شهادة الميثان Grade A: درس عملي لقطاع الغاز في عمان

في 12/02/2026 أعلنت شركة ONE-Dyas عن تشغيل مشروع الغاز البحري N05-A في بحر الشمال كأول مشروع بحري في المنطقة يحصل على شهادة MiQ Grade A الخاصة بأداء انبعاثات الميثان. الخبر أوروبي في ظاهره، لكنه يحمل رسالة مباشرة لمن يعملون في الطاقة بعُمان: السوق لم يعد يكتفي بعبارة “غاز أنظف”… بل يريد قياسًا مستقلًا، وبيانات مُدقّقة، وقابلية تتبّع.

هذا يهم عُمان لسبب بسيط: قطاع النفط والغاز لدينا قوي، لكنه يدخل مرحلة يصبح فيها “الكربون والميثان” جزءًا من معادلة التنافسية مثل الجودة والاعتمادية تمامًا. والجانب الذي لا يُقال بصراحة كثيرًا؟ الوصول لهذه المرحلة لن يتم بالتقارير اليدوية ولا بالجولات التفقدية التقليدية وحدها. الذكاء الاصطناعي والتحول الرقمي هما الطريق الأقصر لضبط الانبعاثات، ورفع السلامة، وإثبات ذلك للمشترين والمنظمين.

سأربط في هذا المقال بين ما حدث في بحر الشمال وبين سلسلة مقالاتنا: “كيف يُحوّل الذكاء الاصطناعي قطاع الطاقة والنفط والغاز في عمان”—وبالتحديد: كيف يمكن لعُمان بناء نموذج “غاز موثّق منخفض الميثان” باستخدام أدوات AI قابلة للتطبيق اليوم.

ما الذي تعنيه شهادة MiQ Grade A فعلًا؟

MiQ Grade A ليست شعارًا بيئيًا؛ إنها شهادة قائمة على قياس وتدقيق مستقل. بحسب الخبر، حصل مشروع N05-A على الاعتماد بعد تدقيق مستقل لممارسات التشغيل وقياسات فعلية لانبعاثات الميثان نفذتها جهة تدقيق (Intertek) وفق معيار MiQ.

الفكرة الجوهرية هنا: المعيار لا ينظر فقط إلى رقم الانبعاثات النهائي، بل يقيّم أيضًا “ضوابط التشغيل” (Operational Controls) التي تمنع التسرب من الأساس. هذا التحول مهم لأنه ينقل النقاش من “كم تسربت؟” إلى “كيف تضمن ألا يتكرر التسرب، وكيف تثبت ذلك؟”.

لماذا أصبح الميثان محور القصة؟

الميثان هو العامل الأسرع تأثيرًا على الاحترار العالمي مقارنةً بثاني أكسيد الكربون على المدى القريب. لذلك صار الميثان نقطة ضغط تنظيمية واستثمارية وتجارية. المشترون (مرافق الكهرباء والصناعة) يريدون شفافية في “شدة الميثان” عبر سلسلة القيمة، والمستثمرون يربطون التمويل ببيانات ESG قابلة للتحقق.

والنتيجة: من ينجح في قياس الميثان بدقة وتقليله بسرعة، سيحصل على أفضلية سوقية—خصوصًا في أسواق تشدد على مصدر الطاقة وانبعاثاتها.

الدرس من بحر الشمال: “الكهربنة + البيانات” تصنع فرقًا ملموسًا

المشروع N05-A يعمل بالكهرباء المتجددة بالكامل عبر كابل بحري من مزرعة رياح بحرية (Riffgat). هذه نقطة عملية جدًا: كهربنة المنصة تقلل الحاجة لتوليد الطاقة بالحرق على المنصة، ما يخفض الانبعاثات ويقلل احتمالات “انزلاق الميثان” والتهوية (Venting).

هذا الدمج بين تصميم هندسي منخفض الانبعاثات وبين إثبات رقمي بالأرقام هو ما يجعل شهادة مثل MiQ ممكنة. ومن تجربتي في مشاريع التحول الرقمي، أفضل النتائج تأتي عندما تتلاقى ثلاثة مسارات:

1. تصميم وتشغيل يقللان التسرب (صمامات/ضواغط/إجراءات تشغيل).
2. قياس مستمر بدل القياس الموسمي.
3. تحليلات ذكية تلتقط الشذوذ فورًا وتحوّله إلى قرار.

