تمديد عقد NWS: نافذة لتطبيق الذكاء الاصطناعي في عمان

في 20/01/2026 أُعلن عن تمديد عقد لمدة سنتين بقيمة تصل إلى 65 مليون دولار لشركة Wood لتواصل تقديم خدمات الهندسة والمشتريات وإدارة الإنشاء (EPCM) لأصول Woodside ضمن مشروع North West Shelf (NWS) للغاز الطبيعي المسال في غرب أستراليا. خبرٌ يبدو “تشغيلياً” في ظاهره… لكنه يحمل إشارة واضحة: عقود التمديد ليست مجرد استمرار للعمل، بل فرصة لإعادة ضبط الأداء عبر التحول الرقمي والذكاء الاصطناعي.

وهنا يهمّنا الموضوع في سياق سلسلة “كيف يُحوّل الذكاء الاصطناعي قطاع الطاقة والنفط والغاز في عمان”. لأن ما يحدث في NWS يشبه تماماً ما تواجهه الأصول البحرية والبرية في المنطقة: منشآت ناضجة، جداول صيانة معقّدة، ضغوط كلفة، ومتطلبات سلامة وموثوقية لا تقبل المجازفة. الواقع أن الذكاء الاصطناعي لا يُطبَّق بأفضل صورة عند إطلاق مشروع جديد فقط؛ كثيراً ما ينجح أكثر عندما تأتي فترة تمديد تسمح بالتحسين المنهجي، وقياس الأثر بسرعة، وإدخال تقنيات دون تعطيل الإنتاج.

لماذا تُعد تمديدات العقود أفضل لحظة لإدخال الذكاء الاصطناعي؟

الجواب المباشر: لأن التمديد يقدّم زمنًا مضمونًا وميزانية تشغيلية واضحة وحافزًا تعاقديًا لرفع الموثوقية وخفض الكلفة—وهي ثلاثة شروط تجعل حالات استخدام الذكاء الاصطناعي قابلة للتطبيق والقياس.

في خبر NWS، التمديد يهدف إلى تعديلات ترفع الإنتاجية والاعتمادية وتطيل العمر التشغيلي لعدة مرافق (مثل North Rankin Complex وGoodwyn A وFPSO Okha). هذا النوع من العمل—صيانة/تعديل/تحسين—هو البيئة الطبيعية لتطبيق أدوات مثل:

• الصيانة التنبؤية بدل الصيانة الدورية الثابتة
• تحليلات الاعتمادية لتحديد نقاط الفشل المتكررة
• تحسين خطط الإيقاف (Shutdown/Turnaround) لتقليل زمن التوقف
• نمذجة “التوأم الرقمي” لتجربة التعديلات قبل تنفيذها

ومن خبر NWS أيضاً: Wood دفعت بفريق 140 شخصاً من بيرث مدعوماً بشبكة هندسية عالمية. هذا مهم لأن الذكاء الاصطناعي لا يعمل وحده؛ يحتاج تنسيقًا بين الفرق الميدانية والهندسية والبيانات. في عمان، كثير من الشركات تمتلك أفراداً متميزين في التشغيل، لكن التحدي يكون في ترجمة الخبرة إلى نماذج وقرارات قابلة للأتمتة.

من EPCM إلى “EPCM + AI”: كيف يتغير دور المقاول والمشغّل؟

الجواب المباشر: حين يدخل الذكاء الاصطناعي على خط EPCM، يصبح التركيز أقل على “تنفيذ الأعمال” وأكثر على “تنفيذ الأعمال بالترتيب الصحيح، وفي الوقت الصحيح، وبمواد صحيحة، وبأقل مخاطرة”.

خدمات EPCM في الأصول البحرية تشمل عادةً إدارة التوريد، هندسة التعديلات، جدولة الأعمال، والتنسيق مع عمليات التشغيل. إدخال الذكاء الاصطناعي يرفع مستوى النضج في أربعة أماكن محددة:

1) تخطيط الصيانة والتعديلات بناءً على المخاطر (Risk-Based)

بدلاً من خطة موحدة لكل معدّة، تُستخدم نماذج تعلم آلي تجمع:

• تاريخ الأعطال
• ظروف التشغيل (حرارة/ضغط/اهتزاز)
• جودة المواد ووقت التوريد
• تأثير تعطل الأصل على الإنتاج والسلامة

الناتج: قائمة أولويات تُحدِّد أين تصرف ريالًا إضافيًا اليوم لتتجنب إيقافًا غدًا.

