ذكاء اصطناعي لمنصات النفط البحرية: دروس لعُمان

في 05/01/2026 أعلنت بتروبراس بدء الإنتاج من المنصة السابعة في حقل بوزيوس البحري بالبرازيل، لترتفع القدرة الإجمالية للحقل إلى نحو 1.15 مليون برميل يومياً. المنصة الجديدة (P-78 FPSO) وحدها مصممة لإنتاج 180,000 برميل نفط يومياً وقرابة 7.2 مليون متر مكعب من الغاز يومياً، مع تقنيات لتقليل الانبعاثات ورفع الكفاءة.

الخبر يبدو بعيداً جغرافياً عن الخليج، لكنه قريب جداً من عُمان من زاوية واحدة: المنصات الجديدة لا تُدار اليوم بعقل هندسي فقط، بل بعقلٍ رقمي أيضاً. أي منصة حديثة—خاصةً في بيئات بحرية عميقة ومعقدة—تحتاج طبقة ذكاء اصطناعي تراقب، تتنبأ، وتقترح قرارات تشغيلية أسرع من قدرة البشر على ملاحقة آلاف الإشارات.

ضمن سلسلة “كيف يُحوّل الذكاء الاصطناعي قطاع الطاقة والنفط والغاز في عمان”، هذه المقالة تأخذ خبر بوزيوس كنقطة انطلاق: ما الذي يجعل تشغيل منصة عملاقة ناجحاً منذ اليوم الأول؟ وأين يدخل الذكاء الاصطناعي عملياً—لا كشعار—لرفع الإنتاج، تقليل الأعطال، وتحسين السلامة، بما يتناسب مع واقع الشركات العاملة في عُمان.

ماذا يخبرنا مشروع بوزيوس عن تشغيل المنصات الحديثة؟

الرسالة المباشرة من مشروع بوزيوس هي أن التوسّع في الطاقة الإنتاجية يأتي من “نضج التشغيل” بقدر ما يأتي من الحفر. بتروبراس تتحدث عن “دروس مستفادة” مجمّعة في مرجع تصميمي (PBRef) واشتراطات جودة وكفاءة في التعاقد والتجميع (PROFORT)، إضافة إلى تقنيات محددة لتقليل الانبعاثات مثل استرجاع غازات العادم، ومحركات السرعة المتغيرة، ودمج الطاقة الحرارية بين التيارات الساخنة والباردة في المعالجة.

هذا النوع من المشاريع يخلق بيئة مثالية للذكاء الاصطناعي لسبب بسيط:

• لديك مئات الآلاف من نقاط القياس (ضغط/حرارة/اهتزاز/تدفق/تركيبة غاز/استهلاك طاقة).
• لديك تداخل شديد بين الأنظمة (فصل ومعالجة، ضغط، ضخ، كهرباء، سلامة، تخزين وتفريغ).
• لديك تكلفة توقف عالية جداً، وسلامة لا تحتمل الخطأ.

في مثل هذه البيئات، الذكاء الاصطناعي ليس “رفاهية”. هو منهج إدارة مخاطر وإنتاجية.

أرقام بوزيوس التي تهم صانع القرار في عُمان

• قدرة حقل بوزيوس بعد تشغيل المنصة: ~1.15 مليون برميل/يوم.
• قدرة المنصة P-78: 180,000 برميل/يوم و7.2 مليون م³ غاز/يوم.
• التكوين التشغيلي: 6 آبار إنتاج + 7 آبار حقن.

هذه الأرقام تهمنا لأن الذكاء الاصطناعي ينجح عندما يكون الهدف قابلاً للقياس: خفض توقفات الإنتاج (downtime)، رفع كفاءة الطاقة، تقليل الحوادث، أو تثبيت جودة النفط/الغاز.

أين يدخل الذكاء الاصطناعي فعلياً في منصة FPSO؟ (5 حالات استخدام حاسمة)

الخلاصة هنا واضحة: إذا كانت المنصة “مصنعاً عائماً”، فالذكاء الاصطناعي هو “نظام إدارة المصنع” الذي يتعلم من البيانات ويمنع الأخطاء قبل حدوثها.

1) الصيانة التنبؤية للمضخات والضواغط: تقليل الأعطال قبل أن تبدأ

أكثر ما يرهق منصات الإنتاج البحرية هو المعدات الدوّارة (Rotating Equipment). الذكاء الاصطناعي—خصوصاً نماذج كشف الشذوذ (Anomaly Detection) مع بيانات الاهتزاز والحرارة والتيار الكهربائي—يستطيع:

• رصد تغيّرات صغيرة لا يلاحظها الإنسان
• التنبؤ بقرب فشل المحمل/عدم اتزان/تجويف (cavitation)
• اقتراح نافذة صيانة تقلل أثرها على الإنتاج

مؤشر أداء عملي: بدل قياس “عدد الأعطال”، قِس “ساعات التشغيل بين التوقفات غير المخططة” و“نسبة الصيانة المخططة إلى غير المخططة”.

