Розмір шрифта:
Інтегроване виробниче планування на основі предиктивної та прескриптивної аналітики
Остання редакція: 2026-04-26
Анотація
У роботі досліджено інтегрований підхід до підтримки прийняття рішень у задачах виробничого планування, що поєднує методи предиктивної аналітики (для прогнозування попиту) та прескриптивної аналітики (для оптимізації ресурсів). Реалізовано гібридну модель прогнозування на основі алгоритмів SARIMA та Random Forest з автоматичним вибором найефективнішого з них. Для оптимізації виробничого плану розроблено математичну модель лінійного програмування, спрямовану на мінімізацію сукупних витрат підприємства. Створено вебзастосунок, тестування якого на реальних даних підтвердило зниження загальних витрат на 14,5 % та забезпечило точність прогнозування з похибкою менше 9 %.
Ключові слова
прогнозування попиту; машинне навчання; лінійне програмування; предиктивна аналітика; прескриптивна аналітика
Посилання
1. Клименко В. Застосування інструментів штучного інтелекту для підвищення точності прогнозування продажів у сфері цифрового підприємництва. Економіка та суспільство, 2024. Вип. 68. DOI: https://doi.org/10.32782/2524-0072/2024-68-140
2. Saira Malik, Muhibullah Khan, Muhammad Kamran Abid, & Naeem Aslam. (2024). Sales Forecasting Using Machine Learning Algorithm in the Retail Sector. Journal of Computing & Biomedical Informatics, 6(02), 282–294. Retrieved from https://www.jcbi.org/index.php/Main/article/view/370
3. Li, X., Ji, X. & Zeng, X. (2024). Optimizing supply chain networks using mixed integer linear programming (MILP). Theoretical and Natural Science, 41, 139-144. DOI: https://doi.org/10.54254/2753-8818/41/20240642
4. Dimitris Bertsimas, Nathan Kallus. (2019) From Predictive to Prescriptive Analytics. Management Science, 66(3):1025-1044. DOI: https://doi.org/10.1287/mnsc.2018.3253
5. Шевчук О. Ф., Козловський А. В., Паночишин Ю. М., Сімончук С. В., Бондар М.Я. Інформаційна технологія предиктивної та прескриптивної аналітики для оптимізації виробничого планування. Наука і техніка сьогодні. 2026. № 3 (57). С. 3056-3069. DOI: https://doi.org/10.52058/2786-6025-2026-3(57)-3056-3069
2. Saira Malik, Muhibullah Khan, Muhammad Kamran Abid, & Naeem Aslam. (2024). Sales Forecasting Using Machine Learning Algorithm in the Retail Sector. Journal of Computing & Biomedical Informatics, 6(02), 282–294. Retrieved from https://www.jcbi.org/index.php/Main/article/view/370
3. Li, X., Ji, X. & Zeng, X. (2024). Optimizing supply chain networks using mixed integer linear programming (MILP). Theoretical and Natural Science, 41, 139-144. DOI: https://doi.org/10.54254/2753-8818/41/20240642
4. Dimitris Bertsimas, Nathan Kallus. (2019) From Predictive to Prescriptive Analytics. Management Science, 66(3):1025-1044. DOI: https://doi.org/10.1287/mnsc.2018.3253
5. Шевчук О. Ф., Козловський А. В., Паночишин Ю. М., Сімончук С. В., Бондар М.Я. Інформаційна технологія предиктивної та прескриптивної аналітики для оптимізації виробничого планування. Наука і техніка сьогодні. 2026. № 3 (57). С. 3056-3069. DOI: https://doi.org/10.52058/2786-6025-2026-3(57)-3056-3069
Повний текст:
PDF