Investigating the Impact of using Artificial Intelligence to improve the Efficiency of the Mechanical System in Saudi Arabia’s Power Sector

Abstract

Abstract

This study investigates the impact of Artificial Intelligence (AI) applications on mechanical system efficiency in Saudi Arabia’s thermal power sector, with a focus on three key dimensions: data acquisition and processing, controlling, and predictive maintenance. As the energy sector moves toward digital transformation under the framework of Vision 2030, understanding how AI technologies enhance operational performance in power generation facilities is essential for sustainable and efficient infrastructure development.

A quantitative research approach was adopted, targeting engineers working in the top five thermal power plants across Saudi Arabia. Data were collected through a structured questionnaire distributed to 354 participants, with 320 valid responses retained, resulting in a response rate of 90.3%. The study employed Partial Least Squares Structural Equation Modeling to assess the relationships between AI use and the dimensions of mechanical system efficiency. Findings revealed that AI use has a statistically significant and positive impact on all three dimensions— most notably in data acquisition and processing—demonstrating AI’s role in improving real-time monitoring, automated control, and proactive maintenance strategies. This study contributes to the limited empirical literature on AI integration in mechanical operations within the energy sector in Saudi Arabia. It offers valuable insights for plant operators, engineers, and policymakers seeking to enhance system performance and reduce operational inefficiencies through smart technologies. The findings recommend prioritizing AI applications that optimize data-driven decision-making and predictive maintenance practices. Future research may expand the framework by incorporating AI maturity levels or exploring AI’s role in renewable energy contexts.

Keywords: Artificial Intelligence (AI), Mechanical System Efficiency, Thermal Power Plants, Predictive Maintenance, Data Acquisition and Processing. Saudi Energy Sector.الملخص

تهدف هذه الدراسة إلى استكشاف أثر تطبيقات الذكاء االصطناعي على كفاءة األنظمة الميكانيكية في قطاع محطات الطاقة الحرارية في المملكة العربية السعودية، مع التركيز على ثالثة أبعاد رئيسية: اكتساب ومعالجة البيانات، التحكم، والصيانة التنبؤية. ومع توجه قطاع الطاقة نحو التحول الرقمي ضمن رؤية المملكة ،2030 فإن فهم كيفية إسهام تقنيات الذكاء االصطناعي في تعزيز األداء التشغيلي لمحطات توليد الطاقة يُعد أمًرا حيويًا لتطوير بنية تحتية مستدامة وفعّالة. اتبعت الدراسة منه ًجا كميًا استهدف المهندسين العاملين في أكبر خمس محطات طاقة حرارية في المملكة. تم ّزع على 354 مشار ًكا، وتم االحتفاظ بـ320 استبياًنا صال ًحا للتحليل،

جمع البيانات من خالل استبيان منظم ُو ِّ بمعدل استجابة بلغ .%90.3 استخدمت الدراسة أسلوب نمذجة المعادالت الهيكلية باستخدام المربعات الصغرى الجزئية لتحليل العالقة بين استخدام الذكاء االصطناعي وأبعاد كفاءة النظام الميكانيكي. وقد أظهرت النتائج أن استخدام الذكاء االصطناعي له تأثير إيجابي ودال إحصائيًا على جميع األبعاد الثالثة، وكان األثر األقوى في بعد اكتساب ومعالجة البيانات، مما يؤكد دور الذكاء االصطناعي في تحسين المراقبة اللحظية، والتحكم اآللي، واالستباق في أعمال الصيانة. تُسهم هذه الدراسة في إثراء األدبيات المحدودة المتعلقة بدمج الذكاء االصطناعي في العمليات الميكانيكية ضمن قطاع الطاقة في المملكة العربية السعودية، كما تقدم رؤى عملية للمهندسين و ُصنّاع القرار والمشغلين الراغبين في تعزيز األداء التشغيلي وتقليل الهدر باستخدام التقنيات الذكية. وتوصي النتائج بضرورة إعطاء األولوية لتطبيقات الذكاء االصطناعي التي تعزز من كفاءة اتخاذ القرار المبني على البيانات وممارسات الصيانة التنبؤية. كما توصي الدراسات المستقبلية بتوسيع نطاق النموذج من خالل دراسة مستويات نضج الذكاء االصطناعي أو استكشاف دوره في سياقات الطاقة المتجددة.. الكلمات المفتاحية :الذكاء االصطناعي(AI (، كفاءة األنظمة الميكانيكية، محطات الطاقة الحرارية، الصيانة التنبؤية، جمع ومعالجة البيانات، قطاع الطاقة في السعودية. .