การเปรียบเทียบวิธีการรัฐไทย-มาเลเซีย จัดทำนโยบาย “ทำนา”

การซื้อรถไถ–รถเกี่ยวข้าว EV ของไทย เทียบกับ MADA Model ของมาเลเซีย และทางเลือก CLDO: บทวิเคราะห์เศรษฐศาสตร์การเกษตรและ Forensic Budget Analysis

Thailand’s EV Tractor–Combine Procurement versus Malaysia’s MADA Model and the CLDO Alternative: An Agricultural Economics and Forensic Budget Analysis

บทนำ

การถกเถียงเรื่องแนวคิดจัดหารถแทรกเตอร์หรือรถเกี่ยวข้าวพลังงานไฟฟ้า หรือ EV ของกระทรวงเกษตรและสหกรณ์ วงเงินประมาณ 8,000 ล้านบาท ไม่ควรถูกลดทอนให้เหลือเพียงคำถามว่า “รถคันละกี่ล้านบาท แพงหรือถูก” เพราะโจทย์ที่แท้จริงของเศรษฐศาสตร์การเกษตรคือ งบประมาณสาธารณะหนึ่งบาทสามารถเพิ่มรายได้สุทธิเกษตรกร ลดต้นทุนต่อหน่วย เพิ่มผลิตภาพ และยกระดับความสามารถแข่งขันของข้าวไทยได้มากเพียงใด รวมทั้งผลประโยชน์ดังกล่าวยั่งยืนเกินกว่าอายุของเครื่องจักรหรือไม่

บทความนี้จึงวิเคราะห์สามทางเลือก ได้แก่ หนึ่ง การลงทุนในเครื่องจักร EV เป็นศูนย์กลาง สอง การพัฒนาระบบการผลิตตามแนวทาง Muda Agricultural Development Authority หรือ MADA ของมาเลเซีย และสาม การพัฒนา Community Livelihood Development Organization หรือ CLDO ซึ่งมุ่ง “รวมการจัดการโดยไม่รวมกรรมสิทธิ์ที่ดิน” ภายใต้หลัก Scale without Ownership Concentration โดยใช้การวิเคราะห์เศรษฐศาสตร์การเกษตร ควบคู่กับ Forensic Budget Analysis เพื่อตรวจสอบตรรกะงบประมาณ สมมติฐานต้นทุน–ผลประโยชน์ ความเสี่ยงทางการคลัง ต้นทุนค่าเสียโอกาส และธรรมาภิบาลการจัดซื้อจัดจ้าง

ข้อมูลสถานะโครงการ EV ในบทความนี้ตรวจสอบถึงวันที่ 16 ตุลาคม 2569 จึงต้องย้ำตั้งแต่ต้นว่า โครงการยังไม่ใช่ข้อยุติสุดท้ายทั้งด้านจำนวนเครื่องจักร ราคาต่อหน่วย สเปก และองค์ประกอบงบประมาณ แม้ก่อนหน้านั้นจะมีการสื่อสารถึงวงเงินประมาณ 8,000 ล้านบาทและรถประมาณ 500 คันก็ตาม 

คำสำคัญ

ข้าวไทย; เครื่องจักรกลการเกษตร EV; รถเกี่ยวข้าวไฟฟ้า; MADA; CLDO; เกษตรแปลงใหญ่; ต้นทุนการผลิต; ผลิตภาพ; Forensic Budget Analysis; Total Cost of Ownership; Public–Private–People Partnership; Scale without Ownership Concentration

1. ปัญหาข้าวไทยไม่ใช่เพียง “น้ำมันแพง” แต่เป็นปัญหาเชิงระบบ

แนวคิด “ผลผลิตสูง–ต้นทุนต่ำ” มีฐานทางเศรษฐศาสตร์ที่แข็งแรง เพราะกำไรของเกษตรกรสามารถเขียนในรูปพื้นฐานว่า

กำไรสุทธิต่อไร่ = (ผลผลิตต่อไร่ × ราคาขายสุทธิ) – ต้นทุนรวมต่อไร่

แต่สำหรับนโยบายสาธารณะ สมการนี้ยังไม่เพียงพอ เพราะต้องพิจารณา Water Reliability, Machinery Utilization, Post-Harvest Loss, Market Integration, Bargaining Power และ Governance Quality ร่วมด้วย

ข้อมูลล่าสุดของสำนักงานเศรษฐกิจการเกษตรจากการศึกษาข้าวนาปีปีเพาะปลูก 2567/68 ใน 37 จังหวัด พบว่าเกษตรกรทั่วไปมีต้นทุนรวมเฉลี่ย 4,644.06 บาทต่อไร่ ได้ผลผลิตเฉลี่ย 535.31 กิโลกรัมต่อไร่ หรือต้นทุนประมาณ 8.68 บาทต่อกิโลกรัม ขณะที่เกษตรกรที่ใช้ปุ๋ยตามค่าวิเคราะห์ดินมีต้นทุน 4,400.78 บาทต่อไร่ ผลผลิต 553.57 กิโลกรัมต่อไร่ และต้นทุนลดลงเหลือ 7.95 บาทต่อกิโลกรัม ที่สำคัญ กำไรต่อไร่เพิ่มจาก 1,260.41 บาทเป็น 1,705.10 บาท แสดงให้เห็นว่าแม้ไม่มีการซื้อเครื่องจักรใหม่ การจัดการปัจจัยการผลิตอย่างแม่นยำก็สามารถลดต้นทุนและเพิ่มผลตอบแทนได้แล้ว 

ตัวเลขนี้มีนัยเชิงนโยบายมาก เพราะชี้ว่า เครื่องจักรเป็นเพียงหนึ่งตัวแปรในฟังก์ชันการผลิตข้าว ไม่ใช่ตัวแปรเดียว การเลือกเทคโนโลยีที่ลดค่าเชื้อเพลิงได้ แต่ละเลยน้ำ พันธุ์ ดิน ปุ๋ย การจัดคิวเพาะปลูก การอบลดความชื้น หรือการตลาด ย่อมเสี่ยงต่อการแก้ “ต้นทุนบางส่วน” โดยไม่ได้แก้ “ต้นทุนรวมต่อหนึ่งตันข้าว”

ด้านการแข่งขันระหว่างประเทศ ปัญหายิ่งชัดเจนขึ้น เมื่อ Krungsri Research รายงานว่าในช่วง 9 เดือนแรกของปี 2025 ปริมาณส่งออกข้าวไทยลดลง 23.1% เหลือประมาณ 5.8 ล้านตัน ท่ามกลางผลผลิตโลกที่เพิ่มขึ้น การนำเข้าของบางประเทศลดลง และการแข่งขันด้านราคาที่รุนแรงขึ้น 

