🧠 AI Analytics · Data → Insight → Action · UNESCO GNLC FW v1.9.0

ข้อเสนอแนะเชิงนโยบาย
คุณภาพอากาศ เทศบาลเมืองตาก

3 AQI TH
ดีมาก ฐาน 24 ชม. 1.6 µg/m³ · โรงเรียนเทศบาล 2 วัดดอนมูลชัย · coverage 97% · US EPA AQI: 9
วิเคราะห์จากข้อมูลจริง 240 วัน (178,203 readings) · 22/02/26 — 08/11/26 · สร้างอัตโนมัติ: 8 พ.ย. 2569 01:12 · v3.1
Today protocol

ดำเนินกิจกรรมตามปกติและติดตามต่อ

ฐานตัดสินใจคือค่าเฉลี่ย 24 ชม.สูงสุดของสถานีที่สดใหม่ ควรตรวจค่าก่อนเริ่มกิจกรรมกลางแจ้งทุกครั้ง

Classroom air

ยังไม่พบสัญญาณระบายอากาศต่ำ

ค่าล่าสุดยังไม่ชี้ปัญหาการระบายอากาศจากผู้ใช้งาน แต่ CO₂ เพียงตัวเดียวไม่ครอบคลุมมลพิษทั้งหมด

Sensor network

ขยายสถานีอีก 1 จุด

ควรวางแผนติดตั้งให้ครบ 5 จุด เพื่อเปรียบเทียบพื้นที่เสี่ยงและใช้ข้อมูลประกอบงบประมาณระดับเทศบาล

Data readiness

ปรับปรุงความครบถ้วนของข้อมูล

คำนวณจาก cadence ที่ตรวจพบรายสถานีใน 30 วันล่าสุด ควรตรวจไฟเลี้ยง อินเทอร์เน็ต และช่องว่างรายสถานีก่อนใช้ตัดสินใจ

🎯
3
AQI Thai · ฐาน 24 ชม.
ดีมาก
🌡️
17.7
PM2.5 เฉลี่ยรายวัน 365 วัน
ถ่วงน้ำหนักสถานีเท่ากัน
⚠️
41
วันที่อย่างน้อย 1 สถานีเฉลี่ย >37.5
มาตรฐานไทย 24 ชม.
🛡️
97%
Coverage ฐาน 24 ชม.
281/288 รอบ · 5 นาที/ครั้ง
📊
84%
Data completeness · 30 วัน
cadence รายสถานี × 4 สถานี
🌿
70.4%
ทุกสถานีเฉลี่ย ≤25 µg/m³
169/240 วัน

📡 สถานีตรวจวัด — ข้อมูลล่าสุด (Real-time)

