ระบบ Automation Sorter: คัดแยกสินค้าอัตโนมัติด้วย Vision + AI

ในงาน e-commerce, อาหาร, รีไซเคิล — การคัดแยกของด้วยมือคือ bottleneck ที่ใหญ่ที่สุด ระบบ Automation Sorter สามารถคัดแยกได้ 5,000-50,000 ชิ้น/ชั่วโมง ด้วยความแม่นยำ 99%+

Automation Sorter คืออะไร?

ระบบคัดแยกอัตโนมัติประกอบด้วย:

1. Conveyor ลำเลียงของ
2. Sensor/Camera ตรวจวัตถุ
3. Decision system (PLC + AI) ตัดสินใจ
4. Reject/Diverter mechanism ส่งของไปทางที่ถูก

แตกต่างจาก WMS ที่บริหารข้อมูล — Sorter คือ physical automation ที่ทำงานจริงในไลน์

Use Cases ในไทย

1. E-commerce Fulfillment

• คัดแยก parcel ตามจังหวัด/zone
• Speed: 10,000-30,000 ชิ้น/ชั่วโมง
• Players: Kerry, Flash, J&T

2. อุตสาหกรรมอาหาร

• คัดผลไม้ตามขนาด/สี/น้ำหนัก
• ตรวจของแปลกปลอม (foreign object)
• Throughput: 5-15 ตัน/ชั่วโมง

3. Recycling

• แยกพลาสติกตามชนิด (PE, PP, PET)
• แยกโลหะ (NIR + magnetic)
• ROI สูงมากเพราะลดแรงงาน

4. Pharmaceuticals

• คัดยาตาม batch, expiration
• ตรวจของเสีย (broken pills, color)
• Compliance: 21 CFR Part 11, GMP

5. โลจิสติกส์ภายในโรงงาน

• คัดชิ้นงานตาม destination (paint shop, assembly)
• คัด work-in-process ตาม batch

Architecture ระบบ Sorter

[Input Conveyor]
       ↓
[Camera + Lighting] ← AI processing
       ↓
[Singulation] ← แยกของให้ทีละชิ้น
       ↓
[Identification] ← OCR/Barcode/Vision
       ↓
[Buffer/Tracking] ← รู้ตำแหน่งของแต่ละชิ้น
       ↓
[Diverter Array] → [Output Lane 1, 2, 3, ..., N]

Components หลัก:

1. Conveyor System

• Belt conveyor — ใช้ทั่วไป
• Roller conveyor — สำหรับกล่องหนัก
• Cross-belt sorter — ความเร็วสูงสุด (15,000+ ppm)
• Shoe sorter — แม่นยำ, parcel medium speed
• Tilt-tray sorter — fragile items

2. Vision System

• กล้องอุตสาหกรรม + lighting (ดู AI Image Processing)
• 2D barcode reader (Cognex DataMan)
• 3D vision สำหรับ shape/volume
• Hyperspectral imaging สำหรับ material identification

3. AI/Software

• Object detection (YOLO) — หา boundary
• OCR — อ่าน label
• Classification — ประเภทของของ
• Tracking — รู้ว่าของอยู่ตรงไหนของ conveyor

4. Mechanism คัดแยก

• Pusher/Diverter arm — เร็ว, parcel เล็ก-กลาง
• Pop-up wheel — เปลี่ยนทิศโดยไม่หยุด
• Air jet — สำหรับ recycling, ของเล็ก
• Cross-belt — แม่นยำสุด, fragile items
• Robot arm — flexible, ของรูปร่างหลากหลาย

Throughput vs ราคา

| ระดับ | Throughput | ราคา | เหมาะกับ | |-------|-----------|------|----------| | Manual + scanner | 200-500 ppm | 50K-200K | SME, low volume | | Single-line auto | 1,000-3,000 ppm | 1-3M | E-commerce SME | | Cross-belt sorter | 5,000-15,000 ppm | 10-50M | Logistics 3PL | | High-speed parcel | 15,000-40,000 ppm | 30-100M | National operators |

(ppm = pieces per minute)

