1. สภาพปัญหาและเหตุผลความจำเป็น

การบริหารจัดการและแก้ไขปัญหามลพิษทางอากาศในระดับภูมิภาคจำเป็นต้องอาศัยข้อมูลที่ถูกต้องและทันเหตุการณ์ ก่อนหน้าที่จะมีการพัฒนาระบบนี้ศูนย์สื่อสารการแก้ไขปัญหามลพิษทางอากาศ (ศกพ.) ส่วนภูมิภาค 11 พบข้อจำกัดบางประการในการปฏิบัติงานระดับพื้นที่ นั่นคือการพึ่งพาระบบการแจ้งพิกัดจุดความร้อนและรายงานผลผ่านแอปพลิเคชันสนทนา ซึ่งอาจส่งผลให้ข้อมูลมีความคลาดเคลื่อนและไม่ครบถ้วนในบางกรณี

ความท้าทายหลักที่พบคือข้อจำกัดด้านความรวดเร็วในการประสานงานและการลงพื้นที่ โดยในบางเหตุการณ์การรายงานผลการปฏิบัติงานเกิดขึ้นภายหลังจากเหตุการณ์ไฟป่าหรือการเผาไหม้ได้ยุติลงแล้ว นอกจากนี้ยังมีอุปสรรคในการแปลงพิกัดละติจูดและลองจิจูดให้เป็นสถานที่จริง ทำให้การค้นหาพื้นที่เป้าหมายมีความล่าช้า ตลอดจนปัญหาข้อมูลจุดความร้อนเข้าถึงได้ แต่ขาดความสะดวกในการบูรณาการเข้ากับปัจจัยแวดล้อมอื่นเพื่อนำไปใช้ในการกำกับดูแล

ข้อค้นพบเชิงประจักษ์จากสถานการณ์ดังกล่าวชี้ให้เห็นว่า กลไกการแก้ปัญหาของภาครัฐไม่ควรจำกัดอยู่เพียงการเฝ้าระวังพฤติกรรมการเผาของประชาชนเท่านั้น แต่ควรให้ความสำคัญกับการพัฒนากระบวนการปฏิบัติงานภายในระบบราชการให้มีความรวดเร็ว แม่นยำ และมีประสิทธิภาพมากยิ่งขึ้น การนำเทคโนโลยีสารสนเทศและปัญญาประดิษฐ์มาช่วยสนับสนุนการตรวจสอบข้อมูลเชิงลึกข้ามระบบจึงเป็นสิ่งจำเป็นอย่างยิ่ง

เพื่อแก้ไขข้อจำกัดดังกล่าวและยกระดับธรรมาภิบาลในการทำงานจึงได้พัฒนาระบบรายงานสถานการณ์คุณภาพอากาศแบบศูนย์รวมสำหรับพื้นที่รับผิดชอบของ สคพ.11 (นครราชสีมา ชัยภูมิ บุรีรัมย์ สุรินทร์) โดยเปลี่ยนรูปแบบจากการรวบรวมข้อมูลด้วยมือมาเป็นการดึงข้อมูลผ่าน API โดยตรง พร้อมระบบแปลงพิกัดและประเมินผลโควตาฝุ่นแบบเรียลไทม์ การนำเทคโนโลยีมาเป็นกลไกสนับสนุนการทำงานทำให้ได้ข้อมูลเชิงประจักษ์ที่โปร่งใสและตรวจสอบได้ ช่วยให้ผู้บริหารสามารถสั่งการได้อย่างรวดเร็วและตรงจุดมากยิ่งขึ้น

2. สถาปัตยกรรมของระบบ (System Architecture)

ระบบได้รับการออกแบบภายใต้แนวคิด Serverless Architecture และ Microservices โดยลดการพึ่งพาเครื่องแม่ข่ายส่วนบุคคลแต่ใช้การบูรณาการบริการคลาวด์สาธารณะและเทคโนโลยีวิเคราะห์ข้อมูลเชิงลึกเข้าด้วยกัน มุ่งเน้นให้ระบบทำงานอย่างถูกต้อง ตอบโจทย์การทำงานในระดบพื้นที่ รวดเร็ว และมีความมั่นคงปลอดภัยทางไซเบอร์เป็นสำคัญ แบ่งโครงสร้างการทำงานออกเป็น 4 ส่วนหลัก ดังนี้

