50% off DataCamp Premium. 700+ courses, half price. Start learning today.
Cursusbeschrijving
Supply Chain Analytics verandert supplychain-activiteiten van gokken naar datagedreven besluitvorming. Een essentieel hulpmiddel binnen Supply Chain Analytics is optimalisatie-analyse om beslissingen te ondersteunen. Volgens Deloitte realiseert 79% van de organisaties met hoogpresterende supply chains een omzetgroei die aanzienlijk boven het gemiddelde ligt. In deze cursus maak je kennis met PuLP, een modelleertool voor Lineaire Programmering (LP) in Python. Met PuLP leer je hoe je Supply Chain-optimalisatievragen opstelt en beantwoordt, zoals waar je een productiefaciliteit het beste kunt vestigen, hoe je productievraag over verschillende locaties verdeelt, en meer. We verkennen de modelresultaten en hun implicaties via gevoeligheidsanalyse en simulaties. Deze cursus helpt je om met de kracht van Python en PuLP de besluitvorming in een supply chain te verbeteren.
Vereisten
Lesprogramma
Cursusoverzicht
1
Basis van supplychain-optimalisatie en PuLP
Lineaire Programmering (LP) is een kerntechniek voor supplychain-optimalisatie. Het PuLP-framework is een gebruiksvriendelijke tool voor LP-problemen en laat je focussen op het modelleren. In dit hoofdstuk leren we de basis van LP-problemen en beginnen we met het gebruik van het PuLP-framework om ze op te lossen.
2
Modelleren in PuLP
In dit hoofdstuk gaan we verder met het modelleren van LP- en IP-problemen in PuLP. We staan stil bij het gebruik van PuLP voor grootschalige problemen. Daarnaast starten we onze casestudy over het oplossen van het Capacitated Plant Location-model.
3
Model oplossen en evalueren
Dit hoofdstuk behandelt veelvoorkomende fouten bij het opstellen van constraints en loopt stap voor stap door het oplossen van het model. Als we een oplossing voor ons LP-model hebben, hoe weten we dan of die klopt? We bespreken ook hoe je de resultaten kunt toetsen op redelijkheid met een sanitycheck. Verder werken we door aan onze casestudy van het Capacitated Plant Location-model door alle benodigde constraints te voltooien.
4
Gevoeligheids- en simulatietests van het model
In het laatste hoofdstuk bekijken we gevoeligheidsanalyse van constraints via schaduwprijzen en slack. Daarnaast kijken we naar het testen van onze LP-modellen met simulaties. Met deze technieken kun je bedrijfsgerichte vragen over je modellen beantwoorden, zoals beschikbare capaciteit en incrementele kosten. Tot slot ronden we de casestudy af en focussen we op gevoeligheidsanalyse en simulaties om vragen over ons model te beantwoorden.
Supply Chain Analytics in Python
Cursus
voltooid
