คำนวณจำนวน AMR ที่ต้องใช้จริง: สูตร Cycle Time สำหรับคลังสินค้าไทย 2026

TL;DR — ความผิดพลาดที่พบบ่อยที่สุดในการซื้อ AMR ในไทยไม่ใช่การเลือกแบรนด์ผิด แต่คือการ ประมาณจำนวนผิด ซื้อน้อยเกินทำให้ Throughput ไม่ถึงเป้า ซื้อมากเกินทำให้ ROI ยืดยาวเกิน 5 ปี บทความนี้ให้สูตรคำนวณ Fleet Size จาก Throughput, Cycle Time และ Utilization Rate พร้อมตัวอย่างจริงจากคลังสินค้าไทย และ Checklist ก่อนสั่งซื้อ

ทำไมคลังสินค้าไทยถึงมักประมาณจำนวน AMR ผิด

ผู้จัดการคลังสินค้าส่วนใหญ่ในไทยที่ตัดสินใจซื้อ AMR หรือ AGV มักพึ่งพาตัวเลขจากผู้จำหน่ายเพียงอย่างเดียว ซึ่งมีแรงจูงใจในการ Pitch Fleet ขนาดใหญ่กว่าที่จำเป็น ในทางกลับกัน บางรายก็ซื้อน้อยเกินเพราะงบจำกัด แล้วค่อยมาพบว่าระบบรับ Throughput ไม่ไหวในช่วง Peak

ข้อมูลจาก International Federation of Robotics (IFR) ระบุว่าโครงการ AMR ที่ล้มเหลวหรือต้องขยาย Fleet กะทันหันในปีแรก ส่วนใหญ่เกิดจากการ Sizing ผิดตั้งแต่ต้น ไม่ใช่ปัญหาตัวหุ่นยนต์หรือซอฟต์แวร์

ปัจจัยเฉพาะในไทยที่ทำให้การประมาณยากขึ้น:

• Seasonal Spike สูงมาก: คลัง E-Commerce และ Retail ในไทยมี Throughput ช่วง 11.11, 12.12 และก่อนสงกรานต์สูงกว่า Average ได้ถึง 2–3 เท่า
• Multi-Shift ที่ Throughput ไม่เท่ากัน: กะดึก (22.00–06.00) มักมี Throughput ต่ำกว่ากะหลัก 30–40% แต่หุ่นยนต์ยังต้องวิ่งอยู่
• Throughput จริงต่ำกว่าที่ Plan ไว้: จากประสบการณ์ของผู้ติดตั้งในภูมิภาค Throughput จริงในเดือนแรกมักต่ำกว่าเป้าหมาย 20–30% เพราะ Process ยังไม่ Optimize

สูตรหลัก: คำนวณจำนวน AMR ที่ต้องการ

สูตรพื้นฐานในการคำนวณ Fleet Size คือ:

จำนวน AMR = ⌈(Throughput ต่อชั่วโมง × Cycle Time ต่อเที่ยว [นาที]) / (60 × Utilization Rate)⌉

อธิบายแต่ละตัวแปร:

ตัวแปร	คำอธิบาย	ค่าปกติในคลังไทย
Throughput ต่อชั่วโมง	จำนวนพาเลท/ออร์เดอร์/ทริปที่ต้องการต่อชั่วโมง	30–120 ทริป/ชั่วโมง
Cycle Time (นาที)	เวลาเฉลี่ยทั้งหมด 1 เที่ยว รวมรอ + ชาร์จตามสัดส่วน	5–15 นาที
Utilization Rate	สัดส่วนเวลาที่หุ่นยนต์กำลัง Active	เป้าหมาย 0.75–0.85

ตัวเลข Rounded Up (เครื่องหมาย ⌈ ⌉) เสมอ เพราะหุ่นยนต์ไม่สามารถแบ่งครึ่งได้

Cycle Time คืออะไรและคำนวณอย่างไร

Cycle Time คือเวลารวมทั้งหมดที่ใช้ในการทำ 1 ทริป ประกอบด้วย 5 ส่วน:

