Page 32 - นาวิกศาสตร์ เดือน กรกฎาคม ๒๕๖๕

่
�
่
เป็้าเรอที�ป็ิด ป็ลอมืแป็ลง หรอลว็งเลียนสัญญาณ์ AIS จัากนันเป็็นกระบว็นการจััดลำาดับคว็ามืสำาคัญ แบ่งมือบเป็้าให�
�
ี
ิ
้
ั
้
ุ
ั
ำ
่
�
ศรชั้ล. ภัาคตัาง ๆ และทาการว็เคราะหโดยคณ์ะทางานผ่เชั้ยว็ชั้าญแลว็รายงานสรป็ผ่ลใหผ่บงคบบญชั้าทราบตัามืว็งรอบ
�
�
ำ
์
ั
�
ทีเหมืาะสมืตั่อไป็
�
�
๕. การบ้รณ์าการและแลกเป็ล�ยนขอมืลระหว็่างหน่ว็ยงานใน ศรชั้ล. นับว็่ามืีคว็ามืจัำาเป็็น โดยเฉพื้าะการแลกเป็ล�ยน
ี
้
ี
�
ั
�
้
ขอมื้ลกับกรมืเจั�าท่าและกรมืป็ระมืง ซึ่้�งป็จัจัุบันทำาการบรณ์าการแบบดิจัิทัลผ่่านระบบ Big Data ของ ศรชั้ล. ทังนี�
�
่
ี
ยังขาดการแลกเป็ล�ยนข�อมืลเป็้าเร่อท�ตัรว็จัจัับด�ว็ยเรดาร์ตัรว็จัการณ์์พื้นนำ�าของกรมืเจั�าท่าแบบดิจิทัล ในขณ์ะท�การ
ี
ี
้
แลกเป็ลยนกับกรมืป็ระมืงเป็็นแบบดจัิทัลแล�ว็ หาก ศรชั้ล. ได�แลกเป็ลียนข�อมืลเป็้าเรดาร์จัากกรมืเจั�าท่าเป็็นแบบ
้
�
ี
ิ
�
็
่
�
ิ
้
�
้
ดจัิทัลแล�ว็ กจัะสามืารถทำาการว็ิเคราะห์ขอมืลเป็้าร่ว็มืกับขอมืลเป็้าจัากระบบ SeaVision หรอระบบอ่นแบบออฟไลน์
�
�
ไดเป็็นอย่างดี
่
ี
ั
๖. การแบงป็นข�อมื้ลกบผ่ใชั้�งานในป็ระเทศยานอาเซึ่ยนผ่่านระบบ Chat เพื้อป็ระสานงานขอข�อมื้ลเป็า ขอคว็ามื
ั
�
่
�
้
่
้
ั
�
้
่
ิ
้
ี
�
้
ั
ำ
รว็มืมือในการตัดตัามืเป็าทีมืพื้ฤตักรรมืนาสงสย หร่อ เป็า Dark Vessel ซึ่งจัะเป็็นการยกระดบการทางานของ ศรชั้ล.
ิ
่
่
�
ี
ี
่
�
ี
้
ี
่
�
�
่
่
ให�เป็็นสากลมืคว็ามืเป็็นมืออาชั้พื้มืากขน เชั้น การตัรว็จัสอบทีมืาทีไป็ กรณ์เร่อผ่ ชั้อว็า Fin Shui Yuen 2 ซึ่งพื้บว็า
่
้
�
ี
อบป็างในทะเลระยะ ๒๘ ไมืลทะเล จัาก อ.สชั้ล จั.นครศรธรรมืราชั้
์
ั
ิ
�
ิ
้
ั
�
๗. แสว็งป็ระโยชั้นจัากเทคโนโลยีดาว็เทียมืใหมืากย�งขน ทงจัากระบบ SeaVision และศกษาตัดตัามืคว็ามืกาว็หนา �
ิ
�
้
์
�
ิ
่
ี
�
�
่
์
ั
ั
ำ
�
้
่
�
ิ
ิ
ี
จัากจัสดา บรษทชั้นนาจัากตัางป็ระเทศ ในการรว็บรว็มื ว็เคราะหขอมืลภัาพื้ถายดาว็เทยมื เพื้อพื้ฒนาขดคว็ามืสามืารถ
ั
ั
�
ดาน MDA ในสว็นทอาจัจัะยงไมืสามืารถพื้งพื้าจัากระบบ SeaVision โดยอาศยระบบ Big data ของ ศรชั้ล. ซึ่งตัองพื้ฒนา
ั
้
่
่
้
�
�
ั
ี
�
�
�
ิ
ขดสามืารถในการว็เคราะหข�อมื้ลป็กตั และข�อมื้ลเชั้งพื้นที จัากภัาพื้ถายดาว็เทยมืขันส้งด�ว็ย AI Machine Learning