2) اكتشاف الشذوذ في الوقت الحقيقي (Anomaly Detection)

في الأصول البحرية خصوصاً، كثير من الأعطال تبدأ “كإشارة صغيرة” داخل آلاف القراءات. خوارزميات كشف الشذوذ تلتقط الانحرافات قبل أن تتحول إلى حادث.

جملة قابلة للاقتباس: أرخص عطل هو الذي تكتشفه قبل أن يصبح عطلًا.

3) تحسين التوريد والقطع الحرجة

في عقود التعديل، لا شيء يقتل الجدول مثل تأخر قطعة حرجة. الذكاء الاصطناعي يربط بيانات الاستهلاك والتأخرات وسلاسل الإمداد ليقترح:

• مستويات مخزون مثلى
• بدائل مورّدين
• توقيت طلبات شراء يقلل المخاطر

4) إدارة المعرفة التشغيلية

خبر NWS أشار إلى “معرفة عميقة” تراكمت منذ 2013. هذا الذهب الحقيقي. في عمان، المعرفة غالباً موجودة في رؤوس الخبراء أو في تقارير متفرقة. أدوات الذكاء الاصطناعي (مثل البحث الدلالي داخل مستندات الصيانة وWork Orders) تحولها إلى إجابات سريعة للفنيين والمهندسين.

ما الذي يمكن لعمان أن تتعلمه من نموذج NWS؟ (تطبيقات واقعية)

الجواب المباشر: المشاريع طويلة العمر تحتاج “تحسينات صغيرة متراكمة” أكثر من مشاريع إعادة بناء كاملة—وهذا بالضبط ما يجيده الذكاء الاصطناعي عندما يُدار كبرنامج تشغيلي مستمر.

مشروع NWS من أكبر مشاريع LNG وأكثرها رسوخاً، ويعني ذلك أن التركيز ينصب على إطالة عمر الأصول وتعظيم الاعتمادية. في عمان، حيث تشكل الطاقة والنفط والغاز قطاعاً استراتيجياً، توجد فرص مشابهة في الأصول الناضجة وخطوط التجميع والمعالجة ومحطات الضغط وخدمات الحفر والصيانة.

مثال تطبيقي قريب من الواقع: تقليل توقفات الضواغط

لنأخذ حالة شائعة: ضاغط غاز يتسبب في توقفات متكررة. بدل تبديل قطع “بالحدس”:

1. نجمع بيانات الاهتزاز/الحرارة/الضغط + سجل الأعطال لمدة 12-24 شهراً.
2. نبني نموذجاً للتنبؤ بالفشل قبل 7-21 يوماً.
3. نربط النموذج بنظام إدارة الصيانة (CMMS) ليولد توصية عمل.
4. نراجع النتائج شهرياً: كم ساعة توقف تجنبنا؟ كم تكلفة وفّرنا؟

إذا كان التوقف يكلف، على سبيل المثال، 10,000–50,000 دولار للساعة حسب طبيعة الأصل وسلسلة الإنتاج، فحتى تجنب بضع ساعات شهرياً يصنع أثراً واضحاً على الربحية—خصوصاً في بيئة أسعار طاقة متقلبة خلال 2025-2026.

ما ينجح عادةً في عمان: البدء من “حالات استخدام” لا من “منصات”

كثير من برامج التحول تتعثر لأنها تبدأ بشراء منصات ضخمة قبل تحديد هدف واضح. ما رأيته ينجح عملياً هو البدء بـ 2-3 حالات استخدام محددة:

• الصيانة التنبؤية لمعدات حرجة
• كشف التسربات/الشذوذ في الشبكات
• تحسين جدولة أعمال الإيقاف

ثم التوسع تدريجياً.

خطة عمل من 90 يوماً لإطلاق ذكاء اصطناعي تشغيلي (بدون ضجيج)

الجواب المباشر: خلال 90 يوماً يمكن الانتقال من “فكرة” إلى “نموذج يعمل” إذا ركزت على أصل واحد، بيانات معقولة، ومؤشر مالي واضح.

