FANUC พัฒนา AI ที่อ่านแบบและตัดขั้นตอน Teaching หวังทำระบบอัตโนมัติให้งานเชื่อมหลากรุ่นปริมาณน้อย
FANUC ของญี่ปุ่นประกาศเมื่อวันที่ 11 กันยายน 2026 ว่าได้พัฒนา "AI Welding Agent" ระบบใหม่สำหรับงานเชื่อมอาร์ก (arc welding) ระบบนี้อ่านแบบ (drawing) ของชิ้นงานที่จะเชื่อม แล้วสร้างและสั่งงานพารามิเตอร์การเชื่อมพร้อมโปรแกรมการเคลื่อนที่ของหุ่นยนต์โดยอัตโนมัติ ภาระของการ…

FANUC ของญี่ปุ่นประกาศเมื่อวันที่ 11 กันยายน 2026 ว่าได้พัฒนา "AI Welding Agent" ระบบใหม่สำหรับงานเชื่อมอาร์ก (arc welding) ระบบนี้อ่านแบบ (drawing) ของชิ้นงานที่จะเชื่อม แล้วสร้างและสั่งงานพารามิเตอร์การเชื่อมพร้อมโปรแกรมการเคลื่อนที่ของหุ่นยนต์โดยอัตโนมัติ ภาระของการ "teaching" — การสอนแนวเส้นทางให้หุ่นยนต์ด้วยมือทุกครั้งที่เปลี่ยนชิ้นงาน — เป็นสิ่งที่ขวางการทำระบบอัตโนมัติของงานเชื่อมแบบหลากรุ่นปริมาณน้อยมาโดยตลอด FANUC ตั้งใจโอนภาระนั้นให้ AI การสาธิตจะเริ่มตั้งแต่ 16 กันยายน 2026 และวางแผนส่งมอบภายในสิ้นปี ส่วนบทพิสูจน์จริงยังรออยู่ข้างหน้า
ประเด็นสำคัญ
- FANUC พัฒนา "AI Welding Agent" ที่สร้างพารามิเตอร์การเชื่อมและการเคลื่อนที่ของหุ่นยนต์จากแบบ (ประกาศ 11 กันยายน 2026) ตัดขั้นตอน teaching และการเขียนโปรแกรมที่เดิมจำเป็นออกไป
- ระบบนำ "Gemini Enterprise" แพลตฟอร์ม generative AI สำหรับองค์กรของ Google Cloud มาใช้ การอ่านแบบใช้กล้องที่ติดตั้งใน teach pendant ของหุ่นยนต์ร่วมปฏิบัติงาน "CRX" จึงไม่ต้องใช้ฮาร์ดแวร์เพิ่ม
- สาธิตตั้งแต่ 16 กันยายน ที่งาน International Welding Show ณ Tokyo Big Sight; FANUC วางแผนเริ่มส่งมอบภายในสิ้นเดือนธันวาคม 2026 และการประเมินในสายการผลิตยังต้องรอ
- ระบบนี้แปรความร่วมมือด้าน ฟิสิคัลเอไอ (physical AI) กับ Google ที่ประกาศเมื่อพฤษภาคม 2026 ให้ลงมาอยู่ในกระบวนการที่เป็นรูปธรรมกระบวนการหนึ่ง
แบบเข้าไป แนวเชื่อมออกมา — โดยไม่ต้อง teaching
ตามประกาศ AI Welding Agent อ่านแบบของชิ้นงานที่เชื่อมด้วยอาร์ก เข้าใจวัสดุและรูปทรงสุดท้าย จากนั้นสร้างและสั่งงานพารามิเตอร์การเชื่อม (กระแส แรงดัน ความเร็วเดินแนว และอื่น ๆ) พร้อมโปรแกรมการเคลื่อนที่ของหุ่นยนต์โดยอัตโนมัติ การอ่านแบบใช้กล้องที่ฝังอยู่ใน teach pendant แบบแท็บเล็ตของหุ่นยนต์ร่วมปฏิบัติงาน "CRX" ไม่ต้องใช้สแกนเนอร์เฉพาะหรือเซนเซอร์เพิ่ม FANUC เรียกสิ่งนี้ว่าการเชื่อมแบบ "zero-setup, zero-teaching"
รากฐานคือ "Gemini Enterprise" ซึ่งเป็น generative AI ของ Google Cloud อย่างไรก็ตาม ยังไม่มีการเปิดเผยรายละเอียดว่าในห่วงโซ่ทั้งหมด — การรับรู้แบบ การกำหนดเงื่อนไขการเชื่อม การสร้างแนวเส้นทาง ไปจนถึงการสั่งงานจริง — generative AI รับผิดชอบมากน้อยเพียงใด และส่วนใดเป็นของระบบควบคุมหุ่นยนต์กับองค์ความรู้การเชื่อมเดิมของ FANUC เอง การแบ่งบทบาทนี้แหละคือแก่นในการวัดว่าระบบนี้ "ปลอด teaching" จริงเพียงใด
