Муҳаққиқон бо истифода аз маълумоти корхонаҳои истеҳсолии Италия, Испания, Португалия, Марокаш ва Тунис робитаи байни истеҳсолоти лоғар, зеҳни сунъӣ ва устувориро санҷидаанд. Намунаи ниҳоӣ аз 528 ширкат иборат аст. Корхонаҳо зерсоҳаҳои истеҳсоли автомобил, электроника, мошин ва таҷҳизот, кимиё ва дорусозиро дар бар мегиранд. Маълумот дар давраи январ–июни 2024 ҷамъоварӣ шуда, барои таҳлил Partial Least Squares Structural Equation Modeling (PLS-SEM) истифода шудааст.

Барои робитаи истеҳсолоти лоғар бо устувории иқтисодӣ коэффисиенти стандартии роҳ β=0,72, барои устувории экологӣ β=0,65 ва барои устувории иҷтимоӣ β=0,59 гузориш шудааст. Дар ҳамаи се робита \(p<0,001\) мебошад. Муҳаққиқон инчунин таъсири модератории зеҳни сунъиро, ки робитаи истеҳсолоти лоғар–устувориро қавӣ мекунад, ҳамчун β=0,48, p<0,001 гузориш додаанд.

Модел %62 вариатсияи тағйирёбандаи устувории иқтисодӣ, %54 дар устувории экологӣ ва %48 дар устувории иҷтимоиро шарҳ медиҳад. Тибқи тафсири муаллифон, қобилиятҳои зеҳни сунъӣ ба монанди мониторинги вақти воқеӣ, таҳлили пешгӯишаванда, ҷамъоварии маълумот бар асоси IoT ва автоматизатсия метавонанд ҳадафҳои истеҳсолоти лоғарро дар коҳиши исроф, беҳтар кардани истифодаи захираҳо ва такмили пайваста динамиктар гардонанд.

Бо вуҷуди ин, таҳқиқот буришӣ мебошад ва тағйирёбандаҳои асосии истифодашуда аз ҷавобҳои пурсишии намояндагони ширкатҳо гирифта шудаанд. Ин тарҳ метавонад робитаҳои қавии омориро нишон диҳад, аммо худ аз худ исбот намекунад, ки зеҳни сунъӣ тавассути истеҳсолоти лоғар устувориро ба таври сабабӣ зиёд мекунад. Илова бар ин, дар бахши намунагирӣ ва гузоришдиҳӣ дар бораи шумораи пурсишҳо, сатҳи ҷавоб ва фосилаи эътимоди H1 номувофиқиҳои дохилии манбаъ вуҷуд доранд.

Аз нигоҳи Туркия: Дар таҳқиқот ширкате аз Туркия вуҷуд надорад. Натиҷаҳо аз корхонаҳои муайяни истеҳсолӣ дар Аврупои Ҷанубӣ, Марокаш ва Тунис гирифта шудаанд. Гарчанде модел барои истеҳсолкунандагони автомобил, мошин, электроника, кимиё ё дорусозии Туркия ҷолиб аст, азбаски андозаи корхона, камолоти рақамӣ, хароҷоти энергия, сохтори таъминот, сармоягузории AI, салоҳияти кормандон ва муҳити танзимкунанда метавонанд фарқ кунанд, интиқоли мустақими коэффисиентҳо ба Туркия дуруст нест. Эътиборнокӣ дар Туркия бояд бо намунаи маҳаллӣ ва ҳамон модели ченкунӣ алоҳида санҷида шавад.

Чаро истеҳсолоти лоғар ва устуворӣ якҷо омӯхта шуданд?

Ҳадафи асосии равиши истеҳсолоти лоғар кам кардани фаъолиятҳое мебошад, ки ба муштарӣ арзиш намеафзоянд, инчунин коҳиши талафи захираҳо. Дар таҳқиқот махсусан истеҳсоли саривақтӣ (Just-in-Time, JIT), системаи кашиш, Kaizen ва амалияҳои коҳиши исроф таъкид мешаванд.

