من «سهم» إلى الحقول: ذكاء اصطناعي يرفع كفاءة الطاقة

في 08/01/2026، حلّقت طائرة الشحن المسيّرة العُمانية «سهم» حاملةً 100 كجم من الإمدادات الطبية لمسافة تقارب 100 كم عبر تضاريس جبلية نحو الجبل الأخضر. الرسالة هنا ليست عن طائرة فقط؛ بل عن نمط جديد لإدارة العمليات: قرارات أسرع، لوجستيات أدق، ومخاطر أقل—وكل ذلك يعتمد على البيانات والأتمتة.

هذا يهم قطاع الطاقة والنفط والغاز في عُمان أكثر مما يظن كثيرون. لأن التحدّي اليوم في الحقول والمنشآت ليس إنتاج البرميل فقط، بل إنتاجه بأمان وكلفة أقل، وبانقطاعات أقل، وبانبعاثات أقل. وهنا يظهر الذكاء الاصطناعي كـ«عقل تشغيلي» يربط الاستشعار، التخطيط، الصيانة، والسلامة في نظام واحد.

ما سأفعله في هذا المقال ضمن سلسلة «كيف يُحوّل الذكاء الاصطناعي قطاع الطاقة والنفط والغاز في عمان»: سأستخدم «سهم» كدراسة حالة لفهم ماذا يعني التحول الحقيقي نحو الأتمتة، وكيف يمكن ترجمة الدروس مباشرة إلى واقع شركات النفط والغاز والطاقة.

«سهم» ليست خبرًا تقنيًا… بل نموذج تشغيل

الخلاصة المباشرة: ما يميّز «سهم» ليس أنها طائرة مسيّرة، بل أنها سلسلة إمداد جوية مؤتمتة يمكن قياسها والتحكم بها.

حسب ما أُعلن في فعالية “Sky Bridge” في الكلية التقنية العسكرية، «سهم» هي أول طائرة شحن استراتيجية من نوعها يتم تجميعها محليًا، وبقدرات تصل إلى 250 كجم حمولة قصوى ومدى تشغيلي يصل إلى 300 كم. هذه الأرقام مهمة لأنها تضع معيارًا عمليًا: الأتمتة هنا ليست تجريبًا في مختبر، بل حل قادر على خدمة مناطق معزولة بسرعة.

في قطاع الطاقة، المعيار نفسه ينطبق. أي مشروع ذكاء اصطناعي لا يحل مشكلة تشغيلية واضحة—مثل زمن توقف المعدات، أو تأخر الإمدادات، أو مخاطر السلامة—سيبقى “عرضًا تقديميًا” لا أكثر.

التشابه بين لوجستيات «سهم» ولوجستيات الطاقة

عمليات النفط والغاز في عُمان تتضمن سلاسل توريد معقّدة: قطع غيار حرجة، مواد كيميائية، أدوات قياس، ومهمات ميدانية في مواقع بعيدة. أي تأخير قد يتحول إلى خسارة مباشرة بسبب توقف الإنتاج أو تأخر الصيانة.

«سهم» توضح فكرة بسيطة: حين تصبح اللوجستيات قابلة للأتمتة، تصبح قابلة للتحسين بالذكاء الاصطناعي. لأنك ستملك بيانات مستمرة عن المسارات، الأحمال، أوقات التسليم، المخاطر، ونقاط الاختناق.

من إدارة حركة الطائرات UTM إلى «UTM للحقول»: الذكاء الاصطناعي كمنظّم

الخلاصة المباشرة: منصة إدارة حركة الطائرات بدون طيار (UTM) التي عُرضت مع «سهم» تذكّرنا بأن الذكاء الاصطناعي لا يعمل وحده؛ يحتاج «طبقة إدارة» تضبط الحركة والقرارات.

