پیوندهای مفید
آمار
| تعداد نشریات | 21 |
| تعداد شماره‌ها | 671 |
| تعداد مقالات | 9,774 |
| تعداد مشاهده مقاله | 69,543,964 |
| تعداد دریافت فایل اصل مقاله | 48,658,716 |
بازشناسی و رتبه‌بندی پیشران‌های بهسازی و توسعه کاربست هوش مصنوعی در زنجیره ارزش صنعت نفت و گاز ج.ا.ایران | ||
| مدیریت زنجیره ارزش راهبردی | ||
| مقاله 4، دوره 2، شماره 1 - شماره پیاپی 4، خرداد 1404، صفحه 59-85 اصل مقاله (2.04 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22075/svcm.2025.38434.1033 | ||
| نویسندگان | ||
| حسین حمزوی* 1؛ جمشید صالحی صدقیانی2؛ رضا آذرپرا3 | ||
| 1کارشناسی ارشد مدیریت دولتی، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبائی، تهران، ایران. | ||
| 2استاد، گروه مدیریت صنعتی، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبائی، تهران، ایران. | ||
| 3کارشناسی ارشد مدیریت بازرگانی، دانشکدگان مدیریت، دانشگاه تهران، تهران، ایران. | ||
| تاریخ دریافت: 01 مرداد 1404، تاریخ بازنگری: 14 مرداد 1404، تاریخ پذیرش: 21 مرداد 1404 | ||
| چکیده | ||
| سابقه و هدف: امروزه، فناوری هوش مصنوعی از طریق تمرکز بر الگوریتم‌های مبتنی بر هوشمندسازی فرآیندهای عملیاتی با پیش‌بینی دقیق‌تر ریسک‌ها و نگهداری پیشگیرانه، موجب افزایش ایمنی و کاهش توقفات ناگهانی در فرآیندهای تولید و انتقال در زنجیره ارزش صنایع نفت و گاز می‌گردد. لذا، هدف از انجام این پژوهش، بازشناسی و رتبه‌بندی پیشران‌های بهسازی و توسعه کاربست هوش مصنوعی در زنجیره ارزش صنعت نفت و گاز ج.ا.ایران بود. روش: پژوهش حاضر از نظر روش انجام، بر پایه تحلیل ماتریس اثرات متقابل ساختاری با رویکرد آینده‌پژوهی راهبردی و از نظر هدف از نوع توسعه‌ای-کاربردی است. جامعه آماری این پژوهش از 30 نفر از خبرگان دانشگاهی و مدیران عالی صنعت نفت و گاز ج.ا.ایران تشکیل شده است. داده‌های این پژوهش از طریق مطالعات کتابخانه‌ای، مصاحبه ساختاریافته و پرسشنامه کیفی امتیازدهی از صفر تا سه طبق ماتریس اثرات متقابل ساختاری جمع‌آوری شده و با نرم‌افزار آماری میک‌مک تجزیه و تحلیل شده‌اند. یافته‌ها: یافته‌های این پژوهش نشان داد که پیشران‌های بهبود تعامل و همکاری میان واحدهای فناوری اطلاعات و بخش‌های عملیاتی و راهبردی، جذب، آموزش و توسعه نیروی انسانی متخصص نیروی در حوزه‌های هوش مصنوعی و مهندسی نفت و گاز، زمینه‌سازی قابلیت ادغام سامانه‌های هوشمند با فرآیندهای عملیاتی و تجهیزات موجود در صنعت به عنوان پیشران‌های تأثیرگذار( نفوذ) هستند. نتیجه‌گیری: نتایج این پژوهش نشان داد که بازشناسی و رتبه‌بندی پیشران‌های بهسازی و توسعه کاربست هوش مصنوعی در زنجیره ارزش صنعت نفت و گاز ج.ا.ایران با رویکرد آینده‌پژوهی راهبردی می‌تواند زمینه‌ساز شناسایی فرصت‌ها و تهدیدهای پیش‌رو شود. | ||
| کلیدواژه‌ها | ||
| هوش مصنوعی؛ زنجیره ارزش؛ صنعت نفت و گاز؛ رهیافت آینده‌پژوهشی راهبردی | ||
| عنوان مقاله [English] | ||
| Identifying and ranking the drivers for improving and developing the application of artificial intelligence in the Iranian oil and gas industry value chain | ||
| نویسندگان [English] | ||
| hossein hamzavi1؛ Jamshid Salehi Sadaghyani2؛ Reza Azarpara3 | ||
| 1Master of Public Administration, Faculty of Management and Accounting, Allameh Tabatabaei University, Tehran, Iran. | ||
| 2Associate Professor, Department of Business Administration, Faculty of Management and Accounting, Allameh Tabatabai University, Tehran, Iran. | ||
| 3Master of Business Administration, School of Management, University of Tehran, Tehran, Iran. | ||
| چکیده [English] | ||
