GT_ISyE SCE_2022 Fall Semester

飛美國前還雄心壯志跟朋友說：「我會定期上來寫Georgia Tech的Supply Chain Engineering課程內容，讓想專研Supply Chain領域的人有更多資源可以看。」但過了一學期，什麼字都沒生出來，這真的是因為學業壓力太，我只想睡覺zzZZZ….

希望今天能把這篇寫完，目的是讓自己回顧在這四個月what I took away；再來是，兩天後要面試美國特斯拉Intern，希望自己言之有物。

總共選了五門課，15學分（美國碩士的選課多寡、畢業學分數，這細節我只想用口頭講 哈），三門必修（Operation Research I、Operation Research II、Warehouse Distribution Science）、兩門選修（Regression Analysis、Life Cycle Assessment），就接下來的篇幅敘述每門課的重點章節。

Operation Research I (ISyE 6333)：教授是MIT畢業的法國人，若同學發問得到答案卻還是不懂的話，教授會用另一種方式解釋，絕對不會因為趕課而不理學生。總共有四份功課，每份都是落落長的題目，上課會講到概念，但功課是另一回事，我都上網再找資訊才能把作業寫出來，以及每個禮拜跟助教報到，作業真的好難。

學期上半段：線性規劃(Linear Programming)，像國中學的一元二次方程式，只是是鎖定一條目標式（極大化、極小化）加上多條限制式去求解，會用到矩陣、轉置。再來是強／弱對偶性(Duality)、影子價格(Shadow price)跟敏感度分析(Sensitivity)，其中最重要觀念是互補鬆弛條件（Complementary Slackness Conditions）。期中考前我找到一個新加坡教授的講解，完全是大補帖，有時間重新學習的話我會再聽一次：https://www.youtube.com/watch?v=f7z3K5kPj_Q

學期下半段：Network Optimization，包括Shortest Path、Minimum Spanning Tree(MST)、Maximum/ Minimum Flow Problem（找出最短／最省錢的路徑，用的方法是Greedy Algorithm、Augmenting Path）。再來是整數規劃(Integer Programming)，包括Big M’s、Traveling Salesman Problem(TSP)、Branch and Bound。期末考我考得奇差無比，因為感恩節跑去佛羅里達的環球影城玩五天，而且另一堂課的小組報告討論讓我逃離不了，沒讀熟硬著頭皮上場考試。

期末報告：有三個主題（March Madness、Sensor Placement、Supermarket Sweep），跟另外兩位Master of Science in Analytics的台灣人同組（結果同是台大人 哈），我在環球影城歡樂的同時，他們在學校Coding Python，最後我們這組100分，真是衷心很大感謝。

Operation Research II (ISyE 6334)：教授是韓國人，每堂都在趕課，感覺像有講不完的講義；六次功課、期中與期末兩人小組Case報告、另外還有一次心得報告是讀一本書(The Goal)，從沒讀一本英文小說讀到這麼緊迫，不過小說是給了一些觀念：throughput、inventory、operational expense。

學期上半段：大學或研究所就學過的微積分、機率(Discrete: Probability Mass Function、Continuous: Probability Density Function、Both: Cumulative Distributive Function)、統計(Normal Dist.、Gamma Dist.、Poisson Dist. 後來都用這三個居多)，但也多了一些以前沒聽過的分配：Erlang Dist.、Welbull Distr.。另外是 ExpertFit，把data丟進軟體裡，讓系統分析趨近哪一個統計分配。Input Modeling是我們期中Case1的主題，教授給一個情境：一家電腦生產工廠想要最優化員工人數且最小化總成本，且此員工人數是可以讓每個月的訂單都準時交貨，在報告的最後還要模擬情境確保所算出來的答案是可行。

