جغرافیا و برنامه ریزی منطقه‌ای

جغرافیا و برنامه ریزی منطقه‌ای

طراحی مدل خط مشی گذاری توسعه تولید در بستر هوش مصنوعی در راستای برنامه ریزی منطقه ای

نوع مقاله : مقاله های برگرفته از رساله و پایان نامه

نویسندگان
1 گروه مدیریت دولتی، واحد شوشتر، دانشگاه آزاد اسلامی، شوشتر، ایران
2 گروه مدیریت، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران
3 گروه مدیریت دولتی، واحد رامهرمز، دانشگاه آزاد اسلامی، رامهرمز، ایران
4 گروه حسابداری، واحد ایذه، دانشگاه آزاد اسلامی، ایذه، ایران
چکیده
این پژوهش با هدف طراحی و ارائه مدلی جامع برای خط‌مشی‌گذاری در فرآیند توسعه تولید مبتنی بر هوش مصنوعی، صورت پذیرفته است. از نظر روش رویکرد تحقیق ترکیبی، شامل مطالعات اسنادی، تحلیل محتوا و مصاحبه‌های نیمه‌ساختاریافته با خبرگان حوزه صنعت، فناوری و آموزش خواهد بود. ابتدا، مبانی نظری و تجربی مرتبط با هوش مصنوعی در تولید، مدل‌های خط‌مشی‌گذاری و اهمیت آموزش در تحولات فناورانه مورد بررسی قرار می‌گیرد. سپس، با شناسایی چالش‌ها و فرصت‌های موجود، چارچوب مفهومی مدل تدوین و در نهایت، مولفه‌های عملیاتی آن با تکیه بر نقش آموزش، تشریح خواهد شد.یافته‌ها: انتظار می‌رود یافته‌های این تحقیق نشان دهد که پیاده‌سازی موفقیت‌آمیز هوش مصنوعی در صنایع تولیدی، مستلزم یک رویکرد یکپارچه در خط‌مشی‌گذاری است که آموزش را در اولویت قرار دهد. این آموزش‌ها باید طیف وسیعی از کارکنان، از مدیران تا نیروی کار خط تولید را پوشش دهد و مهارت‌های لازم برای کار با سیستم‌های هوشمند، تحلیل داده‌ها و همچنین تفکر انتقادی و حل مسئله در محیط‌های فناورانه را تقویت کند. همچنین، مشخص خواهد شد که سرمایه‌گذاری در آموزش، نه تنها به افزایش بهره‌وری و کیفیت تولید منجر می‌شود، بلکه نوآوری و ایجاد مزیت رقابتی پایدار را نیز تسهیل می‌نماید.مدل پیشنهادی، با برجسته کردن نقش آموزش در تمامی مراحل خط‌مشی‌گذاری توسعه تولید مبتنی بر هوش مصنوعی، چارچوبی جامع و منعطف را ارائه می‌دهد.
کلیدواژه‌ها

عنوان مقاله English

Designing a Policy-Making Model for Production Development within an AI Framework in Line with Regional Planning

نویسندگان English

Sahar Setarehaseman 1
Ghanbar Amirnejad 2
Rostam Derakhshan 3
Foad Makvandi 1
Mahmoud Danyali Deh-howz 4
1 Department of Public Administration, Sho.C., Islamic Azad University, Shoushtar, Iran
2 Department of Management, SR.C., Islamic Azad University, Tehran, Iran.
3 Department of Public Administration, Ramh.C., Islamic Azad University, Ramhormoz, Iran.
4 Department of Accounting, lz.C., Islamic Azad University,lzeh,lran
چکیده English

This research aims to design and present a comprehensive policy-making model for the process of AI-driven production development. Adopting a mixed-methods approach, the study incorporates documentary research, content analysis, and semi-structured interviews with experts across the industrial, technological, and educational sectors. Initially, the theoretical and empirical foundations of AI in production, policy-making models, and the significance of education in technological transitions are examined; subsequently, by identifying existing challenges and opportunities, a conceptual framework is formulated, and its operational components are detailed with a focus on the role of training. The findings are expected to demonstrate that the successful implementation of AI in manufacturing industries necessitates an integrated policy approach that prioritizes education for a wide range of personnel, from managers to production-line workers, to foster skills in smart systems, data analysis, critical thinking, and problem-solving. Furthermore, the study indicates that investment in education not only enhances productivity and quality but also facilitates innovation and the creation of a sustainable competitive advantage. By highlighting the pivotal role of education throughout all stages of AI-based production development policy-making, the proposed model offers a comprehensive and flexible framework for practitioners and scholars alike.

