📖 คู่มือการใช้งานระบบ
ℹ️ ระบบนี้พัฒนาตามมาตรฐาน ISO 50001 สำหรับการวิเคราะห์และติดตามสมรรถนะพลังงานในโรงงานอุตสาหกรรม
โดยใช้เทคนิค Multiple Linear Regression (MLR) ร่วมกับ CUSUM Control Chart
🚀 ขั้นตอนการใช้งาน (Step-by-Step)
1
เตรียมไฟล์ Excel ให้ถูกต้อง
ไฟล์ Excel ต้องมี แถวที่ 1 เป็นชื่อหัวคอลัมน์ โดยจัดรูปแบบคอลัมน์ตามตารางด้านล่าง
📥 ดาวน์โหลดไฟล์ตัวอย่าง Excel (Data_Y2567.xlsx)
คอลัมน์ Excel
A
B
C
D
E
F
G
H
I
บทบาท
Period / ช่วงเวลา
Y₁ ตัวแปรตาม
Y₂ ตัวแปรตาม
Y₃ ตัวแปรตาม
X₁ ตัวแปรต้น
X₂ ตัวแปรต้น
X₃ ตัวแปรต้น
X₄ ตัวแปรต้น
X₅ ตัวแปรต้น
ตัวอย่าง
เดือน/คาบ
Electrical (kWh)
Heat Energy (MJ)
Total Energy (MJ)
Production (unit)
CDD (Degree)
Downtime (hr)
Reject Rate (%)
Other
⚠️ ข้อสำคัญ: คอลัมน์ B, C, D = ตัวแปรตาม (Y) | คอลัมน์ E, F, G, H, I = ตัวแปรต้น (X) | ชื่อคอลัมน์ในแถวที่ 1 จะถูกดึงมาแสดงอัตโนมัติ
2
ไปที่แท็บ "ส่วนที่ 1A: Baseline Regression"
อัปโหลดไฟล์ Excel ข้อมูลช่วง Baseline → เลือกตัวแปร Y ที่ต้องการ → กดปุ่ม "อัปโหลดและคำนวณ Regression" → ระบบจะแสดงสมการและค่าสถิติ (R², Adj.R², P-value, VIF)
2B
ทางเลือก: แท็บ "ส่วนที่ 1B: Multi-Stream" — แยกวิเคราะห์ไฟฟ้า/ความร้อน ⭐ ระดับ Pro
เหมาะเมื่อผลิตภัณฑ์บางตัวไม่ใช้พลังงานความร้อน — สร้างสมการไฟฟ้าและความร้อนแยกกันโดยเลือกตัวแปรต้นอิสระต่อสาย
แล้วระบบจะรวมสมการและเปรียบเทียบความแม่นยำกับวิธีถดถอยรวมก้อนเดียวด้วย LOOCV พร้อมทำ CUSUM แยกสายและแปลงเป็นบาท
2C
แนะนำ: คัดกรองจุดเบี่ยงเบนที่แท็บ "ส่วนที่ 3: Scatter & SEC" ก่อนสรุปสมการ
เปิด "การคัดกรอง" → ค่าอ้างอิง ① ค่าคาดการณ์จากเส้นแนวโน้ม → ตั้งเกณฑ์ ±0–15% → จุดที่หลุดเกณฑ์เปลี่ยนสีบนกราฟ 1 และมีตัวเลขเทียบก่อน/หลังคัดกรอง → กด "ส่งข้อมูลที่คัดกรองแล้วไปคำนวณในส่วนที่ 1A" (ข้อมูลดิบไม่ถูกลบ กดกลับได้เสมอ)
· ตัดได้เฉพาะจุดที่หาสาเหตุได้ว่าไม่ใช่สภาวะปกติ (ISO 50006: ข้อมูลที่ไม่เป็นตัวแทนการดำเนินงานปกติ) ถ้าเป็นสภาวะที่เกิดซ้ำได้ ควรเก็บไว้หรือเพิ่มตัวแปร
⭐ ระดับ Pro: วิธีอ้างอิง ②–⑤ · ตารางรายงานจุดเบี่ยงเบน · ส่งออก Excel
2D
