数据分析系列剧第四集:行业研究报告与生产计划

简介: 在老李的指导下,小蔡画出了服装行业研究报告的思路框架(见下图)接着小蔡基于该思路撰写了一份简要的报告(见下图)。 周总看完了这份报告,点点头说:“小蔡,写的不错!你对服装行业已经有了一定了解,接下来我们讨论一下你报告中提到的资源配置的问题。

在老李的指导下,小蔡画出了服装行业研究报告的思路框架(见下图)数据分析系列剧第四集:行业研究报告与生产计划


接着小蔡基于该思路撰写了一份简要的报告(见下图)。

 数据分析系列剧第四集:行业研究报告与生产计划

数据分析系列剧第四集:行业研究报告与生产计划

数据分析系列剧第四集:行业研究报告与生产计划

数据分析系列剧第四集:行业研究报告与生产计划

数据分析系列剧第四集:行业研究报告与生产计划
数据分析系列剧第四集:行业研究报告与生产计划

数据分析系列剧第四集:行业研究报告与生产计划

数据分析系列剧第四集:行业研究报告与生产计划

数据分析系列剧第四集:行业研究报告与生产计划

数据分析系列剧第四集:行业研究报告与生产计划

数据分析系列剧第四集:行业研究报告与生产计划

数据分析系列剧第四集:行业研究报告与生产计划

数据分析系列剧第四集:行业研究报告与生产计划

数据分析系列剧第四集:行业研究报告与生产计划

数据分析系列剧第四集:行业研究报告与生产计划

数据分析系列剧第四集:行业研究报告与生产计划

周总看完了这份报告,点点头说:“小蔡,写的不错!你对服装行业已经有了一定了解,接下来我们讨论一下你报告中提到的资源配置的问题。

现在正值男士西服与运动外套销售高峰,咱们生产部门需要加班,但不知道该如何安排,需要你做个分析。

这是生产部门提供的基本资料,你好好想一下,明天给我个结果。”

小蔡从周总手里接过资料,回到座位上越读越迷茫——资料中的文字像几百只青蛙跳来跳去,跳得他心慌。

于是小蔡又去找老李求教。

老李拿起资料,看到如下文字:

单件男士西服的裁剪时间需要1.2小时,缝纫时间需要0.7小时,需要6码布料;

单件运动外套的裁剪时间为0.8小时,缝纫时间为0.6小时,只需用4码布料。

男士西服与运动外套的单件利润分别为190元和150元。

这段时间工厂订货量较大,需要至少生产100套西服和75套运动外套,但总共有200小时裁剪时间和180小时缝纫时间,1200码布料,其余工作就要求员工加班完成。

裁剪加班每小时成本为15元,缝纫加班每小时成本为10元,按国家规定工厂最多可以安排100小时的加班。

请做出最优的生产计划,在这种生产计划下,总利润是多少?如何安排加班?

老李笑着说:“这个问题不难,你首先要想想,生产部门需要你回答哪些问题?”

小蔡想了想说:“要回答两个问题——男士西服和运动外套各要生产多少套?裁剪和缝纫可以安排多长时间的加班?”

老李点点头:“没错!回答了这两个问题,就是制定了生产计划,那如何检验生产计划是否是最优的呢?”

“利润最大化!”——小蔡脱口而出。

老李笑着说:“正确!利润最大化是你的目标函数,同时要达到这个目标,你还要看看有没有资源的约束条件,如果有,具体有哪些?”

“哦”小蔡应了一声,然后边阅读资料边喃喃自语:“裁剪时间、缝纫时间、布料数量、西服和运动服的生产数量、加班时间都有约束。”

老李边听边在Excel表中制表,小蔡话音一落,老李就把制好的表拿给小蔡看(见下图) 数据分析系列剧第四集:行业研究报告与生产计划

小蔡眼睛一亮:“老李,经过你这么一整理,思路好清晰啊!”

老李笑着点点头说:“做数据分析就要学会把文字语言转化为数表语言。在这个数表里,黄色单元格区域是要回答的问题;灰色单元格区域是要达到的目标;蓝色单元格区域是约束条件。小蔡,你想一想灰色区域(即利润)怎么算?”

小蔡想了想说:“利润等于生产男士西服和运动外套的利润之和减去加班的成本。”

老李伸出大拇指:“没错!你把这种数量关系写到灰色区域里吧!”

