ذكاء اصطناعي ومياه مصاحبة: فرص عملية لقطاع عمان

في 03/02/2026 أعلنت شركتا Natura Resources وNGL Energy Partners عن اتفاق لتقييم فكرة غير مألوفة لكنها منطقية جدًا عند النظر للأرقام: تشغيل معالجة المياه المصاحبة على نطاق صناعي في حوض برميان باستخدام مفاعل نووي متقدم بقدرة 100 ميغاواط من نوع الملح المنصهر مع تحلية حرارية تعمل بشكل مستمر. في برميان وحده، الحديث عن أكثر من 20 مليون برميل يوميًا من المياه المصاحبة، بينما تدير NGL حاليًا أكثر من 3 ملايين برميل يوميًا من المياه المنتَجة ومياه الارتداد.

هذا الخبر ليس “قصة أمريكية” بعيدة. الواقع أنه يضع إصبعًا على مشكلة مألوفة في قطاع النفط والغاز: الماء صار قيدًا تشغيليًا مثل الطاقة تمامًا. وهنا تظهر زاوية تهمّنا في سلسلة “كيف يُحوّل الذكاء الاصطناعي قطاع الطاقة والنفط والغاز في عمان”: حتى لو لم تكن عمان بصدد تبنّي طاقة نووية لمعالجة المياه غدًا، فإن نموذج التفكير مهم—دمج مصدر طاقة مستقر/مستمر مع مرافق معالجة، ثم ترك الذكاء الاصطناعي يدير التعقيد اليومي: الجودة، الكلفة، الطاقة، المخاطر، والامتثال.

الرسالة التي أحب أن أتبناها هنا واضحة: المياه المصاحبة ليست عبئًا ثابتًا؛ يمكن تحويلها إلى أصل تشغيلي إذا أدرناها بالبيانات والذكاء الاصطناعي.

لماذا تُصبح إدارة المياه المصاحبة عنق زجاجة؟

إدارة المياه المصاحبة تتحول إلى عنق زجاجة عندما تتجاوز كميات الماء قدرة النقل والمعالجة والتخلص الآمن—وعندها يبدأ الأثر بالظهور في كل شيء: جداول الإنتاج، سلامة العمليات، وحتى علاقات الشركة مع المجتمع والجهات التنظيمية.

في برميان، الأرقام ضخمة جدًا: 20 MMbpd من المياه المصاحبة تعني أن أي تحسّن صغير في كفاءة المعالجة أو تقليل الحقن يمكن أن يغيّر المعادلة اقتصاديًا. في عمان، تختلف الأحجام والجيولوجيا من حقل لآخر، لكن المنطق نفسه ينطبق: كلما زادت المياه المصاحبة، زادت:

• كلفة الرفع والنقل والمعالجة
• مخاطر التسرب والانسكابات في خطوط التجميع
• الاعتماد على آبار الحقن والتخلص
• بصمة الطاقة والانبعاثات للمرافق المائية

الفكرة الأساسية: الماء “ينافس” النفط على الطاقة

معالجة الماء تستهلك كهرباء وحرارة وكيميائيات ومضخات ومعدات فصل وترشيح. إذا كان مصدر الطاقة متذبذبًا أو مكلفًا أو محدودًا، تصبح جودة المعالجة غير مستقرة، ويظهر ذلك مباشرة في:

• تقلب جودة المياه المعالجة
• توقفات غير مخططة
• تآكل أسرع للمعدات (بسبب تذبذب التشغيل)

وهنا تحديدًا يأتي دور الدمج بين مصدر طاقة مستمر (كما تقترح Natura/NGL عبر المفاعل المتقدم) وبين ذكاء اصطناعي يحسن التشغيل لحظيًا.

ما الذي يعنيه “تشغيل معالجة المياه بالطاقة النووية” عمليًا؟

المقصود ليس “معالجة نووية” للماء، بل تشغيل مرافق التحلية/المعالجة بطاقة مستقرة على مدار الساعة. وفق ما ورد في الخبر، الشراكة تقيّم:

• مفاعل ملح منصهر بقدرة 100 MW
• ربطه بتقنيات تحلية حرارية لمعالجة/إعادة تدوير المياه المصاحبة
• تقليل الاعتماد على التخلص عبر الحقن
• دراسة فرص مستقبلية لاستخلاص معادن حرجة من تيارات المياه المصاحبة

لماذا التحلية الحرارية تحتاج طاقة مستقرة؟

التحلية الحرارية (مثل أنظمة التبخير/التقطير الحراري) تستفيد كثيرًا من مصدر حرارة مستمر. الاستمرارية تعني كفاءة أعلى، وتقليل تذبذب الجودة، وإطالة عمر المعدات. هذا لا يعني أنها الخيار الوحيد؛ قد تكون الأغشية (RO) أو الهجينة أنسب في حالات أخرى. لكن خبر Natura/NGL يركز على فكرة بسيطة: “أعطني طاقة ثابتة، وسأعالج ماءً أكثر وبجودة ثابتة”.

