Original Title: Ứng dụng trí tuệ nhân tạo vào khâu chuẩn bị sản xuất tại doanh nghiệp may công nghiệp
Source: fgd.iuh.edu.vn
Document Type: Report
Disclaimer: Summary generated by AI based on the provided document. Please refer to the original report for full accuracy.

ការអនុវត្តបញ្ញាសិប្បនិម្មិតក្នុងការរៀបចំផលិតកម្មនៅសហគ្រាសកាត់ដេរឧស្សាហកម្ម

ចំណងជើងដើម៖ Ứng dụng trí tuệ nhân tạo vào khâu chuẩn bị sản xuất tại doanh nghiệp may công nghiệp

អ្នកនិពន្ធ៖ TS. Nguyễn Thị Hường (Trường Đại học Công nghiệp Dệt May Hà Nội)

ឆ្នាំបោះពុម្ព៖ 2023 Dệt May và Thời Trang Việt Nam

វិស័យសិក្សា៖ Industrial Engineering

១. សេចក្តីសង្ខេបប្រតិបត្តិ (Executive Summary)

បញ្ហា/ប្រធានបទ (The Problem/Topic)៖ ឧស្សាហកម្មកាត់ដេរវៀតណាមកំពុងប្រឈមមុខនឹងបញ្ហាដូចជា វដ្តជីវិតផលិតផលខ្លី តម្រូវការអតិថិជនចម្រុះ និងតម្រូវការក្នុងការកាត់បន្ថយពេលវេលាផលិត (Lead time) តាមរយៈការដោះស្រាយទិន្នន័យដ៏ស្មុគស្មាញដែលវិធីសាស្ត្រស្ថិតិបុរាណពិបាកនឹងគ្រប់គ្រង។

វិធីសាស្ត្រ (Approach)៖ ការសិក្សានេះណែនាំអំពីការសាកល្បងប្រើប្រាស់កម្មវិធីបញ្ញាសិប្បនិម្មិត (GarmentAI) នៅតាមសហគ្រាសកាត់ដេរចំនួនពីរ ដើម្បីគាំទ្រដល់ការរៀបចំផលិតកម្ម និងការគ្រប់គ្រងទិន្នន័យបច្ចេកទេស។

សេចក្តីសន្និដ្ឋានសំខាន់ៗ (Key Conclusions)៖

២. ការរកឃើញសំខាន់ៗ (Key Findings)

របាយការណ៍នេះបង្ហាញពីប្រសិទ្ធភាពនៃការអនុវត្តកម្មវិធីបញ្ញាសិប្បនិម្មិត (GarmentAI) ក្នុងដំណាក់កាលរៀបចំផលិតកម្មនៃវិស័យកាត់ដេរ ដែលជួយកាត់បន្ថយពេលវេលា និងបង្កើនភាពត្រឹមត្រូវក្នុងការទស្សន៍ទាយទិន្នន័យ។ ការសិក្សានេះក៏បានលើកឡើងពីសារៈសំខាន់នៃការគ្រប់គ្រងបរិស្ថាន និងការធ្វើទីផ្សារតាមបែបឌីជីថល (Marketing 5.0) ផងដែរ។

