่วยลดการสูญเสียโอกาสทางการตลาด (opportunity lost) ในกรณีที่ไม่สามารถผลิตสินค้าได้ทันตามปริมาณหรือระยะเวลาที่กำหนด ซึ่งบางครั้งอาจทำให้เสียโอกาสทางการตลาดแก่บริษัทคู่แข่ง (competitive disadvantage) จนเกิดผลกระทบต่อบริษัทในระยะยาวได้ด้วย

อย่างไรก็ตาม น่าเสียดายว่าประเทศไทยยังไม่ค่อยมีการวางแผนการบำรุงรักษาอุปกรณ์เชิงป้องกันตามหลักการ RCM กันอย่างแพร่หลายนัก ต่างจากผู้ประกอบการอุตสาหกรรมในต่างประเทศ ผลสำรวจโดย Plant Engineering 2021 พบว่ากว่าร้อยละ 88 ของผู้ประกอบการมีการประยุกต์ใช้โปรแกรมการบำรุงรักษาอุปกรณ์เชิงป้องกัน (preventive maintenance program) และในจำนวนนี้มากกว่าครึ่งหนึ่งได้ผสมผสานหลักการหรือเครื่องมือจำนวนมากกว่า 3 ชนิดขึ้นไปพร้อมกันเพื่อการวางแผนการบำรุงรักษาในโรงงาน โดยหนึ่งในหลักการที่โรงงานนิยมเลือกใช้ก็คือหลักการ RCM ที่พบว่ามีโรงงานเลือกใช้ถึงร้อยละ 24

ปัญหาที่ท้าทายในการนำ RCM มาใช้กับอุตสากรรมทั่วไปคือในการ implementation มีความซับซ้อนและต้องใช้เวลาและความรู้ของผู้เชี่ยวชาญ (domain experts) ในการ implement ข้อมูลเข้ากับโปรแกรม สำหรับประเทศไทย เหตุผลอื่นนอกเหนือจากราคาของเทคโนโลยีที่แพงและการขาดความตระหนักในความสำคัญของการการบำรุงรักษาอุปกรณ์เชิงป้องกันก็คือ ผู้ประกอบการไทยยังมีข้อจำกัดในการประมวลข้อมูลเครื่องจักรและอุปกรณ์ที่อยู่ในการผลิตให้ได้อย่างละเอียดและเป็นระบบ ข้อมูลจำเป็นต้องครอบคลุมทั้งเรื่องพื้นฐานของเครื่องจักร ตลอดจนข้อมูลการใช้งานจากผู้ใช้หน้างานที่ต้องอาศัยทักษะความรู้ความเชี่ยวชาญเฉพาะทาง นอกจากนี้ยังไม่มีการพัฒนา RCM มาเป็นโปรแกรมที่สามารถเข้าถึงและใช้งานได้อย่างง่ายดายด้วยราคาที่เหมาะสม เพราะโดยส่วนใหญ่มักเป็นโปรแกรมที่พัฒนาขึ้นจากต่างประเทศและมีราคาสูง

ด้วยเหตุผลทั้งหมดที่กล่าวมานี้ ทีมวิจัยเอ็มเทคจึงร่วมกับผู้เชี่ยวชาญจากมหาวิทยาลัยเกษตรศาสตร์ และ บริษัท อีควิตี้ เซอร์วิสเซส แอนด์ โซลูชั่นส์ จำกัด ภายใต้การสนับสนุนทุนวิจัยวิจัยจาก หน่วยบริหารและจัดการทุนด้านการเพิ่มความสามารถในการแข่งขันของประเทศ (บพข.) ในการพัฒนาโปรแกรมเพื่อการวางแผนการบำรุงรักษาอุปกรณ์เชิงป้องกันตามหลักการ RCM และการผสมผสานการวิเคราะห์และแปลผลสัญญาณความถี่เสียง (ultrasonic) และสัญญาณความสั่นสะเทือน (vibration) โดยใช้เทคโนโลยีปัญญาประดิษฐ์

โจทย์เป้าหมาย

โจทย์การพัฒนามุ่งเน้นการใช้งานที่สะดวกและลดการพึ่งพาข้อมูลจากผู้เชี่ยวชาญให้มากที่สุด โปรแกรมที่จะพัฒนาขึ้นมุ่งใช้ปัญญาประดิษฐ์ (AI) ควบคู่กับเทคนิคขั้นสูงเพื่อพยากรณ์เส้นโค้งแนวโน้มที่จะเกิดความเสียหาย (Potential to Failure curve) หรือ PF curve เพื่อให้โปรแกรมเป็นเครื่องมือที่จะช่วยให้ธุรกิจในอุตสาหกรรมต่างๆ สามารถใช้ทรัพยากรและบริหารสินทรัพย์การผลิตได้อย่างมีประสิทธิภาพสูงสุด

