Case Study: ออกแบบงานใหม่แบบ Human-Centric — เมื่อปัญหา ‘ขาดคน’ ของโรงงานคือปัญหา ‘งานถูกออกแบบไม่ดี’

โรงงานประกอบชิ้นส่วนอิเล็กทรอนิกส์แห่งหนึ่งในภาคตะวันออกของไทยกำลังเผชิญปัญหาคลาสสิกของปี 2026: คนงานใหม่ลาออกเร็ว ตำแหน่งว่างหาคนทดแทนยาก และ Productivity ของไลน์ผลิตไม่ขยับแม้ลงทุนเครื่องจักรอัตโนมัติเพิ่มแล้ว บทความนี้ถอดบทเรียนกรณีศึกษาการออกแบบงานใหม่แบบ Human-Centric — แนวทางหลักของ Industry 5.0 — ที่ใช้ได้จริงกับบริบทโรงงานไทย

Problem: เมื่อ Automation แก้ปัญหา “ขาดคน” ไม่ได้ทั้งหมด

สถานการณ์ตั้งต้นของโรงงานตัวอย่าง (ข้อมูลจากการรวบรวมงานวิจัยและกรณีศึกษาอุตสาหกรรม ปี 2023–2026):

• อัตราลาออกของพนักงานสายการผลิตสูง — ข้อมูล U.S. Bureau of Labor Statistics อ้างอิงในงานวิจัยภาคอุตสาหกรรม ระบุอัตรา Turnover ภาคการผลิตสหรัฐฯ ปี 2023 แตะระดับ 37% ต่อปี และภูมิภาคเอเชียตะวันออกเฉียงใต้เผชิญแรงกดดันในทิศทางเดียวกันจากภาวะแรงงานสูงวัยและการย้ายข้ามอุตสาหกรรม
• งานที่มอบหมายคนใหม่คืองานซ้ำ ๆ ความยากสูง อธิบายด้วยปากเปล่าแบบ Shadowing — คนใหม่ใช้เวลาเข้าใจงานนาน ผิดพลาดบ่อยในช่วง 3 เดือนแรก
• การลงทุน Cobot เพิ่มใน 2 สถานี ช่วยลดภาระงานหนักได้จริง แต่ Bottleneck ย้ายไปอยู่ที่ “ขั้นตอนที่ต้องใช้วิจารณญาณ” ที่ระบบอัตโนมัติทำแทนไม่ได้

Solution: ออกแบบงานรอบ “คน” ใน 4 ขั้นตอน

ขั้นที่ 1 — ทำ Task Inventory แยกงานตามลักษณะ

ทีมวิศวกรรมและ HR ร่วมกันแยกงานทุกขั้นตอนในไลน์ผลิตออกเป็น 3 กลุ่ม: (1) งานซ้ำ อันตราย หนัก (2) งานที่ต้องใช้วิจารณญาณ/ประสบการณ์ และ (3) งานที่คนกับเครื่องทำร่วมกันได้ ผลที่ได้ทำให้เห็นว่าการมอบหมายงานเดิมผิดที่: คนเก่งถูกผูกกับงานซ้ำ ๆ ที่เครื่องจักรควรทำแทน ขณะที่คนใหม่กลับถูกโยนงานที่ต้องใช้วิจารณญาณโดยไม่มีระบบช่วย

ขั้นที่ 2 — จัดสรรงานใหม่แบบ Human-Technology Collaboration

งานกลุ่ม (1) โอนให้ Cobot และระบบขนส่งอัตโนมัติ งานกลุ่ม (2) ออกแบบให้มี Digital Work Instructions รองรับ — คู่มือภาพเคลื่อนไหวบนแท็บเล็ตที่จุดทำงาน พร้อมระบบสอบถามเมื่อพบสิ่งผิดปกติ งานกลุ่ม (3) ใช้ระบบช่วยเหลือ (Assistance System) ที่คนตัดสินใจ ส่วนเครื่องจักรตรวจสอบความถูกต้องก่อนส่งงานต่อ (Error Proofing / Poka-Yoke แบบดิจิทัล)