کلیدواژه‌ها English

*Artificial Intelligence (AI)
Policy-making
Production Development
Education
اسلامی، قاسم و قربانی، فاطمه و خدابخشی، فاطمه،1403،کاربرد و نقش هوش مصنوعی در بازاریابی،دومین همایش ملی بازاریابی (رویکرد نوین)،مشهد،صص52-59
امیدی، ن؛ امیدی، م؛ بابایی، س. (1393). کاربرد هوش مصنوعی و سیستم های خبره در برنامه ریزی تولید و کنترل موجودی،دومین همایش داخلی برق،نطنز
جهان فر, حامد و الهی خراسانی, اکبر . (1402). هوش مصنوعی در بازاریابی: مرور سیستماتیک و جهت تحقیقات آینده. مدیریت بازاریابی هوشمند, 4(4), صص:32-51.
حسینی فر، م. (1403). چالش ها و راهکارهای پیادهسازی هوش مصنوعی در صنعت نفت با تاکید بر امنیت و پایداری سیستم ها،هشتمین همایش بین المللی توسعه فناوری در نفت، گاز، پالایش و پتروشیمی،تهران
خواجه بهرامی، ع؛ سیدی، ا. (1403). کاربردهای هوش مصنوعی در تولید و پس از برداشت توت فرنگی،دومین همایش ملی توسعه کشاورزی با رویکرد فناوری های هوشمند،میناب
شاه محمدی، م؛ جعفری، د. (1403). کاربرد هوش مصنوعی و رایانش نرم در امور تربیتی: تولید محتوای الکترونیکی و توسعه کارآفرینی،سومین همایش ملی امور تربیتی،یزد
شیرانی، ا؛ بورقانی فراهانی، م. (1403).  بررسی الزامات و کاستی های دیجیتالی سازی برمبنای هوش مصنوعی در توانمندسازی سیستم تولید و عملیات شرکت های نفت و گاز در مقایسه با رویه های سنتی توسط تکنیک میک مک،هجدهمین کنفرانس بین المللی پیشرفت های اخیر در مدیریت و مهندسی صنایع
طغرایی, سید محمد جواد, نیلفروشان, هادی, آذری. (1403). سنجش و تحلیل آمادگی بخش بالادستی صنعت نفت برای پذیرش هوش‌ مصنوعی. سیاست علم و فناوری, 17(3), 53-66.
قلندری، ع؛ محمدی، م؛ ربیعی مندجین، م. (1404). شناسایی و اولویت بندی ابعاد و شاخصهای مطلوب مشارکت شهروندان در فرآیند خط مشی گذاری عمومی،دهمین کنفرانس بین المللی مدیریت، حسابداری، اقتصاد و بانکداری
کاظمی سراسکانرود, زهرا و صفری, محمد (1402). طراحی الگوی فرآیند بازاریابی مبتنی بر هوش مصنوعی: کاربست راهبرد مرور نظام‌مند. بررسی‌های بازرگانی, 21(123), صص: 109-126.
مانیان، ک؛ فروغی، ب. (1404). چالش ها و مزایای به کارگیری هوش مصنوعی در تولید بتن: یک مرور جامع،بیست و هفتمین کنفرانس ملی شهرسازی ،معماری ،عمران و محیط زیست،شیروان
محمدی زنجیره, رضایی, مرتضوی, هادی زاده. (1403). مدل ساختاری تفسیری پیشران‌های توسعه کسب و کارها در ایران، با بهره‌مندی از پلتفرم‌های دیجیتال مبتنی بر هوش مصنوعی. آینده پژوهی ایران, 9(1), 56-92.
 
