Overordnede kursusmål
Supply Chain Analytics (SCA) benytter analytiske teknikker fra
statistics, machine learning, mathematisk optimering og game teori
for at forbedre anvendelsen af store datamængder mod forbedret
beslutningstagen og planlægning på tværs af supply chains. Formålet
med kurset er at lære de studerende det grundlæggende i at opstille
analytiske modeller til løsning af supply chain problemer og
indlægge intuition i logikken bag disse værktøjer og deres
potentielle indvirkning på konkurrenceevnen i supply chain
Læringsmål
En studerende, der fuldt ud har opfyldt kursets mål, vil kunne:
- Forklare fundamental terminologi og koncepter i supply chain
management og supply chain analytics (SCA)
- Beskrive grundlæggende og nødvendige data som input til
forskellige SCA værktøjer og forklare output
- Analysere supply chain planlægning og design problemer inden
for et SCA framework
- Bedømme anvendelsen af SCA i forskellige situationer
- Anvende og sammenligne SCA værktøjer til løsning af supply
chain planlægning og design
- Udvikle ensartet løsningstilgange til et givet supply chain
problem ved en kombineret brug af SCA værktøjer
- Diskutere påvirkningen af SCA på performance af en supply
chain
- Beskrive hvordan SCA kan benyttes til opsamling af vigtig
ledelsesindsigt omkring forbedring af performance i en supply
chain
Kursusindhold
Dette kursus introducerer eleverne til komplekse netværk bestående
af leverandører, producenter, distributører, detailhandlere mv.,
der samarbejder for at bringe en vare eller service til kunden. Der
vil blive vist, hvordan aktiviteter inden for supplynet kan
koordineres og integreres ved hjælp af SCA for at reducere
omkostninger ved systemviden og forbedre kundeservice. Et
end-to-end overblik af supply chain management er derfor taget. På
den kundesiden benyttes SCA til at foretage forecast og ordre
opfyldelse. På den interne side vil SCA blive brugt til
netværksdesign, lagerstyring og produktionsplanlægning. Endelig vil
SCA blive brugt til leverandørvalg, kontraktdesign, outsourcing og
lodret / horisontalt samarbejde. De anvendte SCA værktøjer vil
blive designet fra en bred vifte af analytiske domæner, herunder
sandsynlighedsteori, statistik, machine learning,blandet med
mathematisk programmering og spilteori.
Sidst opdateret
14. maj, 2019
