بحث الماجستير · جامعة الشارقة

نوقش المقترح في نوفمبر 2026. التحليل جارٍ الآن.

التنبؤ بالطلبات المتأخرة قبل أن تتأخر

عنوان الرسالة استخدام تعلم الآلة و agentic AI لقياس مدة الطلب من الإدخال إلى التسليم وتفسيرها والتنبؤ بها لدى مُصنِّع يعمل بنظام configure-to-order

باختصار: معرفة أين يذهب وقت الطلب، ثم تنبيه المخططين قبل أن يتأخر الطلب.

لا توجد نتائج للرسالة بعد. العرض التجريبي يطبّق المنهج نفسه على بيانات مُصطنعة.

المشكلة

العميل الذي يطلب منتجًا يُصنع حسب مواصفاته يهتم بأمرين. هل يصل في الموعد الذي وُعد به؟ وكم سينتظر؟ يبدأ الانتظار يوم الطلب وينتهي يوم التسليم، ويمر بالمبيعات والهندسة والتخطيط والإنتاج والفحص والشحن. الحالة المدروسة لدى مُصنِّع يعمل بنظام configure-to-order، أي يبني كل منتج من خيارات يختارها العميل. يحدد المُصنِّع مدة التسليم من جدول قياسي لا يحسب جزءًا من الانتظار. لا أحد يقيس الانتظار كاملًا، ولا أحد يعرف عند إدخال الطلب إن كان سيتأخر. لذلك تضع الدراسة الالتزام بالموعد أولًا والسرعة ثانيًا. فالموعد الأقصر لا يفيد إن لم يُلتزم به.

أ. انتظار العميلمن تاريخ الطلب إلى التسليم
ب. ما يحسبه الموعد المُعلَنمن الاعتماد إلى خروج الوحدة من المصنع

وقت الهندسة والموافقات الذي لا يحسبه الموعد

توقيتان لطلب واحد. الاعتماد هو يوم الموافقة على تصنيع الطلب. والخروج من المصنع هو يوم مغادرته المصنع. الرسم ليس بمقياس.

ثلاثة أسئلة

  1. RQ1

    أين يذهب الوقت؟

    تقسيم الانتظار إلى مراحل، ومعرفة المراحل القليلة التي تحمل معظم طوله وتذبذبه وتأخيره.

  2. RQ2

    هل يُلتزم بالموعد؟

    قياس عدد المرات التي يُلتزم فيها بأول موعد، ومقارنة المدة الموعودة بالانتظار الذي يعيشه العميل.

  3. RQ3

    هل يمكن توقّع التأخير؟

    التنبؤ بتاريخ التسليم وباحتمال التأخر يوم إدخال الطلب، ومقارنة ذلك بالموعد الحالي، ثم استخدامه للتنبيه المبكر وتوجيه التحسين.

كيف تعمل الدراسة

أربع خطوات. كل خطوة تغذي التي تليها. و RQ1 إلى RQ3 هي أسئلة البحث الثلاثة أعلاه.

  1. القياسإعادة بناء كل بند طلب من سجلات طلبات الشركة وقياس مدة كل مرحلة.RQ1
  2. التفسيرمعرفة المرحلة أو المرحلتين وراء معظم التأخير، وفحص الموعد.RQ1 · RQ2
  3. التنبؤتقدير احتمال التأخر وتاريخ التسليم عند إدخال الطلب، بالبيانات المعروفة في ذلك اليوم.RQ3
  4. التنبيهوكيل AI (agent) يراقب الطلبات المفتوحة، وينبّه إلى التأخير المحتمل ويذكر السبب. والقرار للناس.RQ3

المنهج باختصار

دراسة حالة واحدة بالأرقام. كل شيء مبني على سجلات طلبات الشركة، على مستوى بند الطلب.

البيانات

استعلامات للقراءة فقط على سجلات طلبات الشركة. لا يُكتب أي شيء في النظام الحي.

  • بنود طلبات لعدة سنوات
  • البنود المصنوعة حسب الطلب، المرتبطة بأمر إنتاج
  • استبعاد البنود الملغاة والخدمية والتجريبية

القياس والتفسير

الوسيط والمئينات أساس التحليل، لأن قلة من الطلبات تنتظر أطول بكثير من غيرها.

  • الوسيط، والمدى الربيعي IQR (تذبذب النصف الأوسط)، و P90 (أبطأ طلب من كل عشرة)، و CV (التذبذب مقارنة بالمتوسط) لكل مرحلة
  • تحليل باريتو (Pareto) لأيام التأخير الزائدة: المراحل القليلة وراء معظم التأخير
  • أول موعد مقابل التسليم الفعلي
  • فترات ثقة بإعادة المعاينة bootstrap: تُسحب عينات من البيانات مرات كثيرة لمعرفة مدى الثقة في كل رقم

النماذج

شجرة القرار (decision tree) أولًا، لأن المخططين يستطيعون قراءة قواعدها ومناقشتها. والغابة العشوائية (random forest) تُظهر ثمن هذا الوضوح في الدقة.