1. Travel Time (ขาไป): ระยะทางเฉลี่ยจากจุดรับสินค้าไปยังจุดส่ง ÷ ความเร็วเฉลี่ยจริง

• AMR คลังสินค้าทั่วไปมีความเร็วสูงสุด 1.0–1.8 m/s แต่ความเร็วจริงในพื้นที่ที่มีคนและสิ่งกีดขวางอยู่ที่ 0.6–1.0 m/s เฉลี่ย
• คลังขนาด 10,000 ตร.ม. มี Average Travel Distance ประมาณ 60–120 เมตรต่อเที่ยว

2. Pick/Drop Time: เวลาที่หุ่นยนต์รอขณะ Load/Unload สินค้า

• แบบ Manual (คนวาง): 20–45 วินาที
• แบบ Conveyor Interface: 10–20 วินาที
• แบบ Forklift Interface: 30–60 วินาที

3. Travel Time (ขากลับ): มักเร็วกว่าขาไปเล็กน้อย (ไม่มีสินค้า ความเร็วสูงกว่า)

4. Idle/Queue Time: เวลารอ Task ถัดไปหรือรอ Slot ที่ Workstation

• ค่านี้ลดลงได้ด้วย Fleet Management Software ที่ดี แต่ไม่มีทางเป็น 0

5. Charging Time (ตามสัดส่วน): ต่อทริป

• ถ้า AMR มีแบตเตอรี่ใช้ได้ 8 ชั่วโมง ชาร์จ 2 ชั่วโมง หมายความว่า 20% ของเวลาทั้งหมดคือชาร์จ
• Cycle Time จริง = เวลาวิ่ง × 1.25 (เผื่อ Charging Overhead 20%)

Utilization Rate: เส้นแบ่งระหว่างกำไรและขาดทุน

Utilization Rate คือ % ของเวลาที่ AMR กำลังทำงาน Active เทียบกับเวลารวม

Utilization Rate	ความหมาย
< 70%	ซื้อมากเกิน / Process ยังไม่ Ready
70–75%	ปกติสำหรับ Phase เริ่มต้น
75–85%	Sweet Spot ที่แนะนำ
85–90%	ยังพอได้ แต่ต้องเฝ้าระวัง Peak
> 90%	ระบบเปราะ แม้แต่ Disruption เล็กน้อยทำให้ล้น

สำหรับคลังสินค้าที่ทำงาน 3 Shift ในไทย ควรคำนวณ Utilization แยกตาม Shift แล้วเลือก Fleet Size ให้ครอบกะที่ Throughput สูงสุด กะดึกที่ Throughput ต่ำกว่าจะมี Utilization ต่ำกว่าตามธรรมชาติ ซึ่งไม่ใช่ปัญหา

ตัวอย่างจริง: คลัง 3PL ขนาดกลางในไทย

สมมติคลัง 3PL ในนิคมอุตสาหกรรม Amata City ชลบุรี ขนาดพื้นที่ 8,000 ตร.ม. ต้องการใช้ AMR ประเภท Pallet Mover เป้าหมาย Throughput 400 พาเลทต่อกะ 8 ชั่วโมง:

ขั้นตอนที่ 1: คำนวณ Throughput ต่อชั่วโมง 400 พาเลท ÷ 8 ชั่วโมง = 50 พาเลทต่อชั่วโมง

ขั้นตอนที่ 2: วัด Cycle Time จาก Layout

• Travel ขาไป: 80 เมตร ÷ 0.8 m/s = 100 วินาที ≈ 1.7 นาที
• Drop Time: 30 วินาที = 0.5 นาที
• Travel ขากลับ: 80 เมตร ÷ 1.0 m/s = 80 วินาที ≈ 1.3 นาที
• Queue/Idle Time: ประมาณ 1.0 นาที
• Charging Overhead (20%): ×1.25

