After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Опис курсу
Аналітика ланцюга постачань перетворює діяльність у ланцюгу постачань із припущень на ухвалення рішень на основі даних. Важливим інструментом в аналітиці ланцюга постачань є оптимізаційний аналіз, який допомагає в ухваленні рішень. За даними Deloitte, 79% організацій із високоефективними ланцюгами постачань демонструють зростання доходу, що суттєво перевищує середній рівень. У цьому курсі ви познайомитеся з PuLP — засобом моделювання задач лінійного програмування, написаним на Python. Використовуючи PuLP, курс покаже, як формулювати та розв'язувати оптимізаційні задачі ланцюга постачань, зокрема де розмістити виробничий майданчик, як розподілити попит на виробництво між різними потужностями тощо. Ми дослідимо результати моделей і їхні наслідки за допомогою аналізу чутливості та імітаційного тестування. Цей курс допоможе вам покращити ухвалення рішень у ланцюгу постачань, використовуючи можливості Python і PuLP.
Попередні вимоги
Навчальний план
Зміст курсу
1
Основи оптимізації ланцюга постачань і PuLP
Лінійне програмування (LP) — ключова техніка для оптимізації ланцюга постачань. Фреймворк PuLP — це простий у використанні інструмент для роботи із задачами LP, що дозволяє зосередитися на моделюванні. У цьому розділі ми розглянемо основи задач LP і почнемо вивчати, як використовувати PuLP для їх розв'язання.
2
Моделювання в PuLP
У цьому розділі ми продовжимо вивчати, як моделювати задачі LP та IP у PuLP. Також торкнемося використання PuLP для задач великого масштабу. Крім того, ми розпочнемо наше кейс-стаді з розв'язання моделі розміщення підприємств із обмеженими потужностями (Capacitated Plant Location).
3
Розв'язання та оцінювання моделі
У цьому розділі ми розглянемо типові помилки під час створення обмежень і крок за кроком пройдемо процес розв'язання моделі. Коли ми отримали розв'язок задачі LP, як зрозуміти, що він коректний? Також ми переглянемо підхід до перевірки на розумність (sanity check) результатів. Ба більше, ми продовжимо наше кейс-стаді з моделі розміщення підприємств із обмеженими потужностями, завершивши всі необхідні обмеження.
4
Аналіз чутливості та імітаційне тестування моделі
У фінальному розділі ми розглянемо аналіз чутливості обмежень через тіньові ціни та запас міцності (slack). Додатково ми виконаємо імітаційне тестування наших моделей LP. Ці підходи дозволяють відповідати на бізнес-запитання щодо моделей, зокрема про доступні потужності та прирістні витрати. Нарешті, ми завершимо наше практичне завдання та зосередимося на використанні аналізу чутливості й імітаційного тестування для відповідей на запитання про нашу модель.
Аналітика ланцюга постачань у Python
Курс
завершено
