أثر الصيانة التنبؤية المعززة بالذكاء الاصطناعي في خفض التكاليف التشغيلية في ظل فلسفة كايزن للتحسين المستمر

القسم: Research Paper
إصدار
مجلد 20 عدد 70 (2026): مجلة دراسات اقليمية
الصفحات
427-466

الملخص

فكرة البحث: تمثل الصيانة التنبؤية المعززة بالذكاء الاصطناعي أحد الاتجاهات الحديثة التي تسهم في التنبؤ المبكر بالأعطال وتقليل التوقفات غير المخططة والهدر في الموارد، بما ينعكس على خفض التكاليف التشغيلية وتحسين كفاءة الأداء. وفي هذا الإطار، تبرز كايزن بوصفها مدخلاً داعماً للتحسين المستمر وتقليل الهدر في الشركات الصناعية.


الهدف: يهدف البحث إلى بيان أثر الصيانة التنبؤية المعززة بالذكاء الاصطناعي في خفض التكاليف التشغيلية، فضلاً عن اختبار الدور المعدِّل كايزن في تعزيز هذا الأثر في الشركات الصناعية.


المنهجية: اعتمد البحث المنهج الاستنباطي التحليلي من خلال مراجعة الأدبيات الحديثة في مجالات الصيانة الذكية ومحاسبة التكاليف كايزن، إلى جانب استخدام الأساليب الإحصائية المناسبة لتحليل البيانات المجمعة عن طريق الاستبانة واختبار فرضيات البحث، بالاعتماد على البرنامج الإحصائي SPSS Ver. 24.


النتائج: أظهرت نتائج البحث أن الصيانة التنبؤية المعززة بالذكاء الاصطناعي تمثل تحولاً في التعامل مع تكاليف الصيانة، من معالجة تكاليف الوقت الضائع بعد حدوث الأعطال إلى التنبؤ المبكر بالأعطال والتكاليف المرتبطة بها. كما أثبتت نتائج اختبار الفرضية الأولى وجود أثر معنوي إيجابي للصيانة التنبؤية المعززة بالذكاء الاصطناعي في خفض التكاليف التشغيلية، إذ فسرت ما نسبته (44%) من التغيرات الحاصلة فيها، بما يؤكد دورها في تقليل التوقفات غير المخططة وتحسين كفاءة استخدام الموارد التشغيلية.


الخلاصة: خلص البحث إلى أن الصيانة التنبؤية المعززة بالذكاء الاصطناعي تسهم في خفض التكاليف التشغيلية وتحسين الأداء المالي والتشغيلي، وأن تبني الكايزن يعزز هذا الأثر من خلال دعم التحسين المستمر وتقليل الهدر. ويوصي البحث بالتوسع في تطبيق أنظمة الصيانة التنبؤية وتبني الكايزن في الشركات الصناعية، ولاسيما في خطوط الإنتاج والمعدات التي يترتب على توقفها تكاليف تشغيلية مرتفعة.

الكلمات المفتاحية:

الصيانة التنبؤية: التكاليف التشغيلية؛ كايزن.

