IoT device และ ML Model ง่ายๆ เพื่อตอบโจทย์ Social Listening Insight ของ EV

IoT device และ ML Model ง่ายๆ เพื่อตอบโจทย์ Social Listening Insight ของ EV

รถยนต์ไฟฟ้าหรือ EV (Electrical Vehicle) Car นับว่าเป็นสิ่งหนึ่งที่ในปัจจุบันเป็นกระแส และมาแรงมากๆ ทั้งในกลุ่มผู้ที่เป็น Early Adopted ด้านเทคโนโลยี ผู้ที่สนใจพลังงานสะอาดหรือ concern กับภาวะโลกร้อน และในปัจจุบันด้วยราคาที่ดึงดูด และปัจจัยแวดล้อมอื่นๆ เช่นราคาน้ำมัน ส่งผลให้ผู้ให้งานที่เป็นบุคคลทั่วไปเข้าถึงการใช้งานรถยนไฟฟ้าเพิ่มขึ้นเป็นอย่างมาก ตลาด EV และผลิตภัณฑ์เกี่ยวเนื่องจึงเป็นที่ดึงดูด และน่าสนใจ โดยในบทความนี้นิกจะพาเพื่อนๆ ลองสร้าง IoT device หรืออุปกรณ์ IoT ในการจัดเก็บข้อมูลที่เราต้องการมาใช้สร้าง และทำการวิเคราะห์ร่วมกับ ML Model แบบง่ายๆ เพื่อตอบโจทย์ Painpoint ที่ได้จาก Social Listening Insight ของ EV ซึ่งนิกรับรองว่ามี Concept ที่ไม่อยาก และมี devices กับระบบที่เกี่ยวข้องไม่ซับซ้อน แน่นอนค่ะ (^∀^●)ノシ

*และสำหรับเพื่อนๆ ชาว Marketer นิกมีเพิ่มเติมในเรื่องของ EV Trend และแนวทางการสร้างผลิตภัณฑ์ในพาร์ทสุดท้าย (Last but not Least… ค่ะ)

ว่าแล้ว,,,,,ก็มาเริ่มกันที่ Social Listening Insight ของ EV ซึ่งพบว่ามีรายละเอียดดังนี้ 🔎🧐

Social Listening Insight ของ EV

ข้อมูลจากการใช้งานเครื่องมือของ Mandala โดยนักเรียนคลาส Social Listening Analystics ในการวิเคราะห์หา Insights ของสิ่งที่เกี่ยวข้องกับรถยนต์ไฟฟ้าพบว่ามี Insight ที่น่าสนใจได้แก่ Brand ที่ถูกพูดถึงบ่อย, Usage, ข้อดีและข้อเสียที่คนมักพูดถึง, แรงกระตุ้นที่ทำให้คนอยากใช้, สิ่งที่ทำให้คนลังเลหรือข้อกังวลที่จะใช้ และ Perception

ซึ่งเมื่อพิจารณาเพิ่มในส่วนที่เกี่ยวข้อง นิกพบประเด็นที่น่าสนใจมากๆ หนึ่งเรื่องจากหัวข้อ “ข้อดีและข้อเสียที่คนมักพูดถึง” โดย ข้อดี ก็คือ ทำให้ความรู้สึกตอนนั่งจะมีความนุ่มกว่าการนั่งรถน้ำมัน และก็ไร้เสียงกวนใจด้วย บางคนก็รู้สึกว่าชอบ และลุยน้ำได้ และ ข้อเสีย พบว่า คนกังวลเรื่องของแบตเตอร์รี่สำหรับรถไฟฟ้าต่างๆ ทั้งรถมอไซค์ และรถยนต์ไฟฟ้า เพราะถ้าหากร้อนและไหม้ขึ้นมา อาจจะทำให้เกิดความเสีหายต่อคนรอบข้างได้ ทำให้บางคนก็ไม่กล้าจอดใกล้ๆ นอกจากนี้ยังมีความกังวลเพิ่มเติมในเรื่องของการชาร์จ EV หรือการใช้งาน EV home charger ซึ่งถูกมองว่าอาจทำให้เสี่ยงต่อการเกิดอัคคีภัย

Pitchakorn Sirimonta- วิเคราะห์ Insight รถมอเตอร์ไซค์ไฟฟ้า ที่น่าสนใจจาก Social Listening (everydaymarketing.co)

