การบูรณาการกระบวนการประเมินผลอย่างรวดเร็ว (RAP) ร่วมกับโมเดลภาษาปัญญาประดิษฐ์  เพิ่มประสิทธิภาพความมั่นคงและความยั่งยืนในการจัดการน้ำ โครงการส่งน้ำและบำรุงรักษามูลบน

ไชยาพงษ์   เทพประสิทธิ์; อมรเทพ เจริญสุข; พัชราวรรณ เม่นแต้ม

ผู้แต่ง

ไชยาพงษ์ เทพประสิทธิ์ ภาควิชาวิศวกรรมชลประทาน คณะวิศวกรรมศาสตร์ กำแพงแสน มหาวิทยาลัยเกษตรศาสตร์ วิทยาเขตกำแพงแสน
อมรเทพ เจริญสุข ภาควิชาวิศวกรรมชลประทาน คณะวิศวกรรมศาสตร์ กำแพงแสน มหาวิทยาลัยเกษตรศาสตร์ วิทยาเขตกำแพงแสน
พัชราวรรณ เม่นแต้ม ภาควิชาวิศวกรรมชลประทาน คณะวิศวกรรมศาสตร์ กำแพงแสน มหาวิทยาลัยเกษตรศาสตร์ วิทยาเขตกำแพงแสน

คำสำคัญ:

การประเมินผลอย่างรวดเร็ว (RAP), การจัดการน้ำ, ปัญญาประดิษฐ์ (AI), Gemini Pro, ChatGPT-5

บทคัดย่อ

การวิจัยนี้มีวัตถุประสงค์เพื่อประเมินประสิทธิภาพของโครงการส่งน้ำและบำรุงรักษามูลบน โดยบูรณาการกระบวนการประเมินผลอย่างรวดเร็ว (Rapid Appraisal Process: RAP) เข้ากับปัญญาประดิษฐ์ (Artificial Intelligence: AI) ได้แก่ ChatGPT-5 และ Gemini Pro เพื่อพัฒนาความมั่นคงและความยั่งยืนของการจัดการน้ำ ผลการประเมิน RAP. ตามตัวชี้วัดภายในพบว่าคะแนนรวมอยู่ที่ 1.88 จาก 4.0 สะท้อนข้อจำกัดด้านการวัดปริมาตรน้ำ ความเพียงพอของอ่างพักน้ำ ความสามารถในการระบายน้ำของอาคารรับ-ส่งน้ำ ดัชนีความผันผวนของระดับน้ำ การควบคุมท่อผี (ท่อลักลอบสูบน้ำที่ไม่ได้รับอนุญาต) ตลอดจนความเข้มแข็งของกลุ่มผู้ใช้น้ำ และร้อยละของค่าดำเนินงานและบำรุงรักษา แม้โครงสร้างพื้นฐานจะเสื่อมสภาพและการบริหารจัดการมีความซับซ้อน แต่การใช้ AI สามารถช่วยสนับสนุนการตัดสินใจ วิเคราะห์ข้อมูลเชิงซ้อน และเสนอแนวทางปรับปรุงที่เป็นระบบ แนวทางที่นำเสนอ ได้แก่ การยกระดับระบบคลองส่งน้ำ การติดตั้งเครื่องมือวัดและควบคุมน้ำอัจฉริยะ การเพิ่มอ่างพักน้ำ และการเสริมสร้างกลุ่มผู้ใช้น้ำให้เข้มแข็ง ซึ่งคาดว่าจะช่วยยกระดับประสิทธิภาพการจัดการน้ำ เพิ่มความยืดหยุ่นในการดำเนินงาน และสร้างความยั่งยืนในระยะยาว งานวิจัยนี้ชี้ให้เห็นถึงศักยภาพของการผสาน RAP. กับ AI ในการปรับปรุงโครงการชลประทานที่มีอายุการใช้งานยาวนาน และสามารถใช้เป็นต้นแบบสำหรับการพัฒนาระบบการจัดการน้ำในอนาคต

เอกสารอ้างอิง

โครงการส่งน้ำและบำรุงรักษามูลบน. (2566). เอกสารประกอบการประเมินการพัฒนาคุณภาพการบริหารจัดการโครงการชลประทาน ประจำปี 2565. สำนักงานชลประทานที่ 8 กรมชลประทาน.

สมจิตฐิพงศ์ อำนาจศาล. (2564). การศึกษาวิเคราะห์ปัจจัยความสำเร็จและผลกระทบต่อประสิทธิภาพการชลประทานของการบริหารจัดการน้ำในรูปแบบเครือข่ายส่งเสริมการมีส่วนร่วม กรณีศึกษาอ่างเก็บน้ำดอยงู จ.เชียงราย. สำนักงานชลประทานที่ 2 กรมชลประทาน.

สำนักงานทรัพยากรน้ำแห่งชาติ. (2561). แผนแม่บทการบริหารจัดการทรัพยากรน้ำ 20 ปี (พ.ศ. 2561-2580). http://www.onwr.go.th/?page_id=4174

อมรเทพ เจริญสุข, สมชาย ดอนเจดีย์, ไชยาพงษ์ เทพประสิทธิ์, และเกศวรา สิทธิโชค. (2565). การประเมินความเหมาะสมในการปรับปรุงโครงการส่งน้ำและบำรุงรักษาท่ามะกาด้วยเทคนิคการประเมินผลอย่างรวดเร็ว. รายงานสืบเนื่องจากการประชุมวิชาการระดับชาติ ครั้งที่ 19. (น. 459-463). มหาวิทยาลัยเกษตรศาสตร์ วิทยาเขตกำแพงแสน.

