| Form of studies |
Master |
| Title of the study programm |
Business Informatics |
| Title in original language |
Mākslīgā intelekta balstītas lēmumu atbalsta arhitektūras izstrāde un simulācija mazumtirdzniecības krājumu un papildināšanas optimizācijai |
| Title in English |
Design and Simulation of an AI-Driven Decision Support Architecture for Retail Inventory and Replenishment Optimization |
| Department |
Faculty Of Computer Science Information Tehnology And Energy |
| Scientific advisor |
Ingars Eriņš |
| Reviewer |
Aleksejs Jurenoks |
| Abstract |
Mazumtirdzniecības krājumu pārvaldība kļūst arvien sarežģītāka pieprasījuma svārstību, mainīgas klientu uzvedības un piegādes ķēžu nenoteiktības dēļ. Tradicionālās krājumu pārvaldības pieejas bieži balstās uz manuālu lēmumu pieņemšanu vai statiskām papildināšanas politikām, kas nav efektīvi integrētas ar pieprasījuma prognozēšanas metodēm, kā rezultātā rodas preču trūkums, pārmērīgi krājumi un samazināta darbības efektivitāte. Šī maģistra darba mērķis ir izstrādāt mākslīgā intelekta balstītu lēmumu atbalsta sistēmu mazumtirdzniecības krājumu un papildināšanas optimizācijai, kas vienotā analītiskā ietvarā apvieno pieprasījuma prognozēšanu, krājumu papildināšanas lēmumu loģiku un simulācijās balstītu novērtēšanu. Pētījuma teorētiskajā daļā tiek analizēti mazumtirdzniecības krājumu pārvaldības principi, prognozēšanas metodes, krājumu kontroles politikas un lēmumu atbalsta sistēmas, izceļot pašreizējos izaicinājumus un iespējas, kas saistītas ar krājumu optimizāciju mazumtirdzniecības nozarē, kā arī nepieciešamību pēc integrētas pieejas. Darba praktiskajā daļā tiek īstenota piedāvātā sistēma un veikti simulācijas eksperimenti, izmantojot Montekarlo metodi ar stohastisku pieprasījumu. Sistēma apvieno Seasonal Naïve, Exponential Smoothing (ETS) un ARIMA prognozēšanas modeļus ar noteikumos balstītu Reorder-Point krājumu politiku, lai automātiski pieņemtu papildināšanas lēmumus. Eksperimentālie rezultāti parāda, ka piedāvātā mākslīgā intelekta balstītā sistēma spēj uzlabot krājumu pārvaldības sistēmas darbību salīdzinājumā ar bāzes krājumu politiku, palielinot piegādes izpildes līmeni (fill rate), samazinot preču trūkuma varbūtību un vienlaikus uzturot efektīvu krājumu līmeni. Rezultāti apstiprina, ka prognozēšanas modeļu integrēšana krājumu papildināšanas loģikā var uzlabot mazumtirdzniecības darbību un krājumu pārvaldības efektivitāti. Maģistra darbs sastāv no 98 lappusēm, 15 tabulām, 12 attēliem, 3 pielikumiem un 21 izmantotajiem literatūras avotiem. |
| Keywords |
MĀKSLĪGĀ INTELEKTA BALSTĪTA LĒMUMU ATBALSTA SISTĒMA, MAZUMTIRDZNIECĪBAS KRĀJUMU PĀRVALDĪBA, PIEPRASĪJUMA PROGNOZĒŠANA, KRĀJUMU PAPILDINĀŠANA, MONTEKARLO SIMULĀCIJA |
| Keywords in English |
AI-DRIVEN DECISION SUPPORT SYSTEM, RETAIL INVENTORY MANAGEMENT, DEMAND FORECASTING, INVENTORY REPLENISHMENT, MONTE CARLO SIMULATION |
| Language |
lv |
| Year |
2026 |
| Date and time of uploading |
19.05.2026 20:31:21 |
