After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Mô tả khóa học
Phân tích Chuỗi Cung Ứng giúp chuyển các hoạt động trong chuỗi cung ứng từ phỏng đoán sang ra quyết định dựa trên dữ liệu. Một công cụ thiết yếu trong Phân tích Chuỗi Cung Ứng là phân tích tối ưu hóa để hỗ trợ ra quyết định. Theo Deloitte, 79% tổ chức có chuỗi cung ứng hoạt động hiệu quả đạt tăng trưởng doanh thu cao hơn mức trung bình một cách đáng kể. Khóa học này sẽ giới thiệu bạn với PuLP, một công cụ mô hình hóa tối ưu hóa Quy hoạch tuyến tính (Linear Program) viết bằng Python. Sử dụng PuLP, khóa học sẽ hướng dẫn bạn xây dựng và trả lời các bài toán tối ưu hóa chuỗi cung ứng như đặt nhà máy sản xuất ở đâu, phân bổ nhu cầu sản xuất giữa các cơ sở như thế nào, và nhiều hơn nữa. Chúng ta sẽ khám phá kết quả của các mô hình và ý nghĩa của chúng thông qua kiểm định độ nhạy và mô phỏng. Khóa học sẽ giúp bạn nâng cao khả năng cải thiện việc ra quyết định trong chuỗi cung ứng bằng cách tận dụng sức mạnh của Python và PuLP.
Yêu cầu tiên quyết
Chương trình học
Đề cương khóa học
1
Những điều cơ bản về tối ưu hóa chuỗi cung ứng và PuLP
Quy hoạch tuyến tính (LP) là kỹ thuật then chốt cho Tối ưu hóa Chuỗi Cung Ứng. Khung công cụ PuLP là một công cụ dễ dùng để làm việc với các bài toán LP và cho phép lập trình viên tập trung vào việc mô hình hóa. Trong chương này, bạn sẽ học những kiến thức cơ bản về bài toán LP và bắt đầu học cách dùng PuLP để giải chúng.
2
Mô hình hóa trong PuLP
Trong chương này, bạn sẽ tiếp tục học cách mô hình hóa các bài toán LP và IP trong PuLP. Chúng ta sẽ đề cập cách dùng PuLP cho các bài toán quy mô lớn. Bên cạnh đó, chúng ta bắt đầu ví dụ nghiên cứu tình huống về cách giải mô hình định vị nhà máy có ràng buộc công suất (Capacitated Plant Location).
3
Giải và đánh giá mô hình
Chương này xem lại một số lỗi thường gặp khi tạo ràng buộc và đi qua quy trình giải mô hình. Khi đã có nghiệm cho mô hình LP, làm sao biết nghiệm đó hợp lý? Trong chương này, chúng ta cũng xem lại quy trình kiểm tra tính hợp lý (sanity check) của kết quả. Hơn nữa, chúng ta tiếp tục bài nghiên cứu tình huống về mô hình định vị nhà máy có ràng buộc công suất bằng cách hoàn thiện tất cả các ràng buộc cần thiết.
4
Kiểm định độ nhạy và mô phỏng cho mô hình
Ở chương cuối, chúng ta ôn lại phân tích độ nhạy của ràng buộc thông qua shadow price và slack. Ngoài ra, chúng ta xem xét kiểm thử mô phỏng cho các mô hình LP. Những kỹ thuật này giúp trả lời các câu hỏi kinh doanh khác nhau về mô hình, như công suất sẵn có và chi phí gia tăng. Cuối cùng, chúng ta hoàn tất bài tập nghiên cứu tình huống và tập trung dùng phân tích độ nhạy và mô phỏng để trả lời các câu hỏi về mô hình.
Phân tích Chuỗi Cung Ứng với Python
Hoàn
thành khóa học