รวม Cycle Time จริง = (1.7 + 0.5 + 1.3 + 1.0) × 1.25 = 4.5 × 1.25 = 5.6 นาที

ขั้นตอนที่ 3: ใส่ในสูตร (Target Utilization 80%) จำนวน AMR = ⌈(50 × 5.6) / (60 × 0.80)⌉ = ⌈280 / 48⌉ = ⌈5.83⌉ = 6 ตัว

ขั้นตอนที่ 4: เพิ่ม Spare Buffer เผื่อ 1 ตัวสำรองสำหรับ Maintenance = 7 ตัวรวม

งบประมาณประมาณ:

• AMR Pallet Mover Mid-range (เช่น Pudu MP2000 หรือเทียบเคียง): ประมาณ ฿600,000–900,000 ต่อตัว
• Fleet 7 ตัว: ประมาณ ฿4.2–6.3 ล้านบาท (ไม่รวม WMS Integration และ Infrastructure)
• ROI ประมาณ: 24–36 เดือน สำหรับคลังที่ลดคนงาน 4–6 คนต่อกะ

ปัจจัยเฉพาะของไทยที่ต้องปรับสูตร

1. ช่วง Peak Season คลัง Retail และ FMCG ในไทยมี Peak ช่วง Q4 (ตุลาคม–ธันวาคม) ที่ Throughput อาจสูงกว่า Average 150–200% ควร Design Fleet สำหรับ 75th Percentile ของ Throughput ไม่ใช่ Average แล้วใช้ RaaS เสริมใน Peak หากต้องการ

2. ค่าแรงขั้นต่ำไทย ณ ปี 2026 ค่าแรงขั้นต่ำในเขต EEC/อีอีซี อยู่ที่ประมาณ ฿400–440 ต่อวัน หากทำงาน 3 Shift ต้นทุนแรงงาน 1 คนต่อปีอยู่ที่ประมาณ ฿150,000–200,000 บาท (รวม OT และสวัสดิการ) ซึ่งหมายความว่า ROI ของ AMR ในไทยนานกว่าประเทศที่ค่าแรงสูงกว่า การคำนวณ ROI ต้องใช้ตัวเลขนี้เป็นฐาน ไม่ใช่ค่าแรงตลาดยุโรปหรือญี่ปุ่น

3. ฤดูฝน (พฤษภาคม–ตุลาคม) คลังที่มีพื้นที่กึ่งเปิดหรือมีรอยต่อระหว่างอาคาร ความชื้นสูงในฤดูฝนอาจทำให้ Reflector Tape ที่ AMR บางรุ่นใช้นำทางสูญเสียสัญญาณ แนะนำ AMR ที่ใช้ LiDAR SLAM (นำทางแบบ Natural Feature) ในพื้นที่ที่มีความชื้นหรือพื้นที่ที่อุณหภูมิเปลี่ยนแปลงมาก

4. Language Gap ของ Interface Fleet Management Dashboard ที่ไม่มี UI ภาษาไทยทำให้ Operators หน้างานอ่านข้อมูล Utilization ได้ลำบาก นี่คือปัจจัยที่ทำให้หลายคลังในไทยไม่ได้ใช้ข้อมูล Dashboard ในการตัดสินใจ ทั้งที่ระบบบันทึกไว้ครบ

Phased Deployment: ทำไมถึงไม่ควรซื้อทีเดียว

กลยุทธ์ที่แนะนำสำหรับคลังสินค้าไทยที่ยังไม่มีประสบการณ์ AMR:

Phase 1 (เดือน 1–4): ซื้อ 60–70% ของ Fleet ที่คำนวณไว้ ติดตั้งและ Run ระบบจริง ให้ทีมเรียนรู้ Process ใหม่ ดู Utilization จาก Dashboard

Phase 2 (เดือน 5–9): ดูข้อมูล Utilization จริง ถ้า Utilization > 85% ต่อเนื่อง 4 สัปดาห์ จึงสั่งเพิ่ม ถ้า Utilization < 70% ให้ Optimize Process ก่อน ไม่ใช่ซื้อเพิ่ม

