ЦИФРОВА ТРАНСФОРМАЦІЯ В ПЛАНУВАННІ ЛАНЦЮГІВ ПОСТАЧАННЯ: МОЖЛИВОСТІ, ПЕРЕВАГИ ТА ВИКЛИКИ
DOI:
https://doi.org/10.29038/2786-4618-2026-01-140-150Ключові слова:
штучний інтелект; великі дані; машинне навчання; планування ланцюга поставок; управління ланцюгом поставок; цифрова трансформація; прогнозування попиту; стійкість ланцюга поставокАнотація
Вступ. Планування є базовою складовою ефективного управління ланцюгами постачання, оскільки забезпечує узгодженість дій їх учасників і підтримує прийняття рішень щодо безперервності постачань, оптимізації витрат та рівня сервісу.
Мета дослідження полягає в узагальненні теоретичних і прикладних аспектів використання штучного інтелекту, технологій Big Data та машинного навчання в управлінні ланцюгами постачання, а також у визначенні їх ролі у підвищенні прозорості, ефективності, стійкості та конкурентоспроможності підприємств.
Методи дослідження включають аналіз і синтез наукових публікацій вітчизняних і зарубіжних авторів, порівняльний аналіз традиційних та інтелектуальних підходів до управління ланцюгами постачання, узагальнення статистичних і аналітичних даних міжнародних досліджень, а також методи системного підходу й логічного узагальнення для формування висновків.
Результати. Встановлено, що застосування інтелектуальних алгоритмів забезпечує більш точне прогнозування попиту за рахунок аналізу великих масивів історичних і потокових даних, що сприяє зменшенню ризиків надлишкових запасів або дефіциту продукції. Доведено, що використання Big Data аналітики дозволяє підприємствам отримувати наскрізну видимість логістичних процесів у режимі реального часу, покращувати координацію між учасниками ланцюга постачання та оперативно виявляти вузькі місця. Це створює підґрунтя для підвищення стійкості логістичних систем, особливо в умовах нестабільного зовнішнього середовища. Алгоритми машинного навчання підвищують ефективність управління запасами, транспортуванням і складськими операціями завдяки врахуванню нелінійних залежностей, часових патернів і чинників, які не можуть бути оброблені традиційними статистичними моделями. Це дозволяє оптимізувати логістичні маршрути, скорочувати витрати на транспортування, зменшувати затримки доставки та підвищувати рівень задоволеності клієнтів. Обґрунтовано, що ефективність застосування штучного інтелекту та машинного навчання залежить від якості, актуальності та узгодженості даних, а також від рівня цифрових компетенцій персоналу.
Висновок. Штучний інтелект, Big Data та машинне навчання є ключовими драйверами цифрової трансформації логістики й управління ланцюгами постачання.
Посилання
1.Stadtler H., Kilger Ch., Meyr H. (2015). Supply Chain Management and Advanced Planning - Concepts, Models, Software and Case Studies. Springer, Heidelberg - New York - Dordrecht – London.
2.Chopra S., Meindl P. (2016).Supply Chain Management: Strategy, Planning, and Operation / S. Chopra, P. Meindl. - 6th ed. - Boston : Pearson. 592 с.
3.Simchi-Levi D., Kaminsky P., Simchi-Levi E.( 2014). Designing and Managing the Supply Chain: Concepts, Strategies and Case Studies / D. Simchi-Levi, P. Kaminsky, E. Simchi-Levi. - 4th ed. - New York : McGraw-Hill Education,. 784 с.
4.Ivanov, D., Dolhui, A. ta Sokolov, B. (2019). Vplyv tsyfrovykh tekhnolohii ta Industrii 4.0 na efekt khvyl ta analityku ryzykiv lantsiuha postavok.[The impact of digital technologies and Industry 4.0 on the ripple effect and supply chain risk analytics]. Mizhnarodnyi zhurnal doslidzhen vyrobnytstva, 57, 829-846. DOI: https://doi.org/10.1080/00207543.2018.1488086.
5.Waller M.A., Fawcett S.E. (2013). Data science, predictive analytics, and big data: a revolution that will transform supply chain design and management. Journal of Business Logistics. Vol. 34, No. 2. С. 77-84.
6. Baryannis G., Dani S., Antoniou G. (2019). Predictive analytics and artificial intelligence in supply chain management: Review and implications for the future / G. Baryannis, S. Dani, G. Antoniou // Computers & Industrial Engineering. . Vol. 137. С. 106-121.
7.Min H., Zacharia Z.G., Smith S.( 2019.). Blockchain and artificial intelligence technology in supply chain management: A review and future research directions. International Journal of Logistics Management. Vol. 30, No. 2. С. 880–902.
8.Venkatachalam S..(2025). Integrating big programming language models with network optimization for interactive and understandable supply chain planning: a real-world example.URL: https://surl.li/nyoeyi.
9.Ge Zheng, Alexandra Brintru A.(2025). An Analytics-Driven Approach to Enhancing Supply Chain Visibility with Graph Neural Networks and Federated Learning. URL: https://www.semanticscholar.org/reader/89fa873ed2e223fefd65a1142c6ab7970c463d25.