| Background and Objectives: Today, artificial intelligence technology, by focusing on algorithms based on the intelligentization of operational processes with more accurate risk prediction and preventive maintenance, increases safety and reduces sudden stops in production and transmission processes in the value chain of the oil and gas industry. Therefore, the purpose of this research was to identify and rank the drivers of improvement and development of the application of artificial intelligence in the value chain of the oil and gas industry in the Republic of Iran. Materials and Methods: In terms of the method of conduct, the present study is based on structural interaction matrix analysis with a strategic futures research approach and in terms of the purpose, it is of a developmental-applied type. The statistical population of this study consists of 30 academic experts and senior managers of the oil and gas industry in the Republic of Iran. The data of this study were collected through library studies, structured interviews, and a qualitative questionnaire rated from zero to three according to the structural interaction matrix and analyzed with the MICMAC statistical software. Results: The findings of this study showed that the drivers of improving interaction and cooperation between IT units and operational and strategic departments, attracting, training and developing human resources specialized in the fields of artificial intelligence and oil and gas engineering, and establishing the ability to integrate smart systems with operational processes and equipment in the industry are influential drivers (influence). Conclusion: The results of this study showed that identifying and ranking the drivers of improvement and development of the application of artificial intelligence in the value chain of the Iranian oil and gas industry with a strategic futures research approach can pave the way for identifying upcoming opportunities and threats. | ||
| کلیدواژه‌ها [English] | ||
| Artificial Intelligence, Value Chain, Oil and Gas Industry, Strategic Futures Approach | ||
| مراجع | ||
|
منابع اسحاقی گرجی، مجید، زارعی، عظیم اله، حمزوی، حسین، اسدبک، مهدی و محمدی شیر کلایی، حسینعلی. (1403). اولویت‌بندی مسائل سیاست زیست‌محیطی جمهوری اسلامی ایران. حکمرانی و توسعه، 4(1)، 74-92. doi:10.22111/jipaa.2024.447250.1166 بخشی زاده برج، کبری، حمزوی، حسین و جمالی، محمدامین. (1403). شناسایی و اولویت‌بندی پیشران‌های بهینه‌سازی زنجیره ارزش پایدار صنعت پتروشیمی ایران با رویکرد آینده‌نگاری راهبردی. مدیریت زنجیره ارزش راهبردی، 1(3)، 1-26. doi: 10.22075/svcm.2025.36996.1024 جلالی، سید حسین، خلیل نژاد، شهرام و گل محمدی، عماد . (1397). قابلیت‌های استراتژیک در صنعت نفت و گاز: مطالعه‌ای در بخش میان‌دستی. مدیریت نوآوری، 7(4)، 51-80. https://www.nowavari.ir/article_90185.html حمزوی، حسین، کاملی، محمدجواد و صالحی صدقیانی، جمشید. (1404). آینده‌پژوهشی تأثیرگذارترین و تأثیرپذیرترین عوامل مؤثر بر ترویج و ارتقای فرهنگ حفاظت از محیط‌زیست در سازمان‌های دولتی ج.ا.ایران. فصلنامه مدیریت و حقوق محیط زیست، 4(2).36- https://sanad.iau.ir/Journal/jeml/Article/1211146 حمزوی، حسین، همتی فر، محمد، فتوت، بنفشه و حسینی، سیده مرضیه. (1404). شناسایی و اولویت‌بندی پیشران‌های راهبردی توسعه شایستگی‌های رفتاری کارکنان نسل Z در سازمان‌های دولتی با رهیافت آینده‌پژوهشی. مدیریت دولتی تطبیقی، 3(1). doi: 10.22098/cpa.2025.17291.1068 رضایی‌منش، بهروز، حمزوی، حسین و حسینی، سیده مرضیه. (1404). شناسایی و رتبه‌بندی پیشران‌های بهینه‌سازی عملکرد پایدار سازمان‌های نفت و گاز و پتروشیمی با رویکرد آینده‌پژوهی. پژوهش‌های نوین در ارزیابی عملکرد. 4(1)، 11-26. doi: 10.22105/mrpe.2025.506185.1146 صادقی راد، محمد حسین و زمانیان، علیرضا و نیک اختر، یوسف. (1404). هوش مصنوعی در شرکت های بزرگ نفت، گاز و پتروشیمی،یازدهمین کنفرانس بین المللی مهندسی برق، کامپیوتر، مکانیک و هوش مصنوعی،مشهد ،https://civilica.com/doc/2294655 غالمعلی پور، افشین. (1401). راهبردها و الزامات توسعه زنجیره ارزش نفت و گاز . اندیشکده اقتصاد مقاومتی. شناسه 140101119. محمدی، مهدی، حیدری دهویی، جلیل و احمدی، عاطفه. (1402). شناسایی و اولویت‌بندی کاربردهای هوش مصنوعی در زنجیره تأمین4.0 (مورد مطالعه صنعت خرده‌فروشی). مدیریت توسعه فناوری، 11(4)، 78-106. doi: 10.22104/jtdm.2024.6904.3317 هوشمند، حمید، علی آبادیان، علی و بحری، امیرمهدی. (1403). نقش هوش مصنوعی در تحول دیجیتال زنجیره ارزش کشتی سازی، اولین کنفرانس بین المللی دوسالانه هوش مصنوعی و علوم داده، بوشهر.https://civilica.com/doc/2008122