ประเทศไทยมีพันธุ์ผลผลิตสูงอยู่แล้ว เช่น กข95 ซึ่งกรมการข้าวระบุว่ามีผลผลิตเฉลี่ย 885 กิโลกรัมต่อไร่ และมีศักยภาพสูงสุด 1,213 กิโลกรัมต่อไร่ในเงื่อนไขเหมาะสม แต่พื้นที่แนะนำคือนาชลประทานภาคกลางและภาคเหนือตอนล่าง อีกทั้งยังมีข้อควรระวังด้านโรคและแมลงบางชนิด นี่สะท้อนว่า “พันธุ์ดี” ต้องอยู่ในระบบนิเวศการผลิตที่ถูกต้องจึงจะเปลี่ยนเป็น “กำไรสูง” ได้ 

2. ข้อเท็จจริงปัจจุบันเกี่ยวกับโครงการ EV: ต้องแยก “นโยบาย” ออกจาก “โครงการที่อนุมัติแล้ว”

วันที่ 10 ตุลาคม 2569 กระทรวงเกษตรและสหกรณ์และเว็บไซต์รัฐบาลรายงานว่า รัฐมนตรีว่าการกระทรวงเกษตรและสหกรณ์เตรียมเสนอของบประมาณกว่า 8,000 ล้านบาทจากกรอบเงินกู้รัฐบาล เพื่อจัดหารถแทรกเตอร์หรือรถเกี่ยวข้าว EV ประมาณ 500 คัน โดยเสนอแนวคิดให้เกษตรกรใช้บริการโดยไม่เสียค่าใช้จ่าย และระบุว่าค่าจ้างเกี่ยวในบางพื้นที่เพิ่มจากประมาณ 300 บาทเป็นเกือบ 500 บาทต่อไร่ นอกจากนี้ยังกล่าวถึงการประหยัดต้นทุนในระดับกว่าหมื่นล้านบาทในช่วง 7 ปี 

วันที่ 14 ตุลาคม การสื่อสารอีกชุดหนึ่งกล่าวถึงวงเงิน 8,000 ล้านบาท รถประมาณ 500 คัน และความคุ้มค่าจากการไม่ใช้น้ำมัน “ตลอดอายุใช้งาน 14 ปี” ซึ่งจะประหยัดได้มากกว่าหมื่นล้านบาท 

แต่วันที่ 15 ตุลาคม อธิบดีกรมการข้าวชี้แจงว่า ตัวเลข “คันละ 16 ล้านบาท” ไม่ใช่ราคาที่กรมกำหนด โครงการยังอยู่ระหว่างศึกษา และจำนวน 400–500 อาจเป็น “จุดนำร่อง” หรือศูนย์ข้าวชุมชน มิใช่จำนวนรถโดยตรง ขณะเดียวกันสิ่งที่กรมกำลังศึกษาครอบคลุมรถแทรกเตอร์ไฟฟ้า เครื่องสูบน้ำพลังงานแสงอาทิตย์ เครื่องอบลดความชื้น โซลาร์รูฟท็อป และเครื่องมือไฟฟ้าหลายประเภท 

ดังนั้น ในเชิงวิชาการ การกล่าวว่า “รัฐบาลอนุมัติซื้อรถ 500 คัน คันละ 16 ล้านบาทแล้ว” ถือว่าเกินกว่าหลักฐานปัจจุบัน

แต่สิ่งที่ควรตรวจสอบต่อทันทีคือ เหตุใดการสื่อสารสาธารณะจึงมีทั้งกรอบ 7 ปี และ 14 ปี และเหตุใด “500” จึงปรากฏทั้งในความหมายของจำนวนรถและจำนวนจุดนำร่อง เพราะระยะเวลาประเมินและหน่วยนับเป็นตัวแปรที่เปลี่ยนผล Cost–Benefit Analysis โดยตรง

3. Forensic Budget Analysis: ตรวจงบ 8,000 ล้านบาทอย่างไรให้พ้นจากการถกเถียงเรื่อง “16 ล้านบาทต่อคัน”

Forensic Budget Analysis ในที่นี้ไม่ได้หมายถึงการกล่าวหาว่ามีการทุจริต หากแต่หมายถึงการย้อนรอยตรรกะของงบประมาณ ตั้งแต่ Need → Scope → Unit → Price → Utilization → OPEX → Benefit → Outcome และตรวจว่าตัวเลขแต่ละชั้นเชื่อมกันหรือไม่

3.1 จุดตรวจแรก: “8,000 ล้านบาท ÷ 500” ไม่เท่ากับราคาตลาดของรถ

หากสมมติ 8,000 ล้านบาทถูกใช้ซื้อรถ 500 คันทั้งหมด การหารเลขอย่างง่ายย่อมได้ 16 ล้านบาทต่อคัน แต่หาก “500” คือ 500 ศูนย์ และแต่ละศูนย์ประกอบด้วยรถ เครื่องอบ ปั๊มน้ำ โซลาร์ ระบบชาร์จ และอุปกรณ์อื่น การหารดังกล่าวไม่ใช่ Unit Price ของรถอีกต่อไป

ดังนั้น เอกสารโครงการต้องแยก Bill of Quantities หรืออย่างน้อย Cost Breakdown ออกเป็น CAPEX รายประเภท โดยไม่ควรใช้วงเงินรวมมาหารจำนวน “จุด” แล้วเรียกผลลัพธ์ว่าราคารถ

กฎหมายจัดซื้อจัดจ้างภาครัฐไทยกำหนดให้ราคากลางอ้างอิงจากหลักเกณฑ์คณะกรรมการราคากลาง ฐานข้อมูลราคาอ้างอิง ราคามาตรฐาน ราคาตลาด หรือราคาที่เคยจัดซื้อ และมาตรา 8 ยังกำหนดหลักคุ้มค่า โปร่งใส มีประสิทธิภาพและประสิทธิผล และตรวจสอบได้อย่างชัดเจน 

จึงไม่เพียงพอที่จะตอบว่า “EV แพงกว่า Diesel แต่ระยะยาวคุ้ม” ต้องเปิดเผยว่า อะไรอยู่ในราคาและอะไรไม่อยู่ในราคา

3.2 จุดตรวจที่สอง: 7 ปีหรือ 14 ปี เปลี่ยนผลทางการเงินอย่างมาก

สมมติใช้ตัวเลขเพื่อทดสอบเชิงความไวเท่านั้นว่า ลงทุน 8,000 ล้านบาทและสร้าง “ประโยชน์หรือการประหยัด” รวม 10,000 ล้านบาท โดยผลประโยชน์เกิดเท่า ๆ กันทุกปี

