شراكات الجبس في عُمان: بوابة الذكاء الاصطناعي للصناعة

في 24/01/2026 عند 07:48 مساءً، خرج خبرٌ قد يبدو للوهلة الأولى «تعدينياً» بحتاً: كنوز عُمان القابضة توقّع اتفاقية مشروع مشترك مع شركة Etex البلجيكية لتطوير أنشطة قائمة على الجبس في السلطنة، مع استحواذ Etex على 25% من أنشطة شركة «كنوز جبس». لكن إذا قرأت الخبر من زاوية سلسلة مقالاتنا «كيف يُحوّل الذكاء الاصطناعي قطاع الطاقة والنفط والغاز في عمان» ستكتشف شيئاً أوضح: الشراكات الدولية ليست مجرد تمويل وخط إنتاج… بل قناة عملية لإدخال الأتمتة والبيانات والذكاء الاصطناعي إلى قلب الصناعة.

هذا النوع من الاتفاقيات مهم لعُمان لسببين: أولاً، لأنه ينقل الصناعة من تصدير مادة خام إلى تصنيع منتجات أعلى قيمة مثل ألواح الجبس، وهو ما يتسق مع رؤية عُمان 2040. وثانياً، لأنه يهيئ بنية تشغيلية يمكن نسخها لاحقاً داخل قطاعات أكثر حساسية مثل الطاقة والنفط والغاز: تشغيل يعتمد على البيانات، صيانة استباقية، سلامة أعلى، وكفاءة أفضل.

الجبس ليس نفطاً، صحيح. لكن طريقة تشغيل المصنع والميناء وسلسلة الإمداد هي القصة المشتركة التي يمكن للذكاء الاصطناعي أن يحسنها في كلا المجالين.

لماذا تُعد هذه الشراكة أكثر من خبر تعدين؟

الجواب المختصر: لأنها تربط «المادة الخام» بمنظومة «التصنيع والتصدير» ومعها تأتي التقنيات.

اتفاقية كنوز عُمان مع Etex تتضمن نقطتين مباشرتين لهما أثر اقتصادي وتشغيلي:

• تأسيس مشروع مشترك لتطوير أنشطة مبنية على الجبس داخل عُمان.
• استحواذ Etex على 25% من أنشطة كنوز جبس، بما يعني شراكة تشغيلية طويلة الأمد وليست مجرد عقد توريد.

Etex تعمل في أكثر من 45 دولة وتدير أكثر من 190 موقعاً عالمياً. عادةً، الشركات بهذا الحجم لا تجلب معها المعدات فقط، بل تجلب أيضاً:

• معايير تشغيل (SOPs) صارمة.
• أنظمة تخطيط موارد (ERP) وإدارة صيانة (CMMS).
• ثقافة قياس الأداء بالمؤشرات.

وهنا يدخل الذكاء الاصطناعي عملياً: عندما تصبح البيانات جزءاً من التشغيل اليومي، يصبح تحسينها بالخوارزميات خطوة طبيعية.

جملة تصلح للاقتباس: الشراكة الصناعية الناجحة لا تُقاس بما تُخرجه من الأرض، بل بما تُخرجه من البيانات.

أين يدخل الذكاء الاصطناعي في التعدين والتصنيع القائم على الجبس؟

الجواب المختصر: في أربع نقاط تشغيلية تتكرر أيضاً في النفط والغاز: الإنتاج، الصيانة، السلامة، وسلسلة الإمداد.

الخبر أشار إلى أن صناعة الجبس عالمياً متوقعة أن تنمو بأكثر من 4% سنوياً حتى 2032، ومع موارد عُمان الكبيرة وموقعها الاستراتيجي، المنطق التجاري واضح. لكن المنطق التشغيلي الآن يعتمد على: كيف ننتج أكثر بجودة ثابتة وتكلفة أقل؟ وهنا أمثلة ملموسة لاستخدامات الذكاء الاصطناعي في بيئة مشابهة:

1) تحسين الاستخراج وجودة الخام عبر الرؤية الحاسوبية

الهدف: تقليل الهدر ورفع اتساق الجودة.

• كاميرات على خطوط النقل والكسارات تقيس حجم الحبيبات والشوائب.
• نماذج تعلّم آلي تربط خصائص الخام (الرطوبة/النقاوة) بإعدادات الطحن.

