تحليل كمي مفصل وموسع لأثر خفض فقد المياه على الاستخدام داخل المدن والطاقة والتكلفة المالية في السعودية
د. عائض القحطاني | عبدالرحمن الكريشان
1 1. المقدمة
يعتمد هذا التحليل على أرقام منشورة في تقرير صادر عن مركز الملك عبدالله للدراسات والبحوث البترولية (KAPSARC)، ويهدف إلى تقييم الأثر الكمي لخفض فقد المياه على الاستخدام داخل المدن، والطاقة، والتكلفة المالية.
تشير البيانات إلى أن نسبة فقد المياه بلغت نحو 36% في عام 2024، مع استهداف خفضها إلى 15% بحلول عام 2031. هذا يعني تقليل الفقد بمقدار 21 نقطة مئوية خلال سبع سنوات، أي خفض يقارب 58% من المستوى الحالي. من الناحية العملية، هذا الخفض يعني أن كمية كبيرة من المياه التي كانت تضيع سابقًا ستصل فعليًا إلى المستخدمين دون الحاجة إلى إنتاج مياه إضافية.
في حال عدم خفض فقد المياه، يُتوقع أن يرتفع الاستخدام داخل المدن من نحو 5.4 مليار متر مكعب سنويًا في 2025 إلى حوالي 9.2 مليار متر مكعب سنويًا في 2050. هذا الارتفاع سيؤدي إلى زيادة كبيرة في الحاجة إلى تحلية المياه، وما يصاحبها من استهلاك للطاقة وتكاليف مالية مرتفعة.
في المقابل، عند خفض فقد المياه وفق المستهدف، ينخفض الاستخدام داخل المدن إلى نحو 5.0 مليار متر مكعب في 2031، ثم يرتفع تدريجيًا ليصل إلى حوالي 7.2 مليار متر مكعب في 2050. الفرق بين السيناريوهين في عام 2050 يقارب 2 مليار متر مكعب سنويًا، وهي كمية تحلية غير مطلوبة بسبب تحسن الكفاءة وتقليل الفقد.
هذا الخفض في الحاجة إلى التحلية يؤدي بدوره إلى تقليل استهلاك الكهرباء، حيث يُقدَّر أن كمية الكهرباء التي لم نعد نحتاجها بحلول عام 2050 تصل إلى نحو 7.6 تيراواط ساعة سنويًا. وبذلك، فإن تحسين كفاءة شبكات المياه ينعكس مباشرة على تخفيف الضغط على منظومة الطاقة.
من الجانب المالي، تبلغ تكلفة تحلية المياه في عام 2025 نحو 3.2 مليار دولار، في حين لا تتجاوز إيرادات التعرفة المائية 0.65 مليار دولار، أي أن التعرفة تغطي قرابة 20% فقط من التكلفة. الفرق بين التكلفة والإيرادات، والذي يبلغ نحو 2.6 مليار دولار سنويًا، يمثل عبئًا ماليًا تتحمله المالية العامة.
ومع استمرار نمو الطلب، يُتوقع أن يرتفع هذا العبء السنوي ليصل إلى نحو 4.6 مليار دولار في 2050 في حال عدم اتخاذ إجراءات فعالة. أما في حال خفض فقد المياه، فيمكن تحقيق توفير مالي تدريجي، يبدأ بنحو 0.5 مليار دولار سنويًا في المراحل الأولى، ويقترب من مليار دولار سنويًا في المدى الطويل، ليصل إجمالي التوفير المالي التراكمي إلى حوالي 17.5 مليار دولار حتى عام 2050.
2 2. أسئلة البحث
- ما حجم فقد المياه الحالي والمستهدف؟ وما مقدار الخفض المطلوب سنويًا للوصول للهدف؟
- كيف يتغير الاستخدام داخل المدن حتى 2050 في سيناريو الاستمرار دون خفض الفقد؟
- كيف يتغير الاستخدام داخل المدن حتى 2050 في سيناريو خفض فقد المياه؟
- ما مقدار كمية التحلية غير المطلوبة وما مقدار الكهرباء التي لم نعد نحتاجها بحلول 2050؟
- ما حجم فجوة التكلفة في 2025، وما مؤشرات الاستدامة المالية المرتبطة بها؟
- كيف يتطور العبء السنوي (تقريبًا) من 2025 إلى 2050؟ وما دلالة ذلك؟
- هل الوصول إلى 15% بحلول 2031 قابل للتحقيق؟ وكيف يؤثر عدم انتظام التنفيذ على فرص تحقيق الهدف؟
3 3. البيانات الأساسية (الأرقام المرجعية)
ملاحظة: هذا التقرير يبني التحليل فقط على الأرقام المرجعية التي اتفقنا عليها سابقًا، ثم يحسب منها مؤشرات مشتقة ورسوم ومحاكاة.
