(Acest articol a fost publicat pentru prima dată pe business-science.ioși cu amabilitate a contribuit la R-bloggeri). (Puteți raporta problema legată de conținutul acestei pagini aici)
Doriți să vă distribuiți conținutul pe R-bloggeri? dați clic aici dacă aveți un blog, sau aici dacă nu aveți.
Salut, băieți, bine ați revenit la buletinul meu informativ R-tips. Managementul lanțului de aprovizionare este esențial pentru a vă asigura că afacerea companiei dumneavoastră funcționează fără probleme. Unul dintre elementele cheie este gestionarea eficientă a stocurilor. Astăzi, vă voi arăta cum să estimați inventarul și să estimați nivelurile de inventar folosind planr pachet în R. Să ne scufundăm!
Cuprins
Iată ce veți învăța în acest articol:
Obțineți codul (în folderul R-Tip 084)
În cadrul atelierului, voi împărtăși cum am creat o aplicație Shiny de producție bazată pe învățare automată ChatGPT (extinde această analiză a datelor la un nebun aplicație de producție):
Ce: ChatGPT pentru cercetătorii de date
Când: Miercuri, 23 octombrie, ora 14:00 EST
Cum vă va ajuta: Indiferent dacă sunteți nou în știința datelor sau sunteți un expert, ChatGPT schimbă jocul. Există o tonă de hype. Dar cum vă poate ajuta ChatGPT să deveniți un om de știință de date mai bun și să vă ajute să vă remarcați în carieră? Vă voi arăta în cadrul atelierului meu de chatgpt gratuit pentru cercetătorii de date.
Preţ: Are Gratuit suna bine?
Cum să vă alăturați: 👉 Înregistrează-te aici
Acest articol face parte din R-Tips Weekly, un tutorial video săptămânal care vă arată pas cu pas cum să efectuați sarcini comune de codare R. Destul de misto, nu?
Aici este linkul pentru a vă configura. 👇
De ce sunt esențiale proiecțiile de inventar pentru managementul lanțului de aprovizionare
Managementul lanțului de aprovizionare se referă la echilibrare cerere şi ofertă pentru a se asigura că nivelurile de inventar sunt optimizate. Supraestimarea cererii duce la stocuri în exces, în timp ce subestimarea acesteia cauzează lipsuri. Proiecții exacte ale inventarului permiteți companiilor să planifice din timp, să ia decizii bazate pe date și să evite erorile costisitoare, cum ar fi supracumpărarea de stocuri sau intrarea într-o întrerupere a stocurilor și a nu avea stocuri pentru a satisface cererea.
Introduceți planr Pachet
The planr pachetul simplifică gestionarea stocurilor prin proiectarea nivelurilor viitoare de stoc pe baza ofertei, cererii și nivelurilor actuale ale stocurilor.
Să aruncăm o privire la modul de utilizare planr pentru a vă optimiza lanțul de aprovizionare. Vom parcurge un tutorial rapid pentru a începe să utilizați planr să proiecteze și să gestioneze inventarele.
Pasul 1: Încărcați biblioteci și date
Mai întâi, trebuie să instalați pachetele necesare și să încărcați bibliotecile. Rulați acest cod:
Obțineți codul (în folderul R-Tip 087)
Aceste date conțin informații despre cerere și ofertă pentru diferite unități de satisfacere a cererii (DFU) pe o perioadă de timp.
- Unitatea de satisfacere a cererii (DFU): Un identificator de produs, aici etichetat ca „Articol 000001” (sunt 10 articole în total).
- Perioadă: Perioade lunare corespunzătoare cererii și ofertei.
- Cerere: Clienții cumpără și reduc stocul disponibil.
- Deschidere: Un inventar inițial de 6570 de unități în prima perioadă pentru articolul 000001.
- Livra: Noi provizii sosesc în lunile următoare.
Pasul 2: Vizualizarea cererii în timp
Primul pas în înțelegerea performanței lanțului de aprovizionare este vizualizarea tendințelor cererii. Putem folosi timetk::plot_time_series() pentru a obține o imagine clară a fluctuațiilor cererii. Rulați acest cod:
Obțineți codul (în folderul R-Tip 087)
Acest cod va produce un set de diagrame serii temporale care arată modul în care cererea se modifică în timp pentru fiecare DFU. Prin vizualizarea acestor tendințe, puteți identifica modele și valori aberante care vă pot afecta proiecțiile.
Pasul 3: Proiectarea nivelurilor de inventar
Odată ce aveți o bună înțelegere a cererii, următorul pas este să vă proiectați nivelurile viitoare de stoc. The planr::light_proj_inv() funcția vă ajută să faceți acest lucru. Rulați acest cod:
Obțineți codul (în folderul R-Tip 087)
Această funcție preia DFU, Perioada, Cererea, Stocul inițial și Oferta ca intrări pentru nivelurile de inventar al proiectului de-a lungul timpului pe articol. Rezultatul este un cadru de date care conține stocurile proiectate pentru fiecare perioadă și DFU.
Pasul 4: Crearea unui tabel interactiv pentru inventarele proiectate
Pentru a vă face proiecțiile mai interactive și mai accesibile, puteți crea un tabel interactiv folosind reactable şi reactablefmtr. Am creat o funcție pentru a automatiza procesul pentru dvs. pe baza planrdocumentația minunată a lui. Rulați acest cod:
Obțineți codul (în folderul R-Tip 087)
Aceasta generează o frumoasă masă interactivă unde puteți filtra și sorta stocurile proiectate. Tabelele interactive facilitează analiza datelor și împărtășirea informațiilor cu echipa.
Prin utilizarea planr pachet, poți nivelurile de inventar al proiectelor cu ușurință, ajutându-vă să vă gestionați mai eficient lanțul de aprovizionare. Acest lucru duce la o mai bună luare a deciziilor, la reducerea stocurilor și la costuri de transport mai mici.
Dar este mai mult la stăpânirea analizei lanțului de aprovizionare în R.
Dacă ai vrea creșteți-vă abilitățile de Business Data Science cu Ratunci vă rog să citiți mai departe…
Am ajutat peste 6.107 de studenți să învețe știința datelor pentru afaceri din perspectiva unui consultant de elită în afaceri.
Am lucrat cu companii Fortune 500 precum S&P Global, Apple, MRM McCann și altele.
Și am creat un program de formare care le aduce elevilor mei cariere în domeniul științei datelor care le schimbă viața (nu mă credeți? vedeți mărturiile mele aici):
Job în 6 cifre în știința datelor la CVS Health (125.000 USD)
Senior VP of Analytics la JP Morgan (200.000 USD)
Peste 50% sporuri și promoții (150.000 USD)
Cercetar de date la Northwestern Mutual (175.000 USD)
Salariu 2X-ed (de la 60.000 USD la 120.000 USD)
2 oferte de muncă ML concurente (150.000 USD)
Promovare la Lead Data Scientist (175.000 USD)
Job de Data Scientist la Verizon (+125.000 USD)
Job de Data Scientist la CitiBank (100.000 USD + Bonus)
Iată sistemul care a obținut locuri de muncă și promovări aspiranți ai cercetătorilor de date, care tranzitează cariera și studenți pe viață.
Alăturați-vă programului meu R-Track cu 5 cursuri acum!
(Și deveniți savantul de date care trebuia să fiți…)
PS – Samantha și-a obținut NOUL loc de muncă Data Science R Developer la CVS Health (Fortune 500). Acesta ai putea fi tu.