พยากรณ์และวางแผน: กล่อง "🔮 พยากรณ์การใช้พลังงาน" ในส่วนที่ 3 ⭐ ระดับ Pro
กรอก กำลังการผลิตสูงสุด → ได้พลังงาน ⚡ ไฟฟ้า / 🔥 ความร้อน / Σ รวม, SEC และต้นทุนที่เต็มกำลัง พร้อมช่วงพยากรณ์ 95% และเส้นลู่เข้า SEC∞ = β₁ บนกราฟ 2 ·
วาง แผนการผลิตรายคาบ → ได้งบพลังงาน/ต้นทุนรายคาบและรวม ใช้เป็นเป้าหมายและขอบเตือนในการติดตามผล · ทุกสายคำนวณจากแถวที่ผ่านการคัดกรองชุดเดียวกัน
3
ตรวจสอบและปรับสมการ
หาก P-value ของตัวแปรใดมากกว่า 0.05 ให้ ยกเลิกติ๊ก (uncheck) ตัวแปรนั้น → ระบบจะคำนวณสมการใหม่อัตโนมัติ → กด "บันทึกสมการไว้ใช้งาน" เพื่อเก็บไว้ในระบบ
4
ไปที่แท็บ "ส่วนที่ 2: CUSUM Monitoring"
อัปโหลดไฟล์ Excel ข้อมูลช่วง Monitoring → กดปุ่ม "วิเคราะห์ข้อมูล" → ระบบจะนำค่าสัมประสิทธิ์จากสมการ Baseline ไปคำนวณ Target Energy เปรียบเทียบกับ Actual Energy และแสดง CUSUM Chart
5
แปลผล CUSUM Chart
กราฟพุ่งขึ้น (+) = ใช้พลังงานมากกว่าเส้นฐาน (สูญเสีย) | กราฟทิ้งดิ่งลง (-) = ใช้พลังงานน้อยกว่าเส้นฐาน (ประหยัด)
🎯 เกณฑ์การประเมินสถานะ (Control Status)
SIG (Significant): ค่าเบี่ยงเบน ≤ ±1.0% — สภาวะปกติ ควบคุมได้ดี
VAR (Variability): ค่าเบี่ยงเบน ±1% ถึง ±15% — สภาวะเฝ้าระวัง
OUT (Outlier): ค่าเบี่ยงเบน > ±15% — ผิดปกติ ต้องตรวจสอบทันที
⚠️ หากพบสถานะ OUT ติดต่อกัน ≥ 3 คาบ ระบบจะส่งสัญญาณเตือน และควรทำ Root Cause Analysis (RCA)
เกณฑ์ ±1% และ ±15% เป็นค่าแนวทางของเครื่องมือ ไม่ใช่ข้อกำหนดของ ISO 50001/50006 · สถานะดูเฉพาะขนาดของ % Var ไม่ดูทิศทาง
💾 ระบบจัดเก็บสมการ
หลังคำนวณ Baseline แล้ว กดปุ่ม "บันทึกสมการไว้ใช้งาน" ระบบจะเก็บสมการ พร้อม R², วันที่บันทึก และชื่อโครงการที่ผู้ใช้กำหนด
สามารถบันทึกได้หลายสมการ (หลายโรงงาน / หลายพลังงาน)
โหลดสมการกลับมาใช้ได้ทันทีใน Monitoring
ส่งออกข้อมูลสมการเป็น JSON สำหรับสำรองข้อมูล
นำเข้าสมการที่บันทึกไว้ก่อนหน้าได้
📐 หลักการ Multiple Linear Regression
สมการทำนายการใช้พลังงาน (EnPI) รูปแบบ:
Y = β₀ + β₁X₁ + β₂X₂ + ... + βₙXₙ
