Разработка адаптивной модели управления производственной организацией на основе нейронной сети

В условиях экономической нестабильности поставок, ограниченного доступа к зарубежным технологиям и поставщикам сырья и материалов, а также усиливающегося давления на производственный сектор России, особенно остро стоит вопрос совершенствования системы управления производственных организаций. Операционная логистическая деятельность современной организации включает в себя управление финансовой деятельностью, персоналом, маркетингом, информационными технологиями, управление закупочной логистикой, логистикой производства, сбыта, складирования и возвратной логистикой. Традиционные методы управления операционной логистической деятельностью организации часто оказываются недостаточно гибкими, чтобы оперативно реагировать на изменяющиеся внешние и внутренние условия, вследствие этого настоящее исследование направлено на устранение недостатков в управленческой деятельности организации с помощью разработки адаптивной модели управления производственной организацией на основе нейронной сети. В качестве интеллектуального инструмента предлагается использовать обучаемую нейросеть – GRU (англ. Gated Recurrent Unit), способную обрабатывать данные временных рядов и адаптироваться к изменениям параметров управления. Разрабатываемая модель на платформе Streamlit с использованием фреймворка TensorFlow/Keras предназначена для прогнозирования и автоматизации принятия управленческих решений в операционной деятельности, может быть интегрирована в практическую деятельность российских производственных организаций. В статье представлено сравнение GRU с альтернативными нейросетями LSTM (Long shortterm memory) и Transformer, что позволяет обосновать выбор архитектуры с точки зрения эффективности и практической применимости.