Изилдөөчүлөр Италия, Испания, Португалия, Марокко жана Тунистеги өндүрүш ишканаларынан алынган маалыматтарды колдонуп, үнөмдүү өндүрүш, жасалма интеллект жана туруктуулук ортосундагы байланышты сынашкан. Акыркы тандалма 528 фирмадан турат. Ишканалар автомобиль, электроника, машина жана жабдуу, химия жана фармацевтика өндүрүшүнүн субсекторлорун камтыйт. Маалыматтар 2024-жылдын январь–июнь мезгилинде чогултулуп, талдоодо Partial Least Squares Structural Equation Modeling (PLS-SEM) колдонулган.

Үнөмдүү өндүрүштүн экономикалык туруктуулук менен байланышы үчүн стандартташтырылган жол коэффициенти β=0,72, экологиялык туруктуулук үчүн β=0,65 жана социалдык туруктуулук үчүн β=0,59 деп билдирилген. Үч байланыштын баарында \(p<0,001\). Изилдөөчүлөр ошондой эле жасалма интеллекттин үнөмдүү өндүрүш–туруктуулук байланышын күчөтүүчү модерация таасирин β=0,48, p<0,001 деп билдиришкен.

Модель экономикалык туруктуулук өзгөрмөсүндөгү вариациянын %62 бөлүгүн, экологиялык туруктуулуктагы %54 бөлүгүн жана социалдык туруктуулуктагы %48 бөлүгүн түшүндүрөт. Авторлордун түшүндүрмөсүнө ылайык реалдуу убакыттагы мониторинг, болжолдуу аналитика, IoT негизиндеги маалымат чогултуу жана автоматташтыруу сыяктуу жасалма интеллект мүмкүнчүлүктөрү үнөмдүү өндүрүштүн ысырапты азайтуу, ресурстарды пайдаланууну жакшыртуу жана үзгүлтүксүз өркүндөтүү максаттарын динамикалуураак кыла алат.

Ошентсе да изилдөө кесилиштүү жана колдонулган негизги өзгөрмөлөр компания өкүлдөрүнүн сурамжылоодогу жоопторунан алынган. Мындай дизайн күчтүү статистикалык байланыштарды көрсөтүшү мүмкүн, бирок өз алдынча жасалма интеллект үнөмдүү өндүрүш аркылуу туруктуулукту себептүү түрдө жогорулатарын далилдебейт. Мындан тышкары, тандалма жана отчет бөлүмүндө сурамжылоолордун саны, жооп берүү көрсөткүчү жана H1 ишеним аралыгы боюнча булак ичиндеги шайкешсиздиктер бар.

Түркия жагынан: Изилдөөдө Түркиядан фирма жок. Натыйжалар Түштүк Европа, Марокко жана Тунистеги белгилүү өндүрүш ишканаларынан алынган. Модель Түркиядагы автомобиль, машина, электроника, химия же фармацевтика өндүрүүчүлөрү үчүн кызыктуу болгону менен, ишкананын көлөмү, санариптик жетилгендик, энергия чыгымдары, жеткирүү түзүмү, AI инвестициясы, кызматкерлердин көндүмдөрү жана жөнгө салуу чөйрөсү айырмаланышы мүмкүн болгондуктан коэффициенттерди Түркияга түздөн-түз өткөрүү туура эмес. Түркиядагы жарактуулук жергиликтүү тандалма жана ошол эле өлчөө модели менен өзүнчө текшерилиши керек.

Үнөмдүү өндүрүш менен туруктуулук эмне үчүн бирге изилденди?

Үнөмдүү өндүрүш ыкмасынын негизги максаты кардарга баа кошпогон иш-аракеттерди жана ресурстук жоготууларды азайтуу. Изилдөөдө өзгөчө так убакытта өндүрүш (Just-in-Time, JIT), тартуу системасы, Kaizen жана ысырапты азайтуу практикалары баса белгиленет.

Туруктуулук болсо ишкананын финансылык көрсөткүчтөрү менен гана чектелген эмес; экономикалык, экологиялык жана социалдык үч натыйжа түзүмү менен каралган. Экономикалык өлчөм чыгым жана операциялык эффективдүүлүктү, экологиялык өлчөм ресурстарды жана айлана-чөйрөгө таасирди, социалдык өлчөм кызматкерлердин жыргалчылыгын, жумуш чөйрөсүн жана коомдук жоопкерчиликти камтыйт.