หากเกิดใน 7 ปี จะเท่ากับประมาณ 1,429 ล้านบาทต่อปี แต่ถ้าเกิดใน 14 ปี จะเหลือประมาณ 714 ล้านบาทต่อปี

เมื่อใช้ Discount Rate 5% มูลค่าปัจจุบันของกระแสประโยชน์ 10,000 ล้านบาทในกรณี 7 ปีจะอยู่เพียงประมาณ 8,266 ล้านบาท สูงกว่าเงินลงทุนเริ่มต้น 8,000 ล้านบาทเพียงประมาณ 266 ล้านบาท ทั้งที่ยังไม่ได้หักค่าพนักงาน ค่าขนส่ง ค่าชาร์จ ค่าซ่อม อะไหล่ ประกันภัย ระบบไฟฟ้า และการเปลี่ยนแบตเตอรี่

หากประโยชน์ 10,000 ล้านบาทกระจายตลอด 14 ปี ที่ Discount Rate 5% มูลค่าปัจจุบันจะเหลือประมาณ 7,070 ล้านบาท ซึ่งต่ำกว่า CAPEX 8,000 ล้านบาทเสียแล้ว

นี่ไม่ได้หมายความว่าโครงการ “ไม่คุ้ม” เพราะตัวเลข 10,000 ล้านบาทอาจเป็น Net Saving หลังหักค่าใช้จ่ายแล้ว หรือกระแสประโยชน์อาจไม่ได้เกิดอย่างสม่ำเสมอ แต่หมายความว่า คำกล่าวว่า “ประหยัดหมื่นล้าน” โดยไม่เผย Discount Rate และ Cash Flow ไม่เพียงพอที่จะพิสูจน์ความคุ้มค่าของเงินกู้สาธารณะ

งาน systematic review ใน Applied Energy ปี 2026 สอดคล้องกับข้อกังวลนี้ โดยพบว่า Battery Electric Tractor สามารถมีความคุ้มค่าทางเศรษฐศาสตร์ได้ในบางเงื่อนไข แต่ราคาซื้อเริ่มต้นสูงยังเป็นอุปสรรคสำคัญ และความคุ้มค่าขึ้นกับต้นทุนพลังงาน ชั่วโมงใช้งาน ต้นทุนแบตเตอรี่ และเงื่อนไขสนับสนุนอย่างมาก 

3.3 จุดตรวจที่สาม: Utilization Rate คือหัวใจของเศรษฐศาสตร์เครื่องจักร

สมมติอีกครั้งว่ามี 500 คันจริง หากต้องการสร้างประโยชน์รวม 10,000 ล้านบาท เครื่องจักรแต่ละคันต้องสร้างประโยชน์เฉลี่ย 20 ล้านบาทตลอดอายุโครงการ

ถ้าคิดเฉพาะการช่วยเกษตรกรประหยัดค่าจ้างเกี่ยวที่ 500 บาทต่อไร่ เครื่องจักรหนึ่งคันต้องให้บริการประมาณ 40,000 ไร่ตลอดอายุโครงการ หรือประมาณ 5,714 ไร่ต่อปีหากใช้ 7 ปี และประมาณ 2,857 ไร่ต่อปีหากใช้ 14 ปี

ตัวเลขนี้ควรกลายเป็น KPI ตรวจรับเชิงผลลัพธ์ ไม่ใช่เพียง KPI “ส่งมอบรถครบ”

คำถามจึงต้องเปลี่ยนเป็น รถหนึ่งคันทำงานกี่ชั่วโมงต่อปี กี่ไร่ต่อวัน เคลื่อนย้ายข้ามจังหวัดได้หรือไม่ ช่วงเก็บเกี่ยวของพื้นที่ต่าง ๆ เหลื่อมเวลากันมากพอให้ใช้รถต่อเนื่องหรือไม่ และ downtime จากการชาร์จหรือซ่อมเท่าใด

งานศึกษาระบบเครื่องจักรข้าวของไทยล่าสุดปี 2026 พบว่าปัญหาสำคัญของการใช้เครื่องจักรไม่ได้อยู่เพียงการเข้าถึงเงินลงทุน แต่รวมถึงความสามารถในการบริหารจัดการ การใช้เครื่องจักรให้เกิดประสิทธิภาพ และการบำรุงรักษาด้วย 

งานศึกษาผู้ให้บริการรถเกี่ยวข้าวในภาคตะวันออกเฉียงเหนือก่อนหน้านี้ก็พบว่า custom hiring ช่วยลดต้นทุนการเก็บเกี่ยวเมื่อเทียบกับแรงงานคน แต่ผู้ประกอบการต้องรับความเสี่ยงด้านเชื้อเพลิง การซ่อมบำรุง และทักษะผู้ขับ จึงเสนอการสร้างเครือข่ายผู้ให้บริการและพัฒนาการจัดการ มากกว่ามองตัวเครื่องเป็นคำตอบโดด ๆ 

3.4 จุดตรวจที่สี่: “ใช้ฟรี” ไม่เท่ากับ “ต้นทุนทางเศรษฐกิจหายไป”

นี่เป็นประเด็นที่สำคัญอย่างยิ่งใน Forensic Budget Analysis

หากปัจจุบันชาวนาจ่ายค่าจ้างเกี่ยว 500 บาทต่อไร่ แล้วรัฐให้บริการฟรี เกษตรกรประหยัดเงิน 500 บาทจริงในเชิง private financial benefit

แต่ในเชิง social cost ต้นทุนไม่ได้หายไปทั้งหมด เพราะยังมีค่าไฟ คนขับ รถขนย้าย อะไหล่ ซ่อม ระบบชาร์จ ค่าเสื่อมราคา และการบริหารศูนย์ เพียงแต่ผู้จ่ายเปลี่ยนจากเกษตรกรเป็นรัฐ

ดังนั้นห้ามนำ “ค่าบริการที่เกษตรกรไม่ต้องจ่าย” ทั้งก้อนมาเรียกว่า “ทรัพยากรที่ประเทศประหยัดได้” เว้นแต่หักค่าใช้จ่ายของระบบรัฐออกแล้ว

ต้องแยก

Farmer Saving

ออกจาก

Government Operating Cost

และออกจาก

Net Social Benefit

มิฉะนั้นจะเกิด Double Counting ในการประเมินผลประโยชน์โครงการ

3.5 จุดตรวจที่ห้า: แบตเตอรี่คือหนี้สินแฝงของสินทรัพย์

หากใช้สมมติฐานอายุรถ 14 ปี เอกสารโครงการต้องระบุ Battery Warranty, State of Health, Replacement Cycle, Residual Value และ Disposal Cost

