กล้องวงจรปิดในโรงงานตัวนั้น กำลังกลายเป็นผู้ตรวจสอบความปลอดภัย: อุปสรรคจริงของการนำคอมพิวเตอร์วิชันมาใช้

เจ็ดโมงสี่สิบเช้า กะกลางวันของโรงงานแปรรูปโลหะแห่งหนึ่งในสมุทรปราการเพิ่งส่งกะเสร็จ รถโฟล์กลิฟต์ถอยหลังออกมาจากพื้นที่ชั้นวางวัตถุดิบ พนักงานที่เพิ่งเข้าโรงงานได้สามสัปดาห์ก้มหน้าเล่นมือถือแล้วเดินออกมาจากมุมโค้ง เส้นทางของทั้งสองจะตัดกันในอีกสามวินาที

ถ้าโรงงานนี้ติดตั้งคอมพิวเตอร์วิชันด้านความปลอดภัยไว้ ตอนนี้ลำโพงบนเพดานจะดังขึ้นก่อน ถ้าไม่มี บทสรุปของเรื่องนี้ก็ปล่อยให้เป็นเรื่องของโชค

ไม่กี่ปีมานี้ ผลิตภัณฑ์ที่ "เปลี่ยนกล้องวงจรปิดให้เป็นผู้ตรวจสอบความปลอดภัยด้วย AI" มีมากขึ้นเรื่อย ๆ จุดขายร่วมกันคือ ไม่ต้องเปลี่ยนฮาร์ดแวร์ ต่อเข้ากับกล้องที่มีอยู่ก็ใช้ได้ ฟังดูอุปสรรคต่ำจนไม่น่าเชื่อ แต่ผมได้ลองถามโรงงานในไทยหลายแห่งที่เคยนำมาใช้จริง จุดที่ติดขัดกลับต่างจากที่เขียนไว้ในสไลด์ของผู้ขายโดยสิ้นเชิง

ภูมิหลังของเรื่อง

ตลาดนี้ก่อตัวเร็วกว่าที่คิด Intenseye ประกาศอย่างเป็นทางการว่าประมวลผลภาพ 2.2 หมื่นล้านเฟรมต่อวัน รายชื่อลูกค้ารวมถึง Swire Coca-Cola, Siemens, Unilever และ Heineken โดยกรณีของ Swire Coca-Cola คืออัตราการบาดเจ็บที่ทำให้สูญเสียวันทำงานลดลง 27% ส่วน Voxel ชูการเปิดใช้ภายใน 48 ชั่วโมง เข้ากันได้กับกล้อง IP ที่มีอยู่มากกว่า 95% ลูกค้ารายงานว่าต้นทุนค่าชดเชยอุบัติเหตุจากการทำงานลดลงมากที่สุดถึง 73% ส่วน Protex AI เดินสายการประมวลผลที่ขอบ (edge) เน้นว่าภาพไม่ออกจากโรงงาน

เส้นทางเทคโนโลยีจริง ๆ แล้วคล้ายกันหมด คือป้อนสตรีมของกล้องให้โมเดลคอมพิวเตอร์วิชัน เพื่อจดจำพฤติกรรมเสี่ยงสูงไม่กี่ประเภท เช่น ไม่สวมอุปกรณ์ป้องกัน เข้าเขตหวงห้าม คนกับรถสวนกัน และการปีนป่ายที่ไม่เหมาะสม แล้วกระตุ้นการแจ้งเตือนหรือใบสั่งงาน ความต่างอยู่ที่ความลึกของรายการที่ตรวจจับ การวางการประมวลผลไว้บนคลาวด์หรือที่ขอบ และกระบวนการที่ต่อหลังจากพบปัญหา

แรงผลักในฝั่งไทยมาจากสองทิศทาง หนึ่งคือหน่วยงานความปลอดภัยและอาชีวอนามัยในการทำงานลงโทษอุบัติเหตุร้ายแรงเข้มงวดขึ้นทุกปี สองคือโรงงานหาคนได้ยากขึ้นเรื่อย ๆ เมื่อช่างเก่าเกษียณและอัตราการลาออกของคนใหม่สูง การจัดการความปลอดภัยแบบดั้งเดิมที่พึ่ง "พนักงานอาวุโสใช้ตาเฝ้า" กำลังใช้ไม่ได้ผล

