الذكاء الاصطناعي لسلامة النفط والغاز في عُمان: دروس عملية

سقوط حادثٍ واحد قد يُسقط معه سنوات من “التحسّن” المعلن في السلامة. هذا بالضبط ما يذكّرنا به خبر وفاة عامل في أحد مواقع الرمال النفطية التابعة لشركة Suncor في كندا بتاريخ 13/01/2026—وهي أول وفاة تُسجَّل في مواقع الشركة منذ “إعادة ضبط” نهج السلامة في 2022 بعد سلسلة حوادث قاتلة. وفق ما نُشر في 22/01/2026، ما تزال جهة السلامة المهنية في ألبرتا تحقق في الواقعة، مع إشارات إلى أن المعدّة التي كان يشغّلها العامل أصبحت مغمورة في أرضٍ رخوة (muskeg)، وأن الشركة لم تستبعد احتمال تعرّض العامل لطارئٍ صحي.

هذه القصة ليست “بعيدة” عن منطقتنا. في عُمان، قطاع النفط والغاز والطاقة يعمل في بيئات عالية المخاطر: مواقع نائية، حرارة مرتفعة، معدات ثقيلة، وحركة لوجستية لا تتوقف. والواقع؟ السلامة لا تتحسن بالملصقات والاجتماعات فقط. التحسّن المستدام يحتاج رادارًا يلتقط الإشارات قبل أن تتحول إلى حادث. هنا يأتي دور الذكاء الاصطناعي في قطاع النفط والغاز في عُمان: ليس كترفٍ تقني، بل كطبقة تشغيلية إضافية تقلل المخاطر وتُسرّع الاستجابة وتُحسن الانضباط.

في هذه الحلقة من سلسلة «كيف يُحوّل الذكاء الاصطناعي قطاع الطاقة والنفط والغاز في عمان»، سأستخدم حادثة Suncor كدراسة حالة لنقطة واحدة واضحة: التحول الرقمي الحقيقي يبدأ من السلامة—والذكاء الاصطناعي هو أقصر طريق عملي لتقليل “المفاجآت” في العمليات.

ماذا تقول حادثة Suncor عن فجوات السلامة في العمليات الثقيلة؟

الدرس المباشر: حتى بعد برامج إعادة الضبط، الخطر لا يختفي؛ هو فقط يتغير شكله. تقارير السلامة التقليدية غالبًا تعالج ما حدث أمس، بينما الحوادث القاتلة تتشكل من “سلسلة صغيرة” من الإشارات: تعب، مخالفة إجراء، أرض غير مستقرة، تقدير خاطئ للمسافة، تأخر في الإنقاذ، أو سوء في وضوح الرؤية.

في حالة Suncor، لدينا عناصر شائعة في البيئات الصناعية:

• تشغيل معدات ثقيلة في بيئة متغيرة (أرض رخوة/مغمورة)
• صعوبة في الرصد اللحظي لما يحدث “حول المعدة”
• احتمالية تداخل عوامل بشرية (حالة صحية طارئة، إرهاق، تشتت)
• تعقيد عمليات البحث والاسترداد في موقع ميداني

هذه العناصر نراها أيضًا في حقول وامتيازات عُمان—حتى لو اختلفت الجغرافيا. الفرق أن “المسكج” هناك قد يقابله عندنا: طرق رملية متبدلة، مناطق وديان بعد أمطار، غبار، حرارة، وبعد عن أقرب نقطة إسعاف.

لماذا لا تكفي مؤشرات السلامة التقليدية؟

الاعتماد على مؤشرات مثل TRIR أو عدد البلاغات وحده قد يعطي إحساسًا زائفًا بالطمأنينة. لأن هذه المؤشرات:

• تتأخر بطبيعتها (تصف الماضي)
• تتأثر بثقافة الإبلاغ (قد تقل البلاغات لأن الناس لا تُبلّغ)
• لا تلتقط المخاطر الدقيقة المتكررة (مثل قرب الرافعة من حافة غير مستقرة)

الذكاء الاصطناعي يضيف نوعًا مختلفًا من الرؤية: رؤية استباقية مبنية على بيانات تشغيلية حقيقية.