คำถามที่ต้องตอบไม่ใช่เพียง “แบตเตอรี่ใช้ได้นานแค่ไหน” แต่ต้องตอบว่า หากต้องเปลี่ยนแบตเตอรี่ในปีที่ 7 หรือ 10 ค่าใช้จ่ายมาจากงบใด ผู้จำหน่ายรับประกันแค่ไหน และหากเทคโนโลยีหรือผู้ผลิตออกจากตลาด อะไหล่ยังมีหรือไม่

CAPEX ราคาถูกในปีแรกแต่มี OPEX และ Replacement Cost สูงในปีหลังอาจสร้างภาระผูกพันงบประมาณที่มองไม่เห็นตอนอนุมัติ

4. ความเสี่ยงด้านการคลัง: เงินกู้ยิ่งต้องใช้มาตรฐานความคุ้มค่าสูงกว่างบปกติ

โครงการดังกล่าวถูกเชื่อมกับกรอบ พ.ร.ก. กู้เงินเพื่อรับมือวิกฤตพลังงานและเปลี่ยนผ่านด้านพลังงาน ซึ่งรัฐบาลกำหนดกรอบสำหรับการเปลี่ยนผ่านพลังงานไว้ 200,000 ล้านบาท โดยหลักการกลั่นกรองระบุว่าโครงการต้องตรงวัตถุประสงค์ จำเป็น คุ้มค่า ไม่ซ้ำซ้อนกับแหล่งงบประมาณอื่น และพร้อมดำเนินการ รวมถึงใช้หลัก 5T คือ Target, Transition, Transformation, Transparent และ Together 

ดังนั้น EV agriculture มีความสอดคล้องกับ “Transition” ในแง่ลดฟอสซิล แต่ยังต้องพิสูจน์ “Transformation” ว่าเปลี่ยนโครงสร้างการผลิตจริง ไม่ใช่เพียงแทนเครื่องยนต์ดีเซลด้วยมอเตอร์ไฟฟ้า

สถานะหนี้สาธารณะของไทย ณ สิ้นเดือนสิงหาคม 2569 อยู่ที่ประมาณ 13.19 ล้านล้านบาท หรือ 67.94% ของ GDP ใกล้กรอบ 70% แม้โครงการ 8,000 ล้านบาทเพียงโครงการเดียวจะไม่ได้เป็นตัวชี้ชะตาความยั่งยืนทางการคลัง แต่เมื่อใช้ “เงินกู้” ต้นทุนค่าเสียโอกาสของทุกโครงการย่อมสูงขึ้น เพราะพื้นที่ทางการคลังเหลือน้อยลง 

ความหมายเชิงเศรษฐศาสตร์คือ คำถามไม่ใช่เพียง

EV Benefit > EV Cost หรือไม่

แต่ต้องถามว่า

EV Net Benefit > Net Benefit ของโครงการทางเลือกที่ใช้เงินกู้ 8,000 ล้านบาทเท่ากันหรือไม่

เช่น ระบบชลประทานย่อย การปรับระดับแปลง เครื่องอบลดความชื้น พันธุ์ ระบบวิเคราะห์ดิน ระบบเครื่องจักรบริการร่วม หรือแพ็กเกจ CLDO แบบบูรณาการ

นี่คือหลัก Opportunity Cost ที่ควรเป็นหัวใจของการพิจารณาเงินกู้

5. ทำไม MADA จึงเป็นบทเรียนสำคัญกว่า “ซื้อเครื่องจักร”

MADA ไม่ใช่ชื่อเทคโนโลยี แต่เป็น สถาบันจัดการระบบการผลิตข้าวเชิงพื้นที่

โครงสร้าง MADA ปัจจุบันแบ่งการบริหารเป็น 4 เขต และมี Pertubuhan Peladang Kawasan หรือ PPK 27 แห่ง โดยภารกิจเชื่อมตั้งแต่การบริหารน้ำ ปฏิทินการเพาะปลูก การเกษตรแบบขนาดใหญ่ เทคโนโลยี ไปจนถึงสถาบันเกษตรกรและการยกระดับรายได้ 

ณ เดือนกันยายน 2026 MADA กำหนดแผนเพาะปลูกฤดู 2/2026 ครอบคลุมประมาณ 99,489 เฮกตาร์ โดยกำหนดช่วงปลูกเป็นเฟสตามความพร้อมของน้ำ นี่คือสิ่งที่รถ EV เพียงอย่างเดียวทำไม่ได้ เพราะ MADA จัดการ “จังหวะของระบบ” ตั้งแต่น้ำจนถึงเก็บเกี่ยว 

หลักฐานเชิงงบประมาณของโครงการ “5 ฤดูใน 2 ปี” ยิ่งทำให้เห็นปรัชญาการลงทุนที่ต่างกัน ระยะที่หนึ่งใช้งบ RM761.23 ล้าน โดย RM526.37 ล้าน หรือประมาณ 69% ใช้พัฒนาและบำรุงรักษาระบบชลประทาน tertiary 15 บล็อก และอีก RM234.86 ล้านใช้ฟื้นฟูเขื่อน Pedu เป้าหมายคือเพิ่มผลผลิตเฉลี่ยจากประมาณ 5.0 เป็น 5.6 ตันต่อเฮกตาร์ และเพิ่มผลผลิตรวมจาก 775,000 เป็น 821,000 ตัน 

นี่คือความแตกต่างเชิงยุทธศาสตร์ที่ชัดเจน

EV-oriented approach ลงทุนในสินทรัพย์เครื่องจักร

ขณะที่

MADA ลงทุนใน production system

กล่าวอีกแบบหนึ่ง เครื่องจักรใน MADA เป็น “ตัวเร่ง” แต่ น้ำ โครงสร้างพื้นที่ และการประสานปฏิทินการผลิตเป็นตัวคูณ

6. MADA ไม่ได้มีเพียงชลประทาน แต่กำลังเปลี่ยนเป็น Data-Driven Agriculture

MADA ร่วมกับ Malaysian Space Agency หรือ MYSA พัฒนาระบบข้อมูลเพื่อบริหารพื้นที่ข้าวประมาณ 100,641 เฮกตาร์ ครอบคลุมเกษตรกรเกือบ 54,000 ราย ระบบดังกล่าวใช้ข้อมูลภูมิสารสนเทศและภาพดาวเทียมในการติดตามการใช้ที่ดิน การบริหารน้ำ และการตรวจพบปัญหาโรคและศัตรูพืช โดย MYSA ระบุว่าสามารถลดเวลาตรวจภาคสนามได้มากกว่า 50% 

นั่นทำให้ MADA มีลักษณะของ Digital Production Platform มากกว่าหน่วยงานชลประทานแบบดั้งเดิม