مركز ابن فرناس عرض—إلى جانب «سهم»—حلولًا منها منصة UTM لإدارة الحركة الجوية للطائرات غير المأهولة. القيمة الحقيقية في UTM أنها تقلل الفوضى: من يطير؟ أين؟ متى؟ وكيف نتجنب المخاطر؟

نفس الفكرة مطلوبة في الطاقة: بدل أن تكون لديك عشرات الأنظمة المنفصلة (سلامة، صيانة، مخزون، إنتاج، طاقة كهربائية…)، تحتاج طبقة تنسيق تُشبه UTM ولكن للعمليات.

كيف تبدو «طبقة التنسيق» في النفط والغاز؟

عمليًا، هذا يعني بناء ما يلي:

1. مركز قيادة رقمي يدمج البيانات من المستشعرات (SCADA/IIoT) مع أنظمة الأعمال (ERP/CMMS).
2. نماذج تنبؤية للصيانة والإنتاج والسلامة تعمل على بيانات موحدة.
3. سير عمل آلي يربط التنبؤ بالفعل: طلب قطعة غيار، جدولة فريق، إصدار تصريح عمل، تحديث خطة الإنتاج.

جملة قابلة للاقتباس: الذكاء الاصطناعي بدون حوكمة بيانات وتشغيل يشبه طائرة قوية بلا برج مراقبة.

أين يربح قطاع الطاقة في عُمان من الذكاء الاصطناعي الآن؟

الخلاصة المباشرة: أسرع مكاسب الذكاء الاصطناعي تأتي من 4 ملفات: الصيانة التنبؤية، تحسين الإنتاج، السلامة، واللوجستيات.

سأضعها بصيغة عمليات يومية، لأن هذا ما يهم متخذ القرار.

1) الصيانة التنبؤية: خفض التوقفات غير المخطط لها

بدل أن تنتظر تعطل المضخة أو الضاغط، تتعلم الخوارزميات أن تلتقط الإشارات المبكرة: اهتزاز غير طبيعي، ارتفاع حرارة، تغيّر في استهلاك الطاقة، أو نمط ضغط خارج المعتاد.

ما الذي يتغير على أرض الواقع؟

• تقل زيارات الصيانة غير الضرورية (التي تستهلك وقتًا وميزانية)
• تزيد دقة طلبات قطع الغيار
• ينخفض زمن التوقف غير المخطط له—وهو أغلى أنواع الخسائر

2) تحسين الإنتاج: قرارات أسرع من الفريق وحده

في الحقول، قرار واحد بخصوص خنق بئر، أو تعديل حقن ماء/غاز، أو إعادة توزيع حمل على محطة قد ينعكس على الإنتاج وكفاءة الطاقة.

الذكاء الاصطناعي هنا لا «يستبدل» الخبرة؛ هو يقترح خيارات مبنية على بيانات واسعة ونماذج محاكاة، مثل:

• توقع أداء البئر خلال أيام/أسابيع
• تحديد نقاط الهدر في الطاقة في المحطات
• تحسين إعدادات التشغيل لتقليل الاستهلاك والانبعاثات

3) السلامة: من إجراءات ثابتة إلى إنذار مبكر

نفس ما أثبتته «سهم» في شق طريق آمن عبر تضاريس صعبة يمكن إسقاطه على السلامة الصناعية: المخاطر ليست حدثًا مفاجئًا دائمًا؛ غالبًا تسبقها مؤشرات.

أمثلة عملية:

• رؤية حاسوبية لمراقبة الالتزام بمعدات الوقاية في مناطق محددة (حسب السياسات)
• نماذج ترصد أنماط “قريبة من الحوادث” near-misses من سجلات التصاريح والبلاغات
• تحليل نصوص تقارير السلامة لاستخراج أسباب متكررة وإجراءات تصحيحية

4) اللوجستيات وسلاسل الإمداد: درس «سهم» المباشر

إذا كانت «سهم» نقلت 100 كجم لمسافة 100 كم بفعالية، فالفكرة في الطاقة هي: القطعة الصحيحة في الوقت الصحيح.

