116
AQI เฉลี่ย (Thai PCD)
ปานกลาง
ปานกลาง
43.2
PM2.5 เฉลี่ย (µg/m³)
มีผลต่อสุขภาพ
มีผลต่อสุขภาพ
31
วันเกินเกณฑ์ >37.5 µg
ต้องงดกิจกรรมกลางแจ้ง
ต้องงดกิจกรรมกลางแจ้ง
30
Health Score (0–100)
วิกฤต
วิกฤต
18%
Data Completeness
31,186 readings
31,186 readings
16.9%
วันอากาศดี (≤25 µg)
10/59 วัน
10/59 วัน
📡 สถานีตรวจวัด — ข้อมูลล่าสุด (Real-time)
4 STATIONS คลิกที่การ์ดเพื่อดูรายละเอียดสถานี · อัปเดตอัตโนมัติทุก 30 วินาที · —
129
AQI
ปานกลาง
โรงเรียน เทศบาล 1 กิตติขจร
📍 ตาก
ออนไลน์
· เพิ่งอัปเดต
48.2PM2.5 µg
336CO₂ ppm
36.5°อุณหภูมิ
36%ความชื้น
140
AQI
ปานกลาง
โรงเรียนเทศบาล 2 วัดดอนมูลชัย
📍 ตาก
ออนไลน์
· 4 นาทีที่แล้ว
52.2PM2.5 µg
452CO₂ ppm
36.7°อุณหภูมิ
41%ความชื้น
42
AQI
ดีมาก
โรงเรียนเทศบาล 3 วัดชัยชนะสงคราม
📍 TH-TAK-TB3-001
ออฟไลน์
· 39 วันที่แล้ว
21.6PM2.5 µg
511CO₂ ppm
29.6°อุณหภูมิ
41%ความชื้น
14
AQI
ดีมาก
โรงเรียนเทศบาล 4 รัตนวิทยานุสรณ์
📍 TH-TAK-TB4-001
ออฟไลน์
· 41 วันที่แล้ว
8.2PM2.5 µg
1425CO₂ ppm
26.9°อุณหภูมิ
29%ความชื้น
📊 สรุปสถานการณ์ — วิเคราะห์จากข้อมูลจริง
59 DAYS43.2
PM2.5 เฉลี่ย (µg/m³)
↑ 24.5% 7d
263
PM2.5 สูงสุด (µg/m³)
92.8%
เกิน WHO (28,956 readings)
3
วันค่าผิดปกติ (Z>2σ) ใน 59 วัน
31
วัน PM2.5 >37.5 µg (เฝ้าระวัง)
8
วัน PM2.5 >75 µg (วิกฤต)
529
CO₂ เฉลี่ย (ppm)
2,116
readings CO₂ >1,000 ppm
45.8
PM2.5 เฉลี่ย 7 วัน
+24.5% vs สัปดาห์ก่อน
56.9
PM2.5 เฉลี่ย 30 วัน
+91.6% vs เดือนก่อน
16.9%
วันอากาศดี (≤25 µg)
24.3
SD (ความผันผวน)
📈 PM2.5 รายเดือน (เฉลี่ย µg/m³)
🎯 การกระจายตัว AQI (จำนวนวัน)
📉 PM2.5 รายวัน — แนวโน้มช่วง 59 วัน + Moving Average 7 วัน
🔮 พยากรณ์ 7 วันข้างหน้า (Weighted Moving Average) · confidence: ปานกลาง
🌡️ FW v1.9.0 — Comfort Zone Analysis
🔥 Heat Index เฉลี่ย FW v1.9.0
34.7°C
ระวัง
💧 Dew Point เฉลี่ย FW v1.9.0
16.4°C
สบาย
🗓️ 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.
49
51
65
51
50
52
52
52
48
52
53
50
50
46
46
46
46
52
56
55
53
54
61
69
อ.
63
58
58
56
60
60
62
61
59
59
55
56
54
58
54
51
51
53
72
81
70
68
67
74
พ.
75
63
68
60
55
54
50
53
55
52
51
53
56
59
61
70
74
76
69
62
63
60
58
56
พฤ.