المراجع

  1. المصادر والمراجع
  2. 1. المصادر العربية
  3. الشهربلي، إ. ع. ت.، وداود، م. س. (2017). أثر استراتيجية كايزن في تحسين جودة تكنولوجيا المعلومات في مدينة بابل الأثرية السياحية. المجلة العراقية لتكنولوجيا المعلومات، 7(3)، 38–61.
  4. https://doi.org/10.34279/0923-007-003-003
  5. بوقرة، ر.، وقريد، م. (2011). ترشيد تكاليف الصيانة بأسلوب النموذج الاحتمالي: دراسة حالة مطاحن الحضنة بالمسيلة. مجلة العلوم الاقتصادية والتسيير والعلوم التجارية، 4(5)، 1–24. https://asjp.cerist.dz/en/article/13279
  6. تيطراوي، آ.، وبرحومة، ع. (2019). تقييم أثر تكلفة الصيانة على ربحية المؤسسة الإنتاجية: دراسة حالة مؤسسة مطاحن الحضنة بالمسيلة. مجلة البشائر الاقتصادية، 5(2)، 1014–1028. https://asjp.cerist.dz/en/article/101139
  7. خان، أ. إ.، وباقادر، ص. م. ص. (2022). ملاءمة تطبيق أداة كايزن في التحسين المستمر، تخفيض التكاليف، وتعظيم الإنجاز. مجلة العلوم الاقتصادية والإدارية والقانونية، 6(19)، 56–71.https://doi.org/10.26389/AJSRP.Q240422
  8. طاهر، م. ع.، وشريف، ر. خ. (2014). دور الصيانة المنتجة الشاملة في تحسين أداء العمليات باستخدام أسلوب عملية التحليل الهرمي: دراسة ميدانية في شركة الحفر العراقية. مجلة دراسات إدارية، جامعة البصرة، كلية الإدارة والاقتصاد، 6(12)، 1–47. https://doi.org/10.33762/0671-006-012-001
  9. طيار، أ.، وبوعنينة، و. (2014). دور ركائز إدارة الصيانة في تخفيض تكاليفها في المؤسسة الاقتصادية. مجلة الباحث الاقتصادي، 2(2)، 224–244. https://asjp.cerist.dz/en/article/11295
  10. عمر، ع. ا. ك. (2023). الاتجاهات الحديثة في محاسبة التكاليف ودورها في خفض تكلفة التشغيل: دراسة ميدانية على شركة سكر كنانة المحدودة. المجلة العربية للعلوم الإنسانية والاجتماعية، 1(19)، ج1. 1–49.
  11. https://doi.org/10.59735/arabjhs.v1i19.12
  12. مزريق، ع. (2009). صيانة التجهيزات الإنتاجية كأداة لحماية البيئة وتدعيم التنمية المستدامة: حالة مؤسسة الإسمنت ومشتقاته بالشلف. أطروحة دكتوراه، كلية العلوم الاقتصادية وعلوم التسيير، جامعة الجزائر.
  13. https://dspace.univ-alger3.dz/jspui/handle/123456789/1150
  14. 2. ترجمة المصادر العربية إلى الإنكليزية
  15. Al-Shahrabli, I. A. T., & Dawood, M. S. (2017). The impact of Kaizen strategy on improving IT quality in the ancient tourist city of Babylon. Iraqi Journal of Information Technology, 7(3), 38–61. https://doi.org/10.34279/0923-007-003-003
  16. Bouguera, R., & Guerid, M. (2011). Rationalizing maintenance costs using the probabilistic model: A case study of Hodna Mills in M’sila. Journal of Economic Sciences, Management and Commercial Sciences, 4(5), 1–24. https://asjp.cerist.dz/en/article/13279
  17. Titrawi, A., & Barhouma, A. (2019). Assessing the impact of maintenance costs on the profitability of a production enterprise: A case study of Hodna Mills in M’sila. Al-Bashaer Economic Journal, 5(2), 1014–1028. https://asjp.cerist.dz/en/article/101139
  18. Khan, A. I., & Baqader, S. M. S. (2022). The suitability of applying Kaizen tool in continuous improvement, cost reduction, and performance maximization. Journal of Economic, Administrative and Legal Sciences, 6(19), 56–71. https://doi.org/10.26389/AJSRP.Q240422
  19. Taher, M. A., & Sharif, R. Kh. (2014). The role of total productive maintenance in improving operational performance using the analytic hierarchy process: A field study in the Iraqi Drilling Company. Administrative Studies Journal, University of Basra, College of Management and Economics, 6(12), 1–47. https://doi.org/10.33762/0671-006-012-001
  20. Tayar, A., & Bouanina, W. (2014). The role of maintenance management pillars in reducing costs in economic enterprises. Economic Researcher Journal, 2(2), 224–244. https://asjp.cerist.dz/en/article/11295
  21. Omar, A. A. K. (2023). Modern trends in cost accounting and their role in reducing operating costs: A field study on Kenana Sugar Company Ltd. Arab Journal of Humanities and Social Sciences, 1(19), Part 1, 1–49. https://doi.org/10.59735/arabjhs.v1i19.12
  22. Mezrig, A. (2009). Maintenance of production equipment as a tool for environmental protection and sustainable development: The case of the Cement and Derivatives Company in Chlef. Doctoral dissertation, Faculty of Economic Sciences and Management Sciences, University of Algiers. https://dspace.univ-alger3.dz/jspui/handle/123456789/1150