4 STATIONS คลิกที่การ์ดเพื่อดูรายละเอียดสถานี · อัปเดตอัตโนมัติทุก 30 วินาที · —

📊 สรุปสถานการณ์ — วิเคราะห์จากข้อมูลจริง

240 DAYS
3 AQI
ฐานปฏิบัติการ 24 ชม.: ดีมาก โรงเรียนเทศบาล 2 วัดดอนมูลชัย · PM2.5 1.6 µg/m³ · coverage 97% · US EPA AQI 9
17.7
PM2.5 เฉลี่ย (µg/m³)
↓ 38% 7d
91
PM2.5 สูงสุด (µg/m³)
36.7%
วันที่ ≥1 สถานีเกิน WHO 15 (88/240)
13
วันค่าผิดปกติ (Z>2σ) ใน 240 วัน
41
วันที่ ≥1 สถานีเฉลี่ย >37.5 µg/m³
10
วัน PM2.5 >75 µg (วิกฤต)
524
CO₂ เฉลี่ย (ppm)
7,171
readings CO₂ >1,000 ppm
7.5
PM2.5 เฉลี่ย 7 วัน
-38% vs สัปดาห์ก่อน
9.6
PM2.5 เฉลี่ย 30 วัน
+108.7% vs เดือนก่อน
70.4%
วันอากาศดี (≤25 µg)
18.9
SD (ความผันผวน)
📈 PM2.5 รายเดือน (เฉลี่ย µg/m³)
🎯 การกระจาย PM2.5 รายวันตามเกณฑ์สุขภาพ (จำนวนวัน)
📉 PM2.5 รายวัน — แนวโน้มช่วง 240 วัน + Moving Average 7 วัน
🔎 Baseline projection 7 วัน · ความเชื่อมั่นต่ำ · ไม่ใช่พยากรณ์อากาศ
วิธีอ่านกราฟ: PM2.5 เฉลี่ยและแนวโน้มใช้ข้อมูลจาก pm_readings_v2 รวมตามวัน, AQI Thai PCD คำนวณจากค่า PM2.5 ด้วยช่วง 0–15, 15.1–25, 25.1–37.5, 37.6–75, มากกว่า 75 µg/m³, กราฟวงแหวนเป็นการนับ จำนวนวันตามช่วง PM2.5 ไม่ใช่สูตร AQI แยกต่างหาก, ส่วน projection ใช้ค่าเฉลี่ย 7 วันและแนวโน้ม 7 วันก่อนหน้าที่ลดทอนตามระยะเวลา ใช้เป็นเส้นฐานเปรียบเทียบเท่านั้น ไม่ใช้แทนแบบจำลองอุตุนิยมวิทยาหรือการพยากรณ์มลพิษ
🌡️ FW v1.9.0 — Comfort Zone Analysis
🔥 Heat Index เฉลี่ย FW v1.9.0
35.2°C
ระวัง
💧 Dew Point เฉลี่ย FW v1.9.0
21.3°C
ชื้น
🗓️ Weekly Heatmap — PM2.5 เฉลี่ยตามวัน/ชั่วโมง (30 วัน)
00
01
02
03
04
05
06
07
08
09
10
11
12
13
14
15
16
17
18
19
20
21
22
23
จ.
12
12
12
11
11
14
13
9
9
9
9
10
9
9
11
11
11
11
14
16
16
15
14
12
อ.
11
8
8
8
8
8
11
8
8
8
8
8
9
9
9
9
9
7
9
13
11
10
10
9
พ.
10
10
10
9
10
11
13
12
12
12
11
10
9
8
7
5
5
6
12
11
10
8
9
10
พฤ.
9
9
8
8
8
9
8
8
8
7
7
8
7
7
7
7
7
9
12
14
14
12
11
12
ศ.
11
10
10
9
9
9
10
11
11
10
8
9
7
6
6
5
6
10
9
14
13
12
12
12
ส.
11
9
10
10
10
10
10
10
10
11
11
11
10
10
10
10
9
9
10
12
13
12
12
11
อา.
11
12
13
13
13
12
11
11
11
12
11
11
9
9
9
9
9
9
11
12
14
13
11
12
💡 Hover เพื่อดูค่า · สีเข้ม = PM2.5 สูง · ช่วยระบุเวลาที่อากาศแย่ประจำ
พารามิเตอร์ เฉลี่ย สูงสุด ต่ำสุด SD (σ) เกินมาตรฐาน หมายเหตุ
PM2.5 (µg/m³) 17.7 91.4 0.1 18.85 WHO: 36.7% · Thai: 17.1% ดี
CO₂ (ppm) 524 8,817 — — >800: 8,484 · >1000: 7,171 · >1500: 4,242 ดี
อุณหภูมิ (°C) 31.5 — — — ตัวแปรร่วมสำหรับวิเคราะห์ — ห้ามตีความว่าเป็นสาเหตุจากค่าเฉลี่ยเพียงอย่างเดียว
ความชื้น (%RH) 57.6 — — — ความชื้นอาจมีผลต่อการตอบสนองของเซนเซอร์และอนุภาค จึงต้องตรวจร่วมกับ calibration
Heat Index (°C) v1.9.0 35.2 — — — เพิ่มความระมัดระวังความเครียดจากความร้อนและติดตามอาการ
Dew Point (°C) v1.9.0 21.3 — — — ชื้นปานกลาง
🔬 แหล่งกำเนิดมลพิษที่พบบ่อย (30 วันล่าสุด)
Vape (11,494 · avg 13.0 µg) Mixed (3,678 · avg 11.3 µg) Dust (91 · avg 8.6 µg) Smoke (49 · avg 7.0 µg) Calibrating (27 · avg 7.7 µg)
📅 รูปแบบตามฤดูกาล (PM2.5 เฉลี่ยรายเดือน)
ก.พ.
26 µg/m³
มี.ค.
44.5 µg/m³
เม.ย.
43.4 µg/m³
พ.ค.
13.7 µg/m³
มิ.ย.
5.9 µg/m³
ก.ค.
7.8 µg/m³
ส.ค.
5.5 µg/m³
ก.ย.
2.8 µg/m³
ต.ค.
9.7 µg/m³
พ.ย.
7.5 µg/m³
เดือนวิกฤต: มี.ค. (44.5 µg) เม.ย. (43.4 µg) ก.พ. (26 µg)