57
60
54
49
50
53
61
67
65
58
46
51
60
57
60
61
66
65
62
59
63
64
68
64
ศ.
55
57
60
60
65
64
60
63
71
66
65
62
57
60
58
61
58
58
51
50
53
54
47
46
ส.
45
46
50
54
58
59
60
61
63
74
66
56
53
58
57
53
53
60
58
56
52
51
53
52
อา.
48
50
48
49
45
43
46
47
51
58
61
63
62
56
56
52
57
56
58
53
54
52
52
50
💡 Hover เพื่อดูค่า · สีเข้ม = PM2.5 สูง · ช่วยระบุเวลาที่อากาศแย่ประจำ
| พารามิเตอร์ | เฉลี่ย | สูงสุด | ต่ำสุด | SD (σ) | เกินมาตรฐาน | หมายเหตุ |
|---|---|---|---|---|---|---|
| PM2.5 (µg/m³) | 43.2 | 262.5 | 1.8 | 24.29 | WHO: 92.8% · Thai: 52.1% | มีผลต่อสุขภาพ |
| CO₂ (ppm) | 529 | 8,817 | — | — | >800: 2,345 · >1000: 2,116 · >1500: 1,561 | ดี |
| อุณหภูมิ (°C) | 33.2 | — | — | — | สภาพอากาศร้อน → PM2.5 สะสมง่ายขึ้น | |
| ความชื้น (%RH) | 39.9 | — | — | — | ความชื้นสูง → PM2.5 ตกตะกอนเร็วกว่า | |
| Heat Index (°C) v1.9.0 | 34.7 | — | — | — | ระวังโรคลมแดด | |
| Dew Point (°C) v1.9.0 | 16.4 | — | — | — | สบาย | |
🔬 แหล่งกำเนิดมลพิษที่พบบ่อย (30 วันล่าสุด)
Vape (2,775 · avg 87.1 µg)
Mixed (298 · avg 90.2 µg)
📅 รูปแบบตามฤดูกาล (PM2.5 เฉลี่ยรายเดือน)
ก.พ.
25.3 µg/m³
มี.ค.
46.0 µg/m³
เม.ย.
46.8 µg/m³
เดือนวิกฤต:
เม.ย. (46.8 µg) มี.ค. (46.0 µg) ก.พ. (25.3 µg)
🚨 Emergency Response Protocol — แผนตอบโต้ฉุกเฉิน
4 LEVELS ใช้ค่า PM2.5 ล่าสุดเป็นตัวกำหนดระดับการตอบสนอง · อัปเดตอัตโนมัติตาม Dashboard| ระดับ | PM2.5 (µg/m³) | สี | การดำเนินการ — โรงเรียน | การดำเนินการ — ชุมชน | วันที่พบ |
|---|---|---|---|---|---|
| ปกติ | 0–25 | 🟢 ดี | กิจกรรมปกติ ออกกำลังกายกลางแจ้งได้ | ใช้ชีวิตปกติ | 10 วัน (16.9%) |
| เฝ้าระวัง | 26–37.5 | 🟡 ระวัง | จำกัดกลางแจ้ง ≤30 นาที · ดื่มน้ำมาก | กลุ่มเสี่ยงหลีกเลี่ยงกลางแจ้ง | 18 วัน |
| อันตราย | 37.5–75 | 🔴 แดง | งดกิจกรรมกลางแจ้งทั้งหมด · เปิด HEPA · แจก N95 | แจ้งเตือน LINE · เปิด Clean Room | 31 วัน |
| วิกฤต | >75 | ⛔ วิกฤต | พิจารณาหยุดเรียน · เรียนออนไลน์ · แจ้งเขตพื้นที่ | แจ้ง สาธารณสุข · อพยพกลุ่มเสี่ยง | 8 วัน |
⚠️ Heat Index Alert: Heat Index เฉลี่ย 34.7°C เกินเกณฑ์ปลอดภัย — ต้องพิจารณาร่วมกับ PM2.5 ในการตัดสินใจกิจกรรมกลางแจ้ง (ลมแดด + ฝุ่น = ความเสี่ยงซ้อน)
🏫 ข้อเสนอแนะสำหรับโรงเรียนเทศบาล 1 กิตติขจร
8 ITEMS วิเคราะห์จากข้อมูลจริง 59 วัน — ระบบ AI Analytics Engine · FW v1.9.01
