تفقد شركات المياه مليارات الغالونات من المياه النظيفة سنويًا عبر أنابيبها القديمة. وبدلًا من انتظار حدوث أعطال ظاهرة، يستخدم المشغلون الآن الذكاء الاصطناعي لتحديد مواقع التسريبات الخفية والتنبؤ بأعطال الشبكة مبكرًا. واليوم، تتبنى الصناعات الثقيلة هذه الأدوات نفسها لتأمين مصانعها الخاصة وتحقيق أهدافها البيئية الصارمة.
لا يزال فقدان المياه أحد أكثر التحديات الاقتصادية إلحاحاً التي تواجه أنظمة مياه الشرب اليوم. ففي كل يوم، تفقد شركات المياه كميات كبيرة من المياه المعالجة قبل وصولها إلى المستهلكين، مما يُضعف الإيرادات، ويزيد من تكاليف المعالجة والضخ، ويُضيف ضغطاً إضافياً على البنية التحتية المُرهقة أصلاً.
تزداد إدارة هذه الشبكات تعقيدًا يومًا بعد يوم. ففي العديد من الأسواق، تتقادم شبكات التوزيع بالتزامن مع مواجهة شركات المرافق العامة لتقلبات جوية متزايدة، وارتفاع الطلب الحضري، وتوقعات أداء أكثر صرامة. تاريخيًا، كان الكشف عن التسريبات وتجديد الأنابيب غالبًا ما يتم بشكل تفاعلي، حيث لا تُتخذ الإجراءات إلا بعد ظهور أعطال واضحة أو انخفاضات كبيرة في الضغط.
بدأ الذكاء الاصطناعي يُحدث تغييرًا في هذا الواقع. فمن خلال تحسين كيفية تفسير شركات المرافق للبيانات الصوتية والهيدروليكية وبيانات الأصول، يُساعد الذكاء الاصطناعي المشغلين على اكتشاف الخسائر الخفية في وقت مبكر، وتوجيه التدخلات بشكل أكثر فعالية، واتخاذ قرارات أفضل بشأن الصيانة والتجديد. والأهم من ذلك، أن هذه القدرات نفسها باتت تجذب اهتمامًا واسعًا خارج نطاق الأنظمة البلدية، لا سيما بين مستخدمي المياه الصناعيين والتجاريين الذين يمتلكون شبكات داخلية واسعة ويتعرضون لمخاطر متزايدة بسبب المياه.
العوامل المحركة للسوق للحد من التسرب
لا تتبنى شركات المرافق هذه الأدوات الرقمية المتقدمة بدافع الفضول التكنولوجي فحسب، بل إن الضغوط التنظيمية الشديدة والتهديد بعقوبات مالية باهظة هما المحركان الرئيسيان وراء هذا الازدهار العالمي في السوق.
في أوروبا، تعمل هيئة مياه الشرب على دفع هذا التحول الرقمي، مما يتطلب من المرافق التي تخدم أكثر من 50,000 شخص مراقبة التسرب بشكل فعال والاستعداد لأهداف صارمة بحلول عام 2028.
في المملكة المتحدة، أدى مراجعة أسعار هيئة تنظيم المياه لعام 2024 إلى دفع استثمارات بلدية ضخمة في برامج الذكاء الاصطناعي.
في غضون ذلك، في أمريكا الشمالية، يرتبط الاستثمار الرقمي إلى حد كبير بالامتثال الصارم لمتطلبات الصحة العامة.
تحسينات قواعد الرصاص والنحاس إلزام شركات المرافق برسم خرائط الأنابيب الخطرة واستبدالها بسرعة، ودفع المشغلين إلى الاعتماد على الذكاء الاصطناعي التنبؤي لتحديد مواقع البنية التحتية القديمة بكفاءة.
علاوة على ذلك، يواجه القطاع الصناعي تحديات تنظيمية خاصة به. إذ يُلزم قانون تقارير الاستدامة المؤسسية الشركات الكبرى بالإفصاح علنًا عن تأثيراتها ومخاطرها المتعلقة بالمياه. وهذا يُجبر الرؤساء التنفيذيين على التعامل مع فقدان المياه داخل مصانعهم كمسألة امتثال بالغة الأهمية، مما يُحفز بشكل مباشر طلب القطاع الخاص على الذكاء الاصطناعي في مجال المياه.