Устуворӣ танҳо бо натиҷаҳои молиявии корхона маҳдуд нашуда, бо сохтори сеҷонибаи натиҷаҳои иқтисодӣ, экологӣ ва иҷтимоӣ баррасӣ шудааст. Андозаи иқтисодӣ хароҷот ва самаранокии амалиётиро, андозаи экологӣ захираҳо ва таъсири муҳити зистро, андозаи иҷтимоӣ бошад некуаҳволии кормандон, муҳити кор ва масъулияти ҷамъиятиро дар бар мегирад.

Далели асосии муҳаққиқон ин аст, ки ду равиш мантиқи муштарак доранд: истеҳсолоти лоғар кӯшиш мекунад захираи нолозим, интизорӣ, хатогӣ, коркарди зиёдатӣ ва талафи захираҳоро кам кунад, дар ҳоле ки истеҳсолоти устувор низ самаранокии захираҳо ва коҳиши бори экологиро ҳадаф мегирад.

Зеҳни сунъӣ дар ин ҷо чиро иваз мекунад?

Дар модели консептуалии таҳқиқот зеҳни сунъӣ технологияе нест, ки истеҳсолоти лоғарро иваз кунад. Зеҳни сунъӣ ҳамчун модератор модел шудааст.

Модератсия маънои онро дорад, ки як тағйирёбанда бузургии робитаи байни ду тағйирёбандаи дигарро тағйир медиҳад. Сохтори пешниҳодшудаи таҳқиқот дар шакли содда чунин аст:

Истеҳсолоти лоғар → устуворӣ

ва пешниҳод мешавад, ки бо зиёд шудани истифодаи зеҳни сунъӣ ин робита қавитар мегардад.

Муҳаққиқон ин механизмро бо ду чаҳорчӯбаи назариявӣ асоснок мекунанд. Назарияи Қобилиятҳои Динамикӣ ба қобилияти корхонаҳо барои дарк кардани шароити тағйирёбанда, посух додан ба имкониятҳо ва аз нав сохтани амалиётҳо тамаркуз мекунад. Назарияи Системаҳои Сотсио-Техникӣ таъкид мекунад, ки воситаҳои техникӣ бояд дар якҷоягӣ бо кормандон, равандҳои корӣ ва фарҳанги созмонӣ арзёбӣ шаванд.

AI чӣ гуна метавонад истеҳсолоти лоғарро қавӣ кунад?

Дар мақола чор механизми асосӣ барҷаста мешаванд.

• Нигоҳдории пешгӯишаванда: Таҳлили маълумоти сенсор ва мошин барои пешгӯии эҳтимоли вайроншавӣ пеш аз рух додан; коҳиши таваққуфҳои банақшагирифташуда.
• Мониторинги вақти воқеӣ: Назорати пайвастаи энергия, кори мошин, партовҳо ва нишондиҳандаҳои истеҳсолӣ.
• Банақшагирии истеҳсол: Танзими динамиктари барномаҳо вобаста ба тағйири талабот ё халалҳои таъминот.
• Оптимизатсияи занҷири таъминот: Дастгирии қарорҳо дар бораи захира, логистика ва истифодаи захираҳо бо истифода аз маълумоти калон ва таҳлил.

Ин механизмҳо дар модели пурсишии таҳқиқот ҳамчун таҷрибаҳои ҷудогонаи сабабӣ санҷида нашудаанд. Онҳо ҳамчун шарҳи назариявӣ ва амалӣ барои модератори зеҳни сунъӣ истифода мешаванд.

Намунаи таҳқиқот чӣ гуна тақсим шудааст?

Аз рӯи андозаи ширкат, 176 корхона 50–249 корманд, 234 корхона 250–999 корманд ва 118 корхона ҳадди ақал 1000 корманд доранд. Ҳамин тавр, намуна асосан аз корхонаҳои истеҳсолии миёнаҳаҷм иборат аст.

%40,5 иштирокчиён роҳбари амалиёт ё корхона, %18,6 роҳбари устуворӣ, %16,5 масъули истеҳсол, %14,4 роҳбари сифат ва %10 роҳбари сатҳи олӣ мебошанд.

