«سهم» في سماء عمان: كيف تدفع الدرونات وذكاءها سلاسل إمداد الطاقة

في 08/01/2026 شهدت عمان حدثًا صغيرًا في شكله… لكنه كبير في أثره: إطلاق طائرة الشحن المسيّرة «سهم» كأول درون شحن استراتيجية يتم تجميعها محليًا. التجربة الافتتاحية لم تكن استعراضًا بروتوكوليًا؛ بل كانت اختبارًا عمليًا نقل حمولة 100 كجم من المستلزمات الطبية لمسافة تقارب 100 كم عبر تضاريس جبلية حتى الجبل الأخضر.

هذا النوع من القصص يهم قطاع الطاقة أكثر مما يتوقع البعض. لأن ما ينجح في إيصال الإمدادات الطبية بسرعة وأمان إلى مناطق وعرة، يمكنه أيضًا أن يُعيد تعريف طريقة إدارة لوجستيات النفط والغاز: من إيصال قطع الغيار، إلى دعم عمليات السلامة، إلى تقليل التوقفات التشغيلية التي تُكلّف ملايين.

سأتعامل مع «سهم» هنا كـ دراسة حالة ضمن سلسلة: «كيف يُحوّل الذكاء الاصطناعي قطاع الطاقة والنفط والغاز في عمان». الفكرة ليست أن الدرون وحده هو الحل، بل أن الدرون يصبح “منصة بيانات” عندما يقترن بـ الذكاء الاصطناعي—وعندها يبدأ الأثر الحقيقي.

لماذا إطلاق «سهم» يهم قطاع النفط والغاز في عمان؟

الجواب المباشر: لأن اللوجستيات هي خط الإنتاج غير المرئي. أي تأخير في وصول أداة، أو فلتر، أو صمام، أو عيّنة مختبر، قد يتحول بسرعة إلى ساعات توقف أو مخاطر سلامة.

في بيئات النفط والغاز، هناك ثلاث حقائق قاسية:

• مواقع التشغيل غالبًا بعيدة عن مراكز المدن.
• الوقت ليس “راحة”—بل تكلفة تشغيلية مباشرة.
• أي نقل بري في تضاريس صعبة يزيد احتمالات الحوادث والانبعاثات.

هنا تظهر قيمة «سهم» بالأرقام التي أعلنتها التجربة: الدرون أثبت قدرة على التحليق عبر التضاريس الوعرة، ومع التصميم المستهدف يمكنه الوصول إلى حمولة قصوى 250 كجم ومدى تشغيلي حتى 300 كم. هذه مواصفات “جدية” تجعل التفكير فيه منطقيًا لسيناريوهات الطاقة.

أين يدخل الذكاء الاصطناعي؟

الذكاء الاصطناعي هو ما يحول رحلة الدرون من “نقل” إلى قرار تشغيلي:

• اختيار المسار الأفضل بناءً على الرياح والتضاريس والمخاطر.
• توقع احتياج الموقع قبل أن يطلبه (تنبؤ بالطلب على قطع الغيار).
• جدولة الطيران وفق أولويات التشغيل ومستويات المخزون.

النتيجة: سلسلة إمداد أقل ارتباكًا، وأقل توقفًا، وأكثر أمانًا.

من عرض جوي إلى بنية تحتية: ما الذي أثبته اختبار الجبل الأخضر؟

الإجابة المختصرة: الاختبار أثبت أن عمان لا تتحدث عن التقنية من بعيد؛ بل تختبرها في بيئة حقيقية تُشبه تحديات الطاقة (مسافات، جبال، ووديان، واحتياج للموثوقية).

نجاح نقل 100 كجم لمسافة تقارب 100 كم يفتح شهية القطاعات التشغيلية للتفكير في حالات استخدام مثل:

• شحن قطع غيار عاجلة لمواقع بعيدة لتقليل زمن التوقف.
• نقل معدات قياس ومعايرة بين مواقع الإنتاج.
• دعم الاستجابة للطوارئ (إيصال أدوات إسعاف/اتصالات/مستلزمات سلامة).