ประเด็นสำคัญของครั้งนี้

• การไม่ต้องลงทุนฮาร์ดแวร์เป็นเรื่องจริง แต่การไม่ต้องมีงานวิศวกรรมเลยเป็นเรื่องเท็จ การเข้ากันได้กับกล้องที่มีอยู่ช่วยประหยัดต้นทุนการเปลี่ยนเครื่องจริง แต่มุม ความสูง และความละเอียดของกล้องเป็นอีกเรื่องหนึ่ง
• อัตราส่วนสัญญาณต่อสัญญาณรบกวนของรายการตรวจจับสำคัญกว่าจำนวน จับการฝ่าฝืน 50 ประเภทไม่จำเป็นต้องมีประโยชน์กว่าจับความเสี่ยงร้ายแรง 5 ประเภท
• การเลือกระหว่างคลาวด์กับ edge เป็นเรื่องความปลอดภัยของข้อมูล ไม่ใช่ความชอบทางเทคนิค ภาพจะออกจากโรงงานหรือไม่ ในห่วงโซ่อุปทานที่มีข้อกำหนดการตรวจสอบจากลูกค้าถือเป็นเงื่อนไขบังคับ
• ถ้าไม่มีใครจัดการหลังการแจ้งเตือน ทั้งระบบก็เท่ากับติดตั้งไปเปล่า ๆ นี่คือรูปแบบความล้มเหลวที่พบบ่อยที่สุด
• การสื่อสารระหว่างนายจ้างกับลูกจ้างคือตัวแปรชี้ขาดความสำเร็จของการนำมาใช้ และไม่มีฟังก์ชันซอฟต์แวร์ใดแก้ได้

วิเคราะห์ผลกระทบต่อตลาด

ต่อผู้ใช้ชาวไทย (คนหน้างาน)

คำบ่นที่สมจริงที่สุดที่ผมเคยได้ยินมาจากหัวหน้าฝ่ายโรงงานคนหนึ่ง: "สัปดาห์แรกที่ระบบเปิดใช้ มันจับการฝ่าฝืนได้สี่ร้อยกว่ารายการ พอสัปดาห์ที่สองเราก็ปิดเสียงแจ้งเตือน"

นี่ไม่ใช่ความผิดของผลิตภัณฑ์ แต่เป็นความผิดของการบริหารความคาดหวัง คอมพิวเตอร์วิชันด้านความปลอดภัยตัวไหนพอเพิ่งเปิดใช้ก็จับการฝ่าฝืนที่คุณไม่เคยรู้มาก่อนได้เพียบ เพราะการฝ่าฝืนเหล่านั้นมีอยู่มาตลอด เพียงแต่ไม่มีใครเห็น ปัญหาอยู่ที่ว่าถ้าไม่มีกระบวนการรับมือประกอบ รายการงานสี่ร้อยรายการมีแต่จะทำให้หน้างานรู้สึกว่าระบบนี้มาจับผิด

วิธีที่สมจริงคือทำเป็นระยะ เดือนแรกเปิดเฉพาะการตรวจจับความเสี่ยงสูงสุดสองสามรายการ (คนกับรถสวนกัน การเข้าเขตหวงห้าม) ทำให้กระบวนการรับมือลื่นไหลก่อน แล้วค่อยทยอยเปิดเพิ่ม การเปิดหมดทีเดียวคือการฆ่าตัวตาย

อีกปัญหาระดับหน้างานคือกล้อง กล้องวงจรปิดของโรงงานในไทยส่วนใหญ่ติดไว้เพื่อกันขโมย มุมหันไปทางทางเข้าออก ความสูงค่อนข้างสูง แสงย้อนรุนแรง จะตัดสินว่าคนสวมหมวกนิรภัยหรือไม่ เลนส์ต้องมองเห็นหัวของเขา จะตัดสินระยะห่างระหว่างโฟล์กลิฟต์กับคน เลนส์ต้องมีมุมกดที่เหมาะสม การเข้ากันได้ไม่เท่ากับการมองเห็นชัด เรื่องนี้สไลด์ของผู้ขายจะไม่พูดถึง

ต่อการใช้งานในองค์กร

จากมุมมองการจัดซื้อขององค์กร ผลตอบแทนการลงทุนของระบบแบบนี้จริง ๆ แล้วคำนวณออกมาดีกว่าที่คนส่วนใหญ่คิด ต้นทุนของอุบัติเหตุร้ายแรงจากการทำงานหนึ่งครั้งไม่ได้มีแค่ค่าปรับ ยังรวมถึงความสูญเสียจากการหยุดงาน การถูกยึดอายัดอุปกรณ์ การเสียคะแนนตรวจสอบจากลูกค้า และความเสี่ยงความรับผิดทางอาญาของผู้บริหาร เมื่อรวมทั้งหมดนี้เข้าด้วยกัน ค่าบริการรายปีของระบบมักไม่ใช่ตัวเลขที่ใหญ่ที่สุด