3.1 3.1 فقد المياه
loss <- tibble(
year = c(2024, 2031),
loss_percent = c(36, 15)
) %>%
mutate(
absolute_drop_pp = loss_percent[1] - loss_percent[2],
relative_drop = (loss_percent[1] - loss_percent[2]) / loss_percent[1]
)
loss| year | loss_percent | absolute_drop_pp | relative_drop |
|---|---|---|---|
| 2024 | 36 | 21 | 0.5833333 |
| 2031 | 15 | 21 | 0.5833333 |
3.2 3.2 الاستخدام داخل المدن
demand_points <- tribble(
~scenario, ~year, ~demand_bcm,
"الاستمرار دون خفض الفقد", 2025, 5.4,
"الاستمرار دون خفض الفقد", 2050, 9.2,
"خفض فقد المياه", 2031, 5.0,
"خفض فقد المياه", 2050, 7.2
)
demand_points| scenario | year | demand_bcm |
|---|---|---|
| الاستمرار دون خفض الفقد | 2025 | 5.4 |
| الاستمرار دون خفض الفقد | 2050 | 9.2 |
| خفض فقد المياه | 2031 | 5.0 |
| خفض فقد المياه | 2050 | 7.2 |
3.3 3.3 كمية التحلية غير المطلوبة والكهرباء التي لم نعد نحتاجها (2050)
reduction_effect <- tibble(
indicator = c("كمية تحلية غير مطلوبة", "كهرباء لم نعد نحتاجها"),
value = c(2.0, 7.6),
unit = c("مليار م³/سنة", "تيراواط ساعة/سنة")
)
reduction_effect| indicator | value | unit |
|---|---|---|
| كمية تحلية غير مطلوبة | 2.0 | مليار م³/سنة |
| كهرباء لم نعد نحتاجها | 7.6 | تيراواط ساعة/سنة |
3.4 3.4 التكاليف والإيرادات (2025)
costs_2025 <- tibble(
item = c("تكلفة تحلية المياه", "إيرادات التعرفة", "فجوة التكلفة"),
value_usd_b = c(3.2, 0.65, 2.6)
)
costs_2025| item | value_usd_b |
|---|---|
| تكلفة تحلية المياه | 3.20 |
| إيرادات التعرفة | 0.65 |
| فجوة التكلفة | 2.60 |
3.5 3.5 الالتزامات/التوفير (طويل الأجل)
fiscal <- tibble(
metric = c(
"عبء سنوي (2025)",
"عبء سنوي (2050)",
"عبء تراكمي بدون خفض فقد المياه (2025–2050)",
"توفير سنوي (2031)",
"توفير سنوي (2050)",
"توفير تراكمي (2025–2050)"
),
value_usd_b = c(2.6, 4.6, 91.4, 0.5, 1.0, 17.5)
)
fiscal| metric | value_usd_b |
|---|---|
| عبء سنوي (2025) | 2.6 |
| عبء سنوي (2050) | 4.6 |
| عبء تراكمي بدون خفض فقد المياه (2025–2050) | 91.4 |
| توفير سنوي (2031) | 0.5 |
| توفير سنوي (2050) | 1.0 |
| توفير تراكمي (2025–2050) | 17.5 |
4 4. مؤشرات كمية (KPIs) ولوحة قيادة
4.1 4.1 مؤشرات خفض فقد المياه
years_to_target <- 2031 - 2024
required_pp_per_year <- (36 - 15) / years_to_target
kpi_loss <- tibble(
KPI = c("الخفض المطلوب (نقطة مئوية)", "عدد السنوات حتى الهدف", "متوسط خفض سنوي مطلوب (نقطة مئوية/سنة)"),
Value = c(36-15, years_to_target, required_pp_per_year)
)
kpi_loss| KPI | Value |
|---|---|
| الخفض المطلوب (نقطة مئوية) | 21 |
| عدد السنوات حتى الهدف | 7 |
| متوسط خفض سنوي مطلوب (نقطة مئوية/سنة) | 3 |
تفسير:
إذا كان متوسط الخفض السنوي أقل بكثير من ~3 لعدة سنوات، يصبح تعويض الفارق
لاحقًا أصعب.