وما علاقة هذا بعمان؟

الربط المفيد لعمان ليس “هل نبني مفاعلًا؟” بل:

1. كيف نصمم مرافق المياه على أساس الاستمرارية (24/7) بدل إدارة الأزمات.
2. كيف نجعل الذكاء الاصطناعي هو طبقة التحكم التي تربط الطاقة بالماء بالإنتاج.
3. كيف ننتقل من “حقن للتخلص” إلى “معالجة لإعادة الاستخدام” حيثما كان ذلك منطقيًا اقتصاديًا وبيئيًا.

أين يدخل الذكاء الاصطناعي؟ خمس استخدامات مباشرة في مرافق المياه

الذكاء الاصطناعي في قطاع النفط والغاز في عمان لا يحتاج انتظار تقنيات ضخمة كي يبدأ بإعطاء نتائج. أفضل المكاسب تأتي عادة من قرارات تشغيلية يومية. وهذه خمس حالات استخدام عملية، قابلة للتنفيذ على مراحل:

1) التنبؤ بجودة المياه قبل أن “تفسد” العملية

الإجابة المباشرة: نماذج تعلم الآلة تتنبأ بتغيّرات TDS، الزيوت والشحوم، السيليكا، البكتيريا، والـscaling potential قبل أن تتسبب بتوقف.

كيف؟ عبر دمج بيانات:

• حساسات الجودة على الخط
• معدلات الجريان والحرارة والضغط
• جرعات الكيميائيات
• نتائج المختبر

النتيجة المتوقعة: تقليل التوقفات، وتحسين ثبات المنتج (مياه معالجة قابلة لإعادة الاستخدام).

2) تحسين استهلاك الطاقة للمضخات والتحلية (Energy Optimization)

الإجابة المباشرة: الذكاء الاصطناعي يقلل الطاقة لكل متر مكعب معالج عبر ضبط نقاط التشغيل المثلى.

عمليًا، هذا يعني:

• جدولة تشغيل المضخات بحسب التعرفة/الطلب (إن وجدت)
• ضبط VFD على المضخات لتقليل الهدر
• تحسين توازن وحدات المعالجة لتجنب تشغيل زائد عن الحاجة

حتى في بيئات لا تملك “تعرفة متغيرة”، يبقى الهدف مهمًا: خفض kWh/م³ ينعكس على الكلفة والانبعاثات.

3) صيانة تنبؤية للمرشحات والمبادلات والمضخات

الإجابة المباشرة: نماذج كشف الشذوذ تتعرف على بدايات الفشل من تغيّر بسيط في الاهتزاز/الضغط التفاضلي/الحرارة.

أكثر ما رأيت أنه ينجح هو ربط:

• الاهتزاز للمضخات
• DP عبر المرشحات
• أداء المبادلات الحرارية

ثم إخراج توصية واضحة: “بدّل الفلتر خلال 48 ساعة” بدل أن تتوقف الوحدة بالكامل.

4) إدارة المخاطر والامتثال: من تقارير لاحقة إلى إنذار مبكر

الإجابة المباشرة: الذكاء الاصطناعي يحوّل الامتثال البيئي من “تدقيق بعد الحدث” إلى مراقبة استباقية.

أمثلة:

• إنذار مبكر لاحتمال تجاوز مواصفة تصريف/استخدام
• مطابقة تلقائية لبيانات التشغيل مع متطلبات التصاريح
• تتبع سلسلة الحيازة (Chain of Custody) لعينات المختبر

5) قرار “إعادة الاستخدام أم الحقن؟” بشكل اقتصادي لحظي

الإجابة المباشرة: أفضل نموذج هو الذي يحسب كلفة الحدّية لكل خيار في الزمن الحقيقي.

المدخلات تشمل:

• كلفة الطاقة والكيميائيات
• قدرة المعالجة المتاحة
• قيود خطوط النقل
• ضغط/قدرة آبار الحقن
• متطلبات الاستخدام (مثل مياه حقن/مياه صناعية)

والخروج: توصية تشغيلية يومية قابلة للتنفيذ.

جملة قابلة للاقتباس: إذا لم تستطع حساب “كلفة كل برميل ماء” لحظيًا، فأنت تدير المياه بالتخمين.

ماذا يمكن أن تتعلم عمان من نموذج Natura/NGL دون نسخ التجربة حرفيًا؟

الدرس الأهم ليس نوع مصدر الطاقة، بل طريقة تصميم الحل: تكامل الطاقة + الماء + البيانات.

(أ) شراكات متعددة الاختصاصات بدل مشروع أحادي

Natura شركة تقنية طاقة، وNGL لاعب كبير في حلول المياه. هذا النوع من الشراكات يُسرّع الوصول لحل قابل للتوسّع.

في عمان، النموذج المكافئ هو بناء تحالف عملي بين:

• مشغل/مشغلين حقول
• مزود مرافق معالجة مياه
• مزود حلول ذكاء اصطناعي وتحليلات صناعية
• جهة هندسية للتكامل (OT/IT) والأمن السيبراني

(ب) التصميم على أساس “الاستمرارية”

مرافق المياه لا تتسامح مع التشغيل المتذبذب. لذلك، أي خطة ذكاء اصطناعي يجب أن تُبنى على:

• بيانات موثوقة من الحساسات (Data Quality)
• تكامل مع SCADA/DCS
• حوكمة بيانات واضحة

(ج) التفكير في “القيمة المخفية” للمياه المصاحبة

الخبر أشار إلى احتمال استخراج معادن حرجة مستقبلًا من المياه المصاحبة. لا أقول إن هذا سهل أو جاهز في كل مكان، لكنه يفتح بابًا مهمًا: بعض تيارات المياه تحمل مكونات قد تصبح ذات قيمة إذا توفر:

• فصل مناسب
• اقتصاديات واضحة
• سلسلة توريد لمعالجة المنتج النهائي

وهنا يدخل الذكاء الاصطناعي مرة أخرى: في نمذجة الجدوى، وتحديد أي الآبار/الحقول تقدم “تركيبة” تستحق التجربة.

أسئلة شائعة يطرحها التنفيذيون قبل تبنّي الذكاء الاصطناعي للمياه

هل نحتاج منصة ضخمة أم يمكن البدء سريعًا؟

البدء السريع ممكن جدًا. أفضل نقطة انطلاق عادة: حالة استخدام واحدة (مثل الصيانة التنبؤية للمضخات) مع بيانات محددة وهدف رقمي.

ما البيانات “الحد الأدنى” اللازمة؟

• جريان، ضغط، حرارة
• جودة أساسية (زيت/ماء، ملوحة أو TDS)
• سجلات توقفات وصيانة
• عينات مختبر دورية لمعايرة النماذج

كيف نقيس النجاح بدون شعارات؟

اختر مؤشرات لا يمكن التلاعب بها بسهولة:

• نسبة التوقف غير المخطط (ساعات/شهر)
• kWh/م³
• كلفة معالجة البرميل (OPEX/بَرْمِيل ماء)
• نسبة إعادة الاستخدام مقابل الحقن

خطوة عملية للشركات في عمان خلال 90 يومًا

إذا كنت تعمل في النفط والغاز في عمان وتريد تحويل الذكاء الاصطناعي من فكرة إلى مشروع، هذه خطة قصيرة ومباشرة:

1. اختيار منشأة مياه واحدة (محطة فصل/معالجة/حقن) كنطاق تجريبي.
2. تحديد هدف رقمي واحد: مثل خفض kWh/م³ بنسبة 5–8% أو تقليل التوقفات 20%.
3. تدقيق سريع للبيانات (أسبوعان): ما المتاح؟ ما الناقص؟ ما الذي يحتاج معايرة؟
4. بناء نموذج أولي خلال 6–8 أسابيع (Anomaly Detection + توصيات تشغيل).
5. اختبار ميداني 2–4 أسابيع مع فريق التشغيل، ثم توسيع النطاق.

هذا النوع من المشاريع ينجح عندما يكون فريق التشغيل شريكًا لا “مستلمًا” للتقارير.

ما الذي سيحسم السباق: الماء الذي “يعمل معك”

خبر Natura وNGL يضع نموذجًا صريحًا: عندما تتضخم مشكلة المياه إلى مستوى يهدد الاستدامة التشغيلية، تظهر حلول كبيرة—مصدر طاقة مستمر، ومعالجة على نطاق صناعي، وفرص إعادة استخدام بدل التخلص.

في عمان، المسار الأسرع والأكثر واقعية الآن هو: الذكاء الاصطناعي لإدارة المياه المصاحبة—تحسين الطاقة، تثبيت الجودة، تقليل المخاطر، ورفع نسبة إعادة الاستخدام حيث يكون ذلك منطقيًا. وهذا ينسجم تمامًا مع موضوع سلسلتنا عن كيف يُحوّل الذكاء الاصطناعي قطاع الطاقة والنفط والغاز في عمان.

إذا كانت المياه المصاحبة ستبقى جزءًا من المعادلة لسنوات طويلة (وهي ستبقى)، فالسؤال العملي الذي يستحق أن يُطرح داخل كل شركة هو: هل نتعامل مع المياه كتكلفة لا مفر منها، أم كمنظومة يمكن تحسينها بالبيانات حتى تصبح ميزة تشغيلية؟