สิ่งที่ควรคุยกันจริง ๆ คือตรรกะในการเลือก หากจุดเจ็บปวดของคุณคือ "อยากพิสูจน์อย่างรวดเร็วว่าของสิ่งนี้ใช้ได้จริงหรือไม่" การเปิดใช้ภายใน 48 ชั่วโมงของ Voxel ทำให้โปรเจกต์ไม่ตายตั้งแต่ขั้นเริ่มต้น หากคุณอยู่ในห่วงโซ่อุปทานเซมิคอนดักเตอร์หรือกลาโหมที่ภาพห้ามออกจากโรงงานเด็ดขาด สถาปัตยกรรม edge ของ Protex AI คือตัวเลือกเดียว หากโรงงานของคุณมีระบบการจัดการความปลอดภัยที่เป็นผู้ใหญ่แล้ว และต้องการต่อการตรวจจับเข้ากับการป้องกันที่ลงมือจริง จุดที่ Intenseye รองรับการกระตุ้นให้อุปกรณ์หยุดฉุกเฉินได้โดยตรงก็ควรค่าแก่การประเมิน ส่วนอุตสาหกรรมเหล็กและโลหะที่สภาพแวดล้อมสุดขั้ว (ร้อนจัด ฝุ่นเยอะ แสงจ้า) ต้องดูโซลูชันอย่าง Everguard.ai ที่ผสานอุปกรณ์สวมใส่กับเซนเซอร์ IoT

ต่อนักพัฒนา

สาขานี้จริง ๆ แล้วมีโอกาสสำหรับทีมท้องถิ่น โมเดลของผู้ขายต่างชาติฝึกด้วยข้อมูลโรงงานในยุโรปและอเมริกา ความหนาแน่นของเส้นทางเดิน รุ่นของเครื่องจักร และนิสัยการทำงานของโรงงานในไทยล้วนต่างกัน ยิ่งไม่ต้องพูดถึงสถานการณ์ชั่วคราวของไซต์ก่อสร้าง ที่ต่างจากโรงงานมาตรฐานอย่างมาก โมเดลตรวจจับที่ปรับเข้ากับท้องถิ่น และการเชื่อมต่อกับระบบ MES หรือระบบจัดการความปลอดภัยที่มีอยู่ ล้วนเป็นงานละเอียดที่ต่างชาติจะไม่ทำ

สิ่งที่ต้องระวังทางเทคนิคคือความไม่สมมาตรของต้นทุนการแจ้งเตือนผิดพลาด การพลาดตรวจจับหนึ่งครั้งอาจถึงชีวิตคน แต่การแจ้งเตือนผิดร้อยครั้งจะทำให้ระบบถูกปิด ทว่าราคาของทั้งสองอย่างนี้มักถูกปฏิบัติเป็นแบบสมมาตรตอนฝึกโมเดล เมื่อออกแบบโมเดลสำหรับสถานการณ์ในไทย การปรับเกณฑ์อย่างไร จะใส่การตรวจซ้ำโดยคนหรือไม่ สำคัญกว่าการไล่ตามความแม่นยำในทศนิยมตำแหน่งสุดท้ายมาก

แนวโน้มการพัฒนาในอนาคต

ผมคิดว่าสองสามปีข้างหน้าจะเดินไปสามทิศทาง

ทิศทางแรกคือจากการตรวจจับไปสู่การควบคุม ปัจจุบันระบบส่วนใหญ่ทำได้แค่แจ้งเตือนแล้วหยุด แต่ Intenseye ได้เริ่มทำการกระตุ้นการหยุดฉุกเฉินโดยตรงแล้ว หากเส้นทางนี้เดินต่อไป AI ความปลอดภัยจะกลายจากเครื่องมือเฝ้าระวังเป็นส่วนหนึ่งของวงจรความปลอดภัย การออกแบบเรื่องการมอบหมายความรับผิดชอบและรูปแบบความล้มเหลวจะกลายเป็นประเด็นใหม่ ใครจะรับผิดชอบความสูญเสียเมื่อระบบสั่งหยุดสายการผลิตผิดพลาด?