ការរកឃើញ (Finding) ព័ត៌មានលម្អិត (Detail) ភស្តុតាង (Evidence)
ការកាត់បន្ថយពេលវេលារចនាខ្សែសង្វាក់ផលិតកម្ម (Reduction in sewing line design time) ការប្រើប្រាស់កម្មវិធី GarmentAI បានជួយកាត់បន្ថយពេលវេលាក្នុងការរចនាខ្សែសង្វាក់កាត់ដេរយ៉ាងកត់សម្គាល់នៅតាមរោងចក្រដែលបានសាកល្បង។ ទិន្នន័យបង្ហាញថាពេលវេលាត្រូវបានកាត់បន្ថយ ៣១% នៅសហគ្រាសទី១ និងរហូតដល់ ៦៩% នៅសហគ្រាសទី២។
ភាពត្រឹមត្រូវនៃការទស្សន៍ទាយការប្រើប្រាស់វត្ថុធាតុដើម (Accuracy in material consumption prediction) ប្រព័ន្ធ AI អាចទស្សន៍ទាយកម្រិតនៃការប្រើប្រាស់អំបោះ និងក្រណាត់គោលបានយ៉ាងត្រឹមត្រូវ ដោយផ្អែកលើទិន្នន័យប្រវត្តិសាស្រ្តដែលមានស្រាប់ក្នុងប្រព័ន្ធ។ ប្រព័ន្ធនេះសម្រេចបានភាពត្រឹមត្រូវជាមធ្យមជាង ៩៥% (Accuracy >95%) លើការទស្សន៍ទាយ។
ការកាត់បន្ថយពេលវេលាបង្កើតស្តង់ដារបច្ចេកទេស (Reduction in time to build technical standards) ប្រព័ន្ធនេះជួយពន្លឿនការបង្កើតស្តង់ដារបច្ចេកទេសសម្រាប់ការកាត់ និងដេរ ដែលធ្វើឱ្យការរៀបចំមុនពេលផលិតកាន់តែមានភាពរហ័ស។ ពេលវេលាត្រូវបានកាត់បន្ថយចន្លោះពី ៣៣% ទៅ ៣៥% សម្រាប់ផ្នែកកាត់និងបញ្ចប់ និង ២៦% សម្រាប់ផ្នែកដេរ។
ការគ្រប់គ្រងនិរន្តរភាពបរិស្ថានតាមខ្សែសង្វាក់ផ្គត់ផ្គង់ (Environmental sustainability management) គម្រោង EcoLogTex បង្ហាញថាការវាយតម្លៃវដ្តជីវិត (LCA) អាចជួយកំណត់ផលប៉ះពាល់បរិស្ថាន និងជួយរោងចក្រក្នុងការកាត់បន្ថយការប្រើប្រាស់ថាមពល និងការបញ្ចេញឧស្ម័នផ្ទះកញ្ចក់។ ការសិក្សាបង្ហាញថា ការប្រើប្រាស់អគ្គិសនី និងការដឹកជញ្ជូនគឺជាកត្តាចម្បងដែលជះឥទ្ធិពលដល់បរិស្ថានខ្លាំងជាងគេនៅក្នុងរោងចក្រអំបោះ។

៣. អនុសាសន៍ (Recommendations)

ដើម្បីទាញយកអត្ថប្រយោជន៍ពីបច្ចេកវិទ្យា AI ក្នុងវិស័យកាត់ដេរ ភាគីពាក់ព័ន្ធគួរតែពិចារណាលើចំណុចខាងក្រោម៖

គោលដៅ (Target) សកម្មភាព (Action) អាទិភាព (Priority)
ម្ចាស់រោងចក្រ និងសហគ្រាសកាត់ដេរ (Garment Factory Owners & Enterprises) គួរវិនិយោគលើប្រព័ន្ធគ្រប់គ្រងទិន្នន័យ និងសាកល្បងប្រើប្រាស់កម្មវិធី AI (ដូចជា GarmentAI) ដើម្បីស្វ័យប្រវត្តិកម្មការរៀបចំផលិតកម្ម និងកាត់បន្ថយពេលវេលាផលិត (Lead time)។ ខ្ពស់ (High)
ស្ថាប័នស្រាវជ្រាវ និងសាកលវិទ្យាល័យ (Research Institutions & Universities) សហការជាមួយវិស័យឯកជនដើម្បីអភិវឌ្ឍ ឬកែសម្រួលកម្មវិធី AI ឱ្យស្របតាមតម្រូវការជាក់ស្តែង និងបរិបទនៃរោងចក្រក្នុងស្រុក ដោយប្រើប្រាស់ទិន្នន័យក្នុងស្រុកដើម្បីបង្ហាត់ AI Model។ មធ្យម (Medium)
ក្រសួងឧស្សាហកម្ម និងសមាគមកាត់ដេរ (Ministry of Industry, Science, Technology & Innovation and Garment Associations) ជំរុញការយល់ដឹងអំពីបច្ចេកវិទ្យាឧស្សាហកម្ម ៤.០ និងផ្តល់ការគាំទ្រផ្នែកបច្ចេកទេស ឬកម្ចីអនុគ្រោះដល់រោងចក្រធុនតូចនិងមធ្យម ដើម្បីពន្លឿនការផ្លាស់ប្តូរឌីជីថល និងផលិតកម្មបៃតង។ ខ្ពស់ (High)

៤. បរិបទកម្ពុជា (Cambodia Context)

