Впровадження методів штучного інтелекту та концепції Just-in-Time в інформаційну систему харчового підприємства
DOI:
https://doi.org/10.34121/1028-9763-2026-2-29-37Ключові слова:
інформаційні технології, методи штучного інтелекту, концепція Just-in-Time, харчова промисловість, логістичні бізнес-процесиАнотація
У статті розглянуто сучасні аспекти застосування концепції Just-in-Time (JIT) для харчового підприємства. Проаналізовано історичні етапи становлення концепції, її основні принципи, методологію впровадження та особливості адаптації до галузі з коротким циклом виробництва. Визначено ключові переваги JIT — скорочення запасів, підвищення якості продукції, зменшення витрат на зберігання й транспортування. Описано ризики, що виникають унаслідок перебоїв постачань, сезонності, коливань попиту та вимог до санітарної безпечності. Запропоновано способи вдосконалення бізнес-процесів харчового підприємства за рахунок доповнення логістичної системи JIT сучасними інформаційними технологіями: системами управління підприємством ERP, MES, WMS, технологіями інтернету речей, обробки й аналізу великих даних Big Data, штучного інтелекту. На прикладі підприємств харчової промисловості запропоновано способи використання методів регресійного аналізу, кластеризації, асоціативних правил, прогнозування, штучних нейронних мереж у межах системи JIT. Адаптація концепції JIT до умов діяльності українських харчових підприємств та її консолідація з сучасними інформаційними технологіями здатна підвищити їх конкурентоспроможність на внутрішньому та міжнародному ринках. Успішність застосування даного підходу у діяльності харчового підприємства значною мірою залежить від наявності державної підтримки, модернізації виробничих потужностей, залученості персоналу і створення відповідного інформаційного середовища. Впровадження консолідованої з методами штучного інтелекту концепції Just-in-Time в інформаційну систему харчового підприємства сприятиме зниженню собівартості продукції, зменшенню загальних витрат і, відповідно, підвищенню прибутковості підприємства. Бібліогр.: 19 назв.
Посилання
1. Demir S., Paksoy T. Just-in-Time and lean management. Smart and Sustainable Operations and Supply Chain in Industry 4.0. CRC Press, 2023. P. 223–234. DOI: https://doi.org/10.1201/9781003180302-11.
2. Ohno T. Toyota Production System: Beyond Large-Scale Production. Productivity Press, 1988. 143 p. ISBN 978-091529914.
3. Womack J.P., Jones D.T. Lean Thinking: Banish Waste and Create Wealth in Your Corporation. 2-nd ed. Free Press, 2003. 396 p. ISBN 978-0743249270.
4. Monden Y. Toyota Production System: An Integrated Approach to Just-in-Time. Institute of Industrial Engineers, 1993. 564 p. ISBN 978-0898065036.
5. Скіцько В.І. Цифрові технології сучасної логістики та управління ланцюгами поставок. Маркетинг і цифрові технології. 2018. Т. 2, № 3. С. 48–63. URL: https://mdt-opu.com.ua/index.php/mdt/article/view/44.
6. Попело О., Свириденко О. Роль цифрових технологій у розвитку логістичної системи торговельного підприємства. Проблеми і перспективи економіки та управління. 2025. № 1 (41). С. 146–158. DOI: https://doi.org/10.25140/2411-5215-2025-1(41)-146-158.
7. Hong Ning Dai G., Wang H., Xu G., Wan J., Imran M. Big data analytics for manufacturing Internet of Things: Opportunities, challenges and enabling technologies. arXiv, 2019. DOI: https://doi.org/10.48550/arXiv.1909.00413.
8. Russell S., Norvig P. Artificial Intelligence: A Modern Approach. 4th ed. Pearson, 2021. 1232 p. ISBN 978-0134610993.
9. Han J., Kamber M., Pei J. Data Mining: Concepts and Techniques. 3-rd ed. Morgan Kaufmann, 2011. 703 p. ISBN 978-0123814791.
10. O’Neill M., Morgan J., Burke K. Process visualization of manufacturing execution system (MES) data. arXiv, 2022. DOI: https://doi.org/10.48550/arXiv.2201.06465.
11. Пономаренко В.С. Інформаційні системи і технології в економіці. Харків: ХНЕУ ім. С. Кузнеця, 2018. URL: http://repository.hneu.edu.ua/handle/123456789/19712.
12. United Nations Industrial Development Organization. Industrial Development Report 2022. UNIDO, 2022. URL: https://www.unido.org/idr2022.
13. Christopher M. Logistics & Supply Chain Management. 5-th ed. Pearson, 2016. 328 p. ISBN 9781292083794.
14. Chopra S., Meindl P. Supply Chain Management: Strategy, Planning, and Operation. 7-th ed. Pearson, 2019. 528 p. ISBN 978-0134731886.
15. Hyndman R.J., Athanasopoulos G. Forecasting: Principles and Practice. 3rd ed. OTexts, 2021. URL: https://otexts.com/fpp3/.
16. Ivanov D., Dolgui A., Sokolov B. The impact of digital technology and Industry 4.0 on supply chain resilience. International Journal of Production Research. 2019. Vol. 57, N 3. P. 829–846. DOI: https://doi.org/10.1080/00207543.2018.1488086.
17. Gunasekaran A., Patel C., McGaughey R.E. A framework for supply chain performance measurement. International Journal of Production Economics. 2004. Vol. 87, N 3. P. 333–347. DOI: https://doi.org/10.1016/j.ijpe.2003.08.003.
18. Sharma R., Mithas S., Kankanhalli A. Transforming decision making processes: A research agenda for business analytics. European Journal of Information Systems. 2014. Vol. 23, N 4. P. 433–441. DOI: https://doi.org/10.1057/ejis.2014.17.
19. Food and Agriculture Organization of the United Nations. The State of Food and Agriculture 2023. FAO, 2023. URL: https://www.fao.org/3/cc7352en/cc7352en.pdf.
70
24Опубліковано
Номер
Розділ
Ліцензія
Ця робота ліцензується відповідно до ліцензії Creative Commons Attribution 4.0 International License.
