Registration Number
2124U015081, Article
popup.category
Тези
Title
Enhancing decision-making in business process management with predictive analytics based on artificial intelligence
popup.author
Горчук Ю. А.
Юхимчук М. С.
Дубовой В. М.
Horchuk Y. A.
Yukhymchuk M. S.
Dubovoy V. M.
popup.publication
01-01-2024
popup.source_user
Вінницький національний технічний університет
popup.source
https://ir.lib.vntu.edu.ua/handle/123456789/44002
popup.publisher
Вінницький національний технічний університет
Description
Дана робота досліджує роль штучного інтелекту (ШІ), зокрема предиктивної аналітики на основі ШІ, в удосконаленні процесу прийняття рішень в рамках управління бізнес-процесами (BPM). Оскільки організації прагнуть підвищити ефективність і адаптивність своїх процесів, предиктивна аналітика стала ключовим інструментом, який дозволяє бізнесу приймати більш обґрунтовані рішення. Використовуючи моделі штучного інтелекту, такі як ChatGPT, Gemini AI та інші, компанії можуть аналізувати величезні обсяги історичних даних і даних у реальному часі, щоб прогнозувати тенденції, оптимізувати розподіл ресурсів і зменшити ризики у своїй діяльності. Предиктивна аналітика на основі штучного інтелекту революціонізує підхід до BPM. Здатність передбачати потенційні майбутні події на основі аналізу даних дозволяє компаніям проактивно коригувати робочі процеси, графіки та використання ресурсів. Цей зсув призводить до підвищення продуктивності, зниження операційних витрат і більш гнучкого реагування на динаміку ринку. Моделі штучного інтелекту особливо ефективні в аналізі великих масивів даних, які були б занадто складними або трудомісткими для аналітиківлюдей, тим самим підвищуючи швидкість і точність прийняття рішень. У цій роботі також розглядаються основні алгоритми та методи машинного навчання, які використовуються моделями штучного інтелекту для генерування прогностичних висновків, зокрема регресійний аналіз, нейронні мережі та дерева рішень. Вона досліджує інтеграцію предиктивної аналітики на основі штучного інтелекту в існуючі системи BPM і вивчає її наслідки для прийняття оперативних і стратегічних рішень. Крім того, в роботі розглядаються такі проблеми, як якість даних, складність інтеграції та необхідність безперервного навчання моделей для підтримки високої точності прогнозування. Дослідження підкреслює, як предиктивна аналітика на основі штучного інтелекту може трансформувати бізнес-операції, особливо в таких сферах, як управління ланцюгами поставок, управління взаємовідносинами з клієнтами та фінансове прогнозування. Крім того, в дисертації розглядається майбутній потенціал ШІ в BPM, зокрема, як прогнозні моделі можуть розвиватися, щоб з часом стати більш автономними та адаптивними, що в кінцевому підсумку призведе до більш розумних бізнес-процесів, які самооптимізуються.
popup.nrat_date
2026-11-02
