Система підтримки прийняття рішень для дистриб’юторів автозапчастин
Автор: Поляк Назар Романович
Кваліфікаційний рівень: магістр
Спеціальність: Системи і методи прийняття рішень
Інститут: Інститут комп'ютерних наук та інформаційних технологій
Форма навчання: денна
Навчальний рік: 2025-2026 н.р.
Мова захисту: українська
Анотація: Магістерську кваліфікаційну роботу присвячено розв’язанню актуальної науково-практичної задачі розробки системи підтримки прийняття рішень (СППР) для оптимізації управління товарними запасами дистриб’юторів автомобільних запчастин. Обґрунтовано необхідність застосування інтелектуальних методів аналізу даних в умовах великої номенклатури товарів, високої волатильності попиту та жорсткої ринкової конкуренції [1], що є характерним для даної галузі. Традиційні методи управління, інтегровані у стандартні ERP-системи, не здатні адекватно обробляти "довгий хвіст" попиту та враховувати складні нелінійні залежності, що призводить до значних фінансових втрат. Метою роботи було розроблення науково-методичних засад та інструментального забезпечення СППР для автоматизації процесів прогнозування попиту та оптимізації закупівель, підвищення ефективності використання обігових коштів та покращення рівня обслуговування клієнтів. Об’єктом вивчення виступає процес керування товарними запасами в дистриб’юторських фірмах на ринку автомобільних запчастин. Предметом дослідження є способи та засоби підтримки рішень щодо оптимізації цього процесу, що охоплюють алгоритми машинного навчання [2], моделі контролю запасів, а також архітектурні підходи до створення відповідного програмного забезпечення. У роботі застосовано методи системного аналізу, теорії управління запасами (моделі EOQ, ROP, Safety Stock), метод аналізу ієрархій (МАІ), методи машинного навчання (градієнтний бустинг), методи об’єктно-орієнтованого моделювання (UML), а також сучасні технології веб-розробки (Python, Django, React.js, PostgreSQL, ClickHouse). У результаті виконання роботи розроблено архітектуру та реалізовано функціональний прототип веб-застосунку СППР. Система забезпечує: прогнозування попиту на основі ML-моделі (LightGBM); автоматичний розрахунок оптимального обсягу замовлення (EOQ) та точки поповнення (ROP) з урахуванням прогнозу та логістичних параметрів; надання візуальних рекомендацій менеджерам; інтерактивний аналіз "What-if" для моделювання різних сценаріїв; відображення аналітичних дашбордів; імітацію формування звітів (CSV) та взаємодії з користувачем. Проведено аналіз результатів функціонування системи на контрольних прикладах, що підтвердило її працездатність. Розраховано кошторисну вартість розробки (2 507 938 грн) та показники економічної ефективності, які підтверджують доцільність впровадження системи, зокрема термін окупності проєкту менше 3 років (2.998 років) та показник конкурентоспроможності - 1.54$. Наукова новизна полягає у розробці архітектури та обґрунтуванні гібридного підходу до побудови СППР для дистрибуції автозапчастин, що інтегрує методи машинного навчання для прогнозування попиту з класичними моделями оптимізації запасів в рамках веб-орієнтованої системи з розділенням OLTP (PostgreSQL) та OLAP (ClickHouse) сховищ даних. Практичне значення роботи полягає у створенні функціонального прототипу, який може бути використаний дистриб’юторськими компаніями як інструмент для підвищення точності прогнозів, оптимізації рівня запасів, зниження логістичних витрат та підвищення загальної ефективності бізнес-процесів. Ключові слова: система підтримки прийняття рішень, управління запасами, автозапчастини, прогнозування попиту, машинне навчання, LightGBM, EOQ, ROP, оптимізація, веб-застосунок, React, Django, PostgreSQL, ClickHouse. Перелік використаних літературних джерел 1. Соколова Л. В., Петренко В. О. Проблеми та перспективи розвитку ринку автомобільних запчастин в Україні | Економічний простір. 2019. № 148. С. 138-147. URL: http://www.prostir.pdaba.dp.ua/index.php/journal/article/view/58 (дата звернення: 31.10.2025). 2. Гавриш О. М., Прокопенко Т. С. Використання методів машинного навчання для прогнозування попиту в ланцюгах постачання | Економіка та управління підприємствами. 2020. № 48. С. 112-118. URL: http://www.ei-journal.in.ua/index.php/journal/article/view/399 (дата звернення: 08.10.2025).