ระบบจัดการกิจกรรมตามคุณภาพอากาศ (Activity Protocol)
CRITICAL
จากข้อมูลจริงพบ 31 วันที่ PM2.5 เกิน 37.5 µg/m³ (ระดับเฝ้าระวัง) และ 8 วันที่เกิน 75 µg/m³ (ระดับวิกฤต) — โรงเรียนจำเป็นต้องมีระบบปรับกิจกรรมที่ชัดเจนและปฏิบัติได้จริง
📊 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): งดกิจกรรมกลางแจ้งทั้งหมด
• PM2.5 >75 µg/m³ (พบ 8 วัน): พิจารณาหยุดเรียน / เรียนออนไลน์
• ค่าสูงสุดที่เคยพบ: 262.5 µg/m³ (17.5× มาตรฐาน WHO)
• ⚠️ Heat Index เฉลี่ย 34.7°C — ต้องพิจารณาร่วมกับ PM2.5
• 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): งดกิจกรรมกลางแจ้งทั้งหมด
• PM2.5 >75 µg/m³ (พบ 8 วัน): พิจารณาหยุดเรียน / เรียนออนไลน์
• ค่าสูงสุดที่เคยพบ: 262.5 µg/m³ (17.5× มาตรฐาน WHO)
• ⚠️ Heat Index เฉลี่ย 34.7°C — ต้องพิจารณาร่วมกับ PM2.5
✅ แผนปฏิบัติการ:
1. ติดจอ TV ในห้องพักครู แสดง Dashboard + Forecast 7 วัน
2. กำหนดในระเบียบโรงเรียน: PM2.5 >37.5 = งดกิจกรรมกลางแจ้ง
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
1. ติดจอ TV ในห้องพักครู แสดง Dashboard + Forecast 7 วัน
2. กำหนดในระเบียบโรงเรียน: PM2.5 >37.5 = งดกิจกรรมกลางแจ้ง
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 เฉลี่ย 529 ppm (สูงสุด 8,817 ppm) — งานวิจัย Harvard พบว่า CO₂ >1,000 ppm ลดคะแนน cognitive function ลง 15–50%
📊 ข้อมูลจากเซ็นเซอร์:
• CO₂ เฉลี่ย: 529 ppm · สูงสุด: 8,817 ppm
• readings CO₂ >800 ppm (เริ่มไม่ดี): 2,345
• readings CO₂ >1,000 ppm (ระบายอากาศไม่ดี): 2,116
• readings CO₂ >1,500 ppm (อันตราย): 1,561
• ปัญหาหนักช่วงบ่าย 13:00–15:00 น. (นักเรียนมาก + อากาศร้อน + ปิดหน้าต่าง)
• CO₂ เฉลี่ย: 529 ppm · สูงสุด: 8,817 ppm
• readings CO₂ >800 ppm (เริ่มไม่ดี): 2,345
• readings CO₂ >1,000 ppm (ระบายอากาศไม่ดี): 2,116
• readings CO₂ >1,500 ppm (อันตราย): 1,561
• ปัญหาหนักช่วงบ่าย 13:00–15:00 น. (นักเรียนมาก + อากาศร้อน + ปิดหน้าต่าง)
✅ แผนปฏิบัติการ:
1. ติดตั้ง sensor CO₂ ในทุกห้องเรียน (ESP32+SCD30) เชื่อมต่อ Dashboard
2. กฎ: CO₂ >800 = เปิดหน้าต่าง 5 นาที · CO₂ >1,200 = พักเปลี่ยนอากาศ 10 นาที
3. ติดตั้งพัดลมดูดอากาศในห้องที่ค่าสูงเกินบ่อย
4. HEPA filter (CADR ≥300 m³/h) สำหรับห้องเรียนอนุบาลช่วงฝุ่นสูง
5. ใหม่: จัดอันดับห้องเรียนตาม CO₂ เฉลี่ย — แก้ห้องแย่สุดก่อน
