Build your ultimate AI agent
Описание курса
Аналитика цепочек поставок превращает управление поставками из интуитивного процесса в процесс, основанный на данных. Один из ключевых инструментов в этой области — оптимизационный анализ, который помогает принимать обоснованные решения. По данным Deloitte, 79% организаций с высокоэффективными цепочками поставок демонстрируют темпы роста выручки, значительно превышающие средние показатели по рынку. В этом курсе вы познакомитесь с PuLP — инструментом для линейного программирования, реализованным на Python. С его помощью вы научитесь формулировать и решать задачи оптимизации цепочек поставок: определять оптимальное расположение производственных мощностей, распределять производственный спрос между объектами и многое другое. Мы также проанализируем результаты моделей и их практические последствия с помощью анализа чувствительности и имитационного моделирования. Курс поможет вам применять возможности Python и PuLP для повышения качества решений в управлении цепочками поставок.
Предварительные требования
Программа
Структура курса
1
Основы оптимизации цепочек поставок и PuLP
Линейное программирование (ЛП) — ключевой метод оптимизации цепочек поставок. Фреймворк PuLP — это удобный инструмент для работы с задачами линейного программирования, который позволяет сосредоточиться на моделировании, а не на технических деталях. В этой главе вы освоите основы задач ЛП и начнёте знакомство с PuLP для их решения.
2
Моделирование в PuLP
В этой главе мы продолжаем изучать моделирование задач линейного и целочисленного программирования в PuLP, а также рассматриваем применение PuLP для крупномасштабных задач. Кроме того, мы начинаем разбирать практический пример — модель размещения производственных мощностей с ограниченной пропускной способностью.
3
Решение и оценка модели
В этой главе разбираются типичные ошибки при задании ограничений и описывается процесс решения модели. После получения решения важно убедиться в его корректности — поэтому мы также рассмотрим методы проверки разумности результатов. Помимо этого, мы продолжаем работу над практическим примером — моделью размещения производственных мощностей с ограниченной пропускной способностью — и формулируем все необходимые ограничения.
4
Анализ чувствительности и имитационное тестирование модели
В заключительной главе мы рассматриваем анализ чувствительности ограничений с помощью теневых цен и остатков, а также имитационное тестирование моделей линейного программирования. Эти методы позволяют отвечать на практические бизнес-вопросы: оценивать доступные мощности и приростные затраты. В завершение мы выполним итоговое упражнение по практическому примеру, используя анализ чувствительности и имитационное моделирование для изучения свойств нашей модели.
Аналитика цепочек поставок на Python
Курс
завершён