Кадом соҳаҳо омӯхта шуданд?

Дар бахши методи таҳқиқот гуфта мешавад, ки корхонаҳо аз панҷ зерсоҳаи истеҳсолӣ омадаанд:

• автомобил: %32,
• электроника: %24,
• мошин ва таҷҳизот: %19,
• кимиё: %15,
• дорусозӣ: %10.

Барои дохил шудани ширкат ба таҳқиқот шартҳое ба монанди доштани ҳадди ақал 50 корманд, доштани таҷрибаи муайян дар амалияҳои истеҳсолоти лоғар ва гузориш додани истифодаи ҳадди ақал як технологияи зеҳни сунъӣ дар истеҳсолот татбиқ шудаанд.

Чор гипотезаи таҳқиқот

Дар модели таҳқиқот чор гипотеза санҷида шуданд:

• H1: Истеҳсолоти лоғар бо устувории иқтисодӣ робитаи мусбат дорад.
• H2: Истеҳсолоти лоғар бо устувории экологӣ робитаи мусбат дорад.
• H3: Истеҳсолоти лоғар бо устувории иҷтимоӣ робитаи мусбат дорад.
• H4: Зеҳни сунъӣ модераторест, ки робитаи байни истеҳсолоти лоғар ва устувориро қавӣ мекунад.

Таъсирҳои мустақим чӣ қадар қавӣ буданд?

Барои устувории иқтисодӣ баландтарин коэффисиенти мустақими роҳ бо β=0,72 гузориш шудааст. Барои устувории экологӣ коэффисиент β=0,65 ва барои устувории иҷтимоӣ β=0,59 аст. Ҳар се натиҷа аз ҷиҳати оморӣ аҳамиятноканд.

Муҳим аст, ки ин коэффисиентҳо маънои “%72 беҳбудии иқтисодӣ”-ро надоранд. Коэффисиенти стандартии роҳ самт ва бузургии нисбии робитаи байни тағйирёбандаҳоро дар модели сохторӣ нишон медиҳад; он афзоиши фоизии нишондиҳанда нест.

Таъсири модератории AI

Барои таъсири модератории зеҳни сунъӣ манбаъ β=0,48, фосилаи эътимоди bootstrap %95 [0,40; 0,55], t=6,45 ва \(p<0,001\) гузориш мекунад.

Муҳаққиқон инро чунин тафсир мекунанд, ки дар корхонаҳое, ки истифодаи AI баланд аст, робитаи мусбат байни амалияҳои лоғар ва натиҷаҳои устуворӣ қавитар мешавад.

Азбаски ин коэффисиент нисбат ба коэффисиентҳои мустақими H1–H3 нақши омории дигар дорад, дар графики Verianla Live ба ҳамон гурӯҳи сутунҳо илова нашудааст.

Модел чӣ қадар натиҷаҳои устувориро шарҳ медиҳад?

Қиматҳои R² нишон медиҳанд, ки модел %62 вариатсияи мушоҳидашуда дар устувории иқтисодӣ, %54 дар устувории экологӣ ва %48 дар устувории иҷтимоиро шарҳ медиҳад. Мусбат будани ҳамаи қиматҳои Q² дар равиши арзёбии PLS-SEM-и таҳқиқот ҳамчун дастгирӣ барои аҳамияти пешгӯии модел тафсир шудааст.

Андозаи таъсирҳо чӣ нишон дод?

Ин натиҷаҳо нишон медиҳанд, ки муҳаққиқон кӯшиш кардаанд на танҳо ба аҳамияти оморӣ, балки ба бузургии амалии робитаҳо низ назар кунанд.

Оё модели ченкунӣ боэътимод буд?

Дар таҳқиқот қиматҳои Cronbach alpha барои сохторҳои асосӣ байни 0,82 ва 0,90, қиматҳои эътимоднокии таркибӣ байни 0,83 ва 0,92 ва қиматҳои AVE байни 0,56 ва 0,68 гузориш шудаанд.

Гуфта шудааст, ки борҳои фактории бандҳои ченкунӣ дар доираи 0,71–0,88 буда, ҳамаи онҳо аз ҷиҳати оморӣ аҳамият доранд.

