Монгол Улсын хүнсний үйлдвэрлэлийн импортын татан авалтын процессыг хиймэл оюун ухаан ашиглан оновчлох боломжийн судалгаа

Abstract

Энэхүү магистрын судалгааны ажил нь Монгол Улсын хүнсний үйлдвэрлэлийн салбар, тэр дундаа нарийн боов, талхан бүтээгдэхүүний үйлдвэрлэлд тулгарч буй импортын татан авалтын тодорхойгүй байдлыг шийдвэрлэхэд чиглэгдсэн болно. Монгол Улс далайд гарцгүй орны хувьд түүхий эдийнхээ 50–60 хувийг гаднаас авдаг бөгөөд хилийн боомтын хязгаарлалт, тээврийн саатал, мэдээллийн системийн дутмаг байдлаас үүдэн нийлүүлэлтийн хугацааг урьдчилан таамаглахад ихээхэн хүндрэл учирдаг. Судалгаа нь импортын татан авалтын одоогийн 13 үе шаттай процессийг задлан шинжилж, гурван гол саад тотгорыг тодорхойлсон бөгөөд Zara, Nestlé, Walmart, Unilever зэрэг олон улсын тэргүүлэх компаниудын туршлагад тулгуурлан Excel FORECAST загвар, дахин захиалгын цэг (ROP), аюулгүйн нөөц (Safety Stock) тооцоолол, Power BI хяналтын самбар зэрэг практик хэрэгслүүдийг боловсруулсан. Судалгааны үр дүн нь Монголын хүнсний жижиг, дунд үйлдвэрлэгчдэд өгөгдөлд суурилсан шийдвэр гаргалтад шилжих бодитой "дижитал замын зураг" болох юм.

This master's thesis investigates the optimization of import procurement processes in Mongolia's food manufacturing sector, with a focus on bakery and confectionery production. As a landlocked developing country, Mongolia sources 50–60% of its raw materials through imports, making supply chain reliability a critical operational challenge. Logistical constraints at border crossings, customs delays, and limited digital integration create significant uncertainty in lead time planning, resulting in production stoppages and lost revenue estimated at 6–10% of annual turnover. The study maps the company's 13-stage import procurement cycle, identifies three key bottlenecks — contract processing, transit time, and customs inspection — and benchmarks these against international best practices from Zara, Nestlé, Walmart, and Unilever. Drawing on machine learning theory, Digital Twin frameworks, and Big Data analytics, the research develops a set of practical AI-assisted tools: an Excel FORECAST.ETS demand model, Reorder Point and Safety Stock calculations, and a Power BI dynamic dashboard. The findings provide a concrete digital roadmap for Mongolian food manufacturers to transition from experience-based to data-driven procurement decision-making.