R² ≥ 0.75 — เกณฑ์ปฏิบัติที่นิยมใช้ (ISO 50001/50006 ไม่ได้กำหนดตัวเลขนี้) · ตัดสินร่วมกับ CV(RMSE) ตาม ASHRAE Guideline 14ที่มาของตัวเลข 0.75: เกณฑ์แนะนำในแนวทาง IPMVP ฉบับก่อนปี 2016 (ฉบับ Core Concepts 2016 เป็นต้นมาไม่ระบุแล้ว) · ปัจจุบันยังระบุใน US DOE FEMP M&V Guidelines 4.0 Supplement (2023) ตาราง 2-1 และ BPA Regression for M&V (2024) สำหรับข้อมูลรายเดือน · IPMVP/ASHRAE ฉบับปัจจุบันให้ตัดสินจากความไม่แน่นอนของผลประหยัดเป็นหลัก (ผลประหยัด > 2 เท่าของ standard error)
P-value < 0.05 — ตัวแปรมีนัยสำคัญทางสถิติ
ตัวแปรที่ P-value ≥ 0.05 ควรตัดออกจากสมการ
⚙️ ข้อแนะนำด้านข้อมูล
ข้อมูล Baseline ควรมีอย่างน้อย 12 คาบ (12 เดือน/รอบ)
ข้อมูลควรครอบคลุมช่วงการผลิตที่หลากหลาย
ตรวจสอบค่า Outlier ในข้อมูล Baseline ก่อนนำเข้าระบบ
ใช้ไฟล์ Excel เดียวกันสำหรับทั้ง Baseline และ Monitoring (เพิ่มแถวต่อท้าย)
Period (คอลัมน์ A) ควรเป็นรหัสเดือนหรือวันที่ที่อ่านได้ชัดเจน
เลือกตัวแปรพลังงาน Y เป้าหมาย:
คอลัมน์ D — Total Energy (MJ)
คอลัมน์ B — Electrical Energy (kWh)
คอลัมน์ C — Heat Energy (MJ)
ส่วนที่ 1A: สร้างสมการเส้นฐาน (Baseline Regression Model)
※ ติ๊กตัวแปร X ที่ต้องการรวมในสมการ (ยกเลิกติ๊กตัวที่ P-value > 0.05) ระบบจะคำนวณสมการใหม่ทันที
Target Energy = 0.0000
ข้อมูลสถิติ (Statistical Analysis)
R Square -
Adjusted R Square -
Observations (n) -
R² Status -
CV(RMSE) ASHRAE G14 (n−p) -
ตัวแปร
Coefficients Standard Error t Stat P-value VIF
✏️ อัปเดตสมการ (Manual Override)
💾 บันทึกสมการไว้ใช้งาน
⭐ ส่วนที่ 1B: แยกวิเคราะห์ไฟฟ้า / ความร้อน (Multi-Stream Regression) — ย้ายไประดับ Pro
แยกสมการรายสายพลังงาน ⚡ไฟฟ้า / 🔥ความร้อน · CUSUM แยกสายเป็นบาท · เหมาะกับโรงงานที่ใช้พลังงานสองรูปแบบขึ้นไป
ส่วนที่ 1B: แยกวิเคราะห์ไฟฟ้า / ความร้อน (Multi-Stream Regression)
ℹ️ โหมดนี้สร้างสมการแยก 2 สาย — ⚡ ไฟฟ้า (kWh) และ 🔥 ความร้อน (MJ) โดยเลือกตัวแปรต้นของแต่ละสายได้อิสระ
(เช่น ตัดผลิตภัณฑ์ที่ไม่ใช้ความร้อนออกจากสมการความร้อน) แล้วรวมสมการเป็นพลังงานรวม
เปรียบเทียบความแม่นยำกับวิธีถดถอยรวมก้อนเดียว (Combined) ด้วย LOOCV (Leave-One-Out Cross-Validation) ซึ่งเป็นตัวชี้วัดที่ยุติธรรมกว่า R² ธรรมดา
