پیوندهای مفید
آمار
| تعداد نشریات | 21 |
| تعداد شماره‌ها | 643 |
| تعداد مقالات | 9,415 |
| تعداد مشاهده مقاله | 68,140,827 |
| تعداد دریافت فایل اصل مقاله | 40,670,615 |
بازشناسی و رتبه‌بندی پیشران‌های بهسازی و توسعه کاربست هوش مصنوعی در زنجیره ارزش صنعت نفت و گاز ج.ا.ایران | ||
| مدیریت زنجیره ارزش راهبردی | ||
| دوره 2، شماره 1 - شماره پیاپی 4، خرداد 1404 | ||
| 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 | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 626 |
||