ความสัมพันธ์ที่เกิดขึ้นคือ

Land → Farmer → Water → Variety → Input → Machine → Harvest → Yield → Market

สิ่งที่ไทยควรเรียนรู้จึงไม่ใช่ว่า “มาเลเซียมีหน่วยงานชื่อ MADA เราก็ควรตั้ง MADA” แต่คือการสร้าง single operational system ที่ทำให้ตัวแปรทั้งห่วงโซ่ถูกบริหารร่วมกัน

7. บทเรียนใหม่จาก SMART SBB ยิ่งสนับสนุนแนวคิด CLDO

ประสบการณ์มาเลเซียในปี 2026 ยังมีข้อมูลที่น่าสนใจจาก SMART Sawah Berskala Besar หรือ SMART SBB ซึ่งมีลักษณะใกล้กับแนวคิดการรวมการจัดการแปลง

กรณี Kampung Sama Gagah และ Kepala Bukit ในรัฐปีนัง ครอบคลุม 119 เฮกตาร์และเกษตรกร 57 ราย มีรายงานว่าผลผลิตเฉลี่ยเพิ่มจาก 1.79 เป็น 4.06 ตันต่อเฮกตาร์ และรายได้ขั้นต้นเพิ่มจาก RM3,580 เป็น RM8,120 ต่อเฮกตาร์ โดย BERNAS ทำหน้าที่สนับสนุนตารางการผลิต เงินทุนหมุนเวียน เครื่องจักร คำแนะนำด้าน agronomy และการติดตามแปลงอย่างเป็นระบบ 

ข้อมูลนี้ต้องตีความอย่างระมัดระวัง เพราะเป็นกรณีศึกษา ไม่ใช่ Randomized Controlled Trial และเป็น “รายได้ขั้นต้น” ไม่ใช่กำไรสุทธิ แต่มีนัยสำคัญว่า ผลลัพธ์เกิดจากการจัดการพร้อมกันหลายตัวแปร ไม่ได้เกิดจากเครื่องจักรชนิดเดียว

อย่างไรก็ตาม มาเลเซียเองก็มีข้อจำกัด ปี 2026 MADA ประสบปัญหาน้ำในเขื่อนจนต้องเลื่อนการปลูกในบางพื้นที่ และเกษตรกรมีข้อกังวลต่อวิธีปลูกแบบ dry direct seeding ขณะเดียวกันการขยาย SMART SBB ยังเผชิญข้อจำกัดด้านการมีส่วนร่วมของเอกชน 

ดังนั้น MADA ไม่ควรถูกยกเป็น “โมเดลสมบูรณ์แบบ” แต่ควรใช้เป็นหลักฐานว่า systems approach มีความสมเหตุสมผลกว่า equipment-only approach

8. CLDO: ทางเลือกไทยที่พยายามเอาข้อดีของ MADA มาใช้โดยไม่รวมกรรมสิทธิ์ที่ดิน

CLDO มีฐานคิดที่น่าสนใจอย่างยิ่งสำหรับประเทศไทย คือ

Small Ownership → Large Operational Scale

แทน

Small Ownership → Large Ownership Concentration

เกษตรกรยังเป็นเจ้าของที่ดิน แต่ตกลงเข้าสู่ Common Production Plan ในพื้นที่คลัสเตอร์ เช่น 500–1,000 ไร่หรือมากกว่า มีปฏิทินเดียวกันหรือประสานกัน ใช้พันธุ์และมาตรฐานที่ตลาดต้องการ ระบบน้ำร่วม เครื่องจักรร่วม การจัดการปัจจัยการผลิตแบบแม่นยำ และระบบเก็บเกี่ยว–อบ–เก็บ–ขายที่เชื่อมกัน

CLDO จึงไม่ควรทำหน้าที่เป็น “เจ้าของฟาร์ม” แต่เป็น Institutional Integrator

บทบาทของรัฐควรอยู่ที่โครงสร้างพื้นฐาน กติกา ข้อมูล การลดความเสี่ยง การตรวจสอบ และบางส่วนของเงินลงทุนสาธารณะ

บทบาทเอกชนควรอยู่ที่เทคโนโลยี เครื่องจักร การแปรรูป โลจิสติกส์ ตลาดและ Working Capital ภายใต้การแข่งขัน

ส่วนเกษตรกรต้องมีสิทธิในที่ดิน สิทธิออกเสียง สิทธิข้อมูล ส่วนแบ่งประโยชน์ที่ตรวจสอบได้ และสิทธิถอนตัวตามเงื่อนไข

ในโครงสร้างเช่นนี้ EV สามารถอยู่ได้อย่างเหมาะสมในฐานะ Farm Machinery-as-a-Service แทนการเป็นทรัพย์สินที่หน่วยราชการถือครองแต่ไม่สามารถทำงานเต็ม Capacity

แนวคิดบริการเครื่องจักรเป็นโมเดลที่ FAO สนับสนุนสำหรับเกษตรกรรายย่อย เพราะช่วยให้เกษตรกรเข้าถึงเครื่องจักรโดยไม่ต้องแบกรับต้นทุนการเป็นเจ้าของทั้งหมด และสามารถพัฒนาเป็นธุรกิจบริการระดับชุมชน สหกรณ์ หรือเอกชนได้ 

9. เปรียบเทียบสามโมเดลในเชิงเศรษฐศาสตร์

หากพิจารณา EV-only จุดแข็งที่สุดคือ Energy Cost, Carbon Reduction และศักยภาพลด Maintenance Cost แต่ผลต่อ Yield, Water Reliability, Bargaining Power, Market Integration และ Value Capture มีจำกัด หากไม่มีนโยบายอื่นประกอบ

MADA มีจุดแข็งด้าน Water Reliability, Cropping Calendar, Infrastructure, Institutional Coordination และ Data Integration และมีหลักฐานการดำเนินงานจริงมาเป็นเวลานาน แต่มีต้นทุนสถาบันและต้นทุนโครงสร้างพื้นฐานสูง ต้องอาศัยพื้นที่ชลประทานขนาดใหญ่และ State Capacity ที่เข้มแข็ง

CLDO มีศักยภาพสูงด้าน Operational Scale, Machinery Utilization, Market Integration, PPPP และ Farmer Ownership Protection แต่ข้อจำกัดที่ต้องยอมรับอย่างชัดเจนคือ ยังไม่มีหลักฐานเชิงประจักษ์ระยะยาวมากพอที่จะกล่าวว่า CLDO เหนือกว่า MADA

ดังนั้นในสถานะองค์ความรู้ปัจจุบัน ข้อเสนอที่เข้มแข็งที่สุดไม่ใช่

“CLDO ดีกว่า MADA”

แต่คือ

ประเทศไทยควรทดลอง CLDO ที่นำหลัก systems integration ของ MADA มาใช้ และนำ EV เข้าเป็นเทคโนโลยีหนึ่งในระบบ