كيف تعمل شبكات المياه الذكية
لفهم هذه الثورة المائية، عليك أن تنظر إلى كيفية عمل التكنولوجيا بشكل أساسي. فالشبكة الذكية لا تقتصر على تركيب جهاز استشعار سحري واحد، بل تتعلق بربط البيانات التي كانت معزولة في السابق.
لعقود طويلة، كان اكتشاف التسريبات يتطلب إرسال فرق إلى الشوارع للاستماع حرفيًا إلى الأنابيب. كان العمال يستخدمون عصي استماع يدوية لالتقاط الصوت الخافت لتسرب المياه. إلا أن هذه الطريقة البطيئة واليدوية لا تجدي نفعًا في المدن الحديثة، حيث يطغى صوت حركة المرور الكثيفة وضجيج المضخات على صوت تسرب المياه.
يُحدث التعلّم الآلي تغييراً جذرياً في فيزياء الكشف عن التسريبات. فبدلاً من الأذن البشرية، تستطيع خوارزميات الذكاء الاصطناعي الاستماع إلى ملايين الملفات الصوتية في الوقت نفسه. وتتعلم هذه الخوارزميات تمييز الصوت الفريد للتسريب، وتصفية ضوضاء الشارع المحيطة على الفور.
إلى جانب الصوت، يتتبع الذكاء الاصطناعي ضغط الماء أيضاً. فمن خلال دمج خرائط الشبكة القياسية مع بيانات التدفق المباشر، تستطيع نماذج التعلم الآلي رصد أدنى انخفاضات الضغط غير الطبيعية. وهذا يُمكّن المشغلين من تحديد موقع التسرب بدقة رياضية، دون الحاجة إلى ميكروفون فعلي على كل أنبوب.
الكشف عن التسربات: من البحث التفاعلي إلى التنبؤ الاستباقي
تتمثل الميزة الأساسية لهذه الأنظمة الرقمية في سرعة الاستجابة. إذ بات بإمكان شركات المرافق الآن اكتشاف تسربات المياه الخفية قبل وقت طويل من تحولها إلى أعطال كارثية وواضحة في الأنابيب.
في شركة "ساوثرن ووتر" بالمملكة المتحدة، حلّ الذكاء الاصطناعي محلّ التخمين التقليدي. تعمل الشركة، من خلال نظامها الذكي للكشف عن التسريبات، على تعزيز قدرة العالم على مواجهة الجفاف بالتوازي مع أجهزة الاستشعار الصوتية التقليدية. وبفضل تغذية نموذج التعلّم الآلي هذا ببيانات الشبكة، حققت "ساوثرن ووتر" نسبة نجاح بلغت 80% في تحديد مواقع التسريبات الخفية. وقد أسفرت هذه الجهود عن اكتشاف أكثر من 1,170 أنبوبًا مكسورًا، وتوفير ما يقارب 204 ملايين لتر من المياه يوميًا.
من المهم الإشارة إلى أن التحول الرقمي لا يعني بالضرورة شراء آلاف أجهزة الاستشعار المادية الجديدة. ففي أستراليا، اعتمدت شركة يونيتي ووتر نهجًا برمجيًا بحتًا في جميع عملياتها. ومن خلال تشغيل خوارزميات ذكية على تدفقات البيانات الموجودة لديها، تمكنت الشركة من رصد تدفقات المياه غير الطبيعية بسرعة أكبر. وقد ساهمت هذه الاستراتيجية في تقليص وقت إصلاح التسريبات من 11 يومًا إلى يومين فقط، مما حال دون خسائر في المياه تُقدر بنحو 28 مليون دولار أسترالي على مدى تسع سنوات.
يُجدي هذا النهج الرقمي نفعًا حتى في المناطق التي يصعب على البشر الوصول إليها. ففي الولايات المتحدة، احتاجت شركة مياه وسط أركنساس إلى تقييم منطقة خدماتها ذات الغابات الكثيفة. ولحل هذه المشكلة، استخدمت الشركة تقنية التصوير بالأقمار الصناعية للحد من المياه غير المحصّلة . فمن خلال قراءة أنماط رطوبة التربة من الفضاء، تمكنت الشركة بنجاح من تحديد مواقع التسريبات الخفية في التضاريس الوعرة. في هذه المناطق النائية، كان إجراء عمليات التفتيش التقليدية سيرًا على الأقدام شبه مستحيل ومكلفًا للغاية.