4.2 4.2 مؤشرات الاستدامة المالية (2025)
cost_val <- costs_2025$value_usd_b[costs_2025$item=="تكلفة تحلية المياه"]
rev_val <- costs_2025$value_usd_b[costs_2025$item=="إيرادات التعرفة"]
gap_val <- costs_2025$value_usd_b[costs_2025$item=="فجوة التكلفة"]
kpi_fin <- tibble(
KPI = c("نسبة تغطية التعرفة للتكلفة", "نسبة الفجوة إلى التكلفة", "الفجوة مقارنة بالإيراد (مرة)"),
Value = c(rev_val/cost_val, gap_val/cost_val, gap_val/rev_val)
) %>%
mutate(Value_pretty = ifelse(KPI=="الفجوة مقارنة بالإيراد (مرة)",
round(Value,2),
percent(Value, accuracy=0.1))) %>%
select(KPI, Value_pretty)
kpi_fin| KPI | Value_pretty |
|---|---|
| نسبة تغطية التعرفة للتكلفة | 20.3% |
| نسبة الفجوة إلى التكلفة | 81.2% |
| الفجوة مقارنة بالإيراد (مرة) | 4 |
تفسير:
هذه المؤشرات تُظهر أن الاعتماد على التمويل العام كبير؛ لذلك خفض فقد
المياه يقلل “حجم المشكلة” من جهة الطلب/الإنتاج.
4.3 4.3 مؤشر طاقة لكل مليار م³ (مؤشر مشتق)
energy_per_bcm <- 7.6 / 2.0
tibble(
مؤشر = "كم تيراواط ساعة لكل مليار م³ من التحلية غير المطلوبة (تقريبي)",
قيمة = round(energy_per_bcm, 2),
وحدة = "TWh لكل مليار م³"
)| مؤشر | قيمة | وحدة |
|---|---|---|
| كم تيراواط ساعة لكل مليار م³ من التحلية غير المطلوبة (تقريبي) | 3.8 | TWh لكل مليار م³ |
تفسير:
هذا مؤشر تخطيطي لتحويل هدف المياه إلى لغة الطاقة، وليس قياسًا هندسيًا
دقيقًا لكل محطة.
5 5. الإحصاء الوصفي
5.1 5.1 ملخص عام
numbers <- bind_rows(
loss %>% transmute(category="فقد (%)", value=loss_percent),
demand_points %>% transmute(category=paste0("استخدام داخل المدن (", scenario, ")"), value=demand_bcm),
reduction_effect %>% transmute(category=paste0("2050 (", indicator, ")"), value=value),
costs_2025 %>% transmute(category=paste0("2025 (", item, ")"), value=value_usd_b),
fiscal %>% transmute(category=paste0("مالي (", metric, ")"), value=value_usd_b)
)
desc_overall <- numbers %>%
summarise(
n = n(),
min = min(value),
q1 = quantile(value, 0.25),
median = median(value),
mean = mean(value),
q3 = quantile(value, 0.75),
max = max(value),
sd = sd(value),
iqr = IQR(value)
)
desc_overall| n | min | q1 | median | mean | q3 | max | sd | iqr |
|---|---|---|---|---|---|---|---|---|
| 17 | 0.5 | 2.6 | 5 | 12.43824 | 9.2 | 91.4 | 22.15025 | 6.6 |
5.2 5.2 ملخص حسب الفئة
desc_by_cat <- numbers %>%
group_by(category) %>%
summarise(n=n(), min=min(value), median=median(value), mean=mean(value), max=max(value), .groups="drop") %>%
arrange(desc(mean))
desc_by_cat| category | n | min | median | mean | max |
|---|---|---|---|---|---|
| مالي (عبء تراكمي بدون خفض فقد المياه (2025–2050)) | 1 | 91.40 | 91.40 | 91.40 | 91.40 |
| فقد (%) | 2 | 15.00 | 25.50 | 25.50 | 36.00 |
| مالي (توفير تراكمي (2025–2050)) | 1 | 17.50 | 17.50 | 17.50 | 17.50 |
| 2050 (كهرباء لم نعد نحتاجها) | 1 | 7.60 | 7.60 | 7.60 | 7.60 |
| استخدام داخل المدن (الاستمرار دون خفض الفقد) | 2 | 5.40 | 7.30 | 7.30 | 9.20 |
| استخدام داخل المدن (خفض فقد المياه) | 2 | 5.00 | 6.10 | 6.10 | 7.20 |
| مالي (عبء سنوي (2050)) | 1 | 4.60 | 4.60 | 4.60 | 4.60 |
| 2025 (تكلفة تحلية المياه) | 1 | 3.20 | 3.20 | 3.20 | 3.20 |
| 2025 (فجوة التكلفة) | 1 | 2.60 | 2.60 | 2.60 | 2.60 |
| مالي (عبء سنوي (2025)) | 1 | 2.60 | 2.60 | 2.60 | 2.60 |
| 2050 (كمية تحلية غير مطلوبة) | 1 | 2.00 | 2.00 | 2.00 | 2.00 |
| مالي (توفير سنوي (2050)) | 1 | 1.00 | 1.00 | 1.00 | 1.00 |
| 2025 (إيرادات التعرفة) | 1 | 0.65 | 0.65 | 0.65 | 0.65 |
| مالي (توفير سنوي (2031)) | 1 | 0.50 | 0.50 | 0.50 | 0.50 |
تفسير:
لأن الوحدات مختلفة، هذا الملخص يستخدم كمرجع سريع، بينما الرسوم تُستخدم
للمقارنات داخل كل بُعد (مياه/طاقة/مال).