របាយការណ៍នេះមានសារៈសំខាន់ខ្លាំងសម្រាប់ប្រទេសកម្ពុជា ដែលពឹងផ្អែកយ៉ាងខ្លាំងលើវិស័យកាត់ដេរ សម្លៀកបំពាក់ និងស្បែកជើងជាសសរស្ដម្ភនៃសេដ្ឋកិច្ច។ ការនាំយកបច្ចេកវិទ្យា AI មកប្រើប្រាស់ អាចជួយបង្កើនភាពប្រកួតប្រជែងរបស់កម្ពុជាធៀបនឹងប្រទេសជិតខាង តាមរយៈការកាត់បន្ថយថ្លៃដើម និងពេលវេលាផលិត ព្រមទាំងឆ្លើយតបនឹងតម្រូវការទីផ្សារអន្តរជាតិដែលផ្លាស់ប្តូរលឿន។

ផលប៉ះពាល់មូលដ្ឋាន (Local Implications)៖

ការចាប់យកបច្ចេកវិទ្យា AI មិនត្រឹមតែជាជម្រើសប៉ុណ្ណោះទេ ប៉ុន្តែជាភាពចាំបាច់មួយសម្រាប់វិស័យកាត់ដេរកម្ពុជា ក្នុងការធានាបាននូវនិរន្តរភាព ភាពរហ័សរហួន និងការទាក់ទាញការបញ្ជាទិញពីម៉ាកយីហោអន្តរជាតិធំៗ ក្នុងយុគសម័យឌីជីថល។

៥. ផែនការអនុវត្ត (Implementation Roadmap)

ដើម្បីអនុវត្តតាមអនុសាសន៍នៃរបាយការណ៍នេះ គួរអនុវត្តតាមជំហានខាងក្រោម៖

  1. ការវាយតម្លៃហេដ្ឋារចនាសម្ព័ន្ធទិន្នន័យ (Data Infrastructure Assessment): រោងចក្រកាត់ដេរនៅកម្ពុជាត្រូវចាប់ផ្តើមប្រមូល និងធ្វើឌីជីថលភាវូបនីយកម្មទិន្នន័យផលិតកម្មរបស់ខ្លួន (ស្តង់ដារម៉ោង ទិន្នផល វត្ថុធាតុដើម) ដើម្បីរៀបចំជាមូលដ្ឋានទិន្នន័យ (Database) សម្រាប់គាំទ្រដល់ប្រព័ន្ធ AI នាពេលអនាគត។
  2. ការបណ្តុះបណ្តាល និងកសាងសមត្ថភាព (Training and Capacity Building): សមាគមវាយនភណ្ឌ សម្លៀកបំពាក់ ស្បែកជើង និងផលិតផលធ្វើដំណើរនៅកម្ពុជា (TAFTAC) សហការជាមួយវិទ្យាស្ថាន CGTI គួររៀបចំវគ្គបណ្តុះបណ្តាលដល់អ្នកគ្រប់គ្រង និងវិស្វកររោងចក្រ អំពីការប្រើប្រាស់ប្រព័ន្ធ AI និងអត្ថប្រយោជន៍របស់វា។
  3. ការសាកល្បងគម្រោងនាំមុខ (Pilot Project Implementation): ជ្រើសរើសរោងចក្រស្ម័គ្រចិត្តចំនួន ២ ទៅ ៣ ដើម្បីធ្វើការសាកល្បងប្រើប្រាស់ប្រព័ន្ធ AI គាំទ្រការផលិត (ដូចជា GarmentAI ឬប្រព័ន្ធស្រដៀងគ្នា) លើខ្សែសង្វាក់ផលិតកម្មជាក់ស្តែង និងវាស់ស្ទង់លទ្ធផល (Lead time និង Yield)។
  4. ការវាយតម្លៃលទ្ធផល និងការពង្រីកមាត្រដ្ឋាន (Evaluation and Scaling Up): វិភាគទិន្នន័យពីការសាកល្បង (ការសន្សំប្រាក់ចំណាយ ពេលវេលាសន្សំបាន) រួចរៀបចំជាសិក្ខាសាលាចែករំលែកបទពិសោធន៍ជាសាធារណៈ ដើម្បីជំរុញឱ្យរោងចក្រផ្សេងៗទៀតក្នុងប្រទេសចាប់ផ្តើមអនុវត្តបច្ចេកវិទ្យានេះជាទូទៅ។

៦. វាក្យសព្ទបច្ចេកទេស (Technical Glossary)

