Будь ласка, використовуйте цей ідентифікатор, щоб цитувати або посилатися на цей матеріал: https://dspace.mnau.edu.ua/jspui/handle/123456789/7978
Повний запис метаданих
Поле DCЗначенняМова
dc.contributor.authorЛопатін, А. О.-
dc.contributor.authorLopatin, Artem-
dc.date.accessioned2020-11-10T14:25:44Z-
dc.date.available2020-11-10T14:25:44Z-
dc.date.issued2020-
dc.identifier.citationЛопатін А. О. Застосування методів теорії наближених множин та нейронних мереж для оптимізації управління ланцюгами постачання. Modern Economics. 2020. № 22(2020). С. 44-49. DOI: https://doi.org/10.31521/modecon.V22(2020)-07.uk_UA
dc.identifier.urihttp://dspace.mnau.edu.ua/jspui/handle/123456789/7978-
dc.description.abstractУ статті визначено підгалузі штучного інтелекту, які підходять для програм управління ланцюгами постачання, та охарактеризовано інші підгалузі з точки зору їх корисності для підвищення ефективності управління ланцюгами постачання. Синтезовано літературу, що стосується застосування теорії наближених множин та нейронних мереж до ланцюгів постачання, щодо їх практичних наслідків та технічних переваг. Узагальнено тенденції досліджень теорії наближених множин та нейронних мереж та визначено потенційні сфери їх застосування в управлінні ланцюгами постачання, які ще не були досліджені. Обґрунтовано майбутні перспективи щодо розширення наявної літератури про штучний інтелект та невикористаних дослідницьких тем для штучного інтелекту, що стосуються управління ланцюгами постачання (машинне навчання, генетичні алгоритми та інше).uk_UA
dc.description.abstractThe decision to align a specific order with a supplier depends on a no of criteria. Generally the buyer's decision depends on his assessment of the supplier's ability to meet the criteria of quality, volume, terms of delivery, price and service. But to evaluate these criteria, the company needs to manage information from different sources through whole supply chain. One way to control may comprise artificial intelligence methods. The main purposes of this article are to identify the AI subsectors that are most suitable for SCM programs, and characterize other subsectors in terms of their usefulness for improving SC performance. Synthesize the existing research on the appliance of rough set theory and neural networks methods touching SCM, on their practical implications and technical merits. Summarize research trends in rough set theory and neural networks methods and identify potential utilization of SCM that haven’t yet been studied in Ukrainian science field. Justify future prospects for expanding existing AI literature and unused AI research in Ukrainian science field topics related to SCM. Results The article identifies the sub-sectors of artificial intelligence that are most suitable for supply chain management programs, and describes other sub-sectors in terms of their usefulness for improving the efficiency of supply chain management. Synthesize the existing literature on the appliance of rough set theory and neural networks methods in supply chains, on their practical implications and technical merits. The tendencies of researches of rough set theory and neural networks methods are generalized and potential spheres of their appliance in management of supply chains which haven’t been investigated yet are defined. Conclusions. Despite the long history of AI, the potential of AI as a means of solving complex issues and finding info in the field of SC hasn’t been fully used in the past especially in the Ukrainian scientific literature. In particular, some groups of AI technologies, such as expert systems and GAs, are increasingly used to solve management issues, including inventory management, procurement, location planning, shipment coordination between contractors, and routing / planning issues. Further study of the issue requires consideration of the use of other AI methods in supply chain management, such as fuzzy logic and agent modeling and recognition of their practical aspects.-
dc.language.isootheruk_UA
dc.subjectштучний інтелектuk_UA
dc.subjectуправління ланцюгами постачанняuk_UA
dc.subjectтеорія наближених множинuk_UA
dc.subjectштучні нейронні мережіuk_UA
dc.subjectartificial intelligenceuk_UA
dc.subjectsupply chain managementuk_UA
dc.subjectrough setsuk_UA
dc.subjectartificial neural networksuk_UA
dc.titleЗастосування методів теорії наближених множин та нейронних мереж для оптимізації управління ланцюгами постачанняuk_UA
dc.title.alternativeUse of Rough Set Theory and Neural Networks Methods in Supply Chain Managementuk_UA
dc.typeArticleuk_UA
Розташовується у зібраннях:Modern Economics. - 2020. - Вип. 22.

Файли цього матеріалу:
Файл Опис РозмірФормат 
lopatin.pdf470,84 kBAdobe PDFПереглянути/Відкрити


Усі матеріали в архіві електронних ресурсів захищені авторським правом, всі права збережені.