تحلیل زنجیره تأمین در Python
✅ سرفصل و جزئیات آموزش
تحلیل زنجیره تأمین، فعالیتهای این حوزه را از حالت حدس و گمان به فرآیندی تبدیل میکند که با استفاده از دادهها تصمیمگیری میکند. یکی از ابزارهای ضروری در تحلیل زنجیره تأمین، استفاده از تحلیل بهینهسازی برای کمک به تصمیمگیری است. بر اساس گزارش Deloitte، حدود 79% از سازمانهایی که زنجیرههای تأمین با عملکرد بالا دارند، به رشد درآمدی بسیار بالاتر از میانگین دست مییابند. این دوره، PuLP را معرفی میکند که یک مدلساز بهینهسازی برنامهریزی خطی نوشته شده در Python است.
مدرس با استفاده از PuLP، چگونگی فرمولبندی و پاسخ به سوالات بهینهسازی زنجیره تأمین، مانند مکانیابی تسهیلات تولیدی، چگونگی تخصیص تقاضای تولید بین تسهیلات مختلف و موارد دیگر را نشان میدهد. او نتایج مدلها و پیامدهای آنها را از طریق آزمونهای حساسیت و شبیهسازی بررسی خواهد کرد. این دوره به بهبود تصمیمگیری در یک زنجیره تأمین با استفاده از قدرت Python و PuLP کمک میکند.
تحلیل زنجیره تأمین در Python
-
مبانی بهینهسازی None
-
مبانی مدلسازی در PuLP None
-
استفاده از lpSum None
-
تابع دیکشنری LpVariable None
-
نمونهای از یک مسئله زمانبندی None
-
مکانیابی کارخانه با ظرفیت محدود - مطالعه موردی بخش 1 None
-
محدودیتهای منطقی None
-
اشتباهات رایج در تعریف محدودیتها None
-
مکانیابی کارخانه با ظرفیت محدود - مطالعه موردی بخش 2 None
-
حل مدل PuLP None
-
بررسی صحت راهکار None
-
تحلیل حساسیت قیمت سایه None
-
مکانیابی کارخانه با ظرفیت محدود - مطالعه موردی بخش 3 None
-
راهکار آزمون شبیهسازی None
-
مکانیابی کارخانه با ظرفیت محدود - مطالعه موردی بخش 4 None
-
خلاصه نهایی None
مشخصات آموزش
تحلیل زنجیره تأمین در Python
- تاریخ به روز رسانی: 1404/12/10
- سطح دوره:متوسط
- تعداد درس:16
- مدت زمان :4:00:00
- حجم :358.0MB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy