ОПТИМІЗАЦІЯ РЕСУРСНИХ ПОТОКІВ ПІДПРИЄМСТВ У СИСТЕМІ МЕРЕЖЕВОЇ ТОРГІВЛІ
DOI:
https://doi.org/10.36074/grail-of-science.17.04.2026.029Keywords:
ресурсні потоки, мережeва торгівля, ланцюги постачання, цифровізація, оптимізація, управлінняSummary
Досліджено теоретико-методичні засади оптимізації ресурсних потоків підприємств у системі мережевої торгівлі в умовах цифровізації економіки та зростання складності ланцюгів постачання. Розглянуто трансформацію логіки управління ресурсними потоками, яка полягає у переході від локальної оптимізації до системного інтегрованого підходу, що поєднує матеріальні, інформаційні та фінансові компоненти. Установлено, що сучасні підходи до оптимізації формуються на основі багатокритеріальної, мережевої та цифрової парадигм, які забезпечують узгодження економічної ефективності, гнучкості, рівня сервісу та стійкості функціонування підприємств. Проаналізовано наукові підходи до оптимізації ресурсних потоків із використанням моделей мережевих потоків, методів машинного навчання, штучного інтелекту та графових нейронних мереж. Обґрунтовано значення інтеграції інформаційних потоків і цифрових технологій як ключової передумови підвищення адаптивності систем управління. Визначено роль прогнозування попиту та врахування ризиків у забезпеченні ефективності й стійкості ресурсних потоків. Сформовано концептуальну модель оптимізації ресурсних потоків підприємств, що включає структурний, процесний та аналітичний рівні управління. Установлено, що впровадження інтегрованих цифрових рішень і ризик-орієнтованих підходів дозволяє підвищити ефективність функціонування підприємств і забезпечити їх конкурентоспроможність у середовищі мережевої торгівлі.
Downloads
Downloads
References
Kong, Y., Zhang, L., Pan, Y., Tang, D. Research on supply chain network optimization of AH company. Sustainability. 2024, 16(21). DOI: 10.3390/su16219241 DOI: https://doi.org/10.3390/su16219241
Dalal, S., Lilhore, U. K., Simaiya, S., Radulescu, M., Belascu, L. Improving efficiency and sustainability via supply chain optimization through CNNs and BiLSTM. Technological Forecasting and Social Change. 2024, 209, 123841. DOI: 10.1016/j.techfore.2024.123841 DOI: https://doi.org/10.1016/j.techfore.2024.123841
Pan, L., Dai, Y., et al. Optimization of sustainable supply chain network for perishable products. Sustainability. 2024, 16(12), 5003. DOI: 10.3390/su16125003 DOI: https://doi.org/10.3390/su16125003
Mahgoub, A., Yu, Z. Integrating technology, collaboration and sustainability in supply chains and project management. Journal of Project Management. 2025, 11(1), 35-48. DOI: 10.5267/j.jpm.2025.11.004 DOI: https://doi.org/10.5267/j.jpm.2025.11.004
Khvedelidze P. Strategic management of digital transport and logistics systems. Economics Ecology Socium. 2024, 8(4), 99-108. DOI: 10.31520/2616-7107/2024.8.4-9 DOI: https://doi.org/10.61954/2616-7107/2024.8.4-9
Memari A., et al. Strategies for improving supply chain efficiency in PPP infrastructure projects. Management Decision. 2025, 1-41. DOI: 10.1108/MD-05-2024-0975 DOI: https://doi.org/10.1108/MD-05-2024-0975
Zhang T., et al. Sustainable closed-loop supply chain network planning under competition. Scientific Reports. 2025, 15, 17964. DOI: 10.1038/s41598-025-02656-x DOI: https://doi.org/10.1038/s41598-025-02656-x
Koushki F., et al. Predicting sustainability of supply chains using network DEA and machine learning. Journal of Industrial and Management Optimization. 2025, 21(8), 5326-5347. DOI: 10.3934/jimo.2025094 DOI: https://doi.org/10.3934/jimo.2025094
Ahn H.-il, Olivar S., Mehta H., Song Y. Generative probabilistic planning for optimizing supply chain networks. 2024. DOI: 10.48550/arXiv.2404.07511
Wasi A. T., Anik M. A., Rahman A., Hoque M. I., Islam M. S., Ahsan M. M. Graph-based digital twins for supply chain management and optimization. 2025. DOI: 10.48550/arXiv.2504.03692 DOI: https://doi.org/10.2139/ssrn.5293091
Downloads
How to Cite
Issue
Section
Categories