ขั้นที่ 3 — สร้าง Skills Matrix และเส้นทางการเติบโต

สิ่งที่เปลี่ยนบริบทการอยู่ของคนงานคือการมองเห็นอนาคต: ทุกตำแหน่งมีทักษะที่ต้องพัฒนาชัดเจน (จาก Operator สู่ Line Technician สู่ Data Quality Checker) พร้อมบทเรียนสั้น 3–5 นาทีที่จุดทำงาน ข้อมูลนี้สอดคล้องกับงานวิจัยของ Manufacturing Institute ที่ของ Manufacturing Institute (สหรัฐฯ) พบว่าพนักงานอายุต่ำกว่า 25 ปีถึง 69% ให้น้ำหนัก “โอกาสฝึกอบรม” เป็นปัจจัยเลือกและอยู่กับนายจ้าง — และกรณีศึกษาผู้ผลิตชิ้นส่วนระดับโลกรายงาน Productivity เพิ่มราว 8% หลังใช้แนวทางนี้

ขั้นที่ 4 — วัดผลด้วย KPI ที่ครอบคลุมทั้งคนและเครื่องจักร

Results: สิ่งที่เปลี่ยนไปจริง

สามเดือนหลังปรับระบบ โรงงานพบว่าปัญหาที่เคยตีความว่า “ขาดคน” แท้จริงคือ “งานถูกออกแบบมาไม่ดี” — เมื่องานหนักซ้ำย้ายไปอยู่กับเครื่องจักร งานที่ต้องใช้วิจารณญาณมีระบบช่วยเหลือ และคนเห็นเส้นทางเติบโต ทั้งคุณภาพและอัตราคงอยู่ของคนงานดีขึ้นพร้อมกัน นี่คือแก่นของ Industry 5.0: เทคโนโลยีไม่ได้มาแทนคน แต่มา “ยกระดับงาน” ให้คน

ทีมงาน Honey Corporation มีประสบการณ์ติดตั้งระบบ IoT และ Digital Work Instructions ในโรงงานอุตสาหกรรมหลากหลายประเภท — จากงาน Monitoring อุณหภูมิตู้แช่ไปจนถึงระบบเก็บข้อมูลบนไลน์ผลิต เราเห็นซ้ำๆ ว่าโครงการที่เริ่มจากการออกแบบ “งานและคน” ก่อน แล้วค่อยเลือกเทคโนโลยีให้เข้ากับงาน จะติดตั้งราบรื่นและถูกใช้จริงในระยะยาว ต่างจากโครงการที่ซื้อเทคโนโลยีก่อนแล้วค่อยหาวิธีบังคับคนให้ใช้

บทเรียนสำหรับโรงงานไทย — เริ่มจากไหนได้บ้าง

1. เริ่มจาก Task Inventory 1 ไลน์ — ไม่ต้องรอโครงการใหญ่ ใช้เวลา 1–2 สัปดาห์แยกงานเป็น 3 กลุ่ม (ซ้ำ/วิจารณญาณ/ร่วมกันทำได้) แล้วดูว่ามีงานกลุ่มไหนที่มอบหมายผิดที่อยู่
2. เปลี่ยนคู่มือกระดาษเป็นดิจิทัลก่อน — Digital Work Instructions คือจุดเริ่มที่ต้นทุนต่ำแต่เห็นผลเร็วที่สุดของงาน Human-Centric และเป็นฐานข้อมูลสำหรับขั้นถัดไป
3. สร้าง Skills Matrix ให้เห็นเส้นทางเติบโต — ตัวเลข 69% ของพนักงานรุ่นใหม่ที่ให้น้ำหนักการฝึกอบรม คือเหตุผลเชิงธุรกิจว่าทำไมต้องทำ ไม่ใช่แค่เรื่อง HR สวยงาม
4. วัด Time-to-Productivity ของคนใหม่ — KPI นี้เชื่อมตรงระหว่างงาน HR กับผลกำไร และเป็นตัวชี้วัดที่ผู้บริหารเข้าใจได้ทันที
5. อย่าเอาเทคโนโลยีไปแทนที่งานที่ผิด — ถ้างานต้นทางออกแบบไม่ดี ระบบอัตโนมัติจะทำ “งานที่ไม่ดี” ให้เร็วขึ้นเท่านั้น การออกแบบงานก่อนคือเงื่อนไขความสำเร็จของ Automation ทุกชนิด