Оё ғарази усули умумӣ санҷида шуд?

Азбаски маълумоти пурсиш аз ҳамон иштирокчиён гирифта шудааст, муҳаққиқон барои арзёбии ғарази усули умумӣ аз санҷиши якфактораи Harman истифода бурданд. Дар ҳалли бе гардиш, фактори аввал %32,4 вариатсияи умумиро шарҳ дод ва муҳаққиқон арзёбӣ карданд, ки азбаски ин қимат аз ҳадди %50 паст аст, нишонаи ҷиддии ғарази усули умумӣ вуҷуд надорад.

Ҳамчунин гуфта шудааст, ки тадбирҳои расмӣ ба монанди махфият ва мувозинат кардани тартиби саволҳо истифода шудаанд.

Мутобиқати модел ва мултиколлинеарӣ

Дар манбаъ қимати SRMR 0,058 ва қимати NFI 0,91 гузориш шудааст. Қиматҳои VIF-и тағйирёбандаҳои пешгӯишаванда дар доираи 1,08–2,34 мондаанд. Муҳаққиқон бар асоси ин натиҷаҳо мегӯянд, ки мушкили ҷиддии multicollinearity вуҷуд надорад.

Барои тағйирёбандаи Lean VIF 2,34, барои AI 2,18 ва барои ҷузъи ҳамкории lean-AI 1,56 гузориш шудааст.

Оё тағйирёбандаҳои назоратӣ натиҷаҳоро тағйир доданд?

Андозаи ширкат, соҳа ва кишвар ба модели сохторӣ ҳамчун тағйирёбандаҳои назоратӣ дохил карда шуданд. Дар манбаъ гуфта мешавад, ки андозаи ширкат ба устувории иқтисодӣ таъсири хурди мусбат дорад (тақрибан 0,09; p<0,05), аммо дар натиҷаҳои экологӣ ва иҷтимоӣ аҳамиятнок нест.

Дар зерсоҳаи кимиё барои устувории экологӣ таъсири хурд гузориш шудааст; дар муқоисаи кишварҳо гуфта мешавад, ки сатҳи истифодаи AI дар ширкатҳои Марокаш ва Тунис нисбатан пасттар аст. Бо вуҷуди ин, гуфта мешавад, ки робитаҳои H1–H4 ҳангоми илова шудани тағйирёбандаҳои назоратӣ аҳамият ва бузургии тахминии худро нигоҳ доштаанд.

Тавсияҳои амалии таҳқиқот

Муҳаққиқон махсусан се соҳаи татбиқро таъкид мекунанд:

1. Афзалият додан ба нигоҳдории пешгӯишавандаи AI-дастгир барои коҳиши таваққуфи банақшагирифташуда ва талафи захираҳо.
2. Истифодаи сенсорҳои IoT ва панелҳои таҳлилӣ барои назорати вақти воқеии ҷараёни энергия ва мавод.
3. Рушди саводнокии маълумот ва қобилияти кормандон барои истифодаи системаҳои AI.

Таҳқиқот инчунин арзиши баланди ибтидоии сармоягузории AI, норасоии кормандони соҳибихтисос ва хавфҳои амнияти кибериро ҳамчун монеаҳои муҳими татбиқ муайян мекунад.

Номувофиқии намуна дар манбаъ

Дар шарҳи ҷамъоварии маълумоти таҳқиқот барои як раванд рақамҳое мавҷуданд, ки пурра бо ҳам мувофиқат намекунанд. Аввал гуфта мешавад, ки аз тақрибан 1200 ширкати эҳтимолӣ 680 ширкат ба меъёрҳо ҷавоб додаанд ва ҳамаи 680 ширкат даъват шудаанд. Баъдтар навишта шудааст, ки 700 пурсиш паҳн шуда ва 540 пурсиш баргаштааст.