References Abdelmeguid, A., Afy-Shararah, M., & Salonitis, K. (2024). Towards circular fashion: Management strategies promoting circular behaviour along the value chain. Sustainable Production and Consumption, 48, 143-156. https://doi.org/10.1016/j.spc.2024.05.010 Abu, Z., Aun, I. I., & Oluwasanmi, O. O. (2018). Technology transfer and entrepreneurial development in the value chain system of the Nigerian oil and gas industry. Pacific Journal of Science and Technology, 19(1), 50-54. https://doi.org/10.2118/207091-ms Ahmed, S. R., Baghdadi, R., Bernadskiy, M., Bowman, N., Braid, R., Carr, J., ... & Harris, N. C. (2025). Universal photonic artificial intelligence acceleration. Nature, 640(8058), 368-374. https://doi.org/10.1038/s41586-025-08854-x Al-Haji, Y. K., & Bakar, S. B. (2024). Factors that Influence AI Investment Decisions in Oman's Hydrocarbons Industry: A Review of the Theoretical Literature and Proposed Theoretical Model. Quality-Access to Success, 25(200). http://dx.doi.org/10.57239/PJLSS-2024-22.2.00250 Aliyu, R., Mokhtar, A. A., & Hussin, H. (2022). Prognostic health management of pumps using artificial intelligence in the oil and gas sector: a review. Applied Sciences, 12(22), 11691. http://dx.doi.org/10.3390/app122211691 Almarashda, H. A. H. A., Baba, I. B., Ramli, A. A., Memon, A. H., & Rahman, I. A. (2021). Human Resource Management and Technology Development in Artificial Intelligence Adoption in the UAE Energy Sector. Journal of Applied Engineering Sciences, 11(2). https://doi.org/10.2478/jaes-2021-0010 Assimakopoulos, F., Vassilakis, C., Margaris, D., Kotis, K., & Spiliotopoulos, D. (2024). Artificial intelligence tools for the agriculture value chain: Status and prospects. Electronics, 13(22), 4362. https://doi.org/10.3390/electronics13224362 Chandra, Y., & Feng, N. (2025). Algorithms for a new season? Mapping a decade of research on the artificial intelligence-driven digital transformation of public administration. Public Management Review, 1-35. http://dx.doi.org/10.1080/14719037.2025.2450680 Choubey, S., & Karmakar, G. P. (2021). Artificial intelligence techniques and their application in oil and gas industry. Artificial Intelligence Review, 54(5), 3665-3683. https://link.springer.com/article/10.1007/s10462-020-09935-1 Eisenreich, A., Füller, J., Stuchtey, M., & Gimenez-Jimenez, D. (2022). Toward a circular value chain: Impact of the circular economy on a company's value chain processes. Journal of Cleaner Production, 378, 134375. https://doi.org/10.1016/j.jclepro.2022.134375 Esteban‐Amaro, R., Estelles‐Miguel, S., Lengua, I., Yannou, B., & Bouillass, G. (2025). Assessing circularity and sustainability of a value chain: A systematic literature review. Business Strategy and the Environment, 34(1), 634-647. http://dx.doi.org/10.1002/bse.4009 Fadeev, A., Komendantova, N., Cherepovitsyn, A., Tsvetkova, A., & Paramonov, I. (2021). Methods and priorities for human resource planning in oil and gas projects in Russia and OPEC. OPEC Energy Review, 45(3), 365-389. https://doi.org/10.1111/opec.12213 Favour, D. A. (2024). Petroleum Industry Value Chain Optimization: the Inevitability of Artificial Intelligence and Data Science in Midstream and Downstream Development. In SPE Nigeria Annual International Conference and Exhibition (p. D032S029R002). http://dx.doi.org/10.54660/.IJMRGE.2022.3.1.1075-1086 