Exercice : interpréter les résultats de simulation

Dans cet exercice, on vous fournit les résultats des tests de simulation du modèle de localisation d'usines avec capacité (Capacitated Plant Location) sous forme d'un DataFrame Pandas nommé df. Il contient la production totale des différentes régions. Les résultats optimaux du modèle pour chaque exécution de la simulation sont enregistrés sous forme de lignes dans le DataFrame. Les premières lignes du DataFrame sont affichées pour vous. Votre objectif est de créer des histogrammes de la production totale des différentes régions afin de comprendre comment la production varie dans la simulation.

Gardez en tête que la capacité de production d'une usine à faible capacité est de 500 et de 1 500 pour une usine à haute capacité, respectivement.

Cette activité fait partie du cours

Analytique de la chaîne d'approvisionnement avec Python

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Import matplotlib.pyplot
import matplotlib.pyplot as plt
plt.title('Histogram of Prod. At Brazil Region')

# Histogram of Brazilian production
plt.hist(____)
plt.show()

Modifier et exécuter le code

Cette activité fait partie du cours

Analytique de la chaîne d'approvisionnement avec Python

SkillTag.level.intermediateSkillTag.label

4.8+

Commencer le cours gratuitement

La programmation linéaire (LP) est une technique clé pour l'optimisation de la chaîne d'approvisionnement. L'infrastructure PuLP est un outil simple à utiliser pour traiter des problèmes de LP et permet à la personne programmeuse de se concentrer sur la modélisation. Dans ce chapitre, nous découvrons les bases des problèmes de LP et commençons à apprendre à utiliser PuLP pour les résoudre.

Exercise 1: Notions de base de l'optimisation Exercise 2: LP ou pas IP?Exercise 3: Choisir une routine d'entraînement Exercise 4: Notions de base de la modélisation avec PuLP Exercise 5: Premiers pas avec LpProblem()Exercise 6: Exercice simple d'ordonnancement des ressources Exercise 7: Utiliser lpSum Exercise 8: Essayer lpSum Exercise 9: Problème de planification logistique

Dans ce chapitre, nous poursuivons l'apprentissage de la modélisation de problèmes de LP et d'IP dans PuLP. Nous abordons aussi l'utilisation de PuLP pour des problèmes de grande taille. De plus, nous amorçons notre étude de cas sur la résolution du modèle d'implantation d'usines avec capacité (Capacitated Plant Location).

Exercise 1: Fonction de dictionnaire LpVariable Exercise 2: Problème de planification logistique 2 Exercise 3: Problème du voyageur de commerce (TSP)Exercise 4: Exemple de problème d'ordonnancement Exercise 5: Problème d'horaires des employés Exercise 6: Planification de l'entretien préventif Exercise 7: Localisation d'usines avec capacité — étude de cas P1 Exercise 8: Passer en revue les données de l'étude de cas Exercise 9: Variables de décision de l'étude de cas Exercise 10: Fonction objectif de l'étude de cas Exercise 11: Contraintes logiques Exercise 12: Exercice sur une contrainte logique Exercise 13: Contraintes logiques exercice 2

Ce chapitre passe en revue des erreurs courantes lors de la création de contraintes et détaille le processus de résolution du modèle. Une fois une solution obtenue pour notre modèle LP, comment savoir si elle est correcte? Nous voyons également une démarche pour vérifier la raisonnabilité, ou « sanity check », des résultats. En outre, nous poursuivons notre étude de cas sur le modèle d'implantation d'usines avec capacité en finalisant toutes les contraintes nécessaires.

Exercise 1: Erreurs courantes dans les contraintes Exercise 2: Exercice sur la contrainte de demande dépendante Exercise 3: Exercice sur la combinaison de contraintes Exercise 4: Emplacement d'usines à capacité limitée – étude de cas P2 Exercise 5: Contraintes de l'exercice de l'étude de cas Exercise 6: Ajouter une contrainte logique dans l'exercice d'étude de cas Exercise 7: Résoudre le modèle PuLP Exercise 8: Choisir le statut du modèle Exercise 9: Résoudre l'exercice sur le plan de production Exercise 10: Vérifier la cohérence de la solution Exercise 11: Exercice de révision des spécifications du modèle Exercise 12: Exercice de vérification de vraisemblance

Dans le dernier chapitre, nous passons en revue l'analyse de sensibilité des contraintes au moyen des prix d'ombre et des écarts (slack). Nous examinons également les essais de simulation de nos modèles LP. Ces différentes techniques nous permettent de répondre à diverses questions d'affaires liées à nos modèles, comme la capacité disponible et les coûts marginaux. Enfin, nous terminons notre exercice d'étude de cas et mettons l'accent sur l'utilisation de l'analyse de sensibilité et des essais de simulation pour répondre aux questions sur notre modèle.

Exercise 1: Analyse de sensibilité des prix d'ombre Exercise 2: Exercice d'analyse de sensibilité Exercise 3: Prix implicite et marge de manœuvre — exercice, partie 1 Exercise 4: Prix d'ombre et marge de manœuvre — exercice, partie 2 Exercise 5: Localisation d'usine avec capacité – étude de cas P3 Exercise 6: Résoudre l'exercice d'étude de cas du modèle Exercise 7: Exercice d'étude de cas sur l'analyse de sensibilité Exercise 8: Solution de test par simulation Exercise 9: Exercice de solution sur les tests de simulation Exercise 10: Exercice sur l'évaluation du risque Exercise 11: Implantation d'usines avec capacité — étude de cas P4 Exercise 12: Test de simulation du modèle capacitaire Exercise 13: Exercice : interpréter les résultats de simulation

Exercice en cours

Exercise 14: Résumé final