Nel nostro recente webinar (riproduci qui), abbiamo esplorato come Python può estendere le funzionalità di Excel per la pianificazione e la programmazione della produzione.
Per chi utilizza Excel come principale strumento di lavoro, Python offre nuove possibilità senza abbandonare l’ambiente familiare dei fogli di calcolo. Questo articolo riassume i punti chiave del webinar sull’utilizzo di Python in Excel per applicazioni di pianificazione avanzata.
Perchè combinare Excel con Python?
Prima di addentrarci nella tecnologia e nel “come” usare Excel e Python, dovremmo chiederci “Perché?”. Non basta replicare semplicemente ciò che possiamo già fare in Excel.
Credo che queste siano le ragioni migliori per estendere Excel con Python:
- Capacità che vanno oltre la portata di Excel, in particolare per processi iterativi, problemi di ottimizzazione e modellazione statistica avanzata.
- Accesso a un vasto ecosistema di librerie open source: strumenti di livello professionale per l’ottimizzazione, la previsione e la simulazione che sarebbe difficile creare da zero.
- Modalità per condividere e ampliare i risultati: creazione di dashboard interattive e applicazioni Web a partire dai dati di pianificazione.
L’idea chiave non è quella di sostituire Excel, ma di completarlo, utilizzando ogni strumento per ciò che sa fare meglio, mantenendo al contempo i vantaggi di visibilità e accessibilità di Excel.
Esploriamo le Opzioni di Integrazione
Illustriamo diversi approcci all’integrazione Excel-Python:
- Python installato localmente – Tutto ciò che funziona sul tuo computer. Il più flessibile e diretto, ma c’è ancora molto da imparare.
- Microsoft 365, Python in Excel: la nuova funzionalità integrata in Microsoft 365 che consente di eseguire funzioni Python direttamente nelle celle del foglio di calcolo.
- Altre integrazioni con Excel e Python, tra cui Anaconda Toolbox per Excel e PyXLL.
- Connessioni API: collegamento di Excel per la connessione ai servizi Python in esecuzione su server remoti.
- Applicazioni Web: creazione di interfacce basate su browser per modelli Python con funzionalità di importazione/esportazione di dati Excel.
Ogni approccio presenta diversi compromessi tra facilità di implementazione, potenza di calcolo e flessibilità di distribuzione.
Applicazioni pratiche dimostrate
Simulazione dell’inventario con metodi Monte Carlo
Abbiamo creato un modello completo di simulazione dell’inventario utilizzando Python in Excel. A differenza dei tradizionali modelli deterministici di inventario, questo approccio Monte Carlo incorpora l’incertezza sia nella domanda che nei tempi di consegna per fornire una visione più realistica dei rischi di inventario.
La simulazione genera molteplici scenari (1.000 nel nostro esempio) per mostrare possibili traiettorie dell’inventario nel tempo, evidenziando parametri critici come:
- La probabilità di esaurimento delle scorte
- Livelli minimi di inventario in tutti gli scenari
- Disponibilità media delle scorte
- Modelli di rifornimento in diversi scenari
Questo approccio fornisce una comprensione molto più approfondita del rischio di inventario rispetto ai calcoli a percorso unico solitamente eseguiti solo in Excel.
Ecco un articolo di approfondimento dettagliato sui concetti e i principi della simulazione dell’inventario.
Ottimizzazione della Schedulazione
Abbiamo dimostrato come le capacità di ottimizzazione di Python possano affrontare complessi problemi di pianificazione che vanno oltre ciò che possiamo risolvere con il metodo di sviluppo rapido di Excel
- Gestione di centri di lavoro non gerarchici; dove la stessa macchina può appartenere a più centri di lavoro
- Lavorare con un routing flessibile del jobshop in cui l’assegnazione degli articoli alle macchine può dipendere dalla capacità
- Ottimizzazione dei programmi in base a più vincoli (macchine, utensili, manodopera)
- Visualizzazione della schedulazione ottimizzata nei grafici di Gantt interattivi
Utilizzando uno strumento di ottimizzazione open source, abbiamo dimostrato come un programma di produzione con 36 lavori possa essere ottimizzato in pochi secondi: un problema con 36! = 3,7 x 10^41 combinazioni di quante se ne potrebbero mai calcolare con la forza bruta.
Previsione delle serie temporali
Il nostro ultimo esempio ha mostrato come creare un sistema di previsione che:
- Applica il smoothing esponenziale con componenti di tendenza e stagionalità
- Genera intervalli di confidenza attorno alle previsioni
- Convalida l’accuratezza delle previsioni tramite convalida incrociata continua
- Rende disponibile il motore di previsione tramite un’interfaccia web o direttamente da Excel
Iniziare Senza Competenze di Programmazione
Il metodo Fast Excel pone l’accento sulle funzionalità No-Code e Low-Code. Vogliamo iniziare senza dover avere una vasta esperienza di programmazione in Python. Dal registratore di macro di Excel, passando per Power Query e ora con i modelli LLM di intelligenza artificiale generativa, abbiamo utilizzato l’assistenza del codice per aiutarci a imparare facendo. Abbiamo mostrato un rapido esempio di creazione della simulazione di inventario utilizzando un prompt di testo e prendendo il codice per eseguirla in Excel.
Anche gli utenti di Excel con un’esperienza minima di Python possono iniziare a sfruttare queste potenti funzionalità, sviluppando gradualmente la propria conoscenza e beneficiando immediatamente delle funzionalità avanzate.
Prossimi passi.
L’integrazione di Python con Excel apre nuove entusiasmanti possibilità per i pianificatori di produzione che desiderano migliorare le proprie capacità analitiche. Che siate interessati a una migliore gestione dell’inventario, a programmi di produzione più ottimizzati o a previsioni più accurate, Python può aiutarvi a portare i vostri sistemi basati su Excel a un livello superiore.
Guarda la registrazione completa del webinar per dimostrazioni dettagliate ed esempi scaricabili per iniziare a usare Python nel tuo flusso di lavoro Excel.
Scarica i file utilizzati durante il webinar.
Vogliamo sviluppare altri esempi di utilizzo di Python ed Excel per risolvere problemi di pianificazione della supply chain. Aiutateci scegliendo tra questi tre esempi: Simulazione dell’inventario, Pianificazione della produzione con ottimizzazione e Previsione della domanda.