Ganeshkumar, C., Jena, S. K., Sivakumar, A., & Nambirajan, T. (2023). Artificial intelligence in agricultural value chain: review and future directions. Journal of Agribusiness in Developing and Emerging Economies, 13(3), 379-398. http://dx.doi.org/10.1108/JADEE-07-2020-0140 Hussain, M., Alamri, A., Zhang, T., & Jamil, I. (2024). Application of artificial intelligence in the oil and gas industry. In Engineering applications of artificial intelligence (pp. 341-373). http://dx.doi.org/10.56726/IRJMETS57687 Huynh-The, T., Pham, Q. V., Pham, X. Q., Nguyen, T. T., Han, Z., & Kim, D. S. (2023). Artificial intelligence for the metaverse: A survey. Engineering Applications of Artificial Intelligence, 117, 105581. https://doi.org/10.1016/j.engappai.2022.105581 John, A. O., & Oyeyemi, B. B. (2022). The Role of AI in Oil and Gas Supply Chain Optimization. International Journal of Multidisciplinary Research and Growth Evaluation, 3(1), 1075-1086. http://dx.doi.org/10.54660/.IJMRGE.2022.3.1.1075-1086 Kitsios, F., & Kamariotou, M. (2021). Artificial intelligence and business strategy towards digital transformation: A research agenda. Sustainability, 13(4), 2025. http://dx.doi.org/10.3390/su13042025 Koroteev, D., & Tekic, Z. (2021). Artificial intelligence in oil and gas upstream: Trends, challenges, and scenarios for the future. Energy and AI, 3, 100041. https://doi.org/10.1016/j.egyai.2020.100041 Mayer, N., Gandhi, S. J., & Hecht, D. (2019). AN Understanding of artificial intelligence applications in the automotive industry value chain. In Proceedings of the International Annual Conference of the American Society for Engineering Management. (pp. 1-10). http://dx.doi.org/10.14445/23488379/IJEEE-V12I5P126 Ochieng, E. G., Ominde, D., & Zuofa, T. (2024). Potential application of generative artificial intelligence and machine learning algorithm in oil and gas sector: Benefits and future prospects. Technology in Society, 79, 102710. http://dx.doi.org/10.1016/j.techsoc.2024.102710 Oyekunle, D., & Boohene, D. (2024). Digital transformation potential: The role of artificial intelligence in business. International Journal of Professional Business Review: Int. J. Prof. Bus. Rev., 9(3), 1. http://dx.doi.org/10.26668/businessreview/2024.v9i3.4499 Razmak, J., Refae, G. A. E., & Farhan, W. (2025). The role of AI applications in production and operations management: complementing or replacing human labour. International Journal of Economics and Business Research, 29(13), 1-28. http://dx.doi.org/10.1504/IJEBR.2025.146325 Selvik, J. T., Stanley, I., & Abrahamsen, E. B. (2020). SMART criteria for quality assessment of key performance indicators used in the oil and gas industry. International Journal of Performability Engineering, 16(7), 999. http://dx.doi.org/10.23940/ijpe.20.07.p2.9991007 Singh, H., Li, C., Cheng, P., Wang, X., Hao, G., & Liu, Q. (2023). Real-time optimization and decarbonization of oil and gas production value chain enabled by industry 4.0 technologies: a critical review. SPE Production & Operations, 38(03), 433-451. http://dx.doi.org/10.2118/214301-PA Sircar, A., Yadav, K., Rayavarapu, K., Bist, N., & Oza, H. (2021). Application of machine learning and artificial intelligence in oil and gas industry. Petroleum Research, 6(4), 379-391. https://doi.org/10.1016/j.ptlrs.2021.05.009 Temizel, C., Canbaz, C. H., Palabiyik, Y., Putra, D., Asena, A., Ranjith, R., & Jongkittinarukorn, K. (2019, March). A comprehensive review of smart/intelligent oilfield technologies and applications in the oil and gas industry. In SPE Middle East Oil and Gas Show and Conference (p. D042S087R001). http://dx.doi.org/10.2118/195095-MS