Agentic AI for Industrial Applications

ระยะเวลา: 18 ชั่วโมง | 7 สัปดาห์
รูปแบบการเรียน: เรียนออนไลน์แบบ Live + Workshop ณ สถานที่จริง
กลุ่มเป้าหมาย: ผู้ขับเคลื่อนการเปลี่ยนแปลง (Change Agents) ในภาคอุตสาหกรรม
จำนวนผู้เรียน: ไม่เกิน 25 คนต่อรุ่น

 

เป้าหมายการเรียนรู้ของหลักสูตร

พัฒนาผู้เรียนจาก “ผู้ใช้งาน AI” ไปสู่บทบาท Change Agent ที่สามารถออกแบบและพัฒนา Agentic AI เพื่อเพิ่มประสิทธิภาพกระบวนการทำงานในโรงงาน อย่างปลอดภัย ใช้งานได้จริง และสามารถขยายผลได้ในระดับองค์กร

 

เส้นทางการพัฒนาทักษะ (Learning Path)

• ผู้ใช้งาน AI
• ผู้ออกแบบงานให้ AI
• ผู้ออกแบบ AI Agent
• ผู้ออกแบบ Agentic Workflow
• Change Agents ในภาคอุตสาหกรรม

 

สรุปหลักสูตรรายสัปดาห์

สัปดาห์	Class	วัน	เวลา	รูปแบบ	หัวข้อ
1	1	Tue	20:00–21:00	Online	ความเข้าใจ Agentic AI ในบริบทอุตสาหกรรม
	2	Thu	20:00–21:00	Online	การคิดเชิงกระบวนการเพื่อออกแบบ Agentic AI
2	3	Tue	20:00–21:00	Online	Prompting สำหรับวิเคราะห์และสนับสนุนการตัดสินใจในโรงงาน
	4	Thu	20:00–21:00	Online	การออกแบบงานของ AI Agent
3	5	Tue	9:00-12:00	Workshop	n8n Workshop: การสร้าง Agentic Automation
4	6	Tue	20:00–21:00	Online	การเตรียมข้อมูลสำหรับ Agentic AI ในอุตสาหกรรม
	7	Thu	20:00–21:00	Online	การสร้าง Knowledge Agent ให้เข้าใจ SOP และWork Instruction
5	8	Thu	9:00-12:00	Workshop	การออกแบบและพัฒนา Agentic AI แบบครบวงจร
6	9	Tue	9:00-12:00	Workshop	Mentored Workshop: Agentic AI Project Clinic
7	10	Thu	9:00-12:00	Workshop	Capstone Project: การนำเสนอโครงการ Agentic AI

* Workshop ที่ บริษัท อมตะ ฟาซิลิตี้ เซอร์วิส นิคมอุตสาหกรรมอมตะ ชลบุรี

 

โครงสร้างหลักสูตรรายสัปดาห์

สัปดาห์ที่ 1 จาก 7

Class 1 (เรียนออนไลน์ – 1 ชั่วโมง)
ความเข้าใจ Agentic AI ในบริบทอุตสาหกรรม
หัวข้อการเรียนรู้

• ความแตกต่างระหว่าง Generative AI และ Agentic AI
• กรณีการใช้งาน AI ในโรงงาน และข้อจำกัดที่ต้องคำนึงถึง
• บทบาทของ Change Agents ในการขับเคลื่อนการเปลี่ยนแปลงด้วย AI
• ความเสี่ยง ข้อจำกัด และจุดล้มเหลวที่พบบ่อยของโครงการ Agentic AI ในโรงงาน

ผลลัพธ์การเรียนรู้
ผู้เรียนสามารถ:

• อธิบายความแตกต่างระหว่าง Generative AI และ Agentic AI ได้อย่างชัดเจน
• ระบุงานในโรงงานที่เหมาะสมต่อการนำ Agentic AI ไปใช้
• ตระหนักถึงความเสี่ยงและข้อจำกัดของการใช้ Generative AI ในบริบทโรงงาน

Class 2 (เรียนออนไลน์ – 1 ชั่วโมง)
การคิดเชิงกระบวนการเพื่อออกแบบ Agentic AI
หัวข้อการเรียนรู้

• การมองงานโรงงานในมุมมองเชิงกระบวนการ (Process-based Thinking)
• การแยกงาน (Task Decomposition) ในงานผลิตและงานปฏิบัติการ
• จุดตัดสินใจของคน เทียบกับจุดที่สามารถให้ AI ทำงานแทนได้
• หลักการออกแบบ Human-in-the-loop