Изилдөөчүлөрдүн негизги жүйөсү эки ыкмада жалпы логика бар экендиги: үнөмдүү өндүрүш керексиз запастарды, күтүү убактысын, каталарды, ашыкча иштетүүнү жана ресурс жоготуусун азайтууга аракет кылса, туруктуу өндүрүш да ресурс эффективдүүлүгүн жана экологиялык жүктү азайтууну көздөйт.

Жасалма интеллект бул жерде эмненин ордун басат?

Изилдөөнүн концептуалдык моделинде жасалма интеллект үнөмдүү өндүрүштүн ордун басуучу технология эмес. Жасалма интеллект модератор катары моделденген.

Модерация бир өзгөрмөнүн башка эки өзгөрмөнүн ортосундагы байланыштын көлөмүн өзгөртүшүн билдирет. Изилдөө сунуш кылган түзүм жөнөкөйлөштүрүлгөн түрдө мындай:

Үнөмдүү өндүрүш → туруктуулук

жана жасалма интеллектти пайдалануу жогорулаганда бул байланыш күчөйт деп сунушталат.

Изилдөөчүлөр бул механизмди эки теориялык алкак менен негиздешет. Динамикалык Мүмкүнчүлүктөр Теориясы ишканалардын өзгөргөн шарттарды сезүү, мүмкүнчүлүктөргө жооп берүү жана операцияларын кайра түзүү жөндөмүнө көңүл бурат. Социо-Техникалык Системалар Теориясы болсо техникалык куралдарды кызматкерлер, жумуш процесстери жана уюмдук маданият менен бирге баалоо керектигин баса белгилейт.

AI үнөмдүү өндүрүштү кантип күчөтө алат?

Макалада төрт негизги механизм баса белгиленет.

• Болжолдуу техникалык тейлөө: Сенсор жана машина маалыматтарын талдоо аркылуу мүмкүн болгон бузулууларды алар болордон мурда болжолдоо; пландан тышкаркы токтоолорду азайтуу.
• Реалдуу убакыттагы мониторинг: Энергияны, машинанын ишин, эмиссияны жана өндүрүш көрсөткүчтөрүн үзгүлтүксүз көзөмөлдөө.
• Өндүрүштү пландоо: Суроо-талаптын өзгөрүшүнө же жеткирүү үзгүлтүктөрүнө жараша графиктерди динамикалуураак жөнгө салуу.
• Жеткирүү чынжырын оптималдаштыруу: Чоң маалымат жана аналитика аркылуу запастар, логистика жана ресурс пайдалануу чечимдерин колдоо.

Бул механизмдер изилдөөнүн сурамжылоо моделинде өз-өзүнчө себептик эксперименттер катары текшерилген эмес. Алар жасалма интеллект модераторунун теориялык жана колдонмо түшүндүрмөсү катары колдонулат.

Изилдөөнүн тандалмасы кандай бөлүштүрүлгөн?

Фирма көлөмү боюнча 176 ишканада 50–249 кызматкер, 234 ишканада 250–999 кызматкер жана 118 ишканада кеминде 1000 кызматкер бар. Ошентип, тандалма негизинен орто көлөмдөгү өндүрүш ишканаларынан турат.

Катышуучулардын %40,5 бөлүгү операция же завод менеджери, %18,6 бөлүгү туруктуулук менеджери, %16,5 бөлүгү өндүрүш үчүн жооптуу адис, %14,4 бөлүгү сапат менеджери жана %10 бөлүгү жогорку жетекчи болуп саналат.

Кайсы секторлор изилденди?

Изилдөөнүн метод бөлүмүндө ишканалар беш өндүрүш субсекторунан экени айтылат:

• автомобиль: %32,
• электроника: %24,
• машина жана жабдуу: %19,
• химия: %15,
• фармацевтика: %10.

Фирмаларды изилдөөгө киргизүү үчүн кеминде 50 кызматкерге ээ болуу, белгилүү убакыт үнөмдүү практикалар менен иштеген болуу жана өндүрүштө кеминде бир жасалма интеллект технологиясын колдонорун билдирүү сыяктуу алдын ала шарттар колдонулган.

