A neural network model for assessing the reliability of counterparties within a metallurgical enterprise's procurement system

Cover Page

Cite item

Full Text

Abstract

The article presents a neural network model for evaluating the reliability of counterparties within a metallurgical enterprise's procurement system. Aim. The study aims to develop a neural network model to assess the reliability of counterparties within a metallurgical enterprise's procurement management system. Results. The study involved collecting, analyzing and processing relevant data; conducting a comprehensive analysis of parameters characterizing suppliers, including financial, legal, operational, organizational and reputational indicators; constructing the model architecture; training and testing it on a sample; and comparing it with traditional assessment approaches. Testing the model showed that it has high forecasting accuracy and can be used in conditions of information uncertainty. This paper presents the prospects for integrating the model into the corporate information systems of metallurgical enterprises.

About the authors

V. V. Dyachkova

Donbass State Technical University

Email: dyachkova.vika@gmail.com
ORCID iD: 0009-0003-9771-616X
SPIN-code: 5620-0952

Candidate of Economic Sciences, Associate Professor of the Department of Information Technology

Russian Federation, Lenin avenue, 16, Alchevsk, Lugansk People’s Republic, Russia, 294204

E. S. Kovalenko

Donbass State Technical University

Author for correspondence.
Email: kathris92@gmail.com
ORCID iD: 0009-0009-8931-7138
SPIN-code: 9202-9286

Senior Lecturer of the Department of Information Technology

Russian Federation, Lenin avenue, 16, Alchevsk, Lugansk People’s Republic, Russia, 294204

References

  1. Дьячкова В. В., Коваленко Е. С. Особенности закупочной деятельности промышленного предприятия в условиях цифровизации экономики // 65 лет ДонГТИ. Наука и практика. Актуальные вопросы и инновации: Сборник тезисов докладов юбилейной Международной научно-технической конференции, Алчевск, 13 –14 октября 2022 года. Часть 2. Алчевск: Донбасский государственный технический институт, 2022. С. 94 –95. EDN: KSWVGH
  2. Дьячкова В. В., Коваленко Е. С. Современные цифровые инструменты в управлении закупками промышленного предприятия // Направления повышения эффективности управленческой деятельности органов государственной власти и местного самоуправления: Сборник материалов V Международной научно-практической конференции, Алчевск, 15 декабря 2022 года. Алчевск: Луганский государственный университет имени Владимира Даля, 2023. С. 387 –390. EDN: KPRAQC
  3. Лузик А. Д., Пяткова Е. В., Тареева Е. Д., Антипов Д. В. Создание автоматизированной системы оценки потенциальных поставщиков // От качества инструментов к инструментам качества: Сборник докладов Всероссийской научно-технической конференции, Тула, 19–20 октября 2023 года. Тула: Тульский государственный университет, 2023. С. 376 –380. EDN: GBPLKC
  4. Казурова Е. М. Оценка поставщиков и получателей лекарственных средств аптечного склада // Вестник фармации. 2024. № 1(103). С. 26 –30. doi: 10.52540/2074-9457.2024.1.26. EDN: PUSBJW
  5. Качалов В. А., Дворкин Л. С., Скрипко Л. Е. О проведении оценки и повторной оценки внешних поставщиков // Методы менеджмента качества. 2020. № 3. С. 48 –53. EDN: NRYLOY
  6. Мишура Л. Г., Васильева Ю. В. Оценка поставщика с учетом требований ГОСТ Р ИСО 9001 // Экономика. Право. Инновации. 2020. № 2. С. 4 –9. EDN: ASYOOD
  7. Митус К. Н., Митус А. А. Трехпараметрическая методика оценки поставщика // Вектор экономики. 2020. № 4(46). С. 75. EDN: EWZQLS
  8. Херсонский Н. С., Большедворская Л. Г. Методы выбора и оценки поставщиков с учетом категорирования параметров продукции и комплектующих // Crede Experto: транспорт, общество, образование, язык. 2023. № 4. С. 6 –19. doi: 10.51955/2312-1327_2023_4_6. EDN: VKMOFY
  9. Сивандаева С. Ю. Аудит – как механизм оценки поставщиков // Моя профессиональная карьера. 2022. Т. 1. № 32. С. 19 –21. EDN: IBGGVF
  10. Кузьмина С. Н., Силаева В. В., Екимова Е. И. Методика обеспечения качества процесса оценки поставщиков на предприятиях пищевой промышленности // Качество. Инновации. Образование. 2022. № 4(180). С. 3 –11. doi: 10.31145/1999-513X-2022-4-03-11. EDN: DJMEUY
  11. Гордеев К. С., Жидков А. А., Илюшина Е. С. и др. Методы поиска, выбора и оценки надежности поставщика // Современные научные исследования и инновации. 2021. № 3(119). С. 23. EDN: TGYGKD
  12. Левкин Г. Г. Методика оценки логистической деятельности поставщиков промышленного предприятия // Логистика. 2024. № 6(211). С. 14 –16. EDN: KOQRDE
  13. Гулевич Ю. Н., Наливайко Г. М. Перспективы применения IT для выбора и оценки поставщиков материалов и комплектующих изделий // Доклады Белорусского государственного университета информатики и радиоэлектроники. 2021. Т. 19. № 5. С. 61 –69. doi: 10.35596/1729-7648-2021-19-5-61-69. EDN: BEWIRM
  14. Дьячкова В. В., Коваленко Е. С. Организация тендерной деятельности промышленного предприятия в условиях цифровизации экономики // Инновации и информационные технологии в условиях цифровизации экономики: Сборник тезисов докладов международной научно-практической конференции, Алчевск, 27 –28 апреля 2023 года. Алчевск: Донбасский государственный технический университет, 2023. С. 141 –143. EDN: FWOLES

Supplementary files

Supplementary Files
Action
1. JATS XML

Copyright (c) 2025 Dyachkova V.V., Kovalenko E.S.

Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».