تحسين النفقات الرأسمالية: تحديد استبدال الأنابيب القديمة
إن اكتشاف التسريبات الموجودة ليس سوى الخطوة الأولى. تكمن القوة الحقيقية للذكاء الاصطناعي في إدارة الأصول التنبؤية التي تُخبر شركات المرافق بما سيتعطل غدًا.
تدير شركات المرافق العامة آلاف الأميال من الأنابيب، لكن ميزانياتها المخصصة لاستبدالها محدودة للغاية. إن حفر الأنابيب القديمة عشوائياً لمجرد تركيبها قبل ثمانين عاماً يُعدّ هدراً فادحاً للموارد. ففي كثير من الأحيان، يكون أنبوب حديدي عمره ثمانون عاماً سليماً تماماً، بينما يتلف أنبوب بلاستيكي عمره عشرون عاماً تدريجياً بسبب التربة شديدة التآكل.
تستخدم النماذج الرقمية اليوم بيانات عمر الأنابيب وموادها وظروف التربة وسجلات الأعطال السابقة للتنبؤ بدقة بالأجزاء التي ستتعرض للانهيار لاحقاً. وهذا يُمكّن المشغلين من التدخل وإصلاح البنية التحتية قبل انهيارها مباشرة.
تُجسّد شركة مياه سيدني كيف بدأت نماذج التنبؤ بالانتقال من مرحلة الفكرة إلى التطبيق العملي. فبالشراكة مع جامعة سيدني للتكنولوجيا ، طوّرت الشركة حلاً باستخدام بيانات تاريخية تمتد لعقدين من الزمن، تشمل خصائص التربة ومواد الأنابيب وتقلبات الضغط. ويُقال إن النموذج يتنبأ بأعطال خطوط المياه الرئيسية الحرجة بدقة تصل إلى 80%، مما يدعم تخطيطًا أكثر دقة للصيانة.
ويمكن ملاحظة الاتجاه نفسه في أوروبا. ففي البرتغال، اعتمدت شركة "أغواس دو بورتو" برمجيات التعلم الآلي من شركة "بيسفورم" التي تجمع بيانات أنظمة التحكم الإشرافي وجمع البيانات (SCADA) ونظم المعلومات الجغرافية (GIS) لمساعدة المشغلين على تحديد الأصول الأكثر عرضة للخطر وتحديد أولويات التدخل قبل وقوع الأعطال.
تُستخدم مناهج مماثلة في أمريكا الشمالية لدعم التخطيط الرأسمالي طويل الأجل. فعلى سبيل المثال، طبقت لجنة الصرف الصحي في ضواحي واشنطن (WSSC) أداة تقييم حالة اصطناعية من شركة Xylem على بيانات تاريخية عن التلف والتربة، مما ساعد في تحديد أجزاء الأنابيب الأكثر عرضة للخطر وتحسين تحديد الأولويات ضمن برنامج الاستبدال الأوسع نطاقاً.
عبور الحدود: من الشبكات العامة إلى أنظمة المياه الصناعية
لم تعد شركات المرافق هي المشترين الوحيدين لهذه التقنية. فالمجمعات الصناعية الضخمة ومصانع أشباه الموصلات ومراكز البيانات تعتمد أيضاً على شبكات أنابيب داخلية بالغة التعقيد لدعم عملياتها اليومية.
بالنسبة لهذه المنشآت الخاصة، يُعدّ التسريب أكثر من مجرد مشكلة كفاءة بسيطة. ففي الصناعات التي تستهلك كميات هائلة من المياه، قد يؤدي عطل غير مكتشف في الأنابيب إلى توقف أنظمة التبريد بسرعة، وتعطيل خطوط الإنتاج، والتسبب في خسائر مالية فادحة. وإدراكًا لهذا الخطر التشغيلي، يتبنى المستخدمون الصناعيون الآن بنشاط الأدوات الرقمية نفسها التي صُممت في الأصل لمديري المياه في المدن.