10.Hyung-il Ahn, Santiago Olivar, Hershel Mehta, Young Chol Song. (2024).Generative Probabilistic Planning for Optimizing Supply Chain Networks. URL: https://arxiv.org/pdf/2404.07511?.
11.Chzhan K. (2024). Rol shtuchnoho intelektu u transformatsii kliientskoho dosvidu ta optymizatsii lantsiuhiv postachannia dlia hlobalnoho biznesu.[The role of artificial intelligence in transforming customer experience and optimizing supply chains for global business]. Innovation and Sustainability, (3), 45–52. DOI: https://doi.org/10.31649/ins.2024.3.45.52.
12. 5 Ways AI Is Becoming Essential to Supply Chain. URL: https://www.ascm.org/ascm-insights/5-ways-ai-is-becoming-essential-to-supply-chain/.
13.Alicke K., Barriball E., Trautwein V. (2021). How artificial intelligence is reshaping supply chains, McKinsey Insights, McKinsey Global Publishing, Nowy Jork. USA
14.Supply Chains: Still Vulnerable. URL: https://www.mckinsey.com /capabilities/operations/our-insights/supply-chain-risk-survey2024?utm_source= com.
15.Khmara, M. P. (2025). Rol shtuchnoho intelektu v hlobalnykh lantsiuhakh postavok.[ Khmara, M. P. (2025). The role of artificial intelligence in global supply chains]. Zhurnal stratehichnykh ekonomichnykh doslidzhen , (6), 41–57. DOI: https://doi.org/10.30857/2786-5398.2024.6.5.
16.Smerichevska, S. (2024). Stratehii upravlinnia ryzykamy lantsiuha postachan v eru hlobalnoi turbulentnosti ta shtuchnoho intelektu.[Supply Chain Risk Management Strategies in the Era of Global Turbulence and Artificial Intelligence.]. Materialy Vsesvitnoi konferentsii SWorld-Ger , 1 (gec32-00).S. 61–64. DOI: https://doi.org/10.30890/2709-1783.2024-32-00-005.
17.Babina T., Fedik A., He A., Hodson J. (2024) Artificial Intelligence, Firm Growth and Product Innovation Journal of Financial Economics , 151. URL: https://www.sciencedirect.com/science/article/pii/S0304405X2300185X
18.Aghaei R., Kiaei A.A.,Rofoosheh M.(2025). The Potential of Large Language Models in Supply Chain Management: Advancing Decision-Making, Efficiency, and Innovation URL: https://arxiv.org/pdf/2501.1541.
19.Dhar S. (2025).The Collaboration Paradox: Why Generative AI Requires Both Strategic Intelligence and Operational Stability in Supply Chain Management. URL: https://surl.li/niugzb.
20.Coelho da Silva T.L., Magalhaes R.P., Brilhante I.R., Macedo J.A., Araujo D., Rego P.A.L., Neto A.V.L.( 2018). Big Data analytics technologies and platforms: A brief review, Latin America Data Science Workshop,.
21.Tosi D.,Kokaj R.,Roccetti M. (2024). 15 Years of Big Data. A Systematic Literature ReviewJanuary. DOI: 10.13140/RG.2.2.32860.56961. URL: https://www.researchgate.net/publication/377838869_15Years_ of_Big_ Data_A_ Systematic_Literature_Review.
22.Tahani Ali Hakam, Yasser M. Alginahi, Omar Sabri.(2025). Exploring the Evolution of Big Data Technologies: A Systematic Literature Review of Trends, Challenges, and Future Directions.Future Internet., 17(9), 427. DOI: https://doi.org/10.3390/fi17090427.
23. «7V»: що треба знати про характеристики Big Data URL: https://hub.kyivstar.ua/articles/shho-take-big-data?utm_source=com
24.Kushnir O. K., Makohonchuk N. V., Yanchyk I. M. (2024). Vykorystannia BIG DATA analityky dlia pokrashchennia lohistychnykh protsesiv.[Using BIG DATA analytics to improve logistics processes]. Investytsii: praktyka ta dosvid. .№ 10 DOI: https://doi.org/10.32702/2306-6814.2024.10.129.
25.Filali A.E., Lahmer E.H.B., Filali S.E. (2022).Machine learning techniques for supply chain management: A systematic literature review, Journal of System and Management Sciences, vol. 12, no. 2, s. 80–82.
26.Unlocking the Game-Changing Capabilities of Machine Learning in Supply Chain. URL:https://transimpact.com/blog/unlocking-the-game-changing-capabilities-of-machine-learning-in-supply-chain/.
27.Zeimpekis V., Madas M.A.( 2024). Enhancing Supply Chain Agility and Sustainability through Machine Learning: Optimization Techniques for Logistics and Inventory Management. Logistics. 8(3), 73. DOI:https://doi.org/10.3390/logistics8030073.
28.Kryvoviaziuk I., Basiuk Yu.(2025).Tsyfrovi lantsiuhy postachannia ta yikh mistse v industrii 4.0.[ Digital supply chains and their place in Industry 4.0.] C.45-47.URL: https://lib.lntu.edu.ua/sites/default/files/2025-06/%D0%97%D0%B1%D1%96%D1%80%D0%BD%D0%B8%D0%BA%D0%9B%D0%9D%D0%A2%D0%A3_2.pdf?utm_source=chatgpt.com.
Цей твір ліцензовано на умовах 