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

ข้อเสนอแนะเชิงนโยบาย
คุณภาพอากาศ เทศบาลเมืองตาก

10 AQI TH
ดีมาก ฐาน 24 ชม. 5.7 µg/m³ · โรงเรียน เทศบาล 1 กิตติขจร · coverage 100% · US EPA AQI: 32
วิเคราะห์จากข้อมูลจริง 165 วัน (118,305 readings) · 22/02/26 — 05/08/26 · สร้างอัตโนมัติ: 5 ส.ค. 2569 20:09 · 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

🎯
10
AQI Thai · ฐาน 24 ชม.
ดีมาก
🌡️
22.6
PM2.5 เฉลี่ยรายวัน 365 วัน
ถ่วงน้ำหนักสถานีเท่ากัน
⚠️
41
วันที่อย่างน้อย 1 สถานีเฉลี่ย >37.5
มาตรฐานไทย 24 ชม.
🛡️
100%
Coverage ฐาน 24 ชม.
288/288 รอบ · 5 นาที/ครั้ง
📊
66%
Data completeness · 30 วัน
cadence รายสถานี × 4 สถานี
🌿
57%
ทุกสถานีเฉลี่ย ≤25 µg/m³
94/165 วัน

📡 สถานีตรวจวัด — ข้อมูลล่าสุด (Real-time)

4 STATIONS คลิกที่การ์ดเพื่อดูรายละเอียดสถานี · อัปเดตอัตโนมัติทุก 30 วินาที · —

📊 สรุปสถานการณ์ — วิเคราะห์จากข้อมูลจริง

165 DAYS
10 AQI
ฐานปฏิบัติการ 24 ชม.: ดีมาก โรงเรียน เทศบาล 1 กิตติขจร · PM2.5 5.7 µg/m³ · coverage 100% · US EPA AQI 32
22.6
PM2.5 เฉลี่ย (µg/m³)
↓ 25% 7d
91
PM2.5 สูงสุด (µg/m³)
50.9%
วันที่ ≥1 สถานีเกิน WHO 15 (84/165)
10
วันค่าผิดปกติ (Z>2σ) ใน 165 วัน
41
วันที่ ≥1 สถานีเฉลี่ย >37.5 µg/m³
10
วัน PM2.5 >75 µg (วิกฤต)
510
CO₂ เฉลี่ย (ppm)
3,749
readings CO₂ >1,000 ppm
5.7
PM2.5 เฉลี่ย 7 วัน
-25% vs สัปดาห์ก่อน
7.8
PM2.5 เฉลี่ย 30 วัน
+52.9% vs เดือนก่อน
57%
วันอากาศดี (≤25 µg)
20.8
SD (ความผันผวน)
📈 PM2.5 รายเดือน (เฉลี่ย µg/m³)
🎯 การกระจาย PM2.5 รายวันตามเกณฑ์สุขภาพ (จำนวนวัน)
📉 PM2.5 รายวัน — แนวโน้มช่วง 165 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
20.1°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.
8
8
8
8
8
8
9
11
9
8
8
10
7
7
7
8
8
7
13
9
8
7
6
6
อ.
6
6
6
6
6
6
8
10
7
7
6
6
5
5
5
5
6
7
6
6
8
7
7
7
พ.
7
7
7
7
6
6
10
6
6
6
6
6
6
7
7
8
7
6
7
6
6
7
7
8
พฤ.
8
7
7
7
8
8
10
9
9
9
10
8
7
8
7
7
8
9
11
10
10
9
9
9
ศ.
8
8
7
7
7
7
12
11
8
7
7
7
8
10
13
8
9
13
14
10
10
9
9
9
ส.
8
7
6
7
7
7
9
9
8
9
8
8
8
8
9
10
11
9
9
11
9
8
7
7
อา.
7
6
6
6
6
6
7
10
8
7
7
7
7
7
6
7
7
7
8
9
8
6
7
7
💡 Hover เพื่อดูค่า · สีเข้ม = PM2.5 สูง · ช่วยระบุเวลาที่อากาศแย่ประจำ
พารามิเตอร์ เฉลี่ย สูงสุด ต่ำสุด SD (σ) เกินมาตรฐาน หมายเหตุ
PM2.5 (µg/m³) 22.6 91.4 3.6 20.82 WHO: 50.9% · Thai: 24.8% ดี
CO₂ (ppm) 510 8,817 — — >800: 4,430 · >1000: 3,749 · >1500: 2,277 ดี
อุณหภูมิ (°C) 32.2 — — — ตัวแปรร่วมสำหรับวิเคราะห์ — ห้ามตีความว่าเป็นสาเหตุจากค่าเฉลี่ยเพียงอย่างเดียว
ความชื้น (%RH) 52.2 — — — ความชื้นอาจมีผลต่อการตอบสนองของเซนเซอร์และอนุภาค จึงต้องตรวจร่วมกับ calibration
Heat Index (°C) v1.9.0 35.2 — — — เพิ่มความระมัดระวังความเครียดจากความร้อนและติดตามอาการ
Dew Point (°C) v1.9.0 20.1 — — — ชื้นปานกลาง
🔬 แหล่งกำเนิดมลพิษที่พบบ่อย (30 วันล่าสุด)
Vape (1,610 · avg 13.0 µg) Calibrating (135 · avg 16.2 µg) Mixed (95 · avg 17.1 µg) Smoke (2 · avg 24.8 µg) Dust (1 · avg 6.4 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.
5.2 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 94 วัน (57%)
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 165 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 510 ppm (สูงสุด 8,817 ppm) ใช้เป็นตัวชี้วัดแทนการระบายอากาศจากผู้ใช้งาน โดยต้องอ่านร่วมกับ CO₂ ภายนอก จำนวนคน ตำแหน่ง/ความแม่นยำเซนเซอร์ และมลพิษชนิดอื่น