🚨 Emergency Response Protocol — แผนตอบโต้ฉุกเฉิน

4 LEVELS ใช้ค่าเฉลี่ย PM2.5 24 ชั่วโมงของสถานีที่สดใหม่เป็นฐาน · โปรโตคอลท้องถิ่นต้องผ่านการอนุมัติ
ระดับ PM2.5 (µg/m³) สี การดำเนินการ — โรงเรียน การดำเนินการ — ชุมชน วันที่พบ
ปกติ 0–25 🟢 ดี กิจกรรมปกติ ออกกำลังกายกลางแจ้งได้ ใช้ชีวิตปกติ 169 วัน (70.4%)
เฝ้าระวัง 26–37.5 🟡 ระวัง จำกัดกลางแจ้ง ≤30 นาที · ดื่มน้ำมาก กลุ่มเสี่ยงหลีกเลี่ยงกลางแจ้ง 30 วัน
เตือนสูง 37.5–75 🔴 แดง ย้ายกิจกรรมหนักเข้าภายใน · เปิดห้องอากาศสะอาด · ดูแลกลุ่มเสี่ยง แจ้งเตือนพร้อมเวลาข้อมูล · ลดการสัมผัสตามบริบท 31 วัน
วิกฤต >75 ⛔ วิกฤต งดกิจกรรมกลางแจ้ง · ให้ผู้บริหารประเมินมาตรการเพิ่มเติม ประสานสาธารณสุข/เทศบาลก่อนออกคำสั่งหรือเคลื่อนย้ายกลุ่มเสี่ยง 10 วัน
⚠️ Heat Index screening: ค่าเฉลี่ย 35.2°C ชี้ว่าควรตรวจค่าสูงสุด เวลาแดด การพัก น้ำดื่ม และอาการร่วมด้วย ค่าเฉลี่ยเพียงค่าเดียวไม่ใช่เส้นแบ่งปลอดภัย/อันตราย

🏫 ข้อเสนอแนะสำหรับโรงเรียนเทศบาล 1 กิตติขจร

8 ITEMS วิเคราะห์จากข้อมูลจริง 240 วัน — ระบบ AI Analytics Engine · FW v1.9.0
1
ระบบจัดการกิจกรรมตามคุณภาพอากาศ (Activity Protocol)
CRITICAL

จากข้อมูลจริงพบ 31 วันที่อย่างน้อยหนึ่งสถานีมีค่าเฉลี่ย 24 ชม. 37.5–75 µg/m³ และ 10 วันที่เกิน 75 µg/m³ — โรงเรียนควรมีโปรโตคอลที่ระบุฐานเวลา freshness และผู้มีอำนาจอนุมัติชัดเจน

📊 หลักฐานจากข้อมูล:
• PM2.5 ≤25 µg/m³ (อากาศดี): กิจกรรมกลางแจ้งได้ตามปกติ
• PM2.5 26–37.5 µg/m³: จำกัดเวลากลางแจ้งสูงสุด 30 นาที
• PM2.5 37.5–75 µg/m³ (พบ 31 วัน): ย้ายกิจกรรมหนักเข้าภายในและดูแลกลุ่มเสี่ยง
• PM2.5 >75 µg/m³ (พบ 10 วัน): งดกลางแจ้งและให้ผู้มีอำนาจประเมินมาตรการเพิ่มเติม
• ค่าเฉลี่ยรายวันที่สูงสุด: 91.4 µg/m³ (ใช้เทียบ WHO 24 ชม.ได้เมื่อ coverage รายวันผ่าน QA)
• ⚠️ Heat Index เฉลี่ย 35.2°C — ต้องพิจารณาร่วมกับ PM2.5
✅ แผนปฏิบัติการ:
1. ติดจอ TV ในห้องพักครู แสดง Dashboard + baseline projection พร้อมป้ายข้อจำกัด
2. รับรองโปรโตคอลท้องถิ่นร่วมกับผู้บริหารและสาธารณสุข โดยระบุฐานค่าเฉลี่ย 24 ชม.และ freshness
3. ครูพลศึกษาเช็ค Dashboard ก่อน 7:00 น. ทุกวัน
4. แจ้งผู้ปกครองผ่าน LINE กลุ่ม เมื่อ PM2.5 >37.5 µg/m³
5. FW v1.9.0: ใช้ Heat Index + Dew Point ประกอบการตัดสินใจกิจกรรมกลางแจ้ง
6. ใหม่: ใช้ Emergency Protocol 4 ระดับ ตามตารางด้านบน
2
ปรับปรุงคุณภาพอากาศในห้องเรียน (CO₂ Control)
CRITICAL

ข้อมูล CO₂ ช่วงวิเคราะห์เฉลี่ย 524 ppm (สูงสุด 8,817 ppm) ใช้เป็นตัวชี้วัดแทนการระบายอากาศจากผู้ใช้งาน โดยต้องอ่านร่วมกับ CO₂ ภายนอก จำนวนคน ตำแหน่ง/ความแม่นยำเซนเซอร์ และมลพิษชนิดอื่น