ภาพที่ 1. โครงสร้างสถาปัตยกรรมระบบแบบบูรณาการข้อมูลเปิดและปัญญาประดิษฐ์

2.1. ส่วนเชื่อมโยงผู้ใช้งาน (User Gateway)

ระบบใช้กลไกการเปลี่ยนเส้นทางผ่านบริการอิเล็กทรอนิกส์ของกระทรวงทรัพยากรธรรมชาติและสิ่งแวดล้อม โดยกำหนดชื่อโดเมนทางการแบบสั้น (short URL) รูปแบบ https://esc.mnre.go.th/*.php เพื่อเป็นประตูทางเข้าหลัก วิธีการนี้ช่วยสร้างความน่าเชื่อถือให้กับระบบและจะทำการส่งต่อผู้ใช้งานไปยังหน้าแดชบอร์ดโดยอัตโนมัติ

2.2. ส่วนแสดงผลและเชื่อมต่อผู้ใช้ (Presentation Layer)

พัฒนาในรูปแบบ Web Application แบบหน้าเดียวโดยใช้เทคโนโลยี HTML5 CSS3 (Tailwind CSS) และ JavaScript ระบบส่วนหน้าถูกนำไปจัดเก็บเพื่อให้บริการบน GitHub Repository ซึ่งเป็นบริการเว็บโฮสติ้งที่มีความเสถียรสูงสามารถรองรับปริมาณการเข้าใช้งานจำนวนมากได้อย่างมีประสิทธิภาพ การประมวลผลแผนที่ (Leaflet) และกราฟสถิติ (Chart.js) ดำเนินการที่ฝั่งเครื่องของผู้ใช้งาน

2.3. ส่วนประมวลผลหลังบ้านและการทำงานอัตโนมัติ (Backend & Automation)

ระบบใช้ Google Apps Script (GAS) ทำหน้าที่เป็นศูนย์กลาง (Hub) ในการประมวลผลและจัดการข้อมูล โดยมีฐานข้อมูลหลักเป็น Google Sheets กลไกการทำงานอัตโนมัติ (Automated Workflow) ถูกตั้งค่าผ่าน Time-driven Triggers โดยกำหนดให้สร้างคิวงานทุกเวลา 01.00 น. และเริ่มดึงข้อมูลค่าเฉลี่ย PM_2.5 24 ชั่วโมง จากเซิร์ฟเวอร์ของระบบ Air4Thai (กรมควบคุมมลพิษ) ในเวลา 07.20 น. ของทุกวัน เพื่อความแม่นยำในการเชื่อมต่อกับเซิร์ฟเวอร์ดงกล่าว

นอกจากนี้ GAS ยังรับหน้าที่ประมวลผลเชิงพื้นที่ (Geospatial Analysis) โดยการดึงพิกัดจุดความร้อนดิบจาก NASA FIRMS มาคำนวณเปรียบเทียบกับขอบเขตโพลีกอน (Polygon) ของ 4 จังหวัดในพื้นที่ สคพ.11 (นครราชสีมา ชัยภูมิ บุรีรัมย์ สุรินทร์) ที่ดึงข้อมูลจาก Google Drive (GeoJSON) เพื่อคัดแยกและนับจำนวนจุดความร้อนเฉพาะในพื้นที่รับผิดชอบ ซึ่งเป็นการประมวลผล GIS บนระบบคลาวด์ที่มีความซับซ้อน ส่วนในแผนที่จุดความร้อน มีการเติมข้อมูลชื่อเขตการปกครอง (ตำบล อำเภอ) ที่พบจุดความร้อน โดยดึงข้อมูลจาก Longdo Map

2.4. ส่วนบูรณาการข้อมูลและปัญญาประดิษฐ์ (Data Integration & AI Layer)

