본문 바로가기

Analysis/Example9

물류 네트워크 설계 - 생산 계획 1. 전제조건 어떤 제품을 얼마나 만들 것인지 생산 계획 2021/02/15 - [Data/Data Analysis] - 물류 네트워크 설계 - 최적화 라이브러리 물류 네트워크 설계 - 최적화 라이브러리 1. 전제조건 제품 판매하는 대리점 P, Q 판매되는 상품 A, B 상품 일정 수요 예측해 공장 X, Y 에서 생산 제품마다, 공장마다 다른 생산라인 레인 0, 1 공장에서 대리점까지 운송비, 제고 비용 등 고려 5ohyun.tistory.com 2. 데이터 정보 product_plan_material.csv : 제품 제조에 필요한 원료 비율 - 제품 2개, 원료 3개 product_plan_profit.csv : 제품 이익 - 제품 2개 product_plan_stock.csv : 원료 재고 - 원료 .. 2021. 2. 18.
물류 네트워크 설계 - 최적화 라이브러리 1. 전제조건 제품 판매하는 대리점 P, Q 판매되는 상품 A, B 상품 일정 수요 예측해 공장 X, Y 에서 생산 제품마다, 공장마다 다른 생산라인 레인 0, 1 공장에서 대리점까지 운송비, 제고 비용 등 고려해 생산 방법 결정 2. 데이터 정보 trans_cost.csv demand.csv supply.csv trans_route_pos.csv import os import pandas as pd import numpy as np import matplotlib.pyplot as plt import networkx as nx from itertools import product from pulp import LpVariable, lpSum, value from ortoolpy import model_.. 2021. 2. 15.
물류 비용 최소화 - 네트워크 가시화, 최적화 1. 전제조건 제품의 부품을 보관하는 창고에서 공장까지 운송 비용을 낮추기 어떤 창고에서 어떤 공장으로 어느 정도의 양을 운송할 지 검토 2. 데이터 정보 trans_route.csv : 운송 정보 - 공장에서 창고까지 얼마나 운송했는지 trans_route_pos.csv : 노드 좌표 trans_cost.csv : 각 경로에 필요한 비용 demand.csv : 공장 수요량 supply.csv : 창고 공급량 trans_route_new.csv : trans_route에서 변경된 데이터 (W1에서 F4 운송을 줄이고, W2에서 F4로 운송 보충) import os import pandas as pd import numpy as np import networkx as nx import matplotlib... 2021. 2. 15.
물류 데이터 분석 - 데이터 가공, 통계량 파악 1. 전제조건 제품의 부품을 보관하는 창고에서 생산 공장까지 운송 비용을 낮추기 북부지사와 남부지사의 데이터 Cost는 단위가 만원 2. 데이터 정보 tbl_factory.csv : 생산 공장 데이터 (8,4) (FCID, FCName, FCDemand, FCRegion) tbl_warehouse.csv : 창고 데이터 (6,4) (WHID, WHName, WHSupply, WHRegion) rel_cost.csv : 창고와 공장간의 운송비용 (24,4) (RCostID, FCID, WHID, Cost) tbl_transaction.csv : 2019년의 공장으로의 부품 운송 실적 (4000,5) (TRID, TransactionDate, ToFC, FromWH, Quantity) 3. 데이터 가공 (1.. 2021. 2. 15.
스포츠센터 회원 분석 - 의사결정나무 1. 전제조건 스포츠센터 고객분석 데이터 사용 행동 패턴을 분석할 수 있으면 어떤 회원이 탈퇴할지 예측도 가능 탈퇴 회원이 왜 탈퇴했는지 분석 [ 이전글 ] 2021/01/30 - [Data/Data Analysis] - 스포츠센터 회원 분석 - 데이터 가공, 통계량 파악 스포츠센터 회원 분석 - 데이터 가공, 통계량 파악 1. 전제조건 (1) 3가지의 회원권 종류 종일회원 : 언제든 사용할 수 있음 주간회원 : 낮에만 사용가능 야간회원 : 밤에만 사용가능 (2) 입회비 일반적으로는 입회비 비용 있음 비정기적으로 입회비 5ohyun.tistory.com 2021/01/30 - [Data/Data Analysis] - 스포츠센터 회원 분석 - 클러스터링, 회귀분석 스포츠센터 회원 분석 - 클러스터링, 회귀.. 2021. 2. 7.
스포츠센터 회원 분석 - 클러스터링, 회귀분석 1. 전제조건 스포츠센터 고객분석 데이터 사용 고객별 이용 횟수 등의 예측 2021/01/30 - [Data Analysis] - 스포츠센터 회원 분석 - 데이터 가공, 통계량 파악 스포츠센터 고객분석 1. 전제조건 (1) 3가지의 회원권 종류 종일회원 : 언제든 사용할 수 있음 주간회원 : 낮에만 사용가능 야간회원 : 밤에만 사용가능 (2) 입회비 일반적으로는 입회비 비용 있음 비정기적으로 입회비 5ohyun.tistory.com 2. 데이터 정보 use_log.csv customer.csv import os import pandas as pd import matplotlib.pyplot as plt os.chdir('C:\\Users\\leeso\\Downloads\\pyda100-master\\3장.. 2021. 1. 30.
스포츠센터 회원 분석 - 데이터 가공, 통계량 파악 1. 전제조건 (1) 3가지의 회원권 종류 종일회원 : 언제든 사용할 수 있음 주간회원 : 낮에만 사용가능 야간회원 : 밤에만 사용가능 (2) 입회비 일반적으로는 입회비 비용 있음 비정기적으로 입회비 반액할인 이벤트나 무료 이벤트 시행 (3) 탈퇴 월말까지 신청하면 다음달 말에 탈퇴가 됨 2. 데이터 정보 use_log.csv : 센터 이용 이력 - 시스템 자동 입력 (2018.04 ~ 2019.03) (log_id, customer_id, usedate) customer_master.csv : 2019.3월 말 데이터 - 이전에 탈퇴한 회원도 포함되어 있음 (customer_id, name, class, gender, start_date, end_date, campaign_id, is_deleted) .. 2021. 1. 30.
대리점 데이터 분석 1. 전제조건 품목 : 상품 A~Z까지 26가지 상품 매출 이력, 고객정보 데이터는 직원이 직접 입력 - 오류 발생 상품 단가 변동은 없음 2. 데이터 정보 uriage.csv : 매출 이력 (2019.01 ~ 2019.07) ( purchase_date, item_name, item_price, customer_name ) kokyaku_daicho.xlsx : 고객 정보 (고객이름, 지역, 등록일) import os import pandas as pd import matplotlib.pyplot as plt os.chdir('C:\\Users\\leeso\\Downloads\\pyda100-master\\2장') uriage=pd.read_csv('uriage.csv') kokyaku=pd.read_.. 2021. 1. 29.
간단한 매출 데이터 분석 1. 전제조건 품목 : 컴퓨터 가격대별로 5개의 상품 2. 데이터 정보 customer_master.csv : 고객 정보 (customer_id, customer_name, registration_date, email, gender, age, birth, pref) item_master.csv : 상품 데이터 (item_id, item_name, item_price) transaction_1.csv / transaction_2.csv 구매내역 데이터 (transaction_id, price, payment_date, customer_id) transaction_detail_1.csv / transaction_detail_2.csv : 구매 상세 데이터 (detail_id, transaction_id, i.. 2021. 1. 28.

티스토리툴바