📊 ข้อมูลจากเซ็นเซอร์:
• CO₂ เฉลี่ย: 524 ppm · สูงสุด: 8,817 ppm
• readings CO₂ >800 ppm (สัญญาณติดตามภายใน): 8,484
• readings CO₂ >1,000 ppm (ควรตรวจ ventilation/occupancy): 7,171
• readings CO₂ >1,500 ppm (ควรดำเนินการและตรวจซ้ำทันที): 4,242
• ตัวเลขเหล่านี้เป็น operational triggers ภายใน ไม่ใช่มาตรฐานความเป็นพิษหรือคะแนน IAQ โดยลำพัง
• FW v1.9.0: Dew Point 21.3°C → ความชื้นสูง ยิ่งต้องระบายอากาศ
✅ แผนปฏิบัติการ:
1. ติดตั้ง sensor CO₂ ในทุกห้องเรียน (ESP32+SCD30) เชื่อมต่อ Dashboard
2. ทดลอง trigger CO₂ >800/>1,000 ppm และประเมินผลจริง โดยเพิ่มอากาศภายนอกเฉพาะเมื่อ PM2.5 ภายนอกเหมาะสม
3. ติดตั้งพัดลมดูดอากาศในห้องที่ค่าสูงเกินบ่อย
4. HEPA filter (CADR ≥300 m³/h) สำหรับห้องเรียนอนุบาลช่วงฝุ่นสูง
5. ใหม่: จัดอันดับห้องเรียนตาม CO₂ เฉลี่ย — แก้ห้องแย่สุดก่อน
💰 งบประมาณโดยประมาณ: ESP32+SCD30: ~1,500 ฿/ห้อง · พัดลมดูด: ~3,000 ฿/ตัว · HEPA filter: ~5,000–15,000 ฿/เครื่อง
3
บูรณาการหลักสูตร STEM — เรียนจากข้อมูลจริง
HIGH

ระบบ AQM มีเนื้อหาคณิตศาสตร์และวิทยาศาสตร์ข้อมูลครบถ้วนสำหรับการสอนตั้งแต่ ป.4 ถึง ม.6 — นักเรียนเรียนจากปัญหาจริงในชุมชนตนเอง ซึ่งเป็นหัวใจของ UNESCO GNLC (Community-based Learning)

📚 แผนบูรณาการรายระดับชั้น:
ป.4–6: อ่านกราฟ PM2.5 · เฉลี่ย 7 วัน · นับวันอากาศดี/ไม่ดี → ตรงมาตรฐาน ค21101
ม.1–3: Mean/Median/SD · Scatter Plot · % เปลี่ยนแปลง → มาตรฐาน ค33101
ม.4–6: Linear Regression · p-value · Skewness · รายงานวิจัย → มาตรฐาน ว30281
โปรเจกต์ STEM: ประกอบ ESP32+Sensor · Arduino · LINE Notify · Python visualization
FW v1.9.0: สอน Heat Index + Dew Point — ความสัมพันธ์อุณหภูมิ ความชื้น ความรู้สึก
ใหม่: สอน Weekly Heatmap — Pattern Recognition จากข้อมูลจริง
4
ระบบติดตามสุขภาพเชื่อมโยงคุณภาพอากาศ
HIGH

Anomaly Detection พบ 13 วันที่ค่าเฉลี่ย PM2.5 ต่างจากชุดข้อมูลมากกว่า 2 SD ซึ่งเป็นเพียงสัญญาณคัดกรอง หากศึกษาเทียบการลาป่วยต้องขออนุมัติด้านข้อมูลส่วนบุคคล กำหนดกลุ่มเปรียบเทียบ และปรับฤดูกาล/อุณหภูมิ/การระบาดร่วม

✅ แผนปฏิบัติการ:
1. บันทึกการลาป่วย (โรคทางเดินหายใจ) ในระบบดิจิทัลพร้อมวันที่
2. วิเคราะห์เฉพาะข้อมูลรวมที่ไม่ระบุตัวบุคคล พร้อมแผนสถิติที่กำหนดล่วงหน้า
3. รายงาน correlation พร้อมจำนวนคู่ข้อมูลและช่วงความไม่แน่นอน โดยห้ามสรุปเหตุ–ผลจาก correlation เพียงอย่างเดียว
4. PM2.5 >37.5 ติดต่อกัน 3 วัน → แจ้งเตือนผู้บริหารอัตโนมัติ
5. FW v1.9.0: ติดตาม Heat Index ร่วมกับ PM2.5 สำหรับการประเมินความเสี่ยงรวม
6. ใหม่: ใช้ API ?api=health_correlation เพื่อวิเคราะห์ความสัมพันธ์อัตโนมัติ
5
เตรียมความพร้อมตามฤดูกาล (Seasonal Preparedness)
MEDIUM

จากข้อมูลจริง เดือนวิกฤต: มี.ค. (44.5 µg) เม.ย. (43.4 µg) ก.พ. (26 µg) — ต้องเตรียมความพร้อมล่วงหน้าอย่างน้อย 2 เดือน

