التحدي: الخسارة تبدأ قبل أن يراها أحد
شبكات المياه الكبيرة تعمل على مدار الساعة، وأي تسرب أو خلل في القياس أو تغير غير طبيعي في الاستهلاك قد يستمر فترة قبل أن يظهر في فاتورة أو شكوى أو عطل واضح. وكلما تأخر اكتشاف المشكلة، اتسع أثرها وارتفعت كلفة التعامل معها.
لهذا لا يكفي أن تعرف المؤسسة كمية المياه المستهلكة في نهاية دورة الفوترة. الإدارة الأكثر كفاءة تحتاج إلى معرفة ما إذا كان هناك تغير غير طبيعي الآن، وأين حدث، ومدى أهميته، وما الذي يستحق التدخل أولاً.
البنية الذكية سبقت الذكاء الاصطناعي
هيئة كهرباء ومياه دبي، ويُشار إليها اختصاراً بـ DEWA — Dubai Electricity and Water Authority — هيئة كهرباء ومياه دبي، لم تبدأ من تطبيق ذكاء اصطناعي منفرد. فقد بنت خلال سنوات منظومة تضم العدادات الذكية، وأجهزة قياس التدفق والضغط، والتحكم عن بُعد، وأنظمة مراقبة الشبكة وتحليلها.[1][2]
من عناصر هذه المنظومة SCADA — Supervisory Control and Data Acquisition — نظام الإشراف والتحكم وجمع البيانات. وهو نظام يتيح متابعة حالة الشبكة من مركز تحكم، وجمع البيانات التشغيلية مثل الضغط والتدفق، وربطها بإجراءات المراقبة والتحكم.
وتستخدم الشبكة كذلك RTU — Remote Terminal Unit — وحدة طرفية بعيدة، وهي أجهزة ميدانية تنقل بيانات أجزاء الشبكة إلى أنظمة التحكم المركزية، وتساعد على تنفيذ بعض أوامر التشغيل عن بُعد.[2]
هذه الطبقات هي التي تجعل التحليل المتقدم مفيداً. فمن دون قياس منتظم وبيانات موثوقة وربط بين الأنظمة، يبقى الذكاء الاصطناعي معزولاً عن العمل الفعلي.
Hydro Insight: عندما تصبح قراءة العداد إشارة تشغيلية
أطلقت الهيئة نظام Hydro Insight في منتصف عام 2024. ويحلل النظام بيانات أكثر من 1.1 مليون عداد مياه ذكي في دبي كل 15 دقيقة، مستخدماً AI — Artificial Intelligence — الذكاء الاصطناعي وعلوم البيانات للكشف الآلي عن أنواع مختلفة من الحالات غير الطبيعية في العدادات.[1]
الذكاء الاصطناعي هنا لا يعني أن النظام «يفكر» بدلاً من فرق التشغيل. وظيفته الأساسية هي فحص حجم ضخم من القراءات بسرعة، واكتشاف الأنماط التي تستحق الانتباه، ثم إدخال هذه الإشارات في مسار التشخيص والمعالجة.
وفق بيانات DEWA، خفّض النظام زمن معالجة البيانات بنسبة 87.5%، كما انخفض زمن اكتشاف الحالات غير الطبيعية في العدادات من نحو 30 يوماً إلى ساعة واحدة.[1] وتؤكد Global Water Awards النتيجة نفسها في وصفها للمشروع الفائز بفئة Smart Water Project لعام 2024.[3]
دليل الأثر: لا رقم واحد يروي القصة كلها
الأهم أن نضع هذه الأرقام في سياقها الصحيح. تشير بيانات DEWA إلى أن فاقد شبكة المياه انخفض من 9.1% في 2014 إلى 4.6% في 2023، ثم 4.5% في 2024 و4.4% في 2025.[4] كما تذكر الهيئة أن الفاقد كان أعلى بكثير في العقود السابقة.[1]
لكن Hydro Insight لم يبدأ إلا في منتصف 2024. لذلك لا يصح أن يُنسب إليه الانخفاض التاريخي كله. التحسن الطويل جاء نتيجة تراكم تقنيات وإجراءات متعددة في الشبكة، من إدارة الضغط والكشف عن التسرب إلى القياس الذكي والتحكم والتحليل.
المصدر المهني المستقل Global Water Awards يضيف مؤشرات مهمة: النظام طُوّر داخلياً لمراقبة أكثر من مليون عداد، وخفّض زمن اكتشاف خلل العداد من 30 يوماً إلى ساعة، كما ارتبطت منظومة التنبيه والكشف المبكر بوفورات مائية موثقة على مدى عدة سنوات.[3]
هل يدعم العلم هذا المنطق؟
نعم، على مستوى الآلية العامة. مراجعة علمية محكّمة نُشرت عام 2024 درست استخدام ML — Machine Learning — تعلّم الآلة في شبكات قياس المياه الذكية. وتعلّم الآلة هو فرع من الذكاء الاصطناعي يستخدم البيانات لبناء نماذج تتعرف إلى الأنماط وتكشف الحالات غير المعتادة. وجدت المراجعة أن هذه الأساليب تُستخدم لاكتشاف أنواع متعددة من الشذوذ في شبكات المياه، وأن توافر بيانات جيدة عامل أساسي في نجاحها.[5]
هذا الدليل العلمي لا يثبت نتائج دبي نفسها، لكنه يوضح أن المبدأ التقني الذي يقوم عليه النظام متسق مع اتجاه بحثي معروف: استخدام بيانات العدادات والتحليلات للكشف المبكر عن الحالات غير الطبيعية.
