โรงหล่อ (foundry) ในไทยที่ผลิตชิ้นส่วน aluminum / iron / steel casting ให้ลูกค้า Tier 1 automotive และ electrical กำลังเจอ 3 แรงกดดันพร้อมกัน — ค่าแรงเพิ่ม + หาคนงาน fettling ยากขึ้น, ลูกค้า OEM เริ่ม audit operator safety (silica dust, HAVS), และ scrap rate จาก manual grinding ไม่ improve มาหลายปี · Robotic grinding + deburring cell คือคำตอบที่ใช้ได้จริงในตลาดเอเชียและจีนมานานกว่า 5 ปี — แต่การลงทุนต้องเข้าใจ taxonomy ของครีบจาก casting ที่ต่างจาก burr จาก machining โดยสิ้นเชิง
ทำไม Manual Grinding ใน Foundry ถึงไม่ Scale อีกต่อไป
ในโรงหล่อทั่วไป กระบวนการ fettling (ตัด gate, riser, เจียร flash, ปรับ parting line, ทำความสะอาดผิว) ใช้ 15-30% ของชั่วโมงแรงงานทั้งหมด* — มากกว่าทุกขั้นตอนรวมกัน · ปัญหา 4 ข้อที่ทำให้ระบบ manual ไปต่อไม่ไหวในยุคปัจจุบัน:
- Labor scarcity + cost — งาน fettling เป็นงานหนัก เสียงดัง ฝุ่นมาก · คนรุ่นใหม่ไม่อยากทำ · ค่าจ้างเพิ่มขึ้นต่อเนื่อง · turnover สูง → cost ของการ recruit + train ทบทุกปี
- Operator safety liability — silica dust (RCS) จาก sand residue ก่อ silicosis + lung cancer (IARC Group 1 carcinogen) · vibration จาก angle grinder ทำให้ Hand-Arm Vibration Syndrome (HAVS) · ทั้งสองเป็น compensable injury ใน EU + ญี่ปุ่น + เกาหลี — ลูกค้า OEM เริ่ม audit ในไทย
- Inconsistency = scrap + rework — operator แต่ละคนมีฝีมือต่างกัน · ชิ้นเดียวกันออกจากเตามาที่ดูเหมือนกัน แต่หลัง fettling มี dimension variation 0.2-0.8 mm* → reject จาก downstream machining
- Throughput ผูกกับจำนวนคน — ต้องการเพิ่ม output 30% = ต้องการคน 30% · ขยายไม่ได้ในระยะสั้น · เครื่องจักรที่ทำงาน 24/7 แก้ปัญหานี้
Burr Taxonomy — ครีบจาก Casting มี 6 ประเภทใหญ่
ครีบจาก casting ต่างจาก burr จาก machining (turning, milling, drilling) อย่างชัดเจน — burr จาก machining มีตำแหน่งและขนาดที่คาดเดาได้สูง · ครีบจาก casting มี geometry และ root cause ต่างกัน 6 ประเภท ซึ่งต้องการ recipe ของ robotic finishing ต่างกัน:
| ประเภท | ตำแหน่ง / Geometry | Root Cause | Robotic Solution |
|---|---|---|---|
| Flash / Parting Line | เส้นรอบ part ที่ mold ปิด · บางและยาว | Mold ปิดไม่สนิท / overpressure | Force-controlled belt grinding ตามเส้น |
| Gate Scar | จุดที่ molten metal ไหลเข้า · หนาและเฉพาะจุด | Gate ตัดไม่ถึงโคน | Wheel grinding + vision localization |
| Riser Scar | จุดป้อน feed metal · เฉพาะ part หนา | Riser ตัดด้วย bandsaw / oxy-fuel | High-removal disc grinding + force control |
| Ejector Pin Mark | วงกลม ø6-15mm บน die casting | Pin push out part จาก die | Spot grinding + adaptive depth |
| Core Flash | ภายในรู / cavity จาก sand core | Sand core ขยับ / break | Brush deburring + internal tool path |
| Drill / Cut Burr | ขอบรู / edge หลัง secondary cut | Tool exit shear | Brush + reciprocating tool |
หมายเหตุ: Part เดียวมักมีครีบหลายประเภทพร้อมกัน · robotic cell ที่ใช้ได้จริงต้องรองรับ multi-tool ATC (Automatic Tool Changer) ที่สลับ tool ได้ภายใน cycle เดียว — เช่น belt grinder สำหรับ flash, wheel grinder สำหรับ gate, brush สำหรับ internal deburring
4 เทคโนโลยีหลักที่ทำให้ Robotic Finishing ใช้ได้จริง
Constant Contact Pressure ไม่ว่าครีบหนาบาง
Robot ทั่วไปทำงานแบบ position-control (ไปจุดที่กำหนด) — แต่ครีบจากหล่อมีขนาดต่างกันชิ้นต่อชิ้น · position-control อย่างเดียวจะกินเนื้อ base material บ้าง / ทิ้งครีบบ้าง · Force-controlled robot มี force/torque sensor → ควบคุมแรงกดสัมผัสผิวให้คงที่ → surface finish สม่ำเสมอ
- Active compliance — robot ปรับ position real-time จาก feedback ของ sensor (mature technology, มี standard library ใน FANUC, ABB, KUKA)
