กรณีใช้งานตามสายงาน/แผนก

สร้างและปรับแต่งคำสั่งซื้อเบื้องต้น (Preliminary PO) โดยใช้ผลลัพธ์จาก LLM: กฎการปัด เลเวลความปลอดภัย และการรวมล็อต

สร้างและปรับแต่งคำสั่งซื้อเบื้องต้น (Preliminary PO) โดยใช้ผลลัพธ์จาก LLM: กฎการปัด เลเวลความปลอดภัย และการรวมล็อต ในยุคดิจิทัลที่เทคโนโลยี AI เข้ามามีบทบาทสำคัญ การจัดการโซ่อุปทาน (Supply Chain) ได้รับการยกระดับขึ้นอย่างมาก โดยเฉพาะการใช้ Large Language Models (LLM)

Read More
กรณีใช้งานตามสายงาน/แผนก

ออกแบบกระบวนการคำนวณความต้องการ (Demand Planning) ด้วย LLM: วิธีรวมข้อมูลยอดขาย ฤดูกาล และแนวโน้มตลาด

ออกแบบกระบวนการคำนวณความต้องการ (Demand Planning) ด้วย LLM: วิธีรวมข้อมูลยอดขาย ฤดูกาล และแนวโน้มตลาด ในโลกธุรกิจที่เปลี่ยนแปลงอย่างรวดเร็ว การพยากรณ์ยอดขายแบบเดิมอาจไม่เพียงพออีกต่อไป การ ออกแบบกระบวนการคำนวณความต้องการ (Demand Planning) ด้วย LLM (Large Language Models) กำลังกลายเป็นกุญแจสำคัญที่ช่วยให้ธุรกิจสามารถวิเคราะห์ข้อมูลมหาศาลได้อย่างแม่นยำ

Read More
กรณีใช้งานตามสายงาน/แผนก

ทำความเข้าใจเจตนาผู้ค้นหาและข้อมูลที่ต้องใช้สำหรับ LLM-assisted MRP ในแผนกซัพพลายเชน

ทำความเข้าใจเจตนาผู้ค้นหาและข้อมูลที่ต้องใช้สำหรับ LLM-assisted MRP ในแผนกซัพพลายเชน ในยุคที่เทคโนโลยีปัญญาประดิษฐ์ (AI) เข้ามามีบทบาทสำคัญในทุกอุตสาหกรรม การบริหารจัดการทรัพยากรการผลิต หรือ Material Requirements Planning (MRP) ในแผนกซัพพลายเชนก็กำลังก้าวเข้าสู่ยุคใหม่ที่เรียกว่า LLM-assisted MRP การนำ Large Language Models

Read More
กรณีใช้งานตามสายงาน/แผนก

แผนกซัพพลายเชน: ใช้ LLM-assisted MRP คำนวณความต้องการและจัดคำสั่งซื้อเบื้องต้นอย่างแม่นยำในองค์กรไทย

แผนกซัพพลายเชน: ใช้ LLM-assisted MRP คำนวณความต้องการและจัดคำสั่งซื้อเบื้องต้นอย่างแม่นยำในองค์กรไทย ในยุคที่ความผันผวนของตลาดโลกส่งผลกระทบโดยตรงต่อต้นทุนและการผลิต แผนกซัพพลายเชนในองค์กรไทยกำลังเผชิญกับความท้าทายครั้งใหญ่ การบริหารจัดการทรัพยากรด้วยระบบ Material Requirements Planning (MRP) แบบเดิมอาจไม่เพียงพออีกต่อไป การนำเทคโนโลยี LLM-assisted MRP เข้ามาประยุกต์ใช้ จึงเป็นกุญแจสำคัญที่จะช่วยให้การคำนวณความต้องการวัตถุดิบและการจัดทำคำสั่งซื้อเบื้องต้นมีความแม่นยำสูงขึ้น ลดข้อผิดพลาดจากมนุษย์ และตอบสนองต่อการเปลี่ยนแปลงของดีมานด์ได้อย่างทันท่วงที

