Поиск :
Личный кабинет :
Электронный каталог: Иванов, Ф.Д. - Предиктивное моделирование в сфере управления цепями поставок на основании методов искусственного...
Иванов, Ф.Д. - Предиктивное моделирование в сфере управления цепями поставок на основании методов искусственного...
Нет экз.
Статья
Автор: Иванов, Ф.Д.
Экономика и управление (электронная версия): Предиктивное моделирование в сфере управления цепями поставок на основании методов искусственного...
2025 г.
ISBN отсутствует
Автор: Иванов, Ф.Д.
Экономика и управление (электронная версия): Предиктивное моделирование в сфере управления цепями поставок на основании методов искусственного...
2025 г.
ISBN отсутствует
Статья
Иванов, Ф.Д.
Предиктивное моделирование в сфере управления цепями поставок на основании методов искусственного интеллекта / Иванов Ф.Д. // Экономика и управление (электронная версия). – 2025. – №9. – С.1200-1212. - 642174. – На рус. яз.
Выявление и комплексное сравнение методов предиктивного моделирования с применением искусственного интеллекта в сфере управления цепями. Анализ главных методов предиктивного моделирования. Проведение систематического обзора литературы, в том числе выделение критериев отбора анализируемых исследований, определение структуры исследования и поэтапный отбор выборки для исследования. Сравнение преимуществ и недостатков методов искусственного интеллекта и традиционных статистических методов для предиктивного моделирования в сфере управления цепями поставок (SCM). Составление рекомендаций для внедрения и применения различных методов предиктивного моделирования в зависимости от вида операций в цепях поставок. Использование методов машинного обучения, становящееся все более распространенным, открывая широкие перспективы для повышения точности принятия решений и прогнозирования в области SCM. Рекомендации по использованию методов предиктивного моделирования в зависимости от операций внутри цепочки поставок. Выявление ряда недостатков, в частности, проблем, связанных с качеством данных, интерпретируемостью моделей и необходимостью знания предметной области. Обобщение результатов показывает, что, хотя модели прогнозирования на основе искусственного интеллекта могут повысить эффективность и скорость реагирования в управлении цепочками поставок, их успешное внедрение требует тщательного учета организационного контекста и операционных ограничений. Выводы. Гибридный подход, наиболее применимый сегодня к предиктивной аналитике цепей поставок, сочетающий традиционные статистические методы с методами машинного обучения, обеспечивая многоступенчатую проверку и обработку данных, нивелируя проблемы их интерпретируемости и качества.
Ключевые слова = ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ
Ключевые слова = МАШИННОЕ ОБУЧЕНИЕ
Ключевые слова = НОВИКОВА Н.П.
Ключевые слова = ПРЕДИКТИВНАЯ АНАЛИТИКА
Ключевые слова = ПРОГНОЗИРОВАНИЕ
Ключевые слова = РЕКОМЕНДАЦИЯ
Ключевые слова = СПРОС
Ключевые слова = СТАТИСТИЧЕСКИЙ МЕТОД
Ключевые слова = СЫСОЕВА О.М.
Ключевые слова = УПРАВЛЕНИЕ
Ключевые слова = УПРАВЛЕНЧЕСКОЕ РЕШЕНИЕ
Ключевые слова = ЦЕПИ ПОСТАВОК
Ключевые слова = ЭКОНОМИЧЕСКИЕ НАУКИ. МАКРОЭКОНОМИКА. МИКРОЭКОНОМИКА
Иванов, Ф.Д.
Предиктивное моделирование в сфере управления цепями поставок на основании методов искусственного интеллекта / Иванов Ф.Д. // Экономика и управление (электронная версия). – 2025. – №9. – С.1200-1212. - 642174. – На рус. яз.
Выявление и комплексное сравнение методов предиктивного моделирования с применением искусственного интеллекта в сфере управления цепями. Анализ главных методов предиктивного моделирования. Проведение систематического обзора литературы, в том числе выделение критериев отбора анализируемых исследований, определение структуры исследования и поэтапный отбор выборки для исследования. Сравнение преимуществ и недостатков методов искусственного интеллекта и традиционных статистических методов для предиктивного моделирования в сфере управления цепями поставок (SCM). Составление рекомендаций для внедрения и применения различных методов предиктивного моделирования в зависимости от вида операций в цепях поставок. Использование методов машинного обучения, становящееся все более распространенным, открывая широкие перспективы для повышения точности принятия решений и прогнозирования в области SCM. Рекомендации по использованию методов предиктивного моделирования в зависимости от операций внутри цепочки поставок. Выявление ряда недостатков, в частности, проблем, связанных с качеством данных, интерпретируемостью моделей и необходимостью знания предметной области. Обобщение результатов показывает, что, хотя модели прогнозирования на основе искусственного интеллекта могут повысить эффективность и скорость реагирования в управлении цепочками поставок, их успешное внедрение требует тщательного учета организационного контекста и операционных ограничений. Выводы. Гибридный подход, наиболее применимый сегодня к предиктивной аналитике цепей поставок, сочетающий традиционные статистические методы с методами машинного обучения, обеспечивая многоступенчатую проверку и обработку данных, нивелируя проблемы их интерпретируемости и качества.
Ключевые слова = ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ
Ключевые слова = МАШИННОЕ ОБУЧЕНИЕ
Ключевые слова = НОВИКОВА Н.П.
Ключевые слова = ПРЕДИКТИВНАЯ АНАЛИТИКА
Ключевые слова = ПРОГНОЗИРОВАНИЕ
Ключевые слова = РЕКОМЕНДАЦИЯ
Ключевые слова = СПРОС
Ключевые слова = СТАТИСТИЧЕСКИЙ МЕТОД
Ключевые слова = СЫСОЕВА О.М.
Ключевые слова = УПРАВЛЕНИЕ
Ключевые слова = УПРАВЛЕНЧЕСКОЕ РЕШЕНИЕ
Ключевые слова = ЦЕПИ ПОСТАВОК
Ключевые слова = ЭКОНОМИЧЕСКИЕ НАУКИ. МАКРОЭКОНОМИКА. МИКРОЭКОНОМИКА

На полку
