LLM ที่รันในโรงงานเอง: ไม่มีข้อมูลไหนออกนอกอาคาร

ลองถามผู้จัดการโรงงานว่า ช่างซ่อมบำรุงเอารหัสข้อผิดพลาดกับรูปหน้าคู่มือไปวางในแชตบอตสาธารณะได้ไหม คำตอบมักเป็น "ได้เลย" หรือ "ห้ามเด็ดขาด" อย่างใดอย่างหนึ่ง และทั้งสองคำตอบพลาดเหมือนกัน เพราะ ยังไม่เคยมีใครตัดสินว่าข้อมูลแบบไหนเป็นแบบไหน

การรันโมเดลภาษาบนเซิร์ฟเวอร์ในอาคารตัวเองไม่ใช่ส่วนที่ยากแล้ว GPU ระดับกลางรันโมเดลโอเพนเวตที่ใช้งานได้จริง และเครื่องมืออย่าง Ollama, llama.cpp, vLLM ก็สุกงอมแล้ว สิ่งที่ยากคือคำถามสามข้อ:

1. ข้อมูลโรงงานแบบไหนห้ามออกนอก และแบบไหนออกได้
2. โมเดลควรวางตรงไหนเมื่อเทียบกับเครือข่ายในโรงงาน
3. จะ พิสูจน์ อย่างไรว่าไม่มีอะไรออกไป ทั้งต่อตัวเองและต่อลูกค้าที่มาตรวจ

เรื่องเลือก GPU และหน่วยความจำ เรามีบทความแยกไว้แล้ว: คู่มือเลือกฮาร์ดแวร์สำหรับ Local LLM จึงไม่ซ้ำในบทความนี้

1. แบ่งข้อมูลเป็นสามกลุ่มก่อน

ก่อนเลือกโมเดล ให้จัดประเภทข้อมูลที่โมเดลจะเห็น:

กลุ่ม	ตัวอย่าง	ประมวลผลได้ที่ไหน
ส่งออกได้	datasheet สาธารณะ ความรู้ซ่อมบำรุงทั่วไป	API คลาวด์ร่วมก็ได้
ได้เมื่อมีสัญญา	SOP ภายใน รายงานที่ไม่สำคัญมาก	คลาวด์ในบัญชีของตัวเอง พร้อมข้อตกลงเป็นลายลักษณ์อักษรว่าไม่นำไปเทรน
ห้ามออกนอก	แบบ (drawing) ของลูกค้า สูตรกระบวนการ ข้อมูลวัดและคุณภาพ รายละเอียดแม่พิมพ์/จิ๊ก ทุกอย่างที่อยู่ใต้ NDA	โครงสร้างพื้นฐานของตัวเองเท่านั้น

กลุ่มที่สามคือจุดที่โรงงานต่างจากสำนักงานมากที่สุด สำหรับผู้ผลิตชิ้นส่วนความแม่นยำ แบบ ค่าความคลาดเคลื่อน และพารามิเตอร์การผลิต คือตัวผลิตภัณฑ์เอง

ถ้าคุณเป็นซัพพลายเออร์ให้ลูกค้าญี่ปุ่นหรือบริษัทข้ามชาติ ซึ่งมักตรวจสอบเข้มงวด ยังมีอีกประเด็น: ตามกรอบความลับทางการค้าของญี่ปุ่น การส่งข้อมูลให้บุคคลที่สาม เช่น ผู้ให้บริการ generative AI อาจทำให้ "การรักษาความลับ" ที่ความลับทางการค้าอาศัยอยู่ถูกตั้งคำถามได้ในบางกรณี และมีคำอธิบายแนวปฏิบัติของหน่วยงานญี่ปุ่นเดือนมิถุนายน 2026 ว่าผู้ถือข้อมูลลับของอีกฝ่ายไม่ควรเปิดเผยแก่บุคคลที่สามโดยไม่ได้รับความยินยอมล่วงหน้า ดังนั้นควรตรวจว่า NDA ของคุณนับ "บริการ AI" เป็นบุคคลที่สามหรือไม่ (นี่เป็นการอ่านจากแหล่งรอง ไม่ใช่คำแนะนำทางกฎหมาย โปรดตรวจต้นฉบับและปรึกษาทนายความ)

ระดับการควบคุม จากหลวมไปเข้ม:

1. API ภายนอกแบบใช้ร่วม
2. API ร่วมที่มีสัญญาห้ามนำไปเทรน
3. บริการแบบ managed ภายในบัญชีคลาวด์ของตัวเอง
4. ฮาร์ดแวร์ของตัวเอง (จะ air-gap ด้วยก็ได้)

กลุ่ม "ห้ามออกนอก" ต้องการระดับที่ 4 นั่นคือเหตุผลของ local LLM

2. โมเดลในโรงงานเหมาะกับงานอะไร

ตั้งความคาดหวังแต่พอดี โมเดลท้องถิ่นขนาดราว 8B–30B เก่งงานภาษาที่อิงเอกสารของคุณ แต่ไม่ใช่โหรผู้รู้ทุกอย่าง