6 6. الرسوم والتحليل الرسومي (موسع)
6.1 6.1 رسم فقد المياه والهدف
ggplot(loss, aes(x=year, y=loss_percent)) +
geom_line(linewidth=1.2, color = argami$blue) +
geom_point(size=3.5, color = argami$blue) +
geom_hline(yintercept=15, linetype=2, color = argami$red) +
scale_y_continuous(labels=function(x) paste0(x,"%")) +
labs(
title="مسار خفض فقد المياه والهدف (15%)",
subtitle="الخط الأحمر المتقطع يمثل الهدف المستهدف",
x="السنة", y="نسبة فقد المياه"
) +
theme_argami()
تفسير:
خط الهدف يوضح الفجوة المتبقية للوصول إلى 15%.
6.2 6.2 مسار الاستخدام داخل المدن (استيفاء خطي مقطعي)
years <- 2025:2050
baseline <- tibble(
year = years,
scenario = "الاستمرار دون خفض الفقد",
demand = approx(x=c(2025,2050), y=c(5.4,9.2), xout=years)$y
)
lossred <- tibble(
year = years,
scenario = "خفض فقد المياه",
demand = ifelse(
years <= 2031,
approx(x=c(2025,2031), y=c(5.4,5.0), xout=years)$y,
approx(x=c(2031,2050), y=c(5.0,7.2), xout=years)$y
)
)
series_long <- bind_rows(baseline, lossred)
ggplot(series_long, aes(x=year, y=demand, color=scenario)) +
geom_line(linewidth=1.2) +
scale_color_manual(values = scenario_cols) +
labs(
title="الاستخدام داخل المدن (مليار م³/سنة): مقارنة مسارين",
subtitle="استيفاء خطي لعرض الفكرة (ليس سلسلة سنوية رسمية)",
x="السنة", y="مليار م³/سنة", color="المسار"
) +
theme_argami()
تفسير:
الهدف من هذا الرسم إظهار الفرق في المسار طويل الأجل وليس إعطاء سلسلة
سنوية رسمية.
6.3 6.3 الفارق بين المسارين (كمية إنتاج غير مطلوبة بسبب خفض الفقد)
series_w <- series_long %>%
pivot_wider(names_from=scenario, values_from=demand) %>%
mutate(diff_bcm = `الاستمرار دون خفض الفقد` - `خفض فقد المياه`)
ggplot(series_w, aes(x=year, y=diff_bcm)) +
geom_area(fill = argami$lavender, alpha = 0.35) +
geom_line(linewidth=1.2, color = argami$purple) +
geom_hline(yintercept=2.0, linetype=2, color = argami$red) +
labs(
title="فرق الاستخدام بين المسارين: كمية إنتاج/تحلية غير مطلوبة بسبب خفض الفقد",
subtitle="الخط الأحمر المتقطع = 2 مليار م³/سنة في 2050 (مرجع رقمي)",
x="السنة", y="مليار م³/سنة"
) +
theme_argami()
تفسير:
اقتراب الفرق من 2.0 في 2050 يتسق مع رقم “كمية تحلية غير مطلوبة”.
