Search academic texts

Information × Registration Number 2125U002959, Article popup.category Бакалаврська робота Title Система прогнозування попиту для управління запасами (AI translated) popup.author Євтушенко Владислав АнатолійовичYevtushenko Vladyslav Anatoliiovych popup.publication 01-01-2025 popup.source_user Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського» popup.source https://ela.kpi.ua/handle/123456789/75926 popup.publisher Київ Description Дипломна робота: 104 с., 20 рис., 7 табл., 23 посилань, 1 додаток. Об’єктом дослідження є процес управління товарними запасами в умовах змінного попиту. Предметом дослідження є методи прогнозування попиту та їх вплив на прийняття рішень щодо оптимізації рівня запасів. Метою роботи є розробка системи прогнозування попиту на основі машинного навчання для підвищення ефективності управління товарними запасами. Дипломна робота присвячена розробці інтелектуальної системи прогнозування попиту, що дозволяє підприємствам оптимізувати запаси й покращити процес прийняття управлінських рішень. У роботі розглянуто як класичні статистичні методи, так і сучасні алгоритми машинного навчання та глибокого навчання. Проведено порівняльний аналіз їхньої ефективності на основі історичних даних продажів. Встановлено, що точне прогнозування попиту дозволяє зменшити витрати на зберігання товарів, уникнути дефіциту та підвищити рівень обслуговування клієнтів. Результати моделювання використано для розробки алгоритмів прийняття рішень з управління запасами, включно з обчисленням економічно обґрунтованого обсягу замовлень та точок повторного замовлення. Запропонована система може бути впроваджена в малому та середньому бізнесі як альтернатива дорогим комерційним рішенням. Bachelor's thesis: 104 p., 20 figures, 7 tables, 23 references, 1 appendix. The object of the study is the process of inventory management under variable demand conditions. The subject of the research is demand forecasting methods and their impact on inventory optimization decisions. The purpose of the work is to develop a demand forecasting system based on machine learning to improve inventory management efficiency. This thesis focuses on developing an intelligent demand forecasting system that enables businesses to optimize inventory levels and improve decision-making processes. Both classical statistical approaches and modern machine learning and deep learning models are explored. A comparative analysis of their forecasting accuracy based on historical sales data is conducted. Accurate demand forecasting is shown to reduce storage costs, prevent stockouts, and increase customer service levels. The modeling results are used to develop decision-support algorithms for inventory management, including the calculation of economic order quantities and reorder points. The proposed system is suitable for implementation in small and medium-sized businesses as an alternative to costly commercial solutions. popup.nrat_date 2025-11-05 Close