  • التدريب على الطلبات الأقدم، والاختبار على الأحدث
  • فقط البيانات المعروفة يوم الإدخال
  • المقارنة مع الموعد الحالي
  • مبنية بـ Python ومُعادة في RapidMiner للتحقق

وكيل للتنبيه المبكر

وكيل AI صغير بلغة Python يقيّم الطلبات المفتوحة كل صباح، ويرصد أي مرحلة طالت أكثر من المعتاد. ويكتب نموذج لغوي التنبيه بكلمات بسيطة. لا يملك صلاحية الكتابة. هو ينبّه، والناس يتصرفون.

  • يُختبر بإعادة تشغيل آخر عام يومًا بيوم
  • لا يرى إلا ما كان مسجلًا كل صباح
  • يحسب البنود المتأخرة التي التقطها، ومدى التبكير، والتنبيهات الخاطئة

سيناريوهات ماذا لو

محاكاة تعتمد على مدد المراحل، تختبر كيف يتغير الالتزام بالموعد ومدة التسليم حين تُختصر مرحلة رئيسية أو تُضبط.

  • مثال: مهندس إضافي في موسم الذروة
  • لا تُستخدم إلا بعد أن تعيد إنتاج المدد المسجلة

الموثوقية والأخلاقيات

  • الوصول إلى سجلات الشركة للقراءة فقط. لا مقابلات ولا استبيانات.
  • الشركة لا تُسمّى، وأسماء الحقول الداخلية تبقى مخفية.
  • كل مدة مضروبة في معامل لا يُكشف عنه.
  • الطلبات الأقدم تدرّب النماذج والأحدث تختبرها، فلا تتسرب معلومات من المستقبل.
  • النتائج تُعرض على أنها ارتباط لا سببية.
  • النموذج اللغوي لا يرى إلا حقولًا مجهولة الهوية، أو يعمل في بيئة توافق عليها الشركة.
  • مهما قال النموذج، يبقى الموعد قرار المخطط.

مراحل الانتظار

المرحلةمنإلىالسنوات
ما قبل الإنتاجتاريخ الطلببدء الإنتاجكل السنوات
الإنتاجبدء الإنتاجاكتمال آخر وحدةكل السنوات
ما بعد الإنتاجاكتمال آخر وحدةتسليم البند كاملًاكل السنوات
معالجة الطلب والهندسةتاريخ الطلبالإحالة إلى التخطيطالسنوات الأخيرة
التخطيطالإحالة إلى التخطيطإنشاء أمر الإنتاجالسنوات الأخيرة
انتظار الإنتاجإنشاء أمر الإنتاجبدء الإنتاجالسنوات الأخيرة

المراحل الثلاث الأدق قبل الإنتاج يمكن تتبعها في السنوات الأخيرة فقط.

خطة البحث

من المقترح إلى التسليم.

نوقش المقترح في نوفمبر 2026. التحليل جارٍ الآن.

  1. أكتوبر إلى نوفمبر 2026تم
    المقترح

    اكتملت مراجعة الأدبيات. قُدّم المقترح ونوقش.

    نوقش المقترح
  2. نوفمبر 2026الآن
    البيانات

    خطاب موافقة الشركة. سحب بيانات الطلبات وتنظيفها.

    بيانات نظيفة
  3. ديسمبر 2026 إلى يناير 2027لاحقًا
    RQ1 و RQ2

    المراحل والتذبذب وتحليل باريتو. وفحص الموعد.

    نتائج RQ1 و RQ2
  4. فبراير 2027لاحقًا
    ورقة مؤتمر

    ورقة عن RQ1 و RQ2.

    تقديم الورقة
  5. فبراير 2027لاحقًا
    النماذج

    RQ3: شجرة القرار والغابة العشوائية.

    نماذج RQ3
  6. مارس 2027لاحقًا
    الوكيل والسيناريوهات

    بناء الوكيل واختبار إعادة التشغيل. سيناريوهات ماذا لو.

    نموذج أولي وعرض
  7. أبريل إلى مايو 2027لاحقًا
    الكتابة

    النتائج والنقاش والخلاصات. تسليم الرسالة. بدء ورقة لمجلة علمية.

    الرسالة ومسودة ورقة المجلة

قد تتغير التواريخ حسب التقويم الأكاديمي للبرنامج.

عرض تفاعلي

شاهد المنهج يعمل على بيانات مُصطنعة

شركة وهمية فيها نحو 6,000 بند طلب مُصطنع. قِس المراحل، وأدخل طلبًا وشاهد الشجرة تقيّمه، وأعد تشغيل عام من التنبيهات المبكرة، وجرّب رافعتين من نوع ماذا لو.

بيانات مُصطنعة لشركة وهمية. هذه ليست نتائج الرسالة.افتح العرض