Optimisation de la chaîne d'approvisionnement avec Excel : Planification des ressources et analyse des risques

Les chaînes d'approvisionnement modernes doivent être à la fois efficaces et résilientes pour faire face aux perturbations constantes et aux demandes changeantes. Comprendre comment modéliser les ressources et simuler les risques mathématiquement est la clé pour prendre des décisions opérationnelles rentables et à faible risque. Ce cours écrit vous guide à travers les concepts fondamentaux de l'optimisation de la chaîne d'approvisionnement. Vous apprendrez à traduire des défis logistiques complexes en modèles mathématiques clairs, à allouer efficacement des ressources rares et à analyser les risques à l'aide de techniques pratiques de tableur. Ce que vous apprendrez : - Comprendre la terminologie de base de l'optimisation de la chaîne d'approvisionnement, les contraintes et les variables de décision. - Configurer des modèles de programmation linéaire dans Excel pour optimiser la capacité de production et l'allocation des ressources. - Appliquer des formules Excel modernes et des modèles de tableaux dynamiques pour structurer des modèles d'optimisation clairs et évolutifs. - Simuler l'incertitude et les risques de la chaîne d'approvisionnement à l'aide de techniques de Monte Carlo pour évaluer différents scénarios. - Analyser les compromis entre les coûts logistiques, les contraintes de capacité et les niveaux de service client. Le cours commence par les concepts essentiels de la planification de la chaîne d'approvisionnement avant de passer à des configurations d'optimisation pratiques. Vous progresserez de problèmes simples d'allocation de ressources à des simulations de risques, en apprenant par des explications écrites détaillées et des démonstrations étape par étape de modélisation sur tableur. Ce cours est conçu pour les débutants en gestion de la chaîne d'approvisionnement, en logistique, en opérations ou en analyse de données qui souhaitent acquérir des compétences pratiques en modélisation. Aucune expérience préalable en optimisation ou en statistiques avancées n'est requise. Commencez dès aujourd'hui à construire des modèles de chaîne d'approvisionnement plus intelligents et plus résilients.