УДК 658.7:004.8
DOI: 10.36871/ek.up.p.r.2026.05.01.019

Авторы

Софья Дмитриевна Тихомирова,
Любовь Павловна Сажнева,
Национальный исследовательский университет ИТМО, Санкт-Петербург, Россия

Аннотация

Статья посвящена актуальным вопросам цифровой трансформации складской логистики металлургических предприятий на основе интеграции технологий искусственного интеллекта. Обоснована необходимость преодоления ограничений традиционных ERP- и WMS-систем, которые не обеспечивают должного уровня адаптивности и интеллектуальной поддержки управленческих решений в условиях высокой сложности материальных потоков и динамики спроса. На основе систематизации научных подходов проанализированы ключевые направления цифровизации: автоматизация складских операций, интернет вещей, цифровые двойники и искусственный интеллект. Выявлено, что применение алгоритмов машинного обучения, компьютерного зрения и предиктивной аналитики позволяет повысить точность прогнозирования спроса до 90–95%, снизить уровень избыточных запасов на 15–22% и сократить время обработки заказов на 25–30%. Установлено, что существующие стратегии внедрения: комплексная автоматизация или фрагментарное использование цифровых инструментов не позволяют достичь системного эффекта. В качестве перспективного решения предложен интеграционный подход, предполагающий поэтапное внедрение ИИ-модулей в существующую ИТ-инфраструктуру металлургических компаний, что обеспечивает баланс между технологическим развитием и экономической эффективностью без необходимости полной модернизации складских систем.

Ключевые слова

цифровая трансформация, складская логистика, металлургическая отрасль, искусственный интеллект, Industry 4.0, интернет вещей, цифровые двойники, управление запасами, оптимизация логистических процессов

Список литературы

  1. Vukicevic A., Mladineo M., Banduka N., Macuzic I. A smart Warehouse 4.0 approach for the pallet management using machine vision and Internet of Things (IoT): A real industrial case study // Advances in Production Engineering & Management. – 2021. – Т. 16. – № 3. – С. 297–306.
  2. Ali I., Phan H.M. Industry 4.0 technologies and sustainable warehousing: a systematic literature review and future research agenda // The International Journal of Logistics Management. – 2022. – Vol. 33. – № 2. – P. 644–662.
  3. Aravindaraj K., Rajan Chinna P. A systematic literature review of integration of industry 4.0 and warehouse management to achieve Sustainable Development Goals (SDGs) // Cleaner Logistics and Supply Chain. – 2022. – Vol. 5. – P. 100072.
  4. Cannas V.G., Ciano M.P., Saltalamacchia M., Secchi R. Artificial intelligence in supply chain and operations management: a multiple case study research // International Journal of Production Research. – 2024. – Vol. 62. – № 9. – P. 3333–3360.
  5. Toorajipour R., Sohrabpour V., Nazarpour A. et al. Artificial intelligence in supply chain management: A systematic literature review // Journal of Business Research. – 2021. – Vol. 122. – P. 502–517.
  6. Bandara F., Jayawickrama U., Subasinghage M. et al. Enhancing ERP Responsiveness Through Big Data Technologies: An Empirical Investigation // Information Systems Frontiers. – 2024. – Vol. 26. – № 1. – P. 251–275.
  7. Szelągowski M., Berniak-Woźny J., Sliż P. et al. Exploring the diverse nature of business processes in organisations in Industry 4.0/5.0 // Future Business Journal. – 2024. – Vol. 10. – № 1. – P. 118.
  8. Félix-Cigalat J.S., Domingo R. Towards a Digital Twin Warehouse through the Optimization of Internal Transport // Applied Sciences. – 2023. – Vol. 13. – № 8. – P. 4652.
  9. Guo D., Mantravadi S. The role of digital twins in lean supply chain management: review and research directions // International Journal of Production Research. – 2025. – Vol. 63. – № 5. – P. 1851–1872.
  10. Helo P., Hao Y. Artificial intelligence in operations management and supply chain management: an exploratory case study // Production Planning & Control. – 2022. – Vol. 33. – № 16. – P. 1573–1590.
  11. Jarašūnienė A., Čižiūnienė K., Čereška A. Research on Impact of IoT on Warehouse Management // Sensors. – 2023. – Vol. 23. – № 4. – P. 2213.
  12. Kembro J., Norrman A. The transformation from manual to smart warehousing: an exploratory study with Swedish retailers // The International Journal of Logistics Management. – 2022. – Vol. 33. – № 5. – P. 107–135.
  13. Flores-García E., Hoon Kwak D., Jeong Y., Wiktorsson M. Machine learning in smart production logistics: a review of technological capabilities // International Journal of Production Research. – 2025. – Vol. 63. – № 5. – P. 1898–1932.
  14. Preil D., Krapp M. Artificial intelligence-based inventory management: a Monte Carlo tree search approach // Annals of Operations Research. – 2022. – Vol. 308. – № 1-2. – P. 415–439.
  15. Tikwayo L.N., Mathaba T.N.D. Applications of Industry 4.0 Technologies in Warehouse Management: A Systematic Literature Review // Logistics. – 2023. – Vol. 7. – № 2. – P. 24.
  16. Tubis A.A., Rohman J. Intelligent Warehouse in Industry 4.0–Systematic Literature Review // Sensors. – 2023. – Vol. 23. – № 8. – P. 4105.
  17. Zhang Z., Chen J., Guo Q. Application of Automated Guided Vehicles in Smart Automated Warehouse Systems: A Survey // Computer Modeling in Engineering & Sciences. – 2022. – Vol. 0. – № 0. – P. 1–10.