สำหรับการวางแผนการซ่อมบำรุง หรือตรวจสอบสุขภาพเครื่องจักร เพื่อป้องกันการเกิดปัญหาที่ไม่คาดคิด โดยเฉพาะปัญหาความเสียหายแบบกะทันหัน (unplanned breakdown) นั้น ในเชิงเทคนิคมีหลายวิธี แต่ในงานวิจัยนี้มุ่งเน้นการใช้เทคนิคการวิเคราะห์ความสั่นสะเทือน (vibration analysis) และ การเฝ้าระวังด้วยคลื่นอัลตราโซนิค (ultrasonic) ทั้งสองวิธีนำมาใช้เพื่อป้องกันปัญหาดังกล่าวข้างต้นเพราะมีจุดเด่นคือการเป็นตัววัด (indicator) ที่ดีเมื่อเปรียบเทียบกับวิธีการอื่นๆ ในการทำนายคุณภาพของเครื่องจักรได้ค่อนข้างเร็วและมีความน่าเชื่อถือแม่นยำสูง แต่จุดอ่อนอยู่ที่การต้องใช้เครื่องมือวัดที่ทันสมัยและแม่นยำ ที่สำคัญคือยังต้องพึ่งพาทักษะของผู้ตรวจสอบหรือผู้ชำนาญการในการวิเคราะห์แปลผลข้อมูลขั้นสูง โดยเฉพาะอย่างยิ่งการวิเคราะห์ความสั่นสะเทือน ที่ผ่านมาจึงพบการใช้งานจำกัดอยู่เฉพาะโรงงานขนาดใหญ่ที่มีเครื่องจักรที่สลับซับซ้อน ต้องการความเสถียรในกระบวนการผลิต มีการผลิตทันตามกำหนดเวลา หรือเครื่องจักรดังกล่าวต้องทำงานอย่างต่อเนื่องโดยไม่มีการหยุดพัก

ตัวชี้วัดในการทำนายคุณภาพของเครื่องจักร

แผนภาพแสดงเส้นโค้งแนวโน้มที่จะเกิดความเสียหาย และเทคนิควิธีต่างๆ เพื่อเป็นตัวชี้วัดในการทำนายคุณภาพของเครื่องจักร
(ที่มา: https://www.plantservices.com/predictive-maintenance/ultrasound/article/11302021/ultrasound-for-pdm-you-heard-it-here-first)

ความท้าทายในเชิงเทคนิคจึงอยู่ที่วิธีการวิเคราะห์ระดับสัญญาณความสั่นสะเทือน ซึ่งสำหรับประเทศไทยยังพัฒนาไปได้ไม่มากนัก ทั้งนี้โดยปกติชิ้นส่วนของอุปกรณ์หรือเครื่องจักรที่มีการทำงานล้วนแล้วแต่ต้องมีสัญญาณการสั่นสะเทือนในตัวเอง โดยคุณลักษณะของการสั่นนั้นจะสามารถอธิบายได้ด้วย 3 องค์ประกอบย่อยดังต่อไปนี้คือ amplitude (ขนาดหรือความแรงในการสั่น), frequency (ความถี่หรือจำนวนครั้งในการสั่นต่อช่วงเวลาหนึ่งๆ), และ phase (รูปแบบในการสั่น)

วิธีการวิเคราะห์จะอาศัยสัญญาณการสั่นที่ทุกครั้งเกิดการเปลี่ยนแปลง จะนำมาซึ่งการเกิดรูปแบบเฉพาะในแต่ละคุณลักษณะย่อย และสิ่งเหล่านี้จะเป็นตัวบ่งชี้ถึงปัญหาต่างๆได้ ไม่ว่าจะเป็นปัญหาการสึกหรอของลูกปืน (bearing) การเกิดปรากฏการณ์แควิเทชัน (cavitation) ของเครื่องสูบน้ำ หรือ ความไม่สมดุล (unbalance) ของแกนมอเตอร์ เป็นต้น การตรวจสอบและวินิจฉัยปัญหาด้วยวิธีนี้ ไม่เพียงแต่สามารถตรวจจับความผิดปกติได้ตั้งแต่เริ่มต้น (early detection) จึงช่วยให้มีเวลาเฝ้าระวังและเตรียมความพร้อมสำหรับการซ่อมบำรุง หากแต่วิธีนี้ยังช่วยให้สามารถคาดคะเนชนิดและขนาดความรุนแรงของปัญหาได้อีกด้วย