كيف يرفع الذكاء الاصطناعي مستوى السلامة في النفط والغاز بعُمان؟

الجواب المختصر: عبر تحويل السلامة من “إجراءات مكتوبة” إلى “تحكم لحظي”. الذكاء الاصطناعي لا يستبدل HSE ولا يُلغي الإشراف الميداني؛ لكنه يُحوّل آلاف الإشارات الصغيرة إلى تنبيه مفهوم وقابل للتنفيذ.

1) الرصد المرئي للمخاطر (Computer Vision) في المواقع

كاميرات الموقع ليست جديدة. الجديد هو أن النظام يمكنه فهم ما يرى:

• اكتشاف عدم ارتداء معدات الوقاية (خوذة/نظارات/سترة عاكسة)
• مراقبة الدخول غير المصرح به لمناطق عزل المعدات
• رصد الاقتراب الخطير بين المعدات الثقيلة والأفراد
• تنبيه فوري عند اختراق geofencing حول حفرة/حافة/منطقة رفع

في سياق عُمان، هذا مهم خصوصًا في:

• ساحات الصيانة والمستودعات
• مناطق الرفع والتحميل
• محطات التجميع وخطوط الأنابيب

جملة تصلح كاقتباس: عندما ترى الكاميرا المخالفة بعد وقوعها، فهذا توثيق. وعندما يفهمها الذكاء الاصطناعي لحظيًا، فهذا منع.

2) إنذار مبكر للأرض غير المستقرة والتغيرات البيئية

حادثة غمر المعدة في أرض رخوة تفتح بابًا عمليًا: دمج البيانات الجيوتقنية والطقس والاستشعار.

حلول قابلة للتطبيق:

• نماذج تتوقع قابلية انغماس المعدات على طرق الخدمة باستخدام بيانات: الرطوبة، نوع التربة، تاريخ المرور، صور الأقمار/الدرون
• ربط ذلك بخرائط تشغيل يومية تُحدّث تلقائيًا وتوصي بمسارات أكثر أمانًا
• تنبيهات للسائق/المشغل قبل الدخول لمنطقة عالية الخطورة

هذا النوع من “ذكاء الموقع” مفيد في عُمان خلال فترات الأمطار الموسمية محليًا أو عند تغيرات مفاجئة في الأودية، وكذلك في الطرق الرملية التي تتبدل بسرعة بفعل الرياح.

3) التنبؤ بالأعطال لتقليل الحوادث (Predictive Maintenance)

الجواب المباشر: أعطال المعدات ليست مشكلة إنتاج فقط؛ هي مشكلة سلامة أولًا.

باستخدام بيانات الاهتزاز، الحرارة، الضغط، والتيار الكهربائي، يمكن للذكاء الاصطناعي:

• توقع فشل مكوّنات حرجة قبل أيام أو أسابيع
• جدولة الصيانة عندما تكون المخاطر أقل
• منع سيناريوهات “تعطل مفاجئ” أثناء الرفع أو الحركة أو الضخ

عمليًا في النفط والغاز بعُمان، هذا ينعكس على:

• المضخات والضواغط
• معدات الرفع والرافعات
• مولدات الطاقة في المواقع النائية

4) إدارة الإرهاق والجاهزية الصحية للميدانيين

إذا كانت بعض الحوادث تتقاطع مع “حدث صحي” مفاجئ، فالتجاهل مكلف.

هنا حلول الذكاء الاصطناعي ليست للتجسس، بل للوقاية—بسياسات واضحة:

• نمذجة مخاطر الإرهاق من جداول المناوبات، ساعات القيادة، وقت النوم (إن كان اختياريًا عبر أجهزة معتمدة)
• تنبيه المشرف عندما تتجاوز المخاطر عتبة محددة
• فحوصات جاهزية قبل المهام الحرجة (fit-for-duty) بآليات تحترم الخصوصية

الشرط الأساسي: حوكمة بيانات صارمة وموافقة وإطار امتثال.

