เป้าหมาย Capstone — สร้าง Prompt Library จริงสำหรับแผนกของตัวเอง วัดผล Before/After และนำเสนอต่อทีม
Workshop Activity — 5 กลุ่ม
แต่ละกลุ่มสร้าง Prompt template จากงานจริง ทดสอบกับ AI แล้วนำเสนอ output พร้อม evidence ว่าลดเวลาได้เท่าไร
1
Process Engineer
สร้าง Prompt template สำหรับ Kiln heat balance analysis ที่ใช้ทุกเดือน
Output: Prompt + ตัวอย่าง output จาก AI ที่ใช้งานได้จริง
2
Quality Control
สร้าง Few-Shot prompt สำหรับ classify defect type ใน Fiber Cement ให้ใช้ได้ทั้งทีม QC
Output: Few-shot template พร้อม 3 ตัวอย่าง + defect category list
3
Maintenance
สร้าง Prompt วางแผน Predictive Maintenance สายพาน 6 เดือนหน้า พร้อม criteria alert
Output: แผน PM ตาราง 6 เดือน + sensor threshold + แนวทาง alert
4
Planning Engineer
สร้าง Prompt สรุปแผนผลิต 14 วัน พร้อม KPI, changeover sequence, และ material requirement
Output: ตาราง 14 วัน + KPI daily + material list template
5
Manager / Supervisor
สร้าง Prompt สำหรับ automated executive summary รายสัปดาห์ที่ run ได้ทุกวันจันทร์เช้า
Output: Template prompt + ตัวอย่าง output + วิธีเชื่อมกับ Copilot
Prompt Library Template
รวบรวม prompt ที่ใช้ได้จริงของแต่ละแผนกลง SharePoint / Excel แล้วแชร์ทั้งทีม
| แผนก | Use Case | Framework | Prompt (สั้น) | เวลาที่ประหยัด |
|---|---|---|---|---|
| Process | วิเคราะห์ Blaine ผิดปกติ | CARE | "คุณคือ QC Eng. ค่า Blaine ลด [X] วิเคราะห์สาเหตุ + ตาราง" | 30 นาที → 5 นาที |
| QC | ร่าง NCR Report | RTF | "QC Eng. ร่าง NCR จาก defect batch นี้ ตาราง A4" | 45 นาที → 10 นาที |
| Maintenance | Troubleshoot vibration | TAG | "วิเคราะห์ vibration → หาสาเหตุ → แนะนำ PM action" | 1 ชม. → 15 นาที |
| Planning | Shift report summary | RTF | "สรุป shift เช้า bullet 5 ข้อ ภาษาทางการ" | 20 นาที → 3 นาที |
| Manager | Executive weekly brief | CARE | "สรุป KPI สัปดาห์นี้ เปรียบ target อธิบาย deviation > 5%" | 1 ชม. → 10 นาที |
| Process | DMAIC project setup | CARE | "สร้างโปรเจกต์ DMAIC แก้ปัญหา [X] ระบุแต่ละเฟส" | 2 ชม. → 20 นาที |
| Maintenance | แปลคู่มือ equipment | RTF | "แปลคู่มือ [ภาษา] → ไทย รักษา technical terms" | 3 ชม. → 30 นาที |
วัดผล Before/After
วัดผลลัพธ์จริงเพื่อให้เห็นคุณค่าและ justify การใช้ AI:
- เวลา: จับเวลางานเดิม เทียบกับเวลาที่ใช้ด้วย AI
- คุณภาพ: จำนวน revision ที่ต้องทำ — ลดลงหรือไม่
- ความสม่ำเสมอ: Output format ตรงกัน ลด human error
- ความพึงพอใจ: ทีมรู้สึกว่า AI ช่วยงานได้จริงหรือไม่
เป้าหมาย Capstone: มี Prompt Library ของแผนกที่ทุกคนใช้ร่วมกันได้ ลดเวลางานเฉลี่ยได้อย่างน้อย 30% ในงานที่นำ AI มาช่วย
ขั้นตอนถัดไป: นำ Prompt Library ไปต่อยอดสร้าง AI Agent — ดูได้ที่ AI for Engineers Series → สำหรับ modules ที่จะมาในอนาคต
🎓 เรียนครบ 7 Module แล้ว
วัดผลหลังเรียน — AI for Engineers
ทดสอบความเข้าใจ 10 ข้อครอบคลุมทุก Module มีเฉลยและคำอธิบายทุกข้อ เพื่อดูว่าพร้อม apply ในงานจริงแค่ไหน
เริ่มทดสอบหลังเรียน →