الذكاء الاصطناعي ومزارع الرياح البحرية: دروس لعُمان

في 29/01/2026 أعلنت World Oil أن شركة Subsea7 فازت عبر ذراعها Seaway7 بعقد “كبير” لتركيب مزارع رياح بحرية في ألمانيا بقيمة تتراوح بين 150 إلى 300 مليون دولار. تفاصيل العقد واضحة وبسيطة: نقل وتركيب 63 أساسًا أحاديًا (Monopiles) وقطع انتقال (Transition Pieces) ضمن مشروع Gennaker، على أن تبدأ أعمال التركيب البحرية في 2027.

هذا الخبر لا يهم ألمانيا وحدها. لأنه يضع إصبعًا على واقع يعرفه كل من يعمل في الطاقة: المشاريع البحرية الضخمة لا تُدار بالخبرة وحدها. إنها تُدار بالبيانات، والتخطيط الدقيق، والتنسيق بين عشرات المقاولين، وبنوافذ طقس قد تُغلق في ساعة واحدة. وهنا بالضبط يظهر دور الذكاء الاصطناعي في قطاع الطاقة—ليس كترف تقني، بل كطريقة عملية لخفض المخاطر، وضبط الجداول، وتحسين التكلفة.

ومن زاوية سلسلة مقالاتنا «كيف يُحوّل الذكاء الاصطناعي قطاع الطاقة والنفط والغاز في عمان»، فإن مشاريع الرياح البحرية في أوروبا تقدّم مرآة مفيدة: نفس التعقيد الذي نراه في النفط والغاز البحري، ومشاريع الهيدروجين، وسلاسل الإمداد، والبنى التحتية للطاقة—يمكن للذكاء الاصطناعي أن يخففه إذا طُبق بذكاء.

ماذا يخبرنا عقد Subsea7 عن “اقتصاد التنفيذ” في الطاقة؟

الفكرة الأساسية: قيمة العقد لا تأتي من الحديد وحده، بل من القدرة على التنفيذ الآمن وفي الوقت المحدد ضمن بحر متقلب.

عندما نتحدث عن 63 monopile، فنحن نتحدث عن مكوّنات ضخمة تُنقل وتُرفع وتُثبّت بدقة هندسية عالية. أي تأخير بسبب الطقس، أو تعارض في الجدولة، أو خطأ في سلسلة التوريد قد يرفع التكلفة بسرعة.

في خبر World Oil، تشير Subsea7 إلى أنها ستعتمد على قدراتها في البناء البحري والرفع الثقيل. هذه القدرات اليوم لم تعد معدات فقط؛ أصبحت مزيجًا من:

• سفن ومعدّات رفع وتركيب
• فرق هندسية وتشغيلية
• نظم تخطيط ومتابعة
• بيانات طقس وأمواج وتيار
• إدارة مخاطر وامتثال ومعايير سلامة

وهنا يبرز موقف واضح: الشركة التي تُتقن البيانات تُتقن التنفيذ. وهذا ينطبق على مشاريع الرياح كما ينطبق على تطوير الحقول البحرية وخطوط الأنابيب ومنصات الإنتاج.

أين يدخل الذكاء الاصطناعي في مشاريع الرياح البحرية؟ (ولماذا يهم عُمان)

الإجابة المباشرة: الذكاء الاصطناعي يرفع جودة القرار اليومي في المشروع—من التخطيط إلى التشغيل إلى السلامة—ويقلل “مفاجآت التنفيذ” التي تلتهم الميزانيات.

1) التخطيط الديناميكي للجدول وفق الطقس والبحر

في التركيب البحري، “الخطة” ليست ملف PDF ثابت. هي كائن حي يتغير مع الرياح، الأمواج، الرؤية، جاهزية السفن، ووصول الشحنات.