ผลลัพธ์การเรียนรู้
ผู้เรียนสามารถ:

• แยกงานจริงในโรงงานออกเป็นขั้นตอนเชิงโครงสร้าง
• ระบุจุดที่ AI สามารถช่วยสนับสนุนหรือทำงานแทนได้
• มองเห็นโอกาสในการนำ AI ไปผสานกับกระบวนการทำงานเดิม

สัปดาห์ที่ 2 จาก 7

Class 3 (เรียนออนไลน์ – 1 ชั่วโมง)
Prompting สำหรับวิเคราะห์และสนับสนุนการตัดสินใจในโรงงาน
หัวข้อการเรียนรู้

• เทคนิคการเขียน Prompt สำหรับข้อมูลที่ไม่ครบถ้วนหรือไม่เป็นโครงสร้าง
• การเพิ่มความน่าเชื่อถือและความสม่ำเสมอของผลลัพธ์จาก AI
• การใช้ Prompt เพื่อวิเคราะห์ปัญหา (Root Cause) และรายงานเหตุการณ์

ผลลัพธ์การเรียนรู้
ผู้เรียนสามารถ:

• ออกแบบ Prompt เพื่อให้ AI วิเคราะห์งานอุตสาหกรรมอย่างเป็นระบบ
• ใช้ AI ช่วยงานวิเคราะห์และจัดทำเอกสารจากข้อมูลหลากหลายแหล่ง
• ลดเวลาที่ใช้ในงานวิเคราะห์และการจัดทำรายงานการปฏิบัติการ

Class 4 (เรียนออนไลน์ – 1 ชั่วโมง)
การออกแบบงานของ AI Agent
หัวข้อการเรียนรู้

• หลักการออกแบบ AI Agent (Role-based AI Agent Design)
• การแบ่งหน้าที่ระหว่างมนุษย์และ AI
• แนวคิดการตรวจสอบผลลัพธ์ของ AI เช่น Scenario-based Testing และ Cross Check ผลลัพธ์ Checker Agents

ผลลัพธ์การเรียนรู้
ผู้เรียนสามารถ:

• กำหนดบทบาทของ AI Agent ให้สอดคล้องกับงานในโรงงาน
• ออกแบบ AI Agent ที่ทำงานเป็นลำดับขั้นได้
• คาดการณ์และลดความเสี่ยงจากความผิดพลาดของ AI

สัปดาห์ที่ 3 จาก 7

Class 5 (Workshop – 3 ชั่วโมง)
n8n Workshop: การสร้าง Agentic Automation สำหรับงานอุตสาหกรรม
หัวข้อการเรียนรู้

• แนะนำเครื่องมือ n8n สำหรับงานอัตโนมัติในโรงงาน
• การออกแบบ Workflow ที่มี AI เป็นส่วนหนึ่งของกระบวนการ
• การเชื่อมต่อ AI กับไฟล์ ฟอร์ม อีเมล และข้อมูลการปฏิบัติงาน
• การออกแบบ Human-in-the-loop และการจัดการกรณีผิดปกติ

ผลลัพธ์การเรียนรู้
ผู้เรียนสามารถ:

• ออกแบบ Agentic AI Workflow พื้นฐานด้วย n8n
• เชื่อม AI Agent เข้ากับระบบงานอัตโนมัติ
• ประยุกต์ Automation กับปัญหาในโรงงาน

สัปดาห์ที่ 4 จาก 7

Class 6 (เรียนออนไลน์ – 1 ชั่วโมง)
การเตรียมข้อมูลสำหรับ Agentic AI ในอุตสาหกรรม
หัวข้อการเรียนรู้

• ประเภทข้อมูลในโรงงานและความพร้อมต่อการใช้ AI ประเด็นด้านความปลอดภัย และความเป็นส่วนตัว
• การเตรียมข้อมูลเพื่อรองรับการใช้งาน AI Agent พร้อมตัวอย่าง
• แนวคิด Retrieval-Augmented Generation (RAG) และฐานข้อมูลเวกเตอร์

ผลลัพธ์การเรียนรู้
ผู้เรียนสามารถ:

• ระบุข้อมูลที่สามารถใช้กับ AI Agent ได้อย่างปลอดภัย
• เตรียมข้อมูลเชิงโครงสร้างสำหรับงาน AI
• ประยุกต์แนวคิด RAG และฐานข้อมูลเวกเตอร์ในการสนับสนุน Agentic AI

Class 7 (เรียนออนไลน์ – 1 ชั่วโมง)
การสร้าง Knowledge Agent ให้เข้าใจ SOP และ Work Instruction ของส่วนงาน
หัวข้อการเรียนรู้