กล่าวคือ

MADA Principles + CLDO Governance + EV/Solar Technology + Market Contract + Digital Data

10. จาก “Government Buys Machines” สู่ “Government Buys Outcomes”

ข้อบกพร่องของนโยบายครุภัณฑ์จำนวนมากคือรัฐวัดความสำเร็จจาก Output เช่น ซื้อครบ ส่งมอบครบ เบิกจ่ายครบ แต่เกษตรกรไม่ได้มีรายได้ดีขึ้นตามสัดส่วนเงินลงทุน

สำหรับโครงการนี้ KPI หลักจึงไม่ควรเป็น “รถ EV 500 คัน”

แต่ควรเป็น บาทของงบประมาณต่อรายได้สุทธิเกษตรกรที่เพิ่มขึ้น

สามารถกำหนด Public Value Ratio เช่น

PVR = ΔNet Farmer Income ÷ Government Expenditure

และติดตามเพิ่มเติมด้วย Cost per Ton, Yield per Rai, Machine Utilization Hours, Rai Served per Machine, Harvest Delay, Moisture Discount, Post-Harvest Loss, Energy Cost per Rai, kgCO₂e per Ton และ Farmer Value Capture

หากเครื่องดีเซลประสิทธิภาพสูงให้ Net Present Value ดีกว่า EV ในพื้นที่หนึ่ง ก็ควรเลือกดีเซล

หาก Hybrid เหมาะกว่าในพื้นที่ไฟฟ้าไม่พร้อม ก็ควรเลือก Hybrid

หาก EV + Solar ให้ TCO ต่ำสุดในเขตชลประทานที่มีการใช้งานสูง ก็ควรเลือก EV

นี่คือ Technology Neutral Procurement ซึ่งมีเหตุผลทางเศรษฐศาสตร์มากกว่าการกำหนดเทคโนโลยีก่อนแล้วจึงหาความคุ้มค่ามารองรับภายหลัง

11. รูปแบบการทดลองเชิงนโยบายที่ควรทำก่อนขยายประเทศ

ก่อนใช้เงินระดับหลายพันล้านบาท ควรทดลองอย่างน้อยสามระบบในพื้นที่ที่มีลักษณะใกล้เคียงกัน

กลุ่มแรกเป็น Business-as-Usual เพื่อเป็น Control

กลุ่มที่สองได้รับ EV machinery service แต่โครงสร้างการผลิตเดิมยังเหมือนเดิม

กลุ่มที่สามใช้ CLDO Integrated Model ซึ่งรวมแผนการผลิต น้ำ พันธุ์ ปุ๋ยแม่นยำ เครื่องจักร EV หรือเทคโนโลยีที่เหมาะสม เครื่องอบ การตลาด และ Digital Traceability

ตัวแปร Primary Outcome ควรเป็น

Net Farm Income per Rai

ไม่ใช่ Yield เพียงอย่างเดียว

ควรติดตามอย่างน้อยหลายฤดูเพาะปลูก แล้วใช้ Difference-in-Differences หรือ matched comparison เพื่อแยกผลของ intervention จากฝน ราคาข้าว หรือเหตุการณ์ภายนอก

หาก CLDO ให้ผลผลิตสูง แต่ค่า Management Fee และค่า Input สูงจนกำไรเกษตรกรต่ำกว่ากลุ่มควบคุม ก็ต้องถือว่าโมเดลยังไม่สำเร็จ

ในทางกลับกัน หากผลผลิตเพิ่มเพียง 10% แต่ต้นทุนต่อตันลด 20% และ Net Income เพิ่มอย่างยั่งยืน นั่นอาจมีคุณค่าทางเศรษฐศาสตร์มากกว่าโครงการที่เน้น Yield สูงสุดเสียอีก

ข้อสังเกตหรือข้อกังวล

ประการแรก ข้อมูลโครงการ EV ยังเปลี่ยนแปลงและไม่สมบูรณ์ ทั้งจำนวนรถ จำนวนจุด สเปก ขอบเขตเครื่องจักร และระยะเวลาคำนวณผลตอบแทน จึงยังไม่ควรพิพากษาว่า “คุ้มแน่นอน” หรือ “ทุจริตแน่นอน” จากเลข 16 ล้านบาทเพียงตัวเดียว แต่ความไม่ชัดเจนนี้เพียงพอที่จะเรียกร้อง Full Business Case ก่อนการอนุมัติ

ประการที่สอง มีความเสี่ยงของ Technology Lock-in หาก TOR ระบุเทคโนโลยีหรือสเปกเฉพาะมากจนตลาดแข่งขันไม่ได้ ความเสี่ยงไม่ใช่เพียงราคาซื้อแพง แต่รวมถึงการผูกขาดอะไหล่ ซอฟต์แวร์ ระบบชาร์จ แบตเตอรี่ และการซ่อมตลอดอายุรถ

ประการที่สาม “ให้ใช้ฟรี” อาจสร้าง Moral Hazard และ Crowding Out ผู้ประกอบการรถเกี่ยวเอกชนที่มีอยู่ หากรัฐให้บริการฟรีโดยไม่จำกัดเป้าหมาย ธุรกิจ custom hiring ที่เอกชนลงทุนเองอาจถูกทำลาย ส่งผลให้เมื่อโครงการรัฐหมดงบ พื้นที่กลับไม่มีผู้ให้บริการที่ยั่งยืน

ประการที่สี่ EV อาจลดการปล่อยจากเชื้อเพลิง แต่ “ข้าวคาร์บอนต่ำ” ไม่ได้เกิดจากรถ EV เพียงอย่างเดียว การปล่อยมีสัดส่วนสำคัญจากน้ำในนา มีเทน และปุ๋ย งานของสำนักงานเศรษฐกิจการเกษตรเองพบว่าการใช้ปุ๋ยตามค่าวิเคราะห์ดินลดการปล่อยจาก 854.64 เหลือ 787.98 kgCO₂e ต่อไร่ พร้อมลดต้นทุนและเพิ่มกำไร นั่นหมายความว่างบ Low Carbon Rice ต้องเปรียบเทียบ Marginal Abatement Cost ของมาตรการหลายชนิด ไม่ใช่ทุ่มให้ EV โดยอัตโนมัติ 

ประการที่ห้า MADA มีข้อดีแต่ไม่สามารถ Copy-and-Paste ได้ เพราะพื้นที่นาข้าวไทยส่วนใหญ่ไม่ได้อยู่ภายใต้ authority เดียว ระบบชลประทานต่างกัน โครงสร้างที่ดินและองค์กรเกษตรกรต่างกัน

