الذكاء الاصطناعي يرفع دقة تقييم الحقول البحرية في عمان

كانوا يتوقعون مؤشرات جيدة… لكن الأرقام جاءت أوضح مما يريده أي فريق تطوير حقول: 429 قدمًا من صافي الطبقة النفطية في بئر تقييم واحدة، مع اختبار تدفق وصل إلى 6,000 برميل نفط يوميًا. هذا ما أعلنته Murphy عن بئر Hai Su Vang-2X قبالة فيتنام بتاريخ 07/01/2026. الخبر ليس مجرد “نجاح حفر”، بل مثال حي على شيء أراه يتكرر عالميًا: تقييم الحقول البحرية صار يُدار بالبيانات أولًا، والذكاء الاصطناعي هو الذي يجعل القرار أسرع وأكثر دقة وأقل تكلفة.

وهنا يأتي سؤال عملي يخص عُمان مباشرة: إذا كانت حملة تقييم واحدة قادرة على رفع ثقة الشركة في حجم العمود الهيدروكربوني إلى نحو 1,600 قدم وتوسيع حدود “النفط لأسفل” 413 قدمًا دون ماء—فما الذي يمكن أن يحدث عندما تُطبَّق نفس عقلية البيانات في الحقول البحرية العُمانية ومعايير السلامة والتعقيد التشغيلي في بحر العرب؟

الواقع؟ الذكاء الاصطناعي لا يحفر بئرًا بدلًا عنّا، لكنه يقلّل عدد الآبار “اللازمة للتأكد” ويزيد جودة كل بئر يتم حفرها. وهذا بالضبط ما تحتاجه أي استراتيجية رفع كفاءة الاستثمار الرأسمالي في 2026.

ما الذي نتعلمه من نجاح تقييم حقل Hai Su Vang؟

الخلاصة المباشرة: نجاح التقييم لا يعتمد على “حظ جيولوجي”، بل على ثلاث ركائز: تصميم برنامج التقييم، جودة بيانات المكمن، وسرعة تحويل النتائج إلى قرارات تطوير.

وفق ما نُشر عن بئر HSV-2X:

• البئر التقييمي أكد نفس خزانين تم اختبارهما في بئر الاكتشاف، لكن بصافي طبقات أعلى (429 قدمًا مقابل نحو 370 قدمًا سابقًا).
• صافي الطبقات في الخزان الأساسي الأعمق بلغ 332 قدمًا، والضحل 97 قدمًا.
• تدفق الخزان الأساسي وصل إلى 6,000 برميل/يوم مع نفط 37° API.
• تقديرات الموارد القابلة للاستخلاص تتجه نحو الحد الأعلى من نطاق 170–430 مليون برميل مكافئ نفطي، مع إمكانية تجاوز 430 بعد التحديث.

هذه أرقام “قرار استثماري”، لا أرقام خبر صحفي فقط. لأنها تعني شيئًا بسيطًا: كل يوم تأخير في تحويل بيانات التقييم إلى خطة تطوير هو تكلفة فرصة ضائعة.

ومن منظور التحول الرقمي: عندما تكون بيانات التقييم كثيرة (سجلات آبار، قياسات ضغط، اختبارات تدفق، بيانات لبّية، زلازل 3D/4D)، فإن الاختناق الحقيقي يكون في:

1. دمج البيانات عبر الفرق (جيوفيزياء، جيولوجيا، مكامن، حفر، إنتاج).
2. تقليل عدم اليقين قبل اعتماد خطة التطوير.
3. الوصول إلى “نسخة واحدة من الحقيقة” يمكن اتخاذ قرار عليها.

هنا يدخل الذكاء الاصطناعي ليس كترف، بل كأداة تشغيلية يومية.

أين يضيف الذكاء الاصطناعي قيمة فعلية في تقييم الحقول البحرية؟

الإجابة أولًا: الذكاء الاصطناعي يرفع جودة التقييم عبر تحسين تفسير البيانات، اكتشاف الأنماط التي تفوت البشر، وتسريع دورة القرار من أسابيع إلى أيام.

1) تفسير السجلات واللبّيات بسرعة مع تقليل التحيّز

في التقييم، الوقت يضغط: منصة حفر بحرية، نافذة طقس، سلسلة توريد. تحليل السجلات (Well Logs) وتقدير صافي الطبقة النفطية وخصائص المسامية/التشبع غالبًا يمر عبر تكرارات كثيرة.

