УДК 658.7
DOI: 10.36871/ek.up.p.r.2025.09.07.003

Авторы

Шамиль Наипович Вагапов,
Валентина Михайловна Репникова,
Российский Экономический Университет им Г. В. Плеханова Москва, Россия

Аннотация

Статья посвящена исследованию современной практики применения методов машинного обучения в прогнозировании спроса и управлении запасами на складе. Обосновывается актуальность внедрения интеллектуальных технологий в условиях роста объемов данных, высокой изменчивости потребительского спроса и цифровой трансформации логистической отрасли. В работе раскрываются функциональные особенности использования алгоритмов машинного обучения для прогнозирования спроса, управления ассортиментом и оптимизации складских процессов, а также фиксируется их взаимосвязь как элементов единого механизма. Особое внимание уделено анализу технологий, интегрируемых в логистические процессы, среди которых: технологии больших данных (а также Big Data-платформы), методы оптимизации, интернет вещей, облачные решения, роботизация и др. На примере отечественных и зарубежных исследований проведено сопоставление моделей внедрения, выявлены их результаты и зафиксировано отраслевое значение применения машинного обучения. Установлено, что интеграция интеллектуальных алгоритмов формирует мультипликативные эффекты, а именно экономический (снижение издержек, рост оборачиваемости запасов), операционный (повышение точности прогнозов, ускорение обработки заказов), стратегический (формирование новых бизнес-моделей, рост конкурентоспособности) и социально-экологический. Научная новизна исследования заключается в систематизации и уточнении механизмов отраслевого влияния машинного обучения на складскую логистику, а также в выделении совокупности технологий, которые формируют интеграционный механизм. Теоретическая значимость проявляется в развитии научных представлений о цифровой трансформации логистики через применение методов машинного обучения. Практическая значимость заключается в применимости сформулированных положений в реалиях отечественной транспортно-логистической отрасли.

Ключевые слова

машинное обучение в логистике, прогнозирование спроса на товары, управление складскими запасами, оптимизация складских процессов, аналитика больших данных (Big Data), интернет вещей в складской логистике, цифровая трансформация цепей поставок, роботизация складских операций