الذكاء الاصطناعي وخفض المياه غير المدرّة للدخل

يبلغ الكشف الصوتي عن التسربات بمساعدة التعلم الآلي دقة تتجاوز ٩٣ بالمئة في تحديد مواقع تسرب المياه تحت الأرض، مقابل ما لا يزيد على ٤٥ بالمئة في المسح التقليدي الذي يتنقل فيه فني على المسار مستمعاً بميكروفون أرضي. هذه الفجوة هي جوهر الجدوى الاقتصادية، وهي قابلة للترجمة إلى أرقام مالية بسهولة غير معتادة.

فكل حفر غير ضروري يكلّف معدات وعمالة وإعادة تأهيل للطريق وتعطيلاً لحركة المرور. وخفض عدد الحفريات غير المثمرة إلى النصف يغيّر بنية التكلفة لدى المؤسسة دون تغيير أي شيء آخر في طريقة عملها.

المشكلة في العثور لا في الإصلاح

مؤسسات المياه بارعة عموماً في إصلاح التسربات. الجزء المكلف والبطيء هو معرفة أماكنها. فشبكة التوزيع مدفونة وغير قابلة للملاحظة إلى حد كبير، ومعظم التسربات لا تظهر على السطح، بل تتسرب بهدوء إلى التربة لأشهر أو سنوات.

المصطلح المهني لهذا الفاقد هو المياه غير المدرّة للدخل: مياه تُنتج وتُضخ ولا تُفوتر أبداً، لأنها تسربت أو قيست بشكل خاطئ أو استُهلكت دون قياس. وهو مؤشر تشغيلي معياري في العالم كله، وليس حالة استثنائية، وخفضه جزء طبيعي من إدارة المرافق.

كيف يختلف نهج الذكاء الاصطناعي

تؤدي تقنيتان معظم العمل، وتجيبان عن سؤالين مختلفين.

التصنيف الصوتي يتعامل مع الصوت. تسجّل حساسات موضوعة على الشبكة البصمة الصوتية للأنبوب باستمرار. التسرب يولّد ضجيجاً مميزاً، لكن كذلك تفعل شاحنة عابرة ومضخة وصمام مغلق جزئياً واستهلاك اعتيادي. ويفصل مصنّف مدرَّب بصمة التسرب عن هذه الخلفية — وهي المهمة التي يؤديها البشر بتفاوت، لأنها تعتمد على خبرة المشغّل وتركيزه في ذلك اليوم.

التنبؤ بالأعطال يتعامل مع الاحتمال. نموذج مدرَّب على مادة الأنبوب وقطره وسنة التركيب وظروف التربة وضغط التشغيل وسجل الحوادث يقدّر أي المقاطع أكثر عرضة للعطل التالي. وهذا ينقل الصيانة من رد الفعل إلى التخطيط، وهو أرخص في معظم الأحوال.

وتتكامل التقنيتان جيداً: التنبؤ يضيّق نطاق البحث، والصوتيات تؤكد ما هو موجود فعلاً.

مسار تنفيذ واقعي

تأكد من البيانات المتوفرة أصلاً

ثلاثة عناصر هي الأهم: خريطة شبكة تتضمن مادة الأنبوب وقطره، وسجل حوادث لعدة سنوات، وبيانات ضغط وتدفق داخل المناطق. وتملك معظم المؤسسات من هذا أكثر مما تتوقع، وإن كان موزعاً على أنظمة غير مترابطة. وهذه البيانات نفسها يمكن أن تشكّل لاحقاً الطبقة التحتية لنموذج حضري أوسع — راجع التوأم الرقمي الحضري واتخاذ القرار.

اختر منطقة واحدة لا الشبكة كاملة

المنطقة المقيسة ذات القياس المدخلي الموثوق نسبياً هي الوحدة المناسبة. فهي كبيرة بما يجعل النتيجة ذات دلالة، وصغيرة بما يتيح تجهيزها وإنهاء العمل فيها. والمنطق نفسه المتعلق بضيق النطاق ينطبق في إدارة الحركة المرورية بالذكاء الاصطناعي.

