عقود إكوينور بـ9 مليارات: دروس لعُمان في ذكاء الإمداد

في 08/01/2026 أعلنت «إكوينور» عن إسناد اتفاقيات إطار طويلة الأجل بقيمة تقارب 100 مليار كرونة نرويجية (أكثر من 9 مليارات دولار) لسبع شركات مورّدة داخل النرويج. الخبر يبدو للوهلة الأولى «مناقصات كبيرة» لا أكثر، لكنه في الواقع يكشف نقطة أعمق: حين تصل العمليات إلى هذا الحجم—صيانة وتعديلات وتطويرات عبر عشرات الأصول البحرية والبرّية—فإن إدارة سلسلة الإمداد تصبح هي المعركة اليومية التي تُحدد الإنتاج والسلامة والانبعاثات.

وهنا تحديدًا يدخل موضوع سلسلتنا: كيف يُحوّل الذكاء الاصطناعي قطاع الطاقة والنفط والغاز في عُمان. لأن ما فعلته «إكوينور» ليس مجرد توقيع عقود؛ بل تثبيت طريقة عمل طويلة الأمد تعتمد على التخطيط، وتوزيع العمل، وشفافية الأداء. والذكاء الاصطناعي—إذا طُبّق بشكل صحيح—هو الأداة التي تجعل هذا النوع من العقود يعمل لصالح التشغيل بدل أن يتحوّل إلى عبء إداري.

الطرح الذي أتبناه هنا واضح: أكبر مكاسب الذكاء الاصطناعي في النفط والغاز ليست في “الروبوتات” أو “العناوين اللامعة”، بل في التفاصيل المملة التي تتكرر آلاف المرات: طلبات الشراء، إدارة المخزون، جدولة الصيانة، وتنسيق المقاولين.

ماذا تقول صفقة إكوينور فعليًا عن تحدّي التشغيل؟

الجواب المختصر: الصفقة تعكس انتقال التشغيل من “مشروع” إلى “محفظة أعمال مستمرة”، حيث تصبح القدرة على التنسيق أهم من القدرة على البدء.

بحسب الخبر، الاتفاقيات:

• 12 اتفاقية إطار تبدأ في النصف الأول من 2026.
• مدة 5 سنوات مع خيارات تمديد (3 سنوات + سنتان).
• قيمة سنوية مجمعة تقارب 10 مليارات كرونة.
• تستهدف أعمال الصيانة والتعديلات والمشاريع الكبرى عبر منشآت بحرية ومحطات برّية في النرويج.

الأرقام التشغيلية التي ذكرتها «إكوينور» لافتة لأنها تُظهر حجم “ضوضاء” التنفيذ اليومي:

• استهداف الحفاظ على إنتاج يقارب 1.2 مليون برميل مكافئ نفط يوميًا حتى 2035.
• استثمار سنوي 60–70 مليار كرونة لتعزيز الاسترداد وتطوير حقول جديدة.
• حفر نحو 250 بئر استكشاف و600 بئر لتعزيز الاسترداد.
• تنفيذ حوالي 300 تدخل آبار سنويًا.
• تنفيذ قرابة 2,500 مشروع تعديل.
• تهيئة أكثر من 75 ربطًا تحت البحر (Subsea tie-back) للبنية القائمة.

هذه ليست “خطة على ورق”. هذه سلسلة توريد ضخمة لها نبض يومي: مواد، عُدد، تصاريح، فرق، سفن دعم، توقفات مخططة، ومخاطر سلامة. وأي تأخير صغير في قطعة أو تصريح قد يتحوّل إلى أيام توقف.

لماذا الذكاء الاصطناعي مهم تحديدًا في عقود الإطار وسلاسل الموردين؟

الجواب المباشر: لأن عقود الإطار تُنتج كمًّا هائلًا من القرارات المتكررة، والذكاء الاصطناعي ممتاز في تحويل هذه القرارات إلى نظام قابل للقياس والتوقع.