الذكاء الاصطناعي (خصوصًا نماذج التنبؤ والتعلم الآلي) يمكنه أن:

• يتنبأ بنوافذ العمل المناسبة (Weather Windows) بناءً على بيانات تاريخية وتوقعات آنية
• يقترح إعادة جدولة تلقائية عندما تتغير الظروف
• يحسب أثر قرار اليوم على تكلفة الأسبوع القادم، لا على وردية واحدة فقط

في عُمان: نفس المنطق ينطبق على عمليات الإمداد البحري للحقول، وجدولة صيانة المنشآت الساحلية، وإدارة حملات المسح أو أعمال الرفع الثقيلة. الفرق أن الاستخدام هنا يُترجم إلى خفض توقفات غير مخططة وتقليل المخاطر التشغيلية.

2) تحسين سلسلة التوريد للمكوّنات الثقيلة

تركيب 63 أساسًا أحاديًا يعني عشرات عمليات الشحن والتخزين والمناولة. في مشاريع الطاقة، الاختناق غالبًا ليس في الهندسة… بل في “وصول القطعة في الوقت الصحيح إلى الرصيف الصحيح”.

يمكن للذكاء الاصطناعي أن يساعد عبر:

• توقع تأخيرات الموردين مبكرًا (Predictive ETA)
• تحسين المخزون وتحديد الحد الأدنى الآمن (Safety Stock) للمشروع
• ترتيب الأولويات بين الشحنات حسب أثرها على المسار الحرج (Critical Path)

في عُمان: هذه الأدوات مفيدة لقطاعات النفط والغاز، وأيضًا لمشاريع التحول الطاقي (الطاقة الشمسية، الشبكات، التخزين) لأن سلاسل الإمداد الإقليمية قد تتأثر بالمواسم، والازدحام، والتغيرات الجيوسياسية.

3) السلامة: من التزام الإجراءات إلى التنبؤ بالمخاطر

العمل البحري عالي المخاطر. والذكاء الاصطناعي هنا ليس “نظام مراقبة” فقط، بل أداة للتنبؤ.

أمثلة عملية (قابلة للتطبيق في مشاريع الطاقة بعُمان):

• رؤية حاسوبية تراقب مناطق الخطر حول معدات الرفع وتكتشف اقتراب الأشخاص قبل وقوع الحادث
• نماذج تتعلم من تقارير Near Miss لتحديد “أنماط” تسبق الحوادث
• تحليل فوري لبيانات أجهزة الاستشعار لتحديد حالات اهتزاز/إجهاد غير طبيعي في المعدات

جملتي المفضلة هنا: السلامة ليست شعارًا؛ هي بيانات تُلتقط في الوقت المناسب وتتحول إلى قرار واضح.

“التحول الرقمي” ليس مشروع IT… بل طريقة إدارة أصول

الإجابة المباشرة: الشركات التي تعامل الذكاء الاصطناعي كمنتج تشغيلي (Operational Product) تحصل على عائد أعلى بكثير من الشركات التي تعاملها كعرض تجريبي.

في أوروبا، نمو مشاريع الرياح البحرية خلق طلبًا على خدمات تركيب كبيرة الحجم، وهذا ما ذكره الخبر صراحة: العقد يعزز “الطلبيات المتراكمة” في شمال أوروبا ويعكس استمرار الطلب. لكن استمرار الطلب لا يعني أن التنفيذ سهل. العكس صحيح.

ولهذا، من الدروس المفيدة لعُمان—خاصة لمن يديرون محافظ مشاريع في النفط والغاز أو مشاريع الطاقة الجديدة—هو وضع خارطة تشغيل للذكاء الاصطناعي بدل “حلول متفرقة”.

نموذج عملي من 4 طبقات (يناسب الرياح والنفط والغاز)

1. طبقة البيانات: توحيد بيانات الطقس، المعدات، الجداول، الموردين، السلامة
2. طبقة النماذج: تنبؤ، تحسين (Optimization)، كشف شذوذ (Anomaly Detection)
3. طبقة التشغيل: دمج التوصيات داخل أدوات التخطيط والعمليات (لا في لوحات منفصلة)
4. طبقة الحوكمة: أمن سيبراني، صلاحيات، تتبع القرارات، وقياس عائد الاستثمار

إذا غابت طبقة واحدة، يتحول الذكاء الاصطناعي إلى “مخرجات جميلة” بلا أثر على أرض الواقع.