เหมาะกับ

• ถาม–ตอบงานซ่อมบำรุงพร้อมอ้างอิง เช่น "ค่าทอร์กของฝาครอบสปินเดิลนี้เท่าไร" ตอบจากคู่มือพร้อมชี้หน้าที่มา
• อธิบายรหัสข้อผิดพลาดและสัญญาณเตือน จากประวัติใบสั่งงานเดิม
• ร่างเอกสาร เช่น บันทึกส่งกะ ใบสั่งงานแบบมีโครงสร้างจากข้อความของช่าง สรุปเหตุการณ์
• ค้นหาในเอกสารปนหลายภาษา ไทย ญี่ปุ่น จีน อังกฤษ ที่การค้นด้วยคำหลักใช้ไม่ได้ผล

ไม่เหมาะกับ

• งานที่ เขียนค่าไปยัง PLC หรือระบบควบคุม ให้โมเดลอ่านอย่างเดียว และให้คนอนุมัติทุกการกระทำ
• การคำนวณตัวเลขที่ตรวจสอบไม่ได้ (ให้คำนวณด้วยโค้ด ไม่ใช่ในหัวโมเดล)
• คำตอบที่ฟันธงโดยไม่มีแหล่งอ้างอิง ถ้าโมเดลอ้างเอกสารไม่ได้ ให้ถือเป็นข้อเสนอแนะ

3. วางโมเดลไว้ตรงไหน: นอกเครือข่ายควบคุม

flowchart TD
  A["เครือข่ายควบคุม PLC และเครื่องจักร"] --> B["เกตเวย์ข้อมูลแบบอ่านอย่างเดียว"]
  B --> C["โซนข้อมูลโรงงาน historian และ MES"]
  C --> D["โซน AI เซิร์ฟเวอร์ LLM และดัชนีเอกสาร"]
  E["คู่มือ SOP และใบสั่งงาน"] --> D
  D --> F["ผู้ใช้ในออฟฟิศหรือหน้างาน"]
  D --> G["บันทึกตรวจสอบทุกคำถามและคำตอบ"]
  H["อินเทอร์เน็ต"] -.->|"ปิดกั้นโดยค่าเริ่มต้น"| D

กฎการออกแบบที่สำคัญกว่าการเลือกโมเดล:

• อ่านจากด้านล่างเท่านั้น โซน AI อ่านข้อมูลโรงงานผ่านเกตเวย์ได้ แต่ไม่มีอะไรไหลย้อนกลับเข้าเครือข่ายควบคุม
• ปิดขาออกโดยค่าเริ่มต้น เซิร์ฟเวอร์ LLM ไม่ควรมีเส้นทางสู่อินเทอร์เน็ต ตัวโมเดลและอัปเดตนำเข้าแบบออฟไลน์ตามขั้นตอนที่ควบคุม
• บันทึกทุกคำถามและคำตอบ พร้อมส่วนของเอกสารที่ใช้ นี่คือร่องรอยสำหรับการตรวจสอบ
• คนอนุมัติการกระทำ โมเดลเสนอ คนตัดสิน

4. พิสูจน์อย่างไรว่าไม่มีอะไรออกไป

"ไม่มีอะไรออกนอกอาคาร" เป็นคำกล่าวอ้าง ลูกค้าและผู้ตรวจต้องการหลักฐาน:

1. หลักฐานไฟร์วอลล์ กฎ deny ขาออกของโซน AI ส่งออกชุดกฎมาทบทวน
2. ทราฟฟิกที่สังเกตได้จริง จับทราฟฟิกจากเซิร์ฟเวอร์ LLM ตลอดหนึ่งสัปดาห์ทั่วไป แสดงว่าไม่มีการเชื่อมต่อออกไปปลายทางที่ไม่คาดคิด ทำซ้ำทุกครั้งหลังอัปเกรด
3. ห่วงโซ่อุปทานแบบออฟไลน์ บันทึกว่าน้ำหนักโมเดลมาจากไหน ตรวจแฮชตอนนำเข้า และตรึงเวอร์ชัน เฟรมเวิร์กเปลี่ยนค่าเริ่มต้นระหว่างรุ่น จึงควรทดสอบซ้ำหลังอัปเกรด
4. ไม่มี telemetry แอบแฝง ตรวจการตั้งค่าของ runtime และไลบรารีทุกตัวว่ามีการเช็กอัปเดตหรือส่งสถิติการใช้งานหรือไม่ ปิดหรือบล็อกที่ไฟร์วอลล์

