ПРОДВИЖЕНИЕ ERP СИСТЕМ С ИСПОЛЬЗОВАНИЕМ СОВРЕМЕННЫХ ТЕХНОЛОГИЙ, МАШИННОГО ОБУЧЕНИЯ И ГИБРИДНЫХ МЕТОДОВ ОПТИМИЗАЦИИ

Аннотация

Системы планирования ресурсов предприятия (СПР) превратились в передовые платформы управления бизнесом, объединяющие различные организационные процессы. Растущая потребность в обработке данных в режиме реального времени и принятии интеллектуальных решений привела к внедрению машинного обучения (МО) и гибридной оптимизации в СПР-системы, обеспечивая повышение эффективности, автоматизацию и возможности прогнозирования. В данной статье систематически рассматриваются последние достижения в области СПР-решений на основе МО, проанализировано более 70 научных статей. Алгоритмы МО улучшают прогнозирование спроса, управление запасами и распределение ресурсов, а гибридная оптимизация эффективно балансирует затраты, операционную эффективность и распределение ресурсов. Интеграция МО с СПР значительно улучшает работу цепочек поставок, оптимизируя логистику, закупки и управление складами и снижая неэффективность.
Также рассматривается роль СПР на базе МО в управлении человеческими ресурсами (УЧР), в частности ее применение для прогнозирования текучести кадров, оптимизации найма и планирования трудовых ресурсов. Кроме того, безопасность и прозрачность СПР повышаются благодаря таким технологиям, как федеративное обучение и блокчейн, обеспечивающим безопасное и децентрализованное управление данными. Будущие исследования будут сосредоточены на глубоком обучении, облачных СПР и аналитике больших данных, что позволит еще больше усовершенствовать предиктивное моделирование, бизнес-аналитику и автоматизацию операций.
Внедрение искусственного интеллекта (ИИ), интернета вещей (ИВ) и интел лектуальных систем принятия решений позволит предприятиям оптимизировать рабочие процессы, снизить риски и разработать стратегические основы, основанные на данных, обеспечивая устойчивость и адаптивность в высокодинамичной бизнес-среде.