ประการที่หก CLDO เองก็มี Governance Risk หากออกแบบไม่ดีอาจกลายเป็นการรวมอำนาจจากรัฐไปอยู่กับผู้รับเหมาเอกชนรายใหญ่แทน เกษตรกรอาจยังถือโฉนด แต่สูญเสียอำนาจตัดสินใจ เงื่อนไขราคาหรือข้อมูล ดังนั้น “ไม่โอนกรรมสิทธิ์” อย่างเดียวยังไม่เพียงพอ ต้องมี Farmer Voice, Profit-Sharing Formula, Data Rights, Exit Rule และ Independent Audit

ข้อเสนอเชิงนโยบายสาธารณะ

ข้อเสนอแรก รัฐบาลควร ชะลอการกำหนดจำนวนรถล่วงหน้า และเปลี่ยนจาก Equipment Procurement เป็น Outcome-Based Agricultural Productivity Programme โดยเริ่มจากโจทย์ “ลดต้นทุนต่อตันและเพิ่มกำไรสุทธิเท่าใด” แล้วค่อยเลือกชุดเทคโนโลยี

ข้อเสนอที่สอง ก่อนอนุมัติงบ 8,000 ล้านบาท ควรเผยแพร่ Full TCO Model ประกอบด้วยราคาซื้อ ระบบชาร์จ Solar/BESS คนขับ ค่าไฟ ขนส่ง ประกัน ซ่อม อะไหล่ Battery Replacement Residual Value และค่ากำจัด รวมถึง Discount Rate, NPV, IRR และ Sensitivity Analysis อย่างน้อยในกรณีราคาน้ำมันต่ำ ค่าไฟสูง Utilization ต่ำ และแบตเตอรี่เสื่อมเร็วกว่าคาด

ข้อเสนอที่สาม ต้องเปิดเผย Benefit Calculation ของตัวเลข “ประหยัดกว่าหมื่นล้านบาท” ว่าเป็น Farmer Saving, Government Saving หรือ Social Economic Saving และใช้กรอบ 7 ปีหรือ 14 ปีกันแน่

ข้อเสนอที่สี่ ควรทำ Open Market Sounding ก่อนจัดทำ TOR เชิญผู้ผลิตไทย ผู้ผลิตต่างประเทศ ผู้ประกอบการรถเกี่ยว เกษตรกร วิศวกรแบตเตอรี่ มหาวิทยาลัย และผู้เชี่ยวชาญพลังงานเสนอทางเลือก เพื่อป้องกันการเขียนสเปกที่กีดกันการแข่งขัน ซึ่งสอดคล้องกับหลักความคุ้มค่าและโปร่งใสในพระราชบัญญัติจัดซื้อจัดจ้างฯ 

ข้อเสนอที่ห้า จัดตั้ง Thailand Rice CLDO–MADA Integrated Pilot ในพื้นที่นำร่อง โดยไม่กำหนดว่า EV ต้องเป็นคำตอบทุกแห่ง แต่ให้แต่ละคลัสเตอร์เลือก Technology Mix ที่มี TCO ต่ำที่สุดภายใต้ข้อจำกัดของพื้นที่

ข้อเสนอที่หก องค์ประกอบของ Pilot ต้องรวม Water Management, Land Levelling, High-Yield/Market-Fit Variety, Soil-Test Fertilization, Mechanization-as-a-Service, Dryer/Storage, Digital Traceability และ Forward/Contract Market เพราะหลักฐานจาก MADA และ SMART SBB แสดงว่าการจัดการพร้อมกันหลายมิติเป็นกลไกหลักของ Productivity Gain 

ข้อเสนอที่เจ็ด ให้รัฐลงทุนใน common infrastructure และ de-risking มากกว่าถือครองเครื่องจักรทั้งหมดเอง ขณะที่เครื่องจักรที่มีตลาดบริการเอกชนอยู่แล้วควรใช้ competitive service contract, leasing หรือ Pay-per-Rai Model เพื่อลด Stranded Asset Risk

ข้อเสนอที่แปด ให้จ่ายค่าตอบแทนผู้ให้บริการตาม Performance เช่น Service Cost per Rai, Uptime, On-Time Harvest, Yield Loss และ Customer Satisfaction แทนการให้เงินอุดหนุนครุภัณฑ์โดยไม่มีเงื่อนไข

ข้อเสนอที่เก้า CLDO ต้องมี Benefit-Sharing และ Governance Charter ที่กำหนดชัดว่าเกษตรกรยังเป็นเจ้าของที่ดิน ไม่สามารถนำที่ดินไปค้ำประกันหนี้ของ CLDO โดยไม่ได้รับความยินยอม มีสิทธิถอนตัวตามกติกา เข้าถึงข้อมูลต้นทุนและราคาขาย และมีผู้แทนเกษตรกรในคณะกรรมการ

ข้อเสนอที่สิบ ในระดับประเทศควรเปลี่ยน KPI ของนโยบายข้าวจาก “จำนวนโครงการ/จำนวนเครื่องจักร/จำนวนไร่เข้าร่วม” เป็น Real Net Income per Farm Household, Cost per Ton, Yield Stability, Value Capture และ Fiscal Cost per Baht of Farmer Income Created

สรุป

ข้อถกเถียงเรื่องรถไถ–รถเกี่ยวข้าว EV มีประโยชน์ เพราะทำให้สังคมตั้งคำถามกับรูปแบบนโยบายเกษตรที่ไทยใช้มายาวนาน กล่าวคือ เมื่อเกษตรกรมีปัญหา รัฐมักตอบด้วย “โครงการ” หรือ “ครุภัณฑ์” มากกว่าการสร้าง “ระบบการผลิตที่ทำงานได้เอง”

EV ไม่ใช่เทคโนโลยีที่ควรถูกปฏิเสธ ตรงกันข้าม มันอาจมีบทบาทสำคัญในการลดพลังงานฟอสซิล ต้นทุนดำเนินงานและคาร์บอน โดยเฉพาะในพื้นที่ที่มี Solar Generation มีชั่วโมงใช้งานสูง และสามารถบริหาร Fleet ข้ามพื้นที่ได้ แต่ EV เป็น Necessary Technology ในบางบริบท ไม่ใช่ Sufficient Policy สำหรับอุตสาหกรรมข้าวทั้งระบบ

MADA แสดงให้เห็นว่าผลิตภาพไม่ได้เกิดจากรถคันหนึ่ง แต่เกิดจาก Water Infrastructure, Cropping Calendar, Institutions, Technology, Data และ Farmer Organization ที่ทำงานร่วมกัน โดยโครงการ 5 ฤดูใน 2 ปีของมาเลเซียทุ่มงบส่วนใหญ่ไปยังระบบน้ำ ไม่ใช่การซื้อรถ ซึ่งสะท้อนการลงทุนใน “ตัวคูณของผลิตภาพ” มากกว่าสินทรัพย์ปลายทาง 

