AspenTech ยิ้ม "วีนิไทย" เลือกซอฟต์แวร์ Aspen Mtell ปฏิรูปองค์กรด้านดิจิทัล มั่นใจซอฟต์แวร์ช่วยลดปัญหาการหยุดทำงานของระบบ และยกระดับความน่าเชื่อถือในการปฏิบัติงาน ย้ำเทรนด์องค์กรกลุ่มปิโตรเคมีในประเทศไทยใช้ซอฟต์แวร์ Aspen Mtell ยกระดับการบำรุงรักษาเชิงคาดการณ์และกำหนดล่วงหน้า เพื่อมุ่งเป็น Smart Factory
อภิชาติ กิจเจริญวิศาล ผู้จัดการโรงงาน แห่งวีนิไทย กล่าวว่า ในการยกระดับมาตรฐานสู่โรงงานอัจฉริยะ (Smart factory) วินีไทยได้วางแผนติดตั้งซอฟต์แวร์ Aspen Mtell เพื่อก้าวสู่ความเป็นเลิศในการปฏิบัติงานด้วยความสำเร็จในการประหยัดค่าใช้จ่ายและลดเวลาลงได้ตามเป้าหมาย
"ซอฟต์แวร์ Aspen Mtell จะช่วยให้โรงงานปิโตรเคมี 2 แห่งของเรา อันเป็นผู้ผลิตโพลีไวนิลคลอไรด์ (Polyvinyl Chloride : PVC) และไวนิลคลอไรด์มอนอเมอร์ (Vinyl Chloride Monomer : VCM) สามารถใช้ประโยชน์จากการทำงานด้วยปัญญาประดิษฐ์และศาสตร์การวิเคราะห์ขั้นสูง เพื่อให้ได้ผลผลิตมากขึ้น”
แอสเพ็นเทค (AspenTech) เป็นบริษัทซอฟต์แวร์อุตสาหกรรมเพิ่มประสิทธิภาพสินทรัพย์ (Asset optimization software) ให้แก่อุตสาหกรรมประเภท Capital-intensive Industry ลูกค้าหลักในประเทศไทยคือกลุ่มพลังงาน ปิโตรเคมี ก๊าซ น้ำมัน ถ่านหิน รวมถึงกลุ่มธุรกิจบรรจุภัณฑ์เอสซีจี และ IRPC สำหรับซอฟต์แวร์ Aspen Mtell มีขุมพลังเทคโนโลยีปัญญาประดิษฐ์ในการบรรลุความยั่งยืนทางธุรกิจ ทั้งนี้ วีนิไทยวางแผนติดตั้งซอฟต์แวร์ที่ทำงานด้านบำรุงรักษาเชิงคาดการณ์และกำหนดล่วงหน้า (Predictive and prescriptive maintenance) ทรงประสิทธิภาพนี้ไว้ที่โรงงานปิโตรเคมีในจังหวัดระยอง เพื่อลดปัญหาการหยุดการทำงานของระบบและเพิ่มความน่าเชื่อถือในการปฏิบัติงานของโรงงาน
ปราโมทย์กุมาร์ ลักขมาปีร์ ผู้อำนวยการฝ่ายขายภูมิภาคเอเชียตะวันออกเฉียงใต้ แห่งแอสเพ็น เทคโนโลยี อิงค์กล่าวเพิ่มเติมว่าในภาวะเศรษฐกิจที่มีความผันผวนและเปลี่ยนแปลงอย่างรวดเร็ว ธุรกิจต่างๆ จำเป็นต้องมีความคล่องตัวและมีประสิทธิภาพในการดำเนินงาน องค์กรต้องนำนวัตกรรมใหม่ๆ ล่าสุดมาใช้เร่งกระบวนต่างๆ เพื่อปฏิรูปด้านดิจิทัลให้บรรลุผลเร็วยิ่งขึ้น
"เรายินดีที่วีนิไทยได้ตัดสินใจร่วมเป็นพันธมิตรกับแอสเพ็นเทค และใช้การพัฒนาประสิทธิภาพและประสิทธิผลในการสร้างธุรกิจที่ยั่งยืนยิ่งขึ้น”
Aspen Mtell ถูกระบุว่าเป็นซอฟต์แวร์ที่มีประสิทธิภาพในการรวบรวมและประมวลรูปแบบของข้อมูลในการดำเนินงานและการบำรุงรักษาในอดีตได้แบบเรียลไทม์ เพื่อค้นหาสาเหตุถึงการหยุดทำงานของระบบที่แม่นยำ ซึ่งสามารถนำมาใช้จัดการด้านสินทรัพย์เสื่อมสภาพและเสียหาย รวมถึงสามารถช่วยคาดการณ์ก่อนการหยุดทำงานของระบบในอนาคต และช่วยวางแผนปฏิบัติงานอย่างละเอียดเพื่อลดปัญหาหรือแก้ไขปัญหาต่างๆ ด้วยการบำรุงรักษาเชิงคาดการณ์และกำหนดล่วงหน้า
