Штучний інтелект

Анотація: У статті розглянуто проблему підвищення ефективності підтримки прийняття рішень в управлінні запасами в умовах невизначеного попиту, розширення номенклатури товарів та зростання динамічності ринкового середовища. Показано, що традиційні підходи до класифікації товарів, зокрема ABC-XYZ аналіз, ґрунтуються переважно на використанні історичних даних і не враховують можливі зміни характеристик товарних позицій у майбутніх періодах. Це обмежує можливості своєчасного реагування на зміни попиту та знижує ефективність управління запасами. Метою дослідження є розробка методу адаптивної класифікації товарів на основі прогнозованих характеристик для підтримки прийняття рішень в управлінні запасами. Запропонований підхід поєднує багатофакторне представлення товарних позицій, прогнозування їх характеристик із використанням методів машинного навчання та механізм адаптивного перегляду належності товарних позицій до класів ABC-XYZ. У роботі сформовано систему характеристик товарних позицій, яка включає показники економічної цінності, параметри попиту, характеристики доступності товарних запасів та логістичні показники. Особливістю запропонованого підходу є врахування факторів доступності товарів, що дозволяє уникати помилкової інтерпретації зниження продажів у випадках відсутності товарних запасів. На відміну від традиційних підходів, запропонований метод використовує прогнозовані значення характеристик товарів для визначення їх майбутнього стану та формування прогнозного класу товарної позиції. Для оцінювання доцільності перегляду належності товарної позиції до відповідного класу запропоновано використовувати інтегральний показник зміни стану товару, який враховує прогнозовані зміни всіх характеристик та дозволяє зменшити вплив випадкових коливань показників. Перегляд класу виконується лише за умови наявності відмінностей між поточним і прогнозним класами та перевищення встановленого порогового значення інтегрального показника зміни стану товарної позиції. Запропонований підхід передбачає використання налаштовуваних порогів перегляду класу, що забезпечує його адаптацію до особливостей різних галузей, асортиментних політик та умов функціонування підприємств. Наукова новизна дослідження полягає у розробці методу адаптивної класифікації товарів, який забезпечує автоматичний перегляд належності товарних позицій до класів ABC-XYZ на основі прогнозованих характеристик товарів та інтегральної оцінки змін їхнього стану. Практичне значення запропонованого підходу полягає у підвищенні обґрунтованості управлінських рішень щодо контролю, моніторингу та поповнення запасів, а також у формуванні передумов для переходу від реактивного до проактивного управління запасами в умовах невизначеного попиту.

Ключові слова: підтримка прийняття рішень; машинне навчання; адаптивна класифікація товарів; прогнозування характеристик товарних позицій; управління запасами; ABC-XYZ аналіз

Посилання:

1. Шендерівська Л.П., Варварова А.К. ABC-XYZ аналіз в системі управління запасами підприємства. Підприємництво і торгівля. 2024. № 41. С. 126–136. DOI: 10.32782/2522-1256-2024-41-16.
2. Бочарова Н.А. Удосконалення логістичного управління запасами підприємства на основі ABC та XYZ аналізу. Проблеми економіки транспорту. 2022. DOI: 10.15802/rtem2022/277666.
3. Heger J., Klein R. Assortment optimization: a systematic literature review. OR Spectrum. 2024. Vol. 46. P. 1099–1161. DOI: 10.1007/s00291-024-00752-4.
4. Wang C., Ning G. Multi-criteria inventory classification considering demand stability. Scientific Reports. 2026. DOI: 10.1038/s41598-026-42590-0.
5. Qaffas A.A., Crone S., Aljameel S. An Explainable Artificial Intelligence Approach for Multi-Criteria ABC Inventory Classification. Journal of Theoretical and Applied Electronic Commerce Research. 2023. Vol. 18(2). P. 1045–1065. DOI: 10.3390/jtaer18020044.
6. Kmiecik M. Dynamic ABC Analysis for Assortment Management in 3PL. Scientific Papers of Silesian University of Technology. Organization and Management Series. 2023. Vol. 189. P. 317–331.
7. Babai M.Z., Arampatzis M., Hasni M., Lolli F., Tsadiras A. On the use of machine learning in supply chain management: a systematic review. IMA Journal of Management Mathematics. 2025. Vol. 36(1). P. 21–49. DOI: 10.1093/imaman/dpae029.
8. Bergsma R., de Ruijt C., Bhulai S. A systematic review of machine learning approaches in inventory control optimization. Operations Research Perspectives. 2025. Vol. 15. Article 100367. DOI: 10.1016/j.orp.2025.100367.
9. Douaioui K., Oucheikh R., Benmoussa O., Mabrouki C. Machine Learning and Deep Learning Models for Demand Forecasting in Supply Chain Management: A Critical Review. Applied System Innovation. 2024. Vol. 7(5). Article 93. DOI: 10.3390/asi7050093.
10. Khedr A.M., Sheeja R.S. et al. Enhancing Supply Chain Management with Deep Learning and Machine Learning Techniques: A Review. Journal of Open Innovation: Technology, Market, and Complexity. 2024. Article 100379. DOI: 10.1016/j.joitmc.2024.100379.
11. Чебанова О.П., Волохов В.А. Використання технологій машинного навчання для оптимізації логістики. Вісник економіки транспорту та промисловості. 2023. № 83. С. 278–283. DOI: 10.18664/btie.83.300406.
12. Молчанов Б.О. Використання машинного навчання у системах управління запасами і складом. Вісник Хмельницького національного університету. 2024. № 341(5). DOI: 10.31891/2307-5732-2024-341-5-50.
13. Kuhn M., Silge J. Tidy Modeling with R. Sebastopol: O’Reilly Media, 2022.
14. Raschka S., Liu Y., Mirjalili V. Machine Learning with PyTorch and Scikit-Learn. Birmingham: Packt Publishing, 2022.
15. Géron A. Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow. 3rd ed. Sebastopol: O’Reilly Media, 2022.
16. Molnar C. Interpretable Machine Learning. 2nd ed. 2025.
17. Lepenioti K., Bousdekis A., Apostolou D., Mentzas G. Prescriptive Analytics: Literature Review and Research Challenges. International Journal of Information Management. 2020. Vol. 50. P. 57–70. DOI: 10.1016/j.ijinfomgt.2019.04.003.
18. Іваненко Л.М., Смерічевська С.В., Іваненко В.І. Інтегральний підхід до логістики постачання, виробництва та дистрибуції на основі формалізації логістичних бізнес-процесів. БізнесІнформ. 2024. № 4. С. 315–325. DOI: 10.32983/2222-4459-2024-4-315-325.
19. Скаско О.І., Кут Д.М. Застосування нових систем управління запасами на підприємствах в умовах ринкової нестабільності та військового конфлікту. Вісник Львівського торговельно-економічного університету. 2024. № 76. DOI: 10.32782/2522-1205-2024-76-14.
20. Іпполітова І., Білоцерківський О., Гудименко В. Вплив логістичних процесів на ефективність управління запасами підприємства. Економіка та суспільство. 2024. № 65. DOI: 10.32782/2524-0072/2024-65-9.