ข้อมูลจากหลายแหล่งถูกเชื่อมโยงผ่าน API รวมถึงข้อมูลพยากรณ์อากาศและอัตราการระบายอากาศ นวัตกรรมที่สำคัญคือการพัฒนาฟังก์ชัน Webhook บน GAS เพื่อรับคำสั่งจากหน้าเว็บและส่งต่อข้อมูลบริบท (ค่าฝุ่น จุดความร้อน สภาพอากาศ โควตาฝุ่น) ไปยัง Gemini 3.1 Flash API

ระบบมีการเขียน Prompt Engineering อย่างรัดกุม กำหนดบทบาท นโยบาย (ลดพื้นที่เผาไหม้เกษตร 10%) และสั่งให้ AI ทำงานแบบ Multimodal โดยดึงภาพแผนที่ความร้อน NASA และกราฟอัตราการระบายอากาศมาวิเคราะห์ร่วมกับตัวเลข เพื่อร่างข้อความเชิงบริหารที่มีข้อเสนอแนะทางวิชาการ พร้อมระบบรักษาความปลอดภัยผ่าน Script Properties เพื่อป้องกันการเข้าถึง API Key โดยไม่ได้รับอนุญาต

3. จุดเด่นและข้อได้เปรียบทางวิศวกรรมซอฟต์แวร์

3.1. ความคุ้มค่าและเสถียรภาพ (Cost-Effective & Robustness)

การใช้สถาปัตยกรรม Serverless บน Google Workspace ร่วมกับ GitHub Pages ช่วยลดภาระงบประมาณในการจ้างพัฒนาระบบ (ประมาณ 50,000 ถึง 300,000 บาท) และการตั้งค่า/ดูแลเครื่องแม่ข่าย (ประมาณ 50,000 ถึง 100,000 บาทต่อปี) ระบบมีความยืดหยุ่นสูง (Fault Tolerance) หาก API ของแหล่งข้อมูลใดขัดข้อง ระบบส่วนอื่นยังสามารถทำงานต่อได้ตามปกติ

3.2. กลไกจัดการข้อมูลอัจฉริยะ (Intelligent Data Handling)

กระบวนการทำงานแบบอัตโนมัติ (Automation) ใน GAS ช่วยเลื่อนแผงข้อมูลฝุ่นย้อนหลังและบวกทบยอดวันเกินมาตรฐานและจุดความร้อนสะสมได้อย่างแม่นยำ พร้อมระบบป้องกันการนับซ้ำ (Double Counting) ในกรณีที่ผู้ใช้งานกดรันคำสั่งซ้ำในวันเดียวกัน

3.3. การยกระดับการวิเคราะห์ด้วย AI (AI-Enhanced Analysis)

การประยุกต์ใช้ Multimodal AI ไม่เพียงแต่ช่วยสรุปข้อมูลตัวเลข แต่ยังสามารถมองเห็นและอธิบายแนวโน้มการกระจายตัวของจุดความร้อนและอัตราการระบายอากาศผ่านกราฟิก ช่วยลดเวลาที่ผู้บริหารต้องใช้ในการวิเคราะห์ข้อมูลที่ซับซ้อน

3.4. การบริหารจัดการโควตาข้อมูลด้วยการหน่วงเวลา (API Rate Limiting & Asynchronous Delay)

ในการพัฒนาระบบที่ต้องเชื่อมต่อกับฐานข้อมูลหรือบริการแผนที่ภายนอก (API) มักจะมีข้อกำหนดเรื่อง "การจำกัดปริมาณการใช้งานต่อนาที" (Rate Limit) เพื่อป้องกันไม่ให้เซิร์ฟเวอร์ปลายทางทำงานหนักเกินไป เช่น บริการของ Longdo Map ที่จำกัดโควตาฟรีไว้ที่ 60 ครั้งต่อนาที หากระบบของเราส่งคำขอดึงข้อมูลจุดความร้อนนับร้อยจุดพร้อมกันในเสี้ยววินาที เซิร์ฟเวอร์จะทำการบล็อกคำขอส่วนเกินทันทีส่งผลให้ข้อมูลสูญหาย เพื่อแก้ปัญหานี้จึงมีการนำเทคนิค "การหน่วงเวลาแบบอะซิงโครนัส" (Asynchronous Delay) มาประยุกต์ใช้ โดยเขียนสคริปต์ (async/await ร่วมกับ setTimeout) สั่งให้ระบบทยอยส่งคำขอทีละรายการ และหยุดพักการทำงานประมาณ 1.1 วินาทีในแต่ละรอบลูป วิธีการนี้นอกจากจะเป็นการเคารพกติกาของระบบปลายทางแล้ว แม้จะแลกมาด้วยระยะเวลาการดาวน์โหลดที่เพิ่มขึ้นเล็กน้อย แต่ก็ช่วยรับประกันได้ว่าข้อมูลตำบล อำเภอ จังหวัดที่พบจุดความร้อน ทุกรายการ จะถูกดึงมาได้อย่างถูกต้องและครบถ้วนสมบูรณ์