6.4 6.4 تكلفة التحلية مقابل التعرفة والفجوة (رسم شريطي)
cost_cols <- c(
"تكلفة تحلية المياه" = argami$blue,
"إيرادات التعرفة" = argami$teal,
"فجوة التكلفة" = argami$red
)
ggplot(costs_2025, aes(x=item, y=value_usd_b, fill=item)) +
geom_col(width=0.75) +
coord_flip() +
scale_fill_manual(values = cost_cols) +
labs(
title="2025: تكلفة التحلية مقابل التعرفة والفجوة",
x="", y="مليار دولار", fill=""
) +
theme_argami()
تفسير:
الفجوة أكبر بكثير من التعرفة، ما يفسر استمرار العبء المالي دون تحسينات
كفاءة.
6.5 6.5 تفكيك الفجوة (Waterfall مبسط)
wf <- tibble(
step = factor(c("تكلفة التحلية", "إيرادات التعرفة", "فجوة التكلفة"),
levels=c("تكلفة التحلية","إيرادات التعرفة","فجوة التكلفة")),
value = c(3.2, -0.65, -2.6)
) %>%
mutate(cum = cumsum(value),
start = lag(cum, default=0),
end = cum)
ggplot(wf, aes(x=step)) +
geom_rect(
aes(xmin=as.numeric(step)-0.4, xmax=as.numeric(step)+0.4,
ymin=pmin(start,end), ymax=pmax(start,end),
fill = step),
color = "white"
) +
geom_hline(yintercept=0, color = argami$gray) +
scale_fill_manual(values = c(
"تكلفة التحلية" = argami$blue,
"إيرادات التعرفة" = argami$teal,
"فجوة التكلفة" = argami$red
)) +
labs(
title="تفكيك 2025: كيف تتحول التكلفة إلى فجوة (Waterfall مبسط)",
x="", y="مليار دولار", fill=""
) +
theme_argami()
ribbon_df <- series_w %>%
transmute(
year = year,
low = `خفض فقد المياه`,
high = `الاستمرار دون خفض الفقد`
)
ggplot() +
geom_ribbon(data=ribbon_df, aes(x=year, ymin=low, ymax=high),
fill=argami$lavender, alpha=0.30) +
geom_line(data=series_long, aes(x=year, y=demand, color=scenario), linewidth=1.2) +
scale_color_manual(values=scenario_cols) +
labs(
title="إبراز الفرق بصريًا: منطقة الفجوة بين المسارين",
subtitle="المساحة المظللة = كمية الطلب/الإنتاج التي يتم تجنبها عبر خفض الفقد",
x="السنة", y="مليار م³/سنة", color="المسار"
) +
theme_argami()
7 7. طرق إحصائية/كمية متقدمة (مناسبة لبيانات محدودة)
7.1 7.1 معدل النمو المركب (CAGR) للاستخدام داخل المدن
cagr <- function(v0, v1, n_years) (v1/v0)^(1/n_years) - 1
cagr_baseline <- cagr(5.4, 9.2, 2050-2025)
cagr_lossred <- cagr(5.0, 7.2, 2050-2031)
tibble(
المسار = c("الاستمرار دون خفض الفقد (2025→2050)", "خفض فقد المياه (2031→2050)"),
CAGR = percent(c(cagr_baseline, cagr_lossred), accuracy = 0.1)
)| المسار | CAGR |
|---|---|
| الاستمرار دون خفض الفقد (2025→2050) | 2.2% |
| خفض فقد المياه (2031→2050) | 1.9% |
تفسير:
CAGR يلخص مسارًا طويلًا في رقم واحد يساعد على المقارنة بين المسارين.
7.2 7.2 تحليل حساسية لنتيجة “كمية التحلية غير المطلوبة” ±20%
sens <- tibble(
non_required_bcm = c(1.6, 2.0, 2.4)
) %>%
mutate(
non_required_energy_twh = non_required_bcm * energy_per_bcm
)
sens| non_required_bcm | non_required_energy_twh |
|---|---|
| 1.6 | 6.08 |
| 2.0 | 7.60 |
| 2.4 | 9.12 |
ggplot(sens, aes(x=non_required_bcm, y=non_required_energy_twh)) +
geom_line(linewidth=1) +
geom_point(size=3) +
labs(title="تحليل حساسية: كيف تتغير الكهرباء التي لم نعد نحتاجها مع كمية التحلية غير المطلوبة",
x="كمية تحلية غير مطلوبة (مليار م³/سنة)", y="كهرباء لم نعد نحتاجها (TWh/سنة)")
تفسير:
حتى مع اختلاف معقول في كمية التحلية غير المطلوبة، يبقى الاتجاه: خفض
الفقد يقلل التحلية ويقلل الكهرباء المطلوبة.
