مقاله ترجمه شده عامل‌های هوش مصنوعی شناختی در مدیریت چرخه عمر سازمان‌های صنعت ۵.۰: یک چارچوب مفهومی

سال نشر: ۲۰۲۶

نوع نگارش مقاله: علمی پژوهشی (Research articles)

تعداد صفحه انگلیسی: ۶   صفحه PDF

تعداد صفحه ترجمه فارسی:  ۲۴   صفحه WORD

دانلود رایگان مقاله انگلیسی

کد محصول: M2140

نام ناشر (پایگاه داده):  الزویر

نام مجله:  Procedia CIRP

عنوان کامل فارسی:

مقاله ترجمه شده ۲۰۲۶ عامل‌های هوش مصنوعی شناختی در مدیریت چرخه عمر سازمان‌های صنعت ۵.۰: یک چارچوب مفهومی

عنوان کامل انگلیسی:

Cognitive AI Agents in Life Cycle Management of Industry 5.0 Organizations: A Conceptual Framework

چکیده فارسی:

افزایش تقاضای مشتریان برای محصولات هایتک و پایدار، چرخه‌های نوآوری شتاب‌یافته و بحران‌های چندوجهی، محیطی را برای خلق ارزش صنعتی ایجاد کرده‌اند که به‌طور فزاینده‌ای پویا و پیچیده است. چشم‌انداز صنعت ۵.۰ برای ادغام پایداری، تاب‌آوری و انسان‌محوری در سازمان‌های تولیدی، پاسخی راهبردی و امیدبخش برای این چالش ها می باشد. بااین‌حال، درحالی‌که رویکردهای یکپارچه مدیریتی مانند مدیریت چرخه عمر (LCM) به پیچیدگی می‌پردازند، بار شناختی ناشی از آن بر نیروی کار در حال تبدیل شدن به یک عامل محدودکننده برای قابلیت بقا و دوام سازمانی است. پیشرفت‌های فناورانه در هوش مصنوعی (AI) فرصت‌های جدیدی را برای تقویت عامل‌محور قابلیت‌های شناختی از طریق کمک شناختی پیشرفته و خودکارسازی فراهم می‌کنند. ازاین‌رو، این مقاله بررسی می‌کند که چگونه یک چارچوب می‌تواند از ادغام عامل‌های هوش مصنوعی شناختی در مدیریت چرخه عمر (LCM) برای پیشبرد چشم‌انداز صنعت ۵.۰ حمایت کند؟ ما یک چارچوب نوآورانه ارائه می‌کنیم که نظریه سیستم‌ها، مدیریت چرخه عمر (LCM) و هوش مصنوعی شناختی را ترکیب می‌کند. این چارچوب از مدل سیستم های مانا (VSM) به‌عنوان یک طرح‌واره رسمی استفاده می‌کند و کارکردهای سازمانی را در زیرسیستم‌های تو‌در‌توی بازگشتی آن ساختاربندی می‌کند: سیاست‌گذاری، هوشمندی، کنترل، ممیزی، هماهنگی و عملیات. در این ساختار، عامل‌های هوش مصنوعی شناختی به‌عنوان منابع پشتیبان برای مدیریت پیچیدگی و بار شناختی ناشی از اجرای مدیریت جامع چرخه عمر (TLCM) به‌کار گرفته می‌شوند. این چارچوب همچنین تشریح می‌کند که عامل‌های هوش مصنوعی شناختی چگونه با فناوری‌های دیجیتال، کارکنان انسانی و دانش سازمانی تعامل می‌کنند تا هر یک از کارکردهای VSM را ارتقا دهند. نتیجه، یک طرح‌واره مفهومی و یک رده‌بندی از انواع عامل‌ها برای طراحی سازمان‌های مبتنی بر هوش مصنوعی است که پایدار، تاب‌آور و انسان‌محور هستند.

کلیدواژه‌ها: تحول دیجیتال؛ همکاری انسان و ماشین؛ مدل سیستم های مانا؛

Abstract

Rising customer demands for sustainable high-tech products, accelerated innovation cycles and multi-faceted crises create an increasingly dynamic and complex environment for industrial value creation. The Industry 5.0 vision to integrate sustainability, resilience and human-centricity into production organizations is a promising strategic response. However, while integrated management approaches such as Life Cycle Management (LCM) address complexity, the resulting cognitive load on the workforce is becoming a limiting factor for organizational viability. Technological advances in artificial intelligence (AI) offer new opportunities for the agentic augmentation of cognitive capabilities through enhanced cognitive assistance and automation. Therefore, this paper investigates, how a framework can support the integration of cognitive AI agents into LCM to advance the vision of Industry 5.0? We propose a novel framework synthesizing systems theory, LCM and cognitive AI. The framework utilizes the Viable System Model (VSM) as a formal blueprint, structuring the organizational functions across its recursively nested subsystems: policy, intelligence, control, audit, coordination and operation. Within this structure, cognitive AI agents are deployed as supporting resources to manage the complexity and cognitive load of implementing Total Life Cycle Management (TLCM). The framework further outlines how cognitive AI agents interact with digital technologies, human workers and organizational knowledge to enhance each VSM function. The result is a conceptual blueprint and taxonomy of agent types for designing AI-augmented organizations that are sustainable, resilient and human-centric.

Keywords: Digital Transformation; Human-Machine Collaboration; Viable Systems Model;