Манбаъ барои ин 540 бозгашт сатҳи ҷавоби %90-ро медиҳад; аммо 540/700 тақрибан %77,1 мебошад. Агар махраҷ 680 ширкати даъватшуда бошад, таносуб тақрибан %79,4 мешавад. Аз ин рӯ, ибораи %90 бо рақамҳои дигари додашуда аз ҷиҳати математикӣ мувофиқат намекунад.

Азбаски намунаи ниҳоии таҳлил 528 аст, чӣ гуна 12 сабт аз 540 ҷавоб хориҷ ё ғайриқобили истифода ҳисобида шудааст, бо ҷадвали муфассали ҷараёни иштирокчиён шарҳ дода нашудааст. Дар ин матни Verianla ҳеҷ яке аз рақамҳо хомӯшона тағйир дода нашудааст.

Мушкил дар фосилаи эътимоди H1

Дар Ҷадвали 5 барои H1 коэффисиенти стандартӣ β=0,72 дода шудааст, дар ҳоле ки фосилаи эътимоди bootstrap %95 [0,57; 0,71] мебошад. Барои ҳамон параметр интизор намешавад, ки баҳодиҳии нуқтавӣ берун аз фосилаи эътимоди гузоришшуда бошад.

Аз ин рӯ, бар асоси манбаъ муайян кардан мумкин нест, ки β=0,72 ё фосилаи эътимод кадомаш нодуруст аст. Ҳангоми баёни натиҷаи асосии мақола β ва қимати p-и гузоришшуда нигоҳ дошта шудаанд ва фосилаи эътимоди эҳтимолан нодуруст ба таври қатъӣ аз нав навишта нашудааст.

Фарқи “Robust regression” ва PLS-SEM

Дар хулоса гуфта мешавад, ки таҳқиқот “robust regression model” истифода кардааст, дар ҳоле ки бахши метод PLS-SEM тавассути SmartPLS, моделҳои ченкунии рефлективӣ, bootstrap ва таҳлили роҳҳои сохториро тавсиф мекунад. Натиҷаҳо низ тавассути коэффисиентҳои роҳ β, R², Q², SRMR, NFI ва f² гузориш шудаанд.

Аз ин рӯ, мувофиқи бахшҳои муфассали метод ва натиҷаҳои таҳқиқот, чаҳорчӯбаи асосии оморӣ PLS-SEM мебошад. Ибораи “robust regression” бояд ҳамчун номувофиқии истилоҳотии дохили манбаъ арзёбӣ шавад.

Натиҷаҳое, ки таҳқиқот дастгирӣ мекунад

• Дар 528 ширкати истеҳсолии омӯхташуда нишондиҳандаҳои истеҳсолоти лоғар бо нишондиҳандаҳои устувории иқтисодӣ, экологӣ ва иҷтимоӣ робитаи мусбат доранд.
• Коэффисиенти стандартии роҳ ба устувории иқтисодӣ дар байни се робитаи мустақим баландтарин аст.
• Ҷузъи ҳамкории AI мусбат ва аз ҷиҳати оморӣ аҳамиятнок аст; манбаъ инро ҳамчун қавӣ шудани робитаи лоғар–устуворӣ аз ҷониби AI тафсир мекунад.
• Вариатсияи шарҳдодаи модел барои устувории иқтисодӣ %62, экологӣ %54 ва иҷтимоӣ %48 гузориш шудааст.
• Қиматҳои гузоришшудаи Cronbach alpha, CR ва AVE барои сохторҳои ченкунӣ ҳаддҳои қабулкардаи таҳқиқотро қонеъ мекунанд.

Натиҷаҳое, ки таҳқиқот исбот намекунад

• Исбот нашудааст, ки ҳар корхонаи истеҳсолие, ки ба AI сармоягузорӣ мекунад, ба таври худкор нишондиҳандаи устувориашро беҳтар мекунад.
• Қимати β=0,72 маънои онро надорад, ки нишондиҳандаи иқтисодӣ %72 зиёд шудааст.
• Тарҳи пурсишии буришӣ худ аз худ нишон намедиҳад, ки AI сабаби қатъии беҳбуди устуворӣ мебошад.
• Нишон дода нашудааст, ки натиҷаҳо ба бахшҳои хизматрасонӣ ё давлатӣ берун аз истеҳсолот бо ҳамон коэффисиентҳо умумӣ мешаванд.
• Барои корхонаҳои Туркия санҷида нашудааст, ки ҳамон натиҷаҳо ба даст меоянд.
• Санҷида нашудааст, ки алгоритми муайяни AI, системаи сенсор ё платформаи роботӣ аз дигарон бартарӣ дорад.

