РАЗРАБОТКА ИНТЕЛЛЕКТУАЛЬНОЙ МОДЕЛИ УПРАВЛЕНИЯ ЗАПАСАМИ НА ПРЕДПРИЯТИИ С СЕРИЙНЫМ ПРОИЗВОДСТВОМ
Аннотация
В данной статье рассматриваются теоретические и практические аспекты управления запасами готовой продукции на предприятии с серийным производством. Актуальность исследования обусловлена необходимостью повышения эффективности управления ресурсами в условиях расширяющегося ассортимента и нестабильного спроса. В работе анализируются классические методы управления запасами, включая модель Уилсона, ABC–XYZанализ и современные подходы, основанные на методах машинного обучения и интеллектуального анализа данных. Разработана комплексная модель прогнозирования спроса и управления запасами, реализованная на языке Python с использованием алгоритмов Prophet и CatBoost, интегрируемая с платформой «1С: Предприятие». Проведен сравнительный анализ эффективности традиционного и интеллектуального подходов, продемонстрировано снижение издержек на хранение и улучшение точности планирования. Модель позволяет адаптивно реагировать на изменения рыночной конъюнктуры и оптимизировать логистические процессы, обеспечивая устойчивость производственной системы.
Литература
Trofimov Yu.V., Ksenofontova O.L. Effective inventory
management is a key factor in the successful operation of
the enterprise. Collection of scientific papers of Russian
universities "Problems of economics, finance and production management". 2023. N 53. P. 72-75.
Trofimov Yu.V., Ksenofontova O.L. Machine learning in
inventory management at the enterprise. Collection of scientific
papers of Russian universities "Problems of economics, finance
and production management". 2024. N 55. P. 202-206.
Sviridova V.V., Kudryashova T.S. Improvement of the
inventory management system at a trading enterprise.
Beneficium. 2019. N 1 (30). https://cyberleninka.ru/ article/n/sovershenstvovanie-sistemy-upravleniya.
Mirolyubova A. A., Xiaotong Ya., Ksenofontova O.L.
Econometric analysis of the relationship of China's GNP
with macroeconomic indicators. Ivecofin. 2024. N 1(59). P.
-69. DOI 10.6060/ivecofin.2024591.675
Mirolyubova, A. A., Voroshin, D.A., Ksenofontova, O.L.
The experience of intellectual analysis and forecasting of
the stock market. Ivecofin. 2024. N 4(62). P. 55-63. DOI
6060/ivecofin.2024624.702.
Ksenofontova O. L., Mirolyubova A.A., Fokin S.A. The
use of data mining methods in the banking sector. Modern
high technology. Regional application. 2023. N 4(76). P.
-83. DOI 10.6060/snt.20237604.00010.
Vasiliev D. V. Systems and models of enterprise inventory
management. Problems of development of socio-economic
systems: Proceedings of the VIII International Scientific
Conference of Young Scientists and Students. Donetsk,
April 18, 2024. Donetsk: Donetsk National University,
P. 181-184.
Dyatlova V. O., Syroizhko V. V. Models and methods of
inventory management of the enterprise. International
Journal of Humanities and Natural Sciences. 2021. N 3-1.
https://cyberleninka.ru/article/n/modeli-i-metodyupravleniya-zapasami-predpriyatiya.
Ksenofontova O.L., Novoselskaya N.A. Modeling the
activities of a trade organization using ABC-XYZ analysis.
Modern high technology. Regional application. 2013. N 10-
P. 20-22.
Sterligova A.N. Inventory management in supply chains:
textbook. Moscow: INFRA-M. 2008. 430 p.
Gonova O.V., Gonova V.A. Feasibility study of the investment project for the creation of a packaging production
of a brewing company. Modern high technology. Regional
application. 2022. N 2(70). P. 22-28. DOI 10.6060/ snt.
0003.
Gonova O.V. Diagnostics of the bankruptcy risk of an enterprise based on financial modeling. Modern high technology. Regional application. 2023. N 3(75). P. 13-19. DOI
6060/snt.20237503.0002.
Gonova O.V., Malygin A.A., Lukina V.A. Improving the
business process management model in potato growing.
Ivecofin. 2023. N 1(55). P. 47-57. DOI 10.6060/ivecofin.
634.
Krisanova V.A. Introduction of lean technologies using the
"just-in-time" approach in the food processing industry.
Modern high technology. Regional application. 2024. N
(77). P. 78-85. DOI 10.6060/snt.20247701.00010.
Rychikhina N.S. Big data and artificial intelligence as a
basis for the implementation of regional digital projects. In
the collection: Data Science. Proceedings of the international scientific and practical conference. 2020. P. 264-265.
Sizova O.V., Savchenko O.V., Rychikhina N.S. Implementation of digital technologies in the sales accounting
system of a retail store. Modern high technology. Regional
application. 2022. N 4 (72) P. 62-68.
Berman Kennedy Fundamentals of Python for Data Science. St. Petersburg: Peter, 2023. 272 p.: ill.
Metrics in machine learning: understanding, application,
and interpretation. https://shakhbanov.org/metriki-vmashinnom-obuchenii/?ysclid=m4ylpc4chr723334976.
Predicting the future using the Facebook Prophet library.
https://habr.com/ru/companies/ods/articles/323730.
Astrakhantseva I.A., Kotenev T.E., Gorev S.V.,
Astrakhantsev R.G., Grimenitsky P.N. Gradient boosting
method for predicting management decisions in a multilayer
cryogenic system. Modern high technology. Regional application. 2024. N 2(78). P. 50-58. DOI 10.6060/snt.20247802.0007.
Gonova O.V., Gonova V.A. Evaluation of the effectiveness of the implementation of an automated short-term
forecasting system for a food processing enterprise. Collection of scientific papers of Russian universities "Problems
of Economics, Finance and Production Management".
N 50. P. 177-181.
