After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
课程介绍
供应链分析将供应链活动从"凭经验判断"转变为"用数据做决策"。在供应链分析中，优化分析是辅助决策的重要工具。根据德勤的研究，79% 拥有高绩效供应链的组织，营收增长显著高于平均水平。本课程将向您介绍 PuLP——一个用 Python 编写的线性规划优化建模工具。借助 PuLP，课程将演示如何构建并解答供应链优化问题，例如生产设施应设在哪里、如何在不同设施之间分配生产需求等。我们还将通过敏感性分析和仿真测试来解读模型结果及其业务含义。本课程将帮助您借助 Python 和 PuLP 的能力，提升供应链的决策质量。
先修要求
课程大纲
课程大纲
1
供应链优化与 PuLP 基础
线性规划（LP）是供应链优化的关键技术。PuLP 框架是处理 LP 问题的易用工具，使开发者能够将精力集中在建模上。本章将学习 LP 问题的基础知识，并开始了解如何使用 PuLP 框架来求解这些问题。
2
在 PuLP 中进行建模
本章将继续学习如何在 PuLP 中为 LP 和 IP 问题建模，并简要介绍如何用 PuLP 处理大规模问题。此外，我们将开始案例研究，讲解如何求解"有容量约束的工厂选址"模型。
3
求解与评估模型
本章回顾创建约束时常见的错误，并逐步演示模型的求解过程。当得到 LP 模型的解后，如何判断其是否合理？本章还将介绍一种对结果进行合理性（或"健全性"）检查的流程。与此同时，我们将继续推进"有容量约束的工厂选址"案例研究，补充完成所有必需的约束。
4
模型的敏感性与仿真测试
最后一章将通过影子价格和松弛量回顾约束的敏感性分析，并介绍对 LP 模型进行仿真测试。借助这些方法，您可以回答与模型相关的业务问题，例如可用产能和边际成本。最后，我们将完成案例练习，重点利用敏感性分析与仿真测试来回答关于模型的关键问题。
Python 供应链分析
课程完成