Phase 3 (เดือน 10+): Expand ตาม Business Growth หรือ Extend Use Case ใหม่ เช่น เพิ่ม Cleaning Robot อย่าง Avidbots Neo หรือ Gausium ในพื้นที่เดียวกัน

ข้อดีของ Phased Deployment นอกจากลด Risk ยังทำให้ทราบ Actual Cycle Time จากการใช้งานจริง ซึ่งมักต่างจากค่าทฤษฎี 15–25% เนื่องจากพฤติกรรมคนงาน สิ่งกีดขวางที่ไม่ได้ Map ไว้ และ Traffic จริงภายในคลัง

Checklist ก่อนสั่งซื้อ AMR

ก่อนลงนามสัญญา ควรมีข้อมูลครบทุกข้อต่อไปนี้:

• ✅ Throughput Data ย้อนหลัง 6–12 เดือน แยกตาม Shift และ Season
• ✅ Layout จริงพร้อม Heatmap สินค้า เพื่อวัด Average Travel Distance
• ✅ Vendor ทำ Simulation (Software) ด้วย Layout และ Throughput ของคุณ — ไม่ใช่แค่ Demo Generic Case
• ✅ Fleet Management Software Export ข้อมูล Utilization ในรูปแบบที่ทีมคุณอ่านได้
• ✅ SLA ชัดเจน: Uptime ≥ 95%, Response Time สำหรับ Breakdown ในไทย
• ✅ Maintenance Coverage ในประเทศไทย: มีทีม Service Engineer ที่ไหน มา On-Site ได้ภายในกี่ชั่วโมง
• ✅ WMS/ERP Integration Plan: ระบบ AMR จะ Sync กับ Warehouse Management System ของคุณผ่าน API อะไร

หากผู้จำหน่ายไม่สามารถทำ Simulation จาก Layout และ Throughput ของคุณได้ ถือว่าตัวเลข Fleet Size ที่เสนอมาเป็นเพียงการประมาณคร่าวๆ ไม่ควรใช้เป็นฐานในการตัดสินใจซื้อ

สัญญาณที่บอกว่าต้องเพิ่ม Fleet

หลังจาก Deploy ไปแล้ว ให้ติดตาม 4 ตัวชี้วัดนี้จาก Dashboard ทุกสัปดาห์:

1. Utilization Rate > 85% ต่อเนื่อง 2 สัปดาห์: สัญญาณว่าระบบกำลังจะล้น ควรวางแผนสั่งเพิ่มล่วงหน้าอย่างน้อย 8–12 สัปดาห์ (Lead Time นำเข้าจากจีน)

2. Bot Queue Wait Time > 5 นาทีในช่วง Peak Hour: หมายความว่ามี Task รอ AMR มากกว่า AMR ที่ว่าง ทำให้ Throughput Bottleneck อยู่ที่หุ่นยนต์ ไม่ใช่ที่คน

3. Order Backlog ใน Peak Period เกิน SLA: ถ้า AMR ตัวเต็มกำลังแล้วแต่ยังส่งออร์เดอร์ไม่ทัน ถึงเวลาขยาย Fleet

4. Manual Picking Ratio เพิ่มขึ้น: ถ้าพนักงานต้องช่วยทำงานแทน AMR บ่อยขึ้น แสดงว่าระบบไม่พอ — และยัง Undermine ROI ของการลงทุนไปด้วย

---

การคำนวณ Fleet Size ไม่ใช่แค่คณิตศาสตร์ แต่คือการทำความเข้าใจ Operation ของตัวเองอย่างละเอียด คลังสินค้าไทยที่เริ่มจาก Data จริง ทำ Simulation ก่อน และ Deploy แบบ Phased จะมีโอกาสสูงกว่ามากที่จะบรรลุ ROI ตามเป้าและขยายระบบได้อย่างยั่งยืน

หากต้องการประเมินว่า AGV/AMR เหมาะกับคลังของคุณหรือไม่ หรือต้องการคำแนะนำเรื่อง Fleet Sizing สำหรับ Use Case เฉพาะ ติดต่อทีมงานได้ที่ หน้าติดต่อ