學期下半段：是我用最多心血去學習超級難的完全新概念。

1. Newsvendor：經典題目就是航空業。經濟艙票價200美金，有100個座位，雖然資料庫顯示經濟艙座位都會賣光，但常常有no-shows的情況出現，沒有登機的人可以拿回機票價200美金。因此航空公司決定要多賣100張機票來填補no-shows，但若想登機卻因超賣沒登機的人可以拿補償金300美金，此no-shows視為一個常態分配，使用以上條件計算Newsvendor Ratio。
2. Economic Order Quantity Model(EOQ)：題目給定需求量(D)、材料單價(p)、交期(L)、運輸成本、存置成本(h)、準備成本(K)、預購量(Backorder)，來計算出最適訂購量(q*)，再配合常態分配或Gamma分配去跑Python。
3. Multi-period Inventory Policy with Uncertain Demands：此章節延續EOQ，連續回顧時間(Continuous Review Policy)，但加入每單位預訂成本(Cb)、且交期(L)是長時間，題目用最小化總成本(Total Cost)來計算出：最適訂購量(q*)、再下單時間點(r*)。
   進階版使用Service Level Measure 1 (SLM1) — 訂單達成率(fillrate-beta)、Service Level Measure2 (SLM2) — 缺貨機率(Stockout Probability-alpha)來計算最適訂購量(q*)、再下單時間點(r*)。
   最高階版為固定時間檢查存貨的政策(Periodic Review Policy = Order Up To Policy = Base-stock Policy)，加入檢查庫存量的成本(J)、在R時間內的需求量(Dr)、在L+R時間內的需求量(Dl+r)、在一個循環內未達交貨的數量(Bs)，再用最小化總成本、訂單達成率、缺貨機率來計算出：最適訂購量(q*)、再下單時間點(R*)、安全庫存量(sS)。
4. Discrete-Time Markov Chains(DTMC)：未來可能出現的情況只單純依靠最近一期的資訊(what happens in the future depends on only the most recent information)，概念有Transition Diagram、Irreducible、Positive Recurrent、Unique pi。
5. Continuous-Time Markov Chains(CTMC)：延續DTMC，但時間是連續的。
6. Queueing Theory：定義是­ — 到達間隔時間機率分配／服務時間機率分配／服務人員或機器的數量／系統生產能力／人數，英文定義interarrival time dist./ Service time dist./ Number of parallel servers/ System capacity including service capacity and wait buffer/ Population size。會用到的術語與概念有：使用穩定度(Utilization = rho)、生產能力(Throughput)、到達率(lambda)、等待時間(Wq)、系統時間(W)、Little’s Law。計算時有分各種Exponential Models的模型，再來是Network of Queues(顧客到達頻率是Poisson process)，在製造生產系統中運用此計算可以優化機器數、員工數。期末Case2的題目結合EOQ + Queueing，題目是一間公司有兩間供應商提供同一物料，給定各限制條件後要把多少訂單下給供應商X跟供應商Y，在此公司工廠內部的生產程序增加一個動線是否有比較優化。

Supply Chain Engineering I — Warehouse and Distribution Science (ISyE 6335)：教授是約旦人，很漂亮 哈，五次功課會越寫越簡單，上半學期上課上很快，下半學期有一大堆時間是討論專題報告。

有個一整學期的專題大報告，資料是業界公司的真實數據，四到五人一組，使用十幾份數據和資料提出改善倉庫設計或倉庫流程的方法，交報告那天我們五人熬夜到凌晨四點才交出報告。

課程內容包含：倉庫空間、員工時間、倉庫活動、棧板/紙箱/部件撿料、撿料方法(Cluster Picking、Batch Picking)、Bucket Brigades，以上全部都是計算。學期中有兩次業界人士演講、還有兩次倉庫參觀。

Regression Analysis (ISyE 6414)：大學考研究所時有把統計學好，雖然時隔幾年真心快忘光，但學期一開始我就跟當時補習班老師要教材來看，所以Linear Regression、Multiple Regression、Anova這些信賴區間、假設檢定、估計檢定，都滿快上手。

其實教授上課有點無聊，但每堂課我都有去，去做自己的事 哈，後期我跟教授提說我想當這門課助教，開始有認真聽、並且上課問問題。三次考試、七次作業，每份作業都用R studio寫code跑結果，因此我現在是R統計高手，必須說每份作業我都自己寫而且分數還不錯。

學期下半段出現新的統計概念，包括Logistic Regression、Poisson Regression、Regularized Regression、Ridge Regression、LASSO Regression、Elastic Net，其實認真讀了兩次就開竅了。這科的期末考是學期最後一天，其它門都結束超久了，所以有大把時間可以單純只唸這門課。

Life Cycle Assessment (ISyE 8813)：最喜歡這一門課，雖然我上課發言數不多，但第一：功課超多不過教授給分鬆、第二：只有期末考，且期末考兩小時半只寫三題、第三：真心喜歡sustainability的議題，教授給了很多材料包括氣候與冰河議題、二氧化碳排放計算、能源與回收、Intergovernmental Panel on Climate Change (IPCC)、Economic Input-Output (EIO)、Leontiev矩陣計算、ReCiPe table、Consequential LCA。

期末報告是個人，可以選擇自己喜歡的題目，教授會希望學生約時間來討論細節，我選擇跟潛水相關的題目。另外，教授喜歡用問卷方式得到第一手資料，雖然我上台報告爛爛的，但在期末專題的數據整理與計算的結果都不錯。

上完一學期的心得是：GT學費相較其它好學校便宜（雖然還是一學期要兩萬初的美金），且在全美「理工學校」總排名第七，SCE所屬的ISyE學院是全美排名第一的工程學院，學校全部課程都跟Engineering有關，想上個純音樂課都找不到，還有，在GT會寫Python的話，寫各門功課比較不痛苦。