أصبحت نمذجة تشتت الهواء جزءًا من متطلبات بعض دراسات الترخيص، لكن فائدتها بالنسبة لي لا تقف عند تقديم تقرير إلى الجهة المراجعة. في مشروعات عملت عليها، كانت النتيجة مطلوبة لفريق التصميم نفسه: ما ارتفاع المدخنة المناسب؟ وما مستوى خفض الانبعاث الذي نحتاجه من وحدة معالجة؟ هنا تتحول النمذجة إلى جزء من القرار الهندسي قبل تثبيت التصميم وتنفيذه.
من إثبات التوافق إلى توجيه التصميم
عندما تأتي الدراسة بعد اكتمال كل القرارات، تصبح مساحة الاستفادة منها أضيق. قد تكشف مشكلة حقيقية، لكن علاجها يتطلب تعديلًا متأخرًا. أما إذا دخلت النمذجة أثناء دراسة البدائل، فيمكن أن تحدد أي افتراضات التصميم مؤثرة، وأي بيانات يجب تأكيدها، وأي بديل يستحق التطوير.
هذا هو المعنى العملي لاتخاذ القرار بناءً على البيانات Data-Driven Decision-Making: لا نرسل النتائج إلى جهة الترخيص فقط، بل نعيدها إلى المصمم لتؤثر في الموقع والمواصفات وخيارات التحكم. ولا يعني ذلك أن النموذج يضع التصميم وحده؛ بل أنه يضيف دليلًا إلى فريق يعمل على قيود فنية وتشغيلية واقتصادية متعددة.
التجربة الأولى: ما ارتفاع المدخنة الذي يحتاجه المشروع؟
في أحد المشروعات، كان المطلوب دراسة ارتفاع المدخنة المناسب. قارنت بدائل للارتفاع من خلال نتائج الانتشار عند المستقبلات، مع النظر إلى متطلبات المشروع والممارسة الهندسية الجيدة وتأثير المباني والظروف المحيطة. بذلك أصبح القرار مبنيًا على سيناريوهات يمكن تفسيرها، بدل اختيار ارتفاع تقديري.
الفائدة ليست دائمًا «زيادة الارتفاع». فقد يؤدي اختيار مدخنة أقل ملاءمة إلى تعديلات مكلفة لاحقًا، بينما قد تعني مدخنة أعلى من اللازم تكلفة إضافية لا تبررها حاجة المشروع. لذلك نبحث عن بديل مناسب في سياق متكامل، دون اعتبار الارتفاع حلًا عامًا يغني عن تقليل الانبعاثات أو مراجعة جميع المستقبلات.
مثال التوضيح: المصدر نفسه عند ارتفاعَي 10 و30 مترًا
في منشوري استخدمت مثالًا توضيحيًا لمحطة طاقة ومصدر NO₂، وقارنت شكل النتائج لارتفاع مدخنة 10 أمتار وآخر 30 مترًا. كان المقصود توضيح أن ما نحسبه هو التركيز المتوقع عند مستوى المستقبلات أو الأرض، لا تركيز الغاز داخل فوهة المدخنة.
ناقشت في المثال قيمًا في حدود 500 ميكروجرام/م³ للحالة الأولى ونحو 50 ميكروجرام/م³ للحالة الأخرى، لإظهار حجم التغير الذي قد نراه بين السيناريوهات. هذه أرقام تخص المثال وليست قاعدة تقول إن زيادة الارتفاع بهذا المقدار تحقق النسبة نفسها في أي مشروع. كما أن إثبات التوافق يحتاج إلى تعريف فترة المتوسط والقيمة الإحصائية والخلفية وأساس المقارنة، لا الرقم المجرد.
وعند قراءة الشكل الأصلي، ينبغي الانتباه إلى أن عناوين مفتاحَي الرسم تعرض تعريفين إحصائيين مختلفين. لذلك أعرضه بوصفه الشكل التوضيحي الأصلي لتأثير اختيار السيناريو، لا بوصفه مقارنة كمية مكتملة يعتمد عليها لإثبات التوافق دون توحيد الإحصاء وإعادة مراجعة ملفات النتائج.