✅ แผนตามฤดูกาล:
1. ก.ย.–ต.ค.: สั่งซื้อหน้ากาก N95 + ตรวจสอบ HEPA filter (ก่อนฤดูเผาไร่)
2. พ.ย.–ม.ค.: เปิดใช้ HEPA filter · ตรวจซีลหน้าต่าง · Protocol เข้มข้น
3. ก.พ.–เม.ย.: เช็ค Dashboard ทุก 2 ชม. · พร้อมเรียนออนไลน์ทุกวัน
4. พ.ค.–ส.ค.: บำรุงรักษา sensor · สรุปผลประจำปี · เตรียมรายงาน UNESCO
5. ใช้ baseline projection เพื่อเตรียมทรัพยากรเบื้องต้น และยืนยันกับพยากรณ์อากาศ/ข้อมูลสดก่อนปฏิบัติ
6
คลังหน้ากาก N95 — คำนวณจากข้อมูลจริง
MEDIUM
📊 การคำนวณจากข้อมูล:
• วันเฉลี่ย PM2.5 >37.5 µg/m³ ในช่วง 240 วันที่วิเคราะห์: 41 วัน
• สถานการณ์งบแบบอนุรักษนิยม: 540 คน × 1 ชิ้น/คน/วันเหตุการณ์
• จำนวนสำรองเชิงสถานการณ์: 22,140 ชิ้น
• งบสมมติ (15 ฿/ชิ้น): ~332,100 บาท
• ต้องตรวจขนาด/ความกระชับ ความสามารถของเด็กในการถอดเอง และคำแนะนำสาธารณสุขก่อนแจกจริง
7
พัฒนาครูด้าน Data Literacy — 3 ระดับ
MEDIUM
✅ แผนอบรม:
Level 1 (ครูทุกคน, 2 ชม.): อ่าน Dashboard · AQI 5 ระดับ · Protocol · แจ้งผู้ปกครอง
Level 2 (ครูวิทย์+คณิต, 6 ชม.): Mean/SD · Correlation · Scatter Plot · ใบงาน STEM
Level 3 (STEM Leaders, 12 ชม.): ประกอบ ESP32 · Arduino · Regression · รายงานวิจัย
FW v1.9.0 Module: ครูเข้าใจ Heat Index, Dew Point, Vent Score เพื่อตัดสินใจแม่นยำขึ้น
Data literacy: อบรมการอ่าน Weekly Heatmap, baseline projection และข้อจำกัดของแบบจำลอง
8
Student Dashboard — จอแสดงผลในอาคารเรียน
LOW

ออกแบบหน้าจอง่ายสำหรับนักเรียน: หน้ากากยิ้ม/เศร้า + สีเขียว/เหลือง/แดง + ข้อความ "วันนี้วิ่งเล่นข้างนอกได้!" หรือ "วันนี้เล่นในอาคารนะ" — ติดตั้งที่จุดรวมพลหน้าอาคารเรียน · แสดงพยากรณ์ 3 วันข้างหน้า

🏘️ ข้อเสนอแนะสำหรับชุมชน

5 ITEMS
1
ระบบแจ้งเตือน LINE Notify ชุมชน
CRITICAL

พบ 41 วันที่อย่างน้อยหนึ่งสถานีมีค่าเฉลี่ย 24 ชม.เกิน 37.5 µg/m³ จึงควรมีระบบแจ้งเตือนที่ระบุพื้นที่ เวลาอัปเดต coverage และคำแนะนำสำหรับกลุ่มเสี่ยง

