Ejercicio de solución con pruebas de simulación

Estás trabajando para minimizar los costes de transporte al enviar productos desde almacenes en New York y Atlanta a clientes en las regiones Este, Sur, Medio Oeste y Oeste de EE. UU. Los datos de entrada de costes de transporte y demanda para cada región se te proporcionan en la variable d, que se imprime en la consola.

Este ejercicio forma parte del curso

Analítica de la cadena de suministro en Python

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

# Add noise to the objective function
model += lpSum([(X[(c, w)] + (d.loc[c, w] + ____()))
                for w in wh for c in cust])

Editar y ejecutar código

Este ejercicio forma parte del curso

Analítica de la cadena de suministro en Python

IntermedioNivel de habilidad

4.8+

Comienza el curso gratis

La Programación Lineal (LP) es una técnica clave para la optimización de la cadena de suministro. El framework PuLP es una herramienta fácil de usar para trabajar con problemas de LP y permite al programador centrarse en el modelado. En este capítulo aprendemos los fundamentos de los problemas de LP y empezamos a ver cómo usar el framework PuLP para resolverlos.

Exercise 1: Conceptos básicos de optimización Exercise 2: ¿LP o mejor IP?Exercise 3: Elegir rutina de ejercicio Exercise 4: Conceptos básicos del modelado con PuLP Exercise 5: Primeros pasos con LpProblem()Exercise 6: Ejercicio sencillo de programación de recursos Exercise 7: Uso de lpSum Exercise 8: Probando lpSum Exercise 9: Problema de planificación logística

En este capítulo seguimos aprendiendo a modelar problemas de LP e IP en PuLP. También veremos cómo usar PuLP para problemas a gran escala. Además, comenzamos nuestro caso de estudio sobre cómo resolver el modelo de localización de plantas con capacidad (Capacitated Plant Location).

Exercise 1: Función de diccionario LpVariable Exercise 2: Problema de planificación logística 2 Exercise 3: Problema del viajante (TSP)Exercise 4: Ejemplo de un problema de programación Exercise 5: Problema de programación de turnos Exercise 6: Planificación de mantenimiento preventivo Exercise 7: Ubicación de plantas con capacidad limitada: estudio de caso (P1)Exercise 8: Revisa los datos para el caso práctico Exercise 9: Variables de decisión del caso práctico Exercise 10: Función objetivo del estudio de caso Exercise 11: Restricciones lógicas Exercise 12: Ejercicio de restricción lógica Exercise 13: Ejercicio de restricciones lógicas 2

Este capítulo repasa algunos errores comunes al crear restricciones y recorre el proceso de resolver el modelo. Una vez que tenemos una solución a nuestro modelo de LP, ¿cómo sabemos si es correcta? En este capítulo también revisamos un proceso para comprobar la razonabilidad o hacer una verificación de cordura de los resultados. Asimismo, continuamos con nuestro caso de estudio del modelo de localización de plantas con capacidad completando todas las restricciones necesarias.

Exercise 1: Errores comunes en las restricciones Exercise 2: Ejercicio de restricción de demanda dependiente Exercise 3: Ejercicio de combinación de restricciones Exercise 4: Ubicación de plantas con capacidad limitada: estudio de caso (P2)Exercise 5: Restricciones del ejercicio del caso de estudio Exercise 6: Añadir una restricción lógica en el ejercicio del caso práctico Exercise 7: Resuelve el modelo de PuLP Exercise 8: Elige el estado del modelo Exercise 9: Resolver ejercicio de plan de producción Exercise 10: Comprobación de cordura de la solución Exercise 11: Ejercicio de revisión de especificación del modelo Exercise 12: Ejercicio de comprobación de coherencia

En el capítulo final revisamos el análisis de sensibilidad de las restricciones mediante precios sombra y holgura. Además, veremos pruebas de simulación de nuestros modelos de LP. Estas técnicas nos permiten responder a distintas preguntas de negocio sobre nuestros modelos, como la capacidad disponible y los costes incrementales. Por último, completamos nuestro ejercicio de caso de estudio y nos centramos en usar el análisis de sensibilidad y las pruebas de simulación para responder preguntas sobre nuestro modelo.

Exercise 1: Análisis de sensibilidad con precio sombra Exercise 2: Ejercicio de análisis de sensibilidad Exercise 3: Ejercicio de precio sombra y holgura, parte 1 Exercise 4: Precios sombra y holguras, ejercicio (parte 2)Exercise 5: Ubicación de planta con capacidad: estudio de caso (P3)Exercise 6: Resolver el ejercicio del estudio de caso del modelo Exercise 7: Ejercicio de caso práctico sobre análisis de sensibilidad Exercise 8: Solución de las pruebas de simulación Exercise 9: Ejercicio de solución con pruebas de simulación

Ejercicio actual

Exercise 10: Ejercicio: ¿Cuál es el riesgo?Exercise 11: Ubicación de planta con capacidad limitada - estudio de caso P4 Exercise 12: Pruebas de simulación del modelo con capacidad Exercise 13: Ejercicio: interpretar resultados de la simulación Exercise 14: Resumen final