小蔡点点头,在灰色C13单元格区域写出函数表达式“=B5*F5+B6*F6-B9*C9-B10*C10

老李接着说:“还有蓝色区域(即约束条件)。”

小蔡一边想一边做,不一会儿在蓝色区域也写出了函数表达式(见下图)。 数据分析系列剧第四集:行业研究报告与生产计划

老李看完了小蔡所写的表达式,点点头说:“通过这些表达式,你就建立了目标函数、约束条件与所需求解的生产数量与加班小时数之间的数量关系,接下来我们就可以利用规划求解来得出最优生产计划。”

“规划求解在哪里?该怎么求?”小蔡满脸狐疑。

老李边操作边说:“在‘Excel选项’中找到‘加载项’,点击‘转到’,在弹出的‘加载宏’对话框中选择‘规划求解加载项’,于是‘规划求解’模块就在‘数据’菜单中显示出来了(见下图)。” 数据分析系列剧第四集:行业研究报告与生产计划

老李点开“规划求解”模块,弹出了“规划求解参数”的对话框。他边操作对话框边说:“‘设置目标单元格’框是来设置目标函数的,在这里就是让利润C13最大。‘可变单元格’框需要放入需要求解的对象,因此选择区域F5:F6C9:C10。这两个区域用逗号隔开。‘约束’框是用来添加约束条件的,点击‘添加’即可将这些约束条件填充进来(见下图)。这样我们就把规划求解的参数设置好了。”

数据分析系列剧第四集:行业研究报告与生产计划

老李的鼠标在上图中的“求解”处轻轻一按,结果自动生成(见下图)。结果显示新新服装公司的生产部应生产男士西服100套、运动外套150套;裁剪工作安排加班40个小时,此时利润为40900元,达到利润最大化。数据分析系列剧第四集:行业研究报告与生产计划

小蔡激动地跳了起来:“师傅,师傅,您太厉害了。您又帮了我一个大忙。”

老李笑着说:“什么时候你能独立完成任务,才说明我这个师傅厉害。所以,做师傅的要让徒弟学会举一反三。小蔡,正好我这有一个使用规划模型求解运费最小值的案例资料,如果你能独立做出来,说明你学会了简单的资源配置问题。”

小蔡拿起资料读了起来:

某农产品产于A1A2A3三个城市,年产量分别为7吨、4吨、9吨。该产品成熟后,需销往B1B2B3B4四个城市,销量分别为3吨、6吨、5吨、6吨,已知将产品从A1A2A3运至B1B2B3B4每吨所需运费如下表所示,请使用规划模型求解运费最小值。

数据分析系列剧第四集:行业研究报告与生产计划

如果你是小蔡,你能否求出运费的最小值呢?试试看呦!:)


转载自:《数据小宇军的新浪微博》

目录
相关文章
|
6月前
|
机器学习/深度学习 数据采集 存储
基于振弦采集仪的工程监测数据分析方法研究
基于振弦采集仪的工程监测数据分析方法研究主要涉及以下几个方面:
基于振弦采集仪的工程监测数据分析方法研究
|
5月前
|
文字识别 算法 数据挖掘
视觉智能开放平台产品使用合集之对于统计研究和数据分析,有哪些比较好的工具推荐
视觉智能开放平台是指提供一系列基于视觉识别技术的API和服务的平台,这些服务通常包括图像识别、人脸识别、物体检测、文字识别、场景理解等。企业或开发者可以通过调用这些API,快速将视觉智能功能集成到自己的应用或服务中,而无需从零开始研发相关算法和技术。以下是一些常见的视觉智能开放平台产品及其应用场景的概览。
|
3月前
|
存储 数据可视化 数据挖掘
大数据环境下的房地产数据分析与预测研究的设计与实现
本文介绍了一个基于Python大数据环境下的昆明房地产市场分析与预测系统,通过数据采集、清洗、分析、机器学习建模和数据可视化技术,为房地产行业提供决策支持和市场洞察,探讨了模型的可行性、功能需求、数据库设计及实现过程,并展望了未来研究方向。
169 4
大数据环境下的房地产数据分析与预测研究的设计与实现
|
6月前
|
数据可视化 前端开发 数据挖掘
数据分析可视化神器---streamlit框架,各种图表绘制,布局以及生产综合案例剖析
数据分析可视化神器---streamlit框架,各种图表绘制,布局以及生产综合案例剖析
775 0
|
6月前
|
机器学习/深度学习 数据采集 数据可视化
Python在数据分析领域的应用研究
Python在数据分析领域的应用研究
90 0
|
6月前
|
机器学习/深度学习 数据可视化 数据挖掘
SPSS用K均值聚类KMEANS、决策树、逻辑回归和T检验研究通勤出行交通方式选择的影响因素调查数据分析
SPSS用K均值聚类KMEANS、决策树、逻辑回归和T检验研究通勤出行交通方式选择的影响因素调查数据分析
|
6月前
|
数据挖掘 定位技术
基于出租车GPS轨迹数据的研究:出租车行程的数据分析
基于出租车GPS轨迹数据的研究:出租车行程的数据分析
|
数据挖掘 Go 数据库
数据分析与数据挖掘研究之一 (下)
数据分析与数据挖掘研究之一
数据分析与数据挖掘研究之一 (下)
|
数据挖掘 数据库 Perl
数据分析与数据挖掘研究之一 (上)
之前做过一些数据分析与数据挖掘相关的工作,最近抽空将之前做的内容简单整理一下,方便查看,主要使用R语言和PERL脚本语言,使用TCGA和ICGC数据库中的临床数据,做类似的分析可以参考一下,如果想查看详细内容与数据可以通过本人的Gitee及Github仓库下载,链接于篇尾附上。
数据分析与数据挖掘研究之一 (上)
下一篇
无影云桌面