LLM แบบ Local สำหรับโรงงาน CNC และโรงงานแม่พิมพ์: ทำอะไรได้ดี อะไรไม่ควรให้แตะ และควรทดสอบอะไรก่อน

โปรแกรมเมอร์ที่เก่งที่สุดของโรงงานอยู่มายี่สิบปี ขั้นตอนตรวจสอบสำหรับลูกค้ารายนั้นอยู่ในไฟล์ PDF ในไดรฟ์กลางที่มีคนหาเจอแค่สามคน RFQ ที่เข้ามาเมื่อคืนเป็นชิ้นงานที่หน้าตาคล้ายงานที่เคยเสนอราคาไว้เมื่อสองปีก่อน และไม่มีใครจำได้ว่าต้นทุนผลิตจริงเท่าไร

นี่คือปัญหาแบบที่โมเดลภาษาขนาดใหญ่ (LLM) ช่วยได้ และเป็นปัญหาแบบที่เครื่องมือที่ใครก็นึกถึงก่อน คือบริการแชท AI สาธารณะ มีความเสี่ยงที่โรงงานส่วนใหญ่ยังไม่ได้คิดให้ครบ แบบของลูกค้าไม่ใช่สิ่งที่เราจะเอาไปแชร์ได้ตามใจ

บทความนี้เขียนให้เจ้าของและผู้จัดการโรงงานกลึง CNC และแม่พิมพ์ที่กำลังชั่งใจเรื่อง LLM แบบ local คือรันบนฮาร์ดแวร์ของคุณเองภายในเครือข่ายของคุณเอง เนื้อหาบอกว่าช่วยตรงไหน ควรกันออกจากตรงไหน และวิธีทดสอบก่อนจะลงเงินจริง

ทำไมคำว่า "local" จึงสำคัญสำหรับโรงงานกลึงหรือแม่พิมพ์

แบบหรือไฟล์ CAD บอกผู้อ่านได้มาก ทั้งรูปทรง ค่าพิกัดความเผื่อ และเบาะแสมากมายว่าชิ้นงานผลิตอย่างไร นี่คือเหตุผลที่ลูกค้าส่งมาภายใต้สัญญาไม่เปิดเผยข้อมูล (NDA) และเป็นเหตุผลที่มาร์เก็ตเพลสผู้ผลิตรายหนึ่งเตือนว่าแม่แบบ NDA ทั่วไปปกป้องไฟล์ CAD ได้ไม่ดี คำแนะนำของเขาคือให้ระบุชนิดไฟล์ในสัญญา และตรวจสอบว่าไฟล์ถูกเก็บอย่างไร ใครเข้าดูได้ และถูกลบเมื่อไร

ทีนี้ลองนำมาใช้กับ AI ถ้าโปรแกรมเมอร์คัดลอกหมายเหตุจากแบบของลูกค้าไปวางในบริการแชทสาธารณะ ข้อมูลนั้นออกจากเครือข่ายของคุณไปอยู่กับบุคคลที่สามแล้ว ว่าสิ่งนี้ฝ่าฝืน NDA ฉบับใดหรือไม่ขึ้นกับถ้อยคำของฉบับนั้น และเราไม่ใช่ทนายความ แต่คำถามนี้ควรถามก่อนวางครั้งแรก ไม่ใช่หลังจากนั้น เราไม่พบแหล่งข้อมูลที่ชี้ชัดว่าบริการ AI สาธารณะควรถูกมองอย่างไรภายใต้ NDA ทั่วไป ดังนั้นให้อ่านสัญญาของคุณเอง และถามลูกค้าหากไม่แน่ใจ

LLM แบบ local ตอบคำถามนี้ได้ง่าย ๆ คือข้อมูลไม่ออกจากอาคาร นั่นคือเหตุผลหลักที่ควรรันเอง แต่ไม่ใช่เหตุผลเพียงลำพังที่จะต้องซื้อ และด้านล่างเราจะบอกว่าเมื่อไรบริการคลาวด์เป็นทางเลือกที่สมเหตุสมผลกว่า

LLM แบบ local เก่งอะไรในโรงงานกลึงหรือแม่พิมพ์

งานเหล่านี้คือที่ที่โมเดลภาษาคุ้มค่า ทั้งหมดเป็นงานเกี่ยวกับข้อความ ไม่ใช่งานตัดโลหะ