1) من “إدارة موردين” إلى “استخبارات موردين”

في كثير من شركات الطاقة، تقييم المورد يأتي متأخرًا: بعد التأخير، وبعد تجاوز التكلفة، وبعد الشكوى. الذكاء الاصطناعي يغيّر هذا المنطق عبر نماذج إنذار مبكر تبني مؤشرات مثل:

• احتمالية تأخر التسليم اعتمادًا على تاريخ المورد، ازدحام الموانئ، أو حتى تغيرات موسمية.
• مخاطر جودة متوقعة بناءً على نوع المواد، وسجل عمليات التفتيش، وأنماط الأعطال.
• مخاطر السلامة عبر تحليل تقارير الحوادث القريبة (Near-miss) والتزام إجراءات HSE.

جملة تصلح للاقتباس: المورد الجيد ليس من ينجح في تسليم واحد، بل من يبقى قابلًا للتوقع عبر مئات التسليمات.

2) جدولة الصيانة والتعديلات كمسألة بيانات لا “خبرة شفوية”

عندما تقول «إكوينور» إنها ستنفذ 2,500 تعديل سنويًا، فالسؤال المنطقي: كيف تُحدّد الأولويات دون أن تُرهق الأصول؟

الذكاء الاصطناعي يدعم ذلك عبر:

• الصيانة التنبؤية: ربط بيانات الاهتزاز/الحرارة/الضغط مع تاريخ الأعطال للتنبؤ بما سيفشل ومتى.
• تحسين خطط الإيقاف (Turnaround Optimization): نماذج تقترح دمج أعمال متعددة في نافذة توقف واحدة لتقليل فقد الإنتاج.
• التحكم في “تضارب الموارد”: منع تداخل فرق العمل على نفس الموقع/التصريح/منطقة العزل.

3) خفض الانبعاثات عبر ذكاء التشغيل اليومي

الخبر ذكر صراحة أن الاتفاقيات تدعم تحسين السلامة والكفاءة والانبعاثات. وهنا نقطة عملية: كثير من الانبعاثات في التشغيل ليست “قرارات استراتيجية”، بل نتائج ثانوية لسوء التخطيط:

• شحنات عاجلة بالطيران أو النقل السريع بسبب نفاد مخزون.
• تشغيل مولدات إضافية لأن المعدات لم تُجهّز في وقتها.
• زيارات بحرية إضافية لأن الأعمال لم تُجمع في حملة واحدة.

الذكاء الاصطناعي يقلّل ذلك بتحسين التوقع والتجميع (Bundling) وتخطيط الحملات.

كيف تُترجم هذه الدروس إلى سياق النفط والغاز في عُمان؟

الجواب المختصر: عُمان لا تحتاج “نسخة طبق الأصل” من نموذج النرويج، لكنها تحتاج نفس الفكرة: سلسلة إمداد شفافة ومبنية على بيانات.

عُمان تمتلك بيئة تشغيلية تتضمن أصولًا برّية واسعة، ومقاولين متعددين، وسلاسل توريد قد تتأثر بوقت النقل، وتوفر المواد، وتقلبات السوق. وهذا يجعل ذكاء سلسلة الإمداد هدفًا سريع العائد.

1) أين تبدأ الشركات في عُمان عمليًا؟ (3 حالات استخدام ذات أثر سريع)

• تنبؤ الطلب على قطع الغيار الحرجة: دمج بيانات الأعطال، ساعات التشغيل، ومعدل الاستهلاك لتقليل النقص المفاجئ.
• إدارة أوامر العمل للمقاولين: تصنيف أوامر العمل تلقائيًا، التحقق من اكتمال المستندات، وتنبيه التعارضات.
• رؤية موحدة للأداء عبر الموردين: لوحة مؤشرات تجمع الالتزام بالوقت، الجودة، السلامة، وتذبذب التكلفة.

إذا كنت تبحث عن نقطة بداية واقعية خلال 90 يومًا: ابدأ بقطع الغيار. لأن أي تحسين صغير في توافرها ينعكس فورًا على زمن التعطل.

2) نموذج “عقد إطار ذكي” يناسب المرحلة القادمة

عقود الإطار في العادة تُكتب لتقليل تكرار المناقصات، لكن يمكن جعلها “أذكى” بآليات تشغيلية:

• مؤشرات أداء قابلة للقياس تلقائيًا (OTD التسليم في الوقت، نسبة إعادة العمل، حوادث السلامة).
• حوافز مرتبطة بالتوقع: مكافأة المورد على الاستقرار وتقليل التذبذب، وليس فقط على السعر.
• متطلبات بيانات واضحة: ما الذي يجب على المورد مشاركته (حالة الشحن، شهادات الجودة، سجلات التفتيش) وبأي صيغة.