7.3 7.3 هل هدف 15% قابل للتحقيق؟ (محاكاة Monte Carlo بافتراضات معلنة)
هذه المحاكاة لا تضيف أرقامًا جديدة من المصدر؛ هي فقط تُظهر كيف يؤثر “عدم انتظام التنفيذ” على فرصة الوصول للهدف.
set.seed(123)
simulate_target_prob <- function(sd_pp, n_sim=50000){
start <- 36
target <- 15
years <- 2031-2024 # 7 سنوات
mu <- (start-target)/years
reductions <- matrix(rnorm(n_sim*years, mean=mu, sd=sd_pp), nrow=n_sim, ncol=years)
reductions <- pmax(reductions, 0) # نفترض عدم حدوث زيادة سنوية في الفقد في هذا النموذج المبسط
end_loss <- start - rowSums(reductions)
mean(end_loss <= target)
}
sd_grid <- c(0.8, 1.2, 1.6)
prob_grid <- sapply(sd_grid, simulate_target_prob)
prob_tbl <- tibble(
مستوى_عدم_اليقين = c("منخفض", "متوسط", "مرتفع"),
sd_pp = sd_grid,
احتمال_تحقيق_الهدف = prob_grid
) %>%
mutate(احتمال_تحقيق_الهدف = percent(احتمال_تحقيق_الهدف, accuracy = 0.1))
prob_tbl| مستوى_عدم_اليقين | sd_pp | احتمال_تحقيق_الهدف |
|---|---|---|
| منخفض | 0.8 | 50.2% |
| متوسط | 1.2 | 50.0% |
| مرتفع | 1.6 | 50.8% |
prob_plot <- tibble(sd_pp = sd_grid, probability = prob_grid)
ggplot(prob_plot, aes(x=sd_pp, y=probability)) +
geom_line(linewidth=1) +
geom_point(size=3) +
scale_y_continuous(labels=percent_format(accuracy=1)) +
labs(title="احتمال الوصول إلى 15% بحلول 2031 تحت مستويات مختلفة من عدم انتظام التنفيذ",
x="تذبذب الخفض السنوي (نقطة مئوية)", y="الاحتمال")
تفسير:
- إذا كان التنفيذ منتظمًا (تذبذب منخفض)، ترتفع فرصة الوصول للهدف.
- إذا كان التنفيذ متذبذبًا (تذبذب مرتفع)، تقل فرصة الوصول للهدف.
- النموذج مبسط لأنه لا يسمح بسنوات ترتفع فيها النسبة؛ يمكن تعديل ذلك إذا
رغبت.
8 8. استنتاجات مفصلة
- خفض فقد المياه من 36% إلى 15% يمثل خفضًا كبيرًا يتطلب متوسط خفض سنوي ~3 نقطة مئوية.
- على المدى الطويل، خفض فقد المياه يغير مسار الاستخدام داخل المدن من 9.2 إلى 7.2 مليار م³/سنة بحلول 2050.
- الفرق (قرابة 2 مليار م³/سنة) يعني كمية تحلية غير مطلوبة، ويصاحبه تقليل استهلاك الكهرباء بنحو 7.6 TWh/سنة.
- ماليًا، الفجوة في 2025 كبيرة؛ وخفض الفقد يساعد على تقليل نمو العبء السنوي وتحقيق توفير مالي تراكمي معتبر.
9 9. الخلاصة التنفيذية والتوصيات
9.1 9.1 خلاصة تنفيذية
- خفض فقد المياه يقلل “الطلب الفعلي” ويقلل ما يجب إنتاجه.
- يقلل الكهرباء المطلوبة، ويخفف الضغط المالي المرتبط بفجوة التكلفة.
- الوصول إلى 15% قابل للتحقيق من منظور كمي، لكن يعتمد على انتظام التنفيذ واستمراريته.
9.2 9.2 توصيات عملية
- بناء لوحة متابعة سنوية: خفض النقاط المئوية ومقارنتها بالمتوسط المطلوب.
- ربط الإنجاز بالمخرجات (انخفاض الفقد) وليس فقط بالأنشطة.
- تحويل الهدف المائي إلى أهداف طاقة/مال (مثل مؤشر TWh لكل مليار م³).
- التعامل مع خفض الفقد كخيار اقتصادي لتقليل التكلفة على المدى الطويل.