АДАПТИВНЕ УПРАВЛІННЯ СКЛАДСЬКИМИ ПРОЦЕСАМИ ТОРГОВЕЛЬНИХ ПІДПРИЄМСТВ В УМОВАХ НЕСТАБІЛЬНОГО ПОПИТУ

Abstract

Нестабільність споживчого попиту, зміна структури продажів і посилення вимог до швидкості виконання замовлень зумовлюють необхідність адаптації складських процесів торговельних підприємств. Метою статті є обґрунтування теоретичних положень і методичного підходу до адаптивного управління складськими процесами в умовах нестабільного попиту. На основі методів узагальнення, систематизації, порівняння та структурно-логічного аналізу визначено взаємозв’язок між коливаннями попиту, станом товарних запасів і завантаженням складських операцій. Обґрунтовано напрями адаптації процесів приймання, розміщення, зберігання, поповнення, комплектування та відвантаження товарів. Запропоновано диференціювати управлінське реагування залежно від масштабу, тривалості та стійкості змін попиту з виокремленням операційного, тактичного і стратегічного режимів адаптації. Розвинуто методичний підхід до управління складською логістикою, що передбачає взаємопов’язане коригування запасів, складських процесів, ресурсів і потужностей відповідно до динаміки товарних потоків. Практичне застосування запропонованого підходу сприятиме підвищенню гнучкості складської діяльності та своєчасності реагування торговельних підприємств на зміни попиту.

REFERENCES

1.                  Sushchenko, R., & Ilchenko, N. (2023). Adaptation of supply chains to the challenges of martial law. Commodity Science. Technologies. Engineering, 45(1), 4–16. https://doi.org/10.31617/2.2023(45)01

2.                  Zaruba, V., Potrashkova, L., Khoroshevskyi, O., & Chmeruk, T. (2025). Construction of adaptive inventory management models for a trading enterprise under unstable conditions. Eastern-European Journal of Enterprise Technologies, 4(4(136)), 6–18. https://doi.org/10.15587/1729-4061.2025.336050

3.                  Zhou, Y., Shen, X., & Yu, Y. (2023). Inventory control strategy: Based on demand forecast error. Modern Supply Chain Research and Applications, 5(2), 74–101. https://doi.org/10.1108/MSCRA-02-2023-0009

4.                  Wang, J., Chong, W. K., Lin, J., & Hedenstierna, C. P. T. (2024). Retail demand forecasting using spatial-temporal gradient boosting methods. Journal of Computer Information Systems, 64(5), 652–664. https://doi.org/10.1080/08874417.2023.2240753

5.                  Andrade, L. A. C. G., & Cunha, C. B. (2023). Disaggregated retail forecasting: A gradient boosting approach. Applied Soft Computing, 141, 110283. https://doi.org/10.1016/j.asoc.2023.110283

6.                  Li, Y., Zhang, R., & Jiang, D. (2022). Order-picking efficiency in e-commerce warehouses: A literature review. Journal of Theoretical and Applied Electronic Commerce Research, 17(4), 1812–1830. https://doi.org/10.3390/jtaer17040091

7.                  Tikwayo, L. N., & Mathaba, T. N. D. (2023). Applications of Industry 4.0 technologies in warehouse management: A systematic literature review. Logistics, 7(2), 24. https://doi.org/10.3390/logistics7020024

8.                  de Assis, R. F., Faria, A. F., Thomasset-Laperrière, V., Santa-Eulalia, L. A., Ouhimmou, M., & Ferreira, W. de P. (2024). Machine learning in warehouse management: A survey. Procedia Computer Science, 232, 2790–2799. https://doi.org/10.1016/j.procs.2024.02.096

9.                  Lee, J., Ko, C., & Moon, I. (2024). E-commerce supply chain network design using on-demand warehousing system under uncertainty. International Journal of Production Research, 62(5), 1901–1927. https://doi.org/10.1080/00207543.2022.2128462

10.              Chen, K., Su, H.-C., Linderman, K., & Li, W. (2025). Last-minute coordination: Adapting to demand to support last-mile operations. Journal of Operations Management, 71(2), 176–194. https://doi.org/10.1002/joom.1297

11.              Buzhymska, K. O., & Tsaruk, I. M. (2025). Upravlinnia biznes-protsesamy torhovelnoho pidpryiemstva v umovakh tsyfrovizatsii [Business process management of a trade enterprise in the context of digitalization]. Ekonomika, upravlinnia ta administruvannia, 1(111), 44–50. https://doi.org/10.26642/ema-2025-1(111)-44-50

12.              Sarakhman, O. M. (2026). Povedinkova skladska lohistyka: Liudski chynnyky ta “nudge”-instrumenty znyzhennia pomylok komplektatsii [Behavioral warehouse logistics: Human factors and “nudge” tools for reducing order-picking errors]. Biznes-navihator, 1(84), 85–89. https://doi.org/10.32782/business-navigator.84-13

13.              Holovne upravlinnia statystyky u Lvivskii oblasti. (2026, August 31). Oborot rozdribnoi torhivli Lvivskoi oblasti u sichni–lypni 2026 roku [Retail trade turnover of Lviv region in January–July 2026] (Press release No. 58). https://www.lv.ukrstat.gov.ua/ukr/themes/12/theme_12.php

14.              Derzhavna sluzhba statystyky Ukrainy. (2026). Ochikuvannia pidpryiemstv rozdribnoi torhivli v III kvartali 2026 roku shchodo perspektyv rozvytku yikh dilovoi aktyvnosti [Expectations of retail trade enterprises regarding the prospects for the development of their business activity in the third quarter of 2026]. https://stat.gov.ua/uk/releases/ochikuvannya-pidpryyemstv-rozdribnoyi-torhivli-shchodo-perspektyv-rozvytku-yikh-dilovoyi-1

15.              PwC Ukraine. (2026). 3PL market: Looking ahead. Practical benchmark 2025–2026. https://www.pwc.com/ua/en/services/tax/customs/ukraine-logistics-market-research.html