Төрт изилдөө гипотезасы

Изилдөө моделинде төрт гипотеза текшерилген:

• H1: Үнөмдүү өндүрүш экономикалык туруктуулук менен оң байланышта.
• H2: Үнөмдүү өндүрүш экологиялык туруктуулук менен оң байланышта.
• H3: Үнөмдүү өндүрүш социалдык туруктуулук менен оң байланышта.
• H4: Жасалма интеллект үнөмдүү өндүрүш менен туруктуулуктун ортосундагы байланышты күчөтүүчү модератор.

Түз таасирлер канчалык күчтүү болду?

Экономикалык туруктуулук үчүн β=0,72 эң жогорку түз жол коэффициенти катары билдирилген. Экологиялык туруктуулук үчүн коэффициент β=0,65 жана социалдык туруктуулук үчүн β=0,59. Үч жыйынтык тең статистикалык жактан маанилүү.

Бул коэффициенттер “%72 экономикалык жакшыруу” дегенди билдирбейт. Стандартташтырылган жол коэффициенти структуралык моделде өзгөрмөлөр ортосундагы байланыштын багытын жана салыштырмалуу көлөмүн көрсөтөт; пайыздык өндүрүмдүүлүк өсүшү эмес.

AI модерация таасири

Жасалма интеллекттин модерация таасири үчүн булак β=0,48, bootstrap %95 ишеним аралыгы [0,40; 0,55], t=6,45 жана \(p<0,001\) деп билдирет.

Изилдөөчүлөр муну AI пайдалануу жогору болгон ишканаларда үнөмдүү практикалар менен туруктуулук жыйынтыктарынын ортосундагы оң байланыш күчөйт деп түшүндүрүшөт.

Бул коэффициент H1–H3төгү түз жол коэффициенттеринен башка статистикалык ролду билдиргендиктен Verianla Live графигиндеги ошол эле тилкелер тобуна кошулган эмес.

Модель туруктуулук жыйынтыктарынын канча бөлүгүн түшүндүрөт?

R² маанилери модель экономикалык туруктуулуктагы байкалган вариациянын %62 бөлүгүн, экологиялык туруктуулуктагы %54 бөлүгүн жана социалдык туруктуулуктагы %48 бөлүгүн түшүндүргөнүн көрсөтөт. Бардык Q² маанилеринин оң болушу изилдөө колдонгон PLS-SEM баалоо ыкмасында моделдин болжолдук маанилүүлүгүнө колдоо катары түшүндүрүлгөн.

Таасир көлөмдөрү эмнени көрсөттү?

Бул натыйжалар изилдөөчүлөр статистикалык маанилүүлүккө гана эмес, байланыштардын практикалык көлөмүнө да көңүл бурганын көрсөтөт.

Өлчөө модели ишенимдүү беле?

Изилдөөдө колдонулган негизги түзүмдөрдүн Cronbach альфа маанилери 0,82 менен 0,90 арасында, курама ишенимдүүлүк маанилери 0,83 менен 0,92 арасында жана AVE маанилери 0,56 менен 0,68 арасында билдирилген.

Өлчөө пункттарынын фактордук жүктөрү 0,71–0,88 диапазонунда болуп, бардыгы статистикалык маанилүүлүккө ээ экени билдирилген.

Жалпы методдук жаңылыштык текшерилдиби?

Сурамжылоо маалыматтары ошол эле катышуучулардан келгендиктен изилдөөчүлөр жалпы методдук жаңылыштыкты баалоо үчүн Harman бир фактор тестин колдонушкан. Ротациясыз чечимде биринчи фактор жалпы вариациянын %32,4 бөлүгүн түшүндүрүп, изилдөөчүлөр бул маани %50 чегинен төмөн болгондуктан олуттуу жалпы методдук жаңылыштыктын көрсөткүчү жок деп баалашкан.

Ошондой эле анонимдүүлүк жана суроолордун тартибин тең салмактоо сыяктуу процедуралык чаралар колдонулганы айтылган.

Моделдин ылайыктуулугу жана көптүк сызыктуу байланышы

Булакта SRMR мааниси 0,058 жана NFI мааниси 0,91 деп билдирилген. Болжолдоочу өзгөрмөлөрдүн VIF маанилери 1,08–2,34 диапазонунда калган. Изилдөөчүлөр бул натыйжаларга таянып олуттуу multicollinearity көйгөйү жок экенин билдиришет.

Lean өзгөрмөсү үчүн VIF 2,34, AI үчүн 2,18 жана lean-AI өз ара аракет мүчөсү үчүн 1,56 деп билдирилген.