1. ค้นหาเอกสารของตัวเองด้วยภาษาธรรมดา ใบสั่งงาน ขั้นตอนตรวจสอบ ข้อกำหนดของลูกค้า คู่มือคุณภาพ รายงานความไม่สอดคล้องในอดีต และบันทึกเรื่องเครื่องมือตัด แทนที่จะไล่หาในโฟลเดอร์ คนถามว่า "ความถี่ในการตรวจสอบของเรือนชิ้นงานลูกค้า X เป็นอย่างไร" แล้วได้คำตอบพร้อมลิงก์ไปยังหน้าต้นฉบับ เทคนิคนี้มักเรียกว่า RAG (retrieval-augmented generation) คือโมเดลตอบจากเอกสารของคุณ ไม่ใช่จากความจำทั่วไปของมัน
2. ช่วยเรื่องใบเสนอราคา หางานเก่าที่มีลักษณะคล้ายกัน สรุปว่าต้นทุนเท่าไรและเกิดปัญหาอะไร และร่างอีเมลตอบลูกค้า ผู้ประเมินราคายังเป็นคนตัดสินราคาเอง
3. แปลและสรุป อีเมล ข้อกำหนด และใบแจ้งเปลี่ยนแปลงที่มาเป็นภาษาญี่ปุ่น จีน อังกฤษ หรือไทย ซึ่งต้องให้คนที่อ่านอีกภาษาเข้าใจ สำหรับโรงงานที่ให้บริการลูกค้าหลายภาษา มักเป็นงานแรกที่คนสังเกตว่าประหยัดเวลา
4. เก็บความรู้ฝีมือไว้ ช่างหรือโปรแกรมเมอร์อาวุโสอธิบายเหตุผลของการตัดสินใจ แล้วคำอธิบายถูกเขียนไว้และค้นหาได้ เพื่อให้ยังอยู่แม้คนนั้นเกษียณ เรื่องนี้เป็นปัญหากระบวนการพอ ๆ กับเทคโนโลยี แต่คลังที่ค้นหาได้คือสิ่งที่ทำให้มันใช้งานได้
5. ถามข้อมูล ERP หรือข้อมูลการผลิต เช่น "งานของลูกค้า Y ที่ส่งช้าในไตรมาสที่แล้วมีอะไรบ้างและเพราะอะไร" ด้วยภาษาธรรมดา หากระบบของคุณเชื่อมต่อกันแล้ว

อะไรที่ไม่ควรให้แตะ

อย่าใช้ LLM สร้าง G-code หรือเส้นทางเครื่องมือโดยไม่มีคนตรวจทุกบรรทัด ผู้ขายเครื่องมือเขียนโปรแกรมด้วย AI เองก็อธิบายว่าผลลัพธ์เป็นจุดเริ่มต้นที่ยังต้องตรวจ คู่มือของผู้ขายรายหนึ่งระบุว่าผลลัพธ์สมบูรณ์ราวร้อยละ 80 ซึ่งเป็นคำอ้างของผู้ขายเอง ไม่ใช่ผลที่วัดได้ และงานวิจัยทางวิชาการขนาดเล็กชิ้นหนึ่งที่เราพบ ทดสอบโมเดล AI ที่ตรวจ G-code เทียบกับภาพหน้าจอแผงควบคุมเครื่อง ด้วยกรณีทดสอบ 16 กรณี ความแม่นยำของการตรวจรวม G-code กับแผงควบคุมอยู่ที่ราวร้อยละ 63 ถึง 75 ขึ้นกับชุดพรอมต์ และผู้เขียนระบุว่าผลเป็นเบื้องต้นและเฉพาะกับเครื่องกลึงเครื่องเดียว นี่เป็นผลวิจัยจากตัวอย่างเล็กมาก แต่ชี้ไปทางที่ถูก คืออย่าส่งการเคลื่อนที่ของเครื่องให้ตัวทำนายข้อความ

เช่นเดียวกับทุกอย่างที่ถ้าคำตอบผิดอาจทำให้เครื่องมือชน หรือทำให้คนบาดเจ็บ เช่น ค่าความเร็วป้อนและความเร็วรอบที่ถือเป็นข้อเท็จจริง ขั้นตอนความปลอดภัย และค่าพิกัดความเผื่อที่อ่านจากแบบ โมเดลภาษามีประโยชน์ในฐานะผู้อ่านเอกสาร แต่ไม่ใช่เครื่องมือวัด

ผลิตภัณฑ์ AI เฉพาะทาง CAM มีอยู่ และเป็นคนละประเภทกับ LLM ทั่วไป มันทำงานในซอฟต์แวร์ CAM และใช้คลังเครื่องมือของคุณ หากเวลาในการเขียนโปรแกรมคือคอขวดของคุณ ให้พิจารณาสิ่งเหล่านั้นตามคุณค่าของมันเอง และวัดผลด้วยตัวเอง