1. ติดตั้ง sensor CO₂ ในทุกห้องเรียน (ESP32+SCD30) เชื่อมต่อ Dashboard
2. กฎ: CO₂ >800 = เปิดหน้าต่าง 5 นาที · CO₂ >1,200 = พักเปลี่ยนอากาศ 10 นาที
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
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
จาก Anomaly Detection พบ 3 วันที่ค่า PM2.5 ผิดปกติ (Z-Score >2σ) — หากเทียบกับข้อมูลการลาป่วยของนักเรียน จะได้หลักฐานเชิงประจักษ์ที่มีน้ำหนักมากสำหรับของบประมาณ
✅ แผนปฏิบัติการ:
1. บันทึกการลาป่วย (โรคทางเดินหายใจ) ในระบบดิจิทัลพร้อมวันที่
2. ทุกเดือน cross-reference: วัน PM2.5 สูง vs วันลาป่วยสูง
3. ถ้าพบ correlation → รายงานเสนอขอ HEPA filter + หน้ากาก N95
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
1. บันทึกการลาป่วย (โรคทางเดินหายใจ) ในระบบดิจิทัลพร้อมวันที่
2. ทุกเดือน cross-reference: วัน PM2.5 สูง vs วันลาป่วยสูง
3. ถ้าพบ correlation → รายงานเสนอขอ HEPA filter + หน้ากาก N95
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: เม.ย. (46.8 µg) มี.ค. (46.0 µg) ก.พ. (25.3 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. ใหม่: ใช้ระบบพยากรณ์ 7 วันเพื่อเตรียมตัวล่วงหน้า
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. ใหม่: ใช้ระบบพยากรณ์ 7 วันเพื่อเตรียมตัวล่วงหน้า
6
คลังหน้ากาก N95 — คำนวณจากข้อมูลจริง
MEDIUM
📊 การคำนวณจากข้อมูล:
• วันที่ PM2.5 >37.5 µg/m³ (ต้องใส่หน้ากาก): 39 วัน/ปี
• สมมติ นร. 500 คน + ครู 40 คน = 540 คน · N95 ใช้ได้ ~3 วัน
• ต้องการ: 7,020 ชิ้น/ปี
• งบประมาณ (~15 ฿/ชิ้น): ~105,300 บาท/ปี
• วันที่ PM2.5 >37.5 µg/m³ (ต้องใส่หน้ากาก): 39 วัน/ปี
• สมมติ นร. 500 คน + ครู 40 คน = 540 คน · N95 ใช้ได้ ~3 วัน
• ต้องการ: 7,020 ชิ้น/ปี
• งบประมาณ (~15 ฿/ชิ้น): ~105,300 บาท/ปี
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
ใหม่ v3.0: อบรมการอ่าน Weekly Heatmap + ใช้ Forecast ในการวางแผน
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
ใหม่ v3.0: อบรมการอ่าน Weekly Heatmap + ใช้ Forecast ในการวางแผน
8
Student Dashboard — จอแสดงผลในอาคารเรียน
LOW
ออกแบบหน้าจอง่ายสำหรับนักเรียน: หน้ากากยิ้ม/เศร้า + สีเขียว/เหลือง/แดง + ข้อความ "วันนี้วิ่งเล่นข้างนอกได้!" หรือ "วันนี้เล่นในอาคารนะ" — ติดตั้งที่จุดรวมพลหน้าอาคารเรียน · แสดงพยากรณ์ 3 วันข้างหน้า
🏘️ ข้อเสนอแนะสำหรับชุมชน
5 ITEMS1
ระบบแจ้งเตือน LINE Notify ชุมชน