อรรณพ ขันติธรรมพัฒนา, ธเนศร์ สมบูรณ์, และไชยาพงษ์ เทพประสิทธิ. (2560). การประเมินโครงการสูบน้ำทุ่งวัดสิงห์โดยใช้วิธีการประเมินแบบเร่งด่วน. รายงานสืบเนื่องจากการประชุมวิชาการระดับชาติ ครั้งที่ 14. (น. 216-226). มหาวิทยาลัยเกษตรศาสตร์ วิทยาเขตกำแพงแสน.

อุรินทร์ โสตรโยม, และวราวุธ วุฒิวณิชย์. (2550). การประเมินผลโครงการชลประทานอ่างเก็บน้ำพระปรง โดยวิธีการประเมินแบบรวดเร็ว. รายงานสืบเนื่องจากการประชุมวิชาการ มหาวิทยาลัยเกษตรศาสตร์ วิทยาเขตกำแพงแสน ครั้งที่ 4. (น. 344-351). มหาวิทยาลัยเกษตรศาสตร์ วิทยาเขตกำแพงแสน.

อุรินทร์ โสตรโยม และวราวุธ วุฒิวณิชย์. (2554). การใช้วิธีประเมินโครงการอย่างรวดเร็ว เพื่อวิเคราะห์หาแนวทางการปรับปรุงการบริหารงานส่งน้ำของระบบส่งน้ำ 2 ซ้าย โครงการชลประทานแม่กลองใหญ่. วิทยาสารกำแพงแสน, 9(1), 41-52.

Brown, T. B., Mann, B., Ryder, N., Subbiah, M., Kaplan, J., Dhariwal, P., Neelakantan, A., Shyam, P., Sastry, G., Askell, A., Agarwal, S., Herbert-Voss, A., Krueger, G., Henighan, T., Child, R., Ramesh, A., Ziegler, D. M., Wu, J., Winter, C., . . . Amodei, D. (2020). Language models are few-shot learners. arXiv. https://doi.org/10.48550/arXiv.2005.14165

Burt, C. M. (2001). Rapid appraisal process (RAP) and benchmarking (Report R 01-008). Irrigation Training and Research Center, California Polytechnic State University. https://digitalcommons.calpoly.edu/bae_fac/32

Demeter ICT. (2024, December 11). Gem in Gemini คืออะไร? อยากใช้ Gemini แบบ Personalized ต้องลอง! https://dmit.co.th/th/google-workspace-updates-th/gem-in-gemini/

Food and Agriculture Organization of the United Nations. (1997). Rapid appraisal procedures (RAP) for irrigation performance assessment: Manual (Thai version). FAO Regional Office for Asia and the Pacific.

Gemini Team. (2025). Gemini 2.5: Pushing the frontier with advanced reasoning, multimodality, long context, and next-generation agentic capabilities. arXiv. https://doi.org/10.48550/arXiv.2507.06261

McHugh-Johnson, M. (2024, September 5). 5 tips on getting started with Gems, your custom AI experts. Google: The Keyword. https://blog.google/products/gemini/google-gems-tips/

OpenAI. (2023). ChatGPT plugins. https://openai.com/index/chatgpt-plugins/

OpenAI. (2025, August 7). Introducing GPT‑5 for developers. https://openai.com/index/introducing-gpt-5-for-developers/

Ray, S. S., Peddinti, P. R. T., Verma, R. K., Puppala, H., Kim, B., Singh, A., & Kwon, Y.-N. (2023). Leveraging ChatGPT plugin and Bard: What does it convey for water treatment/desalination and harvesting sectors? Desalination, 570, Article 117085. https://doi.org/10.1016/j.desal.2023.117085

Wongtragoon, U., & Suwanmaneepong, S. (2017). Evaluating the irrigation efficiency using Rapid Appraisal Process Technique (RAP) in a large scale irrigation, case study: Mae Lao Operation and Maintenance Project and Chiang Rai Irrigation Project, Thailand. International Journal of Agricultural Technology, 13(7.2), 1735-1748.

Vudhivanich, V. (2008). Policies and strategic planning for the Thailand Irrigation Sector Reform Programme. Department of Water Resources Engineering, Kasetsart University. https://eng.kps.ku.ac.th/irre/rreport/pdf/Design%20and%20operation%20ISRP.pdf

Weidinger, L., Mellor, J., Rauh, M., Griffin, C., Uesato, J., Huang, P.-S., Cheng, M., Glaese, M., Balle, B., Kasirzadeh, A., Kenton, Z., Brown, S., Hawkins, W., Stepleton, T., Biles, C., Birhane, A., Haas, J., Rimell, L., Hendricks, L. A., . . . Gabriel, I. (2021). Ethical and social risks of harm from language models. arXiv. https://doi.org/10.48550/arXiv.2112.04359