📊 ข้อมูลจากเซ็นเซอร์:
• CO₂ เฉลี่ย: 510 ppm · สูงสุด: 8,817 ppm
• readings CO₂ >800 ppm (สัญญาณติดตามภายใน): 4,430
• readings CO₂ >1,000 ppm (ควรตรวจ ventilation/occupancy): 3,749
• readings CO₂ >1,500 ppm (ควรดำเนินการและตรวจซ้ำทันที): 2,277
• ตัวเลขเหล่านี้เป็น operational triggers ภายใน ไม่ใช่มาตรฐานความเป็นพิษหรือคะแนน IAQ โดยลำพัง
• FW v1.9.0: Dew Point 20.1°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 10 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 165 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 Calibrating Mixed
✅ สื่อรณรงค์:
1. ป้ายในชุมชนพร้อมกราฟ PM2.5 รายเดือน
2. แสดงจำนวนวันเฉลี่ยเกินมาตรฐานไทย: 41/165 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): 84 (50.9% ของวัน)
• วันค่าเฉลี่ย 24 ชม. >37.5 µg/m³ (มาตรฐานไทย): 41 (24.8%)
• 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 22.6 µg/m³ — 1.5× WHO guideline 24 ชม. (เชิงพรรณนา)
• ค่าเฉลี่ยรายวันที่สูงสุด: 91.4 µg/m³ — 6.1× WHO guideline 24 ชม.
• มี 10 วันที่ค่าเฉลี่ยต่างจากชุดข้อมูลมากกว่า 2 SD — เป็นสัญญาณตรวจสอบ ไม่ยืนยันสาเหตุหรือกิจกรรมมนุษย์
• แหล่งกำเนิดที่พบ 30 วันล่าสุด: Vape (1610) · Calibrating (135) · Mixed (95) · Smoke (2) · Dust (1) ·
✅ 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) 22.6 µg 20.4 µg 17.0 µg
Days mean >WHO 15µg/m³ 50.9% 43.3% 33.1%
Days mean >Thai 37.5µg/m³ 24.8% 19.8% 12.4%
Anomaly Days 10 วัน 8 วัน 5 วัน
Station Network 4/5 4/5 5/5
Data completeness (station cadence) 66% ≥95% ≥98%
Good Air Days 57% 62.7% 74.1%
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: 118,305 readings ใน 165 วัน (22/02/26 – 05/08/26)
• วันเฉลี่ย 24 ชม.เกิน WHO 15 µg/m³: 84 (50.9%)
• 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: 3,749
• Data Completeness 30 วันล่าสุด: 66% (ได้รับ 22,751/คาดหวัง 34,560 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 >23 µg/m³ เฉลี่ย
SDG 4 การศึกษาคุณภาพ — STEM จากข้อมูลจริง 118,305 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