Контролдук өзгөрмөлөр натыйжаларды өзгөрттүбү?

Фирманын көлөмү, сектор жана өлкө структуралык моделге контролдук өзгөрмөлөр катары киргизилген. Булакта фирма көлөмүнүн экономикалык туруктуулукка кичине оң таасири бар экени (болжол менен 0,09; p<0,05), бирок экологиялык жана социалдык натыйжаларда маанилүү эмес экени айтылат.

Химия субсекторунда экологиялык туруктуулук үчүн кичине таасир билдирилген; өлкөлөрдү салыштырууда Марокко жана Тунистеги фирмалардын AI колдонуу деңгээли салыштырмалуу төмөн экени айтылган. Ошентсе да H1–H4 байланыштары контролдук өзгөрмөлөр кошулганда маанилүүлүгүн жана болжолдуу көлөмүн сактап калган.

Изилдөөнүн практикалык сунуштары

Изилдөөчүлөр үч колдонмо багытын өзгөчө баса белгилешет:

1. Пландан тышкаркы токтоолорду жана ресурстук жоготууларды азайтуу үчүн AI колдогон болжолдуу техникалык тейлөөгө артыкчылык берүү.
2. Энергия жана материал агымдарын реалдуу убакытта көзөмөлдөө үчүн IoT сенсорлорун жана аналитикалык панелдерди колдонуу.
3. Кызматкерлердин маалымат сабаттуулугун жана AI системаларын колдонуу жөндөмүн өнүктүрүү.

Изилдөө ошондой эле AI инвестицияларынын жогорку баштапкы чыгымын, квалификациялуу кызматкерлердин жетишсиздигин жана киберкоопсуздук тобокелдиктерин маанилүү ишке киргизүү тоскоолдуктары катары аныктайт.

Булактагы тандалма шайкешсиздиги

Изилдөөнүн маалымат чогултуу түшүндүрмөсүндө ошол эле процесс үчүн бири-бирине толук туура келбеген сандар бар. Адегенде болжол менен 1200 потенциалдуу фирманын 680 фирма критерийлерге жооп бергени жана бардык 680 фирма чакырылганы айтылат. Андан кийин 700 сурамжылоо таратылып, 540 сурамжылоо кайтарылганы жазылган.

Булак бул 540 кайтарым үчүн %90 жооп көрсөткүчүн берет; бирок 540/700 катышы болжол менен %77,1. Эгер бөлүүчү 680 чакырылган фирма деп алынса, катыш болжол менен %79,4 болот. Ошондуктан %90 деген билдирүү берилген башка сандар менен математикалык жактан шайкеш эмес.

Акыркы талдоо тандалмасы 528 болгондуктан 540 кайтарымдан 12 жазуу кантип чыгарылганы же жараксыз деп табылганы да деталдуу катышуучу агымы таблицасы менен түшүндүрүлгөн эмес. Бул Verianla текстинде сандардын эч бири унчукпай өзгөртүлгөн эмес.

H1 ишеним аралыгындагы көйгөй

5-таблицада H1 үчүн стандартташтырылган коэффициент β=0,72 деп берилген, ал эми %95 bootstrap ишеним аралыгы [0,57; 0,71] түрүндө. Ошол эле параметр үчүн чекиттик баалоо билдирилген ишеним аралыгынан тышкары болушу күтүлбөйт.

Ошондуктан β=0,72 мааниси менен ишеним аралыгынын кайсынысы ката экенин булак боюнча аныктоо мүмкүн эмес. Макаланын негизги натыйжасы баяндалганда билдирилген β жана p мааниси сакталган, ката болушу мүмкүн болгон ишеним аралыгы тактап кайра жазылган эмес.

“Robust regression” менен PLS-SEMдин айырмасы

Кыскача баяндамада изилдөө “robust regression model” колдонгонун айтат, ал эми метод бөлүмү SmartPLS аркылуу PLS-SEM, рефлективдүү өлчөө моделдери, bootstrap жана структуралык жол талдоосун сүрөттөйт. Натыйжалар да β жол коэффициенттери, R², Q², SRMR, NFI жана f² аркылуу билдирилген.

Демек изилдөөнүн деталдуу метод жана натыйжа бөлүмдөрүнө ылайык негизги статистикалык алкак PLS-SEM. “Robust regression” билдирүүсү булак ичиндеги терминологиялык шайкешсиздик катары бааланышы керек.