CRITICAL
จากข้อมูลจริงพบ 39 วันที่มีความเสี่ยงต่อสุขภาพ ชุมชนต้องได้รับการแจ้งเตือนทันที โดยเฉพาะผู้สูงอายุ เด็กเล็ก และผู้ป่วยโรคทางเดินหายใจ
✅ 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. ใหม่: รวม Forecast 3 วัน ในข้อความแจ้งเตือนเช้า
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. ใหม่: รวม Forecast 3 วัน ในข้อความแจ้งเตือนเช้า
2
รณรงค์ลดการเผาด้วยข้อมูลวิทยาศาสตร์
HIGH
📊 ข้อมูลจากระบบ:
• เดือนวิกฤต: เม.ย. (46.8 µg/m³) — สูงกว่าช่วงปกติมาก
• ช่วงอากาศร้อนแห้ง + ลมน้อย → ฝุ่นจากการเผาสะสมสูงเป็นพิเศษ
• ข้อมูลนี้สามารถใช้เป็นหลักฐานในการรณรงค์ลดการเผาในชุมชน
• แหล่งกำเนิดที่ตรวจพบบ่อย: Vape Mixed
• เดือนวิกฤต: เม.ย. (46.8 µg/m³) — สูงกว่าช่วงปกติมาก
• ช่วงอากาศร้อนแห้ง + ลมน้อย → ฝุ่นจากการเผาสะสมสูงเป็นพิเศษ
• ข้อมูลนี้สามารถใช้เป็นหลักฐานในการรณรงค์ลดการเผาในชุมชน
• แหล่งกำเนิดที่ตรวจพบบ่อย: Vape Mixed
✅ สื่อรณรงค์:
1. ป้ายในชุมชนพร้อมกราฟ PM2.5 รายเดือน
2. แสดงจำนวนวันที่ลูกหลานต้องใส่หน้ากาก: 39 วัน/ปี
3. เปรียบเทียบเดือนวิกฤต vs เดือนปกติจากปฏิทินคุณภาพอากาศ
4. ใหม่: Weekly Heatmap แสดงช่วงเวลาที่อากาศแย่ประจำ — ชี้ชัดว่าเผาตอนไหน
1. ป้ายในชุมชนพร้อมกราฟ PM2.5 รายเดือน
2. แสดงจำนวนวันที่ลูกหลานต้องใส่หน้ากาก: 39 วัน/ปี
3. เปรียบเทียบเดือนวิกฤต vs เดือนปกติจากปฏิทินคุณภาพอากาศ
4. ใหม่: Weekly Heatmap แสดงช่วงเวลาที่อากาศแย่ประจำ — ชี้ชัดว่าเผาตอนไหน
3
ปกป้องกลุ่มเสี่ยง — ผู้สูงอายุ เด็กเล็ก ผู้ป่วยเรื้อรัง
CRITICAL
📊 จากข้อมูลจริง:
• readings ที่ PM2.5 >15 µg/m³ (WHO threshold): 28,956 (92.8% ของทั้งหมด)
• readings ที่ PM2.5 >37.5 µg/m³ (อันตรายต่อกลุ่มเสี่ยง): 16,242 (52.1%)
• Lancet 2023: PM2.5 เพิ่มขึ้น 10 µg/m³ → ความเสี่ยงโรคหัวใจ +8%, โรคปอด +6%
• FW v1.9.0: Heat Index เฉลี่ย 34.7°C → เพิ่มความเสี่ยงโรคลมแดดสำหรับผู้สูงอายุ
• readings ที่ PM2.5 >15 µg/m³ (WHO threshold): 28,956 (92.8% ของทั้งหมด)
• readings ที่ PM2.5 >37.5 µg/m³ (อันตรายต่อกลุ่มเสี่ยง): 16,242 (52.1%)
• Lancet 2023: PM2.5 เพิ่มขึ้น 10 µg/m³ → ความเสี่ยงโรคหัวใจ +8%, โรคปอด +6%
• FW v1.9.0: Heat Index เฉลี่ย 34.7°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. แจกหน้ากาก N95 ฟรีสำหรับกลุ่มเสี่ยงในช่วงเดือนวิกฤต
1. จัดทำทะเบียนผู้สูงอายุ+ผู้ป่วยเรื้อรังร่วมกับ อสม.