CLDO จึงเป็นทางเลือกที่ควรได้รับการทดลองอย่างจริงจังสำหรับประเทศไทย เพราะสามารถนำหลักการ integrated area management ของ MADA มาประยุกต์โดยไม่จำเป็นต้องรวมกรรมสิทธิ์ที่ดิน และเปิดพื้นที่ให้รัฐ เอกชน และประชาชนแบ่งบทบาทผ่าน PPPP

อย่างไรก็ตาม การอ้างว่า CLDO ดีกว่า MADA ยังเร็วเกินไป เพราะ CLDO ต้องผ่านการทดสอบเชิงประจักษ์ก่อน

ข้อเสนอที่มีเหตุผลที่สุดจึงมิใช่

EV versus MADA versus CLDO

แต่คือ

MADA Principles + CLDO Governance + Technology-Neutral Mechanization + EV/Solar where economically justified

ประเทศไทยควรเปลี่ยนจาก

Government buys machines

ไปสู่

Government builds a productive agricultural system

และเปลี่ยนจากคำถามว่า

“ซื้อรถได้กี่คัน?”

เป็น

“เงินรัฐ 1 บาท เพิ่มกำไรสุทธิให้ชาวนาได้กี่บาท และผลลัพธ์นั้นอยู่ได้นานกว่าสินทรัพย์ที่รัฐซื้อหรือไม่?”

หากตอบคำถามหลังไม่ได้ ต่อให้รถถูกกว่าหรือแพงกว่า 16 ล้านบาทก็ยังไม่ใช่คำตอบของการปฏิรูปข้าวไทย แต่หากออกแบบระบบให้ตอบได้ การใช้ EV ภายใน CLDO ที่เรียนรู้จาก MADA อาจกลายเป็นจุดเริ่มต้นของการเปลี่ยนจาก นโยบายอุดหนุนต้นทุน ไปสู่ นโยบายยกระดับผลิตภาพและรายได้อย่างยั่งยืน

🔍 แหล่งข้อมูลอ้างอิง

ข้อมูลสถานะโครงการ EV และคำชี้แจงของกรมการข้าวล่าสุดระบุว่าโครงการยังอยู่ระหว่างศึกษา ขณะที่ตัวเลข 500 อาจหมายถึงจุดนำร่อง และองค์ประกอบโครงการอาจมีทั้งรถแทรกเตอร์ ปั๊มน้ำ เครื่องอบ และระบบพลังงาน 

ข้อมูลเกี่ยวกับ พ.ร.ก. เงินกู้ระบุว่ากรอบการเปลี่ยนผ่านด้านพลังงานมีวงเงิน 200,000 ล้านบาท และกำหนดหลักความจำเป็น ความคุ้มค่า ไม่ซ้ำซ้อนและพร้อมดำเนินงาน รวมถึงหลัก 5T 

ข้อมูลหนี้สาธารณะล่าสุดของสำนักงานบริหารหนี้สาธารณะ ณ 31 สิงหาคม 2569 อยู่ที่ 13.1918 ล้านล้านบาท หรือ 67.94% ของ GDP 

ข้อมูลต้นทุนข้าวไทยจากสำนักงานเศรษฐกิจการเกษตรปี 2569 ระบุผลผลิต 535.31 กิโลกรัมต่อไร่ ต้นทุน 4,644.06 บาทต่อไร่ และต้นทุน 8.68 บาทต่อกิโลกรัมสำหรับกลุ่มเกษตรกรทั่วไป 

ข้อมูล MADA, MYSA และ SMART SBB สนับสนุนข้อสังเกตว่าระบบน้ำ การจัดการแปลง สถาบันเกษตรกร เครื่องจักร เทคโนโลยีและข้อมูลต้องทำงานร่วมกัน 

📚 บรรณานุกรม

Food and Agriculture Organization of the United Nations. (n.d.). Hire services. Sustainable Agricultural Mechanization. FAO Sustainable Agricultural Mechanization⁠

Krungsri Research. (2026). Thailand industry outlook 2026–2028: Rice. Krungsri Research⁠

Malaysian National News Agency. (2024, December 20). KPKM targets 46,000-tonne boost in padi yield through five-season programme. BERNAMA⁠

Malaysian National News Agency. (2026, September 16). SMART SBB boosts padi farmers’ income by 127 pct in Permatang Pauh. BERNAMA SMART SBB⁠

Malaysian Space Agency. (2024). MYSA meterai 2 kerjasama di MAHA2024. MYSA⁠

Muda Agricultural Development Authority. (2024, December 19). Perjanjian konsesi program penanaman padi 5 musim dalam tempoh 2 tahun di Kawasan Muda. MADA⁠

Muda Agricultural Development Authority. (2026, September 14). MADA perkukuh kesiapsiagaan bekalan air, 99,489 hektar sawah dijadual ditanam musim 2/2026. MADA 2026⁠

Office of Agricultural Economics. (2026). การศึกษาต้นทุนส่วนเพิ่มการลดก๊าซเรือนกระจกสินค้าพืชเศรษฐกิจ (ข้าวนาปี). กระทรวงเกษตรและสหกรณ์. สำนักงานเศรษฐกิจการเกษตร⁠

Public Debt Management Office. (2026). หนี้สาธารณะคงค้างรายเดือน: สิงหาคม 2569. กระทรวงการคลัง. สำนักงานบริหารหนี้สาธารณะ⁠

Thai PBS. (2026, October 14). “สุริยะ” แจงของบ 8 พันล้าน ซื้อรถเกี่ยวข้าว EV คันละ 16 ล้าน คุ้มค่าระยะยาว. Thai PBS 14 ตุลาคม 2569⁠

Thai PBS. (2026, October 15). อธิบดีกรมการข้าวยันไม่จริง รถไถ EV คันละ 16 ล้านบาท ชี้โครงการยังอยู่ขั้นศึกษา. Thai PBS 15 ตุลาคม 2569⁠

รัฐบาลไทย. (2569, 10 ตุลาคม). เตรียมของบจัดหารถเกี่ยวข้าว EV ลดภาระชาวนา. เว็บไซต์รัฐบาลไทย⁠

สำนักงานบริหารงานจัดซื้อจัดจ้างภาครัฐ. (2560). พระราชบัญญัติการจัดซื้อจัดจ้างและการบริหารพัสดุภาครัฐ พ.ศ. 2560. กฎหมายจัดซื้อจัดจ้างภาครัฐ⁠

The economic feasibility and farmers’ adoption of battery electric tractors: A systematic literature review. (2026). Applied Energy, 415, 127913. Applied Energy⁠