การบูรณาการปัญญาประดิษฐ์กับวงจร PDCA เพื่อการจัดการสิ่งแวดล้อมอย่างต่อเนื่องในอุตสาหกรรมการผลิต

เอกโรจ สุณาวงษ์; โกวิทย์  ปิ่นสุวรรณ์

ผู้แต่ง

เอกโรจ สุณาวงษ์ นักวิชาการอิสระด้านนวัตกรรมการจัดการและการจัดการองค์การ, ประเทศไทย
โกวิทย์ ปิ่นสุวรรณ์ นักวิชาการอิสระด้านการจัดการสิ่งแวดล้อม, ประเทศไทย

คำสำคัญ:

วงจร PDCA, ปัญญาประดิษฐ์, การจัดการสิ่งแวดล้อม, อุตสาหกรรมการผลิต

บทคัดย่อ

อุตสาหกรรมการผลิตทั่วโลกกำลังเผชิญแรงกดดันด้านสิ่งแวดล้อมจากการเปลี่ยนแปลงสภาพภูมิอากาศ การใช้ทรัพยากรอย่างสิ้นเปลือง และการปล่อยมลพิษที่ส่งผลกระทบต่อระบบนิเวศ สุขภาพของมนุษย์ และความยั่งยืนของธุรกิจ ภายใต้กรอบนโยบายและมาตรฐานสากล เช่น เป้าหมายการพัฒนาที่ยั่งยืน (SDGs) แนวคิดด้านสิ่งแวดล้อม สังคม และธรรมาภิบาล (ESG) และมาตรฐานระบบการจัดการสิ่งแวดล้อม ISO 14001 องค์กรจำเป็นต้องยกระดับระบบการจัดการสิ่งแวดล้อมให้สามารถวัดผล ติดตาม และปรับปรุงได้อย่างต่อเนื่อง

บทความนี้เป็น บทความเชิงแนวคิด (Conceptual Paper) ที่มีวัตถุประสงค์เพื่อนำเสนอกรอบแนวคิดการบูรณาการปัญญาประดิษฐ์ (Artificial Intelligence: AI) ร่วมกับวงจร PDCA (Plan–Do–Check–Act) เพื่อสนับสนุนการจัดการสิ่งแวดล้อมอย่างต่อเนื่องในอุตสาหกรรมการผลิต โดยกรอบแนวคิดที่เสนออธิบายบทบาทของ AI ในแต่ละขั้นของวงจร PDCA ได้แก่ การวิเคราะห์ข้อมูลและการวางแผนเชิงคาดการณ์ (Plan) การควบคุมและติดตามกระบวนการแบบเรียลไทม์ผ่านเทคโนโลยีดิจิทัล (Do) การตรวจสอบผลการดำเนินงานผ่านระบบวิเคราะห์ข้อมูลและแดชบอร์ดด้านสิ่งแวดล้อม (Check) และการวิเคราะห์สาเหตุรากและการปรับปรุงกระบวนการอย่างต่อเนื่อง (Act)

กรอบแนวคิดดังกล่าวมีศักยภาพในการสนับสนุนการยกระดับการจัดการสิ่งแวดล้อมขององค์กรอุตสาหกรรม ผ่านการใช้ข้อมูลเชิงลึกและเทคโนโลยีดิจิทัลเพื่อเพิ่มประสิทธิภาพการใช้ทรัพยากร ลดการปล่อยก๊าซเรือนกระจก และเสริมสร้างความสามารถในการแข่งขันขององค์กร ภายใต้บริบทของการพัฒนาอุตสาหกรรมอย่างยั่งยืนและแนวคิดอุตสาหกรรม 5.0

เอกสารอ้างอิง

Deming, W. E. (1986). Out of the crisis. MIT Press.

Ellen MacArthur Foundation. (2019). Completing the picture: How the circular economy tackles climate change. EMF.

General Electric. (2021). Sustainability report 2021. GE.

Hillary, R. (2017). Environmental management systems and the smaller enterprise. Journal of Cleaner Production, 14 (6–7), 1–9.

Imai, M. (1986). Kaizen: The key to Japan’s competitive success. McGraw-Hill.

Intergovernmental Panel on Climate Change. (2022). Climate change 2022: Mitigation of climate change. Cambridge University Press.

International Organization for Standardization. (2015). ISO 14001:2015 environmental management systems — Requirements with guidance for use. ISO.

Kristoffersen, E., Blomsma, F., Mikalef, P., & Li, J. (2020). The smart circular economy: A digital-enabled circular strategies framework for manufacturing companies. Journal of Business Research, 120, 241-261. https://doi.org/10.1016/j.jbusres.2020.07.044.

Lee, J., Bagheri, B., & Jin, C. (2023). Artificial intelligence in sustainable manufacturing: A review. Journal of Cleaner Production, 384, 135604. https://doi.org/10.1016/j.jclepro.2022.135604

Li, Y., et al. (2022). Artificial intelligence and corporate environmental performance: An industrial information integration perspective. International Journal of Information Management, 65, 102506.

Mikalef, P., & Gupta, M. (2020). Artificial intelligence capability: Conceptualization, measurement calibration, and empirical study on its impact on organizational creativity and performance. Information & Management, 57(3), 103213.

Oakland, J. S. (2014). Total quality management and operational excellence: Text with cases (4th ed.). Routledge.

Organisation for Economic Co-operation and Development. (2021). OECD environmental performance reviews: Green growth indicators. OECD Publishing.

Pollution Control Department. (2021). Carbon balance and environmental management (CBEM) framework. Ministry of Natural Resources and Environment.

Siemens AG. (2021). Sustainability information 2021. Siemens.

Thailand Greenhouse Gas Management Organization. (2022). Guidelines for carbon footprint of organization and product. TGO.

Toyota Motor Corporation. (2022). Toyota environmental challenge 2050 progress report. Toyota.

Teece, D. J. (2014). The foundations of enterprise performance: Dynamic and ordinary capabilities in an (economic) theory of firms. Academy of Management Perspectives, 28(4), 328–352.

United Nations Industrial Development Organization. (2017). Sustainable energy for productive use: Policies and guidelines. UNIDO.

United Nations. (2020). The sustainable development goals report 2020. United Nations.

Unilever. (2022). Unilever sustainable living plan progress report. Unilever.

Vial, G. (2019). Understanding digital transformation: A review and a research agenda. The Journal of Strategic Information Systems, 28(2), 118–144.

World Economic Forum. (2021). Net-zero challenge: The supply chain opportunity. World Economic Forum.

World Health Organization. (2018). Air pollution and child health: Prescribing clean air. WHO.

Zhou, Y., & Li, H. (2022). Applications of artificial intelligence in industrial environmental management. Sustainable Production and Consumption, 30, 456–467. https://doi.org/10.1016/j.spc.2021.12.012