“الدرون لا يكفي”—المطلوب نظام تشغيل كامل

في الواقع، أكبر عائق ليس القدرة على الطيران، بل القدرة على التشغيل الآمن والمتكرر على نطاق واسع. وهنا يبرز ما عرضه مركز ابن فرناس: منصة إدارة حركة الطائرات غير المأهولة (UTM).

باللغة العملية: UTM هو “برج مراقبة رقمي” للدرونات. وعندما يقترن بـ AI يمكنه:

• منع تضارب المسارات.
• فرض مناطق حظر/تقييد قرب منشآت حساسة.
• مراقبة الالتزام التشغيلي والتوثيق.

وهذا بالضبط ما يحتاجه قطاع النفط والغاز: حوكمة وتشغيل لا مجرد جهاز طائر.

كيف يمكن للذكاء الاصطناعي والدرونات تحسين سلاسل الإمداد في الطاقة؟ (تطبيقات قابلة للتنفيذ)

الإجابة: عبر تحويل اللوجستيات إلى منظومة تنبؤ + أولوية + تنفيذ + تعلّم.

سأضع هنا أكثر السيناريوهات واقعية لشركات الطاقة في عمان، بعيدًا عن الكلام العام.

1) التنبؤ بالاحتياج قبل أن يصبح أزمة

بدل أن ينتظر الموقع نفاد قطعة أو فشل مكون، يمكن لـ AI قراءة إشارات مبكرة من:

• سجلات الصيانة CMMS
• قراءات الاهتزاز/الحرارة للمعدات
• معدلات الاستهلاك التاريخية

ثم يقترح “حِزم شحن” جاهزة تُرسل بالدرون في نافذة زمنية قصيرة.

جملة قابلة للاقتباس: أفضل شحنة لوجستية هي التي تصل قبل أن يكتشف الفريق أنه يحتاجها.

2) توصيل العينات بسرعة (النفط/المياه/التآكل)

تحليل العينات في المختبرات عنصر أساسي لضبط الجودة ومنع التآكل وحماية الأصول. الدرون هنا ليس رفاهية:

• يقلل زمن وصول العينة للمختبر
• يرفع موثوقية السلسلة (Chain of Custody)
• يسمح بتكرار القياس أكثر دون ضغط نقل بري

3) دعم السلامة والاستجابة للحوادث

الدرونات المزودة بمستشعرات تصوير/حراري يمكنها دعم:

• تقييم موقع حادث دون تعريض الأفراد للخطر
• تتبع انتشار دخان/حريق في نطاق محدود
• إيصال حقيبة إسعافات أو جهاز اتصال لموقع معزول

هنا الذكاء الاصطناعي يقدم طبقة إضافية: تحليل الصور لتحديد مناطق خطر، أو اكتشاف نقاط ساخنة، أو اقتراح مسار آمن.

4) أتمتة “الميل الأخير” داخل المواقع الصناعية

داخل المناطق الصناعية الكبيرة، آخر كيلومترات النقل قد تلتهم وقتًا غير منطقي بسبب التصاريح والمسارات الداخلية. نموذج عملي:

• مستودع مركزي داخل موقع
• نقاط تسليم متعددة (ورش، وحدات، منصات)
• جدولة عبر AI حسب أولوية المهمة

والنتيجة هي “إيقاع تشغيل” أكثر انتظامًا للفِرق.

ما الذي يجعل عمان في موقع قوي؟ توطين التقنية أهم من شرائها

الجواب: لأن توطين التصنيع والمعرفة يقلل المخاطر ويزيد الاستدامة التشغيلية.

في خبر «سهم»، لفت انتباهي تصريح أن المشروع نُفّذ بواسطة خبرات عمانية. هذا ليس شعارًا. في قطاع الطاقة، التوطين يعني:

• سرعة صيانة وتوفير قطع الغيار
• قدرة على تعديل التصميم وفق بيئة عمان (حرارة، غبار، رطوبة)
• بناء كفاءات محلية في البرمجيات، والتحكم، وبيانات الطيران

كما أن وجود منظومة مثل “Sky Bridge” بطرح حلول ملموسة للصحة واللوجستيات يثبت أن هناك انتقالًا من “أفكار” إلى “تشغيل”. وهذه هي المرحلة التي يبحث عنها مديرو العمليات عادة.