5. ขนาดเครื่องแบบสั้น

สำหรับผู้ใช้โต้ตอบไม่กี่คน GPU 24 GB ใบเดียวรันโมเดล 7B–14B ได้สบาย และ 27B–32B ที่ควอนไทซ์ 4 บิตได้ถ้าเผื่อที่ให้คอนเท็กซ์ (เผื่อ VRAM เพิ่ม 20–30% จากน้ำหนักโมเดล) ข้อจำกัดมักเป็น จำนวนผู้ใช้พร้อมกันและความยาวคอนเท็กซ์ มากกว่าคุณภาพโมเดล ถ้าช่าง 20 คนถามพร้อมกัน ต้องมีสแต็กที่รองรับ batching หรือเพิ่มฮาร์ดแวร์

6. อะไรที่เราส่งมอบแล้ว และอะไรเป็นงานโครงการ

เพื่อความโปร่งใส:

• ส่งมอบแล้วใน simpliSOC: LLM ในเครื่องที่อ่านการแจ้งเตือนความปลอดภัยและเขียนคำอธิบายภาษาง่าย พร้อมการประเมินว่าเป็น true/false positive ทำงานกับเซิร์ฟเวอร์ที่เข้ากันได้กับ OpenAI (Ollama, llama.cpp, vLLM, LocalAI) โมเดลรันบนเครื่องของคุณและเนื้อหาการแจ้งเตือนไม่ออกนอกเครือข่าย ช่วยคัดกรองเท่านั้น ไม่ปิด รวม หรือระงับการแจ้งเตือนเอง นักวิเคราะห์ยังเป็นผู้ตัดสิน ดูรายละเอียดที่ หน้า simpliSOC (ภาษาอังกฤษ) นี่เป็นเครื่องมือด้านปฏิบัติการความปลอดภัย ไม่ใช่ผู้ช่วยหน้างานโรงงาน
• งานโครงการ ออกแบบตามลูกค้า: บริการ LLM แบบ on-premise สำหรับโรงงาน (เลือกโมเดล ชั้น API ที่เข้ากันได้กับ OpenAI ไปป์ไลน์ RAG บนคู่มือและบันทึกการผลิต guardrails และ audit log และเชื่อม ERP/MES) ดู simpliLLM (ภาษาอังกฤษ) ส่งมอบเป็นโครงการ ไม่ใช่ผลิตภัณฑ์กล่อง ขอบเขตและเวลาขึ้นกับเอกสารและฮาร์ดแวร์ของคุณ

ด้านการค้นคืนข้อมูล ดู production RAG สำหรับเอกสารธุรกิจไทยและญี่ปุ่น (อังกฤษ) และความเสี่ยงของการใช้โมเดลจริง ดู AI security in production (อังกฤษ)

7. คำถามที่พบบ่อย

โมเดลท้องถิ่นดีเท่าโมเดลบนคลาวด์ไหม?
ไม่ถึงระดับสูงสุด แต่สำหรับงานที่อิงเอกสาร เช่น ค้นคู่มือและร่างเอกสาร โมเดลขนาดเล็กที่ป้อนเอกสารดีก็มักพอ ให้ทดสอบกับเอกสารและคำถามจริงของคุณ ไม่ใช่เบนช์มาร์กสาธารณะ

"ท้องถิ่น" แปลว่า "ปลอดภัย" ไหม?
ไม่ มันกำจัดความเสี่ยงเดียว (ส่งข้อมูลให้บุคคลที่สาม) คุณยังต้องมีการควบคุมสิทธิ์ การแพตช์ การแบ่งเครือข่าย และการบันทึก

ให้โมเดลควบคุมเครื่องจักรได้ไหม?
ไม่แนะนำ ให้อ่านอย่างเดียวและให้คนอนุมัติทุกการกระทำ

ต้องมี GPU ไหม?
ถ้าใช้จริงจังต้องมี CPU อย่างเดียวรันโมเดลเล็กสำหรับผู้ใช้คนเดียวได้ แต่ช้า

เอกสารไทย ญี่ปุ่น จีน ทำได้ไหม?
คุณภาพต่างกันตามโมเดลและชนิดเอกสาร (สแกน ตาราง และ drawing ยากกว่า) ให้ประเมินด้วยตัวอย่างเอกสารจริงก่อนซื้อฮาร์ดแวร์

นี่เป็นคำแนะนำทางกฎหมายเรื่อง NDA และความลับทางการค้าหรือไม่?
ไม่ใช่ โปรดตรวจสัญญาและปรึกษาทนายความ

แหล่งข้อมูล

• Timewell: ความลับทางการค้ากับ generative AI สำหรับแบบวิศวกรรม (สรุปแนวปฏิบัติญี่ปุ่น)
• iFactory: สถาปัตยกรรม LLM on-premise สำหรับโรงงาน (บล็อกของผู้ขาย ใช้เป็นแนวคิดกรณีใช้งานเท่านั้น)
• IntuitionLabs: การรัน local LLM บน GPU 24 GB

---

Simplico Co., Ltd. พัฒนาระบบ AI แบบ on-premise, SOC และระบบสำหรับโรงงานให้บริษัทในไทย ญี่ปุ่น และเอเชีย ติดต่อ hello@simplico.net