ทำไม teaching จึงขวางระบบอัตโนมัติ
การเชื่อมด้วยหุ่นยนต์อุตสาหกรรมแพร่หลายแล้วในการผลิตจำนวนมาก เช่น การเชื่อมตัวถังรถยนต์ ในทางกลับกัน มันคุ้มทุนที่นั่นก็เพราะใช้แนวเส้นทางเดิมซ้ำได้ครั้งแล้วครั้งเล่า แต่บนโครงของเครื่องจักรก่อสร้างและเครื่องจักรอุตสาหกรรม โครงสร้างเหล็ก และชิ้นส่วนแบบหลากรุ่นปริมาณน้อย การสอนแนวเส้นทางใหม่ทุกครั้งที่เปลี่ยนรุ่นเป็นงานหนัก เวลาและต้นทุนของการเปลี่ยนรุ่นทำลายความคุ้มค่าของระบบอัตโนมัติ ด้วยเหตุนี้ ในพื้นที่เหล่านี้การเชื่อมด้วยมือคนจึงยังหลงเหลืออยู่
teaching ที่ผ่านมาพึ่งพาช่างเชื่อมฝีมือดีและผู้รวมระบบ (system integrator/SI) แต่การสูงวัยและการขาดแคลนช่างเชื่อมฝีมือดีนั้นรุนแรง และการถ่ายทอดทักษะก็ตามไม่ทัน งานเชื่อมที่ต้องอาศัยท่าทางยากและทัศนวิสัยจำกัดยังถูกกดดันอย่างหนักให้ลดการใช้แรงงานในแง่สภาพแวดล้อมการทำงาน หากหุ่นยนต์กำหนดเงื่อนไขเองและเริ่มเชื่อมได้จากเพียงแบบ ระบบอัตโนมัติก็อาจเข้าถึงโรงงานขนาดเล็กและกลาง รวมถึงสายการผลิตแบบหลากรุ่นที่ผ่านมายังเอื้อมไม่ถึง กำแพง "teaching" นี้แหละที่ AI Welding Agent เข้าไปท้าทาย
ความร่วมมือกับ Google เป็นรูปเป็นร่างในกระบวนการเดียว
ประกาศครั้งนี้อยู่บนเส้นทางกลยุทธ์ ฟิสิคัลเอไอ (AI ที่เข้าใจและควบคุมการทำงานในโลกจริง) ของ FANUC
เมื่อวันที่ 13 พฤษภาคม 2026 บริษัทได้เปิดเผยความร่วมมือกับ Google: การสาธิตที่ Gemini Enterprise เข้าใจคำสั่งของมนุษย์ รับรู้วัตถุ และประสานหุ่นยนต์ร่วมปฏิบัติงานกับหุ่นยนต์อุตสาหกรรมมาตรฐานให้ทำงานอย่างอิสระ FANUC ยังเข้าร่วมโครงการ "Gemini Robotics Trusted Tester" ของ Google DeepMind เพื่อผลักดันการวิจัย foundation model สำหรับหุ่นยนต์ หากเดือนพฤษภาคมคือการสาธิตอเนกประสงค์ที่ขับเคลื่อนด้วยภาษาธรรมชาติ AI Welding Agent ก็ทำให้มันลงมาสู่กระบวนการที่เป็นรูปธรรมกระบวนการหนึ่ง นั่นคือการอ่านแบบและการเขียนโปรแกรมอัตโนมัติสำหรับงานเชื่อมอาร์ก การสาธิตอเนกประสงค์ได้ลงมาเป็นผลิตภัณฑ์สำหรับงานที่เป็นรูปธรรม
สิ่งที่เห็นคือโครงสร้างการจัดหาที่ผสานจุดแข็งจากภายนอก generative AI และคลาวด์มาจาก Google; ฐานการจำลอง (simulation) มาจาก NVIDIA ซึ่ง FANUC ก็ร่วมมือด้วยเพื่อสร้าง digital twin ของโรงงานเสมือน ขณะเดียวกัน FANUC ถือระบบควบคุมหุ่นยนต์ของตนเอง องค์ความรู้การเชื่อมเอง และเครือข่ายการขายไปยังผู้ใช้หุ่นยนต์ทั่วโลกไว้ในมือ แม้จะยก "สมอง" ออกไปข้างนอก แต่การที่ FANUC จะรักษาการควบคุมในโลกจริงที่หลอมโลหะ — และจุดสัมผัสกับลูกค้า — ไว้กับตัวเองได้หรือไม่ จะกำหนดสถานะของบริษัทในการแข่งขัน ฟิสิคัลเอไอ ทั้งนี้บริษัทระบุว่าได้ส่งมอบหุ่นยนต์ที่เกี่ยวกับ ฟิสิคัลเอไอ ไปแล้วกว่า 1,000 ตัวนับตั้งแต่งานแสดงหุ่นยนต์เมื่อธันวาคม 2025 เป็นสัญญาณว่าความต้องการในสาขานี้เริ่มขยับ — แม้จะไม่ใช่ผลงานของ AI Welding Agent เองก็ตาม