ในเชิงกลไกการทำงานจะเริ่มต้นจากการเก็บค่าความสั่นสะเทือนในจุดที่เหมาะสมของเครื่องจักรสำคัญด้วยเซนเซอร์ หรือหัววัดความสั่นสะเทือน (vibration probe) จากนั้นจึงผ่านตัวส่งสัญญาณมายังตัวรับ แปลงสัญญาณให้เป็นแบบ FFT (Fast Fourier Transform) เพื่อนํามาแสดงผลค่าความสั่นสะเทือน ทั้งในรูปแบบคลื่นในโดเมนเวลา (time domain) และโดเมนความถี่ (frequency spectrum domain) สำหรับหาสัญญาณเตือนล่วงหน้าซึ่งเป็นที่มาของความบกพร่องรูปแบบต่างๆของเครื่องจักร ทั้งนี้โดยมากกว่าครึ่งหนึ่งของความเสียหายในเครื่องจักรกลมักเกิดจากตลับลูกปืน ซึ่งเป็นตัวรับภาระหรือโหลดของเครื่องจักร นอกจากนี้ปัญหาอื่นๆ เช่น ความผิดปกติ ความไม่สมดุล การหลวมคลอน การหล่อลื่นที่ไม่เหมาะสม หรือกระทั่งปัญหาทางไฟฟ้า ฯลฯ

สุดท้ายจึงเป็นการวิเคราะห์สเปกตรัม (spectrum analysis) หรือการนำสัญญาณที่ได้มาวิเคราะห์ โดยจะพิจารณาควมสั่นสะเทือนที่เกิดขึ้นกับเครื่องจักรนั้น อ้างอิงตามมาตรฐานสากล ISO 20816 (Mechanical vibration — Evaluation of machine vibration by measurements on non-rotating parts) ในการกำหนดความรุนแรงของปัญหา และจากการวิเคราะห์สัญญาณการสั่นสะเทือนนี้ จะช่วยให้สามารถตรวจสอบหาสาเหตุและตัวแปรของปัญหาได้อย่างลึกซึ้ง ก่อนนำเสนอแนวทางการแก้ไขและป้องกันปัญหาที่มีประสิทธิภาพ

ความท้าทายสำคัญ

ความท้าทายสำคัญอยู่ที่ข้อจำกัดในการเก็บและรวบรวมข้อมูลของเครื่องจักร และอุปกรณ์ที่อยู่ในกระบวนการผลิตให้ได้อย่างเป็นระบบ ถูกต้อง และครอบคลุมให้มากที่สุดซึ่งสำคัญอย่างยิ่งต่อ Module Smart Analyzer ที่พัฒนาขึ้นเพื่อวิเคราะห์และแปลผลที่ได้จากการตรวจจับสัญญาณอัลตราโซนิค หรือการสั่นสะเทือนที่ได้

เครื่องวิเคราะห์และแปลผลที่ได้จากการตวจสุขภาพเครื่องจักร

ยิ่งไปกว่านั้น การพัฒนายังมุ่งหวังขั้นการนำไปประยุกต์ใช้ภายใต้การจำลองด้วยวิธีมอนติคาร์โล (Monte Carlo Simulation) เพื่อช่วยในการวิเคราะห์และพยากรณ์อายุที่ยังใช้ประโยชน์ได้ที่ยังเหลืออยู่ (Remaining Useful Life: RUL) อันจะเป็นประโยชน์ต่อการวางแผนซ่อมบำรุงอุปกรณ์นั้นๆ ก่อนที่จะเกิดความเสียหาย และทำให้เครื่องจักรสามารถทำงานได้ดีที่สุด ภายใต้ต้นทุนที่ต่ำที่สุด

ปัจจุบันกระบวนการทำงานของอัลกอริทึมยังเป็นแบบใช้กฎเกณฑ์ (Rule-based algorithm) ในการประมวลผล วิเคราะห์ฐานข้อมูล และประมวลสัญญาณ ทีมวิจัยวางแผนการเปลี่ยนผ่านอย่างค่อยเป็นค่อยไปสู่ระดับปัญญาประดิษฐ์ หรือ AI ซึ่งยังคงต้องใช้เวลา สำหรับแสวงหาความร่วมมือเพื่อเก็บและนำข้อมูลจำนวนมากมาฝึกสอนอัลกอริทึมให้เรียนรู้ ทำความเข้าใจ และตัดสินใจได้จากพื้นฐานข้อมูลที่ป้อนสู่ระบบ ให้ได้ประสิทธิภาพใกล้เคียงหรือทดแทนผู้เชี่ยวชาญได้ในท้ายที่สุด หรือกล่าวอีกนัยหนึ่งคือ ยิ่งเมื่อเวลาผ่านไป จำนวนข้อมูลยิ่งมากขึ้นเท่าไหร่ โปรแกรมก็จะยิ่งเรียนรู้และแสดงความสามารถทำนายผลลัพธ์ได้แม่นยำมากขึ้นเท่านั้น