نماذج التعلم الآلي تساعد على:

• تصنيف الطبقات تلقائيًا (Facies Classification) عند توافر بيانات تدريب جيدة.
• التنبؤ بخصائص المكمن (مثل porosity وwater saturation) من مجموعة سجلات مختصرة.
• مقارنة نتائج البئر التقييمي ببئر الاكتشاف بطريقة معيارية لتأكيد الاستمرارية المكمنية.

الدرس من HSV-2X واضح: عندما تقول الشركة إن تقييم التكوين يدعم استمرارية المكمن إلى بئر الاكتشاف، فهذا النوع من الاستنتاج يتقوى كثيرًا عندما يكون لديك نمذجة بيانات متماسكة وليست جزرًا منفصلة.

2) دمج الزلازل مع بيانات الآبار لبناء نموذج مكمني “حيّ”

في البحر، عدم اليقين حول الحدود والسُمك الفعال والمسامية الفعالة يرفع تكاليف التطوير. أنظمة الذكاء الاصطناعي—عند دمجها مع الجيوفيزياء—تُحسن:

• ربط سمات الزلازل (Seismic Attributes) بنتائج الآبار.
• بناء خرائط احتمالية لصافي الطبقات بدل خرائط “حتمية” فقط.
• تحديث نموذج المكمن فور وصول بيانات جديدة من اختبار تدفق أو قياس ضغط.

الجملة التي تستحق أن تُقتبس: “النموذج الذي لا يتغير بعد بئر تقييم واحدة، هو نموذج لا يسمع البيانات.”

3) تحسين قرارات الاختبار والتقييم أثناء الحفر (Real-time)

في بئر HSV-2X، تم تعميق حد النفط لأسفل 413 قدمًا دون ماء. مثل هذه النتيجة غالبًا تعتمد على قرارات أثناء التنفيذ: أين نتوقف؟ هل نواصل؟ هل نضيف اختبارًا؟

الذكاء الاصطناعي هنا يساهم عبر:

• نماذج تنبؤ مخاطر (مثل احتمالية دخول الماء/الغاز).
• توصيات لحظية لتعديل برنامج الاختبار.
• كشف الشذوذ في بيانات الحفر (Anomaly Detection) لمنع أعطال تزيد NPT.

في العمليات البحرية، تقليل يوم واحد من الوقت غير المنتج قد يساوي ميزانية مشروع رقمي كامل.

لماذا هذا مهم لعُمان الآن؟ (وليس بعد سنتين)

الإجابة أولًا: لأن 2026 هو عام “انضباط رأسمالي + ضغط كفاءة + التزام سلامة”، والذكاء الاصطناعي هو الطريق العملي لرفع العائد من كل ريال يُصرف على البحر.

الشتاء وبدايات السنة (يناير تحديدًا) هي الفترة التي تعيد فيها كثير من الشركات ترتيب محافظها وموازناتها وخطط الحفر. الخبر الفيتنامي جاء في توقيت يذكّرنا بأن الاستثمار في التقييم لا يعني زيادة عدد الآبار فقط، بل زيادة جودة القرار قبل التطوير.

بالنسبة لعُمان، الفائدة لا تتعلق بنسخ تجربة فيتنام حرفيًا، بل بتطبيق نفس المنهجية:

• تقليل عدم اليقين قبل قرارات CAPEX الكبرى.
• رفع إنتاجية فرق المكامن والحفر عبر أدوات تحليل موحدة.
• تحسين السلامة عبر مراقبة لحظية ومؤشرات إنذار مبكر.

وهنا نقطة أتمسك بها: كثير من برامج “التحول الرقمي” تفشل لأنها تبدأ من الأدوات، لا من السؤال التشغيلي.

السؤال التشغيلي الصحيح في التقييم البحري هو: كيف نثبت حجم المكمن وحدوده بأقل عدد من الآبار وأعلى درجة ثقة؟

خارطة طريق عملية لتطبيق الذكاء الاصطناعي في تقييم الحقول بعُمان

الإجابة أولًا: ابدأ بحالات استخدام محددة، وابنِ حوكمة بيانات قوية، ثم وسّع تدريجيًا نحو “التوأم الرقمي للمكمن”.