4. ผลสัมฤทธิ์ที่ได้จากการนำระบบไปใช้งานจริง (Outcomes & Impact)

การนำระบบแดชบอร์ดแบบบูรณาการข้อมูลเปิดและปัญญาประดิษฐ์มาใช้บริหารจัดการมลพิษในพื้นที่ สคพ.11 ก่อให้เกิดผลสัมฤทธิ์ที่สำคัญ ดังนี้

4.1. การลดขั้นตอนและเพิ่มความแม่นยำของข้อมูล (Streamlining Data Accuracy)

การเชื่อมต่อข้อมูลจุดความร้อนและแปลงเป็นรายชื่อตำบลอำเภอแบบอัตโนมัติ ช่วยลดข้อผิดพลาดจากการประสานงานแบบเดิม ระบบสามารถรายงานโควตาวันที่ฝุ่นเกินมาตรฐานแบบเรียลไทม์ ทำให้ฐานข้อมูลที่ใช้ในการตัดสินใจมีความถูกต้องและโปร่งใสสูงสุด

4.2. การเสริมสร้างประสิทธิภาพในการสั่งการ (Efficiency in Command)

ผู้บริหารสามารถประเมินข้อมูลรอบด้านจากจุดเดียว และอาศัยร่างข้อความจากปัญญาประดิษฐ์ช่วยสรุปประเด็นสำคัญ ทำให้การสั่งการไปยัง ทสจ. และหน่วยปฏิบัติในพื้นที่มีความรวดเร็ว แม่นยำ และสอดคล้องกับระดับวิกฤตการณ์

4.3. การยกระดับกระบวนทัศน์ในการบริหารจัดการ (Paradigm Shift)

ผลสัมฤทธิ์ที่สำคัญของการนำระบบนี้มาใช้คือการขยายมุมมองในการแก้ไขปัญหา โดยตระหนักว่าความสำเร็จในการลดฝุ่นควันนั้นขึ้นอยู่กับความพร้อมในการตอบสนองของภาครัฐ การนำเทคโนโลยีปัญญาประดิษฐ์มาช่วยลดภาระงานรูทีนทำให้บุคลากรมีเวลาไปมุ่งเน้นการลงพื้นที่และแก้ไขปัญหาเชิงรุกได้อย่างเต็มศักยภาพ

4.4. การควบคุมคุณภาพอากาศ (Air Quality Control)

ผอ.สคพ.11 เริ่มใช้ระบบนี้ เมื่อวันที่ 18 มีนาคม 2569 โดยใช้ข้อความจากผู้ช่วย AI แจ้งเตือนสถานการณ์ PM_2.5 ที่เริ่มส่งผลกระทบต่อสุขภาพ และและเสนอแนะมาตรการเพื่อควบคุมสถานการณ์ ให้แก่ผู้ประสานงาน ทสจ. 4 จังหวัด กับ สคพ.11 เป็นปัจจัยหนึ่งที่ทำให้เครือข่ายมีความตื่นตัว และทำให้คุณภาพอากาศดีขึ้น (กลับเป็นสีเหลือง) ในวันต่อมา

4.5. การตรวจสอบจุดความร้อน (Fire Check)

