Предиктивное планирование как инструмент стратегического управления рисками в цепочках поставок нефтегазовой отрасли Узбекистана

В статье рассматриваются проблемы стратегического управления рисками в системе материально-технического обеспечения (МТО) нефтегазовой отрасли Республики Узбекистан. На примере АО «Узбекнефтегаз» проанализированы слабые места действующей модели МТО, включая высокую зависимость от импорта, фрагментарность данных и низкую цифровую зрелость поставщиков. Обоснована необходимость перехода от реактивного к предиктивному планированию, основанному на цифровых технологиях и прогнозной аналитике. Предложены авторские инструменты предиктивного планирования – индексы PIRSP, PESI и DLI, позволяющие количественно оценивать риски сбоев поставок, устойчивость поставщиков и уровень цифровой интеграции. Сделан вывод о высокой применимости предиктивного подхода для повышения устойчивости цепочек поставок, сокращения операционных затрат и обеспечения стратегической адаптивности нефтегазовых предприятий.

1. Загребельская М.В. (2019) Интегрированное планирование цепей поставок – путь к повышению конкурентоспособности нефтедобывающей компании. В: Материалы XI форума экономистов «Стратегическое планирование – важный фактор стабильности устойчивого социально-экономического развития страны и регионов». Ташкент, Институт прогнозирования и макроэкономических исследований при Министерстве экономики Республики Узбекистан (ИПМИ): 311–317.

2. Загребельская М.В. (2021) Планирование продаж и операций (S&OP) как инструмент оптимизации процесса материально-технического обеспечения предприятий нефтегазового комплекса. Инновации в нефтегазовой отрасли, 2(1): 11–16. DOI: 10.26739/2181-1482-2021-1-2.

3. Choi T.M., Wallace S.W., Wang Y. (2018). Big data analytics in operations management. Production and Operations Management, 27(10): 1868–1889.

4. Hansali O., Elrhanimi S., Abbadi L. (2021). Proceedings evaluation of sales and operations planning process using maturity models. In: International Conference on Industrial Engineering and Operations Management. Rome, Italy: 2–5.

5. Haiyan Sh., Jiaying D., Hao W. (2019). The relationship between cloud and big wisdom, blockchain, CPS and research overview in the railway field. Railway Computer Application, 28(2): 1–6.

6. Shmueli G., Koppius O.R. (2011). Predictive analytics in information systems research. MIS Quarterly, 35(3): 553–572.

7. Waller M.A., Fawcett S.E. (2013). Data science, predictive analytics, and big data: A revolution that will transform supply chain design and management. Journal of Business Logistics, 34(2): 77–84.

8. Wang H.F., Wang S.J., Zhu S.B. (2018). Conception and exploration of the smart oil and gas field construction in “Internet +” era. Oil Gas Field Surf Engineering, 8: 1–8.