メインコンテンツへスキップ
ホームPython

コース

Pythonで学ぶサプライチェーン分析

中級スキルレベル
更新日 2026/04
PythonとPuLPでサプライチェーンを最適化。
コースを無料で開始
PythonExploratory Data Analysis
4時間
16 ビデオ
48 演習
3,600 XP
21,951
修了証明書

無料アカウントを作成

Googleで続行その他のオプションを表示

または


続行すると、弊社の利用規約プライバシーポリシーに同意し、データが米国に保存されることに同意したことになります。

何千もの企業の従業員が支持

Group

チームのトレーニングを担当していますか?

Businessをお試しください

コース説明

Supply Chain Analytics は、サプライチェーンの活動を勘頼みから、データに基づいて意思決定する活動へと変革します。Supply Chain Analytics で不可欠なツールのひとつが、意思決定を支援する最適化解析です。Deloitte によれば、高いパフォーマンスのサプライチェーンを持つ組織の 79% が、平均を大きく上回る売上成長を達成しています。本コースでは、Python で書かれた線形計画(Linear Program)最適化モデラーである PuLP を紹介します。PuLP を使って、生産拠点をどこに配置すべきか、需要を複数拠点にどう割り当てるかなど、サプライチェーンの最適化課題をどのように定式化し、解くかを学びます。さらに、感度分析やシミュレーションテストを通じて、モデルの結果とその示唆を探ります。Python と PuLP の力を活用して、サプライチェーンの意思決定をより良くするスキルを身につけましょう。

前提条件

Data Manipulation with pandas
1

サプライチェーン最適化と PuLP の基礎

線形計画法(LP)は、サプライチェーン最適化の重要な手法です。PuLP フレームワークは、LP 問題を扱うための使いやすいツールで、プログラマがモデリングに集中できるようにしてくれます。この章では、LP 問題の基本を学び、PuLP フレームワークを使ってそれらを解く方法を学び始めます。
チャプターを開始
2

PuLP によるモデリング

この章では、PuLP で LP と IP の問題をどのようにモデリングするかを引き続き学びます。さらに、PuLP を大規模問題に適用する方法にも触れます。また、容量制約付き工場配置モデル(Capacitated Plant Location)のケーススタディを開始します。
3

モデルの解法と評価

この章では、制約作成時によくあるミスを振り返り、モデルを解く一連の手順を確認します。LP モデルの解が得られたとして、それが正しいとどう判断すればよいでしょうか。この章では、結果の妥当性確認(サニティチェック)の進め方も学びます。さらに、ケーススタディである容量制約付き工場配置モデルを続け、必要な制約をすべて完成させます。
4

モデルの感度分析とシミュレーションテスト

最終章では、シャドウプライス(双対価格)とスラックによる制約の感度分析を学びます。加えて、LP モデルのシミュレーションテストも扱います。これらの手法により、利用可能な能力や増分コストといった、モデルに関するビジネス上の疑問に答えられるようになります。最後に、ケーススタディ演習を仕上げ、感度分析とシミュレーションテストを使ってモデルに関する問いに答える方法に焦点を当てます。
Pythonで学ぶサプライチェーン分析
コース完了

修了証明書を取得

この修了書をLinkedInや履歴書、CVに追加しましょう
ソーシャルメディアや人事評価で共有しましょう
今すぐ登録

19百万人を超える学習者と共にPythonで学ぶサプライチェーン分析を始めましょう!

無料アカウントを作成

Googleで続行その他のオプションを表示

または


続行すると、弊社の利用規約プライバシーポリシーに同意し、データが米国に保存されることに同意したことになります。

DataCamp for Mobileでデータスキルを磨きましょう

モバイル コースと毎日の 5 分間のコーディング チャレンジで、外出先でも進歩できます。