Изилдөө колдогон жыйынтыктар

• Изилденген 528 өндүрүш фирмасында үнөмдүү өндүрүш көрсөткүчтөрү экономикалык, экологиялык жана социалдык туруктуулук көрсөткүчтөрү менен оң байланышта.
• Экономикалык туруктуулукка барган стандартташтырылган жол коэффициенти үч түз байланыштын арасында эң жогору.
• AI өз ара аракет мүчөсү оң жана статистикалык жактан маанилүү; булак муну AI үнөмдүү–туруктуулук байланышын күчөтөт деп түшүндүрөт.
• Модель түшүндүргөн вариация экономикалык туруктуулук үчүн %62, экологиялык үчүн %54 жана социалдык үчүн %48 деп билдирилген.
• Өлчөө түзүмдөрүнүн билдирилген Cronbach альфа, CR жана AVE маанилери изилдөө колдонгон кабыл алуу чектерине жооп берет.

Изилдөө далилдебеген жыйынтыктар

• AI инвестиция кылган ар бир өндүрүш ишканасынын туруктуулук көрсөткүчү автоматтык түрдө өсөрү далилденген эмес.
• β=0,72 мааниси экономикалык көрсөткүч %72 өстү дегенди билдирбейт.
• Кесилиштүү сурамжылоо дизайны AI туруктуулук көрсөткүчүндөгү жакшыртуунун так себеби экенин өз алдынча көрсөтпөйт.
• Натыйжалар өндүрүштөн тышкары кызмат же мамлекеттик секторлорго ошол эле коэффициенттер менен жалпыланары көрсөтүлгөн эмес.
• Түркиядагы ишканалар үчүн ошол эле натыйжалар алынары сыналган эмес.
• Белгилүү AI алгоритми, сенсор системасы же роботтук платформа башкалардан артык экени текшерилген эмес.

Изилдөөнүн Ыкмасы жана Жыйынтыктары

Изилдөө дизайны

Изилдөө сандык жана кесилиштүү сурамжылоо изилдөөсү. Маалыматтар 2024-жылдын январь–июнь айларында Италия, Испания, Португалия, Марокко жана Тунистеги өндүрүш ишканаларынан чогултулган.

Тандоо ыкмасы максаттуу тандоо болуп саналат. Фирмалар тармактык бирикмелердин мүчөлөр тизмелери, Orbis Europe коммерциялык компаниялар маалымат базасы жана мурдагы Industry 4.0 долбоорлорундагы катышуучулар аркылуу аныкталган.

Киргизүү критерийлери

• Өндүрүш секторунда иштөө.
• Автомобиль, электроника, машина/жабдуу, химия же фармацевтика субсекторлорунун биринде болуу.
• Кеминде 50 кызматкерге ээ болуу.
• Үнөмдүү өндүрүш практикаларында белгилүү тажрыйбага ээ болуу.
• Өндүрүш процесстеринде кеминде бир AI технологиясын колдонорун билдирүү.
• Белгиленген беш өлкөнүн биринде иштөө.

Сурамжылоо шкаласы

Катышуучулар билдирүүлөрдү 1="Такыр макул эмесмин" менен 5="Толугу менен макулмун" ортосундагы беш баллдык Likert шкаласы менен баалашкан.

Негизги түзүмдөр:

• Үнөмдүү өндүрүш принциптери: ысырапты азайтуу, JIT, тартуу системасы жана Kaizen сыяктуу практикалар.
• Туруктуулук максаттары: экономикалык, экологиялык жана социалдык натыйжалар.
• AI технологиялары: болжолдуу аналитика, мониторинг, болжолдоо, талдоо, оптималдаштыруу, автоматташтыруу жана өз ара аракет.

Шкалалар адабияттагы учурдагы изилдөөлөрдөн ылайыкташтырылган; англис эмес колдонмолор үчүн котормо жана кайра котормо жасалып, шкала 15 тармак адиси/академик менен алдын ала текшерилген.

PLS-SEM талдоосу

Изилдөөдө PLS-SEM колдонулушу изилдөөнүн изилдөөчү мүнөзү, модерация таасири бар моделдин татаалдыгы жана бөлүштүрүү божомолдоруна салыштырмалуу ийкемдүүлүк менен түшүндүрүлөт.

Моделде бардык түзүмдөр рефлективдүү деп аныкталган.