References
Eslami, Gh., Ghorbani, F., & Khodabakhshi, F. (2024). Application and role of artificial intelligence in marketing. Second National Conference on Marketing (New Approach), Mashhad, pp. 52-59.
Omidi, N., Omidi, M., & Babaei, S. (2014). Application of artificial intelligence and expert systems in production planning and inventory control. Second Internal Conference on Electrical Engineering, Natanz.
Jahanfar, H., & Elahi Khorasani, A. (2023). Artificial intelligence in marketing: A systematic review and future research directions. Smart Marketing Management, 4(4), pp. 32-51.
Hosseinifar, M. (2024). Challenges and solutions for implementing artificial intelligence in the oil industry with emphasis on system security and sustainability. Eighth International Conference on Technology Development in Oil, Gas, Refining and Petrochemicals, Tehran.
Khajeh Bahrami, A., & Seyedi, A. (2024). Applications of artificial intelligence in strawberry production and post-harvest. Second National Conference on Agricultural Development with a Focus on Intelligent Technologies, Minab.
 
Shahmohammadi, M., & Jafari, D. (2024). Application of artificial intelligence and soft computing in educational affairs: Electronic content production and entrepreneurship development. Third National Conference on Educational Affairs, Yazd.
Shirani, A., & Bourghani Farahani, M. (2024). Investigating the requirements and shortcomings of digitalization based on artificial intelligence in empowering the production and operations system of oil and gas companies compared to traditional methods using the Micmac technique. Eighteenth International Conference on Recent Advances in Management and Industrial Engineering.
Toghraee, S. M. J., Nilforooshan, H., & Azari, (2024). Measuring and analyzing the readiness of the upstream oil industry for adopting artificial intelligence. Science and Technology Policy, 17(3), 53-66.
Ghalandari, A., Mohammadi, M., & Rabiei Mandejin, M. (2025). Identifying and prioritizing the dimensions and indicators of desirable citizen participation in the public policymaking process. Tenth International Conference on Management, Accounting, Economics and Banking.
Kazemi Saraskanroud, Z., & Safari, M. (2023). Designing a marketing process model based on artificial intelligence: Application of systematic review strategy. Business Reviews, 21(123), pp. 109-126.
Manian, K., & Foroughi, B. (2025). Challenges and benefits of using artificial intelligence in concrete production: A comprehensive review. Twenty-Seventh National Conference on Urban Planning, Architecture, Civil Engineering and Environment, Shirvan.
Mohammadi Zanjaireh, Rezaei, Mortezaei, & Hadizadeh. (2024). Interpretive structural model of business development drivers in Iran utilizing digital platforms based on artificial intelligence. Iranian Futures Studies, 9(1), 56-92.
Chang, H. J., & Andreoni, A. (2020). Industrial policy in the 21st century. Development and Change, 51(2), 324-351.
Chryssolouris, G., Alexopoulos, K., & Arkouli, Z. (2023). A Perspective on artificial Intelligence in Manufacturing (Vol. 436, pp. 1-135). Cham, Switzerland: Springer.
Danish, M. S. S., & Senjyu, T. (2023). AI-enabled energy policy for a sustainable future. Sustainability, 15(9), 7643.‏
Li, H., Lu, Z., Zhang, Z., & Tanasescu, C. (2025). How does artificial intelligence affect manufacturing firms' energy intensity?. Energy Economics, 141, 108109.‏
Nelson, J. P., Biddle, J. B., & Shapira, P. (2023). Applications and societal implications of artificial intelligence in manufacturing: A systematic review. arXiv preprint arXiv:2308.02025.‏
Zhou, C., Zhang, H., Ying, J., He, S., Zhang, C., & Yan, J. (2025). New applications of artificial intelligence in policy-making for the development of electrical energy production and distribution. International Review of Financial Analysis, 104330.