✅ แผนปฏิบัติการ:
1. สร้าง LINE Official Account "อากาศตาก" — ส่งสรุปเช้า 06:00 น. ทุกวัน
2. แจ้งเตือน real-time เมื่อ PM2.5 เปลี่ยนระดับ (ดี → เฝ้าระวัง → อันตราย)
3. สรุปสัปดาห์ทุกวันจันทร์ พร้อมค่าเฉลี่ย PM2.5 และจำนวนวันอากาศดี
4. เชื่อมข้อมูลจาก Dashboard API (?api=latest) อัตโนมัติ
5. FW v1.9.0: รวม Heat Index ในการแจ้งเตือนช่วงร้อนจัด
6. รวม baseline projection 3 วันโดยติดป้ายว่า “ไม่ใช่พยากรณ์” และยืนยันกับข้อมูลอากาศจริงก่อนแจ้ง
2
รณรงค์ลดการเผาด้วยข้อมูลวิทยาศาสตร์
HIGH
📊 ข้อมูลจากระบบ:
• เดือนวิกฤต: มี.ค. (44.5 µg/m³) — สูงกว่าช่วงปกติมาก
• รูปแบบรายเดือนบอกช่วงเวลาที่ควรตรวจสอบเพิ่ม แต่ยังระบุสาเหตุหรือแหล่งเผาไม่ได้จาก PM2.5 เพียงตัวเดียว
• ใช้ข้อมูลนี้เป็นสัญญาณคัดกรองร่วมกับลม จุดความร้อน และการตรวจภาคสนาม
• แหล่งกำเนิดที่ตรวจพบบ่อย: Vape Mixed Dust
✅ สื่อรณรงค์:
1. ป้ายในชุมชนพร้อมกราฟ PM2.5 รายเดือน
2. แสดงจำนวนวันเฉลี่ยเกินมาตรฐานไทย: 41/240 วัน พร้อมคำแนะนำที่ผ่านสาธารณสุข
3. เปรียบเทียบเดือนวิกฤต vs เดือนปกติจากปฏิทินคุณภาพอากาศ
4. Weekly Heatmap แสดงช่วงเวลาที่ควรตรวจเพิ่ม แต่ไม่ใช้ชี้ตัวผู้ก่อเหตุหรือสาเหตุโดยลำพัง
3
ปกป้องกลุ่มเสี่ยง — ผู้สูงอายุ เด็กเล็ก ผู้ป่วยเรื้อรัง
CRITICAL
📊 จากข้อมูลจริง:
• วันค่าเฉลี่ย 24 ชม. >15 µg/m³ (WHO guideline): 88 (36.7% ของวัน)
• วันค่าเฉลี่ย 24 ชม. >37.5 µg/m³ (มาตรฐานไทย): 41 (17.1%)
• WHO ระบุว่า PM2.5 มีผลต่อระบบหัวใจและทางเดินหายใจ แต่หน้านี้ไม่ประมาณความเสี่ยงรายบุคคลจากข้อมูลเซนเซอร์เพียงอย่างเดียว
• FW v1.9.0: Heat Index เฉลี่ย 35.2°C → เพิ่มความเสี่ยงโรคลมแดดสำหรับผู้สูงอายุ
✅ แผนปฏิบัติการ:
1. จัดทำทะเบียนผู้สูงอายุ+ผู้ป่วยเรื้อรังร่วมกับ อสม.
2. แจ้งเตือนเฉพาะกลุ่มเสี่ยงผ่าน LINE/โทรศัพท์ เมื่อ PM2.5 >25 µg
3. จัดห้องสะอาด (Clean Room) ในศูนย์ผู้สูงอายุ ติด HEPA filter + แอร์
4. จัดอุปกรณ์กรองอนุภาคที่กระชับพอดีตามคำแนะนำสาธารณสุข เด็กต้องถอดเองได้และควรเน้นห้องอากาศสะอาดเป็นลำดับแรก
4
แนวต้นไม้กรองฝุ่น (Green Belt Strategy)
MEDIUM

เมื่อเครือข่ายหลายสถานีผ่าน QA สามารถระบุพื้นที่ที่ควรสำรวจเพิ่มได้ แนวพืชอาจช่วยลดการฟุ้งและให้ร่มเงาเฉพาะจุด แต่ผลขึ้นกับชนิดพืช ระยะห่าง ลม และรูปถนน จึงต้องออกแบบเฉพาะพื้นที่และไม่ใช้แทนการควบคุมแหล่งกำเนิด

5
Open Data — Citizen Science ชุมชนร่วมวิจัย
LOW

เปิด Open Data API (?api=latest, ?api=chart, ?api=weekly, ?api=export_csv) ให้ชุมชน นักเรียน ม.ปลาย และอาสาสมัครเข้าถึงข้อมูลฟรี — ดาวน์โหลด CSV วิเคราะห์ต่อ สร้างวัฒนธรรมการใช้ข้อมูลตามเป้าหมาย UNESCO Learning City