كيف تستفيد شركات الطاقة في عُمان من درس ألمانيا؟ خطة 90 يومًا

الإجابة المباشرة: ابدأ بحالات استخدام قصيرة الأمد تربط الذكاء الاصطناعي بتكلفة واضحة—ثم وسّع النطاق.

بدل البدء بمبادرة ضخمة عنوانها “منصة ذكاء اصطناعي”، هذه خطة مختصرة ومباشرة تصلح لجهة تشغيلية أو مطوّر مشاريع:

1. أسبوع 1–2: تحديد حالة استخدام واحدة مربوطة بالمال

• مثال: تقليل تأخير الجداول بسبب الطقس/التوريد
• أو خفض توقفات المعدات عبر الصيانة التنبؤية

1. أسبوع 3–6: تجهيز البيانات بالحد الأدنى القابل للتشغيل

• تحديد مصادر البيانات
• تنظيف بسيط + توحيد تعريفات (ما هو “تأخير”؟ ما هو “توقف”؟)

1. أسبوع 7–10: بناء نموذج أولي يُتخذ بناءً عليه قرار

• ليس عرضًا تقديميًا، بل توصية تُستخدم في اجتماع الجدولة أو غرفة العمليات

1. أسبوع 11–13: قياس الأثر وربط النتائج بمؤشرات تشغيلية

• ساعات تأخير أقل
• قرارات أسرع
• حوادث أقل/مخاطر أقل

قاعدة قياس واقعية: إذا لم تستطع ربط حالة الاستخدام بمؤشر تشغيل (وقت/تكلفة/سلامة/جودة)، فغالبًا لن تحصل على دعم طويل الأمد.

أسئلة شائعة يطرحها التنفيذيون (وإجابات صريحة)

هل نحتاج بيانات “مثالية” قبل البدء؟

لا. تحتاج بيانات كافية لاتخاذ قرار أفضل من الحدس. الكمال يؤخر التنفيذ.

هل الذكاء الاصطناعي سيستبدل فرق التخطيط والمشغلين؟

لن يستبدلهم. لكنه سيكشف بسرعة من يعتمد على الخبرة وحدها. الأفضل هو نموذج “إنسان + آلة”: الإنسان يضع القيود والقرار النهائي، والآلة تحسب السيناريوهات بسرعة وتلتقط ما يغيب عن العين.

ما أكبر خطأ في مشاريع الذكاء الاصطناعي بالطاقة؟

البدء من التقنية بدل البدء من الألم التشغيلي الحقيقي: التأخير، السلامة، الاعتمادية، وتكلفة اليوم الواحد من التعطل.

ما الذي يجب مراقبته في 2027 وما بعده؟

أعمال التركيب لمشروع Gennaker ستبدأ في 2027 وفق الخبر. بين 2026 و2027 ستُختبر قدرة المقاولين على إدارة:

• ضغط الجداول
• تذبذب الطقس
• توافر السفن والكوادر
• المخاطر التنظيمية والبيئية

بالنسبة لنا في عُمان، الرسالة ليست “لنقلد أوروبا”، بل: لنستفيد من منطق التنفيذ. أي مشروع طاقة كبير—نفط، غاز، رياح، هيدروجين، شبكات—يمكن أن يصبح أكثر انضباطًا عندما نعامل الذكاء الاصطناعي كجزء من طريقة العمل، لا كإضافة جانبية.

إذا كنت تدير مشروعًا أو أصلًا تشغيليًا في قطاع الطاقة بعُمان، جرّب سؤالًا واحدًا في اجتماعك القادم: أين يتكرر اتخاذ القرار تحت الضغط وببيانات ناقصة؟ غالبًا ستجد أفضل نقطة بداية للذكاء الاصطناعي أمامك مباشرة.