التجربة الثانية: تحديد احتياج وحدة إزالة الروائح
في مشروع بمحطة معالجة صرف صحي، كان السؤال متعلقًا بوحدة إزالة الروائح Odor Control Unit. احتجنا إلى ربط الانبعاث المتوقع من الوحدة بما يحدث حول الموقع، ثم تحديد مقدار الخفض اللازم في السيناريو المدروس حتى يمكن مناقشة المواصفات مع المورد.
من المهم توضيح اتجاه الحساب: نبدأ بتوصيف الانبعاث وبيانات المصدر، ثم نستخدم نموذج الانتشار لتقييم أثر سيناريوهات التصريف أو الخفض عند المستقبلات. ليس نموذج الانتشار بديلًا عن قياس أو حساب معدل الانبعاث الأصلي؛ لكنه يمكن أن يساعدنا على اختبار المعدل أو كفاءة الخفض المفترضة التي تحقق هدف التقييم المحدد.
كيف انتقلت النتيجة إلى المورد؟
بعد بناء السيناريوهات وفحصها، تُترجم النتائج إلى متطلبات أداء مفهومة لفريق المشروع والمورد. بدل عبارة عامة مثل «نحتاج وحدة إزالة روائح جيدة»، يصبح النقاش مرتبطًا بمصدر معلوم وظروف تشغيل وموقع ومستقبلات وأساس تقييم.
هذا يجعل تصميم المعالجة أكثر اتصالًا بواقع المشروع. ومع ذلك تبقى مسؤولية المورد في التصميم وضمان الأداء وظروف الاختبار واضحة؛ فلا نحول افتراض خفض داخل نموذج إلى ضمان بأن الوحدة ستحقق تلك الكفاءة في جميع الظروف. المطلوب أن يتوافق تعريف الأداء في الدراسة مع تعريفه في مواصفات الوحدة.
لماذا يهم توقيت هذه المقارنة اقتصاديًا؟
تخيل تنفيذ المدخنة ثم اكتشاف أن البديل يحتاج إلى تغيير جوهري، أو شراء نظام معالجة قبل تحديد مستوى الأداء المطلوب. قد يتحول تعديل يمكن دراسته على الورق إلى تكلفة إنشاء أو استبدال أو تعطيل. وعلى الجانب الآخر، قد تدفع المؤسسة في مواصفات أعلى من الحاجة دون فائدة يثبتها التقييم.
المقارنة المبكرة لا تلغي عدم اليقين، لكنها تجعله ظاهرًا في وقت يستطيع الفريق أن يغيّر فيه القرار. وهذا ما يجعل النمذجة جزءًا من تطوير الحل، وليس مستندًا يأتي في نهاية الرحلة ليصف ما تقرر بالفعل.
GIGO: جودة القرار تبدأ من المدخلات
أكرر هنا المبدأ الذي ختمت به المنشور: Garbage In, Garbage Out. إذا كانت معدلات الانبعاث أو الأرصاد أو وصف المصدر غير صحيحة، فقد تبدو النتائج مقنعة بصريًا وهي مبنية على أساس ضعيف. تعبير Gold In, Gold Out الذي استخدمته يذكّر بأهمية الدقة، لكنه لا يعني أن جودة المدخلات وحدها تزيل كل حدود النموذج.
لذلك أحتفظ بجداول السيناريوهات، وما تغير بينها، ومصادر البيانات، ونتائج المستقبلات ذات الصلة، والافتراضات التي تحتاج إلى تأكيد. وتظل مراجعة النظام ووثائقه ضرورية لملاءمة التطبيق. [1] بهذه الطريقة يستطيع المصمم والمراجع فهم سبب تفضيل بديل، لا الاكتفاء برؤية نتيجة أقل.
المراجع والكتابة الأصلية
أُعيدت صياغة المقال وتطويره من كتابة المؤلف على لينكدإن، مع إضافة المراجع الفنية أدناه.
