การผลิตฮาร์ดดิสก์เป็นอุตสาหกรรมที่สำคัญของประเทศไทย กระบวนการผลิตมีความซับซ้อนสูงและประกอบด้วยเครื่องจักรอัตโนมัติจำนวนมากทำงานการผลิตอย่างต่อเนื่อง เมื่อมีเหตุการณ์ผิดปกติเกิดขึ้นสายการผลิตจะหยุดการทำงาน และทีมวิศวกรจะวินิจฉัยโดยระบุและค้นหาแหล่งที่มาของข้อผิดพลาดในหมู่เครื่องจักรเหล่านั้น และแก้ไขให้ถูกต้องอย่างรวดเร็ว ในสายการผลิตเครื่องจักรอัตโนมัติทั้งหมดติดต่อกับเครื่องบริการโดยบันทึกเป็นแฟ้มไว้อย่างต่อเนื่อง วิศวกรใช้แฟ้มบันทึกเหล่านี้ในการวินิจฉัยสาเหตุของข้อผิดพลาด งานวิจัยนี้ใช้วิธีการเรียนรู้ของเครื่องจักรเพื่อแจ้งเหตุการณ์ที่เกิดความผิดปกติในแฟ้มล็อก ผลการทดลองแสดงให้เห็นว่าการตรวจสอบมีความถูกต้องมาก และสามารถช่วยให้ทีมงานวิศวกรดำเนินการวินิจฉัยได้รวดเร็วและมีประสิทธิภาพ

Hard disk manufacturing is an important industry in Thailand. The production line of its manufacturing process is highly complex and consists of hundreds of automated machines running a continuous flow production. When an anomaly event occurs, the production line has to be stopped and the diagnosis engineering team must identify and locate the source of error with the machines and correct it quickly. In an automated production line, all of the machines are monitored and their log files are sent to a server continuously; engineers then use these log files to diagnose the causes of the errors. This work proposes to use the machine learning method to identify the anomalous events in the log files. such as an anomaly caused by engineers, anomaly from systems, and anomaly from softwares. The experimental results showed that accuracy was 100% using 10-Fold validation, so it is very accurate and it can help teams of engineers perform diagnosis quickly and effectively.