• ลักษณะขององค์ความรู้ในภาคอุตสาหกรรม
• การแปลง SOP และ WI ให้ AI เข้าใจและใช้งานได้
• การกำหนดเงื่อนไขให้ AI ทำงานตามมาตรฐาน
• กรณีใช้งาน Knowledge Agent ในงานผลิต ควบคุมคุณภาพ และซ่อมบำรุง

ผลลัพธ์การเรียนรู้
ผู้เรียนสามารถ:

• สร้าง Knowledge Agent ตามตามมาตรฐานโรงงาน
• จำกัดขอบเขตการตอบของ AI ให้อยู่ในกรอบงานที่กำหนด

สัปดาห์ที่ 5 จาก 7

Class 8 (Workshop – 3 ชั่วโมง)
Workshop: การออกแบบและพัฒนา Agentic AI แบบครบวงจร
หัวข้อการเรียนรู้

• การบูรณการ AI Agent, Knowledge และ Automation เป็นระบบเดียว
• การปรับปรุง Logic และ Workflow ของ AI Agent
• การประเมิน Agentic AI ในด้านกระบวนการ ผลลัพธ์ และความคุ้มค่า
• การเตรียมข้อมูลและระบบสำหรับการใช้งานจริงสำหรับโครงการนำร่อง (Capstone Project)

ผลลัพธ์การเรียนรู้
ผู้เรียนสามารถ:

• จัดเตรียมข้อมูลและออกแบบระบบ Agentic AI ที่สอดคล้องกับกระบวนการทำงาน
• ประเมินผลของการประยุกต์ใช้ Agentic AI ในโรงงาน
• เตรียมโซลูชันที่พร้อมสำหรับการทดลองใช้งาน

สัปดาห์ที่ 6 จาก 7

Class 9 (Mentored Workshop – 3 ชั่วโมง)
Workshop: Agentic AI Project Clinic
หัวข้อการเรียนรู้

• การทบทวนโครงการ Agentic AI ในมุมเทคนิคและการใช้งานจริง
• การระบุความเสี่ยง ช่องว่าง และจุดล้มเหลวของระบบ
• การปรับปรุง Human-in-the-loop และการควบคุมด้านมาตรฐาน
• การวิเคราะห์ผลกระทบของโครงการ Agentic AI

ผลลัพธ์การเรียนรู้
ผู้เรียนสามารถ:

• วิเคราะห์และปรับปรุงโครงการ Agentic AI ให้พร้อมใช้งานจริง
• ระบุและลดความเสี่ยงในกระบวนการ ผลลัพธ์ และผลกระทบ
• กำหนดจุดตัดสินใจที่ต้องใช้มนุษย์อย่างเหมาะสม
• อธิบายผลกระทบของโครงการต่อผู้มีส่วนได้ส่วนเสีย

สัปดาห์ที่ 7 จาก 7

Class 10 (Capstone – 3 ชั่วโมง)
Capstone Project: การนำเสนอโครงการ Agentic AI
หัวข้อการเรียนรู้

• การสรุปภาพรวมของโครงการ Agentic AI
• การรับข้อเสนอแนะและปรับปรุงโครงการ
• วางแนวทางการขยายผลและ Roadmap ระยะถัดไป

ผลลัพธ์การเรียนรู้
ผู้เรียนสามารถ:

• นำเสนอ Agentic AI Project ที่ใช้งานได้กับองค์กรของตน
• อธิบายข้อจำกัดที่ส่งผลต่อความสำเร็จของโครงการ
• มีความพร้อมในการทำหน้าที่ AI Change Agent ในองค์กร

วิทยากร

• อ. ผรณกษม อินทรทัต อาจารย์คณะโลจิสติกส์ ม.บูรพา และ Founder and CEO, SCALA Lab
• รศ.ดร. ณกร อินทร์พยุง ที่ปรึกษาคณบดีคณะโลจิสติกส์ ม.บูรพา และ Director, Center of Future Mobility (NDRIVE)
• รศ.ดร. กฤษณะ ชินสาร ผู้อำนวยการ Eastern Software Park และอดีตคณบดีวิทยาการสารสนเทศ ม.บูรพา
• รศ. วิรุฬห์ ศรีบริรักษ์ นายกสมาคมสมองกลฝังตัวไทย และอาจารย์คณะวิศวกรรมศาสตร์ ม.บูรพา

Powered by

MaLern Academy แพลตฟอร์ส่งเสริมการเรียนรู้ตลอดชีวิต Malern.co

Faculty

Sorry no post found.