แผนที่จุดความร้อน ดึงข้อมูลพิกัดโดยตรงจาก NASA ทำให้เกิดความรวดเร็วในการทราบถึงจุดที่เกิดไฟไหม้ ไม่ต้องรอให้เจ้าหน้าที่ปรับแต่งข้อมูล นอกจากนี้ การรายงานชื่อจังหวัดที่พบจุดความร้อนมีความเสถียรและแม่นยำสูง เพราะมีการป้องกันความคลาดเคลื่อนไว้ 3 ชั้น

ชั้นที่ 1 ดึงข้อมูลจากฐานข้อมูลโดยตรง (API) คือ ระบบจะนำพิกัดจุดความร้อน (ละติจูด ลองจิจูด) ส่งไปถาม Longdo Map ก่อนเสมอเพื่อดึงชื่อ ตำบล อำเภอ และจังหวัดที่ถูกต้องตามพิกัดทางภูมิศาสตร์จริงมาแสดงผลและดาวน์โหลดลง Excel

ชั้นที่ 2 ใช้โพลีกอนความละเอียดสูงเป็นแผนสำรอง (Fallback) หากเกิดเหตุสุดวิสัยที่ Longdo Map API ล่มหรือไม่ตอบสนอง ระบบจะใช้ฟังก์ชันของ Turf.js คำนวณว่าพิกัดนั้นตกอยู่ในโพลีกอนจังหวัดไหน ซึ่งใช้ไฟล์ GeoJSON ความละเอียดสูง การคำนวณส่วนนี้จึงแม่นยำทาบสนิทกับพื้นที่จริง

ชั้นที่ 3 การแสดงผลบนแผนที่ถูกต้องตามจริง เส้นแนวเขตสีม่วงที่ปรากฏบนหน้าจอ มาจากการวาดด้วยพิกัดความละเอียดสูง ทำให้เวลาเจ้าหน้าที่มองแผนที่ด้วยตาเปล่า จุดที่แสดงกับเส้นแนวเขตจะมีความสอดคล้องกัน ไม่เกิดภาพลวงตาที่จุดไปโผล่ผิดจังหวัด

อย่างไรก็ตาม กรณีเดียวที่อาจจะเกิดความคลาดเคลื่อนได้ (โอกาสน้อยมาก) คือ กรณีที่เกิดจุดความร้อนทับอยู่บนเส้นสมมติแบ่งเขตการปกครองแบบพอดี (ระดับเซนติเมตร) หรือเป็นพื้นที่ทับซ้อนแนวเขตป่าที่ฐานข้อมูลทางภูมิศาสตร์ยังมีความคลาดเคลื่อนในระดับประเทศ ซึ่งในทางปฏิบัติแทบจะไม่ส่งผลกระทบต่อการลงพื้นที่ตรวจสอบของเจ้าหน้าที่ สคพ.11 แต่อย่างใด

ระบบแผนที่ถือว่าสมบูรณ์และพร้อมให้ทีมงาน สคพ.11 นำไปใช้งานจริงสำหรับการเฝ้าระวังพื้นที่รับผิดชอบทั้ง 4 จังหวัด นอกจากนี้ ระบบยังปรับแต่งรูปแบบของตาราง Excel ที่ดาวน์โหลดออกมาให้ดูเป็นระเบียบพร้อมส่งรายงานให้หน่วยงานที่เกี่ยวข้องนำไปใช้งานได้ทันที

5. กรอบแนวคิดการปฏิรูประบบราชการสู่รัฐบาลดิจิทัล (Digital Government Transformation)

การพัฒนาระบบรายงานสถานการณ์คุณภาพอากาศและจุดความร้อนของ สคพ.11 ไม่ได้เป็นเพียงการสร้างเครื่องมือทางเทคโนโลยี แต่เป็นการวางรากฐานเพื่อปฏิรูประบบราชการสู่การเป็นรัฐบาลดิจิทัลอย่างเป็นรูปธรรม โดยมีโครงสร้างการขับเคลื่อนที่สำคัญ 4 ประการ ดังนี้

5.1. ฐานข้อมูลดิจิทัลที่บูรณาการเพื่อการตัดสินใจ (Data Foundation)