※ สมมุติฐาน: Total (MJ) = 3.6 × Electrical (kWh) + Heat (MJ) — คำนวณจากคอลัมน์ B และ C เสมอเพื่อความสอดคล้องของการเปรียบเทียบ
เลือกตัวแปรต้น (X) ของแต่ละสายพลังงาน
※ ยกเลิกติ๊กช่อง 🔥 ของผลิตภัณฑ์/ตัวแปรที่ไม่เกี่ยวข้องกับการใช้ความร้อน — นี่คือหัวใจของวิธีแยกวิเคราะห์
ตัวแปรต้น (X) ⚡ สมการไฟฟ้า 🔥 สมการความร้อน
🧮 คำนวณและเปรียบเทียบ 2 วิธี
⚡ สมการไฟฟ้า — Electrical Energy (kWh)
-
ตัวแปร Coefficients Standard Error t Stat P-value VIF
🔥 สมการความร้อน — Heat Energy (MJ)
-
ตัวแปร Coefficients Standard Error t Stat P-value VIF
Σ สมการรวม (Method B: แยกแล้วรวม) — Total Energy (MJ)
-
= 3.6 × (สมการไฟฟ้า) + (สมการความร้อน) — กระจายสัมประสิทธิ์แล้ว
⚖️ เปรียบเทียบความแม่นยำ: วิธีรวมก้อนเดียว (A) vs แยกแล้วรวม (B)
-
↑ Method A: Total ~ ตัวแปรรวม (union ของตัวแปรที่เลือกทั้งสองสาย) — ประเมินทั้งสองวิธีบนพลังงานรวม (MJ) ชุดข้อมูลเดียวกัน
ตัวชี้วัด Method A — รวมก้อนเดียว Method B — แยกแล้วรวม
※ R² ในตัวอย่าง (in-sample) ของ Method A จะสูงกว่าหรือเท่ากับเสมอโดยธรรมชาติของ OLS —
ตัวชี้วัดที่ควรใช้ตัดสินคือ LOOCV CV(RMSE) ซึ่งวัดความแม่นยำเมื่อพยากรณ์ข้อมูลที่โมเดลไม่เคยเห็น
💾 บันทึกสมการ Multi-Stream ไว้ใช้งาน
CUSUM แยกสายพลังงาน + แปลงเป็นมูลค่า (บาท)
ℹ️ อัปโหลดข้อมูลช่วง Monitoring (โครงสร้างคอลัมน์เดียวกัน) — ระบบจะคำนวณ CUSUM แยก ⚡ ไฟฟ้า / 🔥 ความร้อน
และแปลงเป็นบาทด้วยราคาต่อหน่วยที่กำหนด เพื่อชี้ว่ามาตรการออกฤทธิ์ที่สายพลังงานใด
※ ต้นทุนความร้อนต่อ MJ = ราคาเชื้อเพลิง (บาท/หน่วย) ÷ [LHV (MJ/หน่วย) × ประสิทธิภาพหม้อไอน้ำ] — ค่าเริ่มต้นเป็นค่าสมมุติ กรุณาปรับตามไซต์งานจริง
Σ มูลค่ารวมสะสม
-
ติดลบ = ประหยัด | บวก = สูญเสีย
แผนภูมิ CUSUM แยกสายพลังงาน (หน่วย: บาท)
วิธีอ่าน: เส้น น้ำเงิน = ไฟฟ้า · เส้น ส้ม = ความร้อน · เส้นประ กรมท่า = รวม —
ทุกจุดหักของเส้นต้องหาเหตุการณ์จริงมาอธิบาย (มาตรการ, เปลี่ยนเชื้อเพลิง, เครื่องเสีย) ก่อนสรุปเป็นผลประหยัด
Period
Actual ⚡ (kWh) Target ⚡ (kWh) Δ⚡ (kWh)
Actual 🔥 (MJ) Target 🔥 (MJ) Δ🔥 (MJ)
Δ มูลค่า (บาท) CUSUM (บาท)