أين يدخل الذكاء الاصطناعي هنا؟

الذكاء الاصطناعي لا “يقلل الميثان” وحده، لكنه يجعل تقليل الميثان قابلاً للإدارة اليومية. أمثلة مباشرة:

• كشف التسربات بالاستدلال (Inference): نماذج تتعلم العلاقة بين ضغط الخط، وتدفق الغاز، وقراءات الحساسات، وتكتشف تسربًا قبل أن يصبح واضحًا.
• تحليلات صور وفيديو (Computer Vision): كاميرات ثابتة/متحركة مع نماذج تميّز سلوك المعدات غير الطبيعي، أو تقرأ مؤشرات السلامة، أو تتكامل مع كاميرات OGI عند توفرها.
• نماذج إنذار مبكر للصيانة: بدل “الصيانة الدورية” التي قد تفوت التسرب بين زيارتين، تتجه المنشآت إلى صيانة “حسب الحالة”.

هذه الأدوات لا تُستخدم للزينة. فائدتها أنها تخفض:

• زمن اكتشاف التسرب (من أيام إلى ساعات).
• عدد التدخلات غير الضرورية.
• مخاطر السلامة المصاحبة لتراكم الغاز.

من بحر الشمال إلى مسقط: كيف تُطبق عُمان نموذج “غاز منخفض الميثان موثّق”؟

عُمان لا تحتاج نسخ التجربة حرفيًا؛ تحتاج بناء “منظومة قياس وإدارة” تناسب أصولها. لدينا عمليات برية وبحرية، وسلاسل توريد وتصدير، ومرافق معالجة. المطلوب هو نهج متدرّج يحقق أثرًا سريعًا ويؤسس لاعتمادات مستقبلية.

1) ابدأوا من “خريطة الميثان” وليس من لوحة مؤشرات جميلة

أول خطوة عملية هي تحديد مصادر الانبعاثات (Fugitive emissions) الأكثر مساهمة والأكثر قابلية للمعالجة:

• الصمامات والوصلات (Valves & Fittings)
• وحدات الضغط والضواغط (Compressors)
• خزانات ومرافق المعالجة
• عمليات التفريغ والتهوية

ثم يتم ربطها بخطة قياس: ما الذي يقاس باستمرار؟ وما الذي يكفي فيه المسح الدوري؟

2) طبقة بيانات موحدة (Data Layer) تُنهي مشكلة “الملفات المتناثرة”

لن يعمل الذكاء الاصطناعي إن كانت البيانات موزعة بين SCADA وملفات Excel وتقارير ورقية. الحل العملي غالبًا:

• منصة موحدة لبيانات العمليات (Historian / Data Lake)
• معايير واضحة لتسمية الأصول والوسوم (Tagging)
• سجل صيانة رقمي متصل ببيانات التشغيل

الجودة هنا أهم من الكمية. نموذج صغير ببيانات نظيفة أفضل من نموذج كبير ببيانات متضاربة.

3) ذكاء اصطناعي “قابل للتدقيق” لأن الشهادات تتطلب ذلك

الاعتماد مثل MiQ يعتمد على قابلية التحقق. لذلك، عند استخدام AI في إدارة الميثان، ركّزوا على:

• تفسير القرارات (Explainability): لماذا أطلق النظام إنذارًا؟
• حفظ الأدلة (Audit trail): من راجع الإنذار؟ ما القرار؟ ما الإجراء؟
• معايرة دورية للنماذج (Model drift): أداء النموذج يتغير مع الزمن

هذه التفاصيل هي التي تحول AI من تجربة داخلية إلى ميزة تسويقية وتنظيمية.

ماذا يربح قطاع النفط والغاز في عمان عندما يضبط الميثان بالذكاء الاصطناعي؟

المكسب ليس بيئيًا فقط؛ هو تشغيلي وتجاري. عندما تقل التسربات وتتضح البيانات، تظهر فوائد مباشرة:

مكاسب تشغيلية وسلامة

• تقليل الحوادث المرتبطة بتراكم الغاز أو الاشتعال.
• رفع جاهزية المعدات بتقليل الأعطال المفاجئة.
• تقليل وقت التوقف عبر صيانة أدق وتدخلات أسرع.

