ADVANCING PREDICTIVE WAREHOUSE INVENTORY MANAGEMENT MECHANISMS BASED ON ARTIFICIAL INTELLIGENCE TECHNOLOGIES
DOI:
https://doi.org/10.25806/fm-2671Статья поступила в редакцию: 08.04.2026
Статья принята к публикации: 27.05.2026
Статья опубликована: 04.06.2026
Keywords:
management, warehouse logistics, inventory management, predictive technologies, artificial intelligence, decision-making, digital transformation, cost optimization, supply chain resilienceAbstract
This paper addresses the challenge of enhancing inventory management efficiency within trading enterprises amid high market uncertainty. The study substantiates a strategic shift from traditional reactive replenishment models to predictive decision-making mechanisms powered by artificial intelligence. The author proposes an adaptive algorithm for managing warehouse capacity limits, integrating machine learning techniques to forecast stochastic demand. The scientific novelty lies in the development of a self-learning management loop designed to minimize safety stocks while maintaining a predefined service level. The practical significance is supported by calculations demonstrating working capital release and optimized warehouse utilization, ultimately fostering increased operational efficiency in logistics management under digital transformation.
Информация о публикации
Финансирование: Исследование выполнено без привлечения внешнего финансирования, если иное не указано авторами.
Вклад авторов: Все авторы внесли существенный вклад в подготовку статьи, ознакомились с окончательной версией рукописи и одобрили ее к публикации.
Конфликт интересов: Авторы заявляют об отсутствии конфликта интересов, если иное не указано в публикации.
Правообладатель: Издательский дом «Академический».
Условия использования. Статьи текущего года распространяются по подписке на журнал «Финансовый менеджмент». Все права защищены. Полная версия статьи доступна на сайте Научной электронной библиотеки eLIBRARY.RU www.elibrary.ru/contents.asp?titleid=9552 . Материалы предыдущих лет распространяются по лицензии Creative Commons Attribution 4.0 International (CC BY 4.0) . Метаданные всех статей распространяются по открытой лицензии и могут свободно использоваться в информационных, научных и библиографических целях.
Машиночитаемый файл метаданных: JATS XML
References
Беньямин О.Д. Анализ преимуществ и проблем внедрения нейросетей в складской логистике на примере склада готовой продукции на пищевом предприятии // Экономика, предпринимательство и право. 2024. Т. 14. № 5. С. 2521-2530. DOI: 10.18334/epp.14.5.120912 EDN: NEBMFY.
Просычева В.С. Интеграция WMS с ERP и MES как инструмент автоматизации складских операций с электронными компонентами с учетом лотов сроков годности и условий хранения // Вестник науки. 2025. Т. 3. № 6 (87).
Иванов Ф.Д. Предиктивное моделирование в сфере управления цепями поставок на основании методов искусственного интеллекта // Экономика и управление. 2025.Т. 31. № 9. С. 1200-1212. DOI: 10.35854/1998-1627-2025-9-1200-1212 EDN: BLWILC.
Еловой И.А., Малиновский Е.В., Настаченко Е.В. Логистика запасов и складирования: учеб.-метод. пособие. Министерство трансп. и коммуникаций Респ. Беларусь, Белорус. Гос. ун-т трансп. Гомель: БелГУТ, 2022. 210 с. ISBN: 978-985-891-066-2 EDN: NPBJJO.
Лерман Е.Б., Теслова С.А. Экономические аспекты применения информационных технологий в целях снижения транспортно-логистических издержек // Вестник НГУЭУ. 2019. № 2. С. 273-286. DOI: 10.34020/2073-6495-2019-2-273-286 EDN: WWCOIM.
Шумакова О. В., Дегенгардт А. А. (2025) Цифровая трансформация логистики АПК в условиях институциональных барьеров: региональный кейс и международные ориентиры // Наука о человеке: гуманитарные исследования. 2025. Т. 19, № 3. С. 170-184. DOI: 10.57015/issn1998-5320.2025.19.3.16 EDN: KILASX.
Измайлов М.К. Изменение ценностей и ориентиров управления промышленными предприятиями в рамках цифровой трансформации // Beneficium. 2022. № 4 (45). С. 51-58. DOI: 10.34680/BENEFICIUM.2022.4(45).51-58 EDN: SOOYRF.
Колпаков Д.А. Бэктестинг и моделирование высоконагруженных информационных систем // Universum: технические науки. 2025. № 10 (139). DOI: 10.32743/UniTech.2025.139.10.20920 EDN: FJBHVE.
Полухин П.В. Применение байесовских методов для оптимизации обучения нейросетевых моделей тестирования приложений // Вестник кибернетики. 2022. № 3 (47). С. 46-56. DOI: 10.34822/1999-7604-2022-3-46-56 EDN: PWIGRC.
Alamsah U., Muftiadi A., Arifianti R. Comparative analysis of outsourcing and in house warehouse management system to improve productivity and stock accuracy // JPPI (Jurnal Penelitian Pendidikan Indonesia). 2024. V. 10. № 4. Р. 908-919. DOI: 10.29210/020244964 EDN: TIHYVI.
Larutama W. et al. Implementation of Warehouse Management System Planning in Finished Goods Warehouse // Journal of Logistics and Supply Chain. 2022. V. 2. № 2. Р. 81-90.