ส่วนที่ 2: นำเข้าข้อมูลติดตามผล (Monitoring Data)
🧭 แหล่งสมการ Baseline ที่ใช้สร้าง CUSUM:
ส่วนที่ 1A — สมการรวมก้อนเดียว (ตาม Y ที่เลือก)
ส่วนที่ 1B — Multi-Stream — ⭐ ระดับ Pro
ℹ️ ใช้สมการจาก ส่วนที่ 1A (Baseline) หรือโหลดสมการที่บันทึกไว้จากแท็บ "สมการที่บันทึกไว้"
⚠️ คำเตือนด้านสมรรถนะ: ตรวจพบสถานะ OUT ติดต่อกันตั้งแต่ 3 คาบ — ตรวจสอบข้อมูลและเครื่องจักร แล้วหาสาเหตุ (Root Cause Analysis: RCA) ทั้งกรณีใช้มากกว่าและน้อยกว่าเส้นฐาน
Period
X1 X2 X3 X4 X5
Actual Energy
Target Energy
Variance
% Var
CUSUM สะสม
Status
แผนภูมิควบคุมความเบี่ยงเบนสะสม (CUSUM Control Chart)
วิธีอ่านแผนภูมิ CUSUM:
กราฟอยู่ในโซนบวก (y > 0) และพุ่งขึ้น: โรงงานใช้พลังงาน มากกว่า เส้นฐาน (ความสูญเสีย)
กราฟอยู่ในโซนลบ (y < 0) และทิ้งดิ่งลง: โรงงานใช้พลังงาน น้อยกว่า เส้นฐาน (ประหยัด)
คำอธิบายสถานะการประเมินรายคาบเวลา
SIG: ค่าเบี่ยงเบน ≤ ±1.0% (สภาวะปกติ)
VAR: ค่าเบี่ยงเบน ±1.0% ถึง ±15.0% (เฝ้าระวัง)
OUT: ค่าเบี่ยงเบน > ±15.0% (ผิดปกติ ต้องตรวจสอบ)
เกณฑ์ ±1% และ ±15% เป็นค่าแนวทางของเครื่องมือ ไม่ใช่ข้อกำหนดของ ISO 50001/50006
สถานะดูเฉพาะขนาดของ % Var ไม่ดูทิศทาง — ดูเครื่องหมายประกอบเสมอ: ติดลบ (เขียว) = ใช้น้อยกว่าเส้นฐาน · บวก (แดง) = ใช้มากกว่าเส้นฐาน
ค่าเบี่ยงเบนรายคาบที่ไม่เกิน CV(RMSE) ของสมการ (ดูที่ส่วนที่ 1A) ยังอยู่ในความคลาดเคลื่อนปกติของสมการ — ให้ดูแนวโน้มของเส้น CUSUM หลายคาบต่อเนื่องประกอบ
ส่วนที่ 3: คัดกรองจุดข้อมูล (พื้นฐาน)
ℹ️ กราฟนี้ใช้ข้อมูลจากไฟล์ Baseline (ส่วนที่ 1A) โดยอัตโนมัติ หรือจะอัปโหลดไฟล์เฉพาะส่วนนี้ก็ได้ (โครงสร้างคอลัมน์ A–I เหมือนกัน: B,C,D = Y1,Y2,Y3 | E–I = X1–X5)
🧹 คัดกรองจุดข้อมูลที่เบี่ยงเบน (Outlier Screening) — ทำก่อนสร้างสมการ Baseline
✅ ส่งข้อมูลที่คัดกรองแล้วไปคำนวณในส่วนที่ 1A
↩️ ให้ 1A กลับไปใช้ข้อมูลดิบ
📥 ส่งออกรายการทวนสอบหน้างาน (Excel)
🗑️ ล้างการเลือกด้วยมือ/บันทึกผล
💡 คลิกจุดบนกราฟ 1 หรือ 2 เพื่อสลับ "ใช้/ไม่ใช้" จุดนั้นด้วยดุลยพินิจ (เช่น ทวนสอบแล้วว่าเป็นสภาวะปกติ → นำกลับมาใช้) · การตัดจุดไม่ลบข้อมูลดิบ
