УДК 330.
DOI: 10.36871/ek.up.p.r.2025.12.12.031

Авторы

Абдул-Халид Абдул-Муслимович Айбуев,
Мансур Абдул-Муслимович Айбуев,
ФГБОУ ВО «Грозненский государственный нефтяной технический университет им. акад. М. Д. Миллионщикова», г. Грозный, Россия

Аннотация

В статье рассмотрены теоретические и прикладные аспекты использования методов машинного обучения в процессе цифровой трансформации производственного предприятия. Показаны основные направления применения алгоритмов обучения на данных для оптимизации технологических процессов, повышения качества продукции, прогнозирования спроса, управления логистикой и поддержки принятия управленческих решений. Особое внимание уделено вопросам интеграции машинного обучения с промышленным интернетом вещей, цифровыми двойниками и корпоративными информационными системами. Также проанализированы барьеры внедрения интеллектуальных решений и перспективы их развития в контексте перехода к Индустрии 4.0 и Индустрии 5.0.

Ключевые слова

машинное обучение, цифровая трансформация, производственное предприятие, предиктивная аналитика

Список литературы

  1. Ахмаров А. В. Модели софинансирования социальных страховых программ: сравнительный анализ и перспективы для России / А. В. Ахмаров А. М. Мамаева, К. Д. Шахдуллаев // Экономика и управление: проблемы, решения. — 2025. — Т. 11, № 3(156). — С. 211– 217. — DOI 10.36871/ek.up. p. r.2025.03.11.022. — EDN AYUZOK.
  2. Жарасов Б. С., Абрамов В. И. Цифровые двойники в управлении производством: принципы создания, проблемы внедрения и перспективы развития // Современная экономика: проблемы и решения. 2024. № 6 (174). С. 80–94.
  3. Козлова В. В. Оптимизация бизнес-процессов с применением технологий искусственного интеллекта // Вестник Евразийской науки. 2025. Т. 17. № s2. С. 1–16.
  4. Мухамеджанов А. И., Хабибуллин И. И. Обзор методов машинного обучения для прогнозирования технического состояния газотурбинных двигателей // Вестник КГТУ им. А. Н. Туполева. 2023. № 3. С. 70–78.
  5. Прыткова Е. А., Давыдов В. М. Применение многофакторного анализа показателей качества машиностроительной продукции для оптимизации бизнес-процессов // Вестник МГТУ им. Г. И. Носова. 2024. Т. 22. № 3. С. 152–159.
  6. Рогулин Р. С. Использование методов анализа данных и машинного обучения для прогнозирования и планирования спроса при управлении цепочками поставок // Теоретическая экономика. 2023. № 8. С. 35–53.
  7. Рубцов Ю. В. Оценка метода машинного обучения для системы автоматизированного выбора компонентной базы радиоэлектронной аппаратуры // Автоматизация и измерения в машиностроении. 2025. № 3 (31). С. 47–55.