นอกจากนี้ โปรแกรมที่พัฒนาขึ้นมีความมุ่งหมายปลายทางที่จะนำ IoT (Internet of Things) มาประยุกต์ใช้ ทดแทนกำลังแรงงานคนที่ต้องเข้าไปวัดเก็บข้อมูลตามรอบระยะเวลา ด้วยเทคโนโลยีที่ก้าวหน้าขึ้นนี้จะทำให้สามารถวัดได้เป็นการเฝ้าจับตาการสั่นสะเทือนตามเวลาที่เกิดขึ้นจริง (real time vibration monitoring) และสามารถเชื่อมโยงเป็นส่วนหนึ่งของระบบที่มีอยู่ของโรงงานอุตสาหกรรมหนึ่งๆ ได้

ความคาดหวัง

ทีมวิจัยมุ่งหวังว่าเมื่อโปรแกรมได้รับการพัฒนาเสร็จสมบูรณ์แล้วจะเป็นประโยชน์ต่อผู้ประกอบการไทย โดยเฉพาะกลุ่ม SMEs ซึ่งมีต้นทุนจำกัดในการลงทุนด้านเทคโนโลยีใหม่ๆ สำหรับประยุกต์ใช้ในโรงงาน ทีมวิจัยตั้งใจพัฒนาโปรแกรมให้ใช้งานได้สะดวก สามารถเข้ากันได้ (compatibility) กับระบบที่มีอยู่ของแต่ละโรงงาน อีกทั้งยังครอบคลุมในทุกกลุ่มอุตสาหกรรมที่มีในประเทศ ในราคาที่ผู้ประกอบการไทยกลุ่มนี้สามารถเข้าถึงได้ นอกจากนี้ผู้ประกอบการยังสามารถมีทางเลือกที่หลากหลาย ไม่ว่าจะเป็นการเลือกซื้อแบบใช้งานเดี่ยว (standalone) แล้วบริษัทฯ นำข้อมูลที่จัดเก็บในอุปกรณ์ของโรงงานไปใช้ประโยชน์สำหรับการวิเคราะห์ภายในองค์กรต่อไป หรือในอนาคตทีมวิจัยพยายามพัฒนาต่อยอดให้ผู้ใช้สามารถใช้งานบนเว็บ (web-based) ที่จัดเก็บบน Cloud แล้วดึงข้อมูลมาใช้ประโยชน์ผ่านการวิเคราะห์ด้วย Module smart analyzer ทำให้ทราบถึงชนิดและขนาดความรุนแรงของปัญหาได้ ไม่เพียงเท่านั้นยังสามารถเลือกซื้อเฉพาะแยกรายโมดูล หรือครบทุกโมดูล เพื่อครอบคลุมการวิเคราะห์หาอายุที่ยังใช้ประโยชน์ได้ที่ยังเหลืออยู่ ก็สามารถทำได้เพื่อตอบโจทย์ตามวัตถุประสงค์ ความพร้อม และนโยบายของผู้ประกอบการแต่ละราย

สนใจพัฒนาผลิตภัณฑ์ติดต่อ
ดร.จอมขวัญ มั่นแน่
ทีมวิจัยระบบวิศวกรรมขั้นสูง กลุ่มวิจัยการออกแบบเชิงวิศวกรรมและการคำนวณ
โทรศัพท์ 0 2564 6500 ต่อ 4141
อีเมล: jomkwunm@mtec.or.th

ขอบคุณข้อมูลจาก
ดร.จอมขวัญ มั่นแน่
นักวิจัย ทีมวิจัยระบบวิศวกรรมขั้นสูง
กลุ่มวิจัยการออกแบบเชิงวิศวกรรมและการคำนวณ
ศูนย์เทคโนโลยีโลหะและวัสดุแห่งชาติ (เอ็มเทค)

APPENDIX
https://www.mtec.or.th/general-training-courses/67901/
https://pmuc.or.th/rcmate4-0/
https://www.thailandindustry.com/indust_newweb/articles_preview.php?cid=546