์
่
ิ
่
�
ี
ิ
�
ี
และ Deep Learning
บทสรุป็
ระบบ SeaVision นับเป็็นระบบท�ด ผ่่านการใชั้�งานและเป็็นท�ยอมืรับในหลายป็ระเทศ มืีการพื้ัฒนาป็รับป็รุง
ี
ี
ี
�
�
ี
�
่
ั
�
่
่
ั
ี
�
ขีดคว็ามืสามืารถอย่างตั่อเนอง มืีการเลอกใชั้�เซึ่นเซึ่อร์ตัรว็จัจัับเป็้าทหลากหลาย ทงเซึ่นเซึ่อร์แบบท�ตัิดตังบนภัาคพื้น
์
้
�
ี
ั
ั
ั
์
่
์
ั
�
่
ไดแก ระบบ AIS และเรดารตัรว็จัการณ์ตัามืชั้ายฝั่งของป็ระเทศตัาง ๆ กบเซึ่นเซึ่อรบนดาว็เทยมื ซึ่งสามืารถรบสญญาณ์
�
�
้
AIS ถ่ายภัาพื้เป็้าเร่อพื้รอมืระบพื้ิกัดไดในน่านนำ�าทางทะเลท�ว็โลก จังเป็็นการยากท�เร่อเดินทะเลจัะหลบหลีกการตัรว็จัจัับ
ี
�
ั
ุ
่
ของระบบ SeaVision ไป็ได� ยกเว็�นว็่าเป็็น Dark Vessel ที�จังใจัป็ิดระบบ AIS หรอเป็็นเรอขนาดเล็กและเร่อป็ระมืง
่
�
ั
�
ทีไมืมืีการตัิดตังระบบ AIS เท่านัน การมืีระบบหรอเทคโนโลยีทีดีเพื้ียงอย่างเดียว็นัน ไมื่เพื้ียงพื้อตั่อการสรางผ่ลงาน
�
�
�
่
�
่
�
เชั้ิงป็ระจัักษ์ให� ศรชั้ล. ผ่้�ใชั้�งาน และผ่้�เชั้ยว็ชั้าญในการว็ิเคราะห์ขอมื้ลเป็็นเรองสำาคัญทีไมื่ยิงหย่อนไป็จัากพื้้�งพื้าระบบ
่�
�
�
ี
�
้�
�
หรอเทคโนโลยี หากศักยภัาพื้ของคนไมื่ไดรับการพื้ัฒนาใหรเท่าทันเทคโนโลยี ให�มืีคว็ามืคิดเชั้ิงว็ิเคราะห์ ก็จัะสามืารถ
�
่
่
ใชั้�ป็ระโยชั้น์จัากระบบหร่อเทคโนโลยีไดเพื้ียง ๑๐ หรอ ๒๐ เป็อร์เซึ่็นตั จัากขีดคว็ามืสามืารถของระบบน�น ๆ นับว็่าเป็็นการ
�
ั
์
เสยโอกาส ป็ระเด็นสุดท�ายเป็็นเรองของกระบว็นการแบ่งป็ัน และว็ิเคราะห์ข�อมืล โดยเฉพื้าะการว็ิเคราะห์ข�อมืล
้
ี
�
้
่
ี
�
�
ั
้
ระดับกลาง ระดับสง ซึ่้�งในยุคป็จัจัุบันขอมื้ล ศรชั้ล. มืมืากมืายมืหาศาล สามืารถคุยไดโดยไมื่อายใครว็่าเป็็น Big Data
การว็ิเคราะห์ข�อมืลระดับน� สำาคัญและจัำาเป็็นอย่างย�ง จัำาเป็็นตั�องยกระดับข�อมืลให�มืีคณ์ค่าส้งข้น ด�ว็ยการพื้งพื้า
้
้
ี
ุ
ิ
�
�
้
ี
เทคโนโลย AI Machine Learning และ Deep Learning ผ่้�เขียนขออว็ยพื้รและเอาใจัชั้่ว็ยให� ศรชั้ล. สามืารถ
�
�
ี
ั
�
�
�
ี
�
�
ี
ำ
้
่
็
�
ยกระดบการใชั้ป็ระโยชั้นจัากระบบ SeaVision ตัามืทผ่เขยนเสนอแนะไว็ขางตัน หากทาได ศรชั้ล. จัะเป็นหนว็ยทไดรบ
์
�
ั
นาวิกศาสตร์ 30
ปีที่ ๑๐๕ เล่มที่ ๗ กรกฎาคม ๒๕๖๕