УДК 330
DOI: 10.36871/ek.up.p.r.2025.10.08.008
Авторы
Залина Мусаевна Муцурова,
ФГБОУ ВО «Чеченский государственный университет им. А. А. Кадырова», г. Грозный, Российская Федерация
Тимур Гаджиевич Айгумов,
ФГБОУ ВО «Дагестанский государственный технический университет», г. Махачкала, Российская Федерация
Елена Ивановна Зацаринная,
Российский экономический университет имени Г. В. Плеханова
Аннотация
В статье рассмотрены теоретические основы применения глубоких нейронных сетей для прогнозирования спроса и их влияние на эффективность управления запасами в цепях поставок. Показано, что использование многоуровневых архитектур глубокого обучения позволяет выявлять нелинейные зависимости, учитывать сезонность, эффекты промоакций и экзогенные факторы, обеспечивая более высокую точность прогноза по сравнению с традиционными статистическими методами. Проведён анализ взаимосвязи точности прогнозирования с параметрами систем пополнения запасов, уровнем обслуживания и экономическими издержками. Установлено, что снижение неопределённости спроса приводит к уменьшению страхового запаса, выравниванию логистических потоков и снижению суммарных затрат при сохранении требуемой надёжности снабжения. Отдельное внимание уделено эффекту хлыста и роли качественных прогнозов в его ослаблении, а также влиянию систематических ошибок прогноза на дисбаланс запасов по уровням цепи поставок.
Ключевые слова
прогнозирование спроса, глубокие нейронные сети, управление запасами, цепи поставок, уровень обслуживания