عدسة 10X
تعظيم الذكاء المؤسسي والتقني
القيمة ليست في عدد العدادات، بل في قدرة المؤسسة على تحويل ملايين القراءات إلى إشارات تساعدها على الفهم واتخاذ القرار بسرعة. هذا هو الانتقال من امتلاك البيانات إلى استخدامها كقدرة تشغيلية.
إعادة ابتكار المؤسسة ونموذج عملها
في الإدارة التقليدية يبدأ التحرك بعد ظهور المشكلة. أما هنا فتُراقب البيانات بصورة مستمرة لاكتشاف ما يتغير قبل أن يصبح عطلاً أو خسارة أكبر. نقطة بداية العملية نفسها تغيرت.
مضاعفة القيمة والأثر المستدام
تقليل فاقد المياه يحافظ على مورد أساسي ويحد من كلفة إنتاج مياه لا تصل إلى الاستخدام المقصود. لذلك يجتمع الأثر التشغيلي والمالي والبيئي في نتيجة واحدة.
ما الذي يمكن استخدامه عملياً؟
على مستوى القائد
بدلاً من قياس التحول الرقمي بعدد الأنظمة التي تم شراؤها، يمكن قياسه بأسئلة تشغيلية: كم انخفض الزمن بين ظهور المشكلة واكتشافها؟ كم انخفض الزمن بين الاكتشاف والتدخل؟ وما مقدار الخسارة التي أصبح ممكناً تجنبها؟
على مستوى المؤسسة
ابدأ من البيانات التي تتولد بالفعل في العمليات، ثم حدد القرارات التي يمكن تحسينها بها. بعد ذلك تُبنى قواعد التنبيه والتحليل وربط النتائج بمسارات العمل. الذكاء الاصطناعي يأتي فوق بنية قياس واتصال واضحة، لا بديلاً عنها.
قابلية النقل: الفكرة أوسع من قطاع المياه
ما الذي يمكن نقله؟
يمكن نقل منطق الإنذار المبكر إلى المستشفيات والمصانع والنقل وسلاسل الإمداد وإدارة الأصول: اجمع البيانات التشغيلية، حدد الأنماط غير الطبيعية، اربط التنبيه بقرار واضح، ثم قِس الزمن والخسارة قبل التحول وبعده.
ما الذي يعتمد على السياق؟
أنواع الحساسات وحدود التنبيه ودقة النماذج وتكرار القياس تختلف من قطاع إلى آخر. لذلك لا تُنسخ تقنية شبكة المياه حرفياً؛ الذي يُنقل هو منطق تحويل البيانات من سجل للماضي إلى أداة تساعد على التدخل المبكر.
الدرس الأعمق
المؤسسة لا تصبح أذكى عندما تجمع بيانات أكثر، بل عندما تقل المسافة بين ظهور الإشارة وفهمها واتخاذ القرار المناسب.
في شبكة مياه دبي، تعاقبت مراحل القياس والمراقبة والتحكم والتحليل حتى أصبح ممكناً فحص أكثر من مليون عداد بوتيرة متكررة والكشف عن حالات كان ظهورها يستغرق وقتاً أطول.
هذه هي الفكرة التي تستحق النقل: لا تبدأ بالذكاء الاصطناعي. ابدأ بالقرار الذي تريد أن يصبح أسرع وأدق، ثم ابنِ البيانات والأنظمة التي تجعله ممكناً.
المراجع والمصادر
- DEWA. Hydro Insight system analyses data from more than 1.1 million smart water meters in Dubai every 15 minutes. 7 Aug 2026.يدعم تاريخ الإطلاق، عدد العدادات، دورة التحليل، خفض زمن معالجة البيانات 87.5%، وخفض اكتشاف حالات خلل العداد من 30 يوماً إلى ساعة.
- DEWA. DEWA advances smart water network performance to cut losses and strengthen global efficiency leadership. 5 Jan 2026.يدعم بنية إدارة التوزيع الذكية، أجهزة التدفق والضغط، RTU، الربط مع SCADA، والمراقبة والتحكم عن بُعد.
- Global Water Awards. 2024 Winners — Smart Water Project: Dubai Hydro Insight.مصدر مهني مستقل يدعم نطاق المشروع، خفض زمن اكتشاف خلل العداد، وبعض وفورات المياه المرتبطة بخدمات الكشف والتنبيه.
- DEWA. World-Class Results.يدعم السلسلة الزمنية لفاقد شبكة المياه: 9.1% في 2014، 4.6% في 2023، 4.5% في 2024، و4.4% في 2025.
- Kanyama MN, Bhunu Shava F, Gamundani AM, Hartmann A. Machine learning applications for anomaly detection in Smart Water Metering Networks: A systematic review. Physics and Chemistry of the Earth. 2024;134:103558.مراجعة علمية محكّمة تدعم استخدام تعلّم الآلة في اكتشاف الحالات غير الطبيعية في شبكات قياس المياه الذكية، وتؤكد أهمية جودة البيانات.