Kapazitätsgebundene Standortwahl – Fallstudie P2

Create Your Free Account

or

By continuing, you accept our Terms of Use, our Privacy Policy and that your data is stored in the USA.

Diese Übung ist Teil des Kurses

<Kurs>Supply Chain Analytics mit Python</Kurs>

Mittlere SchwierigkeitSchwierigkeitsgrad

4.8+

Kurs kostenlos starten

Lineare Programmierung (LP) ist eine Schlüsseltechnik für die Optimierung von Lieferketten. Das PuLP-Framework ist ein einfach zu nutzendes Werkzeug für LP-Probleme und ermöglicht es dir, dich auf die Modellierung zu konzentrieren. In diesem Kapitel lernst du die Grundlagen von LP-Problemen kennen und beginnst, das PuLP-Framework zur Lösung einzusetzen.

Exercise 1: Grundlagen der Optimierung Exercise 2: LP oder doch IP?Exercise 3: Trainingsroutine auswählen Exercise 4: Grundlagen der PuLP-Modellierung Exercise 5: Einstieg mit LpProblem()Exercise 6: Einfache Übung zur Ressourcenplanung Exercise 7: lpSum verwenden Exercise 8: lpSum ausprobieren Exercise 9: Problem der Logistikplanung

In diesem Kapitel lernst du weiter, wie man LP- und IP-Probleme in PuLP modelliert. Wir gehen darauf ein, wie PuLP für großskalige Probleme genutzt wird. Außerdem starten wir unsere Fallstudie zum Lösen des Capacitated-Plant-Location-Modells.

Exercise 1: Funktion für LpVariable-Wörterbuch Exercise 2: Logistikplanungsproblem 2 Exercise 3: Traveling-Salesman-Problem (TSP)Exercise 4: Beispiel für ein Scheduling-Problem Exercise 5: Schichtplanung für Mitarbeitende Exercise 6: Wartungsplan für vorbeugende Instandhaltung Exercise 7: Standortwahl mit Kapazitätsgrenzen – Fallstudie T1 Exercise 8: Daten für die Fallstudie prüfen Exercise 9: Entscheidungsvariablen der Fallstudie Exercise 10: Zielfunktion der Fallstudie Exercise 11: Logische Nebenbedingungen Exercise 12: Übung zu logischen Nebenbedingungen Exercise 13: Übung zu logischen Nebenbedingungen 2

Dieses Kapitel beleuchtet einige häufige Fehler bei der Erstellung von Nebenbedingungen und führt dich Schritt für Schritt durch den Lösungsprozess. Wenn wir eine Lösung für unser LP-Modell haben: Woher wissen wir, ob sie plausibel ist? In diesem Kapitel stellen wir auch einen Prozess zur Plausibilitäts- bzw. Sanity-Prüfung der Ergebnisse vor. Zudem arbeiten wir an unserer Fallstudie zum Capacitated-Plant-Location-Modell weiter, indem wir alle erforderlichen Nebenbedingungen fertigstellen.

Exercise 1: Häufige Fehler bei Nebenbedingungen Exercise 2: Übung zu abhängiger Nachfragebeschränkung Exercise 3: Übung: Einschränkungen kombinieren Exercise 4: Kapazitätsgebundene Standortwahl – Fallstudie P2

Aktuelle Übung

Exercise 5: Nebenbedingungen der Fallstudien-Übung Exercise 6: Logische Nebenbedingung in der Fallstudien-Übung hinzufügen Exercise 7: Das PuLP-Modell lösen Exercise 8: Wähle den Modellstatus – Übung Exercise 9: Übung: Produktionsplan lösen Exercise 10: Plausibilitätsprüfung der Lösung Exercise 11: Übung: Modellspezifikation überprüfen Exercise 12: Plausibilitätsprüfung

Im Abschlusskapitel betrachten wir die Sensitivitätsanalyse von Nebenbedingungen mittels Schattenpreisen und Slack. Außerdem führen wir Simulationstests für unsere LP-Modelle durch. Diese Techniken helfen uns, unterschiedliche betriebswirtschaftliche Fragen zu unseren Modellen zu beantworten, etwa verfügbare Kapazitäten und inkrementelle Kosten. Abschließend beenden wir unsere Fallstudie und nutzen Sensitivitätsanalyse und Simulationstests, um Fragen zu unserem Modell zu beantworten.

Exercise 1: Sensitivitätsanalyse mit Schattenpreisen Exercise 2: Übung zur Sensitivitätsanalyse Exercise 3: Übung zu Schattenpreis und Schlupf Teil 1 Exercise 4: Übung zu Schattenpreis und Slack, Teil 2 Exercise 5: Werksstandort mit Kapazitätsbeschränkung – Fallstudie P3 Exercise 6: Fallstudien-Übung: Modell lösen Exercise 7: Übung zur Sensitivitätsanalyse (Fallstudie)Exercise 8: Lösung für Simulationstests Exercise 9: Übung: Lösung zum Simulationstest Exercise 10: Wie hoch ist das Risiko – Übung Exercise 11: Standortwahl mit Kapazitäten – Fallstudie T4 Exercise 12: Simulationstest des kapazitierten Modells Exercise 13: Übung: Simulationsergebnisse interpretieren Exercise 14: Abschließende Zusammenfassung