Read More
การเชื่อมต่อระบบและออโตเมชันด้วย LLM

การตั้งค่า Cloud Functions + BigQuery เพื่อดึงข้อมูล ตัดแต่ง และทริกเกอร์การสร้างรายงานด้วย LLM

การตั้งค่า Cloud Functions + BigQuery เพื่อดึงข้อมูล ตัดแต่ง และทริกเกอร์การสร้างรายงานด้วย LLM ในยุคที่ข้อมูลมีปริมาณมหาศาล การเปลี่ยนข้อมูลดิบให้กลายเป็นรายงานที่มีความหมาย (Insightful Reports) คือความท้าทายสำคัญ วันนี้เราจะมาเจาะลึก การตั้งค่า Cloud Functions + BigQuery

Read More
การเชื่อมต่อระบบและออโตเมชันด้วย LLM

สถาปัตยกรรมระบบที่แนะนำ: การเชื่อมแหล่งข้อมูล การประมวลผลแบบเรียลไทม์ และการจัดเก็บใน BigQuery

สถาปัตยกรรมระบบที่แนะนำ: การเชื่อมแหล่งข้อมูล การประมวลผลแบบเรียลไทม์ และการจัดเก็บใน BigQuery ในยุคที่ข้อมูลมีค่าดั่งทองคำ การเข้าถึงข้อมูลที่รวดเร็วและแม่นยำกลายเป็นข้อได้เปรียบทางธุรกิจที่สำคัญ การออกแบบ สถาปัตยกรรมระบบที่แนะนำ สำหรับการประมวลผลข้อมูลแบบเรียลไทม์ (Real-time Processing) จึงเป็นหัวใจสำคัญที่ช่วยให้องค์กรสามารถตัดสินใจได้ทันท่วงที โดยเฉพาะการนำข้อมูลจากแหล่งต่างๆ มาประมวลผลและจัดเก็บไว้ใน Google BigQuery ซึ่งเป็น Data Warehouse

Read More
การเชื่อมต่อระบบและออโตเมชันด้วย LLM

ทำความเข้าใจเจตนาการค้นหาและประโยชน์ของการรวม BigQuery, Cloud Functions, และ LLM เพื่อสร้างรายงาน Insight รายสัปดาห์อัตโนมัติ

ทำความเข้าใจเจตนาการค้นหาและประโยชน์ของการรวม BigQuery, Cloud Functions, และ LLM เพื่อสร้างรายงาน Insight รายสัปดาห์อัตโนมัติ ในยุคที่ข้อมูลมีค่าดั่งทองคำ การเข้าถึงข้อมูลเพียงอย่างเดียวอาจไม่เพียงพออีกต่อไป สิ่งที่สำคัญกว่าคือการเปลี่ยนข้อมูลดิบเหล่านั้นให้กลายเป็น ‘Insight’ หรือข้อมูลเชิงลึกที่สามารถนำไปใช้งานได้จริง โดยเฉพาะอย่างยิ่งการ ทำความเข้าใจเจตนาการค้นหาและประโยชน์ของการรวม BigQuery, Cloud Functions, และ

Read More
การเชื่อมต่อระบบและออโตเมชันด้วย LLM

บูรณาการ BigQuery + Functions + LLM เพื่อสร้างรายงาน Insight รายสัปดาห์อัตโนมัติสำหรับองค์กรในไทย: แนวทางการออกแบบ ติดตั้ง และวัดผลเชิงปฏิบัติ

บูรณาการ BigQuery + Functions + LLM เพื่อสร้างรายงาน Insight รายสัปดาห์อัตโนมัติสำหรับองค์กรในไทย: แนวทางการออกแบบ ติดตั้ง และวัดผลเชิงปฏิบัติ ในยุคที่ข้อมูลเปรียบเสมือนน้ำมันดิบ องค์กรในประเทศไทยต่างเร่งปรับตัวสู่การเป็น Data-Driven Organization อย่างเต็มตัว แต่ความท้าทายที่พบบ่อยคือการเปลี่ยน ‘ข้อมูลดิบ’ ให้กลายเป็น

Read More