من “السلامة كامتثال” إلى “السلامة كمنظومة بيانات”: خارطة طريق لعُمان

الجواب العملي: ابدأ بمشاكل محددة، ثم وسّع نطاق البيانات تدريجيًا. أغلب الشركات تفشل لأنها تبدأ بـ“منصة ضخمة” قبل أن تحدد حالات الاستخدام.

الخطوة 1: اختر 2–3 حالات استخدام عالية العائد

اقتراحات مناسبة لبيئات النفط والغاز:

1. رصد القرب الخطير بين المعدات والأفراد
2. التنبؤ بأعطال مكوّن محدد (مثلاً مضخة حرجة في محطة)
3. مراقبة الالتزام بمناطق العزل أثناء أعمال الصيانة

الخطوة 2: جهّز البيانات كما هي، لا كما تتمنى أن تكون

الذكاء الاصطناعي لا يعمل على “فراغ”. ستحتاج:

• توحيد مصادر البيانات (SCADA، CMMS، سجلات الحوادث، بيانات الورديات)
• تنظيف بسيط وواقعي (لا تسعَ للكمال)
• تعريف واضح لما يعنيه “حدث خطر” وكيف يقاس

الخطوة 3: ضَع “الإنسان في الحلقة” من اليوم الأول

أفضل نماذج السلامة هي التي:

• تُصدر تنبيهًا مفهومًا (لماذا؟ أين؟ ماذا أفعل الآن؟)
• تسمح للمشرف بتصحيح/تأكيد التنبيه
• تتعلم من التصحيحات لتحسين الدقة

الخطوة 4: قِس النجاح بمؤشرات تقود الفعل

بدلًا من الاكتفاء بمؤشرات متأخرة، اعتمد مؤشرات تشغيلية مثل:

• زمن الاستجابة للتنبيه
• عدد الحوادث الوشيكة التي تم منعها (near-miss prevented)
• نسبة انخفاض مخالفات مناطق العزل
• انخفاض أعطال التوقف المفاجئ للمعدات الحرجة

أسئلة شائعة داخل الشركات العُمانية (وإجابات مباشرة)

هل الذكاء الاصطناعي يعني تقليل العمالة؟

ليس بالضرورة. في السلامة تحديدًا، الهدف هو تقليل التعرض للخطر: نقل الناس من مناطق خطرة إلى مهام إشراف وتحكم وتحليل.

هل هذه الحلول مناسبة للمواقع النائية وضعف الاتصال؟

نعم إذا صُممت بشكل صحيح. كثير من حالات السلامة يمكن تشغيلها على الحافة (edge computing) داخل الموقع، ثم مزامنة البيانات عند توفر الاتصال.

ماذا عن الخصوصية؟

الخصوصية ليست تفصيلًا. نجاح المشروع يعتمد على:

• سياسات واضحة لجمع البيانات والاحتفاظ بها
• تقليل البيانات الشخصية قدر الإمكان
• شفافية مع العاملين حول الهدف وحدود الاستخدام

أين تظهر “الفرصة” لعُمان بعد درس Suncor؟

الجواب الواضح: أن نكون استباقيين بدل أن ننتظر حادثًا يفرض التغيير. حادثة Suncor تبيّن أن إعادة ضبط السلامة وحدها لا تكفي إذا بقيت الأدوات تقليدية. أما الذكاء الاصطناعي فيعطي الشركات قدرة إضافية: أن ترى نمط الخطر قبل أن يكتمل.

أنا مقتنع أن الاستثمار الأكثر عقلانية في 2026 داخل قطاع النفط والغاز في عُمان هو الذي يربط بين: السلامة + البيانات + التشغيل. ليس مشروعًا لواجهة إعلامية، بل نظام يقلل المخاطر ويقوّي الاعتمادية التشغيلية.

إذا كنت تقود HSE أو العمليات أو التحول الرقمي، فابدأ بسؤال واحد داخل فريقك: ما هو “الخطر المتكرر” الذي نراه كل أسبوع ونتعايش معه؟ غالبًا هذا هو أفضل مرشح لأول حالة استخدام للذكاء الاصطناعي—والأقرب لتوليد قيمة سريعة تثبت الفكرة وتفتح الطريق للتوسع.