Passer en revue les données pour l’étude de cas

Supposez que les données de l’étude de cas proviennent d’un constructeur automobile qui optimise son réseau de Supply Chain sur cinq régions (c’est‑à‑dire États‑Unis, Allemagne, Japon, Brésil et Inde). On vous fournit la demande et la capacité de production (en milliers de voitures) pour chaque région, ainsi que les coûts variables et fixes (en milliers de dollars US). Quatre DataFrames Pandas demand, var_cost, fix_cost et cap ont été créées pour vous et affichées dans la console ; elles contiennent respectivement la demande par région, les coûts variables de production, les coûts fixes de production et la capacité de production. Le var_cost indique les coûts de produire en lieu i et d’expédier vers le lieu j. Laquelle des affirmations suivantes est vraie d’après les données ?

Cet exercice fait partie du cours

<cours>Analyse de la chaîne d’approvisionnement en Python</cours>

Exercice interactif pratique

Transformez la théorie en action avec l’un de nos exercices interactifs

Commencer l’exercice

Cet exercice fait partie du cours

<cours>Analyse de la chaîne d’approvisionnement en Python</cours>

IntermédiaireNiveau de compétence

4.8+

Commencer le cours gratuitement

La Programmation Linéaire (LP) est une technique clé pour l’optimisation de la chaîne d’approvisionnement. Le framework PuLP est un outil simple d’utilisation pour traiter des problèmes de LP et permet au programmeur de se concentrer sur la modélisation. Dans ce chapitre, nous abordons les bases des problèmes de LP et commençons à apprendre à utiliser PuLP pour les résoudre.

Exercise 1: Notions fondamentales d’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 de planification 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 des problèmes de LP et d’IP avec PuLP. Nous abordons l’usage de PuLP pour des problèmes de grande taille. Nous lançons également notre étude de cas : comment résoudre le modèle de localisation 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 de planification des salariés Exercise 6: Planification de la maintenance préventive Exercise 7: Implantation d’usines capacitaires – étude de cas P1 Exercise 8: Passer en revue les données pour l’étude de cas

Exercice actuel

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 les étapes de résolution du modèle. Une fois que nous avons une solution à notre modèle de LP, comment savoir si elle est correcte ? Nous présentons aussi une démarche pour vérifier la plausibilité (sanity check) des résultats. En outre, nous poursuivons notre étude de cas sur le modèle de localisation d’usines avec capacité en finalisant toutes les contraintes nécessaires.

Exercise 1: Erreurs courantes sur les contraintes Exercise 2: Exercice sur la contrainte de demande dépendante Exercise 3: Exercice sur la combinaison de contraintes Exercise 4: Localisation d’usines avec capacité – étude de cas P2 Exercise 5: Contraintes de l’exercice de l’étude de cas Exercise 6: Ajouter une contrainte logique dans l’étude de cas Exercise 7: Résoudre le modèle PuLP Exercise 8: Choisir le statut du modèle Exercise 9: Résoudre l’exercice de plan de production Exercise 10: Vérifier la cohérence de la solution Exercise 11: Exercice : passer en revue la spécification du modèle Exercise 12: Exercice de vérification de cohérence

Dans ce dernier chapitre, nous étudions l’analyse de sensibilité des contraintes via les prix d’ombre et les écarts (slack). Nous examinons également les tests de simulation de nos modèles de LP. Ces différentes techniques nous permettent de répondre à des questions métier sur nos modèles, comme la capacité disponible et les coûts marginaux. Enfin, nous achevons notre étude de cas en nous concentrant sur l’utilisation de l’analyse de sensibilité et des tests de simulation pour répondre aux questions concernant notre modèle.

Exercise 1: Analyse de sensibilité des prix d’ombre Exercise 2: Exercice d’analyse de sensibilité Exercise 3: Exercice sur les prix d’ombre et les marges pt1 Exercise 4: Prix d’ombre et marge d’écart : exercice, partie 2 Exercise 5: Localisation d’usines 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 du test par simulation Exercise 9: Exercice : tester la solution par simulation Exercise 10: Quel est le risque Exercise 11: Localisation d’usines avec capacité — étude de cas P4 Exercise 12: Test de simulation du modèle capacitaire Exercise 13: Exercice : interpréter des résultats de simulation Exercise 14: Résumé final