1) حدّد 3 حالات استخدام مرتبطة مباشرة بالقرار

بدل “نريد AI”، اختر حالات تؤثر على قرار حفر/تطوير خلال 90 يومًا:

• التنبؤ بصافي الطبقات النفطية قبل الحفر من الزلازل والآبار المجاورة.
• نمذجة احتمالية تماس النفط-الماء (OWC) وتقلباته.
• تقليل NPT عبر كشف الشذوذ في بيانات الحفر.

2) جهّز بياناتك قبل أن تشتري أي منصة

الذكاء الاصطناعي يتغذى على الجودة، لا على الكمية فقط. ركّز على:

• قاموس بيانات موحد (Data Dictionary) بين الجيولوجيا والمكامن والحفر.
• تتبع النسخ وملكية البيانات (Data Lineage).
• معالجة الفجوات والتحيزات في بيانات الآبار التاريخية.

3) ابنِ “نموذج قرار” وليس “نموذج تنبؤ” فقط

الهدف ليس أن يتنبأ النموذج بعمود هيدروكربوني، بل أن يساعدك على اتخاذ قرار:

• هل نحفر بئر تقييم إضافية أم ننتقل للتطوير؟
• أين نضع موقع HSV-3X/HSV-4X (على طريقة برامج Murphy) لكن في سياق عُماني؟
• كيف نرفع الثقة في تقدير الموارد القابلة للاستخلاص؟

أفضل الفرق التي رأيتها تربط المخرجات مباشرة بـ:

• حدود عدم اليقين (P10/P50/P90).
• تأثير ذلك على تصميم المرافق البحرية وربط الأنابيب.
• أثر القرار على السلامة والبيئة والجدول الزمني.

4) حوّل التقييم إلى دورة تعلم سريعة

التقييم ليس حدثًا، بل سلسلة تجارب.

• بعد كل اختبار تدفق، يتم تحديث النموذج.
• بعد كل تفسير زلزالي، يتم مقارنة التنبؤ بالواقع.
• يتم توثيق “ما الذي أخطأنا فيه ولماذا” لتقليل الأخطاء في البئر التالية.

هذا الأسلوب وحده كفيل بأن يقلل تكلفة التقييم على المدى المتوسط لأنه يقلل تكرار نفس الترددات.

أسئلة شائعة يطرحها التنفيذيون قبل اعتماد الذكاء الاصطناعي في البحر

الإجابة أولًا: الأسئلة الصحيحة ليست “هل سيعمل؟” بل “أين سيعمل أولًا؟ وكيف نقيس أثره؟”.

هل يمكن الاعتماد على الذكاء الاصطناعي في قرارات مكلفة مثل حفر بئر بحرية؟

نعم، بشرطين:

1. أن تكون المخرجات احتمالية وليست “إجابة واحدة”،
2. وأن يتم ربطها بمراجعة خبراء (Human-in-the-loop) مع قواعد واضحة للموافقة.

ما أفضل مؤشر لقياس العائد؟

أقوى مؤشرين في التقييم البحري:

• خفض NPT بالأيام.
• رفع دقة تقدير صافي الطبقات/حدود التماس بما يقلل عدد آبار التقييم المطلوبة.

هل سنحتاج فريق بيانات كبير؟

ليس بالضرورة في البداية. فريق صغير متعدد التخصصات (مكامن + جيوفيزياء + مهندس بيانات) يمكنه إطلاق مشروع تجريبي خلال 8–12 أسبوعًا إذا كانت البيانات جاهزة.

ماذا يعني ذلك لمسار عُمان في سلسلة “كيف يُحوّل الذكاء الاصطناعي قطاع الطاقة”؟

نجاح Murphy في فيتنام يضع أمامنا نموذجًا واضحًا: التقييم البحري الجيد يساوي تطويرًا أسرع وأقل مخاطرة. والذكاء الاصطناعي هو ما يجعل التقييم “جيدًا” بشكل قابل للتكرار، وليس مجرد حالة استثنائية.

إذا كان هدف عُمان هو تعظيم القيمة من أصول النفط والغاز مع تشدد المعايير التشغيلية والبيئية، فالبداية المنطقية ليست من لوحة مؤشرات جميلة، بل من قلب القرار: التقييم، النمذجة المكمنية، والاختبار.

السؤال الذي يستحق أن يُناقش داخل كل شركة طاقة في عُمان: ما “قرار التقييم” التالي الذي يمكن للذكاء الاصطناعي أن يجعله أسرع وأكثر ثقة—قبل أن نصرف ملايين إضافية على بئر جديدة؟