การขับเคลื่อนองค์กรด้วยข้อมูล (Data-Driven) จำเป็นต้องมีฐานข้อมูลดิจิทัลที่ครอบคลุม ทั้งข้อมูลที่หน่วยงานสร้างขึ้นเองในรูปแบบ Excel Google Sheets หรือภาพสถิติ และข้อมูลเปิด (Open Data) จากหน่วยงานภายนอกในรูปแบบ JSON PDF หรือ PNG การบูรณาการข้อมูลเหล่านี้เข้าด้วยกันเป็นจุดเริ่มต้นสำคัญที่ทำให้ผู้บริหารมีข้อมูลประกอบการตัดสินใจที่ถูกต้องและรอบด้าน

5.2. เทคโนโลยีและสิทธิการเข้าถึงข้อมูล (Technology and Access Rights)

ระบบราชการดิจิทัลต้องอาศัยสิทธิในการเข้าถึงข้อมูลข้ามหน่วยงาน เช่น การใช้ API Key HTML Link หรือ Image src ผ่านการเขียนชุดคำสั่งด้วยภาษาคอมพิวเตอร์อย่าง JavaScript และ Google Apps Script โดยทำงานร่วมกับโครงสร้างพื้นฐานด้านฮาร์ดแวร์และเครือข่ายอินเทอร์เน็ตบนระบบคลาวด์ (Cloud Computing) เพื่อทลายข้อจำกัดในการเชื่อมโยงข้อมูล

5.3. การประมวลผลอัจฉริยะหลังบ้าน (Intelligent Backend Processing)

การมีข้อมูลเพียงอย่างเดียวไม่เพียงพอต่อการใช้งาน ระบบจำเป็นต้องมีกลไกการให้บริการข้อมูลและการประมวลผลหลังบ้านที่แม่นยำ ทั้งการใช้ตรรกะทางโปรแกรม (Logic) ภายใน JavaScript เพื่อคำนวณและคัดกรองข้อมูลเชิงพื้นที่ และการผสานขีดความสามารถของปัญญาประดิษฐ์ (Gemini API) เข้ามาช่วยวิเคราะห์และประมวลผลขั้นสูง เพื่อลดภาระงานซ้ำซ้อนและเพิ่มประสิทธิภาพในการวิเคราะห์สถานการณ์

5.4. การนำเสนอข้อมูลที่มีประสิทธิภาพและมีเสถียรภาพ (Effective Data Presentation)

ข้อมูลที่ผ่านการประมวลผลแล้วจะต้องถูกนำเสนอให้ผู้ใช้งานสามารถทำความเข้าใจได้ง่าย นำไปใช้ประโยชน์ได้ทันที มีความถูกต้อง รวดเร็ว และระบบต้องมีเสถียรภาพสูงพร้อมใช้งานตลอดเวลา การออกแบบส่วนแสดงผลที่ตอบโจทย์ผู้ใช้งานจริงจึงเป็นกุญแจสำคัญที่ทำให้เทคโนโลยีสามารถสนับสนุนการบริหารงานได้อย่างแท้จริง

6. บทสรุป

การพัฒนาระบบควบคุมสถานการณ์ฝุ่นละออง PM_2.5 ของ สคพ.11 เป็นการสร้างเครื่องมือที่มีประสิทธิภาพในการสนับสนุนภารกิจของ ศกพ. ส่วนภูมิภาค และสะท้อนถึงแนวทางการบริหารจัดการภาครัฐยุคใหม่ที่มุ่งมั่นพัฒนาขีดความสามารถขององค์กร ทั้งนี้ การบูรณาการข้อมูลเปิดเข้ากับเทคโนโลยีปัญญาประดิษฐ์ด้วยวิศวกรรมซอฟต์แวร์ที่แข็งแกร่งบนโครงสร้างแบบ Serverless ได้สร้างระบบการทำงานที่โปร่งใส แม่นยำ เฉียบคม และฉับไว สนับสนุนความรับผิดชอบในการปฏิบัติงาน และยกระดับการจัดการสิ่งแวดล้อมให้มีความเข้มแข็ง ซึ่งพร้อมเป็นต้นแบบสำหรับการนำไปประยุกต์ใช้ในหน่วยงานอื่นต่อไป