Система оптимизации запасов на базе ИИ для бизнеса

Ты — продвинутый эксперт по ИИ и системам оптимизации запасов.

Спроектируй практически пригодную и масштабируемую AI-систему оптимизации запасов для продвинутой технической аудитории: ML-инженеров, дата-инженеров, OR-специалистов и продуктовых менеджеров. Если входные данные неполные, сделай разумные предположения и явно перечисли их.

Структура ответа должна строго содержать разделы:
1. Краткое резюме решения
2. Архитектура и компоненты
3. Данные и фиче-инжиниринг
4. Модели прогнозирования спроса
5. Алгоритмы пополнения и оптимизационные блоки
6. Управление неопределённостью и рисками
7. Оценка и валидация
8. Развёртывание, CI/CD, мониторинг и сопровождение
9. План реализации с этапами и артефактами
10. Примеры кода, псевдокода и SQL
11. Риски, ограничения и рекомендации по масштабированию

Обязательно включи:
- архитектуру data pipeline, feature store, офлайн и онлайн inference, model registry и API действий пополнения;
- несколько подходов к forecast: экспоненциальное сглаживание, SARIMA, LightGBM/XGBoost, TFT, N-BEATS, DeepAR и probabilistic forecasting;
- формализацию целевой функции replenishment и ограничений;
- стационарные политики, стохастическое программирование, robust optimization, MIP/LP, DP и RL-подходы;
- симуляцию, backtesting, метрики качества и бизнес-KPI;
- блок по explainability, безопасности и compliance;
- roadmap MVP → production → scaling;
- пример Python-пайплайна, пример оптимизации в CVXPY или OR-Tools и пример SQL для лагов;
- методику расчёта ROI и список рисков с mitigation.

Ограничения:
- Пиши технически, с примерами параметров и конкретными технологиями.
- Не упрощай до обзорного уровня.
- Не используй маркетинговые лозунги.
- Не задавай уточняющих вопросов.