جملة عملية: إذا لم ينص العقد على البيانات، فلن تحصل عليها، وإذا لم تحصل على البيانات فلن يعمل الذكاء الاصطناعي.

خارطة طريق مختصرة لتطبيق ذكاء سلسلة الإمداد (بدون تعقيد)

الجواب المباشر: ركّز على البيانات الأساسية أولًا، ثم نموذج واحد، ثم توسيع تدريجي.

1) بيانات الحد الأدنى التي تحتاجها (Minimum Viable Data)

• سجل أوامر الشراء PO ووقت الدورة.
• تواريخ التسليم الفعلية والمخططة.
• بيانات المخزون (الكميات، الحركة، الحد الأدنى).
• سجل الأعطال وأوامر العمل (CMMS) وربطها بالأصول.
• بيانات الجودة والتفتيش.

2) نموذج واحد يُقاس نجاحه بأرقام واضحة

اختر نموذجًا يمكن قياسه خلال 8–12 أسبوعًا، مثل:

• تقليل أوامر الشراء العاجلة بنسبة محددة.
• رفع نسبة التسليم في الوقت (On-time delivery).
• خفض وقت دورة الموافقات على أوامر العمل.

3) التشغيل والتبنّي: الجزء الذي يتجاهله الجميع

أفضل نموذج لا قيمة له إذا لم يتبنّه فريق المشتريات والصيانة. ما يعمل عادة:

• إدماج التوصيات داخل الأدوات اليومية (ERP/CMMS) بدل لوحة منفصلة لا يفتحها أحد.
• تدريب عملي قصير قائم على حالات واقعية من موقع العمل.
• “مالك منتج” من التشغيل، لا من تقنية المعلومات فقط.

عبارة أقولها دائمًا للفرق: نجاح الذكاء الاصطناعي لا يُقاس بدقّة النموذج، بل بعدد القرارات التي تغيّرت بسبب النموذج.

أسئلة شائعة يطرحها قادة الطاقة حول الذكاء الاصطناعي في الإمداد

هل الذكاء الاصطناعي يعني استبدال فرق المشتريات؟

لا. يعني رفع جودة القرار وتقليل الأعمال اليدوية المتكررة. المشتريات ستبقى مسؤولة عن التفاوض وإدارة العلاقات، لكن ببيانات أقوى.

ما أكبر خطأ في مشاريع الذكاء الاصطناعي بسلاسل الإمداد؟

البدء بنموذج معقّد قبل توحيد البيانات الأساسية وتحديد تعريفات موحّدة مثل “التسليم في الوقت” أو “القطعة الحرجة”.

هل العائد يستحق الاستثمار؟

في التشغيل النفطي، تقليل التعطل غير المخطط وتحسين توفر القطع غالبًا يترجم إلى وفورات ملموسة. العائد الحقيقي يظهر عندما يصبح التخطيط تنبؤيًا لا تفاعليًا.

ماذا نتعلّم من إكوينور… وماذا نفعل في عُمان الآن؟

صفقة «إكوينور» (أكثر من 9 مليارات دولار) ليست مجرد رقم؛ هي إشارة إلى أن التشغيل في الأصول الناضجة يتطلب إدارة تعديل وصيانة على نطاق واسع مع وضوح طويل الأمد للموردين. هذا الحجم لا يُدار بالرسائل المتفرقة وملفات الإكسل.

في عُمان، الفرصة واضحة: بناء ذكاء سلسلة الإمداد في النفط والغاز بحيث تصبح الأعمال اليومية أسرع، أكثر أمانًا، وأقل انبعاثًا. أنا مقتنع أن أسرع طريق لذلك هو البدء من نقطة ألم محددة (قطع الغيار/أوامر العمل/أداء المورد)، ثم توسيع الحل.

إذا كنت تقود التشغيل أو المشتريات أو التحول الرقمي في شركة طاقة بعُمان: ما العملية التي تستهلك وقت فريقك أكثر—التنسيق مع المقاولين، أم نقص القطع، أم إعادة العمل بسبب جودة التنفيذ؟ الإجابة ستحدد أين يجب أن يوضع الذكاء الاصطناعي أولًا.