Будь ласка, використовуйте цей ідентифікатор, щоб цитувати або посилатися на цей матеріал: http://ir.librarynmu.com/handle/123456789/14996
Назва: Інноваційні моделі прогнозування попиту на лікарські засоби в Україні з використанням машинного навчання
Інші назви: Innovative models for forecasting demand for medicines in Ukraine using machine learning
Автори: Феденько, С. М.
Довжук, Н. Ш.
Коновалова, Л. В.
Ключові слова: аналітика даних, прогностичне моделювання, штучний інтелект, фармацевтичний ринок, економічна ефективність
data analytics, predictive modelling, artificial intelligence, pharmaceutical market, economic efficiency
Дата публікації: 2025
Видавництво: ЗДОБУТКИ ЕКОНОМІКИ: ПЕРСПЕКТИВИ ТА ІННОВАЦІЇ
Короткий огляд (реферат): Прогнозування попиту на лікарські препарати є важливим завданням для забезпечення стабільного функціонування фармацевтичного ринку, ефективного управління запасами та мінімізації ризику дефіциту медикаментів. В умовах економічної та соціальної нестабільності традиційні методи прогнозування демонструють зниження ефективності, що зумовлює необхідність впровадження інноваційних підходів, зокрема алгоритмів машинного навчання. Ці методи дають змогу враховувати складну багатофакторну природу попиту, що підвищує точність прогнозування. Мета дослідження – проаналізувати наявні розробки та можливості впровадження інноваційних моделей прогнозування попиту на лікарські засоби в Україні з використанням алгоритмів машинного навчання. Особливу увагу приділено підвищенню точності прогнозів у контексті динамічних ринкових умов і змінних логістичних ланцюгів. Дослідження ґрунтується на теоретичному аналізі та систематизації наукових джерел із баз даних PubMed та Google Scholar (за останні 5 років). Проведено збір та обробку даних з урахуванням особливостей українського фармацевтичного ринку. Використано метод узагальнення для представлення комплексної оцінки ефективності та перспектив впровадження новітніх технологій у галузь. У результатах дослідження з’ясовано, що застосування інноваційних моделей прогнозування демонструє значно вищу точність порівняно з традиційними статистичними методами. Використання алгоритмів машинного навчання дає змогу виявляти приховані закономірності попиту, оптимізувати управління запасами, знижувати ризик дефіциту та скорочувати витрати в ланцюгах постачання. Результати також засвідчили, що ефективність сучасних технологій, особливо в умовах кризових ситуацій, значно перевищує можливості класичних підходів. У висновках підсумовано, що впровадження методів машинного навчання в прогнозування попиту на лікарські засоби має значний потенціал для трансформації фармацевтичного сектору в Україні. Інтеграція інтелектуальних технологій у системи управління дозволить забезпечити стабільний доступ населення до необхідних медикаментів, підвищити ефективність логістичних процесів та адаптувати ринок до умов підвищеної невизначеності
URI (Уніфікований ідентифікатор ресурсу): http://ir.librarynmu.com/handle/123456789/14996
ISSN: УДК 614.27:615:658.71-047.72:004(477)
DOI https://doi.org/10.5281/zenodo.14927282
Розташовується у зібраннях:Наукові публікації кафедри організації та економіки фармації

Файли цього матеріалу:
Файл Опис РозмірФормат 
Коновалова.pdf537,03 kBAdobe PDFПереглянути/Відкрити


Усі матеріали в архіві електронних ресурсів захищені авторським правом, всі права збережені.