ยังไม่มีข้อมูล — กรุณาอัปโหลดไฟล์ หรือไปอัปโหลดที่ "ส่วนที่ 1A: Baseline Regression" ก่อน
📊 กราฟ 1 — ความสัมพันธ์ Y ↔ X (Scatter + เส้นแนวโน้ม)
สนใจ: การกระจายตัว (= ความสม่ำเสมอของประสิทธิภาพการผลิต) และค่าตัดแกน β₀ (= พลังงานฐานเมื่อไม่มีการผลิต)
จุดยิ่งเกาะแนบเส้น (R² สูง) = ประสิทธิภาพการผลิตสม่ำเสมอ · ค่าคงที่ β₀ คือพลังงานฐาน (Baseload) ที่ระบบใช้แม้ไม่ผลิต — ยิ่งสูงยิ่งมีภาระคงที่/standby มาก
⭐ กราฟ SEC · พยากรณ์พลังงาน · รายงานทวนสอบ — ย้ายไประดับ Pro
กราฟ SEC = Y/X กับเส้นลู่เข้า β₁ · วิธีคัดกรอง ②–⑤ และตัดซ้ำทีละรอบ (iterative) · งบพลังงานที่ X_cap และตามแผนการผลิต · รายงานจุดเบี่ยงเบนส่งออก Excel สำหรับทวนสอบหน้างาน — รุ่น Pro ยังเพิ่มรายงานคุณภาพข้อมูล · การวินิจฉัยจุดผิดปกติเชิงสถิติ (studentized residual · Cook’s D · Durbin-Watson)
📉 กราฟ 2 — SEC (Y/X) ↔ X : ลดกำลังผลิตแล้ว SEC พุ่งเร็วแค่ไหน
แกนตั้ง = SEC = Y/X (Specific Energy Consumption) · เส้นทึบแดง = แนวโน้มเชิงเส้น · เส้นประฟ้า = แบบจำลองจริง SEC = β₀/X + β₁ จากกราฟ 1
เมื่อ X (กำลังผลิต) ลดลง SEC จะพุ่งขึ้นตามรูป SEC = β₀/X + β₁ — ถ้าพลังงานฐาน β₀ สูง เส้นจะชันมาก หมายถึงลดกำลังผลิตแล้วต้นทุนพลังงานต่อหน่วยพุ่งเร็ว (อ่อนไหวต่อ utilization)
🔮 พยากรณ์การใช้พลังงาน — ที่กำลังการผลิตสูงสุด และตามแผนการผลิต
ก) ที่กำลังการผลิตสูงสุด (แยก ⚡ ไฟฟ้า · 🔥 ความร้อน · Σ รวม)
ข) งบประมาณพลังงานตามแผนการผลิต (Energy Budget)
กรอกแผนการผลิต 1 บรรทัดต่อ 1 คาบ — รูปแบบ ชื่อคาบ, ปริมาณผลิต หรือใส่ตัวเลขอย่างเดียว (คัดลอกจาก Excel 2 คอลัมน์มาวางได้)
🔮 คำนวณงบพลังงาน
📥 ส่งออกงบพลังงาน (Excel)
📋 รายงานจุดข้อมูลเบี่ยงเบน — สำหรับทวนสอบกับหน้างาน
เปิด "การคัดกรอง" ด้านบนเพื่อสร้างรายงาน
💾 สมการที่บันทึกไว้ในระบบ
สมการ Baseline ที่บันทึกไว้จะอยู่ในอุปกรณ์นี้ (Local Storage) สามารถโหลดกลับมาใช้งานหรือส่งออกเพื่อสำรองข้อมูลได้
📤 ส่งออกสมการทั้งหมด (JSON)
📥 นำเข้าสมการจากไฟล์ (JSON)
🗑️ ลบสมการทั้งหมด
ยังไม่มีสมการที่บันทึกไว้ — ไปที่ "ส่วนที่ 1A: Baseline Regression" แล้วกด "บันทึกสมการไว้ใช้งาน"