ومن التحولات الرئيسية الأخرى في السوق، ازدياد استخدام الشركات لتعويض استهلاك المياه. وبموجب هذا النموذج، تدفع شركات التكنولوجيا الكبرى فعلياً مقابل اكتشاف وإصلاح التسريبات في شبكات المياه العامة في المدن. ثم تُحتسب المياه التي يتم توفيرها من هذه الإصلاحات الممولة ضمن أهداف الشركة البيئية، مما يساعدها على تحقيق أهدافها الطموحة في مجال المياه.
يُقدّم العمل المُموّل من مايكروسوفت نظرةً واضحةً على هذه الاستراتيجية عمليًا. فقد موّلت الشركة مشاريعَ للكشف عن تسربات المياه باستخدام الذكاء الاصطناعي في لندن ومدينة كويريتارو المكسيكية. وتستخدم هذه الأداة الصوت لتحديد مواقع الأنابيب المتسربة، مما يُساهم في توفير مياه الشرب الثمينة . ومن خلال تمويلها لتحديد وإصلاح أعطال الأنابيب الخفية في الشبكة العامة، تُساعد مايكروسوفت في إعادة كميات كبيرة من المياه النظيفة إلى مصادر المياه المحلية. ويُمكّن هذا النهج عملاق التكنولوجيا من تعويض استهلاكه الكبير للمياه، مع تحقيق فائدة مباشرة للمجتمع المحلي.
تتبنى شركة أمازون لخدمات الويب نموذجًا مشابهًا، حيث تدير مشاريع إدارة المياه في مكسيكو سيتي ومونتيري. فمن خلال تمويل عمليات التفتيش الرقمي على أنابيب نقل المياه الحيوية، تساعد أمازون السلطات المحلية على الحد من الفاقد الهائل للمياه. وفي الوقت نفسه، يتم تتبع المياه الموفرة بدقة واستخدامها لدعم التزام الشركة المعلن بتحقيق الاكتفاء الذاتي من المياه بحلول عام 2030.
يحدث هذا التحول الرقمي أيضاً داخل المنشآت الصناعية نفسها. ففي شبكات المصانع الخاصة، تقوم منصات المراقبة الذكية بتتبع تدفق المياه باستمرار لرصد أي خلل وتحديد الفاقد الخفي. فعلى سبيل المثال، قامت شركة بيبسيكو بتركيب أنظمة من شركة WINT Water Intelligence في العديد من مصانعها العالمية. وهذا يمنح مديري المصانع رؤية شاملة لاستهلاكهم الداخلي للمياه، مما يسمح لهم باكتشاف التدفقات غير الطبيعية على الفور والحد من الهدر غير الضروري قبل أن يؤثر على أرباحهم.
ما وراء العداد: رؤية موحدة لأمن المياه
تتوسع أدوات إدارة المياه الرقمية لتشمل ما هو أبعد من الشبكات البلدية. وسواءً أكان المشغلون يديرون مرفقًا عامًا أو مركز بيانات خاصًا، فإنهم يواجهون نفس الأسئلة الأساسية: أين تذهب المياه؟ ما هي الأنابيب المعطلة؟ كيف يمكننا التدخل بشكل أسرع؟
يتلاشى الحد الفاصل التقليدي بين إدارة المرافق العامة وأمن المياه الصناعية الخاصة. ومع تزايد الضغوط المناخية وتحول المياه إلى أصل مؤسسي يخضع لتدقيق صارم، فإن القدرة على الصمود تعتمد على نهج استباقي. يجب على كل من المؤسسات العامة والخاصة استخدام الذكاء الاصطناعي للتوقف عن رد الفعل تجاه الإخفاقات والبدء في التنبؤ بها.
مع استمرار الذكاء الرقمي في إعادة تشكيل إدارة المياه، سيعتمد المستقبل على كسر الحواجز بين البنية التحتية والعمليات والبيانات. ستكون المؤسسات الأكثر مرونة هي تلك القادرة على تحويل المعلومات المتناثرة إلى رؤية موحدة لأنظمة المياه لديها، ما يُمكّنها من تحديد المخاطر مبكرًا، وتحسين استخدام الموارد بدقة أكبر، واتخاذ الإجراءات اللازمة قبل أن تتحول الاضطرابات إلى إخفاقات. في نهاية المطاف، لن يُحدد أمن المياه بحجم البنية التحتية التي تسيطر عليها المؤسسة، بل بمدى ذكائها في فهم كل قطرة وإدارتها وحمايتها.
