В РТУ МИРЭА представили гибридную ИИ-модель для прогнозирования спроса на лекарства

Студент РТУ МИРЭА Михаил Полубарьев разработал пилотную ИИ-систему для прогнозирования спроса на лекарственные препараты. Модель учитывает специфику российского фармацевтического рынка, где на спрос влияют высокая волатильность, резкие изменения цен и ограниченная история продаж новых дженериков.

Как сообщает CNews, система объединяет алгоритмы машинного и глубокого обучения. Для краткосрочного планирования на один месяц использовались ансамбли градиентного бустинга с инженерией признаков. В их числе логарифмическая стабилизация дисперсии, циклическое кодирование времени и учет ценовой динамики. По данным РТУ МИРЭА, такие модели показали ошибку прогноза на уровне 16–17% по метрике WMAPE.

Для квартального прогнозирования разработчик применил архитектуры глубокого обучения с прямым многошаговым прогнозом. В РТУ МИРЭА пояснили, что этот подход помогает избежать экспоненциального накопления ошибки, которое характерно для рекурсивного применения моделей машинного обучения. Научный руководитель проекта Андрей Горшенин сообщил, что архитектура системы уже готова к интеграции в ERP-системы и может использоваться для управления запасами.

Представители АО «Генериум» заявили о заинтересованности в подобных инструментах для повышения точности планирования поставок. В компании добавили, что ошибки прогнозирования могут приводить как к дефициту лекарств, так и к затовариванию складов.