النتيجة المتوقعة: تذبذب أقل في الجودة، وبالتالي منتجات نهائية أكثر استقراراً مثل ألواح الجبس. نفس الفكرة موجودة في النفط والغاز مع مراقبة جودة التدفقات وخصائص الموائع.

2) الصيانة التنبؤية للمعدات الثقيلة

الهدف: تقليل التوقفات غير المخطط لها.

• حساسات اهتزاز وحرارة على المحركات والناقلات.
• نموذج يتنبأ بأعطال المحامل أو اختلال المحاذاة قبل حدوثها.

في مصانع التعدين والتصنيع، ساعة توقف واحدة قد تعني سلسلة توقفات في الشحن والتسليم. في النفط والغاز، التأثير أكبر وقد يرتبط بالسلامة والامتثال. المنهج واحد: اجمع بيانات، نمذج الأعطال، خطط الصيانة قبل أن “تُفرض” عليك.

3) تحسين الطاقة واستهلاك الوقود في التشغيل

الهدف: رفع كفاءة الطاقة وخفض الانبعاثات.

عمليات الطحن والتجفيف والنقل تستهلك طاقة. الذكاء الاصطناعي يمكنه:

• تحسين جداول التشغيل حسب حمل الشبكة وتوفر الطاقة.
• ضبط إعدادات التجفيف والطحن لتقليل الاستهلاك مع الحفاظ على المواصفات.

وهنا يظهر رابط مباشر بسلسلتنا: التحسين الطاقي بالذكاء الاصطناعي هو أحد أسرع المسارات التي تتبناها شركات النفط والغاز في المنطقة لأنه يعطي عائداً واضحاً ويُحسب ضمن كفاءة التشغيل.

4) ذكاء سلسلة الإمداد: من المنجم إلى الميناء

الهدف: تسليم أسرع بتكاليف أقل.

• نماذج تتنبأ بالطلب حسب الأسواق (الشرق الأوسط/آسيا/أفريقيا كما ذُكر في الخبر).
• تحسين مسارات النقل وأوقات التحميل لتقليل التكدس في الميناء.

هذا يهم أيضاً قطاع النفط والغاز: إدارة الشحنات، التخزين، والمخزون من المواد الكيميائية وقطع الغيار… كلها مشاكل تتكرر بنفس البنية.

ما الذي يعنيه ذلك لقطاع الطاقة والنفط والغاز في عُمان؟

الجواب المختصر: الشراكات الصناعية تُنشئ «مختبر تشغيل» يمكن تعميمه على الأصول النفطية والغازية.

قد يقول أحدهم: “لكن مشروع الجبس بعيد عن النفط والغاز.” أنا أختلف. لأن التحول في قطاع النفط والغاز لا يبدأ دائماً من الحقول والمنصات؛ أحياناً يبدأ من العقلية التشغيلية: كيف نقيس؟ كيف نؤتمت؟ كيف نتخذ قراراً مبنياً على البيانات؟

الشراكات مثل كنوز عُمان + Etex تخلق بيئة تسرّع ثلاث ممارسات ضرورية لتطبيق الذكاء الاصطناعي في الطاقة:

1. حوكمة بيانات: تعريف واضح لمصدر البيانات، ملكيتها، وجودتها.
2. قياس أداء تشغيلي: مؤشرات مثل OEE (فعالية المعدات) تصبح لغة يومية.
3. ثقافة التحسين المستمر: إذا كان الهدف تصنيع منتجات عالية القيمة، لا مفر من تحسين الجودة والكفاءة بشكل دائم.

هذه الممارسات هي نفس الأساس الذي تحتاجه شركات النفط والغاز في عُمان لتطبيق:

• نماذج التنبؤ بإنتاج الآبار.
• تحليل سلامة العمليات Process Safety Analytics.
• تحسين حقن الماء/الغاز بالتحكم الذكي.

كيف تستفيد الشركات العُمانية عملياً من “نافذة الشراكة” لإدخال الذكاء الاصطناعي؟

الجواب المختصر: ضع الذكاء الاصطناعي داخل العقد التشغيلي، لا على هامشه.