นอกจากนี้ข้อมูล Insight เรื่อง จุดชาร์จรถยนต์ไฟฟ้าและทุนโครงสร้างพื้นฐานสำหรับเจ้าของบ้าน โดย gov.uk หรือ website รัฐบาลอังกฤษพบว่า ประเด็นเรื่องการใช้ EV home charger หรือการชาร์จรถยนต์ไฟฟ้าที่บ้าน ก็เป็นหนึ่งในประเด็นที่รัฐบาลอังกฤษ และผู้ใช้งาน EV Car ให้ความสำคัญเช่นเดียวกัน โดยเฉพาะอย่างยิ่งในเรื่องของความปลอดภัยต่อเหตุเพลิงไหม้ขณะชาร์จ โดยทางรัฐบาลให้ประชาชนสามารถสมัครขอรับทุนในการสนับสนุนเรื่อง EV Chargingpoint ที่ปลอดภัย และเป็นไปตามมาตรฐานได้ เพื่อรองรับความต้องการที่เพิ่มขึ้นของการ Charge ในกรณีที่ผู้ใช้รถยนต์ไฟฟ้ามีความกังวลเรื่องอัคคีภัย และไม่ได้ติดตั้ง Home Charger ไว้ที่บ้าน ซึ่งหากเพื่อนๆ ต้องการอ่านรายงานฉบับเต็มเพื่อประกอบการตัดสินใจในการทำการตลาด หรือมองหาโอกาสเพื่อทำธุรกิจเกี่ยวเนื่องเพิ่มเติม สามารถเข้ามาอ่านได้ตาม link: Final report (publishing.service.gov.uk) ค่ะ 📰📊

IoT device และ ML Model ง่ายๆ เพื่อตอบโจทย์ Social Listening Insight ของ EV
Customer Journey map

และเมื่อนิกลองมาทำ Customer Journey Map ของลูกค้ากลุ่มผู้ใช้งาน EV และมีการชาร์จรถที่บ้าน เพื่อให้สามารถสร้าง IoT device และระบบที่ตอบโจทย์ความต้องการการใช้งานของลูกค้าได้อย่างตรงประเด็น โดย Painpoint ที่เราจะมาสร้าง Solution ในบทความนี้ คือในเรื่องของความปลอดภัยจากเหตุเพลิงไหม้ เมื่อมีการชาร์จรถยนต์ไฟฟ้าที่บ้านโดยใช้ EV charger หรือ Wall charger (Home Charger) ค่ะ,,,, ว่าแล้วก็มาลองเริ่มทำกันเลย 💡🚀

มาสร้าง IoT Device กันค่ะ 🧐✨

IoT Device ของเราตอบโจทย์อะไรบ้าง

ซึ่งเมื่อมาวิเคราะห์เพิ่มเติมหลังจากที่เราดู Customer Journey กันแล้ว และได้นิกลองพูดคุยกับเพื่อนๆ (โดยนิกจะพิจารณาเพื่อนๆ ผู้ใช้รถยนต์ไฟฟ้าที่มีการใช้รถยนต์ไฟฟ้าเหล่านั้นเป็นลูกค้านะคะ) พบว่า สาเหตุของปัญหาที่ก่อความกังวลให้ลูกค้ามักเกิดจากตัวอุปกรณ์ EV Wall Charger เอง ซึ่งพบปัญหาในเครื่องชาร์จรถยนต์ไฟฟ้าหลายรุ่น และการเชื่อมต่อระบบไฟฟ้าที่ไม่ได้มาตรฐานในส่วนของตู้ Consumer Unit ซึ่งเป็นสาเหตุของการเกิดไฟฟ้าลัดวงจร เกิดความร้อนสะสม และเกิดเพลิงไหม้ในที่สุด โดยปัจจุบันปัญหานี้หากเกิดขึ้นมาแล้ว จะหมายถึงอุปกรณ์ชำรุด ไม่สามารถใช้งานต่อได้ และต้องถูกแก้ไขโดยการเปลี่ยนอุปกรณ์ทั้งหมด โดยบริษัทผู้ผลิตจะต้องเข้าดำเนินการ
แต่อย่างไรก็ตามค่ะเพื่อนๆ เนื่องจากเป็นการเปลี่ยนหลังจากเกิดเหตุการณ์ที่สร้างความเสียหายแล้ว ความเสี่ยงในเรื่องของอัคคีภัย และความกังวลของลูกค้าจึงยังคงอยู่ และไม่ได้รับการแก้ไข ทำให้เราได้ข้อสรุปสำหรับ IoT Device ที่ต้องการจะลองทำในบทความนี้ ว่าทำขึ้นมาเพื่อใช้ตอบโจทย์,,,,(∩^o^)⊃━☆

            1. ลูกค้าเป็นกังวลเรื่องอัคคีภัยมาก: อยากให้มีระบบแจ้งเตือน

            2. ลูกค้าเป็นกังวลเรื่องการบำรุงรักษา: ว่าการบำรุงรักษาตามรอบปกติเพียงพอหรือไม่: อยากให้มีระบบที่สามารถบอกได้ว่าควรทำการเปลี่ยนหรือบำรุงรักษาอุปกรณ์แล้ว