2. แจ้งเตือนเฉพาะกลุ่มเสี่ยงผ่าน LINE/โทรศัพท์ เมื่อ PM2.5 >25 µg
3. จัดห้องสะอาด (Clean Room) ในศูนย์ผู้สูงอายุ ติด HEPA filter + แอร์
4. แจกหน้ากาก N95 ฟรีสำหรับกลุ่มเสี่ยงในช่วงเดือนวิกฤต
4
แนวต้นไม้กรองฝุ่น (Green Belt Strategy)
MEDIUM
เมื่อ Multi-Station network ครบทุกจุด จะเห็นว่าพื้นที่ไหน PM2.5 สูงกว่า — จุดนั้นควรปลูกแนวต้นไม้กรองฝุ่น (ทองอุไร มะขาม พิกุล) ซึ่งลด PM2.5 ได้ 20–30% ในรัศมี 50 เมตร
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 ITEMS1
ระบุแหล่งกำเนิดมลพิษจากข้อมูลสถิติ
CRITICAL
📊 ข้อมูลจากระบบ:
• ค่า PM2.5 เฉลี่ย 43.2 µg/m³ — เกิน WHO 2.9× เท่า
• ค่าสูงสุด: 262.5 µg/m³ — เกิน WHO 17.5× เท่า
• มี 3 วันที่ค่าผิดปกติทางสถิติ (Z-Score >2σ) → ชี้ว่ามีกิจกรรมมนุษย์เป็นตัวกระตุ้น
• แหล่งกำเนิดที่พบ 30 วันล่าสุด: Vape (2775) · Mixed (298) ·
• ค่า PM2.5 เฉลี่ย 43.2 µg/m³ — เกิน WHO 2.9× เท่า
• ค่าสูงสุด: 262.5 µg/m³ — เกิน WHO 17.5× เท่า
• มี 3 วันที่ค่าผิดปกติทางสถิติ (Z-Score >2σ) → ชี้ว่ามีกิจกรรมมนุษย์เป็นตัวกระตุ้น
• แหล่งกำเนิดที่พบ 30 วันล่าสุด: Vape (2775) · Mixed (298) ·
✅ นโยบาย:
1. ใช้ข้อมูลจริงในเอกสารนโยบายเพื่อยืนยันความจำเป็นของการควบคุมแหล่งกำเนิด
2. ขยาย sensor network ให้ครบ 5 จุด เพื่อ spatial source analysis
3. เปรียบเทียบ PM2.5 ระหว่างสถานีริมถนน vs สวน → ระบุสัดส่วนจาก traffic
4. ใหม่: ใช้ Weekly Heatmap ระบุ "ชั่วโมงวิกฤต" ของแต่ละวัน
1. ใช้ข้อมูลจริงในเอกสารนโยบายเพื่อยืนยันความจำเป็นของการควบคุมแหล่งกำเนิด
2. ขยาย sensor network ให้ครบ 5 จุด เพื่อ spatial source analysis
3. เปรียบเทียบ PM2.5 ระหว่างสถานีริมถนน vs สวน → ระบุสัดส่วนจาก traffic
4. ใหม่: ใช้ Weekly Heatmap ระบุ "ชั่วโมงวิกฤต" ของแต่ละวัน
2
ตั้ง KPI คุณภาพอากาศระดับเทศบาล (จากข้อมูลจริง)
HIGH
📊 KPI แนะนำ:
| KPI | ค่าปัจจุบัน | เป้าหมายปี 1 (–10%) | เป้าหมายปี 3 (–25%) |
|---|---|---|---|
| PM2.5 Annual Mean | 43.2 µg | 38.9 µg | 32.4 µg |
| Readings >WHO 15µg | 92.8% | 78.9% | 60.3% |
| Readings >Thai 37.5µg | 52.1% | 41.7% | 26.1% |
| Anomaly Days | 3 วัน | 2 วัน | 2 วัน |
| Station Network | 4/5 | 3/5 | 5/5 |
| Health Score | 30/100 | 40/100 | 55/100 |
| Good Air Days | 16.9% | 18.6% | 22% |
3
ขยายเครือข่ายสถานี 5 จุดให้ครบ
HIGH
ปัจจุบันมีสถานีที่ใช้งานได้ 4/5 จุด — ต้องขยายให้ครบเพื่อครอบคลุมพื้นที่เทศบาลและเปิดใช้ Station Comparison ได้เต็มประสิทธิภาพ
✅ แผนขยาย:
Phase 1 (3 เดือน): ทศ.2 ดอนมูลชัย + สนง.เทศบาล (~30,000 ฿)
Phase 2 (6 เดือน): ทศ.3 ชัยชนะสงคราม (~15,000 ฿)
Phase 3 (9 เดือน): สวนริมปิง (~15,000 ฿)
