เมื่อระบบ IoT ขยายตัวขึ้นจากแค่การแสดงผลแบบ Real-time ไปสู่ การวิเคราะห์อัตโนมัติและคาดการณ์ล่วงหน้า

ความสามารถใหม่ที่ระบบต้องมี ได้แก่:

• วิเคราะห์ข้อมูลจาก Sensor ได้ทันที
• ตรวจจับความผิดปกติ (Anomaly Detection)
• คาดการณ์ปัญหาก่อนที่จะเกิด (Predictive Maintenance)
• แจ้งเตือนอัตโนมัติเมื่ออุปกรณ์มีแนวโน้มเสีย

บทความนี้จะพาคุณสร้าง AI-powered IoT System ที่ใช้ Go + WebSocket เป็น data pipeline แบบเรียลไทม์ และ AI/ML เป็น “สมองวิเคราะห์” สำหรับงานด้าน Smart Factory, Smart City, Smart Energy และ Industrial IoT

🧠 ภาพรวม Architecture: AI + WebSocket + IoT

ระบบจะมี 5 องค์ประกอบหลัก:

1. IoT Device
   อุปกรณ์ Sensor เช่น ESP32, Raspberry Pi หรือ Device ใด ๆ ที่สามารถเชื่อมต่อผ่าน WebSocket
2. WebSocket Server (Go)
   เป็น Gateway ที่รับข้อมูล Sensor และกระจายไปยัง AI Engine และ Dashboard
3. AI/ML Engine
   ประมวลผลข้อมูลแบบ Real-time ทั้งการตรวจจับ Anomaly และการคาดการณ์ล่วงหน้า
4. Alert System
   แจ้งเตือนแบบทันทีเมื่อพบความผิดปกติ หรือมีความเสี่ยงสูง
5. Monitoring Dashboard
   แสดงผลข้อมูล sensor และผลวิเคราะห์แบบ Real-time ด้วย WebSocket

📡 1. โครงสร้างข้อมูล Sensor ที่เหมาะกับ AI

{
  "device_id": "MOTOR-01",
  "temperature": 78.2,
  "vibration": 0.92,
  "current": 15.3,
  "timestamp": 1734512000
}

✅ คำแนะนำ:

• ใช้ข้อมูลแบบตัวเลข (numeric)
• มี timestamp ชัดเจน
• ส่งข้อมูลต่อเนื่องแบบ stream

🔌 2. WebSocket Server (Go) สำหรับ IoT + AI

type SensorPayload struct {
    DeviceID    string  `json:"device_id"`
    Temperature float64 `json:"temperature"`
    Vibration   float64 `json:"vibration"`
    Current     float64 `json:"current"`
    Timestamp   int64   `json:"timestamp"`
}

func handleIoT(conn *websocket.Conn) {
    for {
        var payload SensorPayload
        if err := conn.ReadJSON(&payload); err != nil {
            return
        }

        result := analyzeSensor(payload)
        conn.WriteJSON(result)
    }
}

⚠️ 3. การตรวจจับ Anomaly แบบ Real-time

ตัวอย่างการตรวจจับ Anomaly เบื้องต้น:

func detectAnomaly(temp float64) bool {
    const maxTemp = 85.0
    return temp > maxTemp
}

func analyzeSensor(data SensorPayload) map[string]interface{} {
    anomaly := detectAnomaly(data.Temperature)

    return map[string]interface{}{
        "device_id": data.DeviceID,
        "anomaly":   anomaly,
        "message":   "Temperature anomaly detected",
    }
}

🔮 4. Predictive Maintenance คืออะไร?

การคาดการณ์ว่าอุปกรณ์ จะเกิดปัญหาในอนาคต โดยอาศัย:

• ข้อมูลย้อนหลัง (historical sensor data)
• รูปแบบของค่าต่าง ๆ (pattern)
• AI/ML Model เช่น Time-series Forecasting, LSTM, Gradient Boosting

📌 ตัวอย่าง:

• Vibration เพิ่มขึ้นเรื่อย ๆ → เสี่ยง Bearing พัง
• Temperature สูงผิดปกติ → เสี่ยง Overheat

🤖 5. เชื่อม AI/ML Model เข้ากับ WebSocket

โครงสร้างระบบ:

• AI Model รันแยกเป็น Microservice (Python / FastAPI)
• WebSocket Server (Go) ส่งข้อมูลไปให้ผ่าน HTTP/gRPC
• รอผลลัพธ์ → ส่งกลับ Dashboard

func callAIService(data SensorPayload) (string, error) {
    // เรียกใช้ AI service ที่แยกอยู่ภายนอก
    return "Maintenance required in 24 hours", nil
}

🚨 6. ส่ง Real-time Alert ผ่าน WebSocket

เมื่อพบความเสี่ยง:

{
  "type": "ALERT",
  "device_id": "MOTOR-01",
  "severity": "HIGH",
  "action": "Inspect motor within 24 hours"
}

WebSocket เหมาะกับ Alert แบบ Real-time มากกว่าการใช้ REST API หรือ polling

📊 7. Dashboard & Visualization

หน้าที่ของ Dashboard:

• แสดงค่าจาก Sensor แบบสด
• ไฮไลต์อุปกรณ์ที่มีปัญหา
• แสดง Timeline การคาดการณ์

👨‍💻 สามารถใช้ร่วมกับ React, Vue, Angular → WebSocket Client ไม่ต้อง polling → ประหยัด bandwidth และเร็วกว่า

🔐 8. Security ที่ห้ามละเลยในระบบ AI + IoT

• ✅ Device Authentication (Token / JWT)
• ✅ Rate Limiting ต่อ Device
• ✅ ตรวจสอบและ validate ข้อมูล Sensor
• ✅ จำกัดสิทธิ์ผู้ใช้งานและการเข้าถึงผล AI

🚀 ท้าให้ลอง!

🧪 ลองทำ Mini Project:

• เขียน script จำลอง Device ส่งอุณหภูมิทุก 1 วินาที
• WebSocket Server วิเคราะห์ anomaly
• ถ้าค่าเกิน → ส่งแจ้งเตือนกลับทันที
• เก็บข้อมูลลง DB เพื่อใช้กับ AI Model ในอนาคต

นี่คือรากฐานของระบบแบบ Smart Factory, Smart Farming, และ Predictive Maintenance แบบที่ใช้งานจริงในอุตสาหกรรม!

🔮 EP.119: Real-time Collaborative Document Editing

ตอนหน้าเราจะพาคุณสร้างระบบ “แก้เอกสารพร้อมกันแบบ Google Docs” ด้วย WebSocket, Conflict Resolution และเทคนิคการ Sync แบบ Real-time 💬

ถ้าคุณอ่านมาถึงตรงนี้... คุณพร้อมแล้วที่จะสร้าง Real-time System ที่มี AI เป็นผู้ช่วย! แล้วพบกันในตอนต่อไปครับ 🚀