            3. เมื่อเกิดปัญหาไม่สามารถติดต่อใครได้: อยากให้มีเจ้าหน้าที่ที่สามารถให้คำปรึกษาได้

            4. กังวลเรื่อง Billing อยากชาร์จช่วงเวลากลางคืนซึ่งเป็น Off-peak ได้อย่างสบายใจ

ส่วนประกอบของ IoT device

โดยในส่วนประกอบของ IoT Device นิกจะแบ่งเป็น 2 ส่วนค่ะ คือในส่วนของ Hardware และ Software ซึ่งแต่ละส่วนมีรายละเอียดดังนี้

Hardware: เน้นที่อุปกรณ์ที่มีคุณสมบัติด้าน Physical คือมีขนาดเหมาะสมกับพื้นที่ติดตั้งหน้างาน มีความคงทนต่อการใช้งานในพื้นที่ที่มีอุณหภูมิค่อนข้างสูง รวมถึงพื้นที่ Outdoor ติดตั้งและใช้งานง่าย และสามารถแสดงผลข้อมูล และแปลงข้อมูลที่อ่านมาเพื่อแสดงผลได้ และจัดเก็บข้อมูลลง Database เพื่อการวิเคราะห์และใช้ Build ML Model ในลำดับต่อไปได้

*หมายเหตุ: จาก Requirement เพิ่มเติมของลูกค้า ในเรื่องต้องการให้ IoT ให้สามารถทำได้ทั้ง  Plug-in  และเป็น Portable ได้ และสามารถแสดงผลบนหน้าจอ LCD กรณีต้องการพิจารณาเฉพาะจุดเพิ่มเติม จึงมีการเปลี่ยนแปลงหน้าจอ LCD ธรรมดา เป็น LCD TFT ที่สามารถมี Touchscreen และรับคำสั่ง Input จากตัว Touchscreen ได้ค่ะ (แต่หากเพื่อนๆ ท่านไหนที่ไม่ต้องการในส่วน Touchscreen ก็สามารถใช้เป็นหน้าจอ LCD ธรรมดาได้นะคะ^^)

IoT device และ ML Model ง่ายๆ เพื่อตอบโจทย์ Social Listening Insight ของ EV
ส่วนประกอบด้าน Hardware ของ IoT devices (credit: MakerfabsX)

Software: ในส่วนของ Software ของ IoT ตัวนี้จะประกอบไปด้วย 2 ระบบหลักค่ะเพื่อนๆ คือระบบ Real-time monitoring System เพื่อจัดทำ Feature Predictive Maintenance และ Health Index กับระบบ Line Notify ซึ่งมีรายละเอียดดังนี้

  1. ใช้การสื่อสารผ่านระบบ Wi-Fi และส่งข้อมูลที่ผ่านการทำ Feature Extraction แล้วขึ้นสู่ Data Base ผ่านโมดูล ESP32S3  โดยทำการ Test congestion ของการส่งข้อมูลแล้ว พบว่าสามารถรองรับการ Scalable ได้
  2. เขียนโปรแกรมเพื่อทำการแปลงค่าโดยใช้ Arduino IDE เพื่อให้แสดงค่าเป็น Maximum temp. ร่วมกับค่าพิกัด X,Y
  3. Transfer ข้อมูลเพื่อใช้ประเมินร่วมกับ AI Model บน Python Anywhere ซึ่งใช้โปรแกรมภาษา Python ในการพัฒนา Algorithm ในการทำ Anomaly Detection, Line Notify & Linebot
  4. เชื่อมต่อ ESP32S3 MQTT โดยการเขียนโปรแกรมบนแบบมีการ Publish ตามเงื่อนไขที่ต้องการ ผ่าน MQTT Broker ไปยัง Client ซึ่ง set publishing QoS ไว้เท่ากับ 0 เพื่อแสดงผล และทำการแจ้งเตือนเงื่อนไขที่ set ไว้ผ่าน Line Notify

การทดลองการใช้งาน IoT devices ในการแจ้งเตือนการชาร์จรถไฟฟ้าผิดปกติ และประเมิน Health Index ร่วมกับ ML Model

และใดๆ ก็ตามค่ะเพื่อน หลังจากที่เราสร้าง IoT devices นี้มาแล้ว เรามาลองทดสอบการใช้งานกันค่ะ โดยในรูปด้านล้างนี้นิกทดลองใช้งาน โดยการให้ IoT ของเรามีการแจ้งเตือนเมื่อมีเหตุการณ์อุณหภูมิเกินค่าความปลอดภัยที่เรากำหนดไว้ และให้รอรับการตอบสนองว่ามีการไปตรวจสอบแล้วโดยเจ้าของ Charger โดยใช้ Keyword คำว่า Ok ในการบอกว่ามีการเข้าไปดูพื้นที่ แต่หากยังไม่มีการตอบสนอง ทางระบบก็จะทำการแจ้งเตือนต่อไปเรื่อยๆ จนกว่าจะได้รับการตอบกลับ ซึ่งพบว่าระบบทำงานได้ตามปกติค่ะ นอกจากนี้ในภาพด้านขวาสุด เป็นภาพที่ทางนิกของใช้งานในลักษณะของการเป็นกล้องส่องความร้อนแบบ Portable ที่ให้สามารถ Record ภาพได้