قِس خط الأساس أولاً

نسبة المياه غير المدرّة للدخل في المنطقة التجريبية، مقيسة على مدة محددة قبل تركيب أي شيء. من دونها لا يمكن إثبات أي تحسّن، وينتهي المشروع إلى جدال بدل الأدلة.

عرّف النجاح بمصطلحات تشغيلية

ليس عدد التسربات المكتشفة. المقياسان المهمان هما انخفاض المياه غير المدرّة للدخل في تلك المنطقة، وعدد الحفريات التي جرى تفاديها. وكلاهما يتحول مباشرة إلى قيمة مالية، ما يجعل رفع التقارير مباشراً ومبرر التوسع بديهياً.

درّب من سيشغّل النظام

أكثر أجزاء المشروع بقاءً هو المعرفة التي تستقر داخل المؤسسة. فكوادر التشغيل بحاجة إلى قراءة مخرجات النموذج، وترتيب أولويات التنبيهات، والأهم إدراك الظروف التي لا يكون فيها النموذج موثوقاً.

إن دورة تدريبية في الذكاء الاصطناعي قصيرة ومبنية حول هذا التطبيق تحديداً، مع مستشار ذكاء اصطناعي يرافق الفريق في الأشهر الأولى، هي عادةً ما يفصل بين نظام يُستخدم فعلاً ونظام يكتفي بإنتاج تقارير لا يفتحها أحد.

أسئلة متكررة

هل يتطلب هذا استبدال العدادات القائمة؟

لا عموماً. يعتمد النهج على القياس المناطقي وحساسات صوتية توضع على الشبكة القائمة. واستبدال العدادات برنامج منفصل له جدواه الخاصة، ولا ينبغي دمجه في مشروع كشف تجريبي.

ماذا لو كانت خريطة الشبكة ناقصة أو قديمة؟

هذه هي نقطة البداية المعتادة لا مانعاً. يمكن أن يبدأ المشروع بأفضل خريطة متاحة، ومن آثاره الجانبية المفيدة أنه يكشف أخطاء الخرائط في المنطقة التجريبية ويصححها.

كيف يختلف هذا عما يفعله الفنيون أصلاً؟

يغيّر التغطية والاتساق. ففريق المسح يغطي طولاً محدوداً من الشبكة في كل وردية، وجودة الكشف تتفاوت بحسب الخبرة الفردية. أما الحساسات الثابتة فتراقب باستمرار وتطبّق معيار التصنيف نفسه في الثالثة فجراً كما في منتصف النهار.

الخلاصة

التقنية هنا ناضجة لا تجريبية، والمؤشر الذي تحسّنه — المياه غير المدرّة للدخل — تتابعه معظم المؤسسات أصلاً، ما يجعل النتيجة قابلة للقياس منذ اليوم الأول. والبدء لا يتطلب برنامجاً ضخماً: منطقة واحدة، ورقم أساس، ومشروع تجريبي من بضعة أشهر يكفي لتحديد قيمة هذا النهج لشبكة بعينها.

خدمات قطرة ذات الصلة

تتخذ قطرة من مجمع البرز للعلوم والتقنية في كرج مقراً لها، وتعمل مع المؤسسات في المجالات التالية:

• علم البيانات والنمذجة التنبؤية للبنية التحتية — تحليل بيانات الشبكة والتنبؤ بالأعطال والصيانة الاستباقية
• استشارات الذكاء الاصطناعي للأعمال — اختيار العملية ذات العائد الأعلى وتصميم المشروع التجريبي حولها
• دورات تدريبية في الذكاء الاصطناعي واستشارات الذكاء الاصطناعي للتعليم — بناء قدرات الكوادر التشغيلية
• الرؤية الحاسوبية والروبوتات — المراقبة الآلية للمنشآت ومعالجة الصور
• أتمتة الذكاء الاصطناعي وروبوتات المحادثة لخدمة المشتركين

إذا كنت تعمل في إدارة شبكات المياه وترغب في معرفة المنطقة التي ينبغي البدء بها، تواصل معنا.