ต้องใช้อะไรในการรัน

ไม่ต้องมีดาต้าเซ็นเตอร์ เป็นหลักเกณฑ์คร่าว ๆ จากบทความอธิบายฮาร์ดแวร์ชิ้นหนึ่ง น้ำหนักของโมเดลใช้หน่วยความจำราว 2 GB ต่อพารามิเตอร์หนึ่งพันล้านที่ความละเอียด 16 บิตเต็ม และราว 0.6 GB ต่อหนึ่งพันล้านเมื่อบีบอัด ("quantise") เหลือ 4 บิต ตามนี้ โมเดลขนาดกลางราว 30 พันล้านพารามิเตอร์ที่บีบอัดแล้วต้องใช้ราว 20 GB สำหรับน้ำหนักอย่างเดียว และต้องการมากขึ้นสำหรับบริบทของบทสนทนาและผู้ใช้หลายคนพร้อมกัน ส่วนโมเดล 70 พันล้านพารามิเตอร์ที่บีบอัดเป็น 4 บิตต้องใช้มากกว่า 40 GB

มีข้อปฏิบัติสองข้อ หนึ่ง ให้กำหนดขนาดฮาร์ดแวร์ตามจำนวนคนที่ใช้พร้อมกันและความยาวของเอกสาร ไม่ใช่ตามโมเดลอย่างเดียว สอง โมเดล local ขนาดเล็กอ่อนกว่าโมเดลคลาวด์ขนาดใหญ่ที่คนมักนำมาเปรียบ สำหรับการค้นหาเอกสารพร้อมการอ้างอิงมักยอมรับได้ เพราะคำตอบมาจากหน้าเอกสารของคุณ แต่สำหรับการให้เหตุผลแบบปลายเปิด อย่าคาดหวังมาก

เมื่อไรบริการคลาวด์เหมาะกว่า

ถ้าเอกสารที่อยากค้นไม่เป็นความลับ (มาตรฐานสาธารณะ เอกสารการตลาดของคุณเอง เนื้อหาอบรมทั่วไป) บริการคลาวด์อาจง่ายกว่าและถูกกว่า ระบบ local ยังต้องมีคนดูแลด้วย เราขอบอกตรง ๆ ดีกว่าขายฮาร์ดแวร์ที่คุณไม่จำเป็นต้องใช้ ให้เลือก local เมื่อข้อมูลอยู่ภายใต้ NDA เมื่อลูกค้าคาดหวัง หรือเมื่อคุณอาจถูกล่อใจให้เอาเอกสารที่ถูกจำกัดไปวางในเครื่องมือสาธารณะ

ห้าคำถามที่ควรทดสอบก่อนซื้ออะไรทั้งนั้น

หยิบคำถามจริงยี่สิบข้อจากเดือนที่ผ่านมา คือที่พนักงานของคุณถามจริงหรือตอบยาก แล้วใช้เป็นแบบทดสอบ

1. ตอบจากเอกสารของคุณและแสดงหน้าต้นฉบับหรือไม่ คำตอบที่ไม่มีการอ้างอิงเชื่อถือหรือตรวจสอบไม่ได้
2. บอกว่า "ไม่ทราบ" เมื่อคำตอบไม่อยู่ในเอกสารหรือไม่ ระบบที่แต่งคำตอบขึ้นมาแย่กว่าไม่มีระบบ
3. รองรับภาษาที่คุณใช้หรือไม่ รวมถึงศัพท์ของลูกค้าในภาษาญี่ปุ่น จีน หรือไทย
4. ใครเห็นเอกสารไหนได้บ้าง แบบของลูกค้า A ไม่ควรโผล่ในคำตอบของคนที่ทำงานของลูกค้า B
5. คนในโรงงานดูแลระบบได้หรือไม่ หรือมีแผนสนับสนุนที่คุณจ่ายไหว

แผนเริ่มต้น 30 วัน

สัปดาห์ที่ 1: เลือกชุดเอกสารเดียว เลือกชุดที่คนค้นบ่อยและคุณมีสิทธิ์ใช้ เช่นขั้นตอนตรวจสอบหรือใบสั่งงาน หนึ่งกรณีใช้งาน ตามที่คู่มือของผู้ขาย CAM เองก็แนะนำ

สัปดาห์ที่ 2: ตรวจสัญญา อ่าน NDA ของลูกค้าที่เอกสารเกี่ยวข้อง จดข้อจำกัดเรื่องการประมวลผลหรือเก็บโดยบุคคลที่สาม

สัปดาห์ที่ 3: เขียนคำถามทดสอบ รวบรวมคำถามยี่สิบข้อพร้อมคำตอบที่ถูกต้อง และหน้าที่แต่ละคำตอบมาจาก