Усул ва Натиҷаҳои Таҳқиқот

Тарҳи таҳқиқот

Таҳқиқот пурсиши миқдорӣ ва буришӣ мебошад. Маълумот байни январ ва июни 2024 аз корхонаҳои истеҳсолии Италия, Испания, Португалия, Марокаш ва Тунис ҷамъоварӣ шудааст.

Усули намунагирӣ намунагирии мақсаднок мебошад. Ширкатҳо тавассути рӯйхатҳои аъзои иттиҳодияҳои соҳавӣ, пойгоҳи тиҷоратии ширкатҳои Orbis Europe ва иштирокчиёни лоиҳаҳои қаблии Industry 4.0 муайян шуданд.

Меъёрҳои дохилкунӣ

• Фаъолият дар бахши истеҳсолот.
• Мансуб будан ба яке аз зерсоҳаҳои автомобил, электроника, мошин/таҷҳизот, кимиё ё дорусозӣ.
• Доштани ҳадди ақал 50 корманд.
• Доштани таҷрибаи муайян дар амалияҳои истеҳсолоти лоғар.
• Гузориш додани истифодаи ҳадди ақал як технологияи AI дар равандҳои истеҳсолӣ.
• Фаъолият дар яке аз панҷ кишвари муайяншуда.

Шкалаи пурсиш

Иштирокчиён изҳоротро бо шкалаи панҷбаллии Likert аз 1="Тамоман розӣ нестам" то 5="Комилан розӣ ҳастам" арзёбӣ карданд.

Сохторҳои асосӣ:

• Принсипҳои истеҳсолоти лоғар: амалияҳо ба монанди коҳиши исроф, JIT, системаи кашиш ва Kaizen.
• Ҳадафҳои устуворӣ: натиҷаҳои иқтисодӣ, экологӣ ва иҷтимоӣ.
• Технологияҳои AI: таҳлили пешгӯишаванда, мониторинг, пешгӯӣ, таҳлил, оптимизатсия, автоматизатсия ва ҳамкорӣ.

Шкалаҳо аз таҳқиқоти мавҷудаи адабиёт мутобиқ карда шуданд; барои татбиқҳои ғайрианглисӣ тарҷума ва тарҷумаи бозгашт анҷом дода шуд ва шкала бо 15 мутахассиси соҳа/академик пешакӣ санҷида шуд.

Таҳлили PLS-SEM

Сабаби истифодаи PLS-SEM дар таҳқиқот ҳамчун сохтори иктишофии таҳқиқот, мураккабии модели дорои таъсири модератсия ва чандирии нисбӣ нисбат ба фарзияҳои тақсимот шарҳ дода мешавад.

Дар модел ҳамаи сохторҳо ҳамчун рефлективӣ муайян шудаанд.

Меъёрҳои модели ченкунӣ

Модели сохторӣ ва натиҷаҳои гипотеза

Фосилаи эътимоди %95 барои H1, ки дар манбаъ дода шудааст, [0,57; 0,71] буда, бо β=0,72 номувофиқ аст. Барои H2 [0,57; 0,71], H3 [0,51; 0,66] ва H4 [0,40; 0,55] гузориш шудаанд.

Bootstrap ва арзёбии пешгӯӣ

Барои арзёбии коэффисиентҳо bootstrap бо 5000 бознамунагирӣ истифода шудааст. Дар манбаъ қиматҳои Q² барои устувории иқтисодӣ, экологӣ ва иҷтимоӣ мутаносибан 0,58, 0,50 ва 0,44 дода шудаанд.