รวมงบทั้งโปรเจกต์: ~60,000 ฿ (ESP32 + sensor + solar + กล่องกันน้ำ)
FW v1.9.0: สถานีใหม่ทั้งหมดติดตั้ง firmware ล่าสุด
Phase 1 (3 เดือน): ทศ.2 ดอนมูลชัย + สนง.เทศบาล (~30,000 ฿)
Phase 2 (6 เดือน): ทศ.3 ชัยชนะสงคราม (~15,000 ฿)
Phase 3 (9 เดือน): สวนริมปิง (~15,000 ฿)
รวมงบทั้งโปรเจกต์: ~60,000 ฿ (ESP32 + sensor + solar + กล่องกันน้ำ)
FW v1.9.0: สถานีใหม่ทั้งหมดติดตั้ง firmware ล่าสุด
Station Network
4/5 (80%)
4
เอกสารขอตั้งงบประมาณ — อ้างอิงข้อมูลจริง
MEDIUM
📊 ตัวเลขสำคัญสำหรับเอกสารงบประมาณ:
• ข้อมูลทั้งหมด: 31,186 readings ใน 59 วัน (22/02/26 – 21/04/26)
• readings เกินมาตรฐาน WHO: 28,956 (92.8%)
• วัน PM2.5 เกินระดับเฝ้าระวัง: 31 วัน
• วัน PM2.5 เกินระดับวิกฤต: 8 วัน
• ค่า PM2.5 สูงสุดที่เคยพบ: 262.5 µg/m³
• readings CO₂ >1,000 ppm: 2,116
• Data Completeness: 18% · Health Score: 30/100
• ข้อมูลทั้งหมด: 31,186 readings ใน 59 วัน (22/02/26 – 21/04/26)
• readings เกินมาตรฐาน WHO: 28,956 (92.8%)
• วัน PM2.5 เกินระดับเฝ้าระวัง: 31 วัน
• วัน PM2.5 เกินระดับวิกฤต: 8 วัน
• ค่า PM2.5 สูงสุดที่เคยพบ: 262.5 µg/m³
• readings CO₂ >1,000 ppm: 2,116
• Data Completeness: 18% · Health Score: 30/100
5
วิเคราะห์ความคุ้มค่า (Cost-Benefit Analysis)
HIGH
📊 สรุปการลงทุน vs ผลตอบแทน:
| 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 |
| N95 Masks (ปีละ) | 105,300 | 7,020 ชิ้น × 15 ฿ |
| รวมลงทุน | 220,300 | |
| ประมาณการลดค่าใช้จ่ายสุขภาพ | 1,053,000 | 39 วัน × 540 คน × 50 ฿ |
| ROI ปีแรก | 378% | ผลตอบแทนเชิงสุขภาพ |
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 >43 µg/m³ เฉลี่ย
SDG 4 การศึกษาคุณภาพ — STEM จากข้อมูลจริง 31,186 readings
SDG 11 เมืองยั่งยืน — 4-station network + Open API
SDG 13 ต่อสู้สภาพภูมิอากาศ — AI Analytics + Evidence-based policy
📥 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: Forecast
🔗 API: Correlation
🔗 API: Heatmap
💡 API คืน JSON · CSV เปิดใน Excel ได้ทันที (UTF-8 BOM) · ข้อมูลอัปเดตทุก 30 วินาที
📅 แผนดำเนินการ (Implementation Roadmap)
🔴 เดือน 1–2: Quick Wins (เร่งด่วน)
ติดจอ Dashboard ในห้องพักครู · กำหนด Protocol 4 ระดับในระเบียบโรงเรียน · สร้าง LINE OA แจ้งเตือน · อบรมครู Level 1 · จัดซื้อหน้ากาก N95 ก่อนฤดูเผาไร่ · 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 · เริ่มบันทึก Health Tracking · เปิดใช้ Forecast
🟡 เดือน 5–6: วิเคราะห์เชิงลึก
Station Comparison เต็มระบบ · จัดทำเอกสารงบประมาณพร้อม Cost-Benefit Analysis · STEM Curriculum Pilot · ทะเบียนกลุ่มเสี่ยง · 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