IoT device และ ML Model ง่ายๆ เพื่อตอบโจทย์ Social Listening Insight ของ EV:
Therma+
Device & System testing: Therma+

โดยตัวข้อมูลที่ IoT device ตัวนี้ทำการส่งขึ้นไปบน Database เพื่อสร้าง ML Model คือข้อมูลในเรื่องของอุณหภูมิสูงสุด (Maximum Temp.) และพิกัด X, Y ของพิกเซลจากภาพค่ะ โดยในส่วนของการทำการวิเคราะห์สุขภาพของ EV Charger นิกใช้เป็น LSTM ในการทำ Health Index และระบบ Predictive Maintenance โดยแบ่งความรุนแรงของเหตุการณ์ที่ต้องทำการ Maintenance ออกเป็น 9 ระดับ พร้อมคำแนะนการดำเนินการในแต่ละระดับตามภาพค่ะ ^^

IoT device และ ML Model ง่ายๆ เพื่อตอบโจทย์ Social Listening Insight ของ EV
AI Algorithm (LSTM) ในการทำ Health Index และระบบ Predictive Maintenance
Panaya Sudta

Last but not Least…

จากบทความนี้นิกเชื่อว่าเพื่อนๆ น่าจะได้ประโยชน์และเปิดมุมมองในเรื่องของการทำธุรกิจเกี่ยวเนื่อง และการวิเคราะห์ Insight จาก Social Listening Tools ของรถยนต์ไฟฟ้าหรือ EV ตลอดจนเพื่อนๆ สายโค้ด ที่ได้ไอเดียในการสร้าง IoT device เพื่อตอบโจทย์การใช้งานในแต่ละ Journey ของลูกค้า

IoT device และ ML Model ง่ายๆ เพื่อตอบโจทย์ Social Listening Insight ของ EV
EV Trend: ปริมาณการจดทะเบียนยานยนต์ไฟฟ้าสะสมในประเทศไทย

และแถมให้เป็นข้อมูลสำหรับเพื่อนๆ ชาวนักการตลาดค่ะ ว่าจาก Trend ที่เพิ่มขึ้นเรื่อยๆ ของ EV (ตามภาพด้านบน) นับได้ว่าผู้ใช้รถ EV ถือเป็นกลุ่มตลาดที่ค่อนข้างมี Potential ในการทำผลิตภัณฑ์เพื่อมาตอบโจทย์ในแต่ละ Painpoints ซึ่งต้องบอกว่ากว้างมากๆ แต่ส่วนสินค้าที่เราทำออกมาจะปัง ไม่ปัง!! ส่วนตัวนิกคิดว่าขึ้นอยู่กับ Value Proposition ที่เราส่งมอบให้ลูกค้าค่ะ ยกตัวอย่างเช่น IoT Device ในบทความนี้ส่งมอบคุณค่าให้กับลูกค้ากลุ่มเป้าหมายได้อย่างครบถ้วน สามารถแก้ปัญหาได้ใน Pain point ที่ต้องการตลอดจนสามารถตอบสนองต่อความต้องการเหนือความคาดหมายได้ ทั้งในส่วนของ IoT Device และระบบ Software รวมถึงการ Provide data และการนำ Data ที่ทำการ Collect มาไปวิเคราะห์ต่อค่ะ (ノ◕ヮ◕)ノ*:・゚✧

ป.ล. สำหรับท่านไหนที่อยากลองนำโค้ดไปรันเล่น หรือเป็นแนวทาง สามารถคอมเมนต์ให้นิกติดต่อกลับ ติดต่อมาได้ที่การตลาดวันละตอน  เว็บไซต์ Facebook Instagram TwitterYoutube และ Blockdit ได้เลยค่ะ

Panaya Sudta

Hi, I am Nick,,,,Panaya Sudta (●'◡'●) Engineer during the daytime. Researcher at night. Reader in spare time. (❁´◡`❁) วิศวกร/นักวิจัย และเป็นน้องใหม่ของการตลาดวันละตอน ในการทำ Market research ค่ะ หวังเป็นอย่างยิ่งว่าจะได้แชร์มุมมองกันนะคะ

Leave a Reply

Your email address will not be published. Required fields are marked *