Өлчөө модели критерийлери

Структуралык модель жана гипотеза натыйжалары

H1 үчүн булакта берилген %95 ишеним аралыгы [0,57; 0,71] болуп, β=0,72 менен шайкеш эмес. H2 үчүн [0,57; 0,71], H3 үчүн [0,51; 0,66] жана H4 үчүн [0,40; 0,55] билдирилген.

Bootstrap жана болжолдоо баалоосу

Коэффициенттерди баалоодо 5000 кайра тандоо камтылган bootstrap колдонулган. Булакта Q² маанилери экономикалык, экологиялык жана социалдык туруктуулук үчүн тиешелүүлүгүнө жараша 0,58, 0,50 жана 0,44 деп көрсөтүлгөн.

Моделдин ылайыктык көрсөткүчтөрү

Булак RMS theta=0,12 маанисин “0,12 көйгөй чегинен төмөн” деп мүнөздөйт. Сандык жактан маани тең болгондуктан бул билдирүү булакта кандай берилсе, ошондой бааланышы керек.

Контролдук өзгөрмөлөр

Моделде фирма көлөмү, өнөр жай субсектору жана өлкө контролдук өзгөрмөлөр катары колдонулган. Фирма көлөмү кызматкерлердин санынын логарифми менен, сектор жана өлкө болсо dummy өзгөрмөлөр менен моделденген. Автомобиль сектор үчүн, Италия өлкө үчүн шилтеме категориясы болуп саналат.

Колдонулган программалар

• Структуралык модель: SmartPLS
• Сүрөттөөчү статистика: SPSS
• Графикалык көрсөтүү: Python жана Tableau

Изилдөөнүн негизги методологиялык чектөөлөрү

Биринчи чектөө кесилиштүү дизайн. Өзгөрмөлөр бир убакыт мезгилинде өлчөнгөндүктөн узак мөөнөттүү өзгөрүү жана себептик багыт толук көрсөтүлбөйт.

Экинчи чектөө максаттуу тандоо. Изилдөөгө үнөмдүү өндүрүш жана AI колдонуу боюнча белгилүү тажрыйбасы бар фирмалардын киргизилиши натыйжаларды эч AI колдонбогон же үнөмдүү жетилгендиги төмөн бардык өндүрүш ишканаларына жалпылоону чектейт.

Үчүнчү чектөө изилдөөнүн өндүрүш секторун гана камтышы. Кызмат сектору жана мамлекеттик уюмдар үчүн натыйжалар өзүнчө текшерилиши керек.

Төртүнчү чектөө фирманын практикалары жетекчилердин сурамжылоосу аркылуу өлчөнгөндүгү. Изилдөөдө өндүрүш линиясынан түз алынган энергия керектөө, сынык, көмүртек эмиссиясы, токтоо убактысы же чыгым сыяктуу объективдүү операциялык маалымат сериялары менен ошол эле модель текшерилген эмес.

Бешинчиден, булак ичиндеги тандалма жана ишеним аралыгы шайкешсиздиктери билдирилген методологиялык натыйжаларды этият чечмелөөнү талап кылат.

Булак жана Ыкма Жөнүндө Эскертүү

Толук түпнуска изилдөө аталышы: Artificial Intelligence: Accelerating Innovation in Sustainable Lean Production Systems

Авторлор: Mustapha Jebor; Hanaa Hachimi; Ikhlef Jebbor; Hayet Benhamida; Zoubida Benmamoun.

Авторлордун ирети: Булакта берилген ирет өзгөртүүсүз сакталган.

Тең салым/тең биринчи авторлук: Булакта тең салым же тең биринчи авторлук жөнүндө билдирүү жок.

Жооптуу автор: Mustapha Jebor.

Мекемелер: Laboratory of Advanced Systems Engineering, National School of Applied Sciences ENSA, Ibn Tofail University Campus, Kenitra, Morocco; College of Engineering and Computing, Liwa University, Abu Dhabi, United Arab Emirates; College of Business, Liwa University, Abu Dhabi, United Arab Emirates.

Булак түрү жана рецензия: Administrative Sciences журналында жарыяланган рецензияланган оригиналдуу эмпирикалык изилдөө макаласы.

Журнал: Administrative Sciences

Том / сан / макала номери: 16 / 4 / 178

Жарыя жылы: 2026

Алынган дата: 29 декабрь 2025

Ревизия датасы: 8 март 2026

Кабыл алуу датасы: 31 март 2026

Жарыя датасы: 7 апрель 2026

DOI: 10.3390/admsci16040178

Басма: MDPI, Basel, Switzerland.