🏛️ ข้อเสนอแนะสำหรับเทศบาลเมืองตาก

7 ITEMS
1
ระบุแหล่งกำเนิดมลพิษจากข้อมูลสถิติ
CRITICAL
📊 ข้อมูลจากระบบ:
• ค่าเฉลี่ยของค่าเฉลี่ยรายวัน 17.7 µg/m³ — 1.2× WHO guideline 24 ชม. (เชิงพรรณนา)
• ค่าเฉลี่ยรายวันที่สูงสุด: 91.4 µg/m³ — 6.1× WHO guideline 24 ชม.
• มี 13 วันที่ค่าเฉลี่ยต่างจากชุดข้อมูลมากกว่า 2 SD — เป็นสัญญาณตรวจสอบ ไม่ยืนยันสาเหตุหรือกิจกรรมมนุษย์
• แหล่งกำเนิดที่พบ 30 วันล่าสุด: Vape (11494) · Mixed (3678) · Dust (91) · Smoke (49) · Calibrating (27) ·
✅ นโยบาย:
1. ใช้ข้อมูลที่ผ่าน QA ประกอบการประเมินความจำเป็นและออกแบบการตรวจแหล่งกำเนิดเพิ่มเติม
2. ขยาย sensor network ให้ครบ 5 จุด เพื่อ spatial source analysis
3. เปรียบเทียบสถานีริมถนนกับพื้นที่พื้นหลังโดยควบคุมเวลา ลม และ coverage ก่อนอภิปรายอิทธิพลการจราจร
4. ใช้ Weekly Heatmap เลือกช่วงลงพื้นที่ตรวจสอบ ไม่ใช้เป็นหลักฐานระบุแหล่งกำเนิดเพียงอย่างเดียว
2
ตั้ง KPI คุณภาพอากาศระดับเทศบาล (จากข้อมูลจริง)
HIGH
📊 KPI scenario: ตัวเลขลด 10%/25% เป็นเป้าหมายตั้งต้นเพื่ออภิปราย ไม่ใช่ผลที่แบบจำลองรับประกัน ควรรับรอง baseline, เจ้าภาพ และงบก่อนประกาศใช้
KPI ค่าปัจจุบัน เป้าหมายปี 1 (–10%) เป้าหมายปี 3 (–25%)
PM2.5 Mean (ช่วงข้อมูลนี้) 17.7 µg 15.9 µg 13.3 µg
Days mean >WHO 15µg/m³ 36.7% 31.2% 23.9%
Days mean >Thai 37.5µg/m³ 17.1% 13.7% 8.6%
Anomaly Days 13 วัน 10 วัน 7 วัน
Station Network 4/5 4/5 5/5
Data completeness (station cadence) 84% ≥95% ≥98%
Good Air Days 70.4% 77.4% 91.5%
3
ขยายเครือข่ายสถานี 5 จุดให้ครบ
HIGH

ปัจจุบันมีสถานี active 4/5 จุดตามเป้าหมายนโยบาย จำนวนสถานีไม่เท่ากับความครอบคลุมพื้นที่โดยอัตโนมัติ ต้องออกแบบตำแหน่งจากประชากร แหล่งกำเนิด ลม ไฟฟ้า/เครือข่าย และจุดอ้างอิงพื้นหลัง

✅ แผนขยาย:
Phase 1: ทำแผนที่ coverage/แหล่งกำเนิดและตรวจสถานีเดิมด้วยการ co-location
Phase 2: คัดเลือกจุดใหม่ 1 จุดและทดลอง 30 วันก่อนยึดตำแหน่งถาวร
Phase 3: ประเมิน uptime, bias ระหว่างสถานี และค่าใช้จ่ายบำรุงรักษารายปี
กรอบอุปกรณ์ตั้งต้น: ~15,000 ฿ (1 จุด × 15,000 ฿; ไม่รวมค่า calibration/บำรุงรักษา)
FW v1.9.0: สถานีใหม่ทั้งหมดติดตั้ง firmware ล่าสุด
Station Network 4/5 (80%)
4
เอกสารขอตั้งงบประมาณ — อ้างอิงข้อมูลจริง
MEDIUM
📊 ตัวเลขสำคัญสำหรับเอกสารงบประมาณ:
• ข้อมูลทั้งหมด: 178,203 readings ใน 240 วัน (22/02/26 – 08/11/26)
• วันเฉลี่ย 24 ชม.เกิน WHO 15 µg/m³: 88 (36.7%)
• วัน PM2.5 เกินระดับเฝ้าระวัง: 31 วัน
• วัน PM2.5 เกินระดับวิกฤต: 10 วัน
• ค่า PM2.5 สูงสุดที่เคยพบ: 91.4 µg/m³
• readings CO₂ >1,000 ppm: 7,171
• Data Completeness 30 วันล่าสุด: 84% (ได้รับ 25,373/คาดหวัง 30,240 readings จาก cadence ที่ตรวจพบรายสถานี × 4 สถานี)
• ก่อนอ้างอิงเชิงงบประมาณให้แนบผล calibration, freshness, ช่องว่างข้อมูล และสมมติฐานต้นทุน
5
สถานการณ์งบประมาณเบื้องต้น (Budget Scenario)
HIGH
📊 สมมติฐานต้นทุนเพื่อวางกรอบงบ: ราคาต่อหน่วยเป็นตัวเลขตั้งต้น ต้องแทนด้วยใบเสนอราคาและจำนวนห้อง/ผู้ใช้จริงก่อนเสนออนุมัติ หน้านี้ไม่คำนวณผลตอบแทนสุขภาพหรือ ROI เพราะยังไม่มีข้อมูลผลลัพธ์สุขภาพและแบบจำลองเชิงสาเหตุรองรับ
รายการ งบประมาณ (฿) หมายเหตุ
ขยาย Sensor Network (1 สถานี) 15,000 ESP32 + Sensors + Solar + Housing
HEPA Filter (10 ห้องเรียน) 100,000 CADR ≥300 m³/h per unit
อุปกรณ์กรองอนุภาค — สถานการณ์สำรอง 332,100 22,140 ชิ้น × 15 ฿ · ต้องตรวจ fit/ขนาด
รวมลงทุน 447,100
6
เปรียบเทียบปีต่อปี (Year-over-Year Tracking)
MEDIUM