ពាក្យបច្ចេកទេស ការពន្យល់ជាខេមរភាសា (Khmer Explanation) និយមន័យសាមញ្ញ (Simple Definition)
Lead time ពេលវេលាសរុបដែលត្រូវចំណាយគិតចាប់ពីពេលដែលរោងចក្រទទួលបានការបញ្ជាទិញពីរោងចក្រ ឬអតិថិជន រហូតដល់ពេលដែលផលិតផលសម្រេចត្រូវបានផលិតរួចរាល់ និងដឹកជញ្ជូនដល់ដៃអតិថិជន។ ការកាត់បន្ថយ Lead time គឺជាកត្តាគន្លឹះដើម្បីប្រកួតប្រជែងក្នុងទីផ្សារ។ ដូចជាពេលយើងកុម្ម៉ង់ម្ហូបនៅហាង គឺចាប់គិតពីពេលកុម្ម៉ង់រហូតដល់ពេលអ្នករត់តុយកម្ហូបដែលឆារួចមកឱ្យយើងញ៉ាំ។
Life Cycle Assessment (LCA) វិធីសាស្ត្រវាយតម្លៃផលប៉ះពាល់បរិស្ថាននៃផលិតផលមួយ គិតតាំងពីដំណាក់កាលទាញយកវត្ថុធាតុដើម ការផលិត ការប្រើប្រាស់ រហូតដល់ការបោះចោល។ នៅក្នុងវិស័យកាត់ដេរ គេប្រើវាដើម្បីវាស់វែងការបញ្ចេញឧស្ម័នផ្ទះកញ្ចក់ និងការប្រើប្រាស់ថាមពល។ ដូចជាការតាមដានប្រវត្តិរូបរបស់ដបទឹកបរិសុទ្ធមួយ តាំងពីវានៅជាជ័ររហូតដល់វាត្រូវបានគេបោះចោល ដើម្បីមើលថាវាធ្វើឱ្យខូចបរិស្ថានប៉ុនណាខ្លះ។
Cyber-Physical Systems (CPS) ប្រព័ន្ធបច្ចេកវិទ្យាឧស្សាហកម្ម ៤.០ ដែលភ្ជាប់ម៉ាស៊ីនផលិតកម្មជាក់ស្តែង (Physical) ទៅនឹងប្រព័ន្ធកុំព្យូទ័រនិងទិន្នន័យ (Cyber) ដែលអនុញ្ញាតឱ្យម៉ាស៊ីនអាចធ្វើការទំនាក់ទំនងគ្នា វិភាគ និងគ្រប់គ្រងដំណើរការផលិតដោយស្វ័យប្រវត្តិ។ ដូចជាការភ្ជាប់ខួរក្បាលឆ្លាតវៃ (កុំព្យូទ័រ) ទៅនឹងរាងកាយ (ម៉ាស៊ីន) ដើម្បីឱ្យវាអាចធ្វើការនិងសម្រេចចិត្តដោយខ្លួនឯងបាន ដោយមិនបាច់មានមនុស្សចាំបញ្ជាគ្រប់ពេល។
Predictive Marketing ការប្រើប្រាស់ទិន្នន័យ (Data) និងបញ្ញាសិប្បនិម្មិត (AI) ដើម្បីវិភាគប្រវត្តិអតិថិជន និងទស្សន៍ទាយពីអាកប្បកិរិយា តម្រូវការ ឬចំណង់ចំណូលចិត្តរបស់ពួកគេនាពេលអនាគត ដើម្បីរៀបចំយុទ្ធសាស្ត្រលក់ឱ្យចំគោលដៅ។ ដូចជាគ្រូមើលទាយដែលប្រើទិន្នន័យប្រវត្តិទិញទំនិញរបស់អ្នក ដើម្បីទាយដឹងមុនថាខែក្រោយអ្នកចង់ទិញអ្វី រួចផ្ញើការផ្សាយពាណិជ្ជកម្មចំរបស់នោះតែម្តង។
Agile Marketing វិធីសាស្ត្រធ្វើទីផ្សារដែលផ្តោតលើភាពរហ័សរហួន ការសម្របខ្លួនលឿន និងការធ្វើការជាក្រុមតូចៗ ដើម្បីឆ្លើយតបភ្លាមៗទៅនឹងការផ្លាស់ប្តូរនៃទីផ្សារនិងនិន្នាការអតិថិជន ជាជាងការរៀបចំផែនការធំរយៈពេលវែង។ ដូចជាការជិះទូកតូចមួយដែលអាចបត់បែនគេចពីឧបសគ្គបានលឿន ជាជាងការបើកកប៉ាល់ធំដែលពិបាកបត់បែននៅពេលមានរលកធំមកដល់ភ្លាមៗ។

៧. ប្រធានបទពាក់ព័ន្ធ (Further Reading)

អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖

ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