2) تحسين إنتاج الآبار والحقن: ذكاء اصطناعي يوازن بين المكمن والسطح

في بوزيوس، هناك آبار إنتاج وحقن، وهي معادلة تحتاج ضبطاً مستمراً. الذكاء الاصطناعي يساعد عبر:

• نماذج تنبؤ لتغيرات ضغط المكمن ومعدل الإنتاج
• تحسين توزيع الحقن لتحقيق استقرار إنتاجي وتقليل الماء المنتج (water cut)
• توصيات يومية لتعديل الـ choke settings بما يحافظ على السلامة والكفاءة

في سياق عُمان، هذه الفكرة قابلة للنقل خصوصاً إلى البيئات التي تعتمد على إدارة حقن المياه/البخار/الغاز ورفع معامل الاسترجاع.

3) كفاءة الطاقة وخفض الانبعاثات: من “مبادرات” إلى تشغيل ذكي

بتروبراس ذكرت تقنيات مثل استرجاع غازات العادم ومحركات السرعة المتغيرة. الذكاء الاصطناعي يضيف طبقة تشغيلية فوق هذه التقنيات:

• تحسين Setpoints للضواغط والمبادلات لتقليل استهلاك الطاقة لكل برميل
• التنبؤ بزيادة الحرق (flaring) قبل حدوثها عبر مراقبة اختناقات المعالجة
• اكتشاف التسربات الميثانية بالجمع بين حساسات الغاز والكاميرات/الحرارة

جملة قابلة للاقتباس: خفض الانبعاثات في المنصات لا يبدأ من التقارير، بل من التحكم الدقيق في كل كيلوواط وكل متر مكعب غاز.

4) سلامة العمليات (Process Safety) بإنذار ذكي يقلل “الإنذارات المزعجة”

أحد أكبر مشاكل غرف التحكم هو “فيضان الإنذارات” Alarm Flooding. الذكاء الاصطناعي يمكنه:

• تجميع الإنذارات المرتبطة بسبب واحد (Root-cause clustering)
• تمييز الإنذار الحرج من الضوضاء
• اقتراح خطوات تشغيلية متسلسلة (Runbooks ذكية) تسند للمشغل في لحظة ضغط

هذا ليس بديلاً عن خبرة المشغلين. لكنه يقلل الإرهاق ويزيد سرعة الاستجابة.

5) التوأم الرقمي للمنصة: نموذج حيّ يختصر التجارب المكلفة

التوأم الرقمي (Digital Twin) للـ FPSO يجمع بين:

• نموذج فيزيائي (محاكاة عمليات)
• بيانات لحظية من الحساسات
• طبقة تعلم آلي للتنبؤ وتحسين التشغيل

قيمته تظهر عند تغيّر ظروف الخام أو معدل الإنتاج أو قيود التصدير. بدل “التجربة على الواقع”، تختبر على التوأم أولاً.

ما الذي يمكن لعُمان أن تتعلمه من بوزيوس؟ 3 دروس قابلة للتطبيق

الجوهر: عُمان لا تحتاج نسخ مشروع بوزيوس حرفياً، لكنها تستطيع نسخ طريقة التفكير: منصة/حقل حديث = بيانات عالية الجودة + قرارات أسرع + تشغيل منخفض الانبعاثات.

الدرس 1: ابدأ من يوم التشغيل الأول بمنهج “البيانات كأصل”

الخطأ الشائع أن تُؤجّل حوكمة البيانات إلى ما بعد التشغيل. الأفضل هو تجهيز:

• قاموس بيانات موحّد (Tags/Units/Context)
• سياسات جودة البيانات (Missing values, drift)
• دمج OT/IT بشكل آمن (شبكات، صلاحيات، سجلات)

إذا لم تكن البيانات قابلة للاستخدام، لن تنجح أي نماذج ذكاء اصطناعي مهما كانت متقدمة.

الدرس 2: اجعل كل نموذج ذكاء اصطناعي مرتبطاً بمؤشر مالي

في النفط والغاز، الكلام عن “تحسين” لا يكفي. اربط كل حالة استخدام بـ KPI واضح:

• تقليل توقفات غير مخططة (ساعة/شهر)
• خفض استهلاك الطاقة لكل برميل (kWh/bbl)
• تقليل الحرق (م³/يوم)
• تقليل زمن الاستجابة للإنذارات الحرجة

عندما يصبح النموذج “مؤشراً مالياً”، ستحصل على الدعم التنفيذي والتمويل.