ربط مباشر بسلسلة موضوعنا: الذكاء الاصطناعي ليس مشروع IT

أنا أميل للوضوح هنا: كثير من الشركات تتعامل مع AI كمبادرة تقنية منفصلة. هذا خطأ شائع. في الطاقة، AI ينجح عندما يُربط بمؤشرات تشغيلية:

• تقليل زمن التوقف (Downtime)
• تقليل زمن دورة الطلب-التسليم
• رفع الالتزام بمعايير السلامة
• تقليل رحلات النقل البري غير الضرورية

الدرونات تمنحك “ذراع تنفيذ” سريع. والذكاء الاصطناعي يمنحك “عقل تخطيط” ذكي. الاثنان معًا يقدمان قيمة قابلة للقياس.

أسئلة شائعة يطرحها التنفيذيون قبل اعتماد الدرونات في الطاقة

الإجابة: هناك 4 أسئلة تتكرر دائمًا—ومن الأفضل مواجهتها مبكرًا.

هل الدرونات آمنة قرب منشآت حساسة؟

نعم، بشرط وجود حوكمة تشغيلية: مسارات معتمدة، مناطق حظر، UTM، وتدقيق تشغيلي. التقنية وحدها لا تكفي.

ماذا عن الطقس والرياح؟

الحل الواقعي هو تشغيل “مستويات خدمة” مختلفة:

• رحلات روتينية ضمن حدود طقس محددة
• رحلات طارئة بمعايير أقسى وتقييم مخاطر أعلى

AI يساعد عبر نماذج تنبؤ قصيرة المدى للرياح وتحديث المسار.

هل التكلفة تستحق؟

تقييم الجدوى في الطاقة غالبًا يُحسم بسؤال واحد: كم ساعة توقف ستُمنع؟ حتى منع توقف واحد كبير يمكن أن يغطي تكلفة برنامج تجريبي كامل.

كيف نبدأ دون فوضى؟

ابدأ بحالة استخدام واحدة “واضحة القياس”، ثم توسع.

خطة عملية من 5 خطوات لتجربة الدرونات وAI في شركة طاقة بعمان

الإجابة: طبّق برنامجًا تجريبيًا قصيرًا، ولكن صارم القياس.

1. اختر حالة استخدام واحدة فقط: مثل قطع غيار عاجلة لمسافة 50–120 كم.
2. حدد KPI واحدًا رئيسيًا: تقليل زمن التسليم من X إلى Y (بالساعات).
3. اربط البيانات: مخزون + طلبات + صيانة + حالة الطقس.
4. فعّل طبقة UTM والامتثال: مسارات، تصاريح، سجلات طيران.
5. راجع النتائج بعد 6–8 أسابيع: قرارات واضحة: توسع/تعديل/إيقاف.

جملة قابلة للاقتباس: النجاح في الدرونات لا يبدأ من الطائرة… بل من مسار التشغيل والبيانات.

أين تتجه عمان خلال 2026؟ من “الشحن” إلى “العمليات الذاتية”

الجواب: الاتجاه المنطقي هو الانتقال من رحلات شحن منفصلة إلى شبكة تشغيلية مدعومة بالذكاء الاصطناعي، تربط بين:

• المستودعات
• المواقع البعيدة
• المختبرات
• فرق الاستجابة

شخصيًا، أرى أن أكبر فرصة في 2026 ليست في زيادة عدد الدرونات، بل في بناء “مركز قرار” يستخدم AI لتخطيط الإمداد، ويقيس أثره على التوقف والسلامة والتكلفة. عندها تصبح الدرونات امتدادًا طبيعيًا لمنظومة التشغيل، مثلها مثل الشاحنات… ولكن أسرع وأذكى وأقل تعرضًا للمخاطر.

إذا كنت تعمل في النفط والغاز أو الخدمات اللوجستية الصناعية في عمان، فالسؤال العملي الآن ليس: هل نستخدم الدرونات؟ بل: أي جزء من سلسلة الإمداد لدينا يستحق أن يصبح ذاتي التشغيل أولًا؟