การพัฒนาแบบจำลองเชิงสถิติเพื่อทำนายอัตราการระบายมลพิษอากาศจากโรงงานผลิตปูนซีเมนต์โดยใช้ข้อมูลองค์ประกอบวัตถุดิบและกระบวนการผลิต โรงงานผลิตปูนซีเมนต์ เป็นแหล่งกำเนิดสำคัญของมลพิษอากาศจำพวกฝุ่นละอองและก๊าซ เช่น CO2, NO2, SO2 เป็นต้น ซึ่งส่งผลกระทบต่อสุขภาพของประชาชน งานวิจัยนี้เลือกโรงงานผลิตปูนซีเมนต์ของบริษัทปูนซีเมนต์นครหลวง จำกัด (มหาชน) ในจังหวัดสระบุรี ในการพัฒนาแบบจำลองคณิตศาสตร์เชิงสถิติที่ใช้ปัจจัยด้านองค์ประกอบวัตถุดิบและกระบวนการผลิตเป็นตัวทำนายอัตราการระบายมลพิษอากาศ การวิจัยเริ่มจากการศึกษากระบวนการผลิต รวมรวมข้อมูลและสร้างฐานข้อมูลของตัวแปรที่กำหนดขึ้น โดยใช้ข้อมูลเฉลี่ยรายวันของโรงงานในปี 2550 ซึ่งประกอบด้วยข้อมูลด้านวัตถุดิบ เชื้อเพลิงถ่านหิน เชื้อเพลิงกากอุตสาหกรรมอันตราย กระบวนการผลิต และการปล่อยมลพิษอากาศเป็นตัวแปรในแบบจำลอง สำหรับพัฒนาแบบจำลองโดยใช้วิธีการวิเคราะห์ความถดถอยเชิงพหุ (MR) และวิธีโครงข่ายใยประสาทประดิษฐ์ (ANN) และเปรียบเทียบความสามารถของแบบจำลอง แบบจำลองความถดถอยเชิงพหุสำหรับทำนาย NO2, SO2, CO2, HCl และ TSP มีค่า Adjusted R2 อยู่ในช่วง 0.25–0.61 ส่วนแบบจำลองโครงข่ายใยประสาทประดิษฐ์มีค่า R2 อยู่ในช่วง 0.37-0.98 จากการตรวจสอบความถูกต้องของแบบจำลองความถดถอยเชิงพหุมีค่า R, IA และ RMSE อยู่ในช่วง 0.29-0.83, 0.53-0.94 และ 1.67-11.17 ตามลำดับ ส่วนแบบจำลองโครงข่ายใยประสาทประดิษฐ์มีค่าอยู่ในช่วง 0.45-0.83, 0.60-0.91 และ 1.62-20.70 ตามลำดับ พบว่าตัวแปรอิสระที่มีอิทธิพลสูงอย่างมีนัยสำคัญต่อแบบจำลองทั้งสอง ได้แก่ ปริมาณดินเหนียว ปริมาณหินปูน ชั่วโมงการทำงานของหม้อบดวัตถุดิบ เชื้อเพลิงทดแทน ชั่วโมงการทำงานของเตาเผา และปริมาณปูนเม็ดที่ผลิตได้ในแต่ละวัน แบบจำลองโครงข่ายใยประสาทประดิษฐ์มีประสิทธิภาพดีกว่าแบบจำลองความถดถอยเชิงพหุ โดยแบบจำลองสำหรับ NO2 สามารถอธิบายความแปรปรวนของมลพิษได้มากที่สุดและมีความถูกต้องสูงที่สุด ส่วนแบบจำลอง TSP มีคุณสมบัติทั้งสองจำกัดแบบจำลองที่ได้เป็นเครื่องมือที่มีประโยชน์สำหรับการจัดการการระบายมลพิษจากโรงงาน อาทิ การเลือกสภาวะการผลิตหรือสัดส่วนการใช้วัตถุดิบที่สามารถลดการปล่อยมลพิษ หรือการทำนายมลพิษที่จะเกิดขึ้นจากการเปลี่ยนแปลงในอนาคต Development of Statistical models for prediction of air pollutant emission rates from cement factory using raw material component and manufacturing process data Cement industry is a major source of air pollution such as dust and gases (CO2, NO2, SO2) that affect people’s health and quality of life. This study selected Siam City Cement in Saraburi Province to develop statistical models for predicting the pollutant emission using raw material components and manufacturing processes data as predictors. The research started from studying the manufacturing processes, collecting the data, and building the database of the variable. The recorded daily average data of raw materials, coal fuels, hazardous waste fuels, production processes, and air pollutant emission in 2007 were used as variables for developing multiple regression (MR) and artificial neural network (ANN) models. The resulted models were evaluated and compared for their performances. The MR models for predicting NO2, SO2, CO2, HCl and TSP, have the Adjusted R2 values in the range of 0.25–0.61. The ANN models have the R2 values in the range of 0.37-0.98. The model validation for the MR models shows the values of R, IA and RMSE in the range of 0.29-0.83, 0.53-0.94 and 1.67-11.17, respectively. The corresponding values for the ANN models are in the range of 0.45-0.83, 0.60-0.91 and 1.62-20.70, respectively. It is also found that the independent variables that have significant effect on both types of model are quantity of clay, quantity of limestone, raw mill running time, alternative fuels, kiln running time, and quantity of clinker. Overall, the ANN models perform slightly better than the MR models. The NO2 models have the highest prediction ability and validity, while the TSP models have limited ability. The models are beneficial tools for managing the plant emission, such as selecting production condition or raw material ratio to reduce pollution emission, or predicting future emission in different scenarios.