- Passive compliance — spindle เองมี spring/pneumatic mechanism · raw, cost ต่ำกว่า, latency สั้นกว่า
- Hybrid approach — ใช้ทั้งคู่: passive ที่ tool head + active ที่ robot path
กล้อง 2D/3D สแกน Contour ก่อน Grinding
Vision system มี 2 บทบาท: (1) Part recognition + localization — robot รู้ว่าชิ้นงานวางผิดทิศแค่ไหน → แก้ path อัตโนมัติ ไม่ต้อง fixture ละเอียด · (2) Burr detection + adaptive path — กล้องสแกน contour เทียบกับ CAD reference → ระบบหาครีบจริง → ปรับ tool path และแรงกดเฉพาะจุดนั้น
- ระบบใหม่ใช้ deep learning train จากภาพครีบหลายร้อย-พันรูป → จำแนกประเภทครีบ (จาก 6 ประเภท) → เลือก recipe อัตโนมัติ
- ลด programming time จากเป็นวัน → เป็นชั่วโมง สำหรับ part ใหม่
Multi-Tool Cell ทำงานครบจบใน Cycle เดียว
เนื่องจากครีบจากหล่อมีหลายประเภทต่อชิ้น → cell ที่ใช้ได้จริงต้องมี multi-tool ATC ที่ robot ปลด-สวม tool ได้ภายใน cycle
- Belt grinder — สำหรับ flash + parting line (เส้นยาว)
- Wheel/disc grinder — สำหรับ gate, riser (high material removal)
- Spindle + burr — สำหรับ internal cavity, ejector marks
- Wire brush + buff — สำหรับ surface cleaning, edge break
- Probing tool — สำหรับ in-process measurement (optional)
Production Data Bridge สำหรับ Tier 1 Audit
ลูกค้า Tier 1 OEM (Toyota, Denso, Bosch, Aapico, Thai Summit) ต้องการ traceability ระดับ part — กรณีลูกค้ามี recall ต้องตามได้ว่าชิ้นนั้น grinding ที่เครื่องไหน เมื่อไหร่ ใช้ recipe ไหน · cell สมัยใหม่ทำได้:
- Recipe-based — เลือก recipe จาก barcode / RFID ของ part
- SPC log — บันทึก force, tool wear, cycle time ทุก part
- Predictive maintenance — alert ก่อน belt / wheel หมดอายุ
- Dashboard sync — MES ของโรงงาน + traceability layer
Manual vs Robotic — ตารางเปรียบเทียบ
เปรียบเทียบกระบวนการ fettling แบบ manual vs robotic ที่ throughput ใกล้เคียงกัน (~80-150 ชิ้น/ชั่วโมง สำหรับ aluminum casting ขนาดกลาง):
| มิติ | Manual Grinding | Robotic Cell |
|---|---|---|
| Cycle time / part | 60-180 วินาที (variable) | 30-90 วินาที (consistent) |
| Output / shift | ~200-400 ชิ้น/operator | ~600-1,200 ชิ้น/cell* |
| Dimension variation | ±0.2-0.8 mm* | ±0.05-0.15 mm* |
| Surface Ra (typical) | 3.2-6.3 μm | 1.6-3.2 μm |
| Silica dust exposure | สูง (PEL violation risk) | >90% reduction* |
| HAVS risk | มี (cumulative) | ไม่มี |
| Labor / cell | 2-4 operator × shift | 1 load/unload + 0.5 support |
| Scalability | ผูกกับ headcount | เพิ่ม cell = เพิ่ม capacity |
| Quality traceability | ผ่าน operator log (ขัด audit) | auto-log ทุก part (IATF-friendly) |
| CAPEX relative | 1.0× | 3-6× (recover ใน 2-4 ปี)* |
| OPEX (labor + consumable) | สูง — ขึ้นทุกปี | ต่ำกว่า — มี predictable belt + wheel cost |
*ค่าประมาณการจากการสำรวจ benchmark โครงการ robotic fettling ในอุตสาหกรรม casting — ค่าจริงต่างกันตาม part complexity, current labor rate, scrap baseline, electricity tariff และโครงสร้างต้นทุนของโรงงาน · ตัวเลข reference จาก ABB Robotics white paper "The Foundry of the Future" และ NIOSH Hazard Review on Crystalline Silica
Process Flow ของ Robotic Finishing Cell ที่ Mature
Cell ที่ใช้ได้จริงในการ production มี 5 ขั้นตอนหลัก — operator อยู่นอก cell ตลอดเวลาที่ robot ทำงาน:
Operator วาง Part บน Conveyor / Fixture
Operator วางชิ้นงานบน input conveyor หรือ fixture ที่ไม่ต้อง align ละเอียด · barcode/RFID หรือ vision auto-identify ประเภท part → ดึง recipe จาก database · ขั้นตอนนี้ใช้เวลา 5-10 วินาที/ชิ้น และเป็น ขั้นเดียวที่คนต้องสัมผัส part
Vision สแกน + ปรับ Tool Path