Нишондиҳандаҳои мутобиқати модел

Манбаъ қимати RMS theta=0,12-ро ҳамчун “поёнтар аз ҳадди мушкили 0,12” тавсиф мекунад. Азбаски аз ҷиҳати рақамӣ қимат баробар аст, ин изҳорот бояд ҳамон тавре ки дар манбаъ гузориш шудааст, арзёбӣ шавад.

Тағйирёбандаҳои назоратӣ

Дар модел андозаи ширкат, зерсоҳаи саноат ва кишвар ҳамчун тағйирёбандаҳои назоратӣ истифода шуданд. Андозаи ширкат бо логарифми шумораи кормандон, соҳа ва кишвар бо тағйирёбандаҳои dummy модел шуданд. Соҳаи автомобил барои соҳа ва Италия барои кишвар категорияи истинод мебошанд.

Нармафзорҳои истифодашуда

• Модели сохторӣ: SmartPLS
• Омори тавсифӣ: SPSS
• Намоиши графикӣ: Python ва Tableau

Маҳдудиятҳои асосии методологии таҳқиқот

Маҳдудияти аввал тарҳи буришӣ мебошад. Азбаски тағйирёбандаҳо дар як давраи вақт чен шудаанд, тағйири дарозмуддат ва самти сабабӣ пурра нишон дода намешавад.

Маҳдудияти дуюм намунагирии мақсаднок мебошад. Ба таҳқиқот ворид шудани ширкатҳое, ки аллакай дар истеҳсолоти лоғар ва истифодаи AI таҷрибаи муайян доранд, умумисозии натиҷаҳоро ба ҳамаи корхонаҳои истеҳсолие, ки AI истифода намекунанд ё камолоти лоғарашон паст аст, маҳдуд мекунад.

Маҳдудияти сеюм он аст, ки таҳқиқот танҳо бахши истеҳсолотро дар бар мегирад. Барои бахши хизматрасонӣ ва ташкилотҳои давлатӣ натиҷаҳо бояд алоҳида санҷида шаванд.

Маҳдудияти чорум чен кардани амалияҳои ширкат тавассути пурсишҳои роҳбарон мебошад. Дар таҳқиқот ҳамон модел бо истифода аз силсилаҳои объективии маълумоти амалиётӣ аз хатти истеҳсол, ба монанди истеъмоли энергия, партов, эмиссияи карбон, вақти таваққуф ё хароҷот, тасдиқ нашудааст.

Панҷум, номувофиқиҳои дохилии манбаъ дар намуна ва фосилаи эътимод талаб мекунанд, ки натиҷаҳои методологии гузоришшуда бо эҳтиёт тафсир шаванд.

Ёддошт оид ба Манбаъ ва Усул

Номи пурраи аслии таҳқиқот: Artificial Intelligence: Accelerating Innovation in Sustainable Lean Production Systems

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

Тартиби муаллифон: Тартиби дар манбаъ додашуда бетағйир нигоҳ дошта шудааст.

Саҳми баробар/ҳаммуаллифии аввал: Дар манбаъ изҳороти саҳми баробар ё ҳаммуаллифии аввал вуҷуд надорад.

Муаллифи масъул: Mustapha Jebor.

Муассисаҳо: 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.

Навъи манбаъ ва тақриз: Мақолаи аслии эмпирикии тақризшуда, ки дар маҷаллаи Administrative Sciences нашр шудааст.

Маҷалла: Administrative Sciences

Ҷилд / шумора / рақами мақола: 16 / 4 / 178

Соли нашр: 2026

Санаи қабул: 29 декабри 2025

Санаи бозбинӣ: 8 марти 2026

Санаи қабул шудан: 31 марти 2026

Санаи нашр: 7 апрели 2026

DOI: 10.3390/admsci16040178

Ношир: MDPI, Basel, Switzerland.

Пайванди расмии манбаъ:Саҳифаи расмии мақола дар Administrative Sciences / MDPI

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

Маблағгузорӣ: Муаллифон гузориш додаанд, ки таҳқиқот маблағгузории беруна нагирифтааст.

