Розв’язання задач логістики методами Data mining та нечіткої логіки

dc.contributor.authorСаєнко, Нікіта Романович
dc.contributor.authorSaienko, Nikita Romanovych
dc.date.accessioned2025-03-25T17:16:52Z
dc.date.issued2024
dc.descriptionНауковий керівник : Макарова Ганна Валеріївна, кандидат фізико-математичних наук, доцент кафедри інформаційних технологій та математичного моделювання
dc.description.abstractЗростаюча складність логістичних процесів, пов'язаних із глобалізацією ринків, збільшенням обсягів даних та невизначеністю умов, вимагає впровадження інноваційних підходів. Інтеграція методів Data Mining і нечіткої логіки дозволяє не лише оптимізувати логістичні операції, а й адаптувати їх до змінного середовища, що є критично важливим для підвищення конкурентоспроможності компаній. Мета кваліфікаційної магістерської роботи полягає у розробці методології вирішення задач логістики шляхом інтеграції методів Data Mining і нечіткої логіки для підвищення ефективності управління логістичними процесами в умовах невизначеності.
dc.identifier.citationСаєнко, Нікіта Романович. Розв’язання задач логістики методами Data mining та нечіткої логіки : кваліфікаційна магістерська робота : спеціальність 122 «Комп’ютерні науки» : освітня програма «Комп’ютерні науки» / Н. Р. Саєнко ; кер. роботи Г. В. Макарова. - Харків : Харківський національний університет імені В. Н. Каразіна, 2024. – 51 с.
dc.identifier.urihttps://ekhnuir.karazin.ua/handle/123456789/20904
dc.language.isouk
dc.publisherХарків : Харківський національний університет імені В.Н. Каразіна
dc.subjectTECHNOLOGY::Information technology
dc.subjectSOCIAL SCIENCES::Business and economics::Economics
dc.subjectлогістика
dc.subjectData Mining
dc.subjectнечітка логіка
dc.subjectоптимізація
dc.subjectпрогнозування попиту
dc.subjectуправління запасами
dc.subjectмаршрутизація
dc.subjectкластеризація
dc.subjectкласифікація
dc.subjectавтоматизація
dc.subjectтранспортні потоки
dc.subjectпрогнозування ризиків
dc.subjectадаптація
dc.subjectобробка великих даних
dc.subjectінноваційні підходи
dc.subjectlogistics
dc.subjectfuzzy logic
dc.subjectoptimization
dc.subjectdemand forecasting
dc.subjectinventory management
dc.subjectrouting
dc.subjectclustering
dc.subjectclassification
dc.subjectautomation
dc.subjecttraffic flows
dc.subjectrisk forecasting
dc.subjectadaptation
dc.subjectbig data processing
dc.subjectinnovative approaches
dc.titleРозв’язання задач логістики методами Data mining та нечіткої логіки
dc.title.alternativeSolving Logistics Problems by Data Mining and Fuzzy Logic
dc.typeOther

Файли

Контейнер файлів

Зараз показуємо 1 - 1 з 1
Вантажиться...
Ескіз
Назва:
КМР_Саенко_Н_Р.pdf
Розмір:
639.61 KB
Формат:
Adobe Portable Document Format

Ліцензійна угода

Зараз показуємо 1 - 1 з 1
Вантажиться...
Ескіз
Назва:
license.txt
Розмір:
1.71 KB
Формат:
Item-specific license agreed upon to submission
Опис: