ये कोर्स करने के बाद, मैं पेशेवर विज़ुअलाइज़ेशन और डैशबोर्ड बनाने में आत्मविश्वास महसूस करता हूँ
Shoebur Rahmanप्रोक्योरमेंट विशेषज्ञ, Giz Bangladesh
कोर्स विवरण
Supply Chain Analytics सप्लाई चेन की गतिविधियों को अनुमान से हटाकर डेटा-आधारित निर्णयों में बदल देता है। Supply Chain Analytics का एक जरूरी उपकरण है optimization analysis, जो निर्णय लेने में मदद करता है। Deloitte के अनुसार, उच्च-प्रदर्शन वाली सप्लाई चेनों वाली 79% संस्थाएँ औसत से काफी अधिक राजस्व वृद्धि हासिल करती हैं। यह कोर्स आपको PuLP से परिचित कराएगा, जो Python में लिखा गया एक Linear Program optimization मॉडलर है। PuLP का उपयोग करके, कोर्स आपको यह सिखाएगा कि सप्लाई चेन optimization से जुड़े सवालों को कैसे फॉर्म्युलेट करें और हल करें — जैसे उत्पादन सुविधा कहाँ होनी चाहिए, अलग-अलग सुविधाओं में उत्पादन माँग का आवंटन कैसे करें, इत्यादि। हम sensitivity और simulation testing के माध्यम से मॉडलों के परिणामों और उनके प्रभावों का पता लगाएंगे। यह कोर्स आपको Python और PuLP की शक्ति का लाभ उठाकर सप्लाई चेन के निर्णय लेने की गुणवत्ता सुधारने के लिए तैयार करेगा।
पूर्वापेक्षाएँ
पाठ्यक्रम
कोर्स रूपरेखा
1
सप्लाई चेन optimization और PuLP की मूल बातें
Linear Programming (LP) सप्लाई चेन optimization की एक प्रमुख तकनीक है। PuLP फ्रेमवर्क LP समस्याओं पर काम करने का एक आसान टूल है और प्रोग्रामर को मॉडेलिंग पर ध्यान केंद्रित करने देता है। इस अध्याय में हम LP समस्याओं की मूल बातें सीखेंगे और यह देखना शुरू करेंगे कि PuLP फ्रेमवर्क का उपयोग करके उन्हें कैसे solve किया जाए।
2
PuLP में मॉडेलिंग
इस अध्याय में हम PuLP में LP और IP समस्याओं को मॉडेल करना आगे सीखते हैं। हम यह भी देखते हैं कि बड़े पैमाने की समस्याओं के लिए PuLP का उपयोग कैसे करें। साथ ही, हम Capacitated Plant Location मॉडल को solve करने पर आधारित अपने केस स्टडी उदाहरण की शुरुआत करते हैं।
3
मॉडल को solve करना और मूल्यांकन
यह अध्याय constraints बनाते समय होने वाली कुछ आम गलतियों की समीक्षा करता है और मॉडल को solve करने की प्रक्रिया को चरण-दर-चरण दिखाता है। जब हमारे पास LP मॉडल का समाधान आ जाए, तो हमें कैसे पता चले कि वह सही है? इस अध्याय में हम परिणामों की reasonableness या sanity checking की प्रक्रिया भी कवर करते हैं। इसके अलावा, हम Capacitated Plant Location मॉडल पर अपने केस स्टडी उदाहरण को सभी आवश्यक constraints पूरा करके आगे बढ़ाते हैं।
4
मॉडल की sensitivity और simulation testing
अंतिम अध्याय में हम shadow prices और slack के माध्यम से constraints की sensitivity analysis की समीक्षा करते हैं। इसके अतिरिक्त, हम अपने LP मॉडलों की simulation testing भी देखते हैं। ये अलग-अलग तकनीकें हमें मॉडलों से जुड़े विभिन्न व्यवसायिक सवालों के जवाब देने देती हैं, जैसे उपलब्ध क्षमता और incremental costs। अंत में, हम अपना केस स्टडी अभ्यास पूरा करते हैं और अपने मॉडल से जुड़े सवालों के उत्तर देने के लिए sensitivity analysis और simulation testing पर ध्यान केंद्रित करते हैं।
Python में सप्लाई चेन एनालिटिक्स
कोर्स
पूर्ण
