Реєстраційний номер
2126U001949, Матеріали видань та локальних репозитаріїв
Категорія
Article, Стаття
Назва роботи
Інформаційна технологія предиктивної та прескриптивної аналітики для оптимізації виробничого планування
Information technology for predictive and prescriptive analytics in production planning optimization
Автор
Шевчук О. Ф.
Козловський А. В.
Паночишин Ю. М.
Сімончук С. В.
Бондар М. Я.
Shevchuk O.
Kozlovskyi A.
Panochyshyn Yu.
Simonchuk S.
Bondar M.
Shevchuk O.
Kozlovskyi A.
Panochyshyn Yu.
Simonchuk S.
Bondar M.
Дата публікації
01-01-2026
Постачальник інформації
Вінницький національний технічний університет
Першоджерело
https://ir.lib.vntu.edu.ua/handle/123456789/51074
Видання
Наукові перспективи
Опис
У статті розглянуто актуальну науково-прикладну задачу підвищення ефективності виробничого планування в умовах невизначеності попиту та обмеженості ресурсів. Запропоновано інтегрований підхід до підтримки прийняття рішень, який поєднує методи предиктивної та прескриптивної аналітики в межах єдиного програмного рішення. Розроблено архітектуру інформаційної технології, що забезпечує автоматизований перехід від прогнозування попиту до формування оптимального виробничого плану. У роботі реалізовано гібридний підхід до прогнозування попиту, який базується на паралельному використанні статистичних моделей ARIMA та ансамблевого алгоритму Random Forest. Для підвищення точності прогнозування застосовано механізми розширеного формування ознак, що враховують як часові залежності, так і вплив екзогенних факторів, зокрема маркетингових акцій і календарних подій. Вибір оптимальної моделі здійснюється автоматично на основі метрики середньої абсолютної відсоткової похибки. Розроблено математичну модель оптимізації виробничого плану, сформульовану як задачу лінійного програмування, яка враховує витрати на виробництво, зберігання запасів та дефіцит продукції, а також обмеження виробничих потужностей. Інтеграція прогнозованого попиту у модель оптимізації дозволяє реалізувати концепцію прескриптивної аналітики та забезпечує формування економічно обґрунтованих управлінських рішень. Експериментальна верифікація запропонованого підходу проведена на реальних даних роздрібної мережі. Отримані результати показали, що використання ансамблевих методів машинного навчання забезпечує середню абсолютну відсоткову похибку прогнозування на рівні менше 9%. Застосування оптимізаційної моделі забезпечує зниження сукупних витрат підприємства на 14,5% порівняно з традиційними підходами до планування. Практичне значення роботи полягає у можливості використання розробленого програмного застосунку як інструменту підтримки прийняття рішень для підприємств малого та середнього бізнесу. Перспективи подальших досліджень пов’язані з розширенням моделі на багатопродуктові системи, врахуванням стохастичності попиту та застосуванням методів глибинного навчання.
Додано/оновлено в НРАТ
2026-10-29
