Build your ultimate AI agent
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
カリキュラム
コース概要
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。
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
コース修了