الدرس 3: التكنولوجيا وحدها لا تكسب—الفريق يكسب

أي برنامج ذكاء اصطناعي في قطاع الطاقة بعُمان يحتاج فريقاً عملياً مختلطاً:

• مهندس عمليات (Process)
• مهندس صيانة/موثوقية (Reliability)
• مختص بيانات (Data Scientist)
• مهندس نظم وتحكم (OT/SCADA)
• أمن سيبراني

أفضل النتائج تأتي عندما يكون القرار النهائي “مملوكاً” للتشغيل، لا لقسم التقنية فقط.

خطة 90 يوماً لتطبيق الذكاء الاصطناعي في منصة/حقل بعُمان

إذا كنت تعمل في شركة نفط وغاز أو طاقة في عُمان وتريد نتائج ملموسة بسرعة، هذه الخطة واقعية أكثر من مشاريع السنوات الطويلة.

الأيام 1–30: اختيار حالة استخدام واحدة وبناء خط بيانات

• اختر أصلًا واحداً عالي الأثر (ضاغط، مضخة حقن، مبادل رئيسي)
• اجمع بيانات 12–24 شهراً إن أمكن (أو بيانات لحظية + سجلات صيانة)
• وحّد الـ Tags ووحدات القياس
• أنشئ لوحة مراقبة بسيطة تُظهر الانحرافات

الأيام 31–60: نموذج أولي + اختبار ميداني

• استخدم نماذج كشف شذوذ + تنبؤ فشل مبسط
• اختبر على بيانات تاريخية (Backtesting)
• اعرض النتائج على فريق الصيانة والتشغيل
• اتفقوا على “قواعد تصعيد” واضحة: متى نوقف؟ متى نراقب؟

الأيام 61–90: دمج التشغيل والتوسع المدروس

• اربط النموذج بجدولة الصيانة (CMMS) أو بإشعارات غرفة التحكم
• ضع KPI أسبوعي (مثلاً: إنذارات صحيحة/خاطئة، ساعات توقف تم تجنبها)
• خطط للتوسع إلى أصلين إضافيين فقط—لا تفتح 10 مشاريع في وقت واحد

رأيي بصراحة: معظم المبادرات تفشل لأنها تبدأ “كبيرة”. ابدأ صغيراً، لكن اجعل القياس صارماً.

أسئلة شائعة يتوقعها القارئ (وإجابات مباشرة)

هل الذكاء الاصطناعي يعني استبدال المشغلين والمهندسين؟

لا. الاستخدام الناجح في النفط والغاز يجعل الذكاء الاصطناعي مساعد قرار يقلل الضوضاء ويرفع جودة التنبؤ. القرار النهائي يبقى للبشر، خصوصاً في السلامة.

ما أول مجال يحقق عائداً سريعاً في المنصات؟

عادةً الصيانة التنبؤية للمعدات الدوّارة، لأنها تربط بين بيانات حساسات متاحة وتكلفة توقف عالية، ويمكن إثبات قيمتها خلال أشهر لا سنوات.

هل يلزم “ذكاء اصطناعي متقدم” من البداية؟

لا. كثير من المكاسب تأتي من تنظيف البيانات، نماذج بسيطة، وإنذارات ذكية. التعقيد يأتي لاحقاً عندما يصبح لديك ثقة تشغيلية.

ما بعد بوزيوس: المنصة التالية ستُدار رقمياً… وعُمان جاهزة

خبر بوزيوس يذكّرنا أن الصناعة ما زالت تستثمر في طاقات ضخمة، لكنها في الوقت نفسه تُعيد تعريف “المنصة الحديثة” باعتبارها منصة فعّالة طاقياً، أقل انبعاثاً، وأكثر اعتماداً على البيانات. هذا بالضبط هو جوهر التحول الذي نناقشه في سلسلة “كيف يُحوّل الذكاء الاصطناعي قطاع الطاقة والنفط والغاز في عمان”.

إذا كنت في عُمان وتفكر في أين تبدأ، فابدأ من سؤال واحد عملي: أي معدة إذا توقفت ستُكلّفنا أكثر؟ اجعلها أول مشروع ذكاء اصطناعي لديك، واصنع نجاحاً صغيراً يمكن توسيعه.

ما هي “النقطة المؤلمة” الأكبر لديكم اليوم: الأعطال؟ استهلاك الطاقة؟ الإنذارات؟ أم جودة الإنتاج؟