هذه خريطة بسيطة تصلح لشركات الطاقة في عمان—سواء مشغّل أو مقاول خدمات:

الأسبوع 1-2: اختيار الأصل ومؤشر النجاح

اختر معدّة أو نظاماً يؤلمك فعلاً (ضاغط/مضخة/مولد/صمام تحكم). حدد KPI واحداً:

• خفض التوقف غير المخطط بنسبة X%
• خفض تكاليف الصيانة بنسبة X%
• رفع التوافر التشغيلي (Availability) بنقاط محددة

الأسبوع 3-6: تجهيز البيانات بسرعة

لا تنتظر “بيانات مثالية”. ركز على:

• بيانات حساسات أساسية (Historian)
• أوامر العمل وسبب الفشل
• ساعات التشغيل وظروف الحمل

الأسبوع 7-10: نموذج أولي + مراجعة ميدانية

ابنِ نموذجاً، لكن لا تعتمد عليه وحده. اجلس مع الفنيين والمشغلين واطلب منهم:

• هل التوصيات منطقية؟
• ما الإنذارات الكاذبة؟
• ما المتغيرات التي غابت عن البيانات؟

الأسبوع 11-13: إدماج في قرار الصيانة

النجاح ليس “نموذجاً دقيقاً” فقط؛ النجاح أن يصبح جزءاً من سير العمل:

• توصية داخل CMMS
• تنبيه ضمن غرفة التحكم
• تقرير أسبوعي يُناقش في اجتماع الاعتمادية

ملاحظة عملية: إذا بقي الذكاء الاصطناعي لوحة منفصلة لا يفتحها أحد، فهو مجرد تجميل تقني.

أسئلة شائعة يطرحها التنفيذيون في النفط والغاز (وإجابات واضحة)

هل الذكاء الاصطناعي يعني استبدال فرق التشغيل؟

لا. هو يخفف الأعمال التكرارية، ويجعل قرارات الصيانة أكثر دقة. أفضل النتائج تأتي حين يُستخدم لدعم الخبرة، لا لإلغائها.

هل نحتاج سحابة (Cloud) من اليوم الأول؟

ليس دائماً. بعض الحالات تنجح على بيئة محلية/هجينة، خاصة عندما تكون متطلبات السيادة على البيانات صارمة. المهم هو الحوكمة والربط بالأنظمة.

ما أكبر خطر؟

البدء بمشروع واسع بلا مالك واضح للنتائج. الذكاء الاصطناعي في الطاقة يحتاج “مسؤولية تشغيلية” وليست مسؤولية تقنية فقط.

كيف تُحوّل تمديدات العقود إلى نتائج ملموسة في عمان؟

الجواب المباشر: إذا كنت في فترة تمديد أو إعادة تفاوض عقد صيانة/تعديل، اجعل الذكاء الاصطناعي جزءاً من “بنود الأداء” لا مجرد مبادرة جانبية.

خبر NWS يذكّرنا بأن التمديد يعطي مساحة زمنية ومؤسسية لإدخال تحسينات على الاعتمادية والإنتاجية وإطالة عمر الأصول. في عمان، نفس المنطق ينطبق: التمديدات هي أفضل لحظة لإدخال مؤشرات رقمية واضحة مثل:

• نسبة خفض التوقف غير المخطط
• دقة تنبؤ الأعطال (مع حد للإنذارات الكاذبة)
• زمن الاستجابة من التنبيه إلى الإجراء
• خفض تكلفة المخزون للقطع الحرجة دون رفع المخاطر

إذا أردت قيادة هذا التحول، ابدأ من سؤال بسيط داخل فريقك: ما هو الأصل الذي لو توقف لساعتين سيُفسد أسبوعنا؟ ثم ابنه كنقطة انطلاق.

والسؤال الذي أحب أن أتركه مفتوحاً: عندما يأتي التمديد القادم في عقود التشغيل والصيانة في عمان—هل سيكون مجرد تمديد للوقت، أم تمديداً للقدرة على اتخاذ قرارات أذكى كل يوم؟