  23. 3. المراجع الأجنبية
  24. Al-Baik, O., & Miller, J. (2016). Kaizen Cookbook: The success recipe for continuous learning and improvements. In 2016 49th Hawaii International Conference on System Sciences (HICSS).
  25. https://doi.org/10.1109/HICSS.2016.666
  26. Ali, A. O. D., & Elgadi, O. (2026). Cost-benefit analysis of predictive maintenance: Evaluating economic impacts and operational efficiency. Afro-Asian Journal of Scientific Research (AAJSR), 4(2), 317–323.
  27. https://aajsr.com/index.php/aajsr/article/view/942
  28. Alsakka, F., Darwish, M. A., Yu, H., Hamzeh, F., & AlHussein, M. (2022). The impacts of lean implementation revealed in the course of building a digital twin of a construction manufacturing facility.
  29. https://doi.org/10.24928/2022/0200
  30. Anupama, A., Yamikar, R. S., & Banu, A. (2022). AI-powered predictive maintenance for industrial machinery: A comprehensive analysis of machine learning applications and industrial implementation. World Journal of Advanced Research and Reviews, 15(3), 656–665. https://wjarr.com/content/ai-powered-predictive-maintenance-industrial-machinery-comprehensive-analysis-machine
  31. Blocher, E. J., Juras, P. E., & Smith, S. D. (2022). Cost management: A strategic emphasis (9th ed.). McGraw-Hill.
  32. Carvalho, T. P., Soares, F. A. A. M. N., Vita, R., Francisco, R. P., Basto, J. P. T. V., & Alcalá, S. G. S. (2019). A systematic literature review of machine learning methods applied to predictive maintenance. Computers & Industrial Engineering, 137, 106024. https://doi.org/10.1016/j.cie.2019.106024
  33. Kumar, M. B., Parameshwaran, R., Antony, J., & Cudney, E. (2023). Framework for lean implementation through fuzzy AHP-COPRAS integrated approach. IEEE Transactions on Engineering Management, 70(11), 3836–3848. https://doi.org/10.1109/TEM.2021.3089691
  34. Kuppaswami, S., & Kumar, G. S. (2024). Advancements in AI for predictive maintenance in industrial systems. International Journal of Modern Engineering and Management, 1(3), 14–16.
  35. https://ijmem.com/papers?paper=advancements-in-ai-for-predictive-maintenance-in-industrial-systems
  36. Mobley, R. K. (2002). An introduction to predictive maintenance (2nd ed.). Butterworth-Heinemann/Elsevier. https://doi.org/10.1016/B978-0-7506-7531-4.X5000-3
  37. Nofemela, F. R., & Winberg, C. (2020). The relevance of Kaizen-based work-readiness training for South African University of Technology students. The Journal for Transdisciplinary Research in Southern Africa, 16(1), a729. https://doi.org/10.4102/td.v16i1.729
  38. Patel, M., Vasa, J., & Patel, B. (2023). Predictive maintenance: A comprehensive analysis and future outlook. In 2023 2nd International Conference on Futuristic Technologies (INCOFT).
  39. https://doi.org/10.1109/INCOFT60753.2023.10425122
  40. Surucu, O., Gadsden, S. A., & Yawney, J. (2023). Condition monitoring using machine learning: A review of theory, applications, and recent advances. Expert Systems with Applications, 221, 119738.
  41. https://doi.org/10.1016/j.eswa.2023.119738
  42. Susto, G. A., Schirru, A., Pampuri, S., McLoone, S., & Beghi, A. (2015). Machine learning for predictive maintenance: A multiple classifier approach. IEEE Transactions on Industrial Informatics, 11(3), 812–820.
  43. https://doi.org/10.1109/TII.2014.2349359
  44. Zonta, T., da Costa, C. A., da Rosa Righi, R., de Lima, M. J., da Trindade, E. S., & Li, G. P. (2020). Predictive maintenance in the Industry 4.0: A systematic literature review. Computers & Industrial Engineering, 150, 106889. https://doi.org/10.1016/j.cie.2020.106889

المؤلفون

انتصار صابر نوري الجبوري
رباب عدنان شهاب العبادي

كلية الادارة والاقتصاد/ جامعة الموصل

المعرفات

معرف الكائن الرقمي DOI: 10.33899/rsj.v20i70.64741

تنزيل هذا الملف
pdf

الإحصائيات

طريقة الاقتباس

أثر الصيانة التنبؤية المعززة بالذكاء الاصطناعي في خفض التكاليف التشغيلية في ظل فلسفة كايزن للتحسين المستمر. (2026). مجلة دراسات إقلیمیة, 20(70), 427-466. https://doi.org/10.33899/rsj.v20i70.64741
حقوق الطبع والنشر والتراخيص
Creative Commons Licenseهذا العمل مرخص بموجب رخصة المشاع الإبداعي نسب المصنف 4.0 رخصة دولية.

طريقة الاقتباس