Расмий булак шилтемеси:Administrative Sciences / MDPI расмий макала барагы

Лицензия: Creative Commons Attribution 4.0 International (CC BY 4.0).

Каржылоо: Авторлор изилдөө тышкы каржылоо албаганын билдиришкен.

Этика кеңеши: Авторлор изилдөө сезимтал же инсанды аныктай турган жеке маалыматты, медициналык кийлигишүүнү, биологиялык үлгүлөрдү, өзгөчө саламаттык маалыматтарын, аялуу топту же алдоону камтыбаган анонимдүү уюмдук сурамжылоо маалыматтарынан тургандыктан Мароккодогу улуттук изилдөө принциптери жана тиешелүү академиялык практикалар боюнча формалдуу этика кеңешинин макулдугу талап кылынбаганын билдиришкен.

Маалымдалган макулдук: Изилдөө бардык катышуучулардан маалымдалган макулдук алынганын билдирет.

Маалымат жеткиликтүүлүгү: Изилдөөнүн оригиналдуу салымдары макаланын ичинде жайгашканы жана кошумча суроолор жооптуу авторго жөнөтүлүшү мүмкүн экени айтылат.

Кызыкчылыктардын кагылышы: Авторлор кызыкчылыктардын кагылышы жок экенин билдиришкен.

Автор салымдары: Концептуалдаштыруу Mustapha Jebor; методология Mustapha Jebor, Hanaa Hachimi, Ikhlef Jebbor жана Zoubida Benmamoun; формалдуу талдоо Mustapha Jebor жана Zoubida Benmamoun; изилдөө Mustapha Jebor, Hanaa Hachimi, Ikhlef Jebbor жана Zoubida Benmamoun; маалымат курациясы Mustapha Jebor; оригиналдуу долбоор Mustapha Jebor тарабынан аткарылган. Башка салымдар булакта берилген автор салымы билдирүүсүнө ылайык бөлүштүрүлгөн.

Негизги ыкма: Беш өлкөдөгү өндүрүш фирмаларынын беш баллдык Likert сурамжылоо маалыматтарында рефлективдүү өлчөө моделин колдонгон PLS-SEM талдоосу; модерация тести; 5000 үлгүлүү bootstrap; фирма көлөмү, сектор жана өлкө контролдук өзгөрмөлөрү.

Маанилүү булак ичиндеги отчет эскертүүлөрү: Кыскача баяндама “robust regression” деген терминди колдонгону менен, метод жана натыйжа бөлүмдөрү PLS-SEMди сүрөттөйт. 700 сурамжылоодон 540 жооп үчүн берилген %90 жооп көрсөткүчү математикалык жактан дал келбейт. Адегенде 680 ылайыктуу фирма чакырылганы айтылышы да 700 сурамжылоо жөнүндө билдирүү менен толук түшүндүрүлбөйт. Акыркы N=528 деңгээлине өтүүдөгү четтетүү агымы деталдуу берилген эмес. Мындан тышкары, H1 үчүн β=0,72 мааниси ошол эле сапта билдирилген [0,57; 0,71] ишеним аралыгынан тышкары. Бул маанилер Verianla тарабынан өзгөртүлгөн эмес, булак ичиндеги шайкешсиздиктер ачык сакталган.

Бул Verianla мазмунунун изилдөө ыкмасы, тандалма маалыматы, коэффициенттери, модель жыйынтыктары жана чечмелөө чектери текшерилген изилдөөгө гана негизделет. Тышкы булак библиографиялык жазууну жана журналдын рецензия статусун текшерүү максатында гана колдонулган.

Изилдөө күчтүү жана статистикалык жактан маанилүү байланыштарды билдиргени менен, кесилиштүү сурамжылоо дизайны, максаттуу тандоо жана өзүн-өзү билдирүүгө негизделген түзүлүш себептүү натыйжалар себептик эксперимент далили катары чечмеленбеши керек. Изилдөө сунуш кылган AI колдогон үнөмдүү өндүрүш ыкмасынын объективдүү энергия, эмиссия, сынык, чыгым же өндүрүмдүүлүк көрсөткүчтөрүнө убакыттын өтүшү менен тийгизген таасири өзүнчө узак мөөнөттүү же эксперименттик изилдөөлөрдө текшерилиши зарыл.