Кумитаи ахлоқ: Муаллифон гуфтаанд, ки азбаски таҳқиқот аз маълумоти пурсишии созмонии беном иборат аст ва маълумоти ҳассос ё шахсияти муайяншаванда, дахолати тиббӣ, намунаи биологӣ, маълумоти махсуси саломатӣ, гурӯҳи осебпазир ё фиребро дар бар намегирад, мувофиқи принсипҳои миллии таҳқиқотӣ ва амалияҳои академии дахлдор дар Марокаш тасдиқи расмии кумитаи ахлоқ зарур набуд.

Розигии огоҳона: Таҳқиқот гузориш медиҳад, ки аз ҳамаи иштирокчиён розигии огоҳона гирифта шудааст.

Дастрасии маълумот: Гуфта мешавад, ки саҳмҳои аслии таҳқиқот дар дохили мақола ҷой доранд ва саволҳои иловагӣ метавонанд ба муаллифи масъул ирсол шаванд.

Таъارضи манфиатҳо: Муаллифон таъارضи манфиатҳоро гузориш надодаанд.

Саҳми муаллифон: Консептуализатсия Mustapha Jebor; методология Mustapha Jebor, Hanaa Hachimi, Ikhlef Jebbor ва Zoubida Benmamoun; таҳлили расмӣ Mustapha Jebor ва Zoubida Benmamoun; таҳқиқ Mustapha Jebor, Hanaa Hachimi, Ikhlef Jebbor ва Zoubida Benmamoun; куратсияи маълумот Mustapha Jebor; тарҳи аслӣ аз ҷониби Mustapha Jebor анҷом дода шудааст. Саҳмҳои дигар мувофиқи баёнияи саҳми муаллифон дар манбаъ тақсим шудаанд.

Усули асосӣ: Таҳлили PLS-SEM бо модели ченкунии рефлективӣ дар маълумоти пурсишии панҷбаллии Likert аз ширкатҳои истеҳсолии панҷ кишвар; санҷиши модератсия; bootstrap бо 5000 намуна; андозаи ширкат, соҳа ва кишвар ҳамчун тағйирёбандаҳои назоратӣ.

Ёддоштҳои муҳими дохилии манбаъ: Гарчанде хулоса ибораи “robust regression”-ро истифода мебарад, бахшҳои метод ва натиҷа PLS-SEM-ро тавсиф мекунанд. Сатҳи ҷавоби %90 барои 540 ҷавоб аз 700 пурсиш аз ҷиҳати математикӣ мувофиқат намекунад. Пештар гуфта шудани даъвати 680 ширкати мувофиқ низ бо ибораи 700 пурсиш пурра шарҳ дода намешавад. Ҷараёни хориҷкунӣ то N=528 ба таври муфассал дода нашудааст. Илова бар ин, қимати β=0,72 барои H1 берун аз фосилаи эътимоди [0,57; 0,71], ки дар ҳамон сатр дода шудааст, меафтад. Ин қиматҳо аз ҷониби Verianla тағйир дода нашудаанд ва номувофиқиҳои дохилии манбаъ ошкоро нигоҳ дошта шудаанд.

Усули таҳқиқот, маълумоти намуна, коэффисиентҳо, натиҷаҳои модел ва ҳудуди тафсир дар ин муҳтавои Verianla танҳо ба таҳқиқоти баррасишуда асос меёбанд. Манбаи беруна танҳо барои тасдиқи сабти библиографӣ ва мақоми тақризии маҷалла истифода шудааст.

Гарчанде таҳқиқот робитаҳои қавӣ ва аз ҷиҳати оморӣ аҳамиятнок гузориш мекунад, бо сабаби тарҳи пурсишии буришӣ, намунагирии мақсаднок ва сохтори худгузоришӣ натиҷаҳо набояд ҳамчун далели таҷрибавии сабабӣ тафсир шаванд. Таъсири равиши истеҳсолоти лоғари AI-дастгире, ки таҳқиқот пешниҳод мекунад, ба нишондиҳандаҳои объективии энергия, эмиссия, партов, хароҷот ё маҳсулнокӣ бояд дар давоми вақт бо таҳқиқоти ҷудогонаи дарозмуддат ё таҷрибавӣ тасдиқ шавад.