Wanasinghe, T. R., Wroblewski, L., Petersen, B. K., Gosine, R. G., James, L. A., De Silva, O., ... & Warrian, P. J. (2020). Digital twin for the oil and gas industry: Overview, research trends, opportunities, and challenges. IEEE access, 8, 104175-104197. http://dx.doi.org/10.1109/ACCESS.2020.2998723 Zakizadeh, M., & Zand, M. (2024). Revolutionizing Oil & Gas: A Comprehensive Review of Smartening Technologies in the oil & Gas Industry. In Proceedings of the International Conference of New Technologies in Oil, Gas and Petrochemical Engineering in Iran, Tehran, Iran (pp. 22-23). Zhang, L., & Wang, J. (2023). Intelligent safe operation and maintenance of oil and gas production systems: Connotations and key technologies. Natural Gas Industry B, 10(3), 293-303. http://dx.doi.org/10.1016/j.ngib.2023.05.006
References [In Persian] Bakhshizadeh Borj, K., Hamzavi, H. & Jamali, M. (2025). Identifying and prioritizing drivers for optimizing the sustainable value chain of Iran's petrochemical industry with a strategic foresight approach. Strategic Value Chain Management, 1(3), 1-26. doi: 10.22075/svcm.2025.36996.1024 Eshaghi Gordji, M., Zarei, A.A., Hamzavi, H., Asadbak, M., & Mohammadi Shir Kalai, H. (2024). Prioritizing Environmental Policy Issues of the Islamic Republic of Iran. Governance and Development Journal, 4(1), 75-92. doi:10.22111/jipaa.2024.447250.1166 Gholamalipour, A. (2022). Strategies and Requirements for Developing the Oil and Gas Value Chain. Resistance Economics Think Tank. ID 140101119. Hamzavi, H., Hemmatifar, M., fotovat, B. & Hosseini, S. M. (2025). Identifying and prioritizing strategic drivers for developing behavioral competencies of Generation Z employees in government organizations with a futures research approach. Comparative Public Administration, 3(1). doi: 10.22098/cpa.2025.17291.1068 Hamzavi, H., Kameli, M.J. & Salehi Sedqiani, J.M. (2025). Future research on the most influential and influential factors affecting the promotion and enhancement of environmental protection culture in government organizations in the Republic of Iran. Environmental Management and Law, 4(2), 36-55. https://sanad.iau.ir/Journal/jeml/Article/1211146 Houshmand, H., Ali Abadian, A., & Bahri, A.M. (2024). The Role of Artificial Intelligence in the Digital Transformation of the Shipbuilding Value Chain, 1st International Biennial Conference of Artificial Intelligence and Data Science, Bushehr. https://civilica.com/doc/2008122 Jalali, S. H., Khalil Nezhad, S. & golmohammadi, E. (2019). Strategic Capabilities in the Oil and Gas Industry: A Study in the Midstream Sector. Innovation Management Journal, 7(4), 51-80. https://www.nowavari.ir/article_90185.html Mohammadi, M., Heidaryd Dahooie, J. & Ahmadi, A. (2024). Identification and prioritization of artificial intelligence applications in supply chain 4.0 (retail industry case study). Journal of Technology Development Management, 11(4), 78-106. doi: 10.22104/jtdm.2024.6904.3317 RezaeiManesh, B., Hamzavi, H., & Hosseini, S. M. (2025). Identifying and prioritizing drivers for optimizing sustainable performance of oil, gas and petrochemical organizations with a futures research approach. Modern Research in Performance Evaluation. 4(1), 11-26. doi: 10.22105/mrpe.2025.506185.1146 Sadeghi Rad, M.H. & Zamanian, A. & Nik Akhtar, Y. (2025). Artificial Intelligence in Large Oil, Gas and Petrochemical Companies, 11th International Conference on Electrical, Computer, Mechanical and Artificial Intelligence Engineering, Mashhad, https://civilica.com/doc/2294655 | ||
|
آمار تعداد مشاهده مقاله: 792 تعداد دریافت فایل اصل مقاله: 128 |
||