Smart Analytics Tools for Supporting Management Decisions in the Field of Production System Management at Enterprises in the Context of Sustainable Development

ENG: This article addresses the growing importance of smart analytics as a technical tool and fundamental intellectual asset ensuring sustainable development, resilience, and competitiveness of enterprises under digital transformation. The paper examines the Smart Data Adaptive Cycle (SDAC) model, which offers a continuous closed-loop decision-making process in a digital manufacturing environment. The model integrates informational, financial, and cognitive components using self-learning mechanisms and the human-in-the-loop principle. The purpose of the work is to examine the specifics of ensuring sustainable development in an enterprise through managerial decision-making using smart analytics tools in the management of production systems. The study applies general and specialized methods, including a scenario-based approach to determine the relationship between information entropy and economic value added (EVA), a case study for empirical validation of the SDAC model at a metallurgical enterprise, discounting for economic feasibility, and a systematic approach to constructing the conceptual model. A comparative scenario analysis of ex-post, partial, and full SDAC models was conducted. The main results show that the SDAC model integrates information theory and value-based management (VBM) into a single adaptive cycle. The findings demonstrate that entropy analysis allows for the formalization of uncertainty in the production environment (BANI context), providing a quantitative ex-ante risk assessment that is more effective than traditional retrospective methods. Empirical modeling confirms that integrating smart analytics into production management enables the maximization of EVA. Practical testing at a metallurgical enterprise demonstrated the model’s ability to reduce equipment downtime to 8.2%, defect rates to 3.6%, and carbon emissions to 190 kg CO₂/t, while increasing labor productivity. The conclusions confirm the effectiveness of the SDAC model as a tool for improving managerial decision-making and ensuring sustainable enterprise development. Future research includes scaling the model to other sectors and integrating it into approaches for assessing nonlinear extreme events (black swan events).

UKR: У статті обґрунтовано зростання значущості розумної аналітики як технічного інструмента й фундаментального інтелектуального активу, що забезпечує сталий розвиток, стійкість і конкурентоспроможність підприємств в умовах цифрової трансформації. Розглянуто модель Smart Data Adaptive Cycle (SDAC), яка пропонує безперервний замкнений процес ухвалення управлінських рішень у цифровому виробничому середовищі. Модель інтегрує інформаційні, фінансові та когнітивні компоненти, використовуючи самонавчальні механізми та принцип «людина в циклі». Мета роботи полягає в дослідженні особливостей забезпечення сталого розвитку підприємства через управлінське ухвалення рішень із використанням інструментів розумної аналітики в управлінні виробничими системами. У дослідженні застосовано загальні та спеціалізовані методи, зокрема сценарний підхід для визначення взаємозв’язку між інформаційною ентропією та економічною доданою вартістю (EVA), кейс-стаді для емпіричної валідації моделі SDAC на металургійному підприємстві, методи дисконтування для оцінки економічної доцільності, а також системний підхід до побудови концептуальної моделі. Проведено порівняльний сценарний аналіз моделей ex-post, часткового та повного SDAC. Основні результати показують, що модель SDAC інтегрує принципи теорії інформації та управління на основі цінностей (VBM) у єдиний адаптивний цикл. Отримані результати свідчать, що ентропійний аналіз дозволяє формалізувати невизначеність у виробничому середовищі (BANI-контекст), забезпечуючи кількісну оцінку ризиків на етапі ухвалення рішень (ex-ante), що є ефективнішим за традиційні ретроспективні підходи. Емпіричне моделювання підтверджує, що інтеграція розумної аналітики в управління виробництвом забезпечує максимізацію EVA. Практичне випробування на металургійному підприємстві продемонструвало здатність моделі знижувати простої обладнання до 8,2%, рівень дефектів до 3,6% і викиди CO₂ до 190 кг/т при одночасному підвищенні продуктивності праці. Висновки підтверджують ефективність моделі SDAC як інструмента підвищення якості управлінських рішень і забезпечення сталого розвитку підприємств. Перспективи подальших досліджень передбачають масштабування моделі на інші сектори та інтеграцію її в підходи до оцінювання нелінійних екстремальних подій (подій типу «чорний лебідь»).