3D camera หรือ laser scanner สแกน contour ของ part — เปรียบเทียบกับ CAD reference → ระบุครีบจริง · adaptive path adjustment จับ deviation จาก nominal · ขั้นตอนนี้ใช้เวลา 3-10 วินาที
Robot สลับ Tool ตาม Burr Type
Robot ดำเนินการ tool sequence: belt grinder → wheel grinder → spindle burr → brush · แต่ละ tool ใช้ force control + recipe เฉพาะประเภทครีบ · ระบบ dust extraction + coolant (ถ้าจำเป็น) ทำงานต่อเนื่อง · ขั้นตอนนี้ใช้เวลา 30-90 วินาที
Vision Re-Scan + Decision
หลัง grinding · vision สแกนซ้ำ → ตรวจ dimension + surface · ถ้า out-of-spec → rework loop หรือ reject lane · ถ้า OK → log ผลใน SPC database · ขั้นตอนนี้ใช้เวลา 5-15 วินาที
Output Conveyor + Tracking
Part ออก output conveyor พร้อม pass/fail marker · operator (หรือ AGV) นำไปขั้นถัดไป · ขั้นตอนนี้คู่ขนานกับ Stage 01 ของชิ้นถัดไป → cell ทำงานต่อเนื่อง
Total Cycle (typical)
Casting Burr Taxonomy Reference (PDF)
One-page reference card — 6 ประเภทครีบจาก casting × root cause × robotic solution mapping · ใช้ติดข้าง production line สำหรับ engineer + operator อ้างอิงในการประเมิน automation feasibility
Decision Checklist — โรงหล่อพร้อม Robotic Cell หรือยัง?
Self-Check: Foundry ของคุณพร้อม Robotic Finishing หรือไม่?
- Volume ของ part family หลัก ≥ 30,000 ชิ้น/ปี (Yes/No)
- กำลังเจอปัญหา recruit หรือ retention ของ grinder operator (Yes/No)
- ลูกค้า OEM เริ่มถามเรื่อง operator safety / silica audit (Yes/No)
- Scrap rate จาก dimension variation หลัง fettling ≥ 1% (Yes/No)
- มี electrical capacity เหลือ ≥ 30 kW (3-phase) สำหรับ cell ใหม่ (Yes/No)
- Part มี burr pattern ที่ทำซ้ำได้ (ไม่ใช่ defect random ต่อชิ้น) (Yes/No)
ตอบ Yes 3-4 ข้อ: มี gap ที่แก้ได้ — เริ่มจาก feasibility study + part standardization · พิจารณา semi-automated grinding ก่อน
ตอบ Yes ≤ 2 ข้อ: ยังไม่ใช่จังหวะ — focus ที่ part standardization + volume consolidation ก่อน
3 ข้อผิดพลาดที่พบบ่อยเมื่อเริ่มใช้ Robotic Finishing
- ซื้อ robot ทั่วไปไม่มี force control แล้วหวังว่าจะเขียน program ให้แทน — Position-control programming ไม่สามารถ compensate ครีบที่ขนาดต่างกันได้ → over-grind / under-grind สลับกัน · แก้: spec force/torque sensor ใน RFQ ตั้งแต่ต้น
- ใช้ fixture ที่ละเอียดเกินจำเป็น — ทำให้ setup ใหม่ทุกครั้ง part เปลี่ยน → loss flexibility · แก้: ใช้ vision-guided localization แทน fixture ละเอียด · cell ใช้กับ multiple part family ได้
- ไม่วางแผน tool life management + spare consumables — Belt + wheel + brush มีอายุจำกัด · ถ้าหมดแล้วต้อง stop production = downtime cost สูง · แก้: spec predictive maintenance + spare consumables 3-6 เดือนใน contract
สรุป — Robotic Finishing = Manufacturing Decision ไม่ใช่ Automation Project
การลง robotic grinding/deburring cell ไม่ใช่การซื้อเครื่อง CNC ใหม่ — เป็นการ เปลี่ยน manufacturing architecture ของ foundry จาก labor-bound เป็น capacity-bound, จาก operator-dependent quality เป็น recipe-based consistency, และจาก audit-vulnerable safety เป็น traceable compliance · ผลกระทบที่ตามมา (HR strategy, lean cell layout, SPC integration) ใหญ่กว่าตัวเครื่องเอง · เหมาะกับโรงหล่อที่:
- Volume ≥ 30,000 ชิ้น/ปี ต่อ part family หลัก
- เจอปัญหา labor shortage หรือ rising labor cost
- ลูกค้า OEM Tier 1 audit operator safety + traceability
- Scrap rate จาก fettling-induced variation ≥ 1%
บทความถัดไปในซีรีส์นี้จะลงลึกเรื่อง การเลือก end-effector + tool stack สำหรับ aluminum die casting, iron sand casting, และ steel investment casting · รวมถึง trade-off ระหว่าง belt vs wheel vs brush และ tool life economics ในตลาดไทย