الكثير من المؤسسات تبدأ الذكاء الاصطناعي بمشروع تجريبي صغير ثم يتوقف. الأفضل هو ربطه بأهداف الشراكة منذ اليوم الأول. إذا كنت في شركة تعدين، أو مقاول صناعي، أو حتى مزود خدمات للطاقة، هذه خطوات عملية قابلة للتنفيذ:

1) حدد 3 حالات استخدام تُدفع من التشغيل (وليس من التقنية)

اختر حالات ذات أثر مالي واضح خلال 6–12 شهراً:

• الصيانة التنبؤية لخط رئيسي واحد.
• تحسين استهلاك الطاقة في مرحلة محددة.
• رؤية حاسوبية للجودة في نقطة اختناق.

2) اتفق على «حزمة بيانات» موحدة بين الشركاء

بدون توحيد البيانات ستتضاعف التكاليف لاحقاً.

• ما الحساسات المطلوبة؟
• ما تردد القياس؟
• أين تُخزن البيانات؟
• من يملك حق استخدامها؟

3) ابْنِ فريقاً مختلطاً: تشغيل + بيانات + سلامة

الذكاء الاصطناعي في الصناعة ليس مشروع IT. هو مشروع تشغيل.

• مهندس صيانة يفهم الأعطال.
• مهندس عمليات يفهم الضبط والتحكم.
• محلل بيانات يبني النموذج.
• مسؤول سلامة يضمن الالتزام.

4) ضع «مؤشرات نجاح» لا تقبل التأويل

أحب المؤشرات التي لا تُجادَل:

• ساعات التوقف غير المخطط لها (قبل/بعد).
• استهلاك الطاقة لكل طن.
• نسبة العيوب في المنتج النهائي.
• زمن الدورة من الطلب حتى التسليم.

أسئلة شائعة يتوقعها القارئ (وإجابات مباشرة)

هل الذكاء الاصطناعي يعني تقليل الوظائف؟

الواقع أنه يغيّر نوع الوظائف أكثر مما يلغيها. المصانع التي تُدخل التحليلات والأتمتة تحتاج فنيين ذوي مهارات أعلى، ومشغّلين يفهمون البيانات، ووظائف جديدة في الجودة والتحسين.

ما أسرع نقطة بداية في عُمان لذكاء اصطناعي صناعي؟

أسرع نقطة عادةً هي الصيانة التنبؤية لأنها تعتمد على بيانات واضحة من الحساسات، وعائدها المالي سريع، ومخاطرها أقل من تغيير وصفات الإنتاج.

كيف ينسجم هذا مع رؤية عُمان 2040؟

الخبر نفسه أشار إلى مواءمة استراتيجية كنوز عُمان مع رؤية 2040 عبر تطوير أعمال لاحقة ذات قيمة أعلى. الذكاء الاصطناعي هنا يخدم نفس الهدف: رفع القيمة المضافة محلياً عبر تشغيل أكثر كفاءة وجودة أعلى.

ما الذي يجب مراقبته بعد هذا الإعلان؟

الجواب المختصر: نجاح الشراكة سيظهر في «التنفيذ» لا في العناوين.

إذا أردت مؤشرات عملية خلال 2026–2027، راقب:

• هل سيتم الإعلان عن مصنع ألواح جبس بزمن تنفيذ واضح وخطة تشغيل؟ (الخبر ذكر اتفاق الطرفين على تطويره).
• هل سيظهر استثمار في أنظمة رقمية: CMMS/ERP/أنظمة مراقبة لحظية؟
• هل ستظهر برامج تدريب محلية مرتبطة بالتحول الرقمي والسلامة؟

هذه إشارات على أن الشراكة لا تبني مصنعاً فقط، بل تبني قدرة تشغيلية قابلة للتوسع—وهي نفس القدرة التي يحتاجها قطاع الطاقة والنفط والغاز عند إدخال الذكاء الاصطناعي على نطاق واسع.

الرسالة التي أخرج بها من خبر اليوم بسيطة: عُمان لا تراهن على الموارد فقط؛ بل على طريقة تشغيل الموارد. من الجبس إلى النفط والغاز، الفائز هو من يجعل البيانات جزءاً من الإنتاج، ثم يستخدم الذكاء الاصطناعي لتحسين القرار قبل أن يتحول إلى مشكلة.

إذا كنت تعمل في الطاقة أو النفط والغاز أو في سلسلة التوريد الصناعية، اسأل نفسك: ما البيانات التي أملكها اليوم ولا أستخدمها؟ وما الشراكة أو المورد أو المشروع الذي يمكن أن يحوّلها إلى قرارات يومية؟