งานของ SI งานเชื่อมไม่หายไป แต่เปลี่ยนเนื้อใน
เมื่อการทำงานแบบปลอด teaching แพร่หลาย โครงสร้างธุรกิจของระบบอัตโนมัติงานเชื่อมก็จะได้รับผลกระทบด้วย
ที่ผ่านมา ต้นทุนและ lead time ส่วนสำคัญของการติดตั้งหุ่นยนต์เชื่อมถูกใช้ไปกับ teaching และการตั้งเงื่อนไขโดย SI หากโปรแกรมถูกสร้างอัตโนมัติจากแบบ ภาระงานนั้นก็ถูกบีบลง แต่งานไม่ได้หายไปทั้งหมด การตรวจว่าเงื่อนไขที่ AI สร้างเหมาะสมหรือไม่ การรับมือรอยต่อและข้อบกพร่องที่ไม่คาดคิด และการปรับให้เข้ากับชิ้นงานจริง ล้วนยังคงอยู่ จุดศูนย์ถ่วงของ SI มีแนวโน้มขยับจาก teaching ธรรมดาไปสู่การออกแบบกระบวนการ การประกันคุณภาพ และงานเชื่อมระดับยาก สำหรับผู้ผลิตหุ่นยนต์เองก็เช่นกัน แกนของการสร้างความแตกต่างขยับไปสู่การนำเสนอที่รวมซอฟต์แวร์ AI ไม่ใช่ฮาร์ดแวร์เพียงอย่างเดียว
สิ่งที่ส่งผลต่อความคุ้มทุนคืองานเชื่อมแบบหลากรุ่นปริมาณน้อยและที่ใกล้เคียงชิ้นเดียว เมื่อไม่ต้องใช้อุปกรณ์เพิ่มและลดเวลา teaching ทุกครั้งที่เปลี่ยนรุ่น ตัวเลขก็อาจเริ่มลงตัวแม้ในโรงงานขนาดกลางและเล็กที่ผ่านมายังลังเล กระนั้น หากเงื่อนไขที่ AI สร้างทำให้ต้องแก้งานซ้ำบ่อย ชั่วโมงที่ประหยัดได้ก็จะถูกใช้ไปกับการซ่อมหลังเชื่อมอีก ผลลัพธ์จึงไม่ได้ขึ้นกับ "ตัด teaching ได้มากแค่ไหน" เท่านั้น แต่ยังขึ้นกับ "เลี่ยงการแก้งานซ้ำได้มากแค่ไหน"
จุดโฟกัส: จะลดมือมนุษย์ได้มากเพียงใด
ขณะนี้ AI Welding Agent อยู่ในขั้น "พัฒนา" ที่ได้ประกาศแล้ว หลังการสาธิตที่งาน International Welding Show ตั้งแต่ 16 กันยายน 2026 การส่งมอบมีกำหนดเริ่มภายในสิ้นเดือนธันวาคม 2026 และการประเมินในสายการผลิตยังรออยู่ข้างหน้า
มีสามข้อที่จะเป็นตัวชี้ขาด ข้อแรก เงื่อนไขที่ AI สร้างจะรักษาคุณภาพได้เสถียรเพียงใดบนชิ้นงานจริง — ที่มีความหนาแผ่นไม่สม่ำเสมอ การบิดตัวจากความร้อน และรอยต่อที่ต้องปรับหน้างาน ข้อสอง ขอบเขตของชนิดการเชื่อม วัสดุ และรูปทรงรอยต่อจะขยายได้กว้างเพียงใด และข้อสาม ในเมื่อระบบชูจุดขาย "zero-teaching" การตรวจและแก้ไขผลลัพธ์ยังต้องอาศัยมนุษย์มากเพียงใด หากการเข้าแทรกแซงในกรณียกเว้นสะสมมากขึ้น ป้าย "ปลอด teaching" ก็จะไร้เนื้อหา
ระบบอัตโนมัติงานเชื่อมถูกมองมานานว่าเป็น "ของการผลิตจำนวนมาก" คำถามที่แท้จริงคือ ก้าวนี้ — AI ที่อ่านแบบและตัดขั้นตอน teaching — จะรักษาคุณภาพ ลดการแทรกมือของมนุษย์ และทำให้งานเชื่อมแบบหลากรุ่นปริมาณน้อยคุ้มทุนได้หรือไม่ พลังของภาพที่ FANUC วาดไว้จะถูกตัดสินด้วยแนวเชื่อม (weld bead) ที่ก่อตัวขึ้นในสายการผลิตจริงตั้งแต่ปลายปีเป็นต้นไป