الذكاء الاصطناعي يمكنه:

• توقع الطلب على قطع الغيار حسب ساعات التشغيل والبيئة
• تحديد الحد الأدنى/الأقصى للمخزون لتقليل التجميد المالي
• تحسين مسارات التوزيع وجدولة الشحنات

سيناريو واقعي: كيف يمكن أن تخدم المسيّرات عمليات الطاقة؟

الخلاصة المباشرة: أفضل استخدام للمسيّرات في الطاقة ليس “الاستعراض”، بل تقليل المخاطر وزمن الاستجابة عبر التفتيش والشحن العاجل.

تخيّل منشأة أو محطة في منطقة بعيدة تواجه عطلًا في حساس/صمام صغير لكنه يوقف جزءًا من المنظومة. بدل انتظار شحنة برية طويلة أو نقل فريق مع معدات، يمكن تشغيل نموذج يجمع بين:

• تقييم فوري للأولوية (ذكاء اصطناعي)
• قرار شحن عاجل (نظام تخطيط)
• تنفيذ نقل جوي لمسافة متوسطة (مسيّرة شحن)
• تحديث تلقائي لسجل الصيانة وإغلاق البلاغ

هذا النوع من التكامل هو ما يجعل «سهم» رمزًا مهمًا للتحول: التقنية + التشغيل + البيانات.

أسئلة شائعة يطرحها القادة: إجابات مباشرة

هل الذكاء الاصطناعي مناسب فقط للشركات الكبيرة؟

لا. الأهم من الحجم هو جودة البيانات وتحديد حالة استخدام واحدة ذات عائد واضح. كثير من المشاريع تنجح عندما تبدأ من معدّة حرجة واحدة أو موقع واحد.

ما أكبر سبب يفشل مشاريع الذكاء الاصطناعي في الطاقة؟

البدء بالنموذج قبل إصلاح البيانات والتشغيل. إذا كانت بيانات الأعطال غير موحّدة أو غير مكتملة، سيعطيك النموذج نتائج مشوشة.

ما المؤشرات التي تقيس نجاح المشروع؟

اختر مؤشرات تشغيلية مباشرة، مثل:

• تقليل ساعات التوقف غير المخطط
• تقليل زمن الاستجابة للأعطال
• خفض تكلفة الصيانة لكل معدة
• تقليل استهلاك الطاقة لكل وحدة إنتاج

خارطة طريق من 90 يومًا: بداية عملية بدون ضجيج

الخلاصة المباشرة: أفضل بداية هي مشروع واحد قابل للقياس، ببيانات واضحة، وفريق صغير.

إذا كنت مسؤولًا في شركة طاقة أو مزود خدمة لقطاع النفط والغاز في عُمان، هذا ما أنصح به خلال 90 يومًا:

1. أسبوع 1-2: اختر حالة استخدام واحدة (مثلاً: مضخات حقن، ضواغط، أو أسطول مركبات).
2. أسبوع 3-4: راجع البيانات: مصادرها، جودتها، وتكرارها. لا تتجاوز هذه الخطوة.
3. أسبوع 5-8: ابنِ نموذجًا بسيطًا (تنبؤ عطل/تصنيف حالة) مع لوحة متابعة واضحة.
4. أسبوع 9-12: اربط النتائج بإجراء تشغيلي: أمر صيانة تلقائي، أو تنبيه مسؤول، أو جدولة فحص.

الهدف ليس مشروعًا ضخمًا؛ الهدف تثبيت طريقة عمل قابلة للتوسع.

ما الذي تعنيه «سهم» لطموح عُمان في الطاقة؟

«سهم» تؤكد أن السلطنة لا تكتفي باستيراد التكنولوجيا، بل تبني قدرات محلية وتضع أنظمة تشغيل جديدة. وهذا ينسجم تمامًا مع ما يحتاجه قطاع الطاقة: حلول مبنية على الواقع العُماني، وليست نسخًا جاهزة.

إذا كان نقل 100 كجم عبر الجبال في 08/01/2026 يختصر زمنًا ويقلل مخاطرة، فالسؤال المنطقي لقطاع النفط والغاز هو: ما “المسار الجبلي” التالي داخل عملياتنا الذي يمكن للذكاء الاصطناعي أن يختصره؟