ROI Calculation

ตัวอย่าง: คัดแยก parcel 8,000 ชิ้น/วัน

ก่อน Automation:

• พนักงาน 12 คน × 600 บาท/วัน = 7,200 บาท/วัน
• Error rate 3% → ส่งของผิด 240 ชิ้น/วัน
• ค่า rework + complaint = 12,000 บาท/วัน
• รวม: 19,200 บาท/วัน หรือ ~5.5 ล้าน/ปี

หลัง Automation (ลงทุน 8 ล้าน):

• พนักงาน 3 คน + ระบบ
• Maintenance ~ 800K/ปี
• Error rate 0.3%
• Total cost: ~2 ล้าน/ปี
• Saving: 3.5 ล้าน/ปี
• Payback: ~28 เดือน

ขั้นตอนการ implement

Phase 1: Feasibility (4 สัปดาห์)

• Volume + SKU diversity analysis
• ROI projection
• Site survey (พื้นที่, ความสูง, ไฟฟ้า)

Phase 2: Design (8-12 สัปดาห์)

• Layout 3D
• Conveyor speed calculation
• Reject station capacity
• Software requirement

Phase 3: Build (3-6 เดือน)

• Mechanical fabrication
• Electrical + control panel
• Software development
• Vision/AI training

Phase 4: Install + Commissioning (4-8 สัปดาห์)

• Site installation (มักใช้วันหยุด)
• Calibration
• Performance test (run rate, accuracy)

Phase 5: Go-Live (4-12 สัปดาห์)

• Ramp up gradually 30% → 70% → 100%
• Hyper-care 24/7

ความท้าทายที่พบบ่อย

❌ Singulation ทำไม่ดี

ของซ้อนกัน → ระบบสับสน

แก้: Inclined belt + light gate + AI separation

❌ Barcode/Label หลายมาตรฐาน

แก้: Multi-side cameras + OCR fallback

❌ Item ลื่นออกจาก conveyor

แก้: Choose right belt material, side guard

❌ Maintenance ไม่ได้ → ระบบหยุด

แก้: ตั้ง preventive maintenance schedule, มี spare parts

❌ Software ไม่ stable

แก้: Load test ก่อน go-live, มี manual fallback

เลือก Vendor / Builder ยังไง?

✅ ต้องมี:

• Reference site ในประเทศ (ดูของจริง)
• Service team อยู่ในไทย (response 24 ชั่วโมง)
• Spare parts inventory
• Training package

⚠️ Red flags:

• ราคาถูกเกินไป (~30% ต่ำกว่าตลาด)
• ไม่มี case study ตรงกับธุรกิจคุณ
• Software เป็น black box แก้ไม่ได้

SME ใช้ Automation Sorter ได้ไหม?

ได้ — แต่อาจไม่ต้อง full automation ทันที

Stage 1: Semi-automation (ลงทุน 200K-1M)

• Conveyor + barcode scanner + manual divert
• Throughput 1,000-2,000 ppm
• คนยัง involved ในการตัดสินใจ

Stage 2: Single-line automation (1-5M)

• AI vision + auto divert
• 3,000-8,000 ppm
• SME e-commerce นิยม

Stage 3: Full automation (10M+)

• Cross-belt / shoe sorter
• 10,000+ ppm
• 3PL, อาหาร, recycling scale ใหญ่

สรุป

Automation Sorter ลงทุนใหญ่แต่ ROI ชัด — โดยเฉพาะธุรกิจที่ volume สูงและค่าแรงเป็นต้นทุนหลัก

เริ่มจาก vision + decision system ก่อน mechanism — เพราะ AI ฉลาดเปลี่ยนเกมได้

อ่านต่อ

• Object Detection ในโรงงาน — หัวใจของ Vision Sorter
• WMS — Sorter เชื่อมเข้าระบบคลัง
• AI Image Processing — รากฐานเทคโนโลยี

อยาก automate การคัดแยก? WTC Cloud ออกแบบและพัฒนา sorter ครบวงจร ตั้งแต่ Vision AI, PLC integration จนถึง mechanical design ติดต่อทีมงาน เพื่อ feasibility study