เก็บข้อมูลต่อเนื่องทุกปีเพื่อเปรียบเทียบ "ฤดูเผาไร่ 2568 vs 2569" — ถ้ามาตรการได้ผล จะเห็น Trend ลดลงชัดเจน ข้อมูลนี้มีน้ำหนักสำหรับ UNESCO GNLC ที่ต้องแสดง "measurable learning outcome"

7
UNESCO GNLC Learning City Report
HIGH
SDG 3 สุขภาพดี — ปกป้องจาก PM2.5 >18 µg/m³ เฉลี่ย
SDG 4 การศึกษาคุณภาพ — STEM จากข้อมูลจริง 178,203 readings
SDG 11 เมืองยั่งยืน — 4-station network + Open API
SDG 13 ความพร้อมรับความเสี่ยง — การติดตามฝุ่นอาจมี co-benefit แต่ไม่ใช้แทนหลักฐานการลดก๊าซเรือนกระจก

📥 Data Export — ดาวน์โหลดข้อมูล

OPEN DATA เปิดข้อมูลสาธารณะตามเจตนารมณ์ UNESCO GNLC · Citizen Science
📄 CSV 7 วัน 📄 CSV 30 วัน 📄 CSV 90 วัน 📄 CSV 365 วัน 🔗 API: Latest 🔗 API: Weekly 🔗 API: Baseline projection 🔗 API: Correlation 🔗 API: Heatmap
💡 API คืน JSON · CSV เปิดใน Excel ได้ทันที (UTF-8 BOM) · หน้าเว็บรีเฟรชได้ทุก 30 วินาที · coverage ใช้ median cadence ล่าสุดของแต่ละสถานีและ fallback จากค่าตั้งระบบ
มาตรฐานและข้อจำกัดที่ใช้: WHO Global AQG 2021 — PM2.5 24 ชม. 15 µg/m³ (99th percentile), กรมควบคุมมลพิษ — มาตรฐานไทย 24 ชม. 37.5 µg/m³, US EPA AQI breakpoints, และ ASHRAE Indoor CO₂ Position Document. ข้อมูลเซนเซอร์ต้นทุนต่ำเป็นหลักฐานเชิงบ่งชี้จนกว่าจะผ่าน co-location/calibration; correlation และ aerosol classification ไม่ยืนยันเหตุ–ผลหรือแหล่งกำเนิด

📅 แผนดำเนินการ (Implementation Roadmap)

🔴 เดือน 1–2: Quick Wins (เร่งด่วน)

ติดจอ Dashboard ในห้องพักครู · รับรอง Protocol 4 ระดับร่วมกับสาธารณสุข · สร้าง LINE OA พร้อมเวลาข้อมูล/ข้อจำกัด · อบรมครู Level 1 · ตรวจแผนห้องอากาศสะอาดและอุปกรณ์กรองที่เหมาะกับเด็ก · เปิด Data Export API

🟠 เดือน 3–4: ขยายระบบ

ติดตั้ง sensor สถานีที่ 2–3 (FW v1.9.0) · CO₂ sensor ในห้องเรียน · อบรมครู Level 2 · เปิด Weekly Report อัตโนมัติ · วางระบบข้อมูลสุขภาพแบบรวม/ไม่ระบุตัวบุคคล · เปิดใช้ baseline projection พร้อมป้ายข้อจำกัด

🟡 เดือน 5–6: วิเคราะห์เชิงลึก

Station Comparison เต็มระบบ · จัดทำเอกสารงบประมาณพร้อมสมมติฐานต้นทุนและใบเสนอราคา · STEM Curriculum Pilot · แผนดูแลกลุ่มเสี่ยงที่คุ้มครองข้อมูลส่วนบุคคล · Weekly Heatmap Analytics

🟢 เดือน 7–12: สมบูรณ์ + UNESCO

ครบ 5 สถานี (FW v1.9.0 ทั้งหมด) · Year-over-Year analysis · UNESCO GNLC Report · Clean Air Shelter ในชุมชน · Citizen Science · อบรมครู Level 3 · Open Data Platform

📥 ดาวน์โหลด CSV ทั้งหมด