พื้นฐานการปรับให้เหมาะสม

Supply Chain Analytics ด้วย Python

Aaren Stubberfield

Supply Chain Analytics Mgr.

ห่วงโซ่อุปทานคืออะไร

  • ห่วงโซ่อุปทานประกอบด้วยทุกฝ่ายที่เกี่ยวข้อง ทั้งทางตรงและทางอ้อม ในการตอบสนองความต้องการของลูกค้า¹
  • ประกอบด้วย:
    • ซัพพลายเออร์
    • การผลิตภายใน
    • ผู้ให้บริการโลจิสติกส์ภายนอก (เช่น ผู้ให้บริการบุคคลที่สาม)
1 Chopra, Sunil, and Peter Meindl. _Supply Chain Management: Strategy, Planning, and Operations._ Pearson Prentice-Hall, 2007.
Supply Chain Analytics ด้วย Python

การปรับห่วงโซ่อุปทานให้เหมาะสมคืออะไร

  • เกี่ยวข้องกับการหาเส้นทางที่ดีที่สุดเพื่อบรรลุเป้าหมายภายใต้ข้อจำกัดที่กำหนด

แผนภาพแสดงการไหลของวัสดุจากซัพพลายเออร์ถึงลูกค้า

Supply Chain Analytics ด้วย Python

LP เบื้องต้น

  • Linear Programming (LP) เป็นเครื่องมือสร้างโมเดลที่ทรงพลังสำหรับการปรับให้เหมาะสม

  • วิธีการปรับให้เหมาะสมโดยใช้โมเดลทางคณิตศาสตร์ที่มีความสัมพันธ์เชิงเส้น

  • LP มีองค์ประกอบพื้นฐาน 3 ส่วน:

    • ตัวแปรการตัดสินใจ - สิ่งที่ควบคุมได้
    • ฟังก์ชันวัตถุประสงค์ - นิพจน์ทางคณิตศาสตร์ที่ใช้ตัวแปรเพื่อแสดงเป้าหมาย
    • ข้อจำกัด - นิพจน์ทางคณิตศาสตร์ที่อธิบายขอบเขตของคำตอบ
Supply Chain Analytics ด้วย Python

ตัวอย่างเบื้องต้น

ใช้ LP เพื่อวางแผนการออกกำลังกายให้เผาผลาญแคลอรีได้มากที่สุด

วิดพื้น วิ่ง
นาที 0.2 ต่อครั้ง 10 ต่อไมล์
แคลอรี 3 ต่อครั้ง 130 ต่อไมล์

ข้อจำกัด - มีเวลาออกกำลังกายเพียง 10 นาที

Supply Chain Analytics ด้วย Python

องค์ประกอบพื้นฐานของ LP

ตัวแปรการตัดสินใจ - สิ่งที่ควบคุมได้:

  • จำนวนครั้งวิดพื้น & จำนวนไมล์ที่วิ่ง

ฟังก์ชันวัตถุประสงค์ - นิพจน์ทางคณิตศาสตร์ที่ใช้ตัวแปรเพื่อแสดงเป้าหมาย:

  • Max (3 * จำนวนครั้งวิดพื้น + 130 * จำนวนไมล์)

ข้อจำกัด - นิพจน์ทางคณิตศาสตร์ที่อธิบายขอบเขตของคำตอบ:

  • 0.2 * จำนวนครั้งวิดพื้น + 10 * จำนวนไมล์ ≤ 10
  • จำนวนครั้งวิดพื้น ≥ 0
  • จำนวนไมล์ ≥ 0
Supply Chain Analytics ด้วย Python

คำตอบของตัวอย่าง

คำตอบที่เหมาะสมที่สุด:

  • วิดพื้น 50 ครั้ง
  • วิ่ง 0 ไมล์

แคลอรีที่เผาผลาญ: 150

กราฟแสดงคำตอบที่เป็นไปได้ของตัวอย่างการออกกำลังกาย รวมถึงจุดที่เหมาะสมที่สุด

Supply Chain Analytics ด้วย Python

LP vs IP vs MIP

ประเภท ตัวแปรการตัดสินใจ
Linear Programming (LP) ต่อเนื่องเท่านั้น
Integer Programming (IP) ไม่ต่อเนื่องหรือจำนวนเต็มเท่านั้น
Mixed Integer Programming (MIP) ผสมระหว่างต่อเนื่องและไม่ต่อเนื่อง
Supply Chain Analytics ด้วย Python

สรุป

  • นิยามการปรับห่วงโซ่อุปทานให้เหมาะสม
  • นิยาม Linear Programming และองค์ประกอบพื้นฐาน
    • ตัวแปรการตัดสินใจ
    • ฟังก์ชันวัตถุประสงค์
    • ข้อจำกัด
  • นิยาม LP vs IP vs MIP
Supply Chain Analytics ด้วย Python

มาฝึกกันเถอะ!

Supply Chain Analytics ด้วย Python

Preparing Video For Download...