ทิศทางที่สองคือความหลากหลายของเซนเซอร์ เพดานของการพึ่งกล้องธรรมดาล้วน ๆ จะมาถึงเร็ว การผสานภาพความร้อน กล้องวัดความลึก การระบุตำแหน่ง UWB และอุปกรณ์สวมใส่จะกลายเป็นมาตรฐาน โดยเฉพาะในพื้นที่ที่มีสิ่งบดบังมากและแสงไม่ดี

ทิศทางที่สามคือการเชื่อมโยงกับกฎหมายความปลอดภัยในการทำงาน ปัจจุบันข้อมูลที่ระบบแบบนี้ผลิตออกมายังไม่มีสถานะทางกฎหมาย แต่เมื่อมันสั่งสมกรณีมากพอ "ติดตั้งหรือไม่" อาจกลายเป็นคำถามที่ถูกถามในการสอบสวนอุบัติเหตุจากการทำงานในอนาคต นี่เป็นทั้งแรงกดดันต่อผู้ประกอบการ และตัวเร่งของตลาด

บทสรุปและความเห็นจาก TheAI Academy

พูดตรง ๆ ท่าทีของผมต่อ AI ความปลอดภัยมาตลอดคือ "เทคโนโลยีไม่ใช่ปัญหา องค์กรต่างหาก" ความสามารถในการตรวจจับของผู้ขายเหล่านี้ล้วนถึงระดับที่ใช้งานได้แล้ว สิ่งที่ตัดสินความสำเร็จจริง ๆ คือสามเรื่อง มุมกล้องถูกไหม นายจ้างกับลูกจ้างคุยกันชัดก่อนหรือยัง และเมื่อการแจ้งเตือนดังขึ้นมีใครรับไปทำต่อไหม สามเรื่องนี้เกิดขึ้นนอกซอฟต์แวร์ทั้งหมด

ผมอยากเน้นเรื่องการสื่อสารระหว่างนายจ้างกับลูกจ้างเป็นพิเศษ สิ่งที่กล้องถ่ายได้คือคน ปฏิกิริยาแรกของพนักงานย่อมเป็น "นี่จะเอาไว้จับฉันมาสายกลับก่อนแน่ ๆ" เมื่อการรับรู้นี้ตกผลึกแล้ว สิ่งที่ตามมาคือกล้องถูกหันเบือน การแจ้งเตือนถูกเพิกเฉย ระบบถูกทำให้ไร้ค่า จะแก้ได้มีทางเดียว คือก่อนนำมาใช้ต้องให้คำมั่นชัดเจนว่าภาพใช้เพื่อความปลอดภัยเท่านั้น ไม่ใช้เป็นเกณฑ์ประเมินผลงาน และต้องเขียนลงในรายงานการประชุมนายจ้างกับลูกจ้าง พูดปากเปล่าไม่มีประโยชน์

ความเห็น: คอมพิวเตอร์วิชันด้านความปลอดภัยเป็นเทคโนโลยีที่เป็นผู้ใหญ่แล้ว แต่มันคืองานวิศวกรรมองค์กร ไม่ใช่การจัดซื้อ ก่อนซื้อลองถามตัวเองหนึ่งคำถาม เมื่อการแจ้งเตือนดังขึ้น ใครจะไปจัดการ ตอบไม่ได้ก็อย่าเพิ่งซื้อ

คำแนะนำที่เป็นรูปธรรมสำหรับผู้อ่านชาวไทย: หากคุณรับผิดชอบงานความปลอดภัยในอุตสาหกรรมการผลิต ให้ทำสามเรื่องก่อน หนึ่ง สำรวจมุมและคุณภาพภาพของกล้องที่มีอยู่ เลือกสามถึงห้าตัวที่ถ่ายเห็นพื้นที่เสี่ยงสูงจริง ๆ สอง เลือกผู้ขายที่ยอมทำ POC ขนาดเล็ก เปิดการตรวจจับแค่สองรายการรันหนึ่งเดือน สาม จัดประชุมนายจ้างกับลูกจ้างอธิบายวัตถุประสงค์และขอบเขตก่อน POC เริ่ม ทำสามขั้นนี้เสร็จ คุณจะเข้าใกล้ความสำเร็จมากกว่าแปดสิบเปอร์เซ็นต์ของกรณีที่นำมาใช้ อยากเปรียบเทียบเครื่องมือในสาขานี้ ดูได้ที่หมวด AI ความปลอดภัยสาธารณะและการรับมือ หรือหาสถานการณ์การใช้งานที่ใกล้เคียงจาก คู่มืองาน AI

แหล่งข้อมูล

• เว็บไซต์ทางการของ Intenseye
• เว็บไซต์ทางการของ Voxel
• สำนักงานความปลอดภัยและอาชีวอนามัย กระทรวงแรงงาน

(บทความนี้เรียบเรียงจากข้อมูลสาธารณะ สเปกของแต่ละผลิตภัณฑ์และตัวเลขกรณีลูกค้ายึดตามที่ผู้ขายเปิดเผยอย่างเป็นทางการ)