Тип публикации: статья из журнала
Год издания: 2025
Ключевые слова: logistics, machine learning, artificial intelligence, demand forecasting, route optimization, automation, intelligent systems, логистика, машинное обучение, искусственный интеллект, прогнозирование спроса, оптимизация маршрутов, автоматизация, интеллектуальные системы
Аннотация: Цель исследования - разработка интеллектуальной системы на основе машинного обучения для автоматизации логистических процессов. Гипотеза заключается в том, что применение машинного обучения позволит повысить точность прогнозирования спроса, оптимизировать маршруты и снизить логистические риски. Для проверки гипотезы решены следующиПоказать полностьюе задачи: анализ методов машинного обучения, разработка архитектуры системы и оценка ее эффективности. В исследовании использованы регрессионные модели, кластеризация, нейронные сети, усиленное обучение и алгоритмы оптимизации. Результаты подтверждают, что предложенная система улучшает прогнозирование спроса, снижает транспортные затраты и минимизирует сбои в цепочках поставок. The aim of the study is to develop an intelligent system based on machine learning for the automation of logistics processes. The hypothesis is that applying machine learning will improve demand forecasting accuracy, optimize routes, and reduce logistics risks. To test this hypothesis, the following tasks were addressed: analysis of machine learning methods, development of the system architecture, and evaluation of its effectiveness. The study utilizes regression models, clustering, neural networks, reinforcement learning, and optimization algorithms. The results confirm that the proposed system enhances demand forecasting, reduces transportation costs, and minimizes disruptions in supply chains.
Журнал: Глобальный научный потенциал
Выпуск журнала: № 2
Номера страниц: 347-350
ISSN журнала: 19979355
Место издания: Санкт-Петербург
Издатель: МОО ФРНК