مكاسب تجارية وتمويلية

• تسهيل التعاقد مع مشترين يطلبون شفافية انبعاثات.
• تقليل مخاطر الامتثال مع تشدد الأسواق العالمية في متطلبات القياس والإفصاح.
• تحسين جودة تقارير ESG لأن البيانات تصبح “مقاسة” وليست “مقدّرة”.

عبارة بسيطة تصلح كقاعدة عمل: “ما لا يُقاس بدقة لا يمكن بيعه بثقة.”

أسئلة شائعة يطرحها المديرون التنفيذيون (وإجابات مختصرة)

هل نحتاج كهربنة كاملة مثل N05-A لتحقيق نتائج؟

لا. الكهربنة خيار قوي حيث تسمح البنية التحتية بذلك، لكنها ليست الشرط الوحيد. كثير من التخفيضات تأتي من إدارة التسربات، وتحسين التشغيل، والصيانة الذكية. الفكرة هي الجمع بين تحسينات هندسية وقياس ذكي.

هل الذكاء الاصطناعي بديل عن فرق HSE والمسوحات الميدانية؟

أيضًا لا. الأفضلية تأتي من تكامل: فرق HSE تحدد الإجراءات ومعايير السلامة، والذكاء الاصطناعي يسرّع الاكتشاف ويقلل الفجوات بين المسوحات.

ما أسرع مشروع AI يعطي أثرًا في الميثان؟

عادةً: كشف الشذوذ في الضواغط والصمامات وربطه ببلاغات الصيانة. هذه منطقة تتكرر فيها الأعطال الصغيرة وتنتج عنها تسربات مكلفة.

خطوات عملية خلال 90 يومًا: خارطة طريق مختصرة لعُمان

إذا كنت تقود أصلًا أو منشأة في النفط والغاز بعُمان وتريد بداية واقعية، هذا ما أنصح به خلال 90 يومًا:

1. تحديد 10–20 أصلًا عالي المخاطر (صمامات/ضواغط/وصلات) مع بيانات تشغيل جيدة.
2. جمع البيانات وتوحيدها (تدفق/ضغط/حرارة/إنذارات/سجل صيانة).
3. بناء نموذج كشف شذوذ بسيط (ليس بالضرورة نموذجًا معقدًا).
4. وضع بروتوكول استجابة: من يستقبل الإنذار؟ ما زمن التحقق؟ ما الإجراء؟
5. قياس KPI واضح: زمن الاكتشاف، عدد الإنذارات الصحيحة، حجم الغاز المهدور المُتجنب.

الهدف من هذه المرحلة ليس “شهادة” فورًا، بل إثبات قيمة يُقنع الإدارة بالتوسّع.

ما الذي يخبرنا به خبر N05-A عن 2026؟

خبر N05-A يقول شيئًا واضحًا: أوروبا تتجه إلى شراء غاز لا يكتفي بتقليل الانبعاثات، بل يثبت ذلك بأدلة مستقلة. والأقرب للفوز ليس من يكتب تقريرًا أجمل، بل من يملك منظومة بيانات يمكن تدقيقها.

بالنسبة لعُمان، هذا ليس تهديدًا؛ هو فرصة. لدينا قاعدة صناعية وخبرات تشغيلية قوية، وما ينقص كثيرًا من الأصول هو “الطبقة الرقمية” التي تجعل الأداء البيئي قابلًا للقياس اليومي، وتجعله قابلًا للتسويق بثقة غدًا.

إذا كانت سلسلة مقالاتنا تدور حول كيف يُحوّل الذكاء الاصطناعي قطاع الطاقة في عُمان، فهذه الحلقة تحديدًا تختصر المعنى: الذكاء الاصطناعي ليس مشروع تقنية… بل طريقة جديدة لإدارة الانبعاثات والسلامة والإيرادات في نفس الوقت.

ما المجال الأكثر إلحاحًا في مؤسستك: قياس الميثان، أم الصيانة التنبؤية، أم توحيد البيانات؟ الإجابة عنه ستحدد أين يجب أن يبدأ مشروع الذكاء الاصطناعي التالي لديك.