Értékelés:
Nicolas Vandeput készletoptimalizálásról szóló könyvét a matematikai modellek és szimulációk átfogó megközelítése miatt dicsérik, amely az ellátási lánc menedzsment különböző tapasztalati szintjeit szolgálja ki. Gyakran megjegyzik, hogy a szerző képes az összetett fogalmakat érthető módon bemutatni, így a könyv értékes forrás a haladó szakemberek és a hallgatók számára egyaránt. Néhány olvasó azonban nehézségeket tapasztalt a bemutatott elméletek gyakorlati alkalmazásával kapcsolatban, és a Kindle digitális formátumával is vannak problémák. A visszajelzések vegyesek a tartalom mélységét és a kezdők számára való hozzáférhetőségét illetően.
Előnyök:⬤ A készletoptimalizálási módszerek átfogó és részletes lefedettsége.
⬤ Az összetett matematikai fogalmak hozzáférhető magyarázata.
⬤ Kézzelfogható megközelítés Python nyelvű programozási példákkal.
⬤ Hasznos az ellátási lánc menedzsment haladó szakemberei és hallgatói számára egyaránt.
⬤ A hagyományos módszereken túlmutató, innovatív szemléletet nyújt a készletpolitikával kapcsolatban.
⬤ Néhány olvasónak nehézséget okozott a kódpéldák végrehajtása a korábban meghatározott változókra való támaszkodás miatt.
⬤ A fogalmak megerősítését szolgáló gyakorlati esettanulmányok hiánya.
⬤ Kihívások a Kindle verzióval kapcsolatban, beleértve a formázási problémákat.
⬤ Néhányan úgy érezték, hogy a tartalom nem indokolja az árat más tudományos szövegekhez képest.
⬤ Hiányzott az optimalizálás korlátainak és a modellek valós alkalmazásának világos magyarázata.
(21 olvasói vélemény alapján)
Inventory Optimization
Ebben a könyvben... Nicolas Vandeput utat tör magának a mennyiségi ellátási lánc optimalizálásának útvesztőjében. Ez a könyv bemutatja, hogyan kell a 21. századi ellátási láncok mennyiségi optimalizálását megalkotni és végrehajtani..... Vandeput élen jár az ellátási láncok új és jobb módjának kidolgozásában, és a gazdagon illusztrált könyvnek köszönhetően, amelyben minden egyes helyzet saját szemléltető kódrészletet kap, ön is megteheti.
--Joannes Vermorel, vezérigazgató, Lokad.
A Készletoptimalizálás című könyv amellett érvel, hogy a matematikai készletmodellekkel csak eddig lehet eljutni az ellátási láncok menedzselésében. A készletpolitikák optimalizálásához valószínűségi szimulációkat kell használnunk. A könyv lépésről lépésre elmagyarázza, hogyan lehet ezeket a modelleket és szimulációkat megvalósítani, az egyszerű determinisztikus modellektől kezdve a komplex, több echelonos optimalizálásig.
A könyv első két része a klasszikus matematikai modelleket, azok korlátait és feltételezéseit tárgyalja, és gyors, de hatékony bevezetést nyújt a Python nyelvbe. A 3. rész fejlettebb modelleket tartalmaz, amelyek lehetővé teszik a nyereség optimalizálását, a kieső eladások becslését és a fejlett keresleteloszlások használatát. Azt is elmagyarázza, hogyan optimalizálhat egy többkamrás ellátási láncot egy egyszerű - mégis nagy teljesítményű - keretrendszer alapján. A 4. rész a készletoptimalizálást tárgyalja az egyéni diszkrét kereslet valószínűségi függvények szerinti szimulációknak köszönhetően.
A készletgazdák, a kereslettervezők és a költséghatékony megoldások megszerzése iránt érdeklődő egyetemi oktatók hasznát veszik az egyes fejezetekben szereplő "csináld magad" példáknak és Python-programoknak.
Események a könyv körül
Link a De Gruyter online eseményéhez, amelyen a szerző, Nicolas Vandeput Stefan de Kokkal, az ellátási lánc innovátorával és a Wahupa vezérigazgatójával, Koen Cobbaert-tel, a PwC Belgium S&O Industry practice igazgatójával, Bram Desmet-tel, a genti Vlerick Business School műveleti és ellátási lánc professzorával és Karl-Eric Devaux-val, a Hatmill tervezési tanácsadójával együtt a készletoptimalizálási modellekről beszélget.
Az eseményt Eric Wilson, az Institute of Business Forecasting (IBF) gondolatvezetési igazgatója moderálja:
Https: //youtu. be/565fDQMJEEg.
© Book1 Group - minden jog fenntartva.
Az oldal tartalma sem részben, sem egészben nem másolható és nem használható fel a tulajdonos írásos engedélye nélkül.
Utolsó módosítás időpontja: 2024.11.13 21:05 (GMT)