สัปดาห์ที่ 4: ทดสอบและนับ ตอบถูกกี่ข้อ ตอบพร้อมแหล่งที่มาถูกต้องกี่ข้อ ตอบผิดอย่างมั่นใจกี่ข้อ ตัวเลขนั้นบอกว่าควรไปต่อหรือไม่

Simplico เข้ามาตรงไหน

เราสร้างและดูแลระบบ LLM แบบ on-premise สำหรับบริษัทที่ส่งข้อมูลไปยังบริการสาธารณะไม่ได้ คือชุดระบบที่ติดตั้งในเครือข่ายของคุณ พร้อมการค้นหาเอกสารของคุณ ระบบ guardrails และบันทึกการตรวจสอบ เชื่อมกับ ERP หรือระบบการผลิตเมื่อมีประโยชน์ หน้าบริการของเราเองอธิบายการทดลองแนวคิดที่กำหนดขอบเขตไว้ ใช้เวลาราวสองถึงสามสัปดาห์ เราไม่อ้างการรับรองใด ๆ และไม่สัญญาว่าโมเดลภาษาจะมาแทนส่วนใดของงานวิศวกรรมของคุณ

หากอยากรู้ว่าพร้อมหรือยังก่อนคุยกับใคร แบบประเมินความพร้อม local LLM ฟรีของเราเป็นการตรวจสอบตนเอง 25 ข้อ ครอบคลุมการปฏิบัติตามกฎระเบียบ โครงสร้างพื้นฐาน กรณีใช้งาน การเชื่อมต่อ และองค์กร รายละเอียดบริการอยู่ที่หน้า simpliLLM

คุยกับเรา

บอกเราว่าทีมของคุณค้นเอกสารอะไรบ่อยที่สุด และ NDA ของลูกค้าระบุอะไร แล้วเราจะบอกว่า LLM แบบ local เหมาะหรือมีทางที่ง่ายกว่า การคุยสั้น ๆ เพื่อสำรวจก็เพียงพอจะเริ่ม

• อีเมล: hello@simplico.net
• LINE: iiitum1984
• โทรศัพท์: (+66) 97496 6397

คำถามที่พบบ่อย

LLM แบบ local เขียน G-code ให้เราได้ไหม
มันสร้างข้อความที่หน้าตาเหมือน G-code ได้ แต่ไม่ควรใช้รันเครื่องโดยไม่มีผู้มีความสามารถตรวจทุกบรรทัด หลักฐานที่ตีพิมพ์เรื่องความน่าเชื่อถือยังน้อย และผู้ขายเครื่องมือเขียนโปรแกรมด้วย AI เองก็อธิบายว่าผลลัพธ์ต้องตรวจ

วางหมายเหตุจากแบบของลูกค้าลงในแชท AI สาธารณะปลอดภัยไหม
ขึ้นกับ NDA ของคุณและเงื่อนไขของบริการนั้น โรงงานจำนวนมากยังไม่ได้ตรวจ ให้อ่านสัญญา และถามลูกค้าหากถ้อยคำไม่ชัด ระบบ local ตัดคำถามนี้ไปเพราะข้อมูลอยู่ในเครือข่ายของคุณ

ต้องใช้คอมพิวเตอร์ขนาดไหน
ขึ้นกับขนาดโมเดล จำนวนคนที่ใช้พร้อมกัน และความยาวของเอกสาร เป็นหลักเกณฑ์คร่าว ๆ โมเดลขนาดกลางที่บีบอัดแล้วต้องใช้หน่วยความจำ GPU ราว 20 GB สำหรับน้ำหนักอย่างเดียว ให้วางแผนจากกรณีใช้งาน ไม่ใช่จากชื่อโมเดล

มันจะมาแทนผู้ประเมินราคาหรือโปรแกรมเมอร์ไหม
ไม่ มันช่วยหาข้อมูลและร่างข้อความให้เร็วขึ้น การตัดสินใจเรื่องราคา กระบวนการ และความปลอดภัยยังอยู่กับคนของคุณ

เรามีเครื่องไม่กี่เครื่อง คุ้มไหม
น่าจะยังไม่คุ้ม เว้นแต่คุณถือเอกสารลูกค้าภายใต้ NDA เยอะ และพนักงานเสียเวลาค้นหาอยู่แล้ว เริ่มจากการทดสอบ 30 วันข้างต้นก่อนจะใช้เงิน

แหล่งอ้างอิง

• MakerVerse: NDA and IP protection for CAD files (บทความของมาร์เก็ตเพลส)
• CloudNC: How to use AI in machining (บทความของผู้ขาย)
• arXiv: Few-shot VLM-based G-code and HMI verification in CNC machining (พรีปรินต์ ชุดข้อมูลขนาดเล็ก)
• Computing for Geeks: How much VRAM to run an LLM (คู่มือฮาร์ดแวร์)