Basi dell’ottimizzazione

Analytics per la supply chain con Python

Aaren Stubberfield

Supply Chain Analytics Mgr.

Cos’è una supply chain

  • Una supply chain include tutte le parti coinvolte, direttamente o indirettamente, nel soddisfare la richiesta di un cliente.¹
  • Include:
    • Fornitori
    • Produzione interna
    • Logistica in outsourcing (es. terze parti)
1 Chopra, Sunil, e Peter Meindl. _Supply Chain Management: Strategy, Planning, and Operations._ Pearson Prentice-Hall, 2007.
Analytics per la supply chain con Python

Cos’è l’ottimizzazione della supply chain

  • Trovare il percorso migliore per raggiungere un obiettivo dato dei vincoli

diagramma del flusso di materiali dai fornitori ai clienti

Analytics per la supply chain con Python

Mini corso su LP

  • La programmazione lineare (LP) è un potente strumento di modellazione per l’ottimizzazione

  • Metodo che usa un modello matematico con relazioni lineari

  • 3 componenti base dell’LP:

    • Variabili decisionali - cosa puoi controllare
    • Funzione obiettivo - espressione che usa variabili per il goal
    • Vincoli - espressioni che descrivono i limiti delle soluzioni
Analytics per la supply chain con Python

Esempio introduttivo

Usa l’LP per scegliere una routine di esercizi che bruci più calorie possibile.

Piegamenti Corsa
Minuti 0,2 per pieg. 10 per miglio
Calorie 3 per pieg. 130 per miglio

Vincolo: solo 10 minuti per esercitarti

Analytics per la supply chain con Python

Componenti base di un LP

Variabili decisionali - Cosa possiamo controllare:

  • Numero di piegamenti e miglia corse

Funzione obiettivo - Espressione che usa le variabili per il goal:

  • Max (3 * Numero di piegamenti + 130 * Numero di miglia)

Vincoli - Espressioni che descrivono i limiti delle soluzioni:

  • 0.2 * Numero di piegamenti + 10 * Numero di miglia ≤ 10
  • Numero di piegamenti ≥ 0
  • Numero di miglia ≥ 0
Analytics per la supply chain con Python

Soluzione di esempio

Soluzione ottima:

  • 50 piegamenti
  • 0 miglia corse

Calorie bruciate: 150

grafico delle soluzioni ammissibili per l’esercizio, con il punto ottimo

Analytics per la supply chain con Python

LP vs IP vs MIP

Termini Variabili decisionali
Programmazione lineare (LP) Solo continue
Programmazione intera (IP) Solo discrete o intere
Programmazione mista intera (MIP) Misto di continue e discrete
Analytics per la supply chain con Python

Riepilogo

  • Definita l’ottimizzazione della supply chain
  • Definiti LP e componenti base
    • Variabili decisionali
    • Funzione obiettivo
    • Vincoli
  • Distinzione tra LP, IP